close

Вход

Забыли?

вход по аккаунту

?

stus konf c1

код для вставкиСкачать
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
САНКТ­ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ
ШЕСТЬДЕСЯТ ШЕСТАЯ
МЕЖДУНАРОДНАЯ СТУДЕНЧЕСКАЯ
НАУЧНАЯ
КОНФЕРЕНЦИЯ ГУАП
Часть I
ТЕХНИЧЕСКИЕ НАУКИ
Сборник докладов
15–19 апреля 2013 г.
Санкт-Петербург
2013
УДК 001
ББК 72
С28
С28
Шестьдесят шестая международная студенческая научная конференция
ГУАП: Сб. докл.: В 2 ч. Ч. I. Технические науки / СПбГУАП. СПб., 2013.
484 с.: ил.
ISBN 978-5-8088-0855-3 (ч. I)
ISBN 978-5-8088-0854-6
Представлены доклады Шестьдесят шестой международной студенческой
научной конференции ГУАП, прошедшей в апреле 2013 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,
Ю. Е. Шейнина
Редакционная коллегия:
А. Р. Бестугин, доктор технических наук, доцент,
В. М. Боер, доктор юридических наук, профессор,
А. С. Будагов, доктор экономических наук, доцент,
К. В. Лосев, доктор 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,
Н. А. Чернова, кандидат экономических наук
Л. И. Чубраева, доктор технических наук, профессор,
А. П. Шепета, доктор технических наук, профессор
Ответственный секретарь редакционной коллегии М. В. Игнатьева
ISBN 978-5-8088-0855-3 (ч. I)
ISBN 978-5-8088-0854-6
 ГОУ ВПО «Санкт-Петербургский
государственный университет
аэрокосмического приборостроения», 2013
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
АЭРОКОСМИЧЕСКИЕ
ПРИБОРЫ И СИСТЕМЫ
УДК 004.021
А. А. Балян – студент кафедры аэрокосмических компьютерных технологий
Н. А. Данилов (канд. техн. наук, доц.) – научный руководитель
ПРОГРАММНЫЙ МОДУЛЬ ДЛЯ ПАРАЛЛЕЛЬНОЙ ПЕРЕДАЧИ ВИДЕОСИГНАЛА
ПО НЕСКОЛЬКИМ СРЕДНЕПОЛОСНЫМ РАДИОКАНАЛАМ
Параллельная передача видеосигнала по нескольким среднеполосным радиоканалам
производится между двумя персональными компьютерами. Каждый из компьютеров оснащен приемопередатчиками, на передающей стороне имеется подключенная через USB-порт
камера, которая служит источником видеосигнала.
Система имеет следующие параметры:
– видеосигнал представляет собой непрерывный поток отдельных кадров в формате
JPEG и имеет заданное качество. Под качеством в данном случае понимается разрешение
и частота кадров. Разрешение кадров 320×240 пикселей;
– максимальная скорость передачи, которую могут обеспечить передатчики –
1 Мбит/сек;
– частотные диапазоны, в которых может вестись передача – нелицензируемые частотные диапазоны ISM (Industrial, Scientific, Medical – Промышленные, Научные и Медицинские) – 433 МГц, 868 МГц, 902 – 928 МГц, 2,4 ГГц, 5,8 ГГц.
Целью работы была разработка программного продукта для генерации нескольких потоков данных из видеокадра стандарта JPEG (заданного качества) для нескольких радиопередатчиков диапазонов ISM с обеспечением дальности передачи не менее 300 метров и минимального энергопотребления за время передачи одного видеокадра.
Решаемые задачи:
– определение частотного диапазона, передача на котором обеспечит требуемую
дальность при низком энергопотреблении;
– выбор наиболее оптимального из сочетаний: количество кадров в секунду – размер
изображения при скорости передачи данных 1 Мбит/сек;
– разработка алгоритма работы программы;
– организация работы с камерой;
– организация обмена данными с приемопередатчиками;
– создание параллельных потоков для обеспечения параллельной передачи кадров
на передатчики.
3
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Для любого типа беспроводной связи передаваемый сигнал рассеивается по мере его
распространения. Следовательно, мощность сигнала, принимаемого антенной, будет
уменьшаться по мере удаления от передающей антенны. Причина затухания – распространение сигнала по все большей площади.
Данное затухание называют потерями в свободном пространстве и вычисляют через
отношение мощности излученного сигнала к мощности полученного сигнала1.
Формула для определения мощности передаваемого сигнала будет выглядеть следующим образом:
Pt 
P (4d )2
2

P (4fd )2
c2
Рассчитав мощности передаваемого сигнала на разных частотах, можно определить частотный диапазон, в котором будет вестись передача. Эти две величины взаимосвязаны,
мощность прямо пропорционально зависит от частоты, поэтому наиболее простым и удобным способом определения оптимальной частоты и мощности будет анализ графика их
зависимости.
Рассматриваемые частотные диапазоны – нелицензируемые частотные диапазоны
ISM – 433 МГц, 868 МГц, 902 – 928 МГц, 2,4 ГГц, 5,8 ГГц.
В качестве мощности сигнала в точке приема взята чувствительность приемника для
определения необходимой мощности передаваемого сигнала. На максимальной для наших
приемопередатчиков скорости чувствительность составляет -88 дБм. Для проведения расчетов было взято значение -88 дБм + 5%, то есть -83,6 дБм, что соответствует значению
4,4×10-12 Вт.
После проведения расчетов, был получен график зависимости мощности передаваемого сигнала от частоты передачи при чувствительности приемника -88 дБм +5% (-83,6 дБм,
4,4×10-12 Вт) и дальности передачи 300 метров (рис. 1).
Рис. 1. График зависимости мощности передаваемого сигнала от частоты
1
4
Столлингс В. Беспроводные линии связи и сети. – М.: Издательский дом «Вильямс», 2003, 640 с.
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Из графика видно, что наименьшая мощность сигнала передатчика, а значит и
наименьшее энергопотребление, будет при передаче на частоте 433 МГц, то есть в частотном диапазоне 433,05 – 434,78 МГц. В этом частотном диапазоне будет вестись передача
видеосигнала.
Выбранный частотный диапазон имеет ширину 433,05  434,78  1,73 МГц .
Основной задачей работы являлось увеличение пропускной способности радиоканала,
которое достигается за счет использования нескольких передатчиков и параллельной передачи данных по ним. Но количество передатчиков ограничено, а значит нужно определить их
максимальное количество для достижения наилучшего результата.
Передатчик посылает данные со скоростью 1 Мбит/сек, а в этом скоростном режиме используется модуляция 4GFSK с частотным сдвигом 83,3 кГц. Ширина полосы в случае использования 4GFSK равна шести частотным сдвигам: 6  83,3  499,8 кГц .
Ширина радиоканала почти 500 кГц, это значение не попадает в диапазон ни узкополосных, ни широкополосных радиоканалов, поэтому было введено понятие среднеполосного
радиоканала.
Таким образом, мы имеем:
ширина полосы для каждого передатчика 499,8 кГц;
ширина всего частотного диапазона 1,73 МГц.
1730
А значит, есть возможность использовать
 3,46 , то есть три передатчика и три
499,8
приемника.
Таким образом, в системе имеется три пары приемопередатчиков, но возможны случаи, когда для передачи кадра может понадобиться больше или меньше передатчиков. Зависит это от
качества видео, а, как было сказано ранее, под качеством видео в данном случае понимается
информационный объем кадра и частота кадров. Также количество передатчиков зависит и от
скорости передачи по одному каналу (в данном случае она фиксирована и равна 1 Мбит/сек).
Зависимость всех этих величин описана в следующей формуле:
VF
N
,
C
где N – количество задействованных передатчиков, V – информационный объем кадра, F –
частота кадров, C – максимальная скорость передачи данных по одному каналу.
Зависимость этих величин наглядно показана на графике, изображенном на рис. 2.
Кадры, полученные с камеры, имеют разрешение 320×240 пикселей, их размер варьируется в среднем от 5 до 11 Кбайт, в случае если изображение не содержит деталей, то есть
практический однотонный кадр, его размер может составлять 2 Кбайта. Из графика видно,
что с использованием трех антенн и с учетом информационного объема кадров максимальная допустимая частота кадров – 30 кадров в секунду. Причем три антенны для передачи
понадобятся только в том случае, если размер кадра находится в диапазоне от 9 до
12 Кбайт, а в случае, когда кадр имеет меньший информационный объем, достаточно двух
антенн или даже одной. В программе этот факт учитывается и при поступлении кадра анализируется его размер. Если он меньше или равен 8 Кбайт, то используется два передатчика; если размер меньше или равен 4 Кбайт – один передатчик. Уменьшение количества
задействованных передатчиков позволяет уменьшить энергопотребление.
5
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Зависимость количества антенн от качества видео
В связи с используемым параллелизмом, изображение передается частями. Для того
чтобы на принимающей стороне правильно «склеить» части в искомое изображение, к передаваемым данным добавляется заголовок. Он имеет следующий вид:
– признак начала заголовка формируемого пакета 0xFFD7;
– номер изображения – это число, лежащее в пределах от 0 до 127, когда счетчик доходит до числа 127, он обнуляется;
– номер части изображения;
– место в буфере (номер байта) откуда началось считывание;
– размер части изображения в байтах.
После формирования заголовка, данные готовы к передаче.
Далее приведено краткое описание работы программного модуля.
Кадр, полученный с камеры, помещается в буфер, после чего производится анализ
изображения – в зависимости от его размера определяется необходимое для передачи
количество приемопередатчиков. После чего запускаются параллельные (или псевдопараллельные) процессы, по одному для каждого передатчика. Каждый из процессов выполняет
следующие функции:
– расчет размера части кадра;
– формирование заголовка посылаемого на передатчик пакета данных;
– отправка пакета на передатчик по частям: заголовок, затем часть изображения из
общего буфера, в котором хранится кадр.
Все процессы имеют доступ к буферу, но конфликтов не возникает, так как каждый процесс работает с разными частями буфера и одновременного обращения к одной и той же
области памяти не происходит.
Когда все части изображения отправлены, процессы завершают свою работу, с камеры
захватывается новый кадр и снова проходит анализ и отправку.
6
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
На принимающей стороне организовано три параллельных процесса, каждый из которых считывает данные с приемников. С момента поступления заголовка начинается его
анализ, а затем запись в общий буфер части изображения. Когда все части помещены в
буфер и кадр сформирован (обнаружены маркеры начала и конца изображения), кадр из
формата JPEG преобразовывается в матрицу пикселей и выводится на экран.
Подводя итоги, следует сказать, что применение метода параллельной передачи данных по нескольким среднеполосным радиоканалам, лежащим в одном частотном диапазоне,
позволило увеличить пропускную способность радиоканала.
Разработанный программный продукт в сочетании с использованными аппаратными
средствами обеспечивает передачу видео на большие расстояния и позволяет вести долгую
видеотрансляцию в условиях отсутствия внешних источников электроэнергии благодаря
низкому энергопотреблению.
__________
УДК 681.51
О. В. Белорусова – магистрант кафедры аэрокосмических измерительно-вычислительных
комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ МЕТОДА СПЕКТРАЛЬНОЙ ОЦЕНКИ
ДОСТОВЕРНОСТИ ПРОГНОЗА НЕВЫХОДА
НАВИГАЦИОННОГО ПАРАМЕТРА ЗА ГРАНИЦЫ ПОЛЯ ДОПУСКА
В работе рассматривается задача оценки априорной и совместной безусловной достоверностей невыхода навигационного параметра и результата его измерения за пределы
поля допуска на заданном интервале времени на основе спектрально-финитного подхода
для повышения обеспечения безопасности полета летательного аппарата (ЛА).
По опубликованным данным, порядка 40% катастроф возникает при заходе самолетов
на посадку и при посадке. Если считать, что продолжительность захода на посадку и посадки составляет в среднем 2-3% всего времени полета, то аварийность на этих этапах оказывается в 10-15 раз большей, чем средняя аварийность в течение полета. Взлет и посадка
являются наиболее сложными этапами полета за счет большого числа решаемых задач
и дефицита времени у экипажа воздушного судна для принятия решений [1]. В виду актуальности приведенной задачи, рассматривается решение задачи оценки достоверности
прогноза навигационного параметра при управлении заходом на посадку и посадке самолета на выбранном интервале времени.
В общем случае заход на посадку может рассматриваться как динамическая операция
вывода самолета в некоторую область пространства допустимых для него боковых и вертикальных отклонений на высоте принятия решения. Завод самолета в допустимую область
вертикального пространства ставится наиболее жестко, т.к. велика вероятность столкновения с наземными препятствиями.
7
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Задача рассматривается на примере работы курсо-глиссадной радиомаячной системы
осадки (КГС) «ILS». Система непрерывно выдает летчику информацию о положении самолета по курсу посадки и относительно глиссады планирования. При полете по линии глиссады ЛА должен находиться в равносигнальной зоне, образованной лепестками излучения
глиссадного радиомаяка (ГРМ), т.е. в зоне, где сигналы от обоих лепестков равны. Глиссадный радиоприемник (ГРП) КГС предназначен для приема сигналов ГРМ, указывающего линию планирования.
В качестве полезного сигнала в работе берется разностный сигнал на выходе ГРП, принятый от сигналов двух частот 90 и 150 Гц ГРМ. ГРП измеряет разность глубин модуляций
(РГМ) обоих полей частот, вырабатывая ток, пропорциональный этой РГМ. Когда ЛА находится на линии глиссады, РГМ равна нулю. Отклонению от глиссады снижения в пределах
некоторого сектора РГМ соответствует каждое угловое отклонение ЛА от глиссады снижения. Задача оценки достоверности прогноза нахождения РГМ в заданных пределах решалась с использованием разработанного Ивановым Ю. П. спектрально-финитного метода.
В отличие от существующих методов оценки интервальной достоверности предлагаемый подход к решению поставленной задачи не основывается на свойстве марковости исследуемого процесса и решении уравнения Фоккера-Планка-Колмогорова, которое может
быть найдено для узкого класса процессов и допустимых границ. Рассматриваемый метод
оценки интервальной априорной достоверности не требует исследования устойчивости
процесса решения, большого объема времени работы и памяти вычислительных машин,
а также позволяет производить оценку с любой заданной точностью решений [2].
В работе рассматриваются результаты исследования метода спектрально-финитной
оценки достоверности нахождения сигнала РГМ в заданных границах на выбранном интервале оценивания. Представлены теоретические и экспериментальные зависимости оценок
априорной и совместной безусловной достоверностей прогноза нахождения ЛА в границах
глиссады снижения на заданном интервале времени в зависимости от изменения исходных
данных, проведен сравнительный анализ результатов.
Основная идея метода состоит в замене с оцениваемой точностью приближения случайного процесса, являющегося моделью навигационного сигнала – РГМ, квазидетерминированным процессом на основе использования частичной суммы разложения по ортогональному базису ряда Карунена-Лоэва и замене области допустимых значений для
случайного процесса соответствующей областью допустимых значений для коэффициентов
ряда Карунена-Лоэва представления сигнала.
Рассматривается процесс X (t  τ) – случайный нормальный скалярный процесс, определенный на интервале времени   0,T  , корреляционная функция которого
K  τ   σ2 exp  α x τ
 , где: σ x
– среднеквадратичное отклонение; α x – параметр кор-
реляционной функции; математическое ожидание m x  0 .
Случайный процесс X (t  τ) на интервале времени T представляется частичной суммой
из N слагаемых ряда Карунена – Лоэва [2]:
N
T
k 1
0
X (t )   Сk k (t ) , где Сk   X (t )k* (t )dt
8
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
*
где  (t ) - ортонормированный базис, который определяется следующей формулой:
k
k  τ  
σx
1
λk
1
1
π
  T
sin ω k  τ    k  ,


2
2

dk
где λ k , k  1,N – собственные значения интегрального уравнения; d k , k  1,N нормированные дисперсии коэффициентов разложения ряда Карунена-Лоэва. λ k , d k определяются следующими выражениями:
2 α xT  σ xT
2
λk 
2 α xT    ωk T 
2
dk 
2
,
λk
2
σ xT
Точность приближения процесса, определяется числом слагаемых ряда Карунена-Лоэва –
N и следующим соотношением:
N
1  R 2  1   dk
k 1
Область допустимых значений G0 случайных величин Сk , k  1,N , полученная исходя из условия невыхода навигационного параметра за заданные границы на интервале
времени прогнозирования, должна удовлетворять следующим неравенствам:
N
  Cнk λнk ψk  t   h  Bвн (t )  mНx 
k 1
G0  
N


 Cнk λнk ψk  t   h  Bнн (t )  mНx 
k 1
где
Cнk  Ck
2
λ нk  λ k σ x  Tdk
λ нk
,
–
нормированные
значения
коэффициентов
ряда;
k  1,N – нормированные значения собственных значений инте-
грального уравнения; h(αT ,N ) , k  1,N – коэффициент, учитывающий точность приближения на интервале прогнозирования T:
h(αT ,N ) 
N
 dk
k 1
Bвн  Bв σ х , Bнн  Bн σ х – нормированные верхняя и нижняя границы поля допуска
соответственно.
9
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Достоверность априорного прогнозирования D 0 (t ,T ) невыхода навигационного параметра X (t ) за пределы поля допуска на заданном интервале времени T, будет определена
следующим выражением:
^

D 0 (t ,T ) 
f CН  t   dCн  t 
N
G ( t ,T )
0
где f CН  t   – плотность распределения N - первых нормированных коэффициентов
ряда Карунена-Лоэва.
В работе представлено аналитическое и статистическое моделирование в системе
MathCAD15. Рассматривается линейная аддитивная модель измерения навигационного
параметра в заданных границах на выбранном интервале времени T .
Модель измерения представлена выражением:
Y (t )  X (t )  H(t )
где Y (t ) – наблюдаемый сигнал; X (t ) – полезный сигнал; H (t ) – помеха.
Моделями сигналов Y (t ) , X (t ) , H (t ) являются стационарные гауссовские случайные
процессы. Процессы X (t ) и H (t ) взаимно независимы. В качестве помехи H (t ) используется белый дискретный гауссовский случайный процесс.
Целью исследования является оценка априорной и совместной безусловной достоверностей невыхода сигнала X (t ) – РГМ и результата его измерения за пределы симметричного поля допуска  Bн ,Вв  . Задачей стояло сравнить оценку достоверности исходной реализации процесса X (t ) и совместную безусловную достоверность процессов X (t ) , Y (t )
с оценками достоверностей, полученными статистически, полученными теоретически (интегрально) и при спектральном представлении реализации.
Анализ полученных зависимостей показал, что зависимости оценок достоверностей, полученные при моделировании с использованием спектральо-финитного метода от различных параметров сигнала X (t ) имеют расхождение не более чем на 1%, что говорит о корректной работе алгоритма и о целесообразности применения представленного метода при
решении поставленной задачи. Изменение интервальной достоверности сигнала
X (t ) наблюдалось от изменения следующих параметров:  – параметр корреляционной
функции полезного сигнала, диапазон изменения от 0,01 до 0,05; B – граница поля допуска,
диапазон изменения от 1 до 4; N – число реализаций, диапазон изменения от 2000 до 8000;
 – дискрет, диапазон изменения от 0,2 до 0,8; l – количество интервалов наблюдения, диапазон изменения от 0 до 7; n – количество компонент ряда Карунена –Лоэва, диапазон изменения от 1 до 2.
Исследование показало, что точность вычислений повышается с увеличением значений
B и уменьшением значений , при большом числе выборок, которое в работе составило
12000. Для корректной работы алгоритма достаточно использовать две спектральные компоненты ряда Карунена-Лоэва – n  2 , так как они являются наиболее информативными.
10
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Изменения величины α следует выбирать – 0.01  α  0.02 , т.к. с ростом α падает точность приближения конечной суммы ряда Карунена-Лоэва к процессу X (t ) . Для достижения
требуемой точности вычисления достоверности с ростом значения переменной  необходимо увеличивать число компонент суммы ряда. Точность вычислений и соответственно
рост значений зависимостей графиков повышается с увеличением значений B, оптимальными значениями для границ поля допуска являются – 3, 4. Дискрет следует выбирать
в диапазоне 0.2    0.4 , количество интервалов наблюдения 0  l  3 . Чем меньший
дискрет и интервал наблюдения прогнозирования взят, тем точнее производится оценка
достоверности случайного процесса.
Таким образом, представлены результаты исследования спектрально-финитного метода для решения важной в навигации задачи – оценки достоверности нахождения ЛА в границах глиссады снижения при заходе на посадку на интервале времени.
Основным из достоинств метода является то, что случайный процесс, характеризующий
навигационный параметр, может принадлежать к широкому классу случайных процессов,
применим как к марковским, так и немарковским, как стационарным, так и нестационарным,
непрерывным и дискретным, гауссовским и негауссовским процессам. Подход к решению
поставленной задачи является единым как в случае дискретного, так и непрерывного времени
протекания исследуемых процессов. Метод снимает ограничения, связанные с независимостью допустимых границ от времени, дает возможности решать задачу в случае переменных
границ поля допуска, что позволяет так же решать подобную задачу для различного набора
корреляционных функций. Метод работает при различных начальных условиях. Представленный подход обеспечивает связь с известными моделями случайных процессов, для которых
найдены оценки интервальных достоверностей традиционными способами.
Библиографический список
1. Белогородский С. Л. Автоматизация управления посадкой самолета. М.:Транспорт, 1972. 3 с.
2. Чернов В. Ю., Никитин В. Г., Иванов Ю. П. Надежность авиационных приборов и измерительновычислительных комплексов: Учеб. пособие / СПб.: СПбГУАП, 2004. 77,78 с.
__________
УДК 629.735.33
И. Н. Будяненко – магистрант кафедры аэрокосмических приборов и измерительновычислительных комплексов
В. В. Перлюк (канд. техн. наук, доц.) – научный руководитель
В. Н. Фенога (канд. техн. наук, доц.) – научный консультант
ИССЛЕДОВАНИЕ ЭЛЕКТРОЕМКОСТНОГО МЕТОДА ИЗМЕРЕНИЯ
МАЛЫХ РАСХОДОВ ДИЭЛЕКТРИЧЕСКИХ ЖИДКОСТЕЙ
Работа посвящена исследованию физического принципа измерения скорости потока диэлектрической жидкости емкостным датчиком, что имеет важное значение для построения
емкостного расходомера.
11
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Использование традиционных технических решений для измерения малых, мгновенных
расходов топлива затруднено из-за сравнительно большой стоимости, громоздкости, экстремальных условий эксплуатации, невысокой надежности. Привлекательными по технологичности изготовления, простоте и надежности выглядят емкостные расходомеры, которые
на практике мало известны [1].
Емкостной расходомер – расходомер жидкости, принцип действия которого основан на
зависимости взаимодействия электрических и гидродинамических полей.
Принцип работы емкостных расходомеров основан на зависимости емкости конденсатора от относительной диэлектрической проницаемости вещества, находящегося между его
пластинами [1]. Чем больше величина относительной диэлектрической проницаемости, тем
больше емкость конденсатора С. О ее значении можно судить по электрическому току зарядки конденсатора.
Если конденсатор подключить к источнику постоянного напряжения Uи с внутренним сопротивлением R1, то ток заряда конденсатора выражается формулой:
i(t) 
U0
R1
e

t

Время заряда конденсатора составит (3-5) 3, где 3= R1C1. После чего ток заряда будет
стремиться к 0, а заряд Q, накопленный в конденсаторе будет равен:
Q  C1Uи
После отключения конденсатора от источника питания, вследствие процессов релаксации заряд конденсатора уменьшается с течением времени.
На время саморазрядки конденсатора влияет температура диэлектрика и потери, которые всегда имеются в реальном диэлектрике [2].
Для простоты рассмотрения параметры временной саморазрядки конденсатора будем
характеризовать постоянной времени τр (точнее надо было бы использовать ряд постоянных времени). Ее значение достаточно большое и оценивается единицами или десятками
секунд.
Заряженный конденсатор в течение некоторого времени сохраняет свой заряд, если поляризованный при подаче напряжения диэлектрик находится между его обкладками. Если
диэлектрик начнет перемещаться, то часть заряда уйдет из этого пространства, а оставшаяся часть пойдет на поляризацию прибывшего объема жидкости и перераспределиться по
всему объему между обкладками конденсатора, что приведет к снижению заряда в конденсаторе и уменьшению напряжения на его обкладках. Чем выше скорость движения диэлектрической жидкости, тем больше уменьшение электрического заряда. Оценивая его, можно
получить электрический сигнал, характеризующий значение расхода [3].
Диэлектрические жидкости, являющиеся источниками энергии, относятся к классу углеводородных жидкостей, представляющих собой неполярные вещества с ковалентными
связями между атомами в молекулах.
Поляризация в них обусловлена в основном смещением электронных оболочек относительно ядер и незначительно ориентацией молекул вследствие наличия малого дипольного
момента [3].
12
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Упрощенная схема емкостного расходомера, в котором использовано изменение заряда
конденсатора вследствие его разрядки при движении жидкости, изображена на рис. 1.
При подаче питания конденсатор заряжается до напряжения питания Uпит, что приведет
к появлению на входе 2 триггера Шмитта высокого потенциала и отсутствию напряжения на
выходе. При разряде конденсатора до Uпит /2 произойдет срабатывание триггера Шмитта,
появление на его выходе напряжения Uпит ,что приведет к заряду конденсатора до напряжения питания Uпит.
Uпит
1
TH
3
2
VD1
Направление
движения жидкости
Рис. 1. Упрощенная схема емкостного расходомера
Разряд конденсатора будет происходить вследствие неупругих видов поляризации. Так
как для поляризации вновь прибывшей жидкости необходимо затратить энергию, запас
которой ограничен емкостью конденсатора [3].
В процессе исследований были разработаны математические модели измерительных
ячеек представленных плоским и цилиндрическим конденсатором.
Пусть в потоке жидкости установлены две металлические прямоугольные пластины
площадью S, параллельно друг другу (рис. 2). Сторона пластины длинной L параллельна
скорости потока жидкости, а шириной l – перпендикулярна. Расстояние между пластинами d.
S1 – площадь, перпендикулярная потоку жидкости. Молекулы жидкости, принадлежащие
площади S1 , спустя время t, займут положение определяемое величиной t.
Жидкость обладает относительной диэлектрической проницаемостью . Пластины образуют плоский конденсатор емкостью С.
Емкость конденсатора, образованного пластинами, определяется формулой:
C
 0S
d
(1)
13
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Измерительная ячейка (плоский конденсатор) в потоке жидкости
Заряд накопленный емкостью:
Q0  CU0
(2)
Учитывая (1) и (2) и умножив числитель и знаменатель на d, получим:
Q0 
Q0 
 0S d
d
d
U0
 0V0
U0
2
d
Объемная плотность заряда между пластинами определяется формулой:
Q

V  0  0 U0
2
V0
d
Заряд, ушедший из конденсатора за время t:
Q  V V  tS1
 0
U
2 0
d
Учитывая (1) и (5) найдем напряжение на обкладках конденсатора:
U 
Q
C
(3)
(4)
(5)
,
или
U  S1
 0
d
2
U0 t
d
 0S
;
тогда
U
t
14
 
S1 U0
S d
(6)
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Проинтегрировав выражение (6) при начальных условиях t = 0, U (0)  U0 получим:
U (t )  U 0 e

S
1
Sd
t
(7)
Так как площадь сечения перпендикулярная потоку жидкости S1 и площадь пластин S
равна:
S1  dl
S  Ll
тогда:
U (t )  U 0 e

d l
Ll d
t
,
окончательно:

 t
e L
(8)
U (t )  U 0
По аналогии с формулой разряда конденсатора найдем эквивалентную постоянную
времени.
L
 рас 
(9)

Анализируя (9) можно сделать вывод, что постоянная времени, обусловленная расходом
в данной гипотетической модели, не зависит от емкости, конденсатора, а зависит от скорости
жидкости и длины обкладок измерительной ячейки, находящихся в потоке жидкости.
На рис. 3 представлены падения напряжения на конденсаторе при разных значениях
движения диэлектрика для плоскопараллельной измерительной ячейки размером 1х1 см.
Рис. 3. Падения напряжения на конденсаторе при разных значениях движения диэлектрика
С целью проверки данного метода, была создана опытная установка, в результате работы которой были получены зависимости между расходом жидкости и изменением периода
разряда измерительного конденсатора.
В процессе работы установки было обнаружено отрицательное влияние диэлектрической абсорбции жидкости и ее проводимости на результаты измерений.
15
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
T,мc
Период разряда Ср от времени
80
79,9
79,8
79,7
79,6
T0 - без расхода
79,5
T - с расходом
79,4
79,3
79,2
79,1
79
0
5
10
15
20
25
c
30
Рис. 4. Период разряда емкости измерительной ячейки от времени
Для уменьшения проводимости жидкости, пластины измерительного конденсатора были
покрыты изоляционным лаком Urethan с объемным электрическим сопротивлением 10
ТОм•м.
Для уменьшения влияния диэлектрической абсорбции, измерительная ячейка закорачивалась на 3 с, время подбиралось экспериментально.
Увеличение времени закорачивания приводило к уменьшению диэлектрической абсорбции с одной стороны, но с другой стороны увеличивало время измерения.
Широкому внедрению в практику рассмотренного расходомера мешает отсутствие сведений о ряде важнейших процессов, от которых зависит функция преобразования датчика.
Так, не вполне ясно, как долго сохраняется поляризация в движущейся жидкости. Нет
данных о влиянии характера движения жидкости на сохраняемость поляризации. Не установлено, как меняется характер движения при существенном увеличении расхода и линейной скорости. Требуется провести всесторонние исследования основных параметров и характеристик емкостных расходомеров для уяснения их технических возможностей и путей
реализации.
Библиографический список
1. Гусев В. Г., Мулик А. В. Принципы построения емкостных измерителей расхода электрических
жидкостей // Приборы и системы управления. 1998. № 2. С. 53–57.
2. А.с. 1553831. Поляризационный расходомер // Тип же. 1990. № 12.
3. Гусев В. Г., Мулик А. В., Николаев В. А. Устройство для измерения расхода диэлектрических жидкостей: патент РФ по заявке 95109659.28 (016807) от 08.06.95 г.
__________
16
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
А. П. Григорьев – аспирант кафедры аэрокосмических измерительно-вычислительных
комплексов
Т. Д. Елчуева – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
ОРГАНИЗАЦИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ ПРИ ПОДГОТОВКЕ
АВИАЦИОННЫХ СПЕЦИАЛИСТОВ
В связи с реализацией высшей школой образовательных стандартов нового поколения
намечаются тенденции к сокращению часов, отводимых на теоретические и практические
аудиторные занятия. Вследствие чего значительный объем теоретического учебного материала (УМ), предназначенного для изучения, обучаемый должен осваивать самостоятельно.
Учебный процесс (УП) в данном случае можно трактовать как процесс управления усвоением знаний (рис. 1).
Рис. 1. Обобщенная схема процесса обучения
Основными действующими лицами УП являются: обучаемый и преподаватель, как объект и субъект управления соответственно. Основной объем знаний обучаемый должен получать в результате самостоятельной работы (СР). Роль преподавателя при этом частично
должен взять на себя персональный компьютер. Последний используется, прежде всего, как
источник получения теоретического УМ из методического материала дисциплины. Таким
образом, преподавателем осуществляется текущий, промежуточный и рубежный контроль
освоения и усвоения УМ, преимущественно в рамках аудиторных занятий. При этом во многом от того, насколько качественно реализован процесс самостоятельной внеаудиторной
работы обучаемых (студентов), зависит последующая эффективность изучения УМ дисциплины. В этой связи все большее значение в образовании приобретают инновационные
подходы с акцентом не просто на получение студентом знаний и умений, но и на формирование компетенций [2], проявляющихся в способности решать научные проблемы и прикладные
инженерные задачи в своей повседневной профессиональной деятельности.
Таким образом, самостоятельная работа обучаемого становится основой образовательного процесса, способом формирования профессионализма, готовности к самообразованию
17
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
и непрерывному обучению в условиях поступления новых задач. Самостоятельная работа
способствует расширению знаний, формированию интереса и способностей к познавательной деятельности. Акцент на самостоятельную деятельность требует перехода от традиционной системы преподавания с доминирующей ролью преподавателя к системе обучения,
в которой студент выступает в качестве активного и мотивированного субъекта. Преподаватель осуществляет организацию и управление УП, стимулируя развитие новых способностей, необходимых для будущей профессиональной деятельности.
На кафедре «Аэрокосмические измерительно-вычислительные комплексы» Санктпетербургского государственного университета аэрокосмического приборостроения (ГУАП)
успешно используются современные личностно ориентированные технологии, обеспечивающие формирование профессиональной компетентности, готовности к самообразованию,
ведению научной и инженерной деятельности. Рассмотрим следующие виды деятельности,
используемые преподавателями кафедры в УП, при реализации самостоятельной работы
студентов: доклад (реферат в форме доклада); деловые игры; кейс-анализ; написание рецензий; подготовка тезисов доклада; опережающая СР; проблемно-поисковые технологии;
проектные технологии.
Доклад (реферат в форме доклада) – форма работы обучаемого в рамках изучаемой дисциплины. Тема может быть выбрана студентом и согласована с преподавателем или же
сформулирована преподавателем. Желательно также «привязать» тему выступления
к конкретному разделу, параграфу или главе изучаемой дисциплины. Глубина и степень проработки формулируются преподавателем, также как и время, отводимое на выступление (защиту). При организации данной стратегии обучения предполагается активное участие группы
студентов в виде дискуссионных прений, дополнительных вопросов докладчику и т.д. Активное
участие всей группы или отдельных студентов должно быть отмечено и оценено преподавателем, что существенно стимулирует и интенсифицирует процесс изучения и освоения материала. Данный подход позволяет сэкономить время на изучение теоретического материала, частично разгрузить преподавателя за счет переноса его функций на докладчика.
Рассмотренный подход развивает коммуникативные способности студентов, позволяет
приобрести опыт публичных выступлений, что важно при защите ими курсовых, дипломных
работ и проектов, а также при подготовке обучаемых к научным семинарам и конференциям. Описанный подход реализован авторами при подготовке студентов III и V курсов ГУАП
по дисциплинам: «Бортовые цифровые вычислительные устройства и машины»; «Бортовые
вычислительные комплексы навигации и самолетовождения».
Деловые игры подразумевают неформальную, игровую манеру решения поставленной
преподавателем задачи. Данный подход апробирован авторами статьи и использован
в подготовке студентов III курса ГУАП в рамках курса «Бортовые цифровые вычислительные
устройства и машины» при изучении темы «Проектирование БЦВМ». Участникам игры
предлагалось рассмотреть основные этапы проектирования БЦВМ космического назначения. Преподавателем был составлен план игры, дано задание по самостоятельному изучению и проработке УМ, а также предварительно распределялись основные роли: заказчик,
представитель заказчика, главный конструктор, главный технолог, главный инженер, метролог и т.д. По результатам игры выставлялись оценки, как участникам, так и наиболее активным слушателям. Подход на базе деловой игры может быть использован для подготовки
авиационных специалистов в рамках любого читаемого выпускающей кафедрой курса,
но особенно эффективен данный подход при изучении следующих дисциплин: «Бортовые
18
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
вычислительные комплексы навигации и самолетовождения»; «Авиационные тренажеры»;
«Интеллектуальные обучающие системы».
В рамках первых двух дисциплин, предлагается рассмотреть в форме деловой игры
решение экипажем (пилот, штурман, бортинженер и т.д.) летательного аппарата различных
(по указанию преподавателя) навигационных задач. При использовании игры в рамках изучения третьей дисциплины, предлагается рассмотреть процесс взаимодействия студент –
преподаватель с поэлементной сменой ролей среди студентов.
Таким образом, использование деловых игр позволяет более качественно рассмотреть
как отдельные этапы обучения, так и основные подходы, учесть и продемонстрировать
психолого-педагогические аспекты, возникающие при обучении. За счет применения игры
заметно возрастает интерес студентов, они проявляют активное участие в учебном процессе, налаживаются межличностные связи вида студент – преподаватель за счет неформальной постановки и проведения учебного занятия.
Кейс-анализ – предполагает разбор студентами и преподавателем на практических занятиях реальных ситуаций из теории и практики применения авиационной техники. Такой
подход дает основу и тему для дискуссии, позволяет получить оценки проблемы или же
осуществить анализ и синтез оптимального варианта решения. Кейс-анализ – может быть
использован для подготовки авиационных специалистов в рамках любого читаемого выпускающей кафедрой курса, авторами и преподавателями кафедры. Данный подход апробирован при изучении таких дисциплин как «Бортовые вычислительные комплексы навигации
и самолетовождения», «Авиационные тренажеры».
Написание рецензий – рекомендуется применять преимущественно в магистерских
группах. Преподавателем дается в качестве задания на учебный семестр несколько статей
для проработки и анализа. Данный вид работы рекомендуется согласовывать с научным
руководителем студента, который может порекомендовать ряд авторов, чьи работы непосредственно связаны с тематикой научной работы в рамках магистерской диссертации.
Данный подход направлен на выработку аналитических способностей студента по критическому анализу и общей оценки актуальности и значимости научных статей. Описанный
подход апробирован авторами статьи и использован при подготовке студентов V курса ГУАП
в рамках дипломной работы.
Подготовка тезисов доклада – данный вид работы предназначен для определения способности студента (преимущественно магистранта, молодого ученого) формулировать кратко основные положения научной работы. Позволяет эффективно и глубоко оценить основные результаты исследования, выявить актуальные задачи, научную новизну,
детализировать и формулировать поставленную задачу, проанализировать подходы к решению и предложить на базе выбранного подхода вариант решения оптимальный, адаптивный или робастный, по какому-либо синтезируемому критерию. Данный подход отличается
краткостью, наглядностью, возможностью реализации как в реальном масштабе времени
в рамках аудиторного занятия, так и в рамках самостоятельной внеаудиторной работы.
Описанный подход актуален и при подготовке студентов к курсовым, дипломным проектам
и работам, а также при подготовке к выступлению на конференциях и научных семинарах.
Зачастую от молодых ученых требуют в обязательном порядке предоставления тезисов
доклада перед регистрацией и выступлением на конференции.
Таким образом, реализация данного подхода при обучении в высшей школе позволит
подготовить широкий круг студентов к самостоятельной научно-исследовательской и инже19
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
нерно-прикладной работе. Данный подход успешно используется при подготовке магистерских групп ГУАП в рамках проведения НИР.
Опережающая самостоятельная работа, активно используемая при проведении практических занятий на кафедре, предполагает изучение студентами нового УМ до его изложения
преподавателем на аудиторных занятиях. Основная цель – вызвать у студентов интерес
к проблеме, которую предстоит решить; овладеть информацией, которая позволит осознанно отнестись к материалу, изложенному преподавателем; включиться в обсуждение нового
материала с дополнениями или вопросами. Опережающая СР может быть построена в виде
индивидуальных заданий, способствующих активизации познавательной деятельности студентов, интенсификации и индивидуализации учебной работы. Такая предварительная
подготовка студентов дает возможность преподавателю создавать проблемные ситуации,
которые стимулируют самостоятельную поисковую деятельность студентов.
Проблемно-поисковые технологии предполагают создание студентами под руководством преподавателя проблемных ситуаций и самостоятельное разрешение этих вопросов.
Таким образом, преподаватель не проверяет на занятиях степень усвоения УМ, а предлагает его обсудить, высказав свое мнение, при этом уместны критические высказывания со
стороны студентов и несогласие с точкой зрения преподавателя. Проблемная ситуация
решается студентами, а результат решения оценивает преподаватель. При таком подходе
существенно увеличивается интерес к изучаемым дисциплинам, в результате чего происходит овладение профессиональными знаниями, умениями и навыками.
Проектная технология, активно используемая при подготовке авиационных специалистов, основана на выполнении студентами проектных заданий различного типа. Например,
при прохождении производственной практики на предприятиях или базовых кафедрах ГУАП,
студент может получать индивидуальное задание, ориентированное на разработку или усовершенствование алгоритмического и программного обеспечения, технологического процесса изготовления или восстановления отдельных узлов, деталей, датчиков, приборов, агрегатов и т.д., в рамках изучения дисциплины по направлению «Авиационная техника».
Необходимо отметить, что результативность самостоятельной работы студентов во
многом определяется наличием активных методов ее контроля – как на промежуточном
(рубежное тестирование), так и на итоговом уровне [3]. На кафедре «Аэрокосмические измерительно-вычислительные комплексы» ГУАП применяется модульно-рейтинговая система [1, 3] оценки успеваемости обучаемых, которая позволяет с максимальной объективностью установить уровень знаний студентов на различных стадиях УП. Позволяет добиться
более качественной и ритмичной работы студента в семестре, стимулирует познавательную
и творческую активность.
Резюмируя все вышесказанное, можно отметить, что перед преподавателем высшей
школы стоит актуальная задача по переосмыслению подходов при реализации СР студентов, по разработке новых методик и подходов в обучении, реализации переоснащения учебной материально-технической базы.
С другой стороны использование описанных подходов позволяет интенсифицировать
процесс обучения за счет дистанционного внеаудиторного подхода к организации СР, что
дает возможность частично разгрузить преподавателя. Следует заметить, что в рамках
новой образовательной парадигмы ключевую роль играют интеллектуальные подходы,
которые реализуют адаптацию и индивидуализацию процесса обучения, позволяют использовать элементы дистанционного обучения в УП.
20
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Данные изменения требуют от преподавателя глубоких и основательных знаний,
умений и формирования компетентностей в организации своей повседневной деятельности
на новой методической и технологической базе. Таким образом, с уверенностью можно
сказать, что от научно-педагогических кадров требуется надлежащая психологопедагогическая подготовка, перестройка организационных и методических аспектов учебновоспитательного процесса.
Библиографический список
1. Ерников С., Лобовая Т., Филиппов С. и др. Опыт использования рейтинговой системы // Высшее
образование в России. 1998. № 1.
2. Пичкова Л. С. Организация самостоятельной работы студентов как фактор формирования профессионально значимых компетенций // Пути повышения конкурентоспособности экономики России
в условиях глобализации, Мат. Конф. МГИМО (У) МИД РФ. М.: МГИМО (У), 2008/
3. Тычина И. И. Модульная организация учебного процесса. Рейтинговая система контроля успеваемости студентов. К.: УГПУ, 1990.
__________
УДК 391.694:681.3.06
А. П. Григорьев – аспирант кафедры аэрокосмических измерительно-вычислительных
комплексов
Е. С. Керн – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
РАЗРАБОТКА МОДЕЛИ СОДЕРЖАНИЯ И УСВОЕНИЯ УЧЕБНОГО МАТЕРИАЛА
В АВТОМАТИЗИРОВАННЫХ ОБУЧАЮЩИХ СИСТЕМАХ
Разработка автоматизированной обучающей системы (АОС) представляет собой сложный и трудоемкий процесс. Любая АОС – это система, основанная на знаниях и обрабатывающая знания. База знаний обучающей системы, в первую очередь, должна содержать
предметные знания, т. е. знания по учебной дисциплине. Свойство адаптивности АОС во
многом определяется способами структурирования учебного материала (УМ). Чем больше
у системы возможностей обеспечить пользователю индивидуальный маршрут изучения УМ,
тем более гибким и адаптивным является ее поведение. Таким образом, вопросы структурирования, представления и доступа к знаниям являются центральными при разработке
современной АОС [2].
Выявление структуры знаний осуществляется через построение моделей, в которых
в явной форме выделены объекты, образующие эту структуру. В основе этих моделей лежит понятие семантического графа (СГ), состоящего из вершин (узлов), соединенных дугами
[1]. С вершинами сопоставляются понятия (объекты, события, процессы, явления и др.),
а с дугами – связи или отношения, существующие между этими понятиями. Построение СГ
способствует процессу осмысления знаний, конкретизирует и выявляет противоречия, обнаруживает недостающую информацию и т.п. В качестве примера рассмотрим, как с помощью СГ (рис. 1) представить УМ по параграфу «Применение угломерно-дальномерных радиотехнических систем» по одной из тем учебного пособия [3].
21
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. Модель содержания учебного материала: УЭ1- ось Х, УЭ2 – ось У, УЭ3 – система координат,
УЭ4 – радиомаяк, УЭ5 – азимут, УЭ6 – дальность, УЭ7 – линия равных азимутов, УЭ8 – линия равных
дальностей, УЭ9 – расчет места положения летательного аппарата, УЭ10 – аналитический,
УЭ11 – графический, УЭ12 – расчет местоположения ЛА
После структурирования и отбора содержания УМ сформулируем требования по уровню
представления, уровню усвоения и уровню осознанности. В соответствии с [5] будем называть
совокупность графа содержания и таблицы учебных элементов (УЭ) моделью содержания УМ
темы. Такая модель позволяет: четко определить содержание УМ и цели обучения; представить содержание в наглядном и обозримом виде; привлечь экспертов для обсуждения полноты
содержания и целевых показателей уже на начальной стадии проектирования АОС; обеспечить четкую преемственность учебных дисциплин; перейти к машинным формам представления модели содержания; определить состав учебного комплекса; сформировать целостное
представление содержания материала, как у разработчиков, так и у пользователей комплекса
(преподавателей и учащихся); сформулировать требования к типу, количеству и последовательности упражнений для осмысления и закрепления теоретического материала.
Модель содержания учебного материала также можно представить в виде матрицы L
.
22
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Модель содержания УМ не содержит ответов на вопросы, в какой последовательности
должны изучаться УЭ и каковы логические связи между ними. Эти вопросы рассматриваются при формировании модели освоения учебного материала. В состав модели освоения
входят матрица отношений очередности и матрица логических связей УЭ, последовательность их изучения и граф их логических связей. Построение модели проводят в четыре этапа [5]: формируют матрицу отношений очередности УЭ; производят обработку матрицы
отношений очередности и строят последовательность изучения учебного материала в виде
списка учебных элементов; формируют матрицу их логических связей; строят граф логических связей Первый и третий этапы являются неформальными и выполняются на основе
анализа УМ.
Матрицы отношений очередности (M) и логических связей (N) являются квадратными.
Размер матриц равен количеству УЭ.
При заполнении ячеек матрицы M (рис. 2, а) анализируют простое бинарное отношение
очередности между двумя УЭ в соответствии с [5].

Рис. 2, а. Матрица отношений очередности УЭ
Рис. 2, б. Матрица логических связей УЭ
При заполнении матрицы N (рис. 2, б) ставят единицу в ячейку, если учебный материал
УЭ, указанный в номере строки, логически связан с учебным материалом УЭ, указанном в
номере столбца. Составление матрицы N удобно вести на основе матрицы M путем исключения единиц из тех ячеек, для которых отсутствуют логические, опорные связи между элементами.
Последовательность изучения УЭ в пошаговой процедуре обучения определяют в процессе формальной обработки матрицы M, суммируя коэффициенты каждой строки матрицы.
Полученные суммы записывают в колонке справа от матрицы (рис. 2, а). Величины сумм
указывают порядковые номера соответствующих УЭ в списке последовательности изучения
учебного материала (рис. 2, в).
Рис. 2, в. Последовательность изучения УЭ
23
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Отбор и структурирование УМ служат для правильного понимания и изучения предложенной дисциплины, а также с помощью матрицы отношений очередности легко понять в
какой последовательности следует изучать дисциплину.
Рассмотрим абстрактную модель обучаемого, представляющую собой вероятностный
автомат Мура [4] с двумя состояниями (рис. 3).
Рис. 3. Диаграмма автомата Мура с двумя состояниями
При переходе из одного состояния в другое автомат выполняет некоторую операцию
(действие). Будем считать, что автомат обучен, когда из состояния 1 он переходит в состояние 2, а из состояния 2 – в состояние 1 и т.д.: 1-2-1-2-1-2-... Если из состояния 1 автомат
переходит в состояние 1 или из состояния 2 переходит в состояние 2, то он совершает
ошибку. Вероятность правильного действия обозначим через p, тогда вероятность неправильного действия равна q = 1-p. В принципе, можно изучать работу вероятностного автомата с большим числом состояний, но при этом всегда один из переходов будет правильным,
а остальные – неправильными.
Так как изначально автомат не обучен, то пусть он может совершить 100 различных
операций с равными вероятностями, тогда вероятность правильного действия p=0.01. Программа, моделирующая ученика, будет содержать цикл, в котором выбор каждой операции
осуществляется с помощью генератора случайных чисел. Если случайное число x, находящееся в интервале [0;1], меньше p, то автомат совершает правильное действие, если нет –
делает ошибку. Процесс обучения приводит к изменению матрицы вероятностей: вероятность правильного выбора p увеличивается на a*q, где a – коэффициент научения, а вероятность ошибки уменьшается на ту же величину. Уровень знаний Z будем считать равным
вероятности p правильного перехода. Чтобы учесть свойство присущее всем обучаемым –
забывание, необходимо на каждом временном шаге уменьшать p на g*p (g – коэффициент
забывания) и на такую же величину увеличивать q:p=p-g*p; q=q+g*p.
Построенная таким образом программа позволяет промоделировать следующие ситуации:
– обучение с поощрением: при выполнении правильного действия обучаемого «поощряют», пересчитывая вероятности p и q. Так как сначала обучаемый ошибается гораздо
чаще (q превосходит p), то сначала обучение происходит медленно (рис. 4, а). Зато по мере
увеличения «знаний» вероятность совершения правильного действия растет. Акты обучения
происходят все чаще, вероятность p увеличивается до 1;
– обучение с наказанием: в случае ошибки обучаемого «наказывают», подсказывая
ему правильный ответ, что приводит к росту p и уменьшению q. Сначала обучаемый ошибается часто, поэтому уровень его «знаний» быстро растет, вероятность ошибки q падает
(рис. 4, б). Акты обучения происходят реже, вероятность правильного действия не достигает 1
(за счет забывания);
24
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 4. а) – обучение с поощрением; б) – обучение с наказанием;
в) – обучение с поощрением и наказанием
– обучение с поощрением и наказанием: при правильном ответе обучаемого поощряют, а при неправильном – наказывают, подсказывая правильный ответ. В обоих случаях
вероятность правильного действия p растет, а вероятность ошибки снижается. За счет того,
что при любом действии обучаемого его учат, уровень знаний быстро растет и достигает 1
(рис. 4, в).
Библиографический список
1. Касьянов В. Н., Евстигнеев В. А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ-Петербург, 2003. 1104 с.
2. Лаптев В. В. Модель предметной области и оценка ее сложности в обучающей системе по программированию // Вестник АГТУ. Сер.: Управление, вычислительная техника и информатика.
2010. № 2.
3. Мамаев В. Я., Синяков А. Н., Петров К. К., Горбунов Д. А. Воздушная навигация и элементы самолетовождения. Учебное пособие. СПб., 2002. 256 .
4. Пономарев В. Ф. Математические методы и модели в обработке информации и управлении. Методические разработки по разделу “Основы теории автоматов”. Калининград: КТИРПиХ, 1992. 72с.
5. Соловов А. В. Проектирование компьютерных систем учебного назначения: учебное пособие. Самара: СГАУ, 1995. 140 с. (www.informika.ru/text/inftech/edu/design)
__________
25
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
А. П. Григорьев – аспирант кафедры аэрокосмических измерительно-вычислительных
комплексов
Д. А. Хамидов – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
ОЦЕНКА АДЕКВАТНОСТИ МОДЕЛЕЙ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
ПРИ РЕАЛИЗАЦИИ КОНТРОЛЬНОГО ТЕСТИРОВАНИЯ ОПЕРАТОРА-НАВИГАТОРА
В рамках данной статьи анализируется достоверность и адекватность нейронечетких
моделей [6] адаптивного тестирования, полученных в статье [4].
В качестве количественной меры достоверности и адекватности автором [5, 2] используется разность квадратов нормы Гильберта-Шмидта эталонных матриц целей и фактических матриц:
n
d ( A,E )  A  E 

n
ai , j 
i  j 1
2
 ei , j
2
i  j 1
В качестве тестовых статистик при контрольном моделировании использовались реальные выборки, полученные по результатам адаптивного тестирования с использованием
тестовых заданий закрытого типа [1, 3] в группах студентов Санкт-Петербургского университета аэрокосмического приборостроения (ГУАП).
Тестирование по предметной области дисциплины [10] проводилось в группах – 11 ЮМ,
7912ВЦ, 2926, при следующих, определенных преподавателем-экспертом, условиях: Состав
теста – семь вопросов закрытого типа [3], разной сложности. Шкала оценивания сложности
тестовых заданий нечеткая [6]:
1) 1-ый вопрос – очень сложный (25 баллов); 2-ой вопрос – сложный (20 баллов); 3-ий и
4-ый вопросы – выше среднего (по 15 баллов); 5-ый и 6-ой вопросы – средние (по 10 баллов); 7-ой вопрос – легкий (5 баллов);
2) шкала оценивания обучаемого – нечеткая двенадцатибалльная (5+, 5, 5-, 4+, 4, 4-,
3+, 3, 3-, 2+, 2, 2-);
3) процент правильных ответов обучаемого в диапазоне 0... 100%. Оценка превосходно
(5+) -90... 100%, отлично (5) – 81...89%, почти отлично (5-) – 76...80%, более чем хорошо (4+) –
66...75%, хорошо (4) – 56...65%, почти хорошо (4-) – 46...55%, более чем удовлетворительно
(3+) – 36...45%, посредственно (3) – 26...35%, почти удовлетворительно (3-) – 21...25%, малоудовлетворительно (2+) -16...20%, неудовлетворительно (2) – 11 ...15%, нет знаний (2-) –
0...10%;
4) тема контрольного тестирования: «Расчет элементов самолетовождения
при горизонтальном полете по маршруту»;
5) время тестирования для каждой группы разное (определялось преподавателем);
группа 11 ЮМ – 15 минут; группа 7912ВЦ – 10 минут; группа 2926 – 5 минут;
6) тестирование прошло 41 человек;
7) количество вариантов тестовых заданий –14.
Полученные, по результатам тестирования, статистические данные, представлены на рис. 1.
26
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. График, характеризующий адекватность нейросетевой модели
По данным из двадцати статистик достоверность оценивания ИНС составляет 92%.
Адекватность модели подтверждена многократным имитационным моделированием на
различных входных статистиках.
Проанализируем возможность повышения достоверности оценивания за счет применения:
– более «совершенных» архитектур сети;
– модифицированных алгоритмов обучения.
Авторами [2, 5] предлагается использовать нейросетевые симуляторы с автоматическим подбором топологии сети [8], что позволит ускорить процесс поиска оптимальной или
квазиоптимальной топологии ИНС. Так как достоверность и адекватность нейросетевой
модели существенно зависит от качества обучения, то целесообразно использовать высокопроизводительные алгоритмы обучения. Автором [11] описан модифицированный алгоритм обучения Левенберга-Марквардта, который заключается в последовательном приближении заданных начальных значений параметров к искомому локальному оптимуму и
который в отличие от классического градиентного алгоритма [9,13] (метод обратного распространения ошибки), позволяет сократить время обучения в несколько раз и повысить
качество обучения. Для ускорения алгоритма обучения рационально применять методы
распараллеливания обработки, предложенные в статье [7]. Так же важным аспектом качественного обучения сети является выбор начальных значений весов синоптических связей
[12]. От удачного выбора весовых коэффициентов будет зависеть не только скорость, но и
точность обучения.
27
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В статье [12] описывается подход на базе тензора кривизны траектории обучения. При
его использовании можно аргументированно присвоить начальные значения весов связей
ИНС, что обеспечит сходимость результатов обучения.
Библиографический список
1. Аванесов B. C. Композиция тестовых заданий. М.: АДЕПТ, 1998.
2. Арзамасцев А. А., Крючин О. В., Азарова П.А., Зенкова Н. А.. Универсальный программный комплекс для компьютерного моделирования на основе искусственной нейронной сети с самоорганизацией структуры. // Вестник ТГУ. т.11, вып 4, 2006, с.564-570 // Издано 14 сентября 2006.
3. Глова В. И., Дуплик С. В. Модели педагогического тестирования обучаемых // Вестник Казан. гос.
техн. ун-та им. А. Н. Туполева. 2003. № 2. С. 74–79.
4. Григорьев А. П. «Нейронечеткий подход к оценке знаний оператора навигатора» 64-ая студенческая научно-техническая конференция ГУАП: Сб. докл. В 2 ч. Ч. I Технические науки / СПб.: ГУАП,
2011. 411 с.
5. Григорьев А. П. «Нейросетевой симулятор с автоматическим подбором топологии сети» 64 студенческая научно-техническая конференция ГУАП: Сб. докл. В 2 ч. Ч. I Технические науки / СПб.:
ГУАП, 2011. 441 с.
6. Дуплик С. В. Модель адаптивного тестирования на нечеткой математике // Информатика и образование. 2004. № 11. С. 57–65.
7. Крючин О. В., Арзамасцев А. А, Королев А. Н., Горбачев С. И., Семенов Н. О. «Универсальный
симулятор, базирующийся на технологии искусственных нейронных сетей, способный работать на
параллельных машинах» // Вестн. Тамб. Ун-та. Сер. Естеств. и техн. науки. Тамбов, 2008. Т.13.
Вып. 5. С. 372–375.
8. Крючин О. В. Подбор архитектуры искусственных нейронных сетей с использованием кластерных
систем // Электронный журнал «Исследовано в России», 115, стр. 1510–1523, 2009 г.
9. Крючин О. В. «Обучение искусственной нейронной сети при помощи распараллеленных градиентных алгоритмов RPROP, QuickProp и метода наискорейшего спуска»
10. Мамаев В. Я., Синяков А. Н., Петров К. К., Горбунов Д. А. Воздушная навигация и элементы самолетовождения. Учебное пособие. СПб, 2002. 256 с.
11. Сиротенко М. Ю. «Синтез нейросетевого планировщика перемещений автономного роботизированного комплекса на базе дирижабля, функционирующего в априори неформализованной среде»
// Известия ЮФУ. Технические науки. Тематический выпуск «Перспективные системы и задачи
управления».-Таганрог,-2008.-№ 12(89).-С. 135-142.
12. Тюкачев Н. А. «Использование тензора кривизны для выбора числа нейронов и начальных условий
обучения нейронных сетей» // Вестник ВГУ, серия: системный анализ и информационные технологии, - Воронеж, 2008 - № 1 – С. 65-73.
13. Хайкин С. Нейронные сети: полный курс. 2-е изд.: Пер. с англ. М: Вильямс, 2006. 1103 с. М: Финансы и статистика, 2004. 320 с.
__________
28
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
А. П. Григорьев – аспирант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
Д. А. Хамидов – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель.
НЕЙРОНЕЧЕТКИЙ СИМУЛЯТОР С АВТОМАТИЧЕСКИМ ПОДБОРОМ
ТОПОЛОГИИ СЕТИ
Понятие нечеткой логики было впервые введено профессором Лотфи Заде в 1965 году.
В его статье понятие множества было расширено допущением, что функция принадлежности элемента к множеству может принимать любые значения в интервале [0…1], а не только
0 и 1. Это дает возможность определять понятия, нечеткие по самой своей природе: «хороший», «высокий», «слабый» и т. д. Нечеткая логика [5] совместно с нейронными сетями [9]
позволяет строить базы знаний и экспертные системы нового поколения, способные хранить
и обрабатывать неточную информацию. Это позволяет, с одной стороны, автоматизировать
процесс обработки данных, с другой реализовать возможность нечеткого вывода.
Таким образом, при реализации контрольного тестирования появляются возможности
использования нечетких 12-балльных шкал оценивания. [3] Например, 12-балльную шкалу
предложенную в [6], характеризующуюся более высокой различающей способностью.
В этом случае каждой из возможных оценок, которыми оперирует преподаватель, (2, 3,
4, 5; единица не учитывается, т.к. она обычно не используется) ставится в соответствие три
оценки из 12-балльной шкалы. Это позволяет описать результат с помощью нечетких понятий «менее чем...» и «более чем...», что соответствует оценкам типа «5 с минусом»,
«3 с плюсом» и т.д., которые часто используются преподавателями. Увеличение размерности задачи влечет за собой необходимость модернизации алгоритмической программной
части нейросетевого симулятора предложенного в [4].
Рассмотрим структуру статической ИНС прямого распространения, представленную
на рис. 1.
Она состоит из входного слоя с 7 нейронами, реализующими каждый из семи вопросов
теста, скрытого (промежуточного) слоя из 7 нейронов и выходного слоя из двенадцати
нейронов – реализующих оценку в 12-балльной шкале. Все слои связаны друг с другом
напрямую и последовательно – без обратных связей и линий задержки.
Выбор структуры ИНС осуществляется в соответствии с особенностями и сложностью
задачи. При этом разработчик руководствуется несколькими основополагающими принципами [2]:
возможности сети возрастают с увеличением числа ячеек сети, плотности связей между
ними и числом выделенных слоев;
введение обратных связей наряду с увеличением возможностей сети поднимает вопрос
о так называемой динамической устойчивости сети.
Так как проблема синтеза ИНС сильно зависит от решаемой задачи, то общих рекомендаций
попросту не существует. В большинстве случаев оптимальный вариант получается на основе
интуитивного, эмпирического подбора, который отнимает у разработчика много времени.
29
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. Структура ИНС прямого распространения
Авторами [1, 4] предлагается применить нейросетевые симуляторы с автоматическим
подбором топологии сети [8]. Это позволит ускорить процесс поиска оптимальной или квазиоптимальной топологии ИНС. Так как достоверность и адекватность нейросетевой модели
существенно зависит от качества обучения, то целесообразно использовать высокопроизводительные алгоритмы обучения.
В данной статье предлагается алгоритм для автоматического подбора топологии сети.
Такой алгоритм (рис. 2), реализованный в виде симулятора для компьютерного моделирования ИНС, позволяет существенно сократить время на разработку, отладку и исследование
нейронных сетей.
Рассмотрим предложенный алгоритм поэтапно:
– осуществляется ввод исходных данных: матрицы входных воздействий (обучающие
статистики, контрольные статистики, тестовые статистики), матрицы целей (эталонные
и реальные значения сигнала на выходе сети), задаются типы активационных функций
tansig, purelin, logsig и т.д., указываются диапазоны поиска по числу нейронов в слоях и по
количеству активационных функций;
– производится активация сети с заданными параметрами;
– в первом цикле осуществляется подбор количества слоев. Выбор осуществляется
между двухслойными и трехслойными ИНС. Как показывает практика, использование однослойных сетей не гарантирует точного решения задачи, в то время как использование более
мощных четырехслойных, пятислойных сетей и т.д., гарантированно приводит к явлению
переобученности;
30
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Блок-схема алгоритма для автоматического подбора топологии сети
– во втором цикле осуществляется подбор количества нейронов в слоях. Из практических соображений, как уже было сказано выше, область поиска сокращается;
– выбор осуществляется в диапазоне от 2 до 16 нейронов;
– в третьем цикле осуществляется подбор активационных функций для каждого слоя.
Так как в качестве алгоритма обучения используется градиентный метод обратного распространения ошибки, то рассматриваются только гладкие, дифференцируемые активационные
функции, типа tansig, purelin, logsig и т.д. Существует возможность применения в данном
симуляторе других активационных функций – гауссовской (колоколообразная), квадратной,
кубической, экспоненциальной;
– производится инициализация сети, то есть задание начальных весов синаптических
связей. Обычно веса задаются случайным образом с помощью специальной команды;
– осуществляется обучение сети, то есть веса подбираются таким образом, чтобы
взаимно однозначно связать значения на входе (матрица из обучающих статистик) с эталонными значениями матрицы целей на выходе сети;
– проверка качества обучения сети осуществляется по контрольной статистике, которая подается на вход сети. Ответ ИНС сравнивается с эталонным значением матрицы целей на выходе сети;
31
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
– осуществляют контроль результатов подбора топологии сети. В качестве количественной характеристики качества подбора можно использовать норму разности двух матриц целей – эталонной Е и реальной А. Чем эта разность меньше, тем расстояние между
матрицами Е и А в конечномерном пространстве матриц меньше и, следовательно, выбранная архитектура сети лучше соответствует требованиям качества. Так как все нормы в конечномерном пространстве эквивалентны, то можно выбрать любую из четырех известных.
В данной работе используется норма разности Гильберта-Шмидта;
– перебор всех возможных топологий осуществляется до тех пор пока не будет
найдена оптимальная по критерию близости реальной матрицы к эталонной в конечномерном пространстве;
– как только найдена оптимальная топология сети, поиск по всем трем циклам прекращается, программно закрываются циклы по подбору активационных функций, количеству
нейронов в слоях и по количеству слоев;
– все параметры оптимальной топологии сети сохраняются и выводятся по требованию пользователя.
Процесс функционирования ИНС, то есть действий, которые она способна выполнять, зависит от величин синаптических связей, поэтому, задавшись определенной структурой ИНС, отвечающей какой-либо задаче, разработчик сети должен найти оптимальные
значения всех переменных весовых коэффициентов. Этот этап называется обучением ИНС,
и от того, насколько качественно он будет выполнен, зависит способность сети решать поставленные перед ней проблемы во время функционирования.
Алгоритм обучения – это набор формул, который позволяет по вектору ошибки вычислить требуемые поправки для весов сети [7]. Оказывается, что после многократного
предъявления примеров веса сети стабилизируются, причем сеть дает правильные ответы
на все (или почти все) примеры из базы данных. В таком случае говорят, что «сеть выучила
все примеры», «сеть обучена» или «сеть натренирована».
Для решения этой задачи могут быть использованы следующие (итерационные) алгоритмы:
– алгоритмы локальной оптимизации с вычислением частных производных первого
порядка – градиентный алгоритм (метод скорейшего спуска); методы с одномерной и двумерной оптимизацией целевой функции в направлении антиградиента; метод сопряженных
градиентов; методы, учитывающие направление антиградиента на нескольких шагах
алгоритма;
– алгоритмы локальной оптимизации с вычислением частных производных первого
и второго порядка – метод Ньютона, методы оптимизации с разреженными матрицами Гессе, квазиньютоновские методы, метод Гаусса-Ньютона, метод Левенберга-Марквардта и др.;
– стохастические алгоритмы оптимизации – поиск в случайном направлении, имитация отжига, метод Монте-Карло (численный метод статистических испытаний);
– алгоритмы глобальной оптимизации (задачи глобальной оптимизации решаются с
помощью перебора значений переменных, от которых зависит целевая функция).
– На основе блок-схемы алгоритма в М-файле программы MATLAB разработана программа, осуществляющая имитационное моделирование ИНС. Графическая оболочка для
данной программы (рис. 3) разработана в пакете расширения MATLAB GUIDE.
Пользователь перед началом работы с графическим окном задает матрицы входных
воздействий и матрицу целей. Для сужения области поиска, пользователь имеет возмож32
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
ность настраивать дополнительные параметры сети в окне (рис. 3). Затем включает обработку, нажав кнопку «Запуск». Подбор топологии сети может занять достаточно долгое время, поэтому при необходимости процедуру можно остановить нажатием на кнопку «Стоп».
Кнопка «Вывод результатов» позволяет вывести параметры топологии наилучшей ИНС.
Рис. 3. Графическая оболочка, разработанной программы
В рамках данной статьи был рассмотрен нейронечеткий симулятор с автоматическим
подбором топологии сети. Данный подход позволил существенно сократить время на разработку, моделирование и исследование нейросетевых структур. В качестве модернизации
алгоритма возможно включение в программу дополнительного цикла, реализующего различные варианты алгоритмов обучения, такие как: метод скорейшего спуска, методы с одномерной и двумерной оптимизацией целевой функции в направлении антиградиента, метод Ньютона, Гаусса-Ньютона, метод Левенберга-Марквардта, метод Монте-Карло
(численный метод статистических испытаний).
Библиографический список
1. Арзамасцев А. А., Крючин О. В., Азарова П. А., Зенкова Н. А. Универсальный программный комплекс для компьютерного моделирования на основе искуственной нейронной сети с самоорганизацией структуры. // Вестник ТГУ. т.11, вып 4, 2006, с.564-570 // Издано 14 сентября 2006.
2. Галушкин А. И. Теория нейронных сетей. Кн. 1 учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР 2000. 416 с.
3. Григорьев А. П. «Нейронечеткий подход к оценке знаний оператора навигатора» 64-ая студенческая научно-техническая конференция ГУАП: Сб. докл. В 2 ч. Ч. I. Технические науки / СПб.: ГУАП,
2011. 411 с.
4. Григорьев А. П. «Нейросетевой симулятор с автоматическим подбором топологии сети» 64 студенческая научно-техническая конференция ГУАП: Сб. докл. В 2 ч. Ч. I Технические науки / СПб.:
ГУАП, 2011. 441 с.
5. Дли М. И. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2002. 225 с.
6. Дуплик С. В. Модель адаптивного тестирования на нечеткой математике // Информатика и образование. 2004. № 11. С. 57–65.
7. Короткин А. А. Математические модели искусственных нейронных сетей. Уч. пособие, Ярославль, 2000.
8. Крючин О. В. Подбор архитектуры искусственных нейронных сетей с использованием кластерных
систем // Электронный журнал «Исследовано в России», 115, стр. 1510-1523, 2009 г. М: Финансы и
статистика, 2004. 320 с.
9. Хайкин С. Нейронные сети: полный курс. 2-е изд.: Пер. с англ. М: Вильямс, 2006. 1103 с.
__________
33
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
А. П. Григорьев – аспирант кафедры аэрокосмических измерительно-вычислительных
комплексов
Д. А. Хамидов – студент кафедры аэрокосмических измерительно-вычислительных комплексов
Е. С. Керн – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
ДИСТАНЦИОННЫЙ НЕЙРОСЕТЕВОЙ КОНТРОЛЬ ЗНАНИЙ ОПЕРАТОРАНАВИГАТОРА
Предлагается применение системы автоматизированной оценки навигационных знаний
[6] на основе использования искусственных нейронных сетей (ИНС) [4]. Сеть в данном случае используется как эффективное средство автоматизации процесса выставления оценок.
ИНС – это адаптивные системы, способные к обучению путем анализа положительных и
отрицательных воздействий. Элементарным преобразователем в данных сетях является
искусственный нейрон (ИН) – ячейка ИНС [4].
В состав нейрона (рис. 1) входят умножители (синапсы), сумматор и нелинейный преобразователь. Синапсы осуществляют связь между нейронами и умножают входной сигнал на
число, характеризующее силу связи – вес синапса. Сумматор выполняет сложение сигналов, поступающих по синоптическим связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента –
выхода сумматора. Эта функция называется функцией активации или передаточной функцией нейрона.
Рис. 1. Модель искусственного нейрона
34
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Текущее состояние нейрона определяется взвешенной суммой его входов:
n
S   xiw i
i 1
Выход нейрона – это функция его состояния: Y=F(S) [9].
Процесс функционирования ИНС зависит от весов синоптических связей, поэтому, выбрав определенную структуру нейронной сети (НС) (ее топологию), отвечающую какой-либо
задаче, необходимо найти оптимальные значения всех весовых коэффициентов wi. Этот
этап называется обучением НС, и от того, насколько качественно он будет выполнен, зависит способность сети решать поставленные перед ней задачи во время эксплуатации.
В качестве алгоритма обучения выбран алгоритм «Обучение с учителем» [9]. Данный алгоритм состоит из следующих этапов – инициализация элементов матрицы весов небольшими
случайными значениями; подача на входы одного из входных векторов, которые сеть должна научиться различать, и вычислить ее выход; если выход правильный, перейти на следующий шаг; если не правильный – вычислить разницу между идеальными (эталонными)
и фактическими значениями выхода [2]:
  Yi  Y ,
Далее следует модифицировать веса в соответствии с формулой:
w i , j (t  1)  w i , j ( y )  mx i д ,
где t и t + 1 – номера соответственно текущей и следующей итераций; m – коэффициент
скорости обучения; i – номер входа нейрона; j – номер нейрона в слое; если Yi > Y, значения
весовых коэффициентов необходимо увеличить и тем самым уменьшить ошибку. В противном случае их необходимо уменьшить, что приведет к уменьшению Y. Далее следует повторить цикл, начиная со второго шага, пока сеть не перестанет ошибаться.
В настоящее время, в связи с широким распространением персональных компьютеров
и глобальной сети Internet, появилась новая возможность – реализация дистанционного
обучения (ДО). В свою очередь, методы ДО могут использоваться и в традиционном обучении оператора-навигатора [6].
При реализации программной модели искусственного нейрона (ИН), ориентированной
на организацию ДО целесообразно воспользоваться средствами традиционных объектноориентированных языков программирования, таких как Java или C++ [3, 7]. Программирование нейронных приложений на языках типа Java [1] позволяет использовать все современные средства и технологии для интеграции этих моделей в разнообразные прикладные
системы. При этом появляется возможность подключать к ним такие структуры данных, как
словари, тезаурусы, электронные учебники и т. п. Появляется возможность расширить протокол обмена с нейронами, введя, например, дополнительные конструкции в язык SQL [2],
которые обеспечат управление возбуждениями, связями и другими операциями, применимыми в нейронных моделях. Процесс функционирования нейронов в нашем конкретном
случае сведен к обмену сообщениями через Internet. На рис. 2 показан пример взаимодействия нейронной среды с веб-страницей, на которой созданы несколько гиперссылок
к нейронам с использованием динамических свойств DHTML [8] и языка JavaScript [1].
Для того чтобы обращение к нейронной среде (НС) не приводило к постоянной перезагрузке содержимого интернет-страницы, необходим дополнительный фрейм (рис. 3), откуда
35
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
будет осуществляться HTTP-запрос и туда же будет возвращен полученный результат. Этот
фрейм используется для выполнения программ, динамически загружаемых в данную страницу из различных внешних источников. Интернет-страница в этом случае является автономным интерпретатором. Выбрав один из существующих интерпретируемых языков (JavaScript, VBScriptи др.), обладающих достаточными свойствами для поддержания
распределенных вычислительных процессов, несложно построить интерактивную интеллектуальную среду.
Рис. 2. Реализация связей искусственных нейронов с внешней средой
Рис. 3. Иерархическая многослойная структура DHTML-страницы
36
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В данном случае интернет-страница будет состоять из двух уровней (слоев). Такие
двухслойные страницы состоят из видимого переднего плана, который обычно называется
карта (Card) и второго скрытого слоя – фона (Background). Иерархическая многослойная
структура делает возможным эффективно использовать веб-страницу как активный программный компонент, позволяющий выполнять в скрытом слое все необходимые действия
по вызову внешних систем, обработке полученных результатов и передаче их для отображения в видимый слой.
В качестве внешнего интерфейса может быть использован сервер ApacheTomcat [8], что
позволяет через ODBC/JDBC интерфейс [8] подключить НС к базам данных [5] или к другим
функциональным приложениям.
Такая организация позволяет с минимальными затратами построить на основе веббраузера практически неограниченный, открытый и расширяемый набор функциональных
компонентов, в которых сочетаются мощные графические средства, возможности динамического программирования, а так же развитые интерфейсы широкого спектра систем и прикладных программ.
Библиографический список
1. Гуддман Д., Моррисон М.JavaScript. Библия пользователя, 5-е издание.: Пер. с англ. М.: ООО «ИДВильямс», 2006. 1184 с.
2. Грофф Дж., Вайнберг П. SQL: Полное руководство; Пер. с англ. - 2-е изд., перераб. и доп. К.: Издательская группа BHV, 2001. 816 с.
3. Дунаев В. Самоучитель JavaScripl, 2-еизд. СПб.: Питер, 2005. 395 с.
4. Короткин А. А. Математические модели искусственных нейронных сетей. Уч. пособие, Ярославль, 2000.
5. Кренке Д. Теорияипрактикапостроениябазданных. 8-еизд. СПб.: Питер. 2003. 800 с.
6. Мамаев В. Я., Синяков А. Н., Петров К. К., Горбунов Д. А. Воздушная навигация и элементы самолетовождения. Учебное пособие. СПб., 2002. 256 с.
7. Подбельский В. В. Язык Си: Учеб.пособие. 5-е изд. М.: Финансы и статистика, 2003. 560 с.
8. Толкачев С. Ф. Нейронное программирование диалоговых систем. СПб.: КОРОНА-Век, 2007. 192 с.
9. Хайкин С. Нейронные сети: полный курс. 2-е изд.: Пер. с англ. М: Вильямс, 2006. 1103 с. М: Финансы и статистика, 2004. 320 с.
__________
УДК 519.216
Н. В. Данилюк – магистрант кафедры аэрокосмических измерительно-вычислительных
комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ МЕТОДА СПЕКТРАЛЬНОЙ АДАПТИВНОЙ ФИЛЬТРАЦИИ
НАВИГАЦИОННЫХ СИГНАЛОВ
Обработка навигационной информации часто происходит в условиях значительной
априорной неопределенности. Традиционные методы оптимального оценивания сигнала
для преодоления априорной неопределенности предполагают использование статистиче37
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
ских моделей сигналов и шумов, которые часто неадекватны реальным случайным процессам, протекающим в информационно-измерительной системе. Условия модельных задач
могут быть нарушены, что в значительной степени влияет на качество обработки сигнала.
[1] Возможным решением этих проблем является использование иных подходов к конструированию алгоритмов. Одним из таких подходов является адаптивная обработка, позволяющая системе подстраиваться под статические параметры входных сигналов.
Поэтому был рассмотрен адаптивный оптимальный, по критерию среднего квадрата
ошибки оценки, спектральный способ фильтрации сигналов в условиях большой априорной
неопределенности относительно модели и параметров сигнала. Особенностью такого алгоритма является его простота и универсальность, определяемая инвариантностью структуры
алгоритма от свойства марковости оцениваемого сигнала, наличия или отсутствия свойства
коррелированности помехи измерения, нестационарности результатов измерения. При использовании данного подхода обеспечивается любое заданное приближение оценки сигнала по точности к качеству фильтрации Калмана путем увеличения размерности используемого полного ортонормального базиса разложения сигнала. В качестве априорных
требований для реализации адаптивной фильтрации необходимо выполнение линейности
модели измерения, знание автокорреляционной функции помехи и примерного интервала
квазистационарности измеряемого сигнала. В случае нормального закона распределения
апостериорной плотности распределения оцениваемого сигнала оптимальная адаптивная
спектрально-финитная оценка после окончания интервала адаптации будет наилучшей в
классе всевозможных оценок.[2]
Моя работа заключалась в том, чтобы провести сравнительный анализ адаптивного
спектрального метода с модельными адаптивными способами оценки сигналов и алгоритмом Калмана. В качестве основных критериев показателей свойств адаптивной фильтрации
использовались: дисперсия ошибки оценки и время адаптации.
Исследование проводилось с использованием системы компьютерной алгебры из класса систем автоматизированного проектирования Mathcad. В результате был получен сравнительный анализ двух спектральных адаптивных алгоритмов фильтрации сигналов, с обратной связью и без обратной связи, адаптивного метода Калмана и классического Калмана
при широком изменении параметров полезного сигнала и помех.
Моделирование показало, что рассматриваемый метод не уступает в точности фильтрации Калмана, при этом более устойчив к изменению параметров наблюдаемого сигнала.
Особое влияние на дисперсии ошибок оценок оказали: число спектральных компонент при
оптимизации оценки и размер дискретного базиса. На время адаптации особое влияние
оказывают заложенные при моделировании не совсем точные теоретические данные.
Среди исследуемых алгоритмов наилучшая – точность фильтрации сигнала, после метода Калмана, была получена при использовании спектрального адаптивного алгоритма с
дискретным базисом и без обратной связи.
Итак:
– дисперсия ошибок оценок спектральной адаптивной оптимальной фильтрации может быть приближена с любой заданной точностью к фильтрации Калмана;
– исследуемый метод универсален, инвариантен к виду корреляционной функции полезного сигнала и помехи, не требует свойств марковости, инвариантен к типу (непрерывный или дискретный) сигнала, не нужно решать уравнение Риккати;
– устойчивая фильтрация для широкого класса помех и сигналов;
38
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
– возможность оценки дисперсии ошибки фильтрации и интерполяции;
– время адаптации зависит от начальных условий и характеристик входного воздействия и фильтрации.
Библиографический список
1. Иванов Ю. П. Адаптивная комплексная оптимально-инвариантная фильтрация сигналов// Изв.
вузов. Приборостроение. 2003. №3. С. 3-8.
2. Иванов Ю. П. и др. Комплексирование информационно-измерительных устройств летательных
аппаратов. Ленинград «Машиностроение», 1984.
__________
УДК 531.717.31, 004.457
А. А. Ищенко – студент кафедры аэрокосмических приборов и измерительновычислительных комплексов
Д. Ю. Крысин (асс.) – научный руководитель
ЛАБОРАТОРНЫЙ ИЗМЕРИТЕЛЬНЫЙ СТЕНД С ВРЕМЯПРОЛЕТНОЙ КАМЕРОЙ
В данной работе рассматриваются особенности разрабатываемого лабораторного измерительного стенда с времяпролетной камерой, предназначенного для регистрации 3Dмоделей объектов с частотой до 20 Гц.
Стенд позволит производить регистрацию и визуализацию последовательностей 3Dизображений, получаемых с времяпролетной камеры, настройку параметров времяпролетной камеры, регистрацию процесса постановки эксперимента с помощью web-камеры.
В состав разрабатываемого стенда входят: времяпролетная PMD-камера O3D201 производства компании IFM; web-камера, предназначенная для регистрации эксперимента; ПК
с демонстрационным приложением и разработанным программным обеспечением; источник
питания; штатив.
В основе технологии PMD (Photonic Mixer Device) лежит времяпролетный метод измерения расстояния. Суть метода заключается в измерении времени, которое требуется световому сигналу для преодоления расстояния между камерой и отражающим свет объектом.
Для этого времяпролетные PMD-камеры освещают сцену с помощью модулированного
оптического излучения инфракрасного (ИК) диапазона. ИК-излучение отражается от объектов сцены и измеряется датчиком изображений камеры (светочувствительной матрицей).
Далее специальная схема оценивает уровни корреляции и вычисляет фазовый сдвиг между
излученным и принятым сигналами, который пропорционален дальности до объекта. Сигнал
с каждого элемента датчика изображений обрабатывается независимо. В результате получается изображение, являющееся трехмерной моделью поверхности объектов, находящихся в поле зрения камеры. Изображение представляет собой матрицу, количество элементов
которой совпадает с количеством чувствительных элементов датчика изображений. Элементы матрицы содержат оценки дальности до соответствующих участков поверхности
(в метрах)[1].
39
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
При использовании PMD-камеры должны учитываться следующие обстоятельства.
О т р а ж а т е л ь н а я с п о с о б н о с т ь о б ъ е к т о в в п о л е з р е н и я к а м е р ы. Точность
измерения расстояния повышается с ростом интенсивности отраженного объектом излучения. Оценка дальности до темной поверхности имеет более высокий уровень шума, чем
оценка дальности до более яркой поверхности в идентичных условиях.
Д и а п а з о н о д н о з н а ч н о г о и з м е р е н и я д а л ь н о с т и. Камера производит оценку
расстояния в заданном диапазоне однозначного измерения дальности, равном 6,5 метров.
При измерении расстояния до объекта, находящегося за пределами данного диапазона
оценка расстояния будет включать в себя методическую погрешность, кратную максимальному диапазону однозначного измерения дальности. Так, например, если объект находится
на расстоянии 10 метров, то оценка расстояния будет равна 3,5 метра.
Н а л и ч и е в н е ш н е й п о д с в е т к и. Так как PMD-камера освещает сцену с помощью
модулированного оптического ИК излучения, яркий дневной свет может уменьшить точность
полученных оценок значений дальности.
С к о р о с т ь д в и ж е н и я о б ъ е к т а . Для получения одного 3D-изображения датчик производит четыре измерения подряд. Если объект смещается более чем на половину пикселя
в течение этого времени, то возникают ошибки измерения.
Н а л и ч и е з е р к а л ь н ы х о т р а ж а ю щ и х п о в е р х н о с т е й. Если излучение попадает
на объект через смежные отражающие поверхности, то возникает ошибка измерения.
В этом случае оценка дальности до объекта будет завышена, так как траектория отраженного луча длиннее.
Основные технические характеристики времяпролетной камеры O3D201 приведены
в табл. 1 [2].
Таблица 1
Основные технические характеристики камеры
Рабочее напряжение
Потребление тока
Мощность
Интерфейс передачи данных
Вид датчика
Углы обзора
Максимальная частота кадров
24 В ± 10 %
< 2500 мА
16 Вт
Ethernet; 10Base-T / 100Base-TX
Чип PMD 3D, разрешение 64x50 пикселей
30° x 40°
20 Гц
Для тестирования основных функций PMD-камеры O3D201 используется специальное
демонстрационное приложение Efector pmd3d camera, поставляемое изготовителем. На рис. 1
изображен его интерфейс. Приложение позволяет выполнять следующие операции [2]:
– настройка параметров получения изображения;
– визуализация изображения, полученного с камеры;
– сохранение полученного 3D-изображения в память ПК.
Демонстрационное приложение не позволяет использовать все возможности PMDкамеры. В частности, не предусмотрена возможность сохранения полученных 3Dизображений с необходимой пользователю частотой. Сохранение необходимо выполнять
40
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
вручную, каждый раз указывая необходимый путь и имя файла. Следовательно, реализация
всего потенциала аппаратного обеспечения стенда требует нового программно-алгоритмического обеспечения, которое в настоящий момент разрабатывается автором данной
статьи. Разрабатываемое приложение будет решать те же задачи, что и демонстрационное
приложение, а также обеспечит возможность сохранения «видео»-последовательности 3Dизображений и контроль процесса измерения посредством визуализации и регистрации
изображений, полученных с web-камеры.
Рис. 1. Интерфейс пользователя (изображение взято из [2])
Разрабатываемый лабораторный стенд может быть использован в учебном процессе
при проведении лабораторных работ по дисциплинам, связанным с физическими основами
получения информации, системами автоматического управления и обработки информации.
Библиографический список
1. Крысин Д. Ю., Небылов А. В. Применение времяпролетных PMD-камер для определения дальности
до водной поверхности//Научно-технический вестник информационных технологий, механики и оптики. 2013. №2 (84). С. 33–39.
2. Электронная документация на Интернет-сайте компании IFM [Электронный ресурс]. URL:
http://www.ifm.com/products/ru/ds/O3D201.htm# (дата обращения 4.04.13).
__________
41
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
Д. Н. Кузнецов – студент кафедры аэрокосмических измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
ДИАГНОСТИКА УМЕНИЙ РЕШЕНИЯ НАВИГАЦИОННЫХ
ЗАДАЧ НА ОСНОВЕ БАЙЕСОВСКИХ СЕТЕЙ
На данный момент разработано множество интеллектуальных обучающих систем обучения: по алгебре (PAT Algebra), по геометрии (Wayang outpost), по физике (Andes) и т.д.
Но обучающих систем по дисциплине «Воздушная навигация и элементы самолетовождения» не существует. Правильное решение задач навигации – одно из условий обеспечения
безопасности полета. В настоящее время в связи с быстрым развитием и обновлением
техники возникает постоянная необходимость получения дополнительного образования или
переподготовки летного состава. Для этих целей классический подход к обучению (аудиторные занятия, лекции, экзамены) часто невозможен, поэтому вводится новый, основанный на
применении интеллектуальных обучающих систем.
Качественная оценка умений обучаемого и более эффективное управление процессом
обучения невозможно без системы диагностики.
Цель данной работы: разработка и исследование системы диагностики решения задач
по навигации.
Существуют различные подходы к построению моделей диагностики знаний обучаемого: шкалы, библиотеки ошибок, модели действий студента и т.д. [1]. Для представления
предметной области «Воздушная навигация и элементы самолетовождения» наиболее
подходящим является семантический граф. Эта модель была выбрана в связи с ее возможностью построения модели на основе естественных связей между элементами предметной
области, установленных в дисциплине (формулы, определения) и представлению знаний
в виде древовидной структуры, что облегчает получение и контроль умений.
В работе рассмотрена возможность применения сетей Байеса к системе диагностики
решения задач по дисциплине «Воздушная навигация и элементы самолетовождения».
Байесовская сеть (или байесова сеть, байесовская сеть доверия) – графическая вероятностная модель, представляющая собой вероятностный граф, узлы которого – рассчитываемые в задаче величины, а связи – вероятностные зависимости между узлами. В Байесовской (или эпистемологической) интерпретации вероятность представляется как степень
доверия. Теорема Байеса связывает степень доверия предложению до и после учета доказательств.
P(B|A)P(A)
P(A|B)=
P(B)
Для гипотезы А и события В:
P(A) – априорная вероятность гипотезы A;
P(A|B) – вероятность гипотезы A при наступлении события B (апостериорная вероятность);
42
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
P(B|A) – вероятность наступления события B при истинности гипотезы A;
P(B) – полная вероятность наступления события B.
Байесовские сети обладают следующими свойствами:
– позволяют учесть неопределенность ответов обучаемых;
– имеют строгое математическое обоснование;
– способны работать по правилам индукции, дедукции, абдукции;
– позволяют рассчитать вероятность правильного ответа обучаемым на вопрос;
– веса концептов сети и вероятности перехода должны задаваться экспертом.
Существуют стандарты подготовки обучаемых по дисциплине воздушной навигации.
К экипажу ЛА предъявляются определенные требования, проверяется их способность решать
набор задач за определенное время. К разрабатываемой системе диагностирования предъявляется требование соответствия этим стандартам. Для проектирования системы диагностики взяты
задачи из учебного пособия по воздушной навигации и элементам самолетовождения [2].
В ходе работы был построен вероятностный граф решения задач по навигации. Алгоритм работы сети основан на том, что в каждый момент времени каждый узел сети имеет
всю информацию, необходимую для вычисления условной вероятности соответствующей
переменной, а при получении свидетельства о значении какого-либо узла этот узел отправляет сообщения об этом изменении соседним узлам. Далее эта информация передается по
цепочке и в каждом узле пересчитываются условные вероятности. Таким образом, поступающая информация о значениях наблюдаемых узлов распространяется по байесовской сети,
вызывая обновление вероятностей для каждого из оставшихся узлов.
Важная особенность указанного алгоритма состоит в том, что он позволяет использовать не только явные свидетельства о значениях наблюдаемых узлов сети, но и косвенные
свидетельства, т.е. информацию, полученную вне байесовской сети, из других источников.
Это означает, что при использовании этого алгоритма для анализа и диагностики знаний
с помощью байесовской сети для конкретного студента можно использовать не только его
собственные результаты, полученные при тестировании, но и любые другие косвенные
свидетельства. В частности, предлагается использовать в качестве косвенных свидетельств
оценки, полученные на основе результатов прошедших тестирований других студентов.
В рамках исследования было проведено тестирование группы студентов по задачам к
главе учебника по навигации. В ходе статистической обработки результатов тестирования
были выявлены степени взаимного влияния концептов сети друг на друга, что позволило
построить вероятностную модель предметной области.[3] На основе этих данных была запрограммирована байесовская сеть в среде GeNIe.
Далее представлен пример байесовской сети, моделирующей решение задачи по навигации.
Решение задачи обучаемым:

  ЗПУ _ при _ УВ  0
УВ  
0

180    ЗПУ _ при _ УВ  0
УС  arcsin(V / U ) * sinУВ (неправильно)
УКсл  ЗПУ  УС (правильно);
W  __ (ответ не дан)
t  ___ (ответ не дан)
43
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
На рис. 1 представлен пример решения обучаемым задачи «Расчет данных на следующий этап полета». В ходе решения испытуемый правильно выполнил действие по определению угла курса, допустил ошибку в определении угла ветра и угла сноса и не выполнил
действий по нахождению путевой скорости и времени, необходимого на пролет этапа.
Результат обработки данных показан на рис. 2. На графе отображены вероятности правильного выполнения остальных действий: нахождения путевой скорости (10%), времени прохождения этапа маршрута (42%), а также умение обучаемого решения задачи в целом (36%).
Правильное решение

  ЗПУ _ при _ УВ  0
УВ  
0

360    ЗПУ _ при _ УВ  0
УС  arcsin(U / V ) * sinУВ
УКсл  ЗПУ  УС
W  V * cosУС  U * cosУВ
S
t  эт
W
Рис. 1. Модель решения задачи и действия обучаемого
Рис. 2. Прогнозирование знаний обучаемого и демонстрация эталонного решения
44
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Информация, полученная сетью, может быть использована для управления обучением,
указания на ошибки, выдачи обучаемому подсказок и теоретического материала, прогнозирования его решения других задач предметной области.
В результате проделанной работы проведено пробное тестирование студентов, результаты которого были статистически обработаны, исследованы на надежность и использованы для построения системы диагностики; спроектирована система диагностики умений обучаемого по курсу навигации на основе применения сетей Байеса.
Библиографический список
1. Beverly Park Woolf Building intelligent interactive tutors. MA.: Morgan Kaufmann Publishers, 2009. 480с.
2. Мамаев В. Я. и др. Воздушная навигация и элементы самолётовождения: Учебное пособие. СПб.:
2002. 256 с.
3. Атанов Г. А., Пустынникова И. Н. Обучение и искусственный интеллект, или основы современной
дидактики высшей школы. Донецк: ДОУ, 2002. 504 с.
__________
УКД 621.391.01
А. В. Ларионов – магистрант кафедры аэрокосмических измерительно-вычислительных
комплексов
М. Е. Тихомиров (доц.) – научный руководитель
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ВЫВОДА ЛЕТАТЕЛЬНОГО АППАРАТА
ИЗ КРИТИЧЕСКИХ РЕЖИМОВ ПОЛЕТА
С ИСПОЛЬЗОВАНИЕМ БАЗЫ ЗНАНИЙ ЭКСПЕРТОВ
В настоящее время во всем мире проводятся работы, целью которых является расширение диапазона режимов полета и повышение эффективности использования самолетов.
Существенно увеличиваются максимальные скорости полета, осваивается диапазон малых
скоростей, в том числе соответствующих вертикальным взлету и посадке. Расширяется
диапазон допустимых углов атаки. Для уменьшения потерь подъемной силы на балансировку самолеты делают малоустойчивыми или даже статически неустойчивыми по перегрузке.
Все это приводит к возникновению новых свойств самолета, что требует оснащения его
различными автоматическими устройствами и, в свою очередь, приводит к необходимости
применения новых методов летных испытаний.
В связи с этим за последние годы методы летных испытаний по оценке устойчивости
и управляемости самолетов получили значительное развитие. Усовершенствовались также
средства регистрации и обработки параметров полета. В настоящее время предпочтение
отдается методам определения характеристик устойчивости и управляемости самолета на
неустановившихся режимах полета. Это позволяет уменьшить объем летного эксперимента,
а также определить характеристики самолета в той области режимов полета, где установившиеся режимы по той или иной причине невозможны. Например, выполнение (для определения балансировочной кривой по скорости полета) разгона и торможения вместо ряда
45
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
режимов установившегося набора высоты и снижения («зубцов») позволяет в 5–10 раз сократить время летного эксперимента. Выполнение же вместо полета на режимах с фиксированными углами атаки («дач руля высоты») маневра произвольного характера позволяет
определять балансировочные кривые по перегрузке на таких углах атаки, при которых
вследствие неустойчивости самолета установившиеся режимы невозможны.
В практику летных испытаний самолета на устойчивость и управляемость в последнее
время внедряют методы обработки полетных материалов непосредственно в процессе полета
(в реальном масштабе времени) и методы управления летательными аппаратами. Это позволяет сразу же избежать массы инцидентов, которые приводят самолет к разрушению, оценить
устойчивость и управляемость самолета и перейти к следующему полету, что ускоряет процесс летных испытаний, а также повседневных полетов. Управление летательным аппаратом
позволяет более рационально планировать полеты и повышает его безопасность.
Принцип работы системы автоно мно и в комплексе с системой упра вления.
На современных летательных аппаратах в настоящее время используется данный комплекс для управления летательным аппаратом.
На летательный аппарат действуют внешние возмущающие воздействия в определенный момент времени, а он, в свою очередь, с помощью комплексной системы управления
воздействует на объект управления, решает задачи пилотирования.
Рис. 1. Комплекс управления объектом управления (летательным аппаратом)
Одновременно с этим с помощью датчиков и систем приема входных сигналов, состоящих в основном из авиационных приборов и радиотехнической системы, сигналы поступают
на систему отображения информации и на бортовой вычислительный комплекс навигации
и самолетовождения. Также во время полета летчик воспринимает внешнюю обстановку
и ситуацию в конкретный момент, выведенную на приборную панель в кабине летательного
аппарата, и воздействует с помощью органов управления и бортовой аппаратурой, вводя
свои поправки и корректировки на полет летательного аппарата. А с органов управления
и бортовым оборудованием, а также с бортового вычислительного комплекса навигации
46
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
и самолетовождения, сигналы поступают в комплексную систему управления, которая находится во взаимодействии с объектом управления. Таким образом, во время полета происходит управления летательного аппарата, но есть большое количество внешних ситуаций,
которые воздействуют на комплекс управления летательным аппаратом. И для уменьшения
критических ситуаций и повышения надежности летательного аппарата необходима система, способная решать задачи управления летательным аппаратом, в моменты, когда летчик
не в состоянии принять своевременно быстро правильное решение для вывода летательного аппарата из критической ситуации.
Рис. 2. Интеллектуальная система вывода летательного аппарата из критических режимов полета
с использованием базы знаний экспертов
Система вывода летательного аппарата из критических режимов полета состоит из нескольких узлов:
– блок анализа критической ситуации;
– блок активного управления;
– база знаний экспертов;
– блок тактильного канала.
Сигналы, приходящие с датчиков и измерителей в авиационные приборы, комплексы и радиотехнические измерительные системы, одновременно поступают в интеллектуальную систему вывода летательного аппарата в блок анализа критической ситуации.
В свою очередь, блок анализа критической ситуации, в комплексе с базой знаний экспертов,
определяет в данный момент времени является ли ситуация критической или не является.
В базе знаний экспертов расположены алгоритмы по выводу летательного аппарата и различных видов штопора, таких как:
– срыв в штопор на малой высоте;
– самовращение крыла на больших углах атаки. Прямой штопор;
– перевернутый штопор;
– плоский штопор.
47
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
А также с помощью нейронной сети происходит обучение и запись в базу знаний экспертов ситуаций, которые происходят в режиме реального времени. Если во взаимодействующем блоке анализа критической ситуации с базой знаний экспертов произошло определение
в данный момент времени ситуации как критической, то блок выдает сигналы на систему
отображения, в кабину летательного аппарата, а также, одновременно с этим, он выдает
сигналы в комплексную систему управления, для помощи пилоту (экипажу), разрешения
данной критической ситуации. В свою очередь, блок активного управления с помощью блока
тактильного канала сигнализирует пилоту о том, что система активна и преступила для разрешения данной критической ситуации.
После воздействий системы вывода летательного аппарата на комплексную систему
управления могут произойти инерционные изменения положения летательного аппарата
в пространстве, для этого рассмотрен синтез оптимальной системы стабилизации после
действий совершаемых комплексной системой управления на сам объект управления.
В результате математического моделирования мы нашли оптимальные коэффициенты,
вводимые в алгоритмы для стабилизации летательного аппарата.
Основные передаточные функции ЛА:
KC T1C s  1
KC


W (s ) 
W (s ) 
2 2
2 2
TC s  2CTC s  1
s TC s  2CTC s  1

B


W (s ) 
B
B


KC T1C s  1
2 2
TC s  2CTC s  1


где
КС 
 а3 а 4
а2  а1а4
;
T1C 
1
а4
; TC 
1
а2  а1а4
C 
а1  а4
2 а2  а1а4
.
При реализации этих передаточных функций мы получили оптимальные значения величин для точного управления летательным аппаратом.
Таблица 1
 max ,(0,5  1 )
1
0.5
0.5
0.5
0.5
1
0.5
0.5
 z max ,(1  5 )
1
1
1
3
5
1
5
5
hmax ,(0,5  2)
1
1
1
1
1
1
0.5
2
 в max (1  3 )
1
1
2
2
3
3
3
3
1.97
1.24
1.3
1.25
1.43
1.4
1.23
1.14
-0.62
-0.55
-0.34
-0.48
-0.4
-0.26
-0.38
-0.414
-4.94
-5.51
-11.1
-5.92
-7.13
-15.8
-7.71
-6.94
-0.58
-0.41
-0.21
-0.21
-0.14
-0.19
-0.1
-0.157
t рег , с
 max (5  10
c
 в max ,(10  40
)
c
)
 уст , (  max  0,3 )
48
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
При решении задачи вывода летательного аппарата из критических режимов полета
была создана система. Было произведено само создание системы как отдельной единицы
способной во взаимосвязи с комплексной системой решать поставленные ей задачи. В качестве критических режимов были взяты различные виды штопора, способные вывести
летательный аппарат из устойчивого и управляемого состояния, которое приведет к его
крушению. Был произведен анализ различных видов штопора и составлены алгоритмы
способные помогать летчику и при необходимости выводить летательный аппарат из критических режимов. Также осуществлен синтез оптимальной системы стабилизации после действий совершаемых комплексной системой управления.
Проведенная работа позволяет, опираясь на изученный материал, произвести данную
систему для повышения надежности в управлении летательным аппаратом, либо, взяв за
основу данные, полученные в результате исследования, построить новую систему, способную решать задачи вывода и стабилизации летательного аппарата.
Библиографический список
1. Хованский Ю. М., Пономарев В. К. Стабилизация летательных аппаратов, 1979.
2. Лысенко Н. М. Аэродинамика и динамика полета маневренных самолетов, 1984.
3. Журнал национальной ассоциации авиаприборостроителей «Мир Авионики», январь 2013.
__________
УДК 629.735.33
А. Э. Медина Падрон – студент кафедры аэрокосмических приборов и измерительновычислительных комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ СПЕКТРАЛЬНОГО МЕТОДА КОМПЛЕКСНОЙ ОБРАБОТКИ
НАВИГАЦИОННЫХ СИГНАЛОВ С УЧЕТОМ НАДЕЖНОСТИ ИЗМЕРИТЕЛЕЙ
В докладе исследуется метод оптимально-инвариантной комплексной спектральнофинитной фильтрации сигналов скорости полета летательного аппарата на основе использования акселерометра и спутниковой навигационной системы с идентификацией отказов
измерителей без использования контрольной аппаратуры. Спектрально-финитный метод
обработки сигналов основан на представлении наблюдаемого сигнала в виде частичной
суммы ряда Фурье на выбранном скользящем интервале времени относительно полного
ортонормального базиса. В качестве ортонормального базиса в работе используется разложение Карунена-Лоэва относительно заданной корреляционной функции сигнала. Оптимальная по критерию В. А. Котельникова идентификация четырех возможных состояний
измерителей осуществляется путем сравнения апостериорных вероятностей нахождения
измерителей в состоянии отказа или работоспособности. Состояние отказа определяется
значением дисперсий и математических ожиданий погрешности измерителей. Предлагаемый доклад посвящен сравнительному анализу исследуемого метода обработки сигналов
с фильтрацией Калмана и Альфа-бетта.
49
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В докладе ставится задача исследования свойств оптимально-инвариантной оценки
скорости полета летательного аппарата. В работе рассматриваются фильтрация Калмана,
Альфа-бетта и спектрально-финитный метод на основе схемы, приведенной на рис. 1.
В работе также исследуется способ идентификации параметрических отказов измерителей,
определяемых изменениями дисперсий и математических ожиданий измерителей, без использования контрольной аппаратуры.
Рис. 1. Схема фильтра разностного сигнала
Предполагается, что модель измерения представлена в формуле (1).
Yi  R * X i  Hi , i=1..N ,
(1)
где Y – вектор наблюдений размерностью 2х1; H – вектор ошибок размерностью 2х1; Х –
скалярный полезный сигнал.
Первая компонента вектора H, H1 – регулярная ошибка вида (2).
(2)
H1  a0  a1 * i  фл1 ,
где a1,a2 – случайные величины, некоррелированные друг с другом и с полезным сигналом,
с известными дисперсиями и нулевыми математическими ожиданиями, определяющими
погрешность акселерометра, ηфл – низкочастотная флюктуционная случайная погрешность.
Вторая компонента вектора помех измерения H2 – определяет погрешность спутниковой
навигационной системы, моделью которой является дискретный белый шум.
Случайные процессы Н1 и H2 распределены по нормальному закону.
Каждый из измерителей может находиться в одном из двух возможных состояний
mk(j)=0,1,k=1,2. Состояние измерителя «0» соответствует полной работоспособности измерителя, состояние «1» соответствует множеству состояний частичной работоспособности
и полной неработоспособности измерителей. Идентификация состояния измерителей определяется по принципу Котельникова, по максимальному значению коэффициентов dm1,m2 ,
которые рассчитываются по формуле (1)
d [ m1 , m2 ]  P m1,m 2 [
50
1
2 *  * dиm1,m 2
2
1 (ZFi  zzm1,m 2 )
]]] ,
 exp[  [
2
dиm1,m 2
(3)
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
где Pm1,m2 – априорные вероятности нахождения измерителей в заданных состояниях;
dm1,m2 – априорные значения дисперсий в заданных состояниях; zz m1,m2 – априорные значения мат. ожиданий в заданных состояниях; ZF i – разностный сигнал [1].
В данной работе рассмотрены отказы СНС. Они характеризуются пропаданием сигнала
со спутника, вследствие чего значения акселерометров не поправляются, математическое
ожидание разностного сигнала изменяется, что позволяет по формуле (1) идентифицировать отказ измерителя.
Краткий обзор методов решения задачи.
1. Алгоритм фильтрации Калмана – классический [2].
2. Альфа-бетта алгоритм представляет упрощенную фильтрацию Калмана, где коэффициент усиления заменяется коэффициентом альфа – по координате, и коэффициентом
бетта по скорости.[4,5] Оценка сигнала производится по следующему алгоритму:
(4)
x p (k  1)  x (k )  T * V (k ) ,
где x p (k  1) – предсказание сигнала на следующем шаге; x (k ) – оценка сигнала на предыдущем шаге; T – интервал дискретизации; V (k ) – скорость изменения функции.
x (k  1)  x p (k  1)  a z (k  1)  x p (k  1)  ,
(5)
где x (k  1) – оценка сигнала на следующем шаге; a – коэффициент корреляции; z (k  1) –
новое измерение.
V(k  1)  V(k)  (  / T) z(k  1) - x p (k  1) ,


(6)
где V (k  1) – скорость изменения функции на следующем шаге; β – коэффициент бетта.
Коэффициенты альфа и бетта рассчитываются по следующим формулам:
a   L2  (L4  16  L2 )0.5  / 8 ,


L2  T 4 
w2
2n
 8 T2 
w
n
  2  (2  a)  4  (1  a)
0.5
(7)
,
(8)
,
(9)
где w – среднеквадратическое отклонение полезного сигнала;  n – среднеквадратическое отклонение шума.[4, 5]
3. Спектрально-финитная обработка сигнала.
Алгоритм финитно-спектральной фильтрации сигнала основан на представлении случайного сигнала на финитном интервале времени в виде частичной суммы ряда КаруненаЛоэва, который является частным случаем ряда Фурье. [1]
Как известно, разложение сигналов в ряд Фурье представляется в виде следующей
формулы:
N
x i   ck ,i   k ,i ,
(10)
k 1
51
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
T1
 x i  k ()d  ,
с k ,i 
x
(11)
o
где Ψk – ортонормальный полный базис Карунена-Лоэва; Сi,k k-ая–спектральная компонента
представления случайного процесса; τ – интервал разложения случайного сигнала.
Оптимальная оценка сигнала рассчитывается по следующей формуле [2]:
Cx  AH Z  i   Cz  i  ,
i
(12)
1
где Cz  i  – вектор спектральных компонент разностного сигнала z(t)=H1[i] -Hi[i]; C x –вектор
i
оптимальной по критерию среднего квадрата ошибки оценки вектора спектральных компонент
Cx[i]; AH Z  i  – оператор оптимальной оценки определяется из следующего выражения:
1
AH Z  i   Kcx  i   Kcz  i  ,
(13)
1
где K cx ,z – корреляционные функции сигнала и сигнала с помехой соответственно.
Результаты моделирования .
Моделирование производилось в среде программирования LabView 2011. Корреляционная функция ηфл имеет вид K(τ )  D  e a  . Объем выборки – 150000 точек. Дисперсии
изменялись в интервале от 0,5 до 2,5 м/с. Дискрет моделирования 0,005 с.
На рис. 2 представлено сравнение алгоритмов фильтрации по результатам моделирования.
Рис. 2 Сравнительная характеристика алгоритмов обработки сигналов
При моделировании отказов СНС был применен следующий алгоритм.
Для частичной компенсации ухода акселерометра в случае отсутствия сигнала от СНС,
можно:
– вычислить производную от оценки сигнала;
– установить порог, выше которого производная будет только в момент скачка пилы,
при не достижении производной этого порога обнулить ее значение;
52
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
– теперь, посчитав среднее значение среднего скачка за период времени (сумму полученного массива разделить на количество скачков), мы можем прибавлять это значение
к оценке, пока не появится сигнал от спутника.
На рис. 3 показан пример, как будет вести себя данная система, при отказе спутниковой
системы на 1 секунду.
Рис. 3 Белый – полезный сигнал; красный – сигнал с выхода ФРС;
синий – скорректированный сигнал; зеленый – скорректированный
При моделировании на участке сигнала в 2 минуты двух отказов длительностью по одной секунде, получились следующие значения дисперсий ошибок оценок при работе режима
коррекции и без него: 0, 94 и 1,91 соответственно.
Итак:
– наивысшую точность при фильтрации пилообразных сигналов показал фильтр Калмана, незначительно уступил ему спектрально-финитный алгоритм;
– наиболее гладкий сигнал по критерию минимума максимального значения производной получается на выходе Альфа-бетта фильтра;
– минимальное смещение оценки наблюдается на выходе фильтра Калмана;
– прогнозирование и коррекция ошибки при отказе СНС позволяют значительно повысить точность оценки.
1.
2.
3.
4.
5.
Библиографический список
Иванов Ю. С. Комплексная оптимально-инвариантная инерционная обработка сигналов с учетом
отказа измерителей/ СПбГУАП
Сейдж Э. Теория оценивания и ее применение в связи и управлении / /Дж. Мелс. М.: Связь, 1976. 496 с.
M. Tech Integration of Inertial Navigation System and Global Positioning System Using Kalman Filtering,
Dissertation.
Rawicz P. L. «Efficient a-b Target Tracking Initiation//P.R. Karata, K.M. Murphy Drexel University, Philadelphia.
Koray Akçay. «Performance Metrics For Fundamental Estimation Filters».
__________
53
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.73.05
К. Д. Мовсисян – студент кафедры компьютерного проектирования аэрокосмических измерительно-вычислительных комплексов
Б. Л. Бирюков (ст. преподаватель) – научный руководитель
ОПТИМАЛЬНОЕ КОМПЛЕКСИРОВАНИЕ ДАТЧИКОВ ПРИ НАЛИЧИИ
ФЛУКТУАЦИОННЫХ И РЕГУЛЯРНЫХ СОСТАВЛЯЮЩИХ ПОГРЕШНОСТЕЙ
В работе решается задача построения системы оптимальной компенсации погрешностей измерителей, содержащих флуктуационные и регулярные погрешности.
Рассмотрим двухкомпонентную комплексную измерительную систему [1].
Модель наблюдаемого сигнала первого измерителя имеет вид
y1 (t )  x (t )  1 (t ) ,
(1)
где x (t ) – полезный сигнал; 1 (t ) – погрешность первого измерителя. Погрешность первого
измерителя по характеру является флуктуационной, т.е. не имеет регулярных составляющих.
Модель наблюдаемого сигнала второго измерителя имеет вид
(2)
y 2 (t )  x (t )   2 ф (t )   2 р ( t )
где  2ф и  2р – соответственно флуктуационная и регулярная составляющие погрешности
измерения.
Предполагается, что x (t ) представляет собой марковский процесс, описываемый стохастическим дифференциальным уравнением
dx
(3)
 ax (t )  (t ) ,
dt
где a – заданный коэффициент; v (t ) – белый гауссовский шум с известной интенсивностью N x .
Спектральная плотность процесса x (t ) определяется выражением
Sx (  ) 
2Dx 
2
 
2
,
(4)
где D x – дисперсия процесса x (t )
Пусть погрешность первого измерителя является существенно более широкополосной,
чем погрешность второго измерителя, поэтому допускает аппроксимацию белым шумом
с известной интенсивностью N1 , а для второго измерителя флуктуационная составляющая является марковским процессом вида (3) с параметрами D2ф ,  2ф и спектральной
плотностью
S2ф () 
54
D2ф  2ф
 2ф 2   2
,
(5)
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Пусть регулярная составляющая погрешности второго измерителя описывается выражением
(6)
2 р (t )   0  1 (t) ,
где  0 , 1 – являются случайными величинами с заданными математическими ожиданиями m 0 и m1 и дисперсиями D 0 и D1 . Особенностью погрешности является ее нарастание по времени. Учет регулярной погрешности более высокого порядка не вызывает
принципиальных затруднений.
Если одна из составляющих погрешности существенно меньше другой, то ею обычно
пренебрегают и описывают погрешность измерителя как стационарную или как нестационарную, а если составляющие соизмеримы, то необходимо учитывать их обе. В рассматриваемом случае регулярной погрешностью пренебречь нельзя, так как она нарастает по времени. Один из подходов предполагает построение астатической системы, т.е. системы
у которой в установившемся режиме отсутствует регулярная составляющая ошибки.
Рассмотрим [1] схему комплексной системы с фильтром разностного сигнала. Предположим, что приведенная погрешность первого измерителя 1 (t ) – стационарная флуктуационная, а второго 2 (t ) – нестационарная регулярная, описываемая полиномом (5). Очевидно,
чтобы не пропустить регулярную погрешность второго измерителя на выход комплексной системы, достаточно продифференцировать ее k  1 раз, т.е. передаточная функция фильтра
во втором канале должна содержать [1] в числителе переменную s в степени k  1 :
W2 (S)  S
где
k 1
*
W2 (S) ,
(7)
*
W2 (S )
– передаточная функция, не содержащая множителей s.
Выражение (7) накладывает ограничения на вид и частично на параметры передаточной
функции фильтра. Абсолютное значение параметров следует находить из условия максимального ослабления флуктуационной стационарной составляющей ошибки.
Требования уменьшения флуктуационной составляющей ошибки одновременно с обеспечением заданной предельной длительности переходного процесса являются взаимно
противоречивы. Поэтому можно выполнить синтез комплексной измерительной системы для
рассматриваемых условий на основе другого подхода, а именно когда структура и параметры алгоритма обработки определяются по единому критерию минимума функционала полной ошибки системы без предварительных ограничений на структуру алгоритма обработки
сигналов. С учетом исходных моделей полезного сигнала и погрешностей измерений (1)
и (2) решать задачу оценивания целесообразно в рамках марковской фильтрации сигналов
с использованием оптимального нестационарного линейного фильтра калмановского типа [2].
Представим дифференциальное уравнение для оцениваемого вектора n-го порядка:
dX(t)
(8)
 A(t ) X (t )  V (t ) , X (t0 )  X 0 ,
dt
где X (t ) – оцениваемый вектор, в который включены помимо полезного сигнала также все
коррелированные во времени составляющие погрешности измерителей; V (t ) – формирующий белый гауссовский шум; A(t ) – матрица коэффициентов; X (t 0 ) – начальные условия,
являющиеся случайными величинами.
55
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Выходные сигналы образуют N-компонентный вектор, определяемый линейным матричным уравнением
(9)
Y (t )  C(t ) X (t )  W (t ) ,
где Y (t ) – вектор измерений; X (t ) – оцениваемый вектор; W (t ) – белый шум, соответствующий широкополосным погрешностям; C (t ) – матрица коэффициентов передачи измерителей.
Оптимальный фильтр Калмана описывается [2] векторно-матричным дифференциальным уравнением
dxˆ (t )
(10)
 A(t ) Xˆ (t )  B(t ) Y (t )  C (t ) Xˆ (t )  , Xˆ (t0 )  Xˆ 0 ,
dt
где Xˆ (t ) – оценка вектора X; X̂ 0 – начальное значение оценки; B (t ) – матрица коэффициентов усиления фильтра, определяемая выражением
T
1
(11)
B(t )  K (t )C (t )Q (t ) ,
где K (t ) – ковариационная матрица вектора ошибки оценки, удовлетворяющая нелинейному дифференциальному уравнению Риккати
dxˆ (t )
T
T
(12)
 AK  KA  KC Nw CK  N  , K (t0 )  K 0 ,
dt
где Nw , N  – матрица интенсивностей шумов Vt и Wt соответственно; K 0 – ковариаци-
онная матрица начального значения X (t 0 ) .
Для рассматриваемой задачи X   X1 , X 2 , X 3 , X 4  , где X1 соответствует полезному
T
сигналу (3); X 2 соответствует коррелированной во времени составляющей погрешности
второго измерителя; X 3 и X 4 – характеризуют регулярную составляющую погрешности
второго измерителя; Y  Y1 ,Y2  , где Y1 ,Y2 – сигналы первого и второго измерителя.
Матрица интенсивности шумов измерения имеет вид
N1 0
Nw  
.
 0 0
T
Результаты моделирования алгоритма оценивания курса ЛА представлены на рис. 1
Рис. 1. Зависимость от времени дисперсии ошибки полезного сигнала (составляющая) X1
56
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Из графика видно, что с течением времени дисперсия ошибки стремится к установившемуся значению, зависящему от дисперсий погрешностей измерителей. Относительное
постоянство дисперсии на участке i  100,...,300 объясняется пока еще недостаточным
объемом наблюдений для компенсации нарастающей погрешности второго измерителя.
В целом, компьютерное моделирование показывает, что рассматриваемый алгоритм
обработки сигналов позволяет добиться минимальных значений дисперсий флуктуационных
и регулярных составляющих ошибок, как в переходном, так и в установившемся режимах.
Библиографический список
1. Иванов Ю. П., Синяков А. Н., Филатов И. В. Комплексирование информационно-измерительных
устройств летательных аппаратов. Л.: Машиностроение, 1984.
2. Тихонов В. И., Харисов В. Н. Статистический анализ и синтез радиотехнических устройств и систем.
М.: Радиосвязь, 2004.
__________
УДК 004.4'242
П. П. Морозкин – студент кафедры аэрокосмических компьютерных технологий
Ю. Е. Шейнин (д-р техн. наук, проф.) – научный руководитель
ПОСТРОЕНИЕ БИБЛИОТЕКИ СТЕКА ПРОТОКОЛОВ НА ОСНОВЕ
SDL-МОДЕЛИ ДЛЯ МОДЕЛИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ SYSTEMC
Задача тестирования протокола передачи данных на основе моделей состоит в проверке корректности механизмов протокола. В проектах, нацеленных на решение задачи, для
построения моделей применяются языки SDL и SystemC. Формальная SDL-модель предназначена для изучения функциональных особенностей протокола. SystemC-модель используется для оценки производительности протокола и тестирования его механизмов при объединении узлов в сеть. SystemC-модель сети создается на основе SystemC-модели стека
протоколов. В статье предложен подход, позволяющий создавать SystemC-модель сети на
основе SDL-модели стека протоколов, реализованной в виде библиотеки и использующейся
в SystemC-проекте. За счет устранения задачи построения SystemC-модели стека протоколов, использование подхода позволяет сократить время создания SystemC-модели сети.
Тестирование протокола передачи данных на основе моделей является актуальной задачей. Для построения моделей нами используются языки SDL [1] и SystemC [2]. Назначением SDL-модели являются формализация спецификации протокола, получение программной и исполняемой моделей для проверки функциональных свойств протокола,
верификация и валидация протокола путем использования программных средств и созданной формальной модели. Назначением SystemC-модели являются тестирование корректности работы протокола при объединении моделей устройств в сеть, проверка нефункциональных свойств, оценка производительности протокола.
Для ускорения решения поставленной задачи построение указанных моделей ведется
параллельно независимыми разработчиками. Однако, в условиях ограниченности ресурсов,
57
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
данный подход сопровождается рисками превышения времени, отведенного на работу над
проектом. Например, построение SystemC-модели стека протоколов для создания модели
сети на ее основе, как правило, требует значительных трудозатрат. Зачастую оказывается,
что временные затраты на создание SDL-модели стека протоколов меньше, чем затраты на
построение аналогичного стека с использованием SystemC. Выигрыш достигается путем
наличия у языка SDL графического представления и использования при построении моделей инструментальных средств, входящих в пакет IBM Rational SDL Suite. Совместное использование языков SDL и SystemC для построения моделей позволяет ускорить процесс
разработки за счет особенностей, присущих каждому из языков. Тем не менее, в настоящее
время, в проектах, направленных на разработку протоколов передачи данных, применяется
подход, предполагающий раздельное моделирование на SDL и SystemC. Выбор такого подхода объясняется недостаточным совершенством существующих способов интеграции SDLмоделей с SystemC-моделями. Следовательно, разработка метода, позволяющего эффективно интегрировать разноязыковые модели для снижения трудозатрат, представляется
перспективной задачей.
В частном случае интеграция моделей проводится путем применения SystemC/SDLмоделирования [3]. Данный подход предполагает совместное использование обоих языков
и требует создания механизмов для взаимодействия SDL-модели стека протоколов
с SystemC-компонентами. Особенностью обозначенного подхода является относительная
трудность его реализации и ориентированность на тестирование стека протоколов, представленного в виде SDL-модели, нежели на разработку SystemC-моделей сетей с использованием двух языков. Например, подход не позволяет при построении модели сети повторно
использовать SDL-модель стека протоколов для создания нескольких независимых узлов на
ее основе.
Полностью задача может быть решена путем построения библиотеки, содержащей SDLмодель стека протоколов и допускающей интеграцию в SystemC-проект. Преимущества
данного подхода для SystemC-разработчика состоят в том, что необходимость повторной
реализации модели стека протоколов, отсутствует. Это достигается за счет применения
библиотеки, предоставляющей набор сервисов для инициализации и работы нескольких
экземпляров SDL-модели.
П о с т р о е н и е и и с п о л ь з о в а н и е ц е л е в о й б и б л и о т е к и . Процесс построения
целевой библиотеки и ее интеграция с проектом пользователя показаны на рис. 1. После
этапа анализа требований и разработки графического представления SDL-модели с помощью инструментальных средств из графической GR-модели [1] генерируется текстовая PRмодель [1]. Синтез реализации предполагает анализ PR-модели и последующую генерацию
программного кода с использованием инструментального средства CAdvanced [4]. На этапе
автоматизированной обработки сгенерированного кода происходит изменение механизма
выделения памяти под таблицу символов (дерево поведения) [4], и обработка PAD-функций
[4], предназначенных для инициализации компонентов SDL-модели. На стадии связывания
компонентов выполняется компиляция обработанного кода и компоновка полученных объектных модулей, результатом которой является целевая библиотека. В проекте пользователя целевая библиотека используется совместно с интерфейсом пользователя, SystemCмоделью и библиотекой SystemC. В результате компиляции исходных текстов и компоновки
получаемых объектных файлов генерируется исполняемая модель, которая является целью
проекта пользователя.
58
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. Построение и использование целевой библиотеки
Рассмотрим особенности предложенного подхода на примере SystemC-модели коммутатора, схематично представленной на рис. 2. Модель состоит из одного модуля коммутации и четырех портов. Каждый из портов связан с экземпляром SDL-модели стека протокола. При получении данных портом выполняется их передача соответствующему экземпляру
SDL-модели. Далее поток входных данных обрабатывается экземпляром SDL-модели стека
протоколов. В результате обработки генерируется поток выходных данных, который передается порту обратно. Особенностью библиотеки является возможность оперирования необходимым числом экземпляров моделей стека протоколов, управляемых соответствующими SystemC-компонентами, созданными пользователем.
Рис. 2. Схема SystemC-модели коммутатора
Ф у н к ц и о н и р о в а н и е ц е л е в о й б и б л и о т е к и в S y s t e m C - п р о е к т е . Рис. 3 иллюстрирует принципы функционирования SDL-модели в SystemC-проекте. Исполняемая
модель представлена в виде однопоточного приложения, включающего библиотеку
59
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
SystemC, SystemC-модель пользователя и целевую библиотеку. Библиотека состоит из
интерфейса пользователя, ядра моделирования SDL [4] и обработанного С-кода SDLмодели. Данный код содержит набор PAD-функций, отвечающих за поведение модели, таблицы символов, предназначенные для хранения информации о структуре каждой модели, и
набор инициализирующих функций, служащих для построения таблицы символов очередного экземпляра SDL-модели.
Рис. 3. Cхема функционирования SDL-модели в SystemC-проекте
Взаимодействие библиотеки с проектом пользователя осуществляется через интерфейс
пользователя, который реализован в виде набора классов на языке C++. Ядро моделирования SDL взаимодействует с интерфейсом пользователя с помощью стандартных функций
xInEnv и xOutEnv. Таким образом, интерфейс пользователя реализует для ядра моделирования SDL понятие окружения (environment) [1]. При отправке любого сигнала экземпляром SDL-модели выполняется поиск необходимой таблицы символов путем использования
селектора таблицы символов (ST-селектора). Инициализирующие функции предназначены
для создания и размещения в памяти экземпляров SDL-моделей с помощью динамического
выделения памяти. Это обеспечивает создание в памяти уникального экземпляра модели
при каждой серии вызовов инициализирующих функций.
Функционирование экземпляров SDL-модели в целевой библиотеке .
Рис. 4 иллюстрирует реализацию внутренних механизмов SDL-модели в целевой библиотеке. В момент инициализации очередного экземпляра SDL-модели выполняется его размещение в памяти. После выделения памяти и инициализации компонентов они добавляются
в специальные массивы для обеспечения дальнейшего доступа. Такой подход позволяет
осуществлять выборку компонентов из таблицы символов, которая параметризована уникальным идентификатором.
Например, перед отправкой сигнала экземпляром SDL-модели в экземпляр окружения
выполняется получение идентификатора таблицы символов, который хранится в компоненте, который программно реализует понятие система [1] в языке SDL. Полученный идентификатор используется в ST-селекторе при поиске сигнала в массиве сигналов и поиске окружения в массиве окружений. Далее найденный сигнал отправляется найденному окружению.
Перед отправкой сигнала экземпляром окружения в экземпляр SDL-модели в ST-селекторе
60
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
выполняется поиск сигнала в массиве сигналов и поиск канала в массиве каналов. Далее
найденный сигнал отправляется в найденный канал.
Цель предложенного метода – сокращение времени разработки моделей сетей на языке
SystemC путем эффективного использования имеющейся SDL-модели, которая представлена в виде целевой библиотеки. Построение библиотеки предполагает автоматическую обработку сгенерированного С-кода SDL-модели и создание интерфейса пользователя. Характерной особенностью библиотеки является возможность работы нескольких экземпляров
SDL-модели в рамках одного SystemC-проекта. Полноценная реализация предложенного
метода является текущей задачей, а его применение позволит сократить время разработки
SystemC-модели сети.
Рис. 4. Схема функционирования SDL-модели в целевой библиотеке
Библиографический список
1. International Telecommunications Union. Recommendation Z.100 (11/07), Specification and Description
Language (SDL).
2. IEEE. IEEE Standard for Standard SystemC Language Reference Manual (IEEE Std 1666-2011).
3. Balandin S., Gillet M., Lavrovskaya I., Olenev V., Rabin A., Stepanov A. Co-Modeling of Embedded Networks Using SystemC and SDL.// International Journal of Embedded and Real-Time Communication Systems (IJERTCS). 2011. № 2. С. 24-49.
4. IBM Rational. IBM Rational SDL Suite User's Manual. IBM Rational (2009).
__________
61
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 519.216
Н. И. Нечаева – магистрант кафедры аэрокосмических приборов и измерительновычислительных комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ МЕТОДА ОПТИМАЛЬНОЙ СПЕКТРАЛЬНО-ФИНИТНОЙ
ФИЛЬТРАЦИИ НАВИГАЦИОННЫХ СИГНАЛОВ
В настоящее время происходит непрерывный процесс совершенствования авиационного оборудования летательных аппаратов в соответствии с постоянно усложняющимися задачами, решаемыми современными авиационными комплексами [1].
На сегодняшний день существуют различные методы обработки сигналов. И, как известно, широко используется фильтрация Калмана. Тем не менее, задачи оценивания на
основе применения фильтра Калмана имеют свои недостатки, такие, например, как сложность задания априорной информации в требуемой форме (модель оцениваемого сигнала
должна иметь марковское свойство и при этом возникает необходимость представления
сигнала в пространстве состояния). Алгоритм обработки сигналов при использовании фильтрации Калмана зависит от того является ли помеха коррелированной или белым шумом,
возникает также необходимость численного решения в процессе обработки информации
нелинейного дифференциального уравнения Риккати [2]. При этом отсутствует возможность
получения результатов в удобном для последующего анализа явном виде, имеется низкая
робастность алгоритма при изменении исходных данных и часто происходит накапливание
ошибок при обработке информации с использованием ЭВМ.
Целью данной магистерской работы является проведение сравнительного анализа
исследуемого линейного оптимального спектрально-финитного алгоритма фильтрации сигнала и фильтрации Калмана при широком изменении исходных параметров, и оценка показателей помехозащищенности и робастности исследуемого алгоритма. При этом рассматриваются два спектрально-финитных алгоритма фильтрации – с обратной связью и без
обратной связи.
Указанные цели исследования осуществляются на основе цифрового моделирования
исследуемых алгоритмов на примере оценки скорости летательного аппарата доплеровским
измерителем скорости и угла сноса ДИСС AN/APN-96.
Работа систем обработки сигналов на борту летательного аппарата происходит в условиях воздействия случайных сигналов и помех. Поэтому оптимальный синтез информационной измерительной системы (ИИС) базируется на общих методах теории статистических
решений, обеспечивающих оптимальную обработку сигналов.
В работе в качестве критерия оптимизации рассматривается средний квадрат ошибки
оценки сигнала. В качестве исходных данных предполагается, что модель измерения является линейной с аддитивной погрешностью, не коррелированной с полезным сигналом.
В данной магистерской работе рассматриваются модели сигналов и помех измерения
в виде случайных стационарных, в общем случае, не марковских, нормально-распределенных
процессов. Известны корреляционные функции сигнала и помехи, а их математические
62
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
ожидания равны нулю. Исследования в работе проводятся при использовании оптимального
спектрально-финитного алгоритма на основе представления непрерывного базиса и дискретного базиса Карунена-Лоэва.
При моделировании алгоритмов используется линейная модель измерения, определяемая следующим соотношением:
Yi  X i  H i , i  1 N ;
где Yi – наблюдаемый случайный сигнал; Xi – случайная скалярная последовательность,
определяющая полезный сигнал в момент времени i; Hi – погрешность измерения.
Используя в качестве модели представления для случайного процесса частичную сумму
разложения Карунена-Лоэва можно приближено представить рассматриваемый случайный
процесс в следующем виде [3]:
N

Yk (t   )   Ck (t ) k (  ),
k 1
где Ck(t) – коэффициенты ряда и ψk(λ) – ортонормальные базисные функции определяются
соотношениями:
T
Ck (t )   Y (t   ) k (  )d ,
0
k   
x
2
1

 T
sin[  k  t    k ],
 2
2
k
1
k 
2( x T) 2x T
,
( x T ) 2  ( k T ) 2
dk
где k = 1,2…N, ψ*k(λ) – соответственно k-я сопряженная ортонормированная базисная функция; Ck(t) – коэффициенты ряда; N – конечная сумма ряда, k – собственные значения интегрального уравнения, dk – нормированные дисперсии коэффициентов разложения КаруненаЛоэва, которые определяются следующими соотношениями:
dk 
k
2
 xT
,
2
где k=1,2...N, λk – дисперсия CX,  x – дисперсия процесса CY,k – положительные корни
следующего уравнения, расположенные в порядке возрастания:
tgk T  
2 x Tk T
.
(  x T ) 2  ( k T ) 2
Условие ортонормальности функций ψk(λ) можно выразить через скалярное
произведение [1]:
r
(  k ,  l )    k , j  l , j    k ,l ,

j 0
63
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
 k  l ,  k ,l  1
 – символ Кронекера; * – знак сопряженной функции.
k  l ,  k ,l  0
где  k ,l  
На основании теоремы ортогонального проецирования, оператор для оптимальной
оценки определяется [2]:
1
*
Ai  KC XY KCY
,
где КСХY – взаимный корреляционный момент спектральных компонент CX и CY размерно-1
стью s  r  1 ; KC Y – матрица размерностью r  1  r  1 .
Оптимальная оценка спектральных компонент СX определяется:

CX  Ai CYi ,
CY0,i
где CYi 
.
CYr ,i
Оптимальная оценка сигнала X в момент времени i:


X i  BB  CX i ,
где BB – матрица собственных векторов.
Для моделирования задаются:
Полезный сигнал и помеха – стационарные, случайные процессы.
Корреляционные функции полезного сигнала:
2
K X ( )   X exp{  X  },
2

X

X
K X ( )   X exp{  X  } cos  X   (

sin X   .

Корреляционная функция помехи:
2
KH ( )  H exp{ H  }.
Законы распределения сигнала и помехи нормальные.
Значения математического ожидания сигнала и помехи равны нулю.
Объем выборки.
Количество спектральных компонент.
Нормированный интервал разложения.
Дискрет по критерию Котельникова.
Параметры корреляционных функций.
Среднеквадратические отклонения сигнала и помехи.
Интервал разложения.
Исследование проводится с использованием математического пакета MathCAD 15.
В результате проведенного исследования был сделан сравнительный анализ двух спек64
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
трально-финитных алгоритмов фильтрации сигнала и метода фильтрации Калмана. Рассматривались два спектрально-финитных алгоритма фильтрации – с обратной связью и без
обратной связи с различными корреляционными функциями сигнала и помехи. Моделирование показало, что при корректном выборе интервала разложения сигнала, оптимальный
спектрально-финитный оптимальный метод незначительно уступает в точности фильтрации
Калмана, при этом более устойчив к изменению параметров наблюдаемого сигнала. Влияние на дисперсии ошибок оценок оказали изменение нормированного интервала разложения, количества спектральных компонент, входных корреляционные функции. Получены
теоретические и статистические значения дисперсий ошибок оценок фильтрации Калмана.
Дисперсия ошибок оценок спектрально-финитного алгоритма при непрерывном базисе
не значительно отличается от классического алгоритма фильтрации Калмана при использовании двух спектральных компонент и нормированного интервала разложения, равным 0.5.
Чем больше интервал разложения, тем ближе по точности к фильтрации Калмана. Как показало моделирование, величину дискрета желательно выбирать как можно меньше, это связано с увеличением объема выборки, которое ограничено аппаратными ресурсами персональных компьютеров. Спектрально-финитный метод с обратной связью имеет наименьшую
точность фильтрации из-за накопления ошибок со временем, следовательно, можно сделать вывод, что лучше использовать данный метод без обратной связи. Среди исследуемых
алгоритмов спектрально-финитного метода наилучшая точность фильтрации сигнала получена при использовании дискретного базиса без обратной связи. Предложенный алгоритм
не уступает фильтрации Калмана по качеству обработки сигналов.
По результатам проведенного анализа спектрально-финитного алгоритма в сравнении
с фильтрацией Калмана получены следующие результаты:
– спектрально-финитный оптимальный алгоритм является более универсальным относительно моделей сигнала и помехи;
– инвариантен к наличию марковского свойства процесса и к виду корреляционной
функции входного сигнала;
– при определенном выборе спектральных компонент и нормированного интервала
разложения незначительно уступает в точности фильтрации Калмана;
– не требует представлять сигнал в пространстве состояний;
– устойчив к изменению параметров наблюдаемого сигнала.
Из проведенного сравнительного анализа можно отметить, что оптимальный спектрально-финитный алгоритм имеет перспективы для будущего практического использования
в задачах обработки информации.
Библиографический список
1. Иванов Ю. П. и др. Комплексирование информационно-измерительных устройств летательных
аппаратов / Под ред. В. А. Боднера. Л.: Машиностроение, 1984. 207 с.
2. Перов В. П. Прикладная спектральная теория оценивания. М.: Наука. Главная редакция физикоматематической литературы, 1982. 432 с.
3. Чернов В. Ю.и др. Надежность авиационных приборов и измерительно-вычислительных комплексов: Учеб.пособие / СПбГУАП. СПб., 2004. 96 с.
__________
65
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 519.816.638:681.3.06
И. Ю. Плотников, Д. П. Рогачев – студенты кафедры системного анализа и управления
А. С. Слюсаренко (канд. техн. наук, доц.) – научный руководитель
ИНТЕРАКТИВНАЯ ОБУЧАЮЩАЯ СРЕДА ПО БАЗОВЫМ ДИСЦИПЛИНАМ
КАФЕДРЫ СИСТЕМНОГО АНАЛИЗА И ЛОГИСТИКИ
В статье представлены основные сведения по интерактивной обучающей среде (электронному учебнику), составленному по дисциплинам кафедры системного анализа и логистики в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования по направлению 19070062 «Технология
транспортных процессов». Квалификация бакалавр.
Версия-1 электронного учебника включает разделы (дисциплины):
– прикладное программирование. Общие сведения об ЭВМ. Аппаратное и программное обеспечение;
– технология разработки программного обеспечения. Основы языка программирования С/С++;
– программные среды конечного пользователя;
– математическое моделирование и решение инженерных задач на ЭВМ;
– обработка экспериментальных данных на ЭВМ;
– использование сетевых технологий.
Многие понятия, связанные с электронным учебником, существенно изменялись в течение последних двадцати лет. Поэтому представляется целесообразным начать уточнять
основные понятия, относящиеся к электронным учебникам [1].
Рис. 1. Пример рабочего окна электронного учебника
66
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Электронное издание – это совокупность графической, текстовой, цифровой, речевой,
музыкальной, видео-, фото- и другой информации, а также печатной документации пользователя. Электронное издание может быть исполнено на любом электронном носителе –
магнитном (магнитная лента, магнитный диск и др.), оптическом (CD-ROM, DVD, CD-R, CD-I,
CD+ и др.), а также опубликовано в электронной компьютерной сети. [2]
Учебное электронное издание должно содержать систематизированный материал по
соответствующей научно-практической области знаний, обеспечивать творческое и активное
овладение студентами и учащимися знаниями, умениями и навыками в этой области. Учебное электронное пособие должно отличаться высоким уровнем исполнения и художественного оформления, полнотой информации, качеством методического инструментария, качеством технического исполнения, наглядностью, логичностью и последовательностью
изложения. [3]
Учебник – учебное издание, содержащее систематическое изложение учебной дисциплины или ее раздела, части, соответствующее государственному стандарту и учебной
программе и официально утвержденное в качестве данного вида издания.
Электронный учебник – основное учебное электронное издание, созданное на высоком
научном и методическом уровне, полностью соответствующее федеральной составляющей
дисциплины государственного образовательного стандарта специальностей и направлений,
определяемой дидактическими единицами стандарта и программой.
Учебное пособие – это издание, частично или полностью заменяющее или дополняющее учебник и официально утвержденное в качестве данного вида издания.
Электронное учебное пособие – это электронное издание, частично или полностью заменяющее или дополняющее учебник и официально утвержденное в качестве данного вида
издания.
Гипертекст – это текст, представленный в электронной форме и снабженный разветвленной системой связей, позволяющей мгновенно переходить от одного его фрагмента
к другому в соответствии с некоторой иерархией фрагментов.
Визуализация – представление в наглядной форме с помощью рисунков, графиков
и анимации.
Архитектура электронного учебника. Термин архитектура часто применяется к современным средствам обработки информации и к информационным технологиям для их оценки
как целого. Архитектура объекта (учебника), представляемого в статье, связана с перспективами развития и роста и однозначно определяется, как образовательный информационный ресурс и может быть охарактеризована как совокупность архитектурных форм, сгруппированных в рамках единого архитектурного ансамбля.
Основные элементы (формы) ансамбля.
Тест – это простейшая форма электронного учебника. Основную сложность составляет
подбор и формулировка вопросов, а также интерпретация ответов на вопросы. Хороший
тест позволяет получить объективную картину знаний, умений и навыков, которыми владеет
учащийся в определенной предметной области. Результаты объективного тестирования
позволяют выбрать оптимальный путь к получению информации.
Энциклопедия – это базовая форма электронного учебника. На содержательном уровне
термин энциклопедия означает, что информация, сконцентрированная \в электронном учебнике, должна быть полной и даже избыточной по отношению к стандартам образования, т.к.
информация должна быть представлена в адекватной форме. Для электронных энциклопедий
67
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
характерен соответствующий сервис: ссылки, закладки, возможность повтора анимации
и звуковых записей, поиск по ключевым словам и т.д.
Задачник. По моему мнению, это важнейшая форма электронного учебника. Задачник
в электронном учебнике наиболее естественно осуществляет функцию обучения. Главное
в электронном задачнике – дозированная помощь. Учащийся получает именно ту и только ту
учебную информацию, которая необходима для решения конкретной задачи. Главная проблема – подбор задач, перекрывающих весь теоретический материал. При подборе задач
приходится решать противоречивую оптимизационную проблему. С одной стороны, каждая
задача должна раскрывать или гарантировать через дозированную помощь усвоение определенного теоретического материала и быть по силам каждому из тех учащихся, на которых
рассчитан электронный учебник. С другой стороны, количество задач не должно пугать студента и лишать его столь важной уверенности в своих силах. Формирование хорошего электронного задачника по силам только методистам самой высокой квалификации.
Креативная среда. Современные электронные учебники должны обеспечивать творческую
работу учащегося с объектами изучения и с моделями систем взаимодействующих объектов.
Именно творческая работа, лучше в рамках проекта, сформулированного преподавателем,
способствует формированию и закреплению комплекса навыков и умений у учащегося. С точки
зрения программиста, креативная среда является одной из наиболее трудоемких составных
частей электронного учебника. Очень сложно решить проблему интерфейса креативной среды. Креативная среда позволяет организовать коллективную работу учащихся над проектом.
Авторская среда. Электронный учебник адаптируем к учебному процессу, то есть позволять учитывать особенности конкретной специальности, конкретного группы, конкретного
студента. Пассивно это обеспечивается избыточностью учебных материалов, которая позволяет учителю проложить необходимую траекторию, определяемую выбранной стратегией
обучения. Это обеспечивается соответствующей авторской средой. Такая среда, например,
обеспечивает включение дополнительных материалов в электронную энциклопедию, позволяет пополнять задачник, готовить раздаточные материалы и методические пособия по
предмету. Фактически, это подобие инструмента, с помощью которого создается сам электронный учебник. Но такой инструмент должен, в принципе, быть доступен как методисту,
так и любому преподавателю по всем дисциплинам учебника.
Невербальная среда. Традиционно электронные учебники вербальны по своей природе.
Они излагают теорию в текстовой или графической форме. Это является наследием полиграфических изданий, вербальных по своей природе. Вербальные методы изложения информации после определенного порога приводят к перегрузке ученика. Ведь он должен сначала,
запомнить информацию, описывающую знание в закодированной форме, раскодировать знание и научиться применять его для решения проблем, сначала учебных, а затем и реальных.
Использованная в рамках учебника невербальная среда позволяет существенно упростить эту работу как для студента, так и преподавателя. Более того, невербальная среда
наделяет электронный учебник чертами живого преподавателя [3].
Регламентирующие материалы, используемые при создании электронного учебника:
– закон РФ «О правовой охране программ для ЭВМ и баз данных»;
– ГОСТ 7.60–90 Система стандартов по информации, библиотечному и издательскому
делу (СИБИД). Издания. Основные виды. Термины и определения;
– приказ Минобразования РФ N1646 от 19.06.98 о создании Федерального экспертного совета по учебным электронным изданиям;
68
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Базовая архитектурная форма рабочего окна электронного учебника
– положение о Федеральном экспертном совете по учебным электронным изданиям;
– инструкция о порядке рассмотрения и утверждения грифа Минобразования на учебные электронные издания;
– проект государственного стандарта России «Электронные издания. Основные виды.
Выходные сведения»;
– пояснительная записка к проекту государственного стандарта России «Электронные
издания. Основные виды. Выходные сведения»;
– Федеральный государственный образовательный стандарт высшего профессионального образования по направлению 19070062 «Технология транспортных процессов».
Квалификация бакалавр.
Программные средства, использованные при создании электронного учебника. Язык
HTML (Hypertext Markup Language, язык разметки гипертекста) – это язык компоновки документов и спецификации гиперссылок, используемый для кодирования документов в системе
World Wide Web. Средствами HTML задаются синтаксис и размещение специальных встроенных указаний, в соответствии с которыми браузер отображает содержимое документа:
текст, изображения и данные других типов, поддерживаемых данным браузером. Текст
самих встроенных указаний Web-браузе-ром не отображается. В языке HTML, кроме того,
реализована поддержка механизма специальных гипертекстовых ссылок, которые обеспечивают связь данного документа с другими документами (последние могут находиться
в локальной системе, в системе World Wide Web или могут быть получены с помощью других ресурсов Internet – FTP, Gopher и т.д). Применение механизма гипертекстовых ссылок
позволяет сделать документ интерактивным [4].
Базовый синтаксис и семантика языка HTML определены в стандарте HTML. Стандарт
HTML, как и все другие стандарты, имеющие отношение к Web, разрабатывается под эгидой
консорциума World Wide Web Consortium (W3C).
В качестве языка разработки электронного учебника выбрана самая последняя разработка рабочей группы по HTML в W3C – рабочий проект HTML 3.2. Но если говорить о наибо69
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
лее функциональных и полезных для Web-авторов реализациях HTML, то они базируются
на наборах тегов, используемых в большинстве популярных браузеров. В частности, с браузером Microsoft Internet Explorer [5].
При разработке интерфейса электронного учебника в качестве основной идеи была
принята идея инвариантности работы, что предопределило реализацию навигационных
кнопок, вынесенных на главную панель, и других интересных возможностей, однотипных
с возможностями Microsoft Internet Explorer. В частности, кнопки Back (Назад) и Forward
(Вперед); возможностью, с помощью щелчка правой клавишей мыши на этих кнопках, увидеть десять последних перемещений в любом направлении; возможность вернуться в любой из недавно пройденных узлов, открыв меню File (файл) и, выбрав нужную страницу из
списка, расположенного рядом с кнопкой этого меню; автоматического предложения ряда
URL, введенных до этого и до какого-то момента совпадающих с вводимым в данный момент адресом (если адрес совпал полностью, надо просто нажать клавишу Enter и принять
подсказку, в противном случае продолжать ввод URL самостоятельно). Щелкнув на кнопке
раскрытия списка адресов, можно выбрать любой адрес из тех, которые когда-либо были
введены. Чтобы вернуться к основной странице, нужно щелкнуть на кнопке Ноте (Домой).
Ссылки на страницы текущего сеанса можно сохранить, выбрав команду Favorites>Add
to Favorites(Избранное> Добавить в «Избранное»). Добавляемая страница в тот же момент
станет элементом меню избранных страниц.
Апробация электронного учебника проводилась в рамках дополнительных занятий по
соответствующим дисциплинам, позволившим с одной стороны убедиться в эффективности
реализованных в электронном учебнике идей, а также определиться с направлениями их
совершенствования.
Библиографический список
1. Международное стандартное библиографическое описание для электронных ресурсов – ISBD (ER).
2. Гречихин А. А., Древс Ю. Г. Вузовская учебная книга: Типология, стандартизация, компьютеризация. М.: Логос, 2000. Мильчин А. Э. Издательский словарь–справочник. М.: Юристъ, 1998.
3. Белунцов В, Новейший самоучитель по созданию Web- страниц, Десс Ком Москва 2000.
4. Субботин М. М. Новая информационная технология: Создание и обработка гипертекстов. М., 1992.
__________
УДК 621.391.01
В. В. Розанов – магистрант кафедры аэрокосмических измерительно-вычислительных комплексов
М. Е. Тихомиров (доц.) – научный руководитель
ПРИМЕНЕНИЕ НЕЙРОННОЙ СЕТИ
ДЛЯ ПОСТРОЕНИЯ ЭКСПЕРТНО-СОВЕТУЮЩЕЙ СИСТЕМЫ БЕЗОПАСНОСТИ
ДВИЖЕНИЯ ЛЕТАТЕЛЬНОГО АППАРАТА ПО ЗЕМЛЕ
Главная организационно-техническая задача функционирования гражданской авиации –
безопасность полетов. Одним из ответственных этапов движения летательных аппаратов
является руление самолета перед взлетом и после посадки. Этот этап имеет особое значение
70
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
в аэропортах с большой загруженностью. Особенно, если с него выполняются полеты воздушных судов различных классов.
Предупреждение столкновений воздушных судов (ВС) в воздухе и с Землей в течение
нескольких десятилетий автоматизируется. Существует большое количество систем предупреждения столкновений с Землей типа ССОС, TAWS, GPWS, СРПБЗ и другие. Разработаны также и системы предупреждения столкновения летательных аппаратов (ЛА) в воздухе
типа TCAS. Однако для предупреждения столкновений воздушных судов на Земле – на
этапе руления ВС по рулежной дорожке или на стоянке воздушных судов, систем пока не
создано. Актуальность исследований и разработки этих систем оправдана, особенно с учетом планируемого ухудшения нормируемых диапазонов метеорологических условий (дальность горизонтальной видимости и высота принятия решения), при которых допускаются
полеты на данном аэродроме. Введение метеоминимумов категории IIIA , IIIB и IIIC (дальность горизонтальной видимости ограничена, соответственно, 200, 50 и 0 м) подтверждает
этот вывод.
В настоящее время управление движением воздушных судов при движении по аэродрому обеспечивается диспетчером руления, который, располагаясь на вышке, визуально
оценивает обстановку на поле аэродрома или использует информацию, отображаемую на
экране радиолокатора обзора летного поля. На борту ВС такая информация в настоящее
время отсутствует.
Новые подходы к построению бортовых комплексов навигации и управления полетом
предусматривают использование автоматизированных систем зональной навигации и зависимого наблюдения (вещательного) CNS/ATМ-B (АЗН/АНВ). Эти системы обеспечивают
трансляцию координат места и параметров движения ВС постоянно в течение всего времени движения, в том числе на этапах руления перед взлетом или после посадки. Такая информация, переданная на ЛА, может быть использована для предупреждения столкновений
как в воздухе, так и на Земле, в том числе на рулении в условиях ограниченной видимости
(туман, дымка, дождь, снег) с учетом состояния поверхности аэродрома (коэффициент
сцепления колес с поверхностью).
Одним из вариантов построения экспертно-советующей системы на основе данных зональной навигации является искусственная нейронная сеть (НС), способная определять
возможные опасные объекты вблизи ЛА, предупреждать о них экипаж, а также давать рекомендации к действиям (изменение скорости, направления движения).
Выбор НС в качестве инструмента не случаен. Способности нейронной сети к прогнозированию напрямую следуют из ее способности к обобщению и выделению скрытых зависимостей между входными и выходными данными. После обучения сеть способна предсказать
будущее значение некой последовательности на основе нескольких предыдущих значений
и/или каких-то существующих в настоящий момент факторов.
Нейроны сети организованы в слои (рис. 1). Входной слой будет принимать входные
данные, на основе которых проводится анализ обстановки, скрытый слой способствует
более точной работе сети. Выходной слой выводит результаты работы сети, на основе
которых делаются выводы.
В рассматриваемом случае на входной слой будут подаваться значения, которые
выполняются для определения наличия/отсутствия препятствий на пути следования ЛА.
Эти значения будут функционально связаны с получаемыми на выходном слое величинами.
На каждый из нейронов будут подаваться относительные координаты опасных объектов,
71
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
слева, справа или перед ЛА. На выходе будет выдана информация о необходимости изменения скорости и направления движения, или о том, что путь свободен и безопасен.
Для создания интеллектуальной системы прогнозирования критической ситуации используется сеть обратного распространения.
Используемая нейронная сеть имеет четыре слоя (рис. 2) – входной, выходной и два
скрытых. Возможно также использование и большего количества слоев, однако существенное ограничение накладывает время расчета конечного результата. Меньшее количество
слоев использовать не целесообразно. Это обусловлено точностью, которой необходимо
достичь при работе данной интеллектуальной системы.
Наиболее оптимальные результаты были получены при использовании схемы 3-8-8-2:
три входных нейрона, два скрытых слоя по восемь нейронов в каждом и два выходных
нейрона. При создании НС, необходимо учитывать, что каждый слой и каждый нейрон увеличивают время расчета веса, что, в свою очередь, увеличивает время получения конечного
результата.
Рис. 1. Базовая нейронная сеть
Рис. 2 Нейронная сеть 3-8-8-2
Для примера рассматривается плоская задача движения ЛА по рулежной дорожке или
ВПП. Есть три зоны: слева, справа и перед ЛА. Для определения степени опасности объекта, необходимо определить в какой зоне находится объект и как далеко он находится от ЛА.
Рис. 3. Схема построения расчетов
72
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Область перед ЛА будем рассматривать как окружность радиуса r (рис. 3). Центр окружности C (x,y) находится на расстоянии R от положения ЛА V(x,y).
Cx  Vx    sina ,
(1)
Cy  Vy    sin a ,
(2)
где Vx, Vy –позиция ЛА; Cx,Cy – центр окружности; Ox,Oy – координаты объекта, попавшего
в область рассмотрения.
Расстояние от ЛА до хорд (±d) будет рассматриваться как зона, появление объектов в
которой означает опасность столкновения. Т.о. любой объект, находящийся слишком близко
к хордам или пересекающий их, становится опасным. Хорды, определяющие зоны перед ЛА,
рассчитываются по уравнению (3). Приведенное уравнение рассчитывает правую хорду. Аналогично рассчитывается и левая хорда, для которой необходимо взять параметры aL , bL ,cL .
aR  x  bR  y  cR ,
(3)
Right
aR  d x
,
(4)
Right
bR  d y
,
(5)
где aR – расстояние от центральной оси до правой хорды по оси X; bR – расстояние от
центральной оси до правой хорды по оси Y; cR – правая ходра ( c L – левая хорда соответственно).
Параметр cR рассчитывается по формуле (6)
CR   x1  aR  y1  bR ,
(6)
Right
x1  Vx  d x
(7)
Right
y1  Vy  d y
(8)
где x1– координаты точки пересечения с хордой по оси X; y1 – координаты точки пересечения с хордой по оси Y.
Чтобы узнать, находится ли опасный объект в пределах круга, необходимо проверить
условие:
(Ox  Cx )  (Oy  Cy )  r
Если неравенство верно – объект находится в пределах круга, и Ox,Oy – положение
препятствия. Для каждого объекта в круге необходимо проверить находятся они слева,
справа или впереди.
Если aR  Ox  bR  Oy  CR  0 , то объект находится в правой части круга, если
aL  Ox  bL  Oy  CL  0 , то в левой части. Иначе он в центре.
Расстояние от ЛА до объекта определим по формуле (9)
dist  (Ox  Vx )  (Oy  V y )
(9)
73
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Расчетные значения записываются в массив, где первый вектор – объекты слева, второй – объекты справа, третий – объекты перед ЛА. Этот массив подается на вход НС.
В качестве выходных данных используется массив правил, которые соответствуют действиям, которые необходимо предпринять пилоту в тех или иных случаях нахождения объектов.
Поскольку нейронная сеть использует сигмоидальную функцию активации нейронов, на
вход необходимо подать значения в диапазоне [0.0;1.0]. Значение 0.0 означает, что объект
находится критически близко к ЛА, а 1.0 – что в поле зрения объектов нет. Так как установленный радиус равен r, перевести координаты объектов относительно ЛА в координаты для
вода в НС можно по формуле (10)
input [ i , j ]
input [ i , j ] 
,
(10)
2r
где: input [ i , j ] – массив координат объектов в области.
Вывод из нейронной сети – также значение в диапазоне [0.0;1.0]. В случае ускорения 0.0
означает торможение, 1.0 – максимальная скорость, и 0.5 – сохранение текущей скорости.
Для руления 0.0 – это максимальный поворот налево, 1.0 – направо, и 0.5 – движение вперед. Выходные значения должны быть преобразованы в вид, удобный для использования
пилотом (или системой автоматического управления)
T  (output [0]  0.5)  2  Tmax ,
V  (output [0]  0.5)  2  Vmax ,
где T – угол поворот; Tmax – максимальный угол поворота; V – скорость движения; Vmax –
максимальная скорость движения.
Для обучения сети необходимо создать набор входных-выходных данных. Выбор правильных данных для обучения – возможно, самая сложная задача. Для получения допустимой точности результата необходимо иметь большой набор входных и входных параметров.
В процессе обучения возникает необходимость исправления тех или иных данных для более точной работы НС. Процесс обучения сети также является долгим, в результате большого количества информации, которую необходимо обработать. После обучения сети,
в результате ее тестирования были получены допустимые погрешности в пределах 5% при
опознавании опасных объектов и их дальности до ЛА. Моделирование проводилось с использованием пакета MatLab версии 12 и встроенных функций построения регрессионной НС.
Библиографический список
1. Алешин Б. С., Афонин А. А., Веремеенко К. К и др. Ориентация и навигация подвижных объектов –
М.: ФИЗМАТЛИТ, 2006 – 424 с.
2. Круглов В. В., Борисов В. В. Искусственные нейронные сети: теория и практика. - Москва: Горячая
линия - Телеком, 2001. – 382 с.
3. Demuth H., Beale M. Neural Network Toolbox For Use with MATLAB
4. Уоссермен Ф. Нейрокомпьютерная техника, М., Мир, 1992
5. Kevin Swingler, Applying Neural Networks. A practical Guide, ACADEMIC PRESS, 2001
6. Маслобоев Ю. П. Свойства и параметры нейронной сети как объекта MATLAB, консультационный
центр MATLAB
__________
74
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 004.057.4
Н. И. Синев – студент кафедры аэрокосмических компьютерных технологий
И. Л. Коробков – аспирант кафедры аэрокосмических компьютерных технологий
В. Л. Оленев (канд. техн. наук, асс.) – научный руководитель
МОДЕЛИРОВАНИЕ ПЕРЕДАЧИ ШИРОКОВЕЩАТЕЛЬНЫХ СООБЩЕНИЙ
В СЕТИ SPACEWIRE-RT
Моделирование – это наиболее эффективный метод для исследования и проектирования аэрокосмических сетей. При помощи моделирования можно отразить особенности конечных сетей и воспроизвести их. Модель сети может оказаться более производительной,
чем ее физический аналог. В такой модели можно непосредственно изменять рабочие параметры и схему работы сети, что в некоторых физических сетях бывает невозможно.
К тому же, стоимость физической модели в разы превосходит стоимость компьютерной,
поэтому компьютерная модель является не дорогой и более гибкой, нежели физическая.
Таким образом, моделирование – это гибкий инструмент для проектирования сетей, который
позволяет разработать модель с настраиваемыми параметрами ее работы.
Нами разработана сетевая модель протокола SpaceWire-RT[1] для тестирования сетевого взаимодействия множества одновременно работающих устройств в сети. [6] Эта статья
предоставляет обзор нашей деятельности касательно моделирования передачи широковещательных сообщений в сети и полученных результатов.
SpaceWire-RT – это новейший стандарт бортового коммуникационного протокола, основными характеристиками которого должны стать надежность, быстрый отклик, детерминированность и высокая скорость передачи данных, направленные на обеспечение работы
бортовых приложений, работающих как в низкоскоростных, так в высокоскоростных сетях
передачи данных. В основе стандарта SpaceWire-RT лежит технология SpaceFibre. [1]
SpaceFibre – последовательный высокоскоростной канал, созданный для работы в бортовом космическом оборудовании. Его основной целью является создание высокосортного
соединения типа точка-точка или высокоскоростной сети для работы высокоскоростного
оборудования передачи данных, устройств хранения информации, процессоров и другого
бортового оборудования.[1]
SpaceWire-RT состоит из 11 уровней:
– сетевой уровень: отвечает за маршрутизацию пакетов, передаваемых через сеть
SpaceWire-RT, содержащую маршрутизирующие коммутаторы и узлы. Также отвечает за
валидацию и широковещательную передачу коротких сообщений в сети SpaceWire-RT;
– пакетный уровень: отвечает за формирование пакетов данных перед отправкой их в сеть
SpaceWire-RT. Пакет SpaceWire-RT имеет тот же самый формат, что и SpaceWire [4, 9] пакеты;
– уровень виртуальных каналов, отвечающий за качество сервиса и управление потоком в канале SpaceWire-RT;
– уровень широковещательных сообщений, который отвечает за распространение коротких сообщений по сети SpaceWire-RT и за прием и проверку этих сообщений;
– уровень кадров, отвечающий за разбиение пакетов SpaceWire-RT, широковещательных сообщений и символов управления потоком на кадры для их передачи по каналу
SpaceWire-RT;
75
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
– уровень надежной передачи данных, отвечающий за восстановление после сбоев
и устойчивых ошибок в канале SpaceWire-RT, а также за уведомления об ошибках и отказах
канала. Фиксирует потерю кадров и кадры, имеющие неверный порядковый номер;
– уровень управления линиями, отвечающий за параллельное функционирование нескольких линий SpaceWire-RT для обеспечения высокой пропускной способности и избыточности, с возможностью обнаружения отказов в линиях и восстановления после них;
– уровень линии, отвечающий за инициализацию линии, обнаружение ошибок линии
и повторную инициализацию линии после обнаружения ошибки;
– уровень кодирования/декодирования, отвечающий за кодирование данных в кодовые символы при передаче и декодирование кодовых символов в данные при приеме;
– уровень сериализации, отвечающий за сериализацию и десериализацию кодовых
символов для обеспечения возможности их передачи в физической среде;
– физический уровень, который отвечает за передачу электрических сигналов по
оптоволоконной или медной среде [1].
Одной из ключевых особенностей SpaceFibre является уровень широковещательных
сообщений, включающий в себя широковещательные сообщения; аппарат принятия, обработки и отправки широковещательных сообщений; широковещательные каналы. Уровень
широковещательных сообщений отвечает за распространение, прием и отправку коротких
сообщений по сети SpaceWire-RT. [1]
Уровень принимает широковещательные сообщения от пользовательского приложения
и передает информацию, необходимую для формирования широковещательного кадра,
в уровень кадров. При приеме широковещательного кадра от уровня кадров, содержащаяся
в нем информация извлекается и передается пользовательскому приложению.
Широковещательное сообщение – это короткое сообщение, которое передается одним
узлом всем другим узлам в сети SpaceWire-RT. Широковещательные сообщения распространяются в time-кодах SpaceWire (один набор кодов). Каждое широковещательное сообщение содержит порядковый номер, который увеличивается на единицу каждый раз при
передаче нового широковещательного сообщения. Когда приемник SpaceWire-RT принимает
широковещательное сообщение, оно проверяется на наличие ошибок, а его порядковый
номер проверяется путем сравнения его с порядковым номером предыдущего принятого
широковещательного сообщения. Широковещательное сообщение признается корректным,
если его порядковый номер на единицу больше, чем порядковый номер предыдущего принятого широковещательного сообщения. Только корректные широковещательные сообщения передаются вышележащему уровню. Маршрутизатор SpaceWire-RT ретранслирует
широковещательное сообщение по всем имеющимся у него каналам SpaceWire-RT, кроме
того, по которому было принято широковещательное сообщение. [1]
Широковещательные сообщения SpaceWire-RT допускают до 256 независимых последовательностей широковещательных сообщений, каждая из которых воспринимается как
широковещательный канал. Каждый широковещательный канал имеет идентификатор широковещательного канала и свой порядок номеров широковещательных сообщений. [1]
Широковещательные сообщения также несут в себе 8 байт данных. Широковещательное
сообщение, передаваемое по одному из каналов распределения времени, будет иметь тип
TIME, и 8 байт данных содержат значение системного времени (несегментированное время).
Обычно конкретный широковещательный канал будет использоваться определенным
узлом для распространения информации всем остальным узлам сети SpaceWire-RT.
76
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Это может быть использовано для уведомления других узлов сети, о событии, произошедшем в данном узле. Разные узлы передают широковещательные сообщения по разным
широковещательным каналам.
Пользовательское приложение SpaceWire-RT CODEC может подписаться на прием широковещательных сообщений определенного типа и по определенному широковещательному каналу. В этом случае приложению будет сообщено о приеме только тех широковещательных сообщений, которые ему необходимы. [1]
Разработанная SystemC [2, 3] модель SpaceWire-RT стандарта включает в себя модель
узла, модель коммутатора и модель стека SpaceWire-RT. Каждый узел соединен дуплексным
каналом с отдельным коммутатором, а коммутатор, в свою очередь, может быть соединен еще
с несколькими коммутаторами или узлами. Широковещательные сообщения генерируются
в узле и передаются посредством стека SpaceWire-RT на входной порт коммутатора, в котором
также присутствует стек SpaceWire-RT. Далее коммутатор, согласно собранной модельной
схеме, распределяет полученные сообщения по сети SpaceWire-RT, согласно спецификации
SpaceWire-RT. Для тестирования алгоритма отправки коротких сообщений использовано две
схемы сети: с топологией решетка (рис. 1) и с топологией дерево (рис. 2).
Рис. 1. Схема с топологией решетка
77
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Схема с топологией дерево
В схемах тестирования инициализируется отправка широковещательных сообщений
одним из узлов на все остальные. Широковещательные сообщения, попадая в коммутатор,
рассылаются на подключенные к коммутатору модули (узлы и коммутаторы), кроме тех
модулей, с которых пришли сообщения.
В сети с топологией дерево (рис. 2) коммутаторы соединены последовательно. Каждый
коммутатор может передавать широковещательные сообщения на вход только одному коммутатору и подключенным к нему узлам. При получении сообщения каждый коммутатор
отправляет сообщения на свой узел (если он есть) и передает эти сообщения на вход следующему коммутатору. После того, как все сообщения будут переданы, коммутатор переходит в состояние ожидания поступления широковещательных сообщений.
В сети с топологией решетка (рис. 1) коммутаторы соединены последовательно и параллельно. Каждый коммутатор также может передавать широковещательные сообщения на вход
другим коммутаторам и подключенным к нему узлам. При получении сообщения коммутатор
отправляет сообщения на свой узел и передает эти сообщения на вход подключенным к нему
коммутаторам (кроме того, с которого пришли сообщения). Получив сообщения, коммутаторы
аналогичным образом начинают передавать сообщения. Отсюда следует, что на один коммутатор может прийти широковещательные сообщения сразу с нескольких входных, из-за чего сообщения начинают передаваться внутри сети циклично, что вызывает ее неправильную работу.
В данной статье была представлена работа по моделированию передачи широковещательных сообщений в сети SpaceWire-RT. В ходе моделирования была найдена ситуация,
неописанная в спецификации стандарта SpaceWire-RT, а именно: зацикливание передачи
широковещательных сообщений в сети с топологией решетка. Возможным решением данной
проблемы является применение алгоритма отслеживания и устранения цикличной отправки
широковещательных сообщений, который необходимо внести в спецификацию SpaceWire-RT.
Исследования выполнены при финансовой поддержке 7th Framework Programme Европейского Сообщества([FP7/2007-2013]), соглашение по гранту n° 263148.
1.
2.
78
Библиографический список
S. Parkes. «SpaceWire-RT Outline Specification, version 2.1» , University of Dundee, 6th September 2012.
Open SystemC Initiative (OSCI), «IEEE 1666™-2005 Standard for SystemC», 2005.
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
3.
4.
5.
6.
7.
8.
9.
J. Gipper «SystemC the SoC system-level modeling language. Embedded computing Design». 2007,
ESA (European Space Agency), standard ECSS-E-50-12A, «Space engineering. SpaceWire – Links,
nodes, routers and networks. European cooperation for space standardization», ESA Publications Division
ESTEC, Noordwijk, The Netherlands, 2003.
S. Balandin, M. Gillet, I. Lavrovskaya, V. Olenev, A. Rabin, A. Stepanov «Co-Modeling of Embedded
Networks Using SystemC and SDL», International Journal of Embedded and Real-Time Communication
Systems (IJERTCS), IGI Global, pp. 24-49, 2011.
Y. Sheynin, E. Suvorova, V. Olenev, I. Lavrovskaya «D3.1 SpaceWire-RT Simulation and Validation
Plan», Saint-Petersburg State University of Aerospace Instrumentation, 3rd October 2012.
V. Olenev «Different approaches for the stacks of protocols SystemC modelling analysis», Proceedings of
the Saint-Petersburg University of Aerospace Instrumentation scientific conference, Saint-Petersburg University of Aerospace Instrumentation (SUAI), Saint-Petersburg, pp. 112-113, 2009.
A. Jantsch «Modeling Embedded Systems and SoCs», Morgan Kaufmann Publishers, Stockholm, 2004.
Y. Sheynin, T. Solokhina, Y. Petrichkovitch «SpaceWire technology for the parallel systems and onboard
distributed systems», ELVEES, 2006, http://multicore.ru/fileadmin/user_upload/mc/publish/SpW-part1.pdf.
__________
УДК 004.054
Е. Ю. Фортышев – студент кафедры аэрокосмических компьютерных технологий
С. В. Осмоловский (инженер института ВКиСТ) – научный руководитель
ПЕРЕНОСИМЫЙ МАСШТАБИРУЕМЫЙ НАБОР ТЕСТОВ КОММУТАТОРОВ
SPACEWIRE НА ПЛАТФОРМЕ ВСТРАИВАЕМОЙ ОПЕРАЦИОННОЙ СИСТЕМЫ
Бурное развитие встраиваемых систем в последнее время сделало возможным возложить на один процессорный модуль решение сразу нескольких различных задач, что положительно влияет как на размеры такой системы, так и на ее стоимость. В авиационной технике тенденция перехода от федерированных (federated) архитектур, в которых каждая
отдельная подсистема выполняла отдельную функцию, к универсальным вычислительным
платформам, которые могут исполнять несколько задач одновременно, привела к зарождению концепции интегрированной модульной авионики (ИМА, Integrated Modular Avionics)
[1,2].
Проблема интеграции функций управления в единый модуль состоит в том, что необходимо разделять ставшие теперь общими ресурсы (процессорное время, память, каналы
обмена) между различными задачами, при этом обеспечивая такой же уровень надежности
и независимости функций, как и был ранее. Ключевую роль в решении данной проблемы
играют встраиваемые операционные системы (ОС) реального времени. Характерными особенностями встраиваемых ОС являются модульная структура, компактность, производительность, масштабируемость и повышенная отказоустойчивость [3].
В отечественной авионике одним из перспективных методов решения задач ИМА является использование сверхбольших интегральных схем (СБИС), использующих технологии
SpaceWire [4]. Для обеспечения надежности и отказоустойчивости подобного рода СБИС
79
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
для них ведется разработка набора тестов функциональных блоков. А для упрощения разработки такого набора используются механизмы встраиваемой операционной системы
eidOS, которые позволяют разрабатывать легко переносимые между различными
SpaceWire-устройствами масштабируемые наборы тестов.
Стандарт SpaceWire – стандарт ECSS, направленный на применение в области управления, разработки и качества продуктов в аэрокосмических проектах. Он определяет средства физического взаимодействия и протоколы надежной передачи данных по высокоскоростным каналам. Канал SpaceWire – это последовательный полнодуплексный канал типа
«точка-точка».
Задачей данного стандарта является передача данных и управляющей информации
в бортовых системах аэрокосмических аппаратов. Этот стандарт предназначен для создания высокопроизводительных систем, сбора информации и других космических задач.
Технология SpaceWire отвечает потребностям бортовых вычислительных задач.
SpaceWire поддерживает интегрирование и тестирование сложных бортовых систем путем
внедрения соответствующего оборудования непосредственно в аппаратуру обработки данных. Мониторинг и тестирование могут быть проведены без необходимости создания отдельного физического интерфейса с аппаратурой обработки данных.
SpaceWire позволяет строить комплексные инфраструктуры высокоскоростной обработки данных, включающей в себя датчики, вычислительные элементы, модули памяти, а также
подсистемы передачи информации из космоса и EGSE оборудования.
Для построения масштабируемых сетей SpaceWire с высокой пропускной способностью
на базе стека протоколов SpaceWire для распределенных вычислительных и управляющих
комплексов, параллельных систем обработки сигналов и данных разработаны коммутаторы
МСК-01 и МСК-022.
Маршрутизирующие коммутаторы MCK-01/МСК-022 обеспечивают дуплексный приемпередачу последовательных данных по 16 каналам в соответствии со стандартом
SpaceWire. Передача пакетов осуществляется со скоростью 2–400 Мбит/с по каждому из
каналов SpaceWire в каждом направлении. Обеспечивается автоматическая адаптация
приемника к скорости передатчика каждого из каналов и может быть реализована индивидуальная настройка скоростей по каждому из каналов.
Коммутаторы MCK-01/МСК-022 реализуют маршрутизацию типа «червячный ход» с использованием всех методов адресации, определенных стандартом SpaceWire (адресация
пути, логическая и регионально-логическая адресация) и коммутацию пакетов по стандарту
SpaceWire с использованием метода коммутации «на лету», а также коммутацию с буферизацией.
На основе адаптивной групповой маршрутизации коммутаторы MCK-01/МСК-022 обеспечивают программируемое распределение информационных потоков между терминальными (процессорными) модулями и их динамическую реконфигурацию в процессе передачи
между модулями коммуникационной сети, а также возможность построения отказоустойчивых конфигураций коммуникационной сети.
Коммутаторы MCK-01/МСК-022 поддерживают организацию распределенной и параллельной обработки информации и управления в реальном масштабе времени: организацию
системы единого времени и распределенных прерываний для терминальных модулей в
распределенном комплексе, а также обеспечивает минимальные накладные расходы на
передачу полезной информации.
80
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Отличие МСК-022 от MCK-01 заключается в появлении в нем более развитого механизма таймаутов, распределенных прерываний, средств гибкой настройки ряда режимов функционирования, а также соответствие коммутатора нормам радиационной стойкости, предъявляемым к устройствам подобного рода.
Для тестирования коммутаторов SpaceWire разработана концепция тестов на базе
встраиваемой ОС eidOS. Такой подход удобен, потому что все аппаратные различия между
коммутаторами берут на себя механизмы ОС, а у разработчика остается единая интуитивно
понятная и прозрачная структура набора тестов (для МСК-022 будет добавляться тестирование новых блоков, которых нет в МСК-01).
eidOS – многозадачная встраиваемая операционная система, поддерживающая микропроцессорную архитектуру MIPS32. В основе eidOS лежит микроядро, и она построена по
модульному принципу, благодаря чему eidOS легко масштабируется в зависимости от поставленных задач. Набор API-функций микроядра и дополнительных функциональных модулей позволяет вести разработку надежного и эффективного программного обеспечения
и тестов для ряда СБИС, в том числе использующих технологию SpaceWire [5].
Легкость переносимости тестов между сетевыми устройствами SpaceWire обеспечивается за счет специальной организации структуры проектов eidOS. Все машиннозависимые
блоки тестов «спрятаны» от разработчика и находятся на уровне внутренних механизмов
ОС в тематических модулях. А разработчик тестов работает с уже предоставляемым ОС
интерфейсом.
В зависимости от задач, поставленных перед конкретными тестами, они смогут легко
масштабироваться, т.е. увеличивать свои возможности путем наращивания числа функциональных блоков, предоставляемых eidOS.
Тесты используют функционал eidOS, предоставляемый драйвером SpaceWire, драйвером таймера, набором функций для работы с коммутаторами и аппаратными блоками. Это
обеспечивает возможность работы с рядом событий, таких как установка/разрыв соединения в канале SpaceWire, передача SpaceWire пакетов по прерываниям, а не по опросу системных регистров. Такой подход предоставляет программисту ряд преимуществ, обеспечивая большую надежность разработанного ПО и упрощая его структуру.
Концепция набора тестов сетевых устройств SpaceWire включает в себя две основные
группы тестов:
– тесты установки соединения и его последующего удержания в портах SpaceWire на
различных скоростях;
– тесты передачи пакетов и управляющих кодов SpaceWire.
– Группа тестов установки и удержания соединения в портах SpaceWire:
– позволяет вести тестирование корректности работы устройства на выбранной скорости из допустимого для устройства диапазона;
– устанавливать пользовательскую скорость несколькими способами (моментально,
с определенным шагом);
– удерживать указанный интервал времени соединения в портах;
– вести нагрузочное тестирование путем последовательной установки и разрыва соединения на портах в указанный интервал времени и т.д.
Группа тестов передачи пакетов и управляющих кодов SpaceWire:
– позволяет передавать пакеты с указанным набором длин с указанной частотой на
указанных скоростях заданный временной промежуток;
81
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
– позволяет передавать управляющие коды (коды распределенных прерываний, коды
подтверждения, коды времени) с указанной частотой на указанных скоростях заданный
временной промежуток;
– обеспечивает совместную передачу пакетов и управляющих кодов.
Данные тесты будут проводиться как на одном целевом устройстве, так и на сети, состоящей из нескольких сетевых устройств и нескольких конечных терминальных узлов.
На текущий момент разработан тест из группы тестов установки соединения. Тест производит последовательные программные установку и разрыв соединения в канале
SpaceWire для указанного набора портов SpaceWire на скорости, заданной пользователем.
Тест производит измерение следующих характеристик:
– минимальное время установки соединения;
– максимальное время установки соединения;
– среднее время установки соединения;
– количество раз, когда время установки соединения превысило заданный временной
интервал;
– количество установленных соединений.
Измерения проводились на плате SpaceWire MCK01x16 со следующими настройками и
характеристиками:
– частота RISC-ядра – 100 МГц;
– пользовательская скорость в канале SpaceWire – 400 Мбит/сек.;
– кэш инструкций выключен;
– секция данных проекта – cram;
– секция кода проекта – sdram.
Производилось 50 000 (100 000 – 300 000) измерений для четырех пар соединенных
портов SpaceWire.
Ниже приведены графики, построенные по результатам тестирования: гистограмма
с количеством успешных и неудачных установок соединения по портам (рис. 1) и гистограмма
с минимальным, средним и максимальным временем установок соединения по портам (рис. 2).
По результатам тестирования заметна следующая тенденция:
– среднее время установки соединения в канале SpaceWire, измеренное в результате
тестирования, совпадает (учитывая задержки, накладываемые исполнением кода) с задержками установки соединения, указанными в стандарте SpaceWire;
– с ходом тестирования количество ошибок (ситуаций, когда соединение в канале не
было установлено за указанный интервал времени) растет.
Рис. 1. Успешные и неудачные установки соединения в SpaceWire-портах МСК-01
82
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 2. Минимальное, среднее и максимальное время установки соединения
в SpaceWire-портах МСК-01
На данный момент возможные причины данного «нарастающего» числа ошибок изучаются. Возможный круг источников проблемы выглядит следующим образом:
– несовершенство программной составляющей части теста;
– аппаратные проблемы блока коммутатора;
– заполнение приемных внутренних буферов (FIFO) BDS портов SpaceWire, из-за чего
не могут передаваться символы FCT.
В дальнейшем планируется совершенствовать как данный тест (попутно разрешив
вышеописанные проблемы), так и наращивать количество тестов из обеих групп, функционал которых будет покрывать большое количество возможных ситуаций поведения различных блоков коммутаторов SpaceWire.
Тестирование устройств на платформе встраиваемой операционный системы – это
возможность упростить весь процесс создания тестов для различных устройств и оптимизировать старые тесты. Раньше приходилось создавать тесты, привязанные к определенному
устройству, а благодаря механизмам встраиваемой ОС eidOS тесты, разработанные для
одного устройства, будут легко переноситься и масштабироваться для других устройств.
Ведь все аппаратные различия между коммутаторами берет на себя ОС, а перед разработчиком остается единая интуитивно понятная и прозрачная структура тестов.
Библиографический список
1. Paul Parkinson, River Larry Kinnan. Разработка критичного по безопасности ПО для
Интегрированной Модульной Авионики // Wind River, 2007.
2. Partitioning in Avionics. Architecture: Requierements, Mechanics, and Assurance. Final Report, National
Aeronautics and Space Administration, DOT/FAA/AR-99/ 58, NASA/CR-1999-209347, March 2000.
3. Timmerman M. RTOS Evaluations // Real Time Magazine, 1998. - №3, pp/ 6–10.
4. Шейнин Ю., Солохина Т., Петричкович Я. Технология SpaceWire для параллельных систем и бортовых
распределенных комплексов // Электроника: Наука, Технология, Бизнес". № 5. 2006. С. 64–75.
5. Суворова Е. А., Осмоловский С. В. Встраиваемая ОС для микропроцессоров с архитектурой
MIPS32 // Шестьдесят третья студенческая научно-техническая конференция ГУАП: Сб. докл.: Ч.1
Технические науки, СПб.: ГУАП, 2010. С. 323–327.
__________
83
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 621.391.01
М. И. Юданов – магистрант кафедры аэрокосмических измерительно-вычислительных комплексов
В. Г. Никитин (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ МЕТОДА КОНТРОЛЯ
ЦЕЛОСТНОСТИ ИНТЕГРИРОВАННОЙ НАВИГАЦИОННОЙ СИСТЕМЫ
С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ НЕЧЕТКОЙ ЛОГИКИ
Интегрированные навигационные системы на основе инерциальных навигационных
систем (ИНС) и спутниковых навигационных систем (СНС) находят широкое применение для
определения координат местоположения в авиации, морском транспорте и других подвижных объектах [1,2]. Использование алгоритмов комплексирования позволяет компенсировать недостатки, присущие ИНС и СНС: увеличение погрешности в течение времени у ИНС
и ошибки, связанные с прохождением радиосигналов и недостаточным количеством наблюдаемых спутников у СНС [2]. Все это может приводить к потере целостности интегрированной навигационной системы. Под целостностью понимается способность системы информировать потребителя о выходе текущих погрешностей измерений за заданные пределы и
достоверность получаемой навигационной информации. При этом в качестве количественной характеристики целостности обычно используется вероятность и среднее время обнаружения соответствующего ухудшения качества измерений. Для контроля целостности
необходимо четко представлять области целостного состояния интегрированной системы и
потери целостности, а также границу между этими состояниями. Это не всегда возможно
сделать при наличии погрешности измерений, изменения параметров самих навигационных
систем, что приводит к нечеткости «размытости» границ [3]. Целью данного исследования
является использование методов и алгоритмов Fuzzy Logic (нечеткой логики) в задачах
контроля целостности интегрированных навигационных систем. В настоящее время существует несколько методов интеграции ИНС и СНС: разомкнутая, слабосвязанная, сильносвязанная и глубокоинтегрированная [2,4]. В работе для исследования был выбран вариант
слабосвязанной системы, как наиболее распространенный. Структура слабосвязанной интегрированной системы представлена на рис. 1. В слабосвязанной системе ИНС и СНС возможно независимое получение информации о координатах и получение оценки ошибки на
выходе интегрированного Фильтра Калмана. На основании данных ГЛОНАС/GPS-приемника
формируется оценка вектора координат и, на основании этого, производится коррекция
данных ИНС. В случае отказа одной из навигационных систем интегрированная система
сохраняет работоспособность. Для реализации фильтра Калмана в интегрированной системе была использована модель в программной среде MatLab Simulinc [4]. Модель слабосвязанной интегрированной навигационной системы представлена на рис. 2.
На рис. 3 приведен график изменения оценки ошибки интегрированной навигационной
системы при исправности СНС и ИНС. Из графика видно, что оценка ошибки на выходе
фильтра Калмана стремится к нулю.
84
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. Слабосвязанная схема комплексирования ИНС и ГЛОНАСС/GPS-приемника
Рис. 2. Структура слабосвязанной схемы в программе MatLab Simulink
Рис. 3. График оценки ошибки при исправности ИНС и СНС
85
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
На рис. 4 и рис. 5 приведены графики изменения оценки ошибки при отказах СНС и
ИНС. Из графика на рис. 4 видно, что при отказе СНС у ИНС начинает накапливаться ошибка, коррекция не производится и со временем интегрированная система не удовлетворяет
требованиям целостности.
Рис. 4. График оценки ошибки при неисправности СНС
На рис. 5 представлен случай отказа ИНС. При этом видно, что спутниковая система
продолжает работать, но при отсутствии сигнала в приемнике СНС произойдет полная потеря целостности.
Рис. 5. График оценки ошибки при неисправности ИНС
При изменении параметров СНС и ИНС оценки ошибки могут изменяться, при этом границы целостности тоже будут изменяться. Для принятия решения при контроле целостности
воспользуемся методам нечеткой логики и, в частности, алгоритмом, разработанным профессором E. Mamdani [3] и пакетом «Fuzzy Logic» в программной среде MatLab [3]. На входе
системы нечеткой логики (в блок фаззификации) подается оценка ошибки с выхода фильтра
Калмана слабосвязанной системы и далее через блок правил и базу знаний, которую мы
формируем, сигнал попадает на выход блока дефаззификации, где и получается оконча86
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
тельный результат. Уже по выходному сигнала с помощью программы мы определяем целостность всей системы или выявляем отказы.
Правила, которые мы вводим, создаются на основе полученных результатов моделирования слабосвязанной схемы в MatLab Simulinc.
Данный алгоритм математически может быть описан следующим образом.
– нечеткость: находятся степени истинности для предпосылок каждого привила А1(x0),
А2(x0), В1(x0), В2(x0).
– нечеткий вывод: находятся уровни «отсечения» для предпосылок каждого из правил
(с использованием операции min):
α1=А1(x0)^B1(y0),
α2=А2(x0)^B2(y0),
где через «^», как и раньше, обозначена операция логического минимума (min), затем находятся усеченные функции принадлежности
C’1(z)=(α1^С1(z)),
C’2(z)=(α2^С2(z)).
– композиция: с использованием операции max (обозначаемой как «v») производится
объединение найденных усеченных функций, что приводит к получению итогового нечеткого
подмножества для переменных вывода с функцией принадлежности
μ2(z) = C(z)= C’1(z) ν C’2(z) = (α1 ^ C1(z)) ν (α2 ^ C2(z)).
– наконец, приведение к четкости (для нахождения z0) приводится, например, центроидным методом (как центр тяжести для кривой μΣ(z)).[5]
Для моделирования в окне input1 пакета Fuzzy Logic задаем примерные интервалы областей состояний с помощью графиков на рис. 6:
Оба измерителя исправны от -0.02 до 0;
Отказ СНС от -0.005 до 0.07;
Отказ ИНС от 0.05 до 0.2.
Рис. 6. Окно ввода отказов систем
87
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Далее задаются правила, по которым система контроля целостности будет принимать решение об отказе и нарушение целостности системы. Эти правила вводятся в базу
знаний (рис. 7):
If (input1 is Оба исправны) then (output1 is mf1) (если сигнал из процесса моделирования попадает в диапазон от -0.02 до 0 то загорается сигнал Оба исправны);
If (input1 is Не исправен СНС) then (output1 is mf1) (если сигнал из процесса моделирования попадает в диапазон от -0.005 до 0.07 то загорается сигнал Отказ СНС);
If (input1 is Не исправен ИНС) then (output1 is mf1) (если сигнал из процесса моделирования попадает в диапазон от 0.05 до 0.2 то загорается сигнал Отказ ИНС).
В окне дефаззификации (рис. 8) принимается решение о целостности системы на основе нахождения оценки ошибки в одном из интервалов.
Рис. 7. Окно базы знаний
Рис. 8. Деффазификация и определение значения оценки состояния системы
88
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 9. Структура контроля целостности интегрированной навигационной системы
с использованием алгоритмов нечеткой логики
Реализация алгоритма Мамдани возможна на основе микроконтроллера нечеткой
логики, структурная схема которого представлена на рис. 9 [3].
Библиографический список
1. Соловьев Ю. А. Системы спутниковой навигации // М.:Эко-Трендз, 2000. 267с.
2. Анучин О. Н., Емельянцев Г. И. Интегрированные системы ориентации и навигации для морских
подвижных объектов //. СПб.: ГНЦ РФ – ЦНИИ «Электроприбор», 2003. 390 с.
3. Зак Ю. А. Принятие решений в условиях нечетких и размытых данных :Fuzzy-технологииn. М.:
Книжный дом «Либроком», 2013. 352 с.
4. Матвеев В. В., Распопов В. Я. «Основы построения бесплатформенных инерциальных навигационных систем»/ СПб. ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор», 2009. 280 с.
5. Дьяконов В., Круглов В. «Математические пакеты расширения MatLab. Специальный справочник»//
Питер, 2001. 480 с.
__________
89
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
РАДИОЭЛЕКТРОНИКА,
ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.383.8
А. А. Агроскин – магистрант кафедры радиоэлектронных и оптоэлектронных комплексов
Л. Д. Вилесов (канд. техн. наук, доц.) – научный руководитель
ОЦЕНКА ОШИБОК ИЗМЕРЕНИЯ КООРДИНАТ ИЗОБРАЖЕНИЯ
ОТ ТОЧЕЧНОГО ИСТОЧНИКА ОПТИЧЕСКОГО ИЗЛУЧЕНИЯ
При определении положения объекта на изображении в случае приема слабых излучений следует учитывать квантовый характер регистрируемого поля. Даже при отсутствии
мешающего фона измерение положения объекта всегда сопровождается ошибками, обусловленными фотонными флюктуациями полезного сигнала.
При фиксированной реализации пространственно-временной интенсивности (ПВИ) статистическое описание изображения дается условно-пуассоновской моделью. Но при этом
одновременно с оценкой положения объекта необходимо измерять ПВИ поля фотоотсчетов
[1], поскольку последняя входит в алгоритмы измерения, что позволяет решать задачу
в рамках условно-пуассоновской модели изображения. Этот подход к решению задачи
и результаты, полученные ниже, изложены в работе [2,3].
Ниже описываются результаты вычисления среднеквадратической ошибки измерения
координат изображения точечного источника оптического излучения на уровне фотоэлектронных шумов. При расчетах было принято, что задан диаметр дифракционного кружка
рассеивания сигнала 6, равный k, где k – число элементов подматрицы по строке
и столбцу; – размер элемента ПЗС-матрицы.
При этом для гауссовой аппроксимации распределения пространственно-временной интенсивности сигнала pS в подматрицу из k  k элементов попадает 99,8% энергии сигнала.
Расчеты были проведены для случаев четного и нечетного числа элементов подматрицы
k  k при различном отношении фон/сигнал P0/pS. Как видно из графиков (рис. 1), величина
нормированной дисперсии ошибки зависит от расположения центра дифракционного кружка
рассеивания относительно элемента подматрицы. Наиболее неблагоприятный случай соответствует совмещению центра дифракционного кружка с центром элемента подматрицы,
а наиболее благоприятный – положению центра на границе двух элементов подматрицы.
Это объясняется тем, что при расположении центра кружка в центре элемента градиент
изменения интенсивности сигнала в пределах центрального элемента равен нулю, то есть
fi ( x2 )  f j ( x1 )  0 .
90
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
При этом центральный элемент, где сосредоточена основная часть энергии сигнала,
становится неинформативным в алгоритме оптимальной оценки. Особенно сильно это проявляется при малом числе элементов k.
Однако ограничивающим фактором при выборе числа элементов подматрицы является не
размер дифракционного кружка рассеивания сигнала, а размер элемента подматрицы, который
определяется типом ПЗС. С учетом этого были проведены расчеты для среднеквадратического
значения ошибки оценки, нормированной к размеру элемента разложения . Результаты вычисσ
ления относительной ошибки x , как функции k, для различных параметров P0 / pS приве
дены на рис. 1, где параметру P0 / pS соответствует вполне определенное значение параметра
q
 sT
, равное отношению сигнал/шум на один элемент подматрицы.
 0T   sT
Расчеты выполнены для квантовых флуктуаций сигнала и фона при интегрировании
подматрицей 100 фотоэлектронов сигнала.
Эти же расчеты при p0  0 справедливы и для случая гауссовских флуктуаций сигнала,
которые вносит предусилитель ПЗС, что позволяет сравнить результаты расчетов
при p0  0 с результатами эксперимента, при которых основной вес имеют шумы предусилителя. Например, кривые при P0 / pS  0 , где (q  10) соответствуют уровню среднеквадратического значения шума предусилителя   10ME (машинных единиц) при среднем
значении сигнала ms  100ME .
При обнаружении сигнала обычно выделяется номер элемента с максимальным сигналом,
а подматрица оценки строится симметрично относительно этого элемента. Тогда минимальный размер подматрицы оценки k  k  3  3 . Это как раз соответствует области минимальной относительной ошибки оценки координат (заштрихованная область на рис. 1). Относительσ
ная ошибка x , соответствующая этой области имеет порядок 0,1 размера матрицы

элемента. Теперь следует уточнить, что необходимо понимать под размером дифракционного
кружка рассеивания сигнала. До сих пор радиус этого кружка рассеивания сигнала rs прини'
'
мался равным 3 , что соответствует 0,99986 энергии сигнала. Если радиус равен 2 , то это
соответствует 0,977 энергии сигнала. При rs  1,645 имеем 0,95 энергии сигнала. Таким
образом, если принять за rs уровень, который соответствует 0,95 полной энергии сигнала, то
несложно посчитать, что соответствующий диаметр кружка рассеивания ds  k  0,55 .
То есть для подматрицы из 3  3 элементов ds  1,65 .
Как видно из графиков на рис. 1 существует оптимальное число элементов матрицы,
при которой среднеквадратическая ошибка минимальна, возрастание ошибки слева и справа от минимума определяется, слева: влиянием квантования (при малом кол-ве элементов
матрицы), а увеличение ошибки справа – определяется возрастанием уровня шума при
увеличении числа элементов матрицы.
91
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 1. Зависимость нормированной среднеквадратической ошибки измерения координат
от числа элементов ПЗС матрицы
Библиографический список
1. Гальярди Р. М., Карп Ш. Оптическая связь. М., «Связь», 1978.
2. Ван Трис Г. Теория обнаружения, оценок и модуляции. Т. 1. М., «Сов. радио», 1973.
3. Вилесов Л. Д. Оптимальное измерение координат изображения источника оптического излучения
при наличии априорной неопределенности. Техника средств связи. Серия техника телевидения.
Вып. 1. 1985. стр. 31-37.
__________
92
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 550.388.2
Д. А. Андреева – студент кафедры радиотехнических и оптоэлектронных комплексов
Д. В. Благовещенский (д-р физ.-мат. наук) – научный руководитель
ОСОБЕННОСТИ ИОНОСФЕРЫ И КВ СВЯЗЬ
По современным представлениям нарушения КВ радиосвязи обусловлены процессами
в ионосфере, большинство которых тесно связано с солнечной активностью. Наиболее серьезные нарушения вызывают ионосферные бури и суббури. Показано, что при проектировании и реорганизации высокоширотных радиолиний следует учитывать и использовать основные тенденции развития КВ связи на основе современных достижений науки и техники.
Возмущения в авроральной и полярной ионосфере могут существенно влиять на сигналы в радиоканалах, пересекающих высокоширотную ионосферу. Начиная с середины
1960х годов, было установлено, что аномалии высокоширотной ионосферы могут искажать
радиосигналы в диапазонах от ОНЧ до УКВ как на земных трассах, так и на трассах Землякосмос, особенно во время возмущенных периодов и максимума солнечных пятен. В последние 40 лет значительные усилия были предприняты, чтобы научиться моделировать
и предсказывать главные параметры авроральной и полярной ионосферы. Несколько
меньшие попытки были посвящены развитию программ КВ распространения, которые включают высокоширотные ионосферные эффекты.
Известно, что популярность и долговечность систем КВ радиосвязи объясняются их
сравнительно низкой стоимостью, малыми эксплуатационными расходами, способностью
концентрировать мощные импульсы энергии в относительно узких секторах и т. п. Вместе
с тем КВ системы имеют и серьезные недостатки. Это малая надежность, особенно в периоды ионосферных и магнитных возмущений, низкая помехоустойчивость при приеме, необходимость изменения рабочих частот в зависимости от солнечной активности, суточных
и сезонных изменений ионосферы, аномальных геофизических явлений. Наиболее существенные затруднения в работе КВ систем радиосвязи возникают в полярных областях, где
проявления природных геофизических явлений особенно заметны.
Цель данного сообщения – коротко осветить главные последние результаты и представить новые достижения в области КВ распространения и связи за период 1980-2000 годы.
Причины нарушения радиосвязи
Главные особенности, которые воздействуют на распространение радиоволн (и радиосвязь) начиная с 50о инвариантной широты и выше к северу, включают минимум главного
ионосферного провала, северную границу провала, где вытянутые вдоль магнитных силовых линий ионосферные неоднородности начинаются в области D, E и F, а также авроральный овал, который доминирует.[1] Севернее аврорального овала условия распространения
радиоволн и качество связи контролирует ионосфера полярной шапки. Она характеризуется
очень низкой концентрацией электронной плотности в E и F областях зимой, вытянутыми
к Солнцу дугами и пятнами неоднородностей в F-области и, иногда, сильно увеличенным
поглощением в D-области.
Известно, что радиосвязь на коротких волнах также подвержена существенному воздействию ионосферных и магнитных возмущений. Особенно сильно это воздействие проявляется в полярных районах, значительно ухудшая радиосвязь. По современным представле93
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ниям нарушения КВ радиосвязи обусловлены процессами в ионосфере, большинство которых тесно связано с солнечной активностью. Наиболее серьезные нарушения вызывают
ионосферные бури и суббури, отличительной особенностью которых является изменение
критических частот и действующих высот слоя F2.
Другой важной причиной нарушения радиосвязи в полярных областях, как отмечалось,
является повышенное поглощение радиоволн в нижней ионосфере. Этот эффект, часто
переходящий в полное поглощение вызывает уменьшение или полное прекращение слышимости радиостанций на огромных пространствах, охваченных данным явлением. Выделяют два главных типа аномального поглощения: авроральное поглощение (АА) и поглощение типа полярной шапки (РСА).
Поглощение АА наблюдается преимущественно в зоне активности полярных сияний и носит крайне нерегулярный характер. Основным источником ионизации здесь является корпускулярное излучение Солнца, в частности высыпание электронов с энергией Ее ≥ 40 кэВ. Влияние аврорального поглощения на работу высокоширотных линий связи различно по
характеру, интенсивности, продолжительности и существенно зависит от протяженности
трасс, их ориентации относительно зоны полярных сияний, планетарного индекса магнитной
возмущенности и других факторов.
Поглощение РСА обычно наблюдается в районах полярных шапок: от полюсов до примерно 60о геомагнитной широты и может продолжаться от 2 до 10 суток. В отличие от поглощения АА оно появляется раньше начала магнитной бури и непосредственно связано
с достаточно мощными солнечными хромосферными вспышками. Происходит повышение
ионизации в нижней ионосфере благодаря вторжению потоков солнечных космических лучей (в основном протонов) с энергией 10-20 МэВ днем и 5-10 МэВ ночью. Практика показывает, что поглощение РСА приводит к значительному затуханию радиоволн на линиях связи,
даже если незначительная часть трасс распространения проходит в областях полярных
шапок.
Перспективы развития
Существуют сравнительные оценки ожидаемой эффективности различных систем связи
в полярных областях.[1] Из оценок следует, что КВ радиосвязь менее всего пригодна для
использования в системах высокой надежности. Это объясняется прежде всего серьезными
нарушениями КВ радиосвязи в периоды высокой солнечной активности. Однако данные
оценки составлены более 20 лет назад, когда еще не существовало ни персональных компьютеров, ни сети Интернет.
Начиная с 1980-х годов, КВ диапазон подвергся радикальной трансформации. Широкая
компьютеризация позволила КВ радио индустрии экспериментировать с адаптивной техникой, которая серьезно оспорила утверждение, что КВ диапазон нестабилен, непредсказуем
и ненадежен. Взяты на вооружение новые модемы, увеличивающие стандарт по отношению
к передаче данных. Имеет место общий рост в скорости передачи данных в КВ диапазоне.
При проектировании и реорганизации высокоширотных радиолиний следует учитывать
и использовать основные тенденции развития КВ связи на основе современных достижений
науки и техники. К ним относятся следующие: заметное увеличение скорости передачи данных за последнее время; автоматическое вхождение в связь; минимизация средств зондирования для сбора данных по распространению радиоволн; объединение очень развитых
моделей распространения и алгоритмов прогнозирования состояний радиоканала (трассы);
эффективная коррекция ошибок; существенно улучшенное знание физики Солнца, космиче94
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ской погоды и ионосферы; адаптивные формы сигналов, которые могут лучше приспособиться к искусственным и естественным радиопомехам.
Все перечисленное происходит на фоне традиционно существующей относительно низкой
стоимости КВ оборудования, программного обеспечения и всей инфраструктуры в целом.
Влияние указанных тенденций очень велико. КВ системы теперь гарантируют потребителям хорошее качество, надежность, высокоскоростную передачу данных посредством
новых разработок, которые относительно дешевы. Опытные операторы уже не нужны, поскольку созданы алгоритмы, которые автоматически управляют замираниями, корректируют
ошибки, выбирают частоты и моды распространения. У потребителей с неразвитой структурой телекоммуникаций появилась возможность надежного доступа к Интернету и электронной почте. На данный момент можно рассматривать КВ системы как альтернативу спутниковым связным системам или системам с арендным доступом.
Следует добавить, что последние годы характеризуются усиленными попытками смоделировать высокоширотную ионосферу и распространение радиоволн в полярных областях
на основе проверенных экспериментальных данных, проведением хорошо спланированных
комплексных экспериментов и сужением разрыва между потребителями и исследователями – поставщиками данных.
Несмотря на разработку, развитие и широкое внедрение в практику новых средств радиосвязи, КВ системы до настоящего времени играют важную роль во многих областях мирового хозяйства.
Современный взгляд на возможности КВ систем, в том числе и в высокоширотных областях, в корне отличается от отношения к этим системам двадцатилетней давности. По своим
основным параметрам современные КВ системы могут конкурировать со спутниковыми
связными системами, при этом являясь значительно дешевле последних.
Библиографический список
1.
Благовещенский Д. В. Распространение радиоволн: учебное пособие ГУАП, 2004. 108с.
__________
УДК 621.62-555
Р. Р. Батталов – студент кафедры микро- и нанотехнологий аэрокосмического приборостроения
Б. Г. Филатов (канд. техн. наук, доц.) – научный руководитель
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ТЕРМОСТАТИРОВАННОГО КВАРЦЕВОГО
ГЕНЕРАТОРА
Данная проблема актуальна, поскольку в современной радиоаппаратуре по всему миру
очень часто необходимы высокоточные генераторы стабильного электрического сигнала.
Высокостабильные кварцевые генераторы применяются как стандарты частоты в станциях
сотовой связи, приемо-передающей аппаратуре, навигационном оборудовании, наземных
95
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
станциях спутниковой радиосвязи, телефонных станциях и контрольно-измерительных
приборах.
Одним из путей повышения стабильности частоты кварцевого генератора является его
термостатирование. При конструировании термостатированного кварцевого генератора
(ТСКГ) необходимо знать его реакцию на внешние воздействия.
Целью моделирования является создание адекватной реальному термостатированному
кварцевому генератору (ТСКГ) математической модели, которая бы позволяла, внося соответствующие изменения в конструкцию моделируемого ТСКГ (изменение входных параметров), получать результаты, по которым можно было бы предсказать поведение и свойства
реальной системы с необходимой точностью, а также проведение исследования конструкции и функционирования ТСКГ, с использованием построенной модели, при различных
внешних воздействиях.
Обобщенная тепловая модель термостата изображена на рис. 1. Датчик температуры
(терморезистор) 5 контролирует текущее значение температуры камеры 4 термостата
(внутренний кожух). При отклонении (понижении) температуры от заданной включается
нагреватель 3 (например, транзистор) и компенсирует теплопотери камеры термостатируемого объекта 6, поддерживая температуру объекта с заданной точностью. Теплоизолирующий кожух 2 позволяет обеспечить уменьшение теплопотерь.
Схема термостатирующего устройства в составе ТСКГ, составленная с использованием
элементарных блоков модуля Simulink, представлена на рис. 2.
Для оценки работы ТСКГ была задана температура окружающей среды -65оС. Временные диаграммы работы схемы, смоделированной в модуле Simulink, показаны на рис. 3.
На верхнем графике изображена зависимость нормированной частоты от времени. Второй график показывает зависимость температуры внутри камеры термостата от времени.
На последнем графике отображена зависимость потребляемого тока от времени. Как видно
из графиков, термостат ТСКГ с достаточной скоростью и точностью выходит на режим.
Рис. 1. Тепловая модель термостата: 1 – корпус, 2 – теплоизоляционный кожух, 3 – нагреватель,
4 – камера термостата, 5 – датчик температуры, 6 – термостатируемый объект,
7 – прослойка, 8 – вывод объекта, 9 – вывод датчика
96
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 2. Схема термостата ТСКГ в системе Simulink
T, ° C
I, А
Рис. 3. Диаграммы работы схемы в Simulink
97
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
По проведенному моделированию можно сделать следующие выводы:
– термостат ТСКГ рассмотренной конструкции можно использовать для термостатирования, поскольку его выходная характеристика линейна;
– с помощью модели проанализировано поведение конкретной конструкции ТСКГ
и результаты моделирования хорошо согласуются с реальными исследованиями в термокамере;
– термостат справляется с малыми колебаниями температуры окружающей среды,
такие возмущения не мешают работе ТСКГ;
– для решения проблемы высокого токопотребления необходимо искать новые способы нагрева термостата.
Библиографический список
1. Альтшуллер Г. Б. и др. Кварцевые генераторы: Справ. пособие. М.: Радио и связь, 1984. - 232 с.
2. Дульнев Г. Н., Семяшкин Э. М. Теплообмен в радиоэлектронных аппаратах. Л.: «Энергия», Ленинградское отделение. 1968. 361 с.
3. Черных И. В.
«Simulink:
Инструмент
моделирования
динамических
систем»
http://matlab.exponenta.ru/simulink/book1/index.php
__________
УДК 621.317.335:681.518.3
А. А. Бруев – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
ВЫБОР КРИТЕРИЯ БЛИЗОСТИ ПРИ КОМЛЕКТОВАНИИ ВАРИКАПОВ
С ИДЕНТИЧНЫМИ ВФХ
Сталкиваясь с задачей обеспечения заданной точности выходных контролируемых параметров микроприборов, ее можно условно разделить на:
задачи обеспечения заданной точности одного выходного параметра;
несколько выходных параметров и характеристик, зависящих от параметра (частоты,
времени, напряжения, тока и др.).
Одной из наиболее трудоемких задач является обеспечение заданной точности идентичных характеристик выпускаемых микроприборов. Технологическое решение данной задачи предусматривает использование специальных технологических методов регулировки,
функциональной подгонки и комплектования, однако, во многих практических случаях это
трудно реализуемо. К таким приборам относятся полупроводниковые варикапы, комплекты
которых с идентичными характеристиками нашли широкое применение в современном приборостроении.
Для отлаженного технологического процесса вольт-фарадные характеристики (ВФХ) варикапов образуют компактные области и могут быть аппроксимированы с высокой точностью менее 1%.
98
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Для этого проводят статистический анализ производства, в результате которого подбирают наилучшую аппроксимацию ВФХ. Среди аппроксимирующих функций необходимо
выбирать наиболее простые и характеризующиеся минимальным количеством коэффициентов [1,4,6,7,8].
Вольт-фарадные характеристики представляют собой постоянно убывающие (невозрастающие) функции, которые могут быть аппроксимированы гиперболой или экспонентой.
В качестве примера рассмотрим функцию:
A1
C(Ucm)  Ao  Ucm ,
где Ao, A1 – постоянные коэффициенты.
Для получения линейной функции прологарифмируем функцию (1) и получим:
lnC(Ucm)  ln Ao  A1 lnUcm .
(1)
(2)
Введем обозначения lnC(Ucm)  y ;ln Ao  B1;lnUcm  x1 . Тогда соотношение (1) перепишется в виде:
y  A1  x1  B1.
Таким образом, в логарифмическом масштабе функция емкости lnC(Ucm)  y линейно
зависит от логарифма напряжения смещения lnUcm  x1 .
Далее измерим значения C (Ucm ) при различных напряжениях смещения в процессе
контроля ВФХ.
На основе полученного массива данных, используя метод наименьших квадратов [6,7,8]
можно определить параметры Ao и A1 модели (1) и доверительные интервалы полученных коэффициентов при заданной статистике n измеренных значений.
Доверительные интервалы позволяют задать минимально различимые изменения коэффициентов математической модели для различных форм ВФХ, т.е. определить «разрешающую способность» полученной аппроксимации на представленном статистическом материале.
В результате проведенной математической обработки, ВФХ будут характеризоваться
не n значениями емкости C (Ucm ) , а всего лишь двумя коэффициентами математической
модели, что позволит организовать следующие варианты процесса комплектования варикапов: комплектование с помощью подбора из двумерного вариационного ряда, организованного из коэффициентов моделей; селективное комплектование варикапов из двумерноорганизованных групп отклонений коэффициентов моделей.
Для модели (1) численные значения коэффициентов Ao и A1 , полученные для контролируемых ВФХ варикапов, размещают в виде точек на двумерном поле их отклонений (рис. 1).
Вольт-фарадные характеристики, имеющие близкие значения пар коэффициентов, будут также иметь одинаковый характер изменения.
Для того чтобы определить меры близости ВФХ и задания допуска на вариации коэффициентов, следует преобразовать допуск на отклонение ВФХ по координате C (Ucm )
в допуски на отклонения коэффициентов моделей.
99
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Определим уравнение погрешностей математической модели (1).
lnC(Ucm)  ln Ao  A1  lnUcm
dC (Ucm )
C (Ucm )

dAo
Ao
 A1  lnUcm 
dA1
A1
В частных производных уравнения погрешностей можно представить в виде уравнений
малых приращений
A
C (Ucm ) Ao

 A1  lnUcm  1 ,
C (Ucm )
Ao
A1
которые определяют расстояние между ВФХ различных варикапов в зависимости от вариаций коэффициентов математической модели.
Рассмотрим соотношения допустимых отклонений изменения емкости варикапа при помощи расстояния по Манхэттену [4,8], для определения области возможных вариаций коэффициентов математических моделей:
n
d ( X i , X j )   x ik  x jk ,
k 1
где X i , X j – векторы, между которыми оценивается расстояние; x ik – k-я составляющая
вектора X i ; n – размерность векторов X i , X j .
Величины коэффициентов математической модели Ao и A1 в данном случае являются составляющими векторов, характеризующих ВФХ, а модули разностей векторов нормированы относительно их номинальных значений
A
C (Ucm )

(3)

 A1  lnUcm.max 1  C ,
C (Ucm )

A1
которые позволяют получить область  допустимых значений коэффициентов математических моделей удовлетворяющих данному неравенству (рис. 2).
Таким образом, ВФХ отдельных варикапов имеющие коэффициенты математической
модели в пределах области  удовлетворяют требуемой точности, с которой определяется
их идентичность. На рис. 1 область  нанесена на двумерное поле отклонений коэффициентов математических моделей контролируемых ВФХ и наглядно иллюстрирует процесс
комплектования. В данном случае варикапы 2 и 17 попадают в область , что позволяет их
отнести к варикапам образующим комплект.
Перемещая область  по двумерной области отклонений коэффициентов (в направлении стрелок) можно достаточно просто определять все возможные комплекты варикапов,
имеющих близкие по форме ВФХ.
Автоматизация этого процесса может иметь различные варианты и реализуется с помощью достаточно простых алгоритмов.
100
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
 A0/A0

2
17
5
0
26
14
4
1
3
6
11
13
27
7
20
10
8
16
12
22
0
9
 A1/A1
18
15
19
21
29
24
25
23
28
Рисунок 1.Комплектование
математической модели.
варикапов
из
вариационного
 A0/A0
ряда
коэффициентов
A0/A0A1lnUcм.max
A1/A1


0
 A1/A1

A0/A0A1 lnUcм.max A1/A1
Рисунок .2. Область допустимых значений коэффициентов математической модели
для комплектования варикапов с идентичными характеристиками
101
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таким образом, проблема комплектования приборов с заданными характеристиками является одной из самых сложных и наименее разработанных, в связи с тем, что характеристики задаются в виде функций, зависящих от параметра, а в численном представлении
в виде таблиц, размерность которых определяет точность задания характеристики. Поэтому
такая задача комплектования относится к многомерным задачам, размерность которых
определяется точностью задания функции в табличном виде.
Рассмотренный критерий близости ВФХ позволяет построить алгоритм подбора, который базируется на сокращенном базисе первичных параметров [2,3], т.е. каждая ВФХ характеризуется только двумя первичными параметрами коэффициентов математической модели. Такое представление информации позволяет перейти от 8-10-мерного пространства
первичных параметров к 2-мерному пространству, резко сократить объем оперативной памяти для сравниваемых ВФХ. Однако при этом возникает необходимость реализации процедуры аппроксимации, для получения значений коэффициентов математической модели.
Кроме того, в каждой точке положения области  необходимо решать систему линейных
неравенств столько раз, сколько объектов попадает в эту область. При этом увеличивается
вычислительная сложность алгоритма подбора, который может быть эффективным при
небольших партиях комплектуемых объектов и необходимости получения максимального
процента выхода годных комплектов.
Библиографический список
1. Носов Ю. Р., Петросянц К. О., Шилин В. А. Математические модели элементов интегральной электроники.- М.: Сов. радио, 1976. 304 с.
2. Грохольский А. Л., Лубяный В. З., Лебеденко А. П. Информационные системы для автоматизации
комплектования изделий электронной техники с идентичными параметрами и характеристиками//
Измерения, контроль, автоматизация: Научно-технический сборник обзоров, вып.3(43),1982. С.3–8.
3. Лубяный В. З., Лебеденко А. П., Гордиенко Г. Ф. Автоматизация комплектования варикапов// Электронная техника, сер.7(ТОПО), вып. 2 (105), 1981. C.6–11.
4. Себастиан Г. С. Процессы принятия решений при распознавании образов.- Киев: Техника,
1965.306с.
5. Bonner R. E. A logical Pattern. Recognition and Reading by Machine. Proc. of the Easzern foint Computer
Cout. 1959.
6. Анго А. Математика для электро- и радиоинженеров/Пер. с фр. К.С. Шифрина.-М.:Наука,1967.-779с.
7. Лопухин В. А., Вязовкин А. А., Шелест Д. К. Применение комбинированного метода обеспечения
точности при производстве микросборок//Конструирование и управление качеством радиоаппаратуры: Межвузовский сборник/Под ред. А. Г. Важапетяна- Л.: ЛИАП,1983 г.
8. Лопухин В. А., Панушкин Б. П., Киселев А. В., Шелест Д. К. Сборка с групповой взаимозаменяемостью как метод повышения точности и надежности гибридных микросборок// Вопросы радиоэлектроники, серия ТПО, вып.3, 1982. С. 77–82.
__________
102
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.317.355:681.518.3
А. А. Бруев – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
РАЗРАБОТКА МЕТОДИКИ КОМПЛЕКТОВАНИЯ ВАРИКАПОВ
С ИДЕНТИЧНЫМИ ВФХ
В современных системах с высокой степенью избирательности требуются комплекты
варикапов с как можно близкими вольт-фарадными характеристиками (ВФХ). Изготовление
варикапов с идентичными ВФХ не может быть обеспечено в современной полупроводниковой технологии, поэтому их следует комплектовать так, чтобы разброс ВФХ комплекта варикапов был не более нескольких процентов. В связи с этим вопрос комплектования варикапов
является весьма актуальным.
Разделяют два метода комплектования: автоматизированные (машинные) и неавтоматизированные (ручные).
Преимуществом автоматизированного метода является то, что есть возможность учесть
большее число комбинаций и выбрать из этого числа самый подходящий, процент комплектуемости которого является самым высоким. В то время как в неавтоматизированном методе относительно невысокий процент комплектуемости, главным достоинством такого метода
является относительная простота реализации. По своей сути это механическая переборка
партии варикапов по отношению к одному – «опорному», предусматривая при этом лишь
логическую обработку информации.
Рассмотрим неавтоматизированные методы комплектования варикапов, где каждая
ВФХ характеризуется только двумя первичными параметрами коэффициентов математической модели. Данные методы позволят представить информацию не в 8-10-мерном пространстве первичных параметров, a в 2-мерном пространстве. Также это позволит, резко
сократить объем оперативной памяти для сравниваемых ВФХ и временные затраты. Ho в
данном случае возникает необходимость в реализации процедуры аппроксимации, чтобы
получить значения коэффициентов математической модели. Помимо этого в каждой точке
области  [1] необходимо решить систему линейных неравенств столько раз, сколько объектов попадает в эту область. Поэтому увеличивается вычислительная сложность алгоритма подбора, который может быть эффективен при небольших партиях комплектуемых объектов и необходимости получения максимального процента выхода годных комплектов.
Метод селективного комплектования варикапов с идентичными ВФХ, основанный на
предложенном критерии [1], заключается в селекции варикапов на двумерные группы по
величинам отклонений коэффициентов математических моделей с последующим их комплектованием. В данном методе предусматривается комплектование варикапов с близкими
по форме ВФХ из одноименных групп.
Для того чтобы организовать процесс такой селекции варикапов, необходимо определить групповые допуски на отклонения коэффициентов.
Рассмотрим область допустимых значений коэффициентов математических моделей
(рис. 1), которая представляет собой симметричную фигуру , ограниченную четырьмя
линейными ограничениями [1].
103
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Для задания групповых допусков отклонений коэффициентов математических моделей
необходимо в область  вписать допусковую область , представляющую собой прямоугольник, стороны которого будут параллельны координатным осям отклонений. Площадь
области  должна быть максимальной.
При определении размеров допусковой области  максимальной площади следует базироваться на основе критерия близости [1, 2] (рис. 1). Исходя из симметричности области
, площадь вписанного прямоугольника  будет максимальной, при условии, что будут
максимальны площади 11, 12, 21 и 22, составляющих прямоугольников.
Площадь прямоугольника 12 определяется произведением его сторон (рис. 2).
( A0 /A0)
  



 

( 
 
Область
группового
допуска -   
гр. 
гр.
A0 )

( A1 /A1)
 



(
гр. 
гр. A )
1
Рис. 1. Вписывание области группового допуска в область допустимых значений
коэффициентов математической модели для сортировки и комплектования варикапов


( A0 /A0)



 

( 
гр.
A0 )
 
b
гр. 
a
 
 

( A1 /A1)



гр. 
(
гр. A )
1
Рис. 2. Определение размеров максимальной допусковой области
104
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Из рис. 1 мы видим, что область группового допуска  значительно меньше области допустимых значений коэффициентов , однако такое представление позволяет производить
сортировку варикапов на группы, и что они будут иметь близкие по форме ВФХ с заданной
точностью.
Алгоритм селективного комплектования варикапов, рассмотренный выше, позволяет
свести процесс комплектования к двумерной сортировке и образовывать комплекты варикапов внутри групп. С другой стороны, распределение измеренных характеристик варикапов
внутри групп произвольно и в ряде случаев варикапы, имеющие близкие характеристики на
границах, не будут комплектоваться.
Для того чтобы повысить выход годных комплектов можно предложить воспользоваться
идеей метода последовательного селективного комплектования [5].
Суть такого метода заключается в сортировке комплектуемых объектов на селективные
группы, ширины которых в K раз меньше максимальной, определяемой допусками на соответствующий выходной параметр узла. Здесь K = 2,3,… – кратность комплектования, которая указывает, в пределах какого количества групп будут выполняться допуски на выходной
контролируемый параметр узла. При этом в пределах кратности комплектования можно
осуществить межгрупповую взаимозаменяемость. Отдельные объекты соседних групп, попадающие в границы кратности комплектования, могут образовывать комплекты, обладающие заданными допусками на выходные контролируемы параметры.
Особенность данного алгоритма заключается в том, что варикапы комплектуются
с близкими ВФХ, характеризуемыми одновременно двумя первичными параметрами – коэффициентами математической модели и соответственно процесс комплектования также
будет двумерным.
В заключение можно отметить, что метод двумерного селективного группирования
[3,4,6] является более простым, поскольку математические модели ВФХ описываются соотношениями с двумя коэффициентами, то и размерность пространства описания ВФХ равна
двум. Этот метод характеризуется минимальным количеством бункерных устройств для
хранения комплектуемых объектов, имеет детерминированный алгоритм отнесения объектов комплектования к селективным группам сортировки, однако имеет средний выход годных комплектов.
Метод последовательного селективного группирования занимает промежуточное место
между подбором [3] и простой сортировкой объектов комплектования [6] и обладает в той или
иной степени достоинствами и недостатками. По сравнению с селективным группированием –
обладает более высоким выходом годных комплектов, за счет организации межгрупповой
взаимозаменяемости, более высокой гибкостью за счет использования различных стратегий
комплектований, однако большим количеством селективных групп (в зависимости от кратности
комплектования). А по сравнению с методом подбора метод последовательного селективного
комплектования имеет совершенно определенную процедуру обработки информации и принятия решения об отнесении объекта комплектования к селективной группе.
Библиографический список
1. Шелест Д. К. Разработка критерия близости для комплектования микроприборов с идентичными
характеристиками //Изв. Вузов. Приборостроение. 1999. Т. 42, № 5 - 6, С. 69 – 73 .
2. Носов Ю. Р., Петросянц К. О., Шилин В. А. Математические модели элементов интегральной электроники. М.: Сов. радио, 1976.- 304с.
105
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
3.
4.
5.
6.
Грохольский А. Л., Лубяный В. З., Лебеденко А. П. Информационные системы для автоматизации
комплектования изделий электронной техники с идентичными параметрами и характеристиками//
Измерения, контроль, автоматизация: Научно-технический сборник обзоров. 1981, вып. 3(43), 1982.
С. 3–8.
Лубяный В. З., Лебеденко А. П., Гордиенко Г. Ф. Автоматизация комплектования варикапов//Электронная техника, сер.7(ТОПО). 1981, вып.2 (105).- С.6-11.
Метод последовательного селективного комплектования/В. А. Лопухин, Д. К. Шелест, А. А. Вязовкин,
М. П. Чудаковский// Вопросы радиоэлектроники. Серия ТПО. 1982, вып. 1. С. 73–79.
Комплектование микросборок электронных схем с несколькими выходными параметрами/
В. А. Лопухин, Д. К. Шелест, А. А. Вальнер, М. П. Чудаковский// Вопросы радиоэлектроники, сер.
ТПО. 1984, вып. 3. С. 88–93.
__________
УДК 629.78.05
И. Ю. Буданов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Ю. З. Бубнов (д-р техн. наук, проф.) – научный руководитель
РАЗРАБОТКА И ИССЛЕДОВАНИЕ ПОЛУПРОВОДНИКОВЫХ СЕНСОРОВ НА СО2
В настоящее время углекислый газ используется во многих сферах деятельности человека: химическая отрасль, фармацевтика, пищевая отрасль, медицина, металлургическая
отрасль, лабораторные исследования и анализ, целлюлозно-бумажная отрасль, электроника, сельское хозяйство и экология.
В каждой из них нужно контролировать концентрацию СО2, а для этого необходимы недорогие, надежные сенсоры, которых сейчас нет.
Большинство типов сенсоров, таких как термокаталитические, электрохимические, оптические инфракрасные, пламенно-ионизационные, фотоионизационные – непригодны для
контроля концентрации CO2.
Более-менее подходящие для этого – оптические сенсоры, но как мы видим ниже, недостатки этого типа сенсоров не позволяют нам использовать их.
Напротив, полупроводниковые газовые сенсоры при добавлении в газочувствительный
слой катализаторов, имеют высокую чувствительность к СО2. А так как производятся они по
тонкопленочной технологии, еще и низкую стоимость.
Цель работы. Разработка тонкопленочных полупроводниковых сенсоров с приемлемой
для практического применения чувствительностью к углекислому газу.
Для достижения указанной цели необходимо было решить следующие основные задачи:
– провести библиографический поиск и анализ публикаций отечественных и зарубежных исследователей полупроводниковых сенсоров на СО2;
– провести исследование методов «очувствления» полупроводниковых сенсоров
к СО2 за счет введения легирующих примесей в газочувствительный слой SnO2;
– разработать методику определения зависимости отклика сенсоров на СО2 от мощности нагревательного элемента и методику определения концентрационных зависимостей
сенсоров на СО2;
106
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
– провести исследование влияния различных каталитических покрытий на чувствительность сенсоров к СО2;
– провести исследование по применению различных концентраций гадолиния и температур диффузии Sb – Gd в SnO2
Проведенный анализ публикаций показал:
– введение в толстопленочные слои SnO2 добавок редкоземельного элемента La приводит к появлению у сенсоров на их основе чувствительности к CO2. При этом чувствительность к CO2 имеет максимум при концентрации La 0,01М и возрастает при увеличении температуры термообработки газочувствительного слоя в диапазоне температур от 400 до 1000

C. Однако, воспроизводимость и стабильность характеристик таких сенсоров в настоящее
время неудовлетворительна.
– использование Pt/Ca катализаторов в тонкопленочных слоях SnO2 обнаруживает
чувствительность к CO2. Однако чувствительность к CO2 сенсоров с такими катализаторами
чрезвычайно низка и не дает возможности их практического применения.
Исходя из этого, следующим шагом было исследование методов «очувствления» полупроводниковых сенсоров к СО2 за счет введения легирующих примесей в газочувствительный слой SnO2[1]. Результаты можно свести к двум пунктам:
– механизм функционирования полупроводниковых сенсоров основывается на хемосорбционном окислительно-восстановительном взаимодействии исследуемого газа с газочувствительным полупроводниковым слоем SnO2, приводящем к обогащению носителями
заряда зоны проводимости полупроводникового слоя;
– процесс взаимодействия исследуемого газа со слоем SnO2 интенсифицируется
наличием каталитических элементов на его поверхности и повышением температуры сенсора с помощью интегрированного нагревательного элемента.
Теперь необходимо разработать методику определения зависимости отклика сенсоров
на СО2 от мощности нагревательного элемента и методику определения концентрационных
зависимостей сенсоров на СО2 для нахождения оптимальных значений, провести исследование влияния различных каталитических покрытий на чувствительность сенсоров к СО2[2],
провести исследование по применению различных концентраций гадолиния и температур
диффузии Sb – Gd в SnO2. Итоги:
– разработана технология формирования на одном полупроводниковом кристалле
двух локальных областей, содержащих различные каталитические элементы;
– разработаны методики определения зависимости отклика сенсоров на СО2 от мощности
нагревательных элементов и определения концентрационных зависимостей сенсоров на СО2;
– показано, что для получения приемлемой чувствительности сенсоров к СО2 необходима реализация двух условий: легирование газочувствительного слоя редкоземельным
элементом (гадолинием); наличие каталитического покрытия с элементами палладий – платиновой группы;
– установлено, что из каталитических покрытий палладиево – платиновой группы
наибольшую чувствительность к СО2 обеспечивает стекловидная пленка состава
3%PdO.1%PtO.96%SiO2;
– проведенные исследования по применению различных концентраций гадолиния и
температур диффузии Sb – Gd в SnO2 показали перспективность увеличения концентрации Gd
до 30% и температуры диффузии до 1000%0С и целесообразность применения указанных
решений в технологическом процессе изготовления полупроводниковых сенсоров на СО2.
107
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Выводы:
– предложен механизм чувствительности полупроводниковых газовых сенсоров к СО2,
основанный на окислительно-восстановительном взаимодействии СО2, с хемосорбированным
ионами кислорода, в результате которого образуется общий комплекс [СО2-О2] с общими электронными орбитами и переходом высвобожденных электронов в зону проводимости SnO2;
– показано, что для получения приемлемой для практических применений чувствительности сенсоров к СО2 необходима реализация двух условий: легирование газочувствительного слоя SnO2 редкоземельным элементом(гадолинием); наличие в структуре кристалла сенсора каталитического покрытия с элементами палладий-платиновой группы;
– предложен метод одновременной диффузии Sb и Gd из стекловидной пленки в слои
SnO2, позволяющий плавно регулировать сопротивление газочувствительного элемента и
определенно оптимальное с точки зрения его сопротивления соотношение Sb и Gd – 10%
Sb, 20% Gd.
Библиографический список
1. Шилова О. А., Бубнов Ю. З., Жабрев В. А. Экспериментальное исследование процессов легирования газочувствительного резистивного слоя SnO2 посредством диффузии допантов из «spin-on
glass» пленок // Тезисы доклада на Всероссийской научной конференции «Физика полупроводников
и полуметаллов (ФПП-2002)», Санкт-Петербург, 2-6 февраля 2002 г., СПб.:Российский государственный педагогический университет им. А.И. Герцена, 2002, с. 44-46
2. Бубнов Ю. З., Жабрев В. А., Шилова О. А., Кощеев С. В., Максимов А. И., Мошников В. А. Локальный
анализ каталитических покрытий для газочувствительных адсорбционных сенсоров в интегральном
исполнении // Материалы VIII Международной научно-технической конференции (Москва, ОАО ЦНИТИ
«ТЕХНОМАШ», 2002, 11-13 сентября), ОАО ЦНИИ «ТЕХНОМАШ», Москва, 2002, с. 298-302. [Bubnov
Yu.Z., Koscheev S.V., Maximov A.I., Moshnikov V.A., Shilova O.A., Zhabrev V.A. Local analysis of catalytic
coatings for gas sensetive microelectronics structures // Proceedings of the 8th International Conference “High
Technology in Russian Industry” (Moscow, JSC Central Research Technological Institute “TECHNOMASH”,
2002, 11-13 September), JSC CRTI “TECHNOMASH”, Moscow, 2002, P. 298-302.].
__________
УДК 681.5: 614.842.4
Р. И. Васильев – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
ДАТЧИК ТЕМПЕРАТУРЫ С ПИТАНИЕМ ОТ СОЛНЕЧНЫХ БАТАРЕЙ
Проблема получения электрической энергии для питания датчиков из внешней среды
является весьма актуальной. Наиболее перспективным способом получения электрической
энергии является питание датчиков от солнечных батарей. Однако данное направление
сопряжено с необходимостью решения ряда инженерных задач:
– получение электрического питания заданной мощности (напряжений питания и токов) для устойчивой работы автономного датчика;
– борьба с большими перепадами солнечной энергии во время работы датчика.
108
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Современные приборные системы характеризуются большим объемом обрабатываемой информации, которая базируется на информации множества преобразователей параметров внешней среды в электрические сигналы (датчиков). Каждый из датчиков имеет
множество связей с информационно-измерительной системой (ИИС): информационные
каналы, шины запросов, синхронизации и питания. В большинстве случаев это электрические проводники, подверженные электромагнитным помехам, причем с увеличением расстояний между ИИС и датчиком влияние электромагнитных помех усиливается, и для их
подавления затрачиваются дополнительные ресурсы.
Для преодоления указанных проблем в настоящее время используются автономные
датчики, представляющие собой автономные системы, связанные с ИИС только информационным каналом.
Наиболее простым примером, позволяющим экспериментально оценить преимущество
автономных датчиков, является датчик температуры с питанием от солнечных батарей.
В качестве первичного чувствительного элемента (ПЧЭ) использован терморезистор сопротивлением 100 кОм в диапазоне температур от 0 до 100С, включенный во времязадающую цепь генератора импульсов.
Вторичный преобразователь основан на импульсном преобразовании напряжения, на
терморезисторе в последовательность импульсов с частотой пропорциональной температуре.
Данное преобразование осуществляется с помощью RC генератора с частотой 10 кГц. Для
получения дискретных значений температуры создан второй генератор с частотой импульсов
50 Гц. В процессе положительного значения выходного напряжения формируются пачки импульсов длительностью 10 мс с дискретностью 0,1 мс, которые через усилитель подаются для
питания светодиода и дальнейшей передачи по оптоволоконному каналу в ИИС.
Структурная схема экспериментальной установки представлена на рис. 1.
Принцип работы приведен на рис. 2.
Измерительный генератор
t°
1
1
к ИИС
&
Питание АД
+
+ Епит
-
1
1
Общ.
Рис. 1. Структурная схема экспериментальной установки
109
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
f≈10кГц, Т=0,1мс
f ВЧ
F=50Гц
f НЧ
10мс
1 2 3 4
&
100
Рис. 2. Принцип работы датчика температуры
Реализация вторичного преобразователя выполнена на цифровых ТТЛ-микросхемах
155 серии (1533, 555) с питанием +5 В, либо на основе КАМОП микросхем 176 и 561 серии.
В последнем случае значительно сокращается потребление энергии, однако напряжение
питания достигает +9 В.
Схема экспериментальной установки представлена на рис. 3.
+ Епит
SZ1
U = 9B, I = 0,3A
P = 2,7 Вт
SZ2
SZ3
t°
Высокочастотный
генератор
&
Формирова
тель
(инвертор)
Оптоволоконный
световод
SZ4
SZ5
Низкочастотный
генератор
SZ6
Общ.
Рис. 3. Схема экспериментальной установки
110
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Частота ВЧ генератора ограничена сверху временем включения и выключения выходных светодиодов. Половина периода генератора НЧ определяет точность получения информации о температуре. Для повышения точности можно увеличить количество импульсов
высокой частоты в половине периода генератора низкой частоты.
Питание автономного датчика определяется необходимой мощностью источника питания: напряжением питания микросхем и потребляемым токам.
Энергетический расчет
Суммарная мощность электронной части автономного датчика P равна сумме потребляемых мощностей его компонентов:
n
P   Pi ,
i 1
где Pi – потребляемая мощность i-го компонента.
1. Расчет мощности, потребляемой компонентами автономного датчика:
P  I U ,
где P – мощность; I – ток; U – напряжение.
Мощность для микросхем 155 серии:
P  30мА  5В  150мВт
Напряжение питания 5 В. Потребляемый ток 100 мА. Средняя потребляемая мощность –
100…500 мВт
Потребляемая микросхемами счетчиков мощность в статическом режиме не превышает
значений:
К176ИЕЗ, КЛ76ИЕ4, К176ИЕ5....... 2,26 мВт;
К176ИЕ2, К176ИЕ8.......... 0,9 мВт;
К176ИЕ12, К176ИЕ18.......... 0,3 мВт;
К176ИЕ13, К176ИЕ17.......... 0,46 мВт.
В настоящее время промышленность выпускает микросхемы серии КР1554, относящиеся по структуре к группе КМОП. Они практически по всем параметрам превосходят микросхемы ТТЛ и КМОП всех серий, лишь незначительно уступая по задержке переключения
наиболее быстродействующим микросхемам ТТЛ.
Напряжение питания микросхем серии КР1554 – от 2 до 6 В, параметры нормируют при
значениях напряжения питания 3,3 +0,3 В и 5 В +10%. Рабочий температурный интервал –
45...+85 С. Средний ток потребляемый микросхемой 24 мА, для микросхем средней степени
интеграции; реально он значительно меньше. Потребляемая мощность в среднем составляет Р  24мА  5В  120мт .
2. Расчет мощности, создаваемой солнечной батареей.
Количество модулей солнечной батареи по напряжению питания
Напряжение модуля солнечной батареи – Uмод = 1,5 В;
Выходной ток – I мод = 300 мА;
Мощность – P = U . I = 1,5 . 0,3 = 0,45 Вт.
Количество модулей солнечной батареи – n = Uпит/Uмод = 9,0/1,5 = 6 шт.
Количество микросхем 155 серии при питании от солнечной батареи по мощности
np = Pпит/Pмод=0,45/0,15 = 3.
Количество микросхем 176 серии при питании от солнечной батареи по мощности
np = Pпит/Pмод=0,45/0,02 = 23.
111
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Количество микросхем КР1554 серии при питании от солнечной батареи по мощности
np = Pпит/Pмод=0,45/0,12  4.
Таким образом, сложность автономного датчика на микросхемах 155 и 1554 серии, ориентировочно, может составлять одноканальный датчик. При реализации автономного датчика на микросхемах по КМОП технологии возможно построение многоканальных датчиков
с временным разделением информации каналов.
Библиографический список
1. Сысоева С. М. Новые сенсорные решения. // Компоненты и технологии. 2011. №8. стр. 59-68
2. http://www.chipinfo.ru/dsheets/ic/1554/index.html
3. http://creatiff.realax.ru/?cat=spmikro&page=smikr11
4. http://vicgain.sdot.ru/spmikro3/1-1mikr.htm
__________
УДК 629.78.05
Е. М. Гаврилова – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Б. Г. Филатов (д-р техн. наук, проф.) – научный руководитель
ПРОЕКТИРОВАНИЕ ЭЛЕКТРОННЫХ УЗЛОВ НА ОСНОВЕ ТЕХНОЛОГИИ
ВНУТРЕННЕГО МОНТАЖА
Актуальность данной работы заключается в постоянстве проблемы миниатюризации
конструкций электронной аппаратуры.
Появление сверхминиатюрных корпусов элементной базы (безвыводных компонентов,
компонентов в BGA корпусах) позволило приблизиться к максимуму эффективного использования площади монтажного основания печатных узлов. Дальнейшее направление миниатюризации – размещение компонентов в слоях монтажного основания – было предложено
еще в 80-х годах, однако технологические проблемы не позволяли реализовать это конструкторское решение. В настоящее время технология внутреннего монтажа бурно развивается за рубежом и на ряде ведущих отечественных предприятий радиоэлектронной отрасли.
Еще в конце 80-х – первой половине 90-х годов стала очевидной техническая и экономическая нецелесообразность ремонта сложных радиоэлектронных функциональных блоков на печатных платах: затраты на выявление и устранение дефекта стали превышать
себестоимость функционального блока, а рабочий ресурс отремонтированного блока стал
ниже, чем у блока, не подвергавшегося ремонту. Это, в свою очередь, способствует поиску
новых решений.
Таким образом, проблема создания конструкторско-технологического решения по
встроенным конструкциям является актуальной, перспективной и имеющей научную значимость.
На сегодняшний день эта технология в обычную промышленность только внедряется.
Но в то же время и хорошо развита. Это объясняется тем, что раньше она использовалась
112
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
только для военной и медицинской промышленности, что подтверждается наличием соответствующих стандартов. Технология внутреннего монтажа обладает хорошими показателями, но в то же время требует много материальных затрат. Тут уже решается вопрос отношения качество-стоимость.
К положительным качествам можно отнести следующее:
– достаточно высокий уровень отработки базовых конструктивно-технологических решений по встроенному монтажу, позволяющий обеспечить серийное производство электронных узлов;
– наличие большого числа вариантов конструкций и технологий для различных конструктивных типов и исполнений, что позволяет разработчикам выбрать наиболее рациональный вариант;
– наличие конструктивных решений по обеспечению необходимого теплового режима
работы встроенных компонентов;
– значительные преимущества по габаритам и помехозащищенности микроузлов
с внутренним монтажом по сравнению с поверхностно-монтируемыми конструкциями;
– возможность обойтись без применения пайки и отсутствие сопутствующих проблем;
– вполне приемлемые производственно-экономические показатели по изготовлению
таких узлов.
Описание простейшего варианта функционального узла электронной аппаратуры широкого применения с внутренним монтажом состоит в следующем: это кремниевые кристаллы,
помещенные внутрь керамической, металлической, пластмассовой платы и смонтированные
на поверхности платы пассивные компоненты (к пассивным относятся элементы, в которых
рассеивается (резисторы) или накапливается (катушка индуктивности и конденсаторы) энергия). Вариантом является встраивание активных (активным называется элемент, содержащий
в своей структуре источник электрической энергии) и пассивных компонентов во внутренние
слои печатной платы с последующим совмещением и ламинированием отдельных слоев.
В соответствии с технологией внутреннего монтажа кристаллы ИС не корпусируются,
а закладываются в тело самой подложки – основы функционального радиоэлектронного
блока – печатной платы. Поэтому технология и получила название «внутренний монтаж».
Это серийная технология, прошедшая все виды испытаний и отраженная в соответствующем военном стандарте (ОСТ В 11 1009-2001 «Микросборки и многокристальные модули»).
Данная технология чрезвычайно эффективно работала в военной радиоэлектронике и сейчас готова к внедрению во всех видах радиоэлектронной аппаратуры (аналоговой, цифровой, высокочастотной и т.д.). Технология придает радиоэлектронному блоку характеристики,
недостижимые при любом другом виде монтажа конкретных элементов.
Новый способ внутреннего монтажа имеет две разновидности: монтаж теплонагруженных узлов и монтаж теплоненагруженных узлов.
Процесс внутреннего монтажа теплонагруженных СВЧ-узлов имеет следующую последовательность операции:
– в кремниевом, нитриталюминиевом или алмазоподобном основании лазером или
методом анизотропного скоростного ионно-плазменного травления вскрываются сквозные
отверстия для последующей закладки кристаллов;
– в отверстия основания, размещенного на ровной поверхности, закладываются активной стороной вниз все кристаллы, входящие в состав функционального радиоэлектронного блока;
113
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
– через коваровую (инваровую) маску на тыльные стороны кристаллов методом
сверхзвукового газодинамического порошкового напыления наносится слой сплава МД40
(МД50). При этом происходит фиксация кристаллов в отверстиях основы. Разновысотность
кристаллов компенсируется разницей во времени нанесения сплава;
– если есть необходимость в дополнительном теплоотводящем основании, то оно
(без отверстий, но с возможной силовой разводкой) напаивается на первое основание
с помощью эвтектического припоя;
– на сборку наносится слой париленового покрытия и далее парилен обрабатывается,
как полиимидная пленка.
Процесс внутреннего монтажа нетеплонагруженных функциональных радиоэлектронных
блоков может иметь следующий набор операций:
– в алюминиевой, керамической или кремниевой основе штампом, лазером или методом анизотропного ионноплазменного травления формируются отверстия под закладку
кристаллов;
– в отверстия основы, размещенной на ровной поверхности, активной стороной вниз
закладываются кристаллы;
– на тыльную сторону кристаллов и стенки отверстий, в которые они уложены, дозированно наносится клей, фиксирующий кристаллы в заданном положении;
– в установке нанесения париленового слоя на все поверхности сборки наносится
слой парилена;
– далее с париленовой пленкой работают, как ранее с полиимидной.
Встает вопрос: «Как технология внутреннего монтажа может содействовать преодолению нашей радиоэлектроникой финансового кризиса?2 На него можно ответить следующим
образом.
В случае перехода на внутренний монтаж:
– сократится стоимость компонентов (кристаллы ИС на один – два порядка дешевле
своих корпусных аналогов), кристаллы без корпуса можно заказывать у тех же производителей, что поставляют корпусные компоненты;
– не нужно создавать производство новейших корпусов ИС (например, BGА-корпусов)
и тратить средства на корпусирование ИС за рубежом;
– не нужно организовывать «передовые» производства печатных плат (гигантские затраты!);
– исключаются затраты на регенерацию, переработку, хранение и утилизацию вредных веществ и отходов, необходимые при производстве корпусов ИС и печатных плат. Технология внутреннего монтажа – экологически чистая технология;
– можно эффективно использовать имеющиеся схемотехнические и программные
разработки для производства конкурентоспособной РЭА, меняя лишь технологическое исполнение блока с выводного (штырькового) или поверхностно смонтированного исполнения
на внутренне смонтированное;
– можно значительно уменьшить габариты конструктивов и внешних корпусов РЭА, за
счет миниатюризации технологии;
– можно получить большой экономический эффект от увеличения надежности РЭА и,
как следствие, повысить ее конкурентоспособность.
Преимущества данной технологии перед остальными очевидны. Также стоит отметить,
что данная технология наиболее эффективна для производства мобильных приемовычис114
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
лителей, источников вторичного питания, СВЧ-блоков, иных блоков средств связи и телекоммуникаций, автомобильной электроники и т.п.
Для производства электронных блоков методом внутреннего монтажа используется
традиционное оборудование для производства микросборок: установки вакуумного напыления металлических пленок, установки ионно-плазменного травления диэлектрических слоев
и т.д. Это говорит о том, что затрат на создание нового оборудования не будет.
Необходимо абсолютно четкое понимание ситуации: внутренний монтаж не просто очередной виток развития конструкций и технологий электронных средств, а реально перспективный метод миниатюризации и функционализации электронной аппаратуры. Кроме того,
это наиболее предпочтительный на настоящий момент метод проектирования высоконадежной аппаратуры для сверхэкстремальных условий работы, например, для гиперзвуковых
летательных аппаратов и аппаратов для дальних космических полетов.
Внутренний монтаж – это высокое быстродействие, стабильность частотных характеристик, отсутствие паразитных явлений индуктивной и конденсаторной природы, высокая
надежность, нечувствительность к внешним несанкционированным электромагнитным воздействиям, удобный теплоотвод, высокая вибростойкость и т.д.
Библиографический список
1. Назаров Е. Производители РЭА голосуют за технолгию внутреннего монтажа– ЭЛЕКТРОНИКА:
наука, технология, бизнес, 2009, №3.
2. Кокорева И. Внутренний монтаж радиоэлектронных блоков. Что нового?, 2009, №6.
__________
УДК 629.753.33
С. М. Горбунов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
О. М. Филонов (канд. техн. наук, доц.) – научный руководитель
ДАТЧИК ДАВЛЕНИЯ С КРЕМНИЕВЫМ РЕЗОНАНСНЫМ
ИЗМЕРИТЕЛЬНЫМ ПРЕОБРАЗОВАТЕЛЕМ
Стремительное развитие технологии микроэлектроники открывает широкие возможности оснащения современных изделий космической и авиационной техники новыми датчиками
давления. Эти датчики являются основными элементами информационно-измерительных
систем на различных этапах эксплуатации, отличающихся воздействием широкого диапазона температур, ионизирующих излучений и жестких электромагнитных помех. В связи с этим
постоянно растут требования к устройствам сбора информации – датчикам и преобразователям давления.
Современный датчик должен иметь малые габариты и массу, высокую чувствительность, высокую стабильность работы, хорошую температурную стабильность и возможность
предоставления выходной информации в цифровом виде. Используемые в настоящее время системы измерения давления базируются в основном на устаревших конструктивнотехнологических решениях: потенциометрических, металлопленочных и фольговых тензо115
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
резисторах из сплавов металлов, применение которых ограничивает возможности улучшения метрологических и эксплуатационных характеристик и обеспечения работоспособности
в экстремальных условиях. В то же время в технике широко применяются новые поколения
датчиков давления с кремниевыми резонансными измерительными преобразователями.
В настоящее время и в обозримом будущем кремний останется основным материалом
микроэлектроники. Это объясняется рядом его уникальных физических и химических
свойств, из которых можно выделить следующие:
1. Кремний как исходный материал доступен и дешев, а технология его получения,
очистки, обработки и легирования хорошо развита, что обеспечивает высокую степень кристаллографического совершенства изготавливаемых структур. Необходимо специально
подчеркнуть, что по этому показателю кремний намного превосходит сталь.
2. Кремний обладает хорошими механическими свойствами. По значению модуля Юнга
кремний приближается к нержавеющей стали и намного превосходит кварц и различные
стекла. По твердости кремний близок к кварцу и почти вдвое превосходит железо. Монокристаллы кремния имеют предел текучести, который в три раза больше, чем у нержавеющей
стали. Однако при деформации он разрушается без видимых изменений размеров, тогда как
металлы обычно претерпевают пластическую деформацию. Причины разрушения кремния
связаны со структурными дефектами кристаллической решетки, расположенными на поверхности монокристаллов кремния. Полупроводниковая промышленность успешно решает
проблему высококачественной обработки поверхности кремния, так что зачастую кремниевые механические компоненты (например, упругие элементы в датчиках давления) превосходят по прочности сталь.
Кремниевый резонатор представляет собой параллелепипед плоской формы, защищенный герметичной капсулой и интегрированный в плоскость кремниевой мембраны. При
изготовлении чувствительных элементов применяются самые современные технологи роста
кристаллов, благодаря чему вся эта сложная структура получается с единой монокристаллической решеткой.
Принцип работы резонатора основывается на детектировании его собственных колебаний в условиях приложенного давления. В зависимости от знака приложенного давления
резонатор растягивается или сжимается, в результате чего частота его собственных механических колебаний соответственно растет или уменьшается. Колебания механического
резонатора в постоянном магнитном поле преобразуются в колебания электрического контура, причем частота этих колебаний прямо пропорциональна величине приложенного давления, в итоге, на выходе чувствительного элемента получается цифровой (частотный)
сигнал, точно отражающий величину измеряемого давления. Невозможно не упомянуть о
том, что сенсор является многопараметрическим. В сенсоре используются два идентичных
резонатора, расположенных таким образом, что они по-разному реагируют на изменение
перепада давления. В результате происходит выделение полезного сигнала в условиях
зашумленности, причем разница частот резонаторов пропорциональна перепаду давления,
сумма частот – статическому давлению, а сопротивление резонаторов пропорционально
температуре. По этим данным происходит аппаратная компенсация с одновременным получением дополнительной диагностической информации. Характеристики сенсора записываются в память датчика, и в дальнейшем по этим данным происходит компенсация влияния
температуры и статического давления. Частота собственных колебаний кремниевых резонаторов в основном определяется размерами резонатора, которые, в свою очередь, жестко
116
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
фиксированы кристаллической решеткой. По этой причине частота собственных колебаний
мало подвержена негативному влиянию внешних условий.
Высокая стабильность работы кремниевого резонансного чувствительного элемента, по
сравнению с другими чувствительными элементами, обусловлена принципом его действия и
заключается в следующем:
– сенсор имеет отличные упругие свойства кремния;
– сенсор имеет большой коэффициент тензочувствительности (≥2000) и соответственно высокую чувствительность измерения давления;
– поскольку резонансные частоты резонаторов зависят от их механических и конструктивных размеров, сенсор имеет очень малые температурные коэффициенты и очень
низкую чувствительность к примесям. В результате сенсор обеспечивает высокую долговременную стабильность;
– резонансную частоту можно считывать непосредственно с использованием счетчика
центрального процессора, тем самым обеспечивая высокую точность обработки данных.
Поэтому такой сенсор идеально подходит для использования в интеллектуальных датчиках.
Кроме того, поскольку сенсор не подвержен влиянию ошибок аналого-цифрового преобразования, присущих датчикам давления, основанных на других принципах работы, точность
датчика можно очень легко увеличивать дальше;
– используя большую часть возможностей кремниевого резонатора с большим коэффициентом тензочувствительности и всего лишь обрабатывая сигналы от двух резонаторов,
можно получить значения дифференциального и статического давления с гораздо большей
стабильностью;
– имеется возможность измерения температуры кремниевой мембраны через сопротивление резонатора. Температурная зависимость коэффициента упругости кремния хорошо изучена и достаточно четко определена.
Следующим важным фактором является устойчивость к внешним воздействиям (температуре и статическому давлению). Для емкостного и пьезорезистивных сенсоров это традиционно проблематичное направление: у емкостных датчиков происходит дрейф нуля из-за
незаметного, но существенного для точных измерений, перекоса сенсора; в случае пьезорезистивного сенсора – это существенная зависимость сопротивления полупроводниковых
пленок от температуры и статического давления. У кремниевых резонаторов ситуация кардинально лучше:
– геометрические размеры на 4-5 порядков (в десятки и сотни тысяч раз) меньше
подвержены влиянию температуры и статического давления, чем электрические характеристики (сопротивление, емкость);
– в сенсоре используются не один, а два идентичных резонатора, расположенных так,
что они по разному реагируют на изменение перепада давления.
Благодаря этому есть возможность разделить «полезный» и «паразитные» вклады
в сигнал (разница частот резонаторов пропорциональна перепаду давления, а сумма частот – статическому давлению с поправкой по температуре). Таким образом, возможна сразу
аппаратная компенсация с одновременным получением дополнительной информации, сопротивление тела резонатора является индикатором температуры. Индивидуальные характеристики сенсора записываются в память электроники, и в дальнейшем по температуре сенсора, происходит компенсация оставшихся влияний температуры и статического
давления.
117
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
В существующих датчиках дифференциального давления в защите от перегрузок реализована идеология емкостных датчиков давления: внутри капсулы сделан дополнительный
объем с центральной мембраной, демпфирующий перегрузку, перепуская избыток жидкости
на сторону низкого давления. Естественно, существует гидродинамическое сопротивление
внутри передающих жидкость каппиляров, которое существенно увеличивает время отклика.
Для увеличения быстродействия применяется новый механизм защиты от перегрузки по
давлению, а электронные схемы выполняют вычисления с высокой скоростью. Новый механизм защиты от перегрузки по давлению состоит из двух взаимно независимых механизмов
защиты от перегрузки по давлению, расположенных на сторонах высокого (H) и низкого (L)
давления. Этот механизм предотвращает движение внутренней жидкости в пределах диапазона измерения давления, обеспечивая быстрый отклик приборов.
«Кремниевый резонатор» можно назвать поистине цифровым сенсором (из инструментальной погрешности прибора исключена составляющая, приходящаяся на аналогоцифровое преобразование) – деформация сразу преобразуется в частоту. В отличие от
емкостного и пьезорезистивного датчиков, где промежуточный аналоговый параметр обязательно присутствует (деформация-емкость-частота, деформация-сопротивление-частота).
Этот факт, вкупе с чисто линейной зависимостью частоты от давления, дает большое преимущество «кремниевому резонатору». Благодаря чему для достижения более высокой
точности требуется только увеличить точность калибровки, а перестройка шкалы не требует
подстройки нуля и калибровки, обязательных для емкостного и пьезорезистивного датчиков.
Датчик давления с кремниевым резонансным преобразователем по многим характеристикам превосходит датчики давления с емкостным и пьезорезестивным преобразователями (табл. 1).
Таблица 1
Достоинства
Недостатки
Пьезорезестивный вторничный преобразователь
низкие гисторезистивные эффекты;
высокая точность;
высокая стабильность;
низкая цена;
хорошая линейность в широком диапозоне;
устойчивость к ударным нагрузкам;
ограничение по максимальной температуре
функционирования;
температурные зависимости параметров;
необходимость очень точного источника напряжения или тока;
Емкостной вторичный преобразователь
высокая точность;
высокая стабильность;
более высокая чувствительность (по сравнению
с пьезорезестивным преобразователем);
более низкая температурная зависимость чувствительности;
отсутствие гистерезиса;
лучшая временная стабильность;
Резонансный вторичный преобразователь
118
неленейная зависимость емкости от давления;
более сложная электрическая схема обработки
сигнала;
более высокая стоимость;
проблемы с паразитными связями при уменьшении размеров;
трудности измерения малых изменений
емкости;
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Можно с уверенностью утверждать, что в промышленных условиях резонансный метод
является единственной альтернативой емкостному и пьезорезистивному методам измерения давления, поскольку кремниевый резонансный чувствительный элемент преобразователя датчика давления, обладающий долговременной стабильностью и высокой точностью
позволяет улучшить качество и надежность работы.
__________
УДК 004.934
А. Е. Демидов – магистрант кафедры радиоэлектронных и оптоэлектронных комплексов
В. М. Смирнов (канд. техн. наук, доц.) – научный руководитель
ИСПОЛЬЗОВАНИЕ МЕРЫ СПЕКТРАЛЬНОГО ПЕРЕХОДА
ДЛЯ СЕГМЕНТАЦИИ РЕЧЕВОГО СИГНАЛА
Одной из важнейших задач в системах автоматической обработки речи является сегментация речевого сигнала в соответствии с фонетической транскрипцией языка. Сегментация необходима при решении задачи распознавания речи и выделения характерных признаков голоса на определенных сегментах речевого сигнала [1]. Точность сегментации
в значительной степени определяет надежность автоматического распознавания речи.
В исследовательских системах возможно использование ручной сегментации, однако
она требует значительных затрат сил и времени. Это связано с тем, что в слитной речи
практически нет пауз между словами. Кроме того коартикуляция, возникающая на границе
последовательно произнесенных звуков, затрудняет задачу поиска границ сегментов. Подобных проблем не возникает при автоматической сегментации, которая также не безошибочна, но дает воспроизводимые результаты.
Существуют два основных алгоритма сегментации речи. К первому типу относятся алгоритмы, которые производят сегментацию речи при условии, что известна последовательность фонем данной фразы. Второй тип алгоритмов не использует априорной информации
о фразе, границы сегментов определяются по степени изменения акустических характеристик сигнала. Ко второму типу относится сегментация с использованием кратномасштабного
анализа и вейвлет преобразование [2], метод, основанный на корреляции между кратковременными спектрами равноотстоящих по времени участков сигнала [3] и другие.
В данной статье описывается метод, основанный на мере спектрального перехода, который является одним из самых распространенных в системах распознавания речи [4].
Первый этап сегментации по данному методу заключается в вычислении мел-частотных
кепстральных коэффициентов. На вход подается последовательность отсчетов участка
сигнала, исследуемого на данной итерации, X 0 ,..., xN 1 . К данной последовательности
применяется весовая функция, традиционно используется оконная функция Хэмминга, дискретное выражение которой имеет вид:
n
Wn  0,54  0,46  cos(2
), n  0,...., N  1,
(1)
N 1
где n – номер отсчета, N – длина окна, выраженная в отсчетах.
119
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Затем применяется дискретное преобразование Фурье, при этом весовая функция используется для уменьшения искажений в Фурье анализе, вызванных конечностью выборки.
Тогда дискретное преобразование Фурье взвешенного сигнала можно записать в виде:
Xk  
2 i
kn
N 1
x w e N ,k
n0 n n
 0,....,N  1.
(2)
Значения индексов k соответствуют частотам:
fk 
Fs
N
k , k  0,...,N / 2,
(3)
где Fs – частота дискретизации сигнала.
Амплитудный спектр Фурье сглаживается (усредняется) в пределах «треугольных» частотных полос расположенных на мел-шкале. Для предельной частоты речевого сигнала,
равной 16 КГц берут 24 таких частотных полосы. Мел-шкала введена для приближения
частотного разделения сигнала на полосы в соответствии с механизмом работы слуховой
системы, в частности с понятием критических полос слуха, ширина которых постоянна до
1000 Гц и изменяется логарифмически при частотах более 1000 Гц.
Перевод в мел-частотную область осуществляют по формуле:
fk
(4)
).
700
Текущий диапазон переводят в мел-шкалу, разбивают на NFB диапазонов одинаковой
длительности и вычисляют соответствующие границы в области линейных частот. Обозначим через H m ,k весовые коэффициенты полученных фильтров. Коэффициенты применяB(fk )  1127  ln(1 
ются к квадратам модулей коэффициентов преобразования Фурье. Полученные значения
логарифмируются:
em  ln(
N
k 0
2
X k Hm.k ),m  0,...,NFB  1.
(5)
Заключительным шагом в вычислении мел-частотных кепстральных коэффициентов
является дискретное косинусное преобразование:
Ci  
N
e
m 0 m
FB1
cos(
i (m  0,5)
NFB
), i  0,...,NMFCC .
(6)
Количество коэффициентов NMFCC на практике выбирают не менее 16. Таким образом,
формируется вектор признаков по текущей итерации. На втором этапе вычисляется скорость изменения элементов вектора по формуле:
I
 n I ci (f  n)  n
a i (f ) 
I
 n I n2
(7)
где f – номер текущей итерации, I – количество соседних итераций слева и справа от
текущей.
120
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Мера спектрального перехода, рассчитывается следующим образом:
N
2
a (f )

i 1 i
STM (f ) 
,
MFCC
NMFCC
(8)
Заключительный этап сегментации состоит в определении границ между фонемами по
локальным максимумам функции STM.
Метод, основанный на мере спектрального перехода, позволяет получить на выходе
малочисленный вектор выводимых данных, что сокращает количество расчетов системы
для принятия решения. Исследования показали, что метод позволяет достаточно точно
отделять гласные, фрикативные, смычные и аффрикаты ввиду существенного различия
спектральных составляющих. Однако, в ходе сегментации, могут быть получены лишние
границы на гласных и сонантах, как показано на рис. 1, и пропуски на их сочетаниях, ввиду
сильно выраженной коартикуляции.
Рис. 1. Сегментация слова «вальс»
Библиографический список
1. Рабинер Л. Р. Цифровая обработка речевых сигналов / Л. Р. Рабинер, Р. В. Шафер. – М.: Радио и
связь, 1981. – 496 с.
2. Вишнякова О. А., Лавров Д. Н. Автоматическая сегментация речевого сигнала на базе дискретного
вейвлет-преобразования// Математические структуры и моделирование. 2011. вып.23. с. 43-48
3. Сорокин В. Н., Цыплихин А. И. Сегментация речи на кардинальные элементы// Информационные
процессы. Том 6. № 3. с. 177-207
4. Furui, S., «On the Role of Spectral Transition for Speech Perception», J. Acoust. Soc. Amer., Vol.
80(4):1016-1025, 1986 сс.
__________
121
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.398
С. Р. Карпиков – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
РАСЧЕТ МАГНИТНЫХ ХАРАКТЕРИСТИК
ДЛЯ МИКРОМЕХАНИЧЕСКОГО ДАТЧИКА УСКОРЕНИЯ
Целью работы было построить модель микромеханического датчика ускорения, выполненного по обращенной схеме [1] и провести компьютерное моделирование магнитной системы, образованной нанесенным на поверхность активного элемента датчика магнитотвердым материалом и магнитопроводом, выполненным из магнитомягкого материала.
Задачей являлось определение величины магнитной индукции в зазоре между слоем магнитотвердого материала и магнитопроводом, а также определение наиболее оптимальной
конструкции магнитопровода, направления намагничивания магнитотвердого покрытия
и формы покрытия.
Модель разрабатывалась в системе SolidWorks 2008. Для моделирования распределения магнитных полей использовалась система конечно-элементного анализа Ansys 13 [2].
Основу конструкции составляет монокристаллический кремний. В программе Ansys уже
имеется предопределенный материал Silicon Anisotropic, который и был взят для моделирования. Магнитопровод был выполнен из магнитомягкой стали с относительной магнитной
проницаемостью равной 10000 на основе материала Structural Steel.
В качестве материала для магнитотвердого покрытия был выбран сплав Nd-Fe-B, его
характеристики: коэрцитивная сила 800 кА/м, остаточная индукция 1,1 Тл. Эти значения
были рассчитаны как средние из параметров магнитов, выпускаемых промышленностью,
данные были взяты из каталога ООО «Элматех» [3].
Решено было провести моделирование для нескольких вариантов конструкции датчика:
– магнитное покрытие нанесено сплошным слоем, намагничивание вертикальное,
магнитопровод огибает пластину с одной стороны (рис. 1а);
– магнитное покрытие разделено на сегменты, намагничивание вертикальное, магнитопровод огибает пластину с одной стороны (рис. 1б);
– магнитное покрытие разделено на сегменты, намагничивание вертикальное, магнитопровод огибает пластину с двух сторон (рис. 1в);
– магнитное покрытие нанесено сплошным слоем, намагничивание горизонтальное,
магнитопровод расположен с одной стороны от пластины (рис. 1г).
а)
б)
в)
Рис. 1. Варианты конструкций датчика
122
г)
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
После проведенных расчетов были получены следующие результаты для первой конструкции: при толщине кремниевой пластины 200 мкм, толщине магнитного покрытия 10 мкм,
его ширине и высоте, равных 1,5 мм и воздушном зазоре 100 мкм над пластиной и 20 мкм под
пластиной, величина магнитной индукции в зазоре постоянна и составляет 32 мТл.
Для второй конструкции: толщина кремниевой пластины и размеры магнитного покрытия
как в предыдущей конструкции, воздушный зазор 10 мкм над и под пластиной, величина магнитной индукции в зазоре – 17 мТл. При этом магнитное покрытие разделено на 100 частей,
размерами 0,1 на 0,1 мм каждая.
В третьей конструкции величины зазоров 10 мкм, размеры магнитного покрытия 1 мм на
1,5 мм, оно разделено на 70 частей. Толщина кремниевой пластины 200 мкм. Величина
полученной магнитной индукции в зазоре – 18 мТл.
Для четвертой конструкции: толщина кремниевой пластины 200 мкм, толщина магнитного покрытия 10 мкм, воздушный зазор 10 мкм. Индукция в зазоре изменяется нелинейно
вдоль поверхности магнитного материала от 5,5 мТл до 55 мТл.
Для расчета силы Ампера, действующей на подвижный элемент датчика, была использована следующая формула:
F  I  B  L  n,
(1)
где I – сила тока, протекающего по проводящим полоскам, расположенным на магнитопроводе; B – индукция магнитного поля в зазоре, L – длина проводящих полосок, n – количество
полосок.
Сила тока определяется как 0,75 от тока плавления проводящей полоски, определенного по формуле (2), взятой из статьи [4]:
4b
Iпл 

 103  0.005
,
(2)
0.034
где b – ширина полоски, Δ – расстояние между полосками.
При рассмотрении 15 проводящих полосок шириной 50 мкм, расстоянию между ними
50 мкм и токе плавления 1.5 А, сила Ампера, согласно формуле (1): для первой конструкции
0,8 мН, для второй 0,5 мН, для третьей 0,4 мН, для четвертой расчет не проводился по причине того, что значение силы Ампера будет нелинейно изменяться вдоль поверхности активного элемента, так как изменяется значение индукции магнитного поля.
Выводы по проделанной работе:
– при заданных размерах покрытия и величине зазора возможно получить достаточно
большое значение силы Ампера, но нужны дополнительные расчеты, чтобы определить
необходимую для работы устройства величину этой силы.
В статье [4] приведен расчет силы Ампера для магнитоэлектрического преобразователя, выполненного по прямой схеме, с размерами пластины 5 на 5 мм, и получено значение
силы F=40 мН.
Расчеты показывают, что для преобразователя, выполненного по обращенной схеме по
третьему варианту, с размерами пластины 1,5 на 1 мм, значение силы F=0,4 мН. Так как
площадь пластины приблизительно в 17 раз меньше, следовательно, сила на единицу площади меньше в 6 раз по сравнению с прямой схемой:
– намагничивать пластину лучше вертикально, при этом поле более равномерное
и значение индукции в зазоре не изменяется вдоль магнита;
123
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
– был исследован случай, когда магнитное покрытие разделено на области с меньшим соотношением размеров (отношение длины и ширины к толщине). При этом значение
магнитной индукции уменьшилось в два раза при уменьшении площади покрытия во столько
же раз.
Библиографический список
1. Патент – 2399915 РФ, МПК G01P15/08 . Угловой акселерометр/ А. С. Орлов, Л. А. Завиновский,
А. И. Скалон – Опубл. 20.09.2010. Бюл. № 26.
2. Буль О. Б. Методы расчета магнитных систем электрических аппаратов. Программа ANSYS /
О. Б. Буль. – М.: Академия, 2006. – 288 стр.
3. Постоянные магниты – Интернет-магазин // ООО «Элматех»: [сайт]. – М., [2010]. – Режим доступа:
http://www.elmatech.ru/_ld/0/3_NdFeB.xls
4. Тыртычный А. А. Выбор и сравнительный анализ характеристик компенсирующих преобразователей микромеханических инерциальных датчиков [Текст]/ А.А.Тыртычный, А.И. Скалон // Датчики
и системы. – 2009. – N 2. – С. 21–23.
__________
УДК 621.396.969.34
В. Ю. Киселев – магистрант кафедры бортовой радиоэлектронной аппаратуры
Е. А. Антохин (канд. техн. наук, доц.) – научный руководитель
АЛГОРИТМЫ ОЦЕНКИ ВЕКТОРА СОСТОЯНИЯ
МАНЕВРИРУЮЩЕЙ ВОЗДУШНОЙ ЦЕЛИ ПО ДАННЫМ РЛС
Целью проводимых разработок и модернизаций радиолокационных станций (РЛС), в задачи которых входит автоматическое сопровождение воздушных целей, является получение
максимально достоверной информации о наблюдаемых объектах. Повышение точности алгоритмов сопровождения является темой исследований и публикаций последних десятилетий.
Для построения алгоритмов фильтрации воздушная цель рассматривается как дискретная во времени стохастическая динамическая система в пространстве состояний. Динамика
n-мерного вектора состояния цели s(k ) определена разностным уравнением:
s(k )  f [k ,s(k  1)]  v (k )
(1)
где s(k ) – вектор состояния системы в момент k , в него входят пространственные координаты цели, их производные. f [ k , s(k  1)] – функция перехода состояния на один шаг дискретного времени. v (k ) – белый гауссов шум, с нулевым средним и известной ковариационной матрицей Q(k ) , позволяет учесть в модели незначительные отклонения от принятого
закона движения.
Модель наблюдения параметров состояния системы вводится следующим образом:
z(k )  h[ k , s(k )]  w (k )
(2)
где z (k ) – вектор наблюдаемых параметров системы в момент k . w (k ) – белый гауссов
шум (БГШ), с нулевым средним и известной ковариационной матрицей R (k ) , отвечает за
124
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
погрешность радиолокационного измерителя, которая должна быть скомпенсирована. Шумы
динамики v (k ) и наблюдения w (k ) не коррелированны между собой и во времени.
Решение задачи оптимальной обработки информации базируется на двух концепциях
[1]: на марковской математической модели вектора текущего состояния объекта и на формуле Байеса, которая предполагает определение апостериорной условной плотности распределения вероятностей (ПРВ) p[ s(k ) | Z k  { z(k ); k  1, , n}] , содержащую всю информацию о текущем состоянии системы.
Марковское свойство случайного вектора s(k ) при наблюдениях (2) позволяет определить рекурсивную процедуру формирования апостериорной условной ПРВ, которая состоит
из следующих чередующихся шагов:
1. Экстраполяция (прогноз) апостериорной ПРВ:
p[ s(k ) | Z
k 1
]   p[ s(k ) | s(k  1)]p[ s(k ) | Z
k 1
]ds(k  1)
2. Обновление апостериорной ПРВ:
k
p[ s(k ) | Z ] 
p[ z (k ) | s( k )]p[ s( k ) | Z
 p[ z(k ) | s(k  1)]p[s(k  1) | Z
k 1
k 1
]
]ds( k  1)
Если модели (1) и (2) линейные, шумы аддитивные, белые и нормальные, то оптимальным приближением фильтра Байеса будет широко известный линейный фильтр Калмана
(ФК) [2]. Для случаев, когда условия линейности и гауссовости не выполняются, оптимальный фильтр – нелинейный. Применяются различные приближения, которые различаются способом гауссовой аппроксимации апостериорной ПРВ. Среди них можно отметить
следующие:
– расширенный фильтр Калмана (РФК) – алгоритм, в котором нелинейные векторные
функции f [ k , s(k  1)] и h[ k , s(k )] на каждом шаге фильтрации аппроксимируются линейными членами ряда Тейлора в окрестности точки экстраполированного значения вектора состояния [2], [3]. К функциям предъявляются требования дифференцируемости.
– фильтр Калмана на основе «Unscented» преобразования [4] (Unscented Kalman filter
(UKF)) и фильтр Калмана на основе «Spherical-Radial Cubature» преобразования [5] (Cubature Kalman filter (CKF)) – являются распространением фильтра Калмана на случай, когда
уравнения системы нелинейные и не могут быть адекватно линеаризованы. Далее используются аббревиатуры оригинальных авторских названий. Общая методика подразумевает
выбор набора характерных точек с различным весом в пространстве параметров состояния,
которые с достаточной точностью характеризуют моментные характеристики распределения
искомого случайного вектора параметров цели. Точки претерпевают нелинейное преобразование функциями прогноза f () и наблюдения h () . Путем взвешенного суммирования
находится гауссова аппроксимация оценки состояния системы.
Алгоритм CKF эквивалентен частному случаю значений параметров преобразования
в UKF. Однако имеет на одну точку меньше, что позволяет снизить количество вычислений
при той же точности оценки. Основная идея преобразований заключается в том, что легче
аппроксимировать ПРВ случайной величины с ненулевым средним, чем некую произвольную нелинейную функцию преобразования. Таким образом, метод снимает ограничение на
дифференцируемость функций. Кроме того, UKF и CKF обладают большей робастностью,
125
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
чем РФК, общностью синтеза для разных функций и сравнимой с РФК вычислительной
сложностью. При этом часто позволяют получить более точные оценки, поскольку реализуют, по существу, не аналитическую, а статистическую линеаризацию нелинейностей.
Оптимальность оценки одномодельного фильтра основана на гипотезе о точном соответствии модели динамики реальной траектории. Реальная траектория цели представляет
собой набор ограниченных по времени участков движения, отличающихся характером движения ВЦ. В частности, можно выделить участки равномерного прямолинейного движения
(РПД), равноускоренного движения (РУД), равномерного кругового движения (РКД). Поэтому
для описания траектории маневрирующей цели хорошо подходят смешанные случайные
процессы.
Оптимальная фильтрация таких процессов производится при помощи многомодельных
алгоритмов (ММА) [2], [3]. В ММА имеется набор моделей, соответствующих разным режимам движения, а также банк фильтров, каждый согласован со своей моделью. Фильтры
работают параллельно с последующим объединением оценок. Разные ММА отличаются
набором моделей и стратегией их взаимодействия. В данной работе исследуется наиболее
популярный, практически применимый, подоптимальный алгоритм фильтрации как маневрирующей, так и движущейся прямолинейно ВЦ – интерактивный многомодельный (ИММ)
алгоритм (Interactive Multiple-Model algorithm [6]). Адаптировать перевод можно следующим
образом: многомодельный алгоритм с межмодельным взаимодействием. Далее используется прямой перевод. Структура и последовательность операций ИММ алгоритма подробно
рассмотрены в публикациях [6], [7].
Набор фильтров может состоять как из линейных ФК, так и из нелинейных фильтров.
Применение ИММ алгоритма дает прирост точности по сравнению с одномодельным на
участках маневра при индексе маневренности цели: λ 
σ v T2
σw
 0.5 , где σ v – максималь-
но возможное ускорение при выполнении маневра по каждой координате. σ w – среднеквадратическая ошибка (СКО) измерителя по каждой координате.
В основе динамических моделей цели лежат физические законы движения [3]. Вектор
состояния модели РПД содержит координаты и скорости цели в декартовой системе координат. В модели РУД вектор состояния дополняется составляющими ускорения, в модели
РКД («скоординированный поворот») – угловой скоростью поворота (интенсивность
маневра) в ˚/c.
Математическое моделирование алгоритмов проводилось средствами программного пакета MATLAB. Программа состоит из трех модулей: имитатор траектории и измерений, модуль фильтров сопровождения, модуль расчета СКО сопровождения.
Модуль 1 формирует параметры траектории, рассчитанные дальность и азимут суммируются с БГШ, тем самым имитируется работа канала радиолокационного наблюдения.
Модуль 2 имеет в составе восемь алгоритмов на базе фильтра Калмана, предназначен для
пошаговой обработки измерений каждым фильтром сопровождения. Следующие фильтры
входят в состав модуля: ФК с моделью РПД (ФК1); ФК (ФК2), РФК (РФК2), CKF (CKF2)
и UKF (UKF2) с моделью РУД; ИММ ФК, ИММ РФК и ИММ UKF с моделями РПД и РКД.
Для линейных фильтров требуется предварительное преобразование измерений из полярных в декартовые координаты. Модуль 3 производит оценку качества работы фильтров при
126
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
многократной реализации сеанса имитации траекторных измерений. По данным, полученным при имитации параметров траектории и при их оценивании, вычисляется среднеквадратическая ошибка фильтрации параметров траектории.
Для исследований были выбраны следующие параметры радиолокационного измерителя:
СКО определения дальности – 100 м, азимута – 0.2 градуса; период обзора – 4 с.
В сценарии (рис. 1) смоделирована траектория маневра скоординированного поворота
для пяти значений интенсивности поворота, соответствующие перегрузки – 2, 4, 6, 8, 10.
Траектория состоит из последовательности участков равномерного прямолинейного,
равномерного кругового, равномерного прямолинейного движения. Линейная скорость цели
на всех участках составила 250 м/c.
Рис. 1 Сценарий моделирования
На участках маневра неизбежно увеличение ошибки оценивания и переходный процесс
в ММА, и в общем, чем интенсивнее поворот, тем больше ошибка сопровождения на участке
маневра. Поэтому необходимо согласовывать параметр шума в модели РКД с интенсивностью маневра.
В табл. 1 сведены СКО оценки параметров каждой траектории по всей ее длине для ста
реализаций сеанса имитации траекторных измерений, отмечен фильтр с наименьшей ошибкой сопровождения.
127
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таблица 1
СКО оценки дальности и азимута
СКО по всей длине траектории
2g
4g
6g
8g
10g
Д, м
Аз, ˚
Д, м
Аз, ˚
Д, м
Аз, ˚
Д, м
Аз, ˚
Д, м
Аз, ˚
ФК1
35.6
0.059
37.5
0.062
40.0
0.067
37.6
0.056
40.1
0.059
ФК2
17.5
0.031
14.3
0.035
18.0
0.049
14.2
0.038
14.4
0.050
РФК2
17.5
0.031
14.3
0.035
18.5
0.049
14.9
0.036
14.4
0.049
CKF2
17.5
0.031
14.3
0.035
18.4
0.049
14.4
0.038
14.3
0.050
UKF2
16.9
0.033
15.6
0.038
20.0
0.052
14.2
0.037
14.7
0.053
ИММ ФК
16.3
0.036
15.6
0.041
27.1
0.065
31.4
0.051
15.1
0.051
ИММ РФК
15.4
0.031
8.0
0.029
12.0
0.037
6.1
0.031
8.1
0.036
ИММ UKF
15.6
0.028
8.8
0.027
12.2
0.032
6.2
0.029
8.8
0.036
Представляет интерес параметрический анализ не только для динамики цели, но и для
ошибки измерителя, в целях оценки преимуществ и недостатков фильтров во всех возможных условиях радиолокационного сопровождения. На основе подобного, параметризованного анализа конкретных видов траекторий можно получить базу данных. Базу, состоящую из
набора пар: фильтр ↔ параметры траектории и измерителя. С помощь базы данных и информации о предполагаемых траекториях и маневрах объекта наблюдения можно управлять системой траекторной обработки, имеющей в своем составе рассмотренные фильтры.
Таким образом, открывается возможность для различных режимов движения, классов воздушных целей и измерителей получать наилучшую из возможных оценок положения и скорости. Если система тракторной обработки установлена, например, в аэропорту или на объекте наблюдения, то наличие информации о предполагаемой динамике возможно.
Проведено исследование известных методов фильтрации пространственных координат
одиночной цели. По результатам можно сделать вывод, о том, что выбор того или иного алгоритма фильтрации зависит от радиолокационной обстановки и маневренности цели. Поэтому
управление выбором траекторного фильтра на основе базы данных для конкретных параметров динамики может рассматриваться как возможный метод повышения точности оценки пространственных координат воздушной цели на этапе автоматического сопровождения.
Библиографический список
1. Бухалев В. А. Распознавание, оценивание и управление в системах со случайной скачкообразной
структурой. – М.: Наука. Физматлит, 1996. – 288 с.
2. Фарина А., Студер Ф. Цифровая обработка радиолокационной информации.
3. Сопровождение целей: Пер. с англ. / Под ред. А. Н. Юрьева – М.: Радио и связь, 1993. – 319 с.
4. Bar-Shalom Y., Rong Li X., Kirubarajan T. Estimation with Applications to Tracking and Navigation: Theory, Algorithms, and Software. New York: John Wiley & Sons, 2001. – 558 p.
5. Särkkä S. Recursive Bayesian inference on stochastic differential equations. Helsinki University of Technology, 2006. – 248 p.
__________
128
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 629.78.05
А. А. Козлов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
О. Л. Смирнов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ РАДИОЭЛЕКТРОННЫХ МОДУЛЕЙ
К ВНЕШНИМ ВОЗДЕЙСТВИЯМ, С ПРИМЕНЕНИЕМ СОВРЕМЕННЫХ САПР
Актуальность данной работы заключается в необходимости максимально автоматизировать и ускорить процесс проведения инженерных расчетов на этапе проектирования.
Объектом исследования является система автоматизированного проектирования
(САПР) ANSYS Workbench. САПР предназначен для моделирования различных физических
процессов. Данный САПР базируется на методе конечных элементов и позволяет достигать
высокой точности анализа, а также визуализировать результаты расчетов на 3D модели для
выявления и доработки проблемных участков.
В данной статье рассматривается задача анализа печатной платы на предмет виброустойчивости.
Предметом исследования является модель печатной платы электронных часов с термометром.
Целью исследования является выявление допустимых условий эксплуатации изделия
на этапе проектирования.
В настоящее время для анализа виброустойчивости вручную проводятся упрощенные
математические расчеты. Это сильно увеличивает вероятность ошибки, снижает точность и
занимает достаточно много времени. Применение САПР позволит сократить время анализа,
повысить точность и сократить влияние «человеческого фактора».
Для оценки виброустойчивости изделия необходимо пройти несколько этапов:
– создание геометрической модели изделия;
– создание библиотеки материалов;
– привязка материалов к телам;
– создание сетки;
– создание ограничений;
– модальный анализ;
– анализ на случайные вибрации в указанном диапазоне частот.
САПР Ansys позволяет создавать геометрические модели, однако для этих целей гораздо
удобнее применять специализированные программы, такие как КОСМОС 3D или SolidWorks.
Наиболее рационально создать модели всех навесных компонентов по отдельности, после
чего создать сборку, включающую в себя подложку с монтируемыми на нее элементами. При
создании модели желательно исключать маловажные элементы. Это снизит количество элементов, необходимых для моделирования и ускорит процесс решения задачи.
Параметры материалов в Ansys передаются телам из библиотек. При первом моделировании потребуется создать библиотеку, содержащую интересующие материалы. Для
моделирования виброустойчивости потребуется следующие физические параметры:
– модуль Юнга;
– коэффициент Пуассона;
– плотность материала.
129
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Для корректной передачи массы элементов в модель, плотность электрорадиоэлементов придется вычислять через их массу. Объем, занимаемый телом можно посмотреть
в редакторе геометрии. Пример заполнения библиотеки приведен на рис. 1.
Рис. 1. Пример заполнения библиотеки
После создания библиотеки и загрузки модели в проект, в свойствах тел необходимо
указать материалы, из которых они изготовлены. Удобно указывать материалы групповым
методом, к примеру, выбрав из дерева все SMD компоненты, и задав им один и тот же материал (рис. 2).
Рис. 2. Выбор материала
На следующем этапе генерируется конечно-элементная сетка. Для тел со сложной геометрией, рационально использовать тетраэдрические конечные элементы. Для этого необходимо выбрать все интересующие тела и указать метод «Tetrahedrons» (рис. 3).
130
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 3. Выбор метода генерации сетки
Для решения любой модели нужно указать ограничения. В случае модального анализа
это места крепления платы. В случае анализа случайных вибраций – частота и виброускорение (рис. 4).
Рис. 4. Ввод ограничений
131
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Производится автоматический расчет модели. По результатам расчетов, при необходимости, можно построить визуализацию. Важно помнить, что все виды визуализаций, построенные по результатам модального анализа, не учитывают количество энергии, поступающей
в систему, и выводят максимально возможные параметры характеристик (рис. 5).
Рис. 5. Результат модального анализа
После моделирования отклика на случайные вибрации с заданными параметрами, целесообразно построить визуализацию деформации изделия (Directional Deformation) и внутренних
напряжений (Equivalent Stress). Для того чтобы сделать заключение о виброустойчивости нужно сравнить значения напряжений с усталостной стойкостью материала платы (рис. 6).
Рис. 6. Деформация платы и напряжения возле монтажных отверстий
__________
132
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.3.049
Д. А. Комлев – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Ю. З. Бубнов (д-р техн. наук, проф.) – научный руководитель
ИССЛЕДОВАНИЕ СЕЛЕКТИВНОЙ ЧУВСТВИТЕЛЬНОСТИ
К КОМПОНЕНТАМ ГАЗОВЫХ СМЕСЕЙ CO–CH4
Одной из важнейших проблем в настоящее время, является контроль содержания компонентов в газовых смесях. Наиболее распространенной является газовые смеси природного газа (CH4) и угарного газа (CO), поскольку при сгорании СН4 всегда выделяется CO, каждый из указанных газов является опасным, так как при концентрации выше нормы СН4
взрывоопасен, а CO даже при сравнительно небольших концентрациях (ПДК составляет
30-40 ppm) чрезвычайно токсичен.
При этом способы борьбы с превышением их концентрации различны для каждого из
этих газов.
В настоящей работе приведены результаты исследования чувствительности сенсоров
серии СПГ к компонентам газовых смесей CH4-CO на основе наноразмерных стекловидных
пленок диоксида олова [1,2].
Исследования проводились на сенсорах с различным содержанием каталитических
элементов: 3 % Pd, 3 % Pd–2 % Pt, 3 % Pd–5 % Pt. Концентрация CO составляла 100 ppm,
концентрация CH4 – 0,5 %. В газовую камеру с сенсорами попеременно подавался в течение 20 мин синтетический воздух и газовая смесь, содержащая CO или CH4.
12000
10000
Rg, kom
8000
6000
4000
2000
0
1
CH4 0,5%
2
3
4
CO 100 ppm
Рис. 1. Изменение сопротивления газочувствительного элемента, содержащего 3 % Pd–5 % Pt,
при воздействии CO и CH4.
133
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
1800
1600
1400
Rg, kom
1200
1000
800
600
400
200
0
1
2
3
CH4 0.5%
4
CO 100 ppm
Рис. 2. Изменение сопротивления газочувствительного элемента, содержащего 3 % Pd,
при воздействии CO и CH4
900
800
700
Rg, kom
600
500
400
300
200
100
0
1
2
CH4 0.5%
3
4
CO 100 ppm
Рис. 3. Изменение сопротивления газочувствительного элемента, содержащего 3 % Pd–2 % Pt,
при воздействии CO и CH4
Результаты экспериментов представлены на рис. 1-3, из которых следует, что при использовании только палладиевого катализатора сенсор обнаруживает значительную чувствительность к CO при низкой чувствительности с CH4; при введении в структуру SnO2
дополнительно платины чувствительность сенсора к CH4 существенно возрастает, а к CO
падает. Таким образом, варьируя процентное содержание платинового и палладиевого
катализаторов, можно достичь приемлемой для практического использования селективности
134
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
к газовым компонентам в смесях CO–CH4. Такая высокая селективность при использовании
полупроводниковых газовых сенсоров получена впервые.
Таким образом, применение различных катализаторов в структуре полупроводниковых
газовых сенсоров, позволяет с достаточной точность определять содержание СН4 и CO
в смесях этих газов.
Библиографический список
1. Шилова О. А., Бубнов Ю. З., Чепик Л. Ф. Свойства пленок, получаемых из растворов на основе
тетраэтоксисилана, в зависимости от технологических аспектов их формирования // Журнал прикладной химии. Т. 68. Вып. 10. 1995. стр. 1608-1612.
2. Бубнов Ю. З., Шилова О. А Наноразмерные стекловидные пленки многофункционального назначения в технологии изготовления полупроводниковых газовых сенсоров // Технологии приборостроения. 2003. №3 (7). стр. 60-71.
__________
УДК 629.735.33
А. А. Лопатин – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
А. В. Назаров (канд. техн. наук, доц.) – научный руководитель
БОРТОВОЕ УСТРОЙСТВО ИНТЕЛЛЕКТУАЛЬНОЙ ДИАГНОСТИКИ
Современный автомобиль является сложной системой. Затраты на поддержание, сохранение и восстановление его работоспособности может за срок службы превзойти стоимость нового автомобиля. Снижение этих затрат возможно при повышении эффективности
технической эксплуатации за счет внедрения технической диагностики. Значительный рост
количества подсистем автомобиля, в том числе и электронных, а также повышение сложности их конструкции и принципов функционирования, потребовало от производителей эффективных средств диагностирования. Особенно это касается встроенных средств, работающих непосредственно на автомобиле.
Изначально диагностические системы были предназначены для снижения загрязнения
окружающей среды вследствие широкого распространения автомобилей. В задачи первых
бортовых диагностических систем входил только контроль за системой рециркуляции отработавших газов и топливной системой. Современный стандарт бортовой диагностики OBD II
(On-Board Diagnostics) был разработан в США в 1982 г. Согласно ему все автомобили, выпущенные с 1988 г. должны быть оборудованы бортовой системой диагностики для обнаружения неисправностей. Данный стандарт предусматривает контроль над практически всеми
подсистемами автомобиля, а также единые требования к датчикам и диагностическому
интерфейсу. В настоящее время активно разрабатывается стандарт OBD III, главной отличительной особенностью которого должна стать возможность телеметрии диагностических
данных. Однако ввод новой технологии тормозится из-за негативных оценок пользователей,
недовольных тем, что их автомобили окажутся под постоянным наблюдением. Стоит отметить, что ни один из перечисленных стандартов не требует от производителей установки
135
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
устройства сбора диагностических данных и представления их в понятном для человека
виде. Подавляющее большинство бортовых диагностических устройств обладают существенными недостатками – они оценивают техническое состояние отдельных элементов,
подсистем и узлов дифференцированно, без взаимосвязи с другими подсистемами, что
значительно снижает достоверность диагностирования, и как следствие требует либо чрезмерно «жестких» или «мягких» нормативов. Сами по себе системы бортовой диагностики не
обладают алгоритмами постановки диагноза по подсистемам автомобиля, а лишь фиксируют локальные проявления неисправностей. Следует отметить, что стационарные комплексы
диагностирования также, как правило, не имеют систем постановки диагноза по совокупности диагностических параметров, роль которых отводится оператору-диагносту.
Одним из направлений, определяющих повышение качества информационных технологий контроля и диагностики технического состояния, следует считать интеллектуализацию
процессов обработки диагностической информации с использованием технологии экспертных систем, которые способны обеспечить повышение качества распознавания технического состояния объекта. В медицине, экономике достаточно успешно применяются диагностические и экспертные системы на основе интеллектуальных методов, таких как «нейронные
сети».
В процессе эксплуатации автомобиль подвергается внешним и внутренним воздействиям, которые приводят к изменению параметров отдельных элементов всего автомобиля
в целом. При проведении диагностирования измеряются более тридцати параметров. Существенным является то, что все измерения проводятся в статическом режиме, или в динамическом режиме с использованием специальных стендов. Но в условиях реальной эксплуатации дорожной техники динамические режимы работы и нагрузки будут отличаться от
стендовых. Вследствие этого измеренные параметры не будут достоверными в полной мере
и по ним нельзя принять решение о соответствии параметров узлов и систем машины установленным требованиям. Таким образом, существует объективная научно-техническая проблема создания комплексных систем диагностирования, построенных на универсальных
принципах, обеспечивающих высокий уровень достоверности постановки диагноза и перспективных, в отношении массовой реализации, средствах бортового диагностирования.
Систем, осуществляющих оценку и прогнозирование технического состояния автомобиля
в процессе выполнения его технологических операций, то есть в динамике работы.
Целью статьи является обоснование использования метода интеллектуального диагностирования автомобильной техники с применением нейронных сетей.
Искусственные нейронные сети – математические модели, а также их программные или
аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма. Одна из особенностей нейронных сетей, дающая мощный стимул для их применения при диагностировании
и прогнозировании отказов систем автомобилей – это способность к обучению и обобщению
накопительных знаний. Нейронная сеть обладает чертами искусственного интеллекта;
натренированная на ограниченном множестве данных, сеть способна обобщать полученную
информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения. Характерная особенность сети состоит также в возможности ее реализации
с применением технологии сверхбольшой степени интеграции. Искусственные нейронные
сети в задачах прогнозирования и диагностирования объекта могут быть использованы
в качестве подсистемы выборки и принятия решений, передающей диагностическую
136
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
информацию другим подсистемам (например, автоматизированной системе управления
технологическим процессом) с иной методологической основой построения.
Задачи прогнозирования отказов систем и элементов автомобилей сложны из-за невозможности четкой постановки соответствия изменений входных и выходных параметров
состоянию, в котором находится или к которому стремится объект диагностирования.
В частности нельзя однозначно определить все отказы или предотказные состояния такого
объекта как автомобиль. Однако можно выделить множество состояний объекта диагностирования и попытаться оценить степень влияния каждого информационного параметра на
вероятность перехода объекта в какое-либо из возможных состояний. Поэтому для диагностирования необходимо использовать метод подбора весовых коэффициентов – межнейронных связей на основе обучения и нейронных сетей, применяющих для адаптации
параметров методы обучения, как с «учителем», так и на основе самоорганизации. Важнейшее свойство нейронных сетей свидетельствует об их большом потенциале в области прогнозирования отказов и состоит в возможности параллельной обработки информации всеми
нейронами. Благодаря этой способности при большом количестве межнейронных связей
достигается одновременно обработка значительного объема поступающей измерительной
информации в реальном масштабе времени. В задачах диагностирования и прогнозирования нейронная сеть играет роль универсального аппроксиматора функции от нескольких
переменных, реализуя нелинейную функцию
Y = F(Х),
(1 )
где {Х(t)} = {Х 1 (t), Х 2 (t), Х 3 (t),...,Х n (t)} – векторы входной информации (текущие измеренные значения диагностических параметров), а Y – реализация векторной функции нескольких переменных. Постановка многих задач диагностирования и прогнозирования технического состояния объекта может быть сведена именно к аппроксимационному
представлению.
Одной из простых моделей для установления диагностической информации могут служить
статические модели, увязывающие критерии, оценивающие состояние объекта диагностирования, с отклонениями измеряемых параметров в виде регрессионной модели дефектов:
A = Wa1 X1 + Wa2 X2 +...+ Wan Xn,
(2)
B = Wb1 X1 + Wb2 X2 +...+ Wbn Xn,
(3)
где Wa1, Wa2,..., Wan, Wb1, Wb2,..., Wbn – коэффициенты влияния (весовые коэффициенты).
Таблицу весовых коэффициентов W для каждого конкретного значения Х i называют
диагностической матрицей. Необходимо также решить вопрос об оптимальном числе измеряемых параметров. С одной стороны, чем больше число измеряемых параметров, тем
достовернее определяется техническое состояние объекта диагностирования, но и тем
больше сложность и себестоимость системы диагностики в целом. Таким образом, следует
выбирать параметры, которые наиболее полно характеризуют техническое состояние автомобиля в процессе ее эксплуатации.
В целом локализация дефектов с помощью диагностической матрицы подобна работе
системы нейронов, которая получила название «персептрон». При этом каждый нейрон
в простейшем случае модифицирует вычислительную сумму с помощью активационной
функции в виде сигнала наличия (1) или отсутствия (0) какого-либо отказа или предотказного состояния, а в случае применения более структурированных нейронных сетей выходным
137
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
сигналом может служить коэффициент веса нейронной сети более высокого уровня – вероятность нахождения объекта диагностирования в возможных рабочих, граничных, критических, нерабочих состояниях. После предъявления входных сигналов совместно с известным
выходом и баз данных нейронные сети могут самонастраиваться (обучаться) под конкретный объект диагностирования для получения требуемой реакции. Однако организация процесса обучения в каждом конкретном случае – это сложная проблема, требующая тщательной обработки.
Множество контрольных точек автомобиля, в которых снимаются его характеристики
в различных режимах работы, может считаться вектором x (каждый вектор соответствует
определенному динамическому режиму работы), подаваемым на вход сети. В зависимости
от условий работы, вида неисправного элемента и степени повреждения получаются различные характеристики одной и той же системы. Как правило, неисправность каждого вида
связана со специфическим изменением характеристик автомобиля, свойственным только
этой неисправности. Нейрон, побеждающий в конкуренции при определенной комбинации
характеристик автомобиля, представляет впоследствии либо нормальный режим работы,
либо определенную неисправность, позволяя тем самым локализовать ее. Типовая схема
обнаружения неисправностей представлена на рис. 2.
Рис. 2. Схема применения нечеткой нейронной сети для обнаружения неисправностей в автомобиле
База данных состоит из множества характеристик, отвечающих различным нормальным
и придельным состояниям в определенных режимах работы, в которых, как правило,
устройство подвергается диагностированию. Главное условие корректного функционирования системы – дифференциация характеристик при различных предельных состояниях.
Если две различные неисправности имеют идентичные признаки, их различение будет невозможным. Подготовка соответствующей базы данных, по которой будет проводиться обучение, а в последующем эксплуатация нейронной сети (собственно диагностирование неисправностей), требуют проведения таких измерений, которые будут однозначно
свидетельствовать о фактическом состоянии автомобиля. При этом следует выделить те
138
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
фрагменты характеристик, которые отличаются друг от друга. Для достижения этой цели
могут выполняться любые операции (как линейные, так и нелинейные) на всей базе данных.
К достоинствам нейронных сетей следует также отнести простоту аппаратной реализации.
С применением программируемых интегральных логических схем разработчик получает
возможность описывать работу нейронной сети при помощи языка программирования. Основными особенностями ПЛИС, применительно к построению диагностических нейронных
сетей, являются:
– полная реконфигурируемость логических ресурсов вследствие возможности программирования непосредственно в распаянной плате позволяет не только реализовать
обучение, до- и переобучение нейронной сети, но и осуществлять модификацию различных
архитектур нейронных сетей в темпе функционирования объекта;
– высокое быстродействие со временем задержки до 0.5 нс, частотой межкристального обмена до 200 МГц и возможность каскадирования и объединения кристаллов позволяет
оперативно решать задачи диагностирования многопараметрических объектов;
– развитый технологический процесс производства ПЛИС (до 0.2 мкм) с пятью слоями
металлизации позволяет снизить стоимость аппаратной реализации;
– миниатюризация бортовой системы интеллектуальной диагностики, т.к. объем современных ПЛИС в 1 млн. эквивалентных вентилей дает возможность построения всей
цифровой системы на одном кристалле;
– широкий температурный диапазон работы ПЛИС в любом исполнении укладывается
в диапазон изменения температур объектов функционирующих в обычных атмосферных
условиях.
Проведенный анализ возможностей и алгоритмов работы нейронных сетей свидетельствует о том, что эти сети при определенных ограничениях с успехом могут использоваться
в бортовых диагностических системах автомобильной техники.
__________
УДК 519.68: 621.3
А. А. Матов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
А. В. Назаров (канд. техн. наук, доц.) – научный руководитель
УСТРОЙСТВО АДАПТИВНОГО АНАЛОГО-ЦИФРОВОГО ПРЕОБРАЗОВАТЕЛЯ
СИГНАЛОВ В БОРТОВЫХ РАДИОТЕЛЕМЕТРИЧЕСКИХ СТАНЦИЯХ
Современные и перспективные телеметрические системы являются в основном цифровыми, что обусловлено их высокими техническими показателями. Одной из основных операций при формировании сообщений в современных бортовых цифровых радиотелеметрических
станциях является операция адаптивного аналого-цифрового преобразования сигналов, несущих сообщения о результатах измерения телеметрируемых параметров (ТМП), или, так
называемого, сигнала телеметрического информационного канала. Использование дискретизации во времени и квантования по уровню в адаптивных процедурах сбора и передачи
139
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
телеметрической информации (ТМИ) позволяет уменьшить избыточность передаваемых
сообщений и повысить эффективность вторичной обработки (анализа) диагностической
информации летательного аппарата (ЛА).
По способу информационного обслуживания режимы работы измерительных систем
делятся на три группы:
– постоянный (циклический), когда опрос датчиков производится с фиксированной частотой;
– программируемый, когда частота опроса изменяется по заданным программам,
смена которых происходит по командам управления;
– адаптивный, когда опрос датчиков осуществляется с учетом законов изменения телеметрируемых параметров.
Адаптивный АЦП отличается от стандартного преобразователя тем, что в любой момент времени уровни квантования расположены однородно (а не логарифмически), причем
шаг квантования меняется в зависимости от уровня сигнала. Применение адаптивного метода базируется на том, что в физ. величине последовательные уровни сигнала не являются независимыми. Поэтому, преобразуя и передавая лишь разницу между предсказанием
и реальным значением, можно заметно снизить загрузку линии, а также требования к широкополосности канала. Однако у этого метода, как и всех других, есть свои недостатки – уровень шумов, связанный с квантованием сигнала, выше; при резких изменениях уровня сигнала, превышающих диапазон АЦП, возможны серьезные искажения.
В свою очередь, адаптивный режим работы подразделяется еще на два подвида:
– адаптация к состоянию радиоканала. В этом режиме сигналы радиопередатчика и
режимы его работы изменяются в соответствии с помеховой обстановкой: регулируется
мощность излучения, выбираются более помехоустойчивые код и вид модуляции и др.
В пункте приема информации обеспечиваются оптимальные методы приема и обработки
данных;
– адаптация к информационному потоку. В этом случае, в целях уменьшения объема
передаваемой информации осуществляется изменение частоты опроса датчиков и количества опрашиваемых датчиков в соответствии со скоростью изменения параметров: на участках более быстрого изменения параметров датчик опрашивается чаще, а на участках почти
не изменяющихся параметров – реже или вообще не опрашивается. [2,3]
В процессе цифровой обработки и преобразования массивов телеметрических данных
часто возникают задачи, связанные с обнаружением топологической структуры данных, их
кластеризации и классификации в тракте до формирования группового телеметрического
сигнала на борту ЛА. Сжатие данных, хранение, поиск по ограниченному набору признаков
может быть реализовано с применением класса самоорганизующихся нейронных сетей
(НС) – нейронных сетей Кохонена.
Применение метода самоорганизующихся нейронных сетей Кохонена для первичной
обработки телеметрической информации позволяет решить задачу адаптации к информационному потоку.
Под самоорганизующейся подсистемой в составе системы сбора и обработки телеметрической информации (ТМИ) подразумевается нейронная сеть (НС), самостоятельно формирующая свои выходы, адаптируясь к поступающим на ее входы телеметрическим сигналам. Самообучение предполагает минимизацию некоторого целевого функционала
в результате преобразования данных, т.е. анализа имеющейся в них информации, законо140
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
мерностей, отличающих телеметрические сигналы от случайного шума. Избыточность телеизмерений позволяет находить более компактное описание данных, что является обобщением эмпирических данных. Сжатие данных, уменьшение степени их избыточности, использующее существующие в них закономерности, уменьшает трудоемкость последующей
работы с данными, выделяя действительно независимые признаки. Дополнительным преимуществом использования обученных сетей для первичной обработки данных телеизмерений служит оперативность функционирования и возможность на ходу адаптироваться
к меняющемуся (нестационарному) потоку телеметрических данных.
Фактически, одна НС в системе первичной обработки ТМИ способна выполнять следующие функции на борту:
– нелинейное квантование каждого ТМП с учетом его статистических характеристик;
– векторное квантование телеметрического кадра или вектора, характеризующего состояние телеметрируемого объекта;
– предобработка путем уменьшения разнообразия ТМИ при сохранении размерности
вектора состояния телеметрируемого объекта. [2]
Сеть Кохонена в общем случае состоит из двух слоев нейронов (распределительный
слой и соревновательный слой или слой Кохонена) (рис. 1). Число входных нейронов n равно размерности входного образа. Количество нейронов слоя Кохонена N определяется той
степенью подробности, с которой требуется выполнить кластеризацию набора входных
образов.[1]
Рис. 1. Архитектура НС и пример карты ее потенциалов
При достаточном количестве нейронов и удачных параметрах обучения НС Кохонена
может не только выделить основные группы образов, но и установить «тонкую структуру»
полученных кластеров. При этом близким входным образам будет соответствовать близкие
карты нейронной активности.
141
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 2. Базовая структура слоя Кохонена
Слой состоит из N обрабатывающих элементов, каждый из которых получает n входных
сигналов x1, x2,…,xn из распределительного слоя, являющегося прямым передатчиком сигналов. Входу xi и связи (i,j) приписываем вес wij. Каждый обрабатывающий элемент слоя
Кохонена подсчитывает свою входную интенсивность Ij в соответствии в формулой:



I j  D W j , X , W j  w 1 j ,w 2 j ,...,w nj
T ,
X   x 1, x 2,..., x n 
(1)
где D – некоторая метрика расстояния между вектором Wj и вектором X.
Наиболее общие виды функции расстояния D(Wj, X) – евклидово расстояние:

n

  x i  w ij 


d X ,W j  W j  X 
скалярное произведение:

2
,
(2)
i 1

 X ,W j  1  XW j  1  X W j cos XW j ,
(3)
мера относительно нормы L1 (Манхэттен):

n

d1 X ,W j  W j  X 
 x i  w ij
.
(4)
i 1
При реализации закона Кохонена, как только каждый обрабатывающий элемент
(нейрон) подсчитывает свою функцию Ij, между ними происходит соревнование, цель которого – нахождение элемента с наименьшим значением интенсивности Ij (т.е. с Ijmin). Как
только будет найден победитель такого соревнования, его выход zj полагается равным 1.
Выходные сигналы всех остальных элементов полагаются равными 0. В этот момент и происходит изменение весов в соответствии с законом обучения Кохонена:
new
Wj
где 0<<1 – параметр скорости обучения НС.
142


 W j   X  W j z j,
(5)
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Данный закон можно переписать в следующем виде:
new
Wj

1   W j  X , при I j  min ( j  j min)


W j , j  j min
(6)
Очевидно, что при таком законе обучения весовой вектор Wj движется к входному вектору Х. В начале процесса обучения, как правило,   0,1, а затем по мере обучения
уменьшается. Следует отметить сходство обучения по Кохонену и статистического процесса
нахождения «k-средних». В заключение, необходимо подчеркнуть, что обучающий закон
Кохонена в общем случае не генерирует множество равновероятных весовых векторов, то
есть множество таких векторов, что Х, который выбран случайно, в соответствии со своей
плотностью распределения вероятностей будет иметь равную вероятность оказаться ближайшим к каждому из весовых векторов Wj. [1]
Аппаратная реализация самоорганизующихся карт Кохонена дает возможность оперативно реализовать многомерную аналого-цифровую обработку многопараметрического
потока данных ТМИ с помощью параллельных алгоритмов в реальном масштабе времени.
При этом решение задачи многомерного аналого-цифрового преобразования – многомерной
дискретизации и многомерного квантования многомерной выборки с использованием НС
Кохонена равносильно численному определению наилучшей формы разбиения входного
пространства значений ТМП. К причинам структурообразования на выходе НС Кохонена при
максимуме энтропии во входных векторах можно отнести: нелинейность алгоритма обучения и функционирования сети, наличие ограничений на выходе кластерных элементов, т.е.
суммарная активность нейронов слоя Кохонена изменяется слабо (концы входных и весовых векторов лежат на поверхности гиперсферы), а также, по аналогии с нелинейными системами, которым свойственна самоорганизация, постоянное воздействие внешней возмущающей среды ЛА – случайные, равномерно распределенные входные вектора.
Опыт решения прикладных задач с использованием НС свидетельствует о перспективности использования нейросетевых технологий в интересах оперативной обработки больших потоков данных, при решении сложных трудноформализуемых задач диагностирования, в условиях априорной неопределенности о свойствах телеметрируемого объекта
и внешней среды.
Библиографический список
1. Назаров А. В., Лоскутов А. И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. –
СПб.: Наука и Техника,2003.-384 с.
2. Назаров А. В., Козырев Г. И., Шитов И. В. и др. Современная телеметрия в теории и на практике.
СПб.: Наука и Техника, 2007. – 672с.
3. Назаров А В., Харченко А. В. Первичная обработка телеметрических сигналов малых космических
аппаратов средствами самоорганизующихся систем. // Приборостроение, №6, 2005.- С.15-20.
__________
143
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 620.199
А. С. Салтыков – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
И. А. Гарютин (ст. преп.) – научный руководитель
ДЕФЕКТЫ ПАЯНЫХ СОЕДИНЕНИЙ SMD КОМПОНЕНТОВ ПРИ МОНТАЖЕ
В ИНФРАКРАСНЫХ КОНВЕКЦИОННЫХ ПЕЧАХ ОПЛАВЛЕНИЯ ПРИПОЯ
Актуальность данной работы заключается в необходимости максимально ускорить процесс регулировки монтажа SMD компонентов и минимизировать возникновение дефектов.
Объектом исследования являются дефекты возникшие в результате проведения процесса пайки в конвекционной камерной SMT печи Контур-3А. Базовыми условиями процесса
пайки являются:
– припойная паста Sn62/Pb36/Ag2;
– профиль нагрева : прогрев ПП ,активация припойной пасты 120 сек. 160 С , пайка
40 сек. 220 С;
– компоненты: резисторы типоразмера 8005, транзисторы типоразмера SOT23, диоды
типоразмера SOD80.
Профиль выбран на основе рекомендаций для данной модели печи и приведен в виде
графика на рис. 1.
Рис. 1.
Термопрофиль напрямую зависит от конструкции печатной платы, конструкции компонентов, теплоемкости компонентов, выбранной припойной пасты.
В данном случае рассматриваются компоненты приблизительно равной теплоемкости
в различном конструкционном исполнении с использованием одной припойной пасты для
всех компонентов.
Причинами возникновения дефектов может оказаться ошибка на подготовительном этапе процесса пайки: нанесение припойной пасты, ошибка позиционирования компонента.
144
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Поэтому следует использовать два и более компонента одного типоразмера при проведении
эксперимента.
Предметом исследования являются причины возникновения различных дефектов, взаимодействие факторов возникновения дефектов.
Целью исследования является снижение количества дефектов в технологическом процессе монтажа SMD компонентов в конвекционных печах оплавления припоя, путем классификации причин возникновения дефектов и вероятностной оценки появления дефекта.
В настоящее время регулировка технологического процесса производится на основе
пробных партий изделий. Возможность заранее предсказать ряд возникающих дефектов
позволит значительно ускорить процесс регулировки и сократить затраты на производство
изделия.
Для создания математической модели дефекта существует два способа решения данной задачи.
Первый вариант – проведение полного факторного эксперимента.
Достоинством этого способа является высокая точность полученной модели и простота
алгоритма проведения эксперимента.
Главным недостатком данного способа является количество опытов, требуемое для
проведения эксперимента, его можно определить по формуле [1]:
N = 2k ,
(1)
где N – число опытов; k – число факторов; 2 – число уровней.
Второй вариант – проведение многофакторного эксперимента, данный эксперимент
проводится при контроле значений нескольких входных параметров, что позволяет принять
известные параметры опыта за константу и существенно сократить количество необходимых опытов.
Для достижения поставленных задач рассмотрим дефект как совокупность причин его
возникновения:
А(a;b;c)
(2)
Каждый параметр дефекта имеет различное весовое значение, которое различно в зависимости от вида дефекта, выразить которое можно при помощи коэффициентов каждого
параметра:
A(k1a;m1b;l1c)
(3)
Анализ литературы позволяет определить значение весовых коэффициентов параметров для рассматриваемых дефектов. В совокупности с проведением N количества экспериментов с фиксированными параметрами мы получаем Аi видов дефектов и di количество
дефектов Аi вида за N экспериментов, что можно выразить как систему уравнений:
d1 A1
d A
 2 2

 d3 A 3
d4 A 4
 k1a  m1b  l1c
 k 2 a  m2 b  r2 h
 l3 c  r3 h
,
[4]
 m4 b  l 4 c
где Аi – вид дефекта; di– количество дефектов; k,m,l,r – веса причин дефектов; a,b,c,h – причины дефектов.
145
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Решение данного уравнения позволяет определить степень влияния причин возникновения дефекта на совокупность данных дефектов и позволяет определить наиболее значимую из них.
При рассмотрении формулы видно, что количество экспериментов напрямую не влияет
на построение модели дефекта. Но увеличение количества экспериментов позволяет
уменьшить погрешность вычислений из-за влияния неконтролируемых причин возникновения дефектов. Погрешность воспроизведения термопрофиля печью, дефекты ПП, дефекты
позиционирования элементов, дефекты при нанесении припойной пасты.
На этапе сбора статистики следует отсечь рассмотрение дефектов, количество которых
значительно меньше количества опытов, что позволит исключить погрешность от единичных
дефектов, возникших вследствие изменения параметров неконтролируемых в данном эксперименте. При наличии редко встречающегося дефекта, появление которого имеет постоянный характер, следует рассмотреть данный дефект с более широкой выборкой, после
рассмотрения дефектов имеющих более массовый характер.
В заключение нужно отметить, что создание моделей дефектов и классификация причин
возникновения дефектов позволяет не только выработать рекомендации по снижению количества возникающих дефектов, но дает возможность автоматизации расчета вероятностей
возникновения дефектов на этапе проектирования изделия.
Библиографический список
1. Вотинцев А., Зеленюк И. Технология поверхностного монтажа step by step, журнал Технологии
в электронной промышленности №2 2005 года
2. Калиниченко Н. П. Атлас дефектов паяных соединений: учебное пособие /Н. П. Калиниченко,
М. О. Викторова; Томский политехнический университет. – Томск: Изд-во Томского политехнического университета, 2012. – 83 с.
3. Стандарт IPC 7351A Общие требования к технологии поверхностного монтажа и стандарту образцов контактных площадок.
4. Стандарт IPC J-STD-001 Требования к пайке соединений в электрических и электронных блоках.
__________
УДК 629.78.05
А. Г. Федорова – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Б. Г. Филатов (канд. техн. наук, доц.) – научный руководитель
КЛАССИФИКАЦИЯ ВЫСОКОТЕПЛОПРОВОДНЫХ МАТЕРИАЛОВ
ДЛЯ ИСПОЛЬЗОВАНИЯ В КАЧЕСТВЕ ТЕПЛООТВОДА ОТ СВЧ УСТРОЙСТВ
Используемые в настоящее время в качестве теплоотводов материалы не в полной мере отвечают требованиям по теплопроводности, прочности, технологичности. Эффективность отвода тепла во многом определяется качеством теплопроводов и тепловым сопротивлением теплонагруженных контактных поверхностей. При этом во многих случаях
требуется электрическая изоляция теплопровода от тепловыделяющего узла. Указанные
146
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
задачи могут быть решены с помощью высокотеплопроводных материалов, теплопроводных паст, клеев и специальных твердых или эластичных изоляционных теплопроводящих
прокладок.
В настоящее время в качестве теплоотвода РЭА применяются следующие высокотеплопроводные материалы медь (Cu), алюминий (Al), кремний (Si), нитрид алюминия (AlN),
окись бериллия (BeO), карбид кремния (SiC), синтетические алмазы, графит и алмазкарбид-кремниевые композиты (Алмаз/SiC (Скелетон – Д)).
Целью работы является поиск высокотеплопроводного материала для обеспечения
наиболее эффективного теплоотвода в СВЧ.
Свойства материалов с высокой теплопроводностью приведены в табл. 1.
Окись бериллия находит широкое применение в электронике, например, как хороший
диэлектрик, и для изготовления окон волноводов, а так же как компонент высокопрочного
стекловолокна.
Таблица 1
Свойства материалов с высокой теплопроводностью
Материал
Прочность,
МПа
Модуль
упругости, ГПа
Теплопроводность,
Вт/м*К
Плотность,
кг/м3
Теплоемкость,
Дж/кг*К
Темпертуропрводность,
м2/с*10-4
ТКЛР
10-6 1/К
Элетросопртивление,
мкОм*м
300
130
390
8900
380
1.15
16
0.017
80
71
220
2710
960
0,85
24
0,03
100
110
150
2330
707
0,91
2,3
109
--
350
200
3120
730
0.85
4.5
1015
Cu
(MM)
Al
(АД-0)
Si
AlN
BeO
210-370
200
270
(м/к)
3030
1000
0,70
7,0
1013
400
420
150
3120
660
0,73
4,3
104
>500
1100
2000
3510
550
10,3
1,5
1016
120
30
1100
2200
750
--
--
6,5
300
600–700
400–600
SiC
(РКК)
Алмаз
Графит
х-у
z
6,7
-1
0,6
0,04
25
2100
2–3,3
2,0
104
(УВТ-1Т)
Алмаз/SiC
(Скелетон–Д)
3300
590
147
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
В качестве электроизолирующих прокладок традиционно используют слюду. Из нее приходится делать прокладки толщиной 50–80 мкм, а столь тонкие слюдяные прокладки крайне
хрупкие. Кроме того, при тонкой прокладке может возникнуть паразитная емкостная связь
между прибором и радиатором. Лучшее решение – керамические прокладки. Их производят
на основе оксида бериллия, нитрида бора, оксида алюминия (глинозем) и т. п.
Приведенные в табл. 1 данные показывают, что традиционные материалы с высокой
теплопроводностью (Al, Cu, AlN, BeO) не в полной мере отвечают требованиям к теплоотводам мощных электронных приборов. Хотя их доступность и относительно низкая стоимость
определяют востребованность в современных приборах, а также в качестве вспомогательных теплоотводов новых разработок.
Благодаря хорошим электрофизическим свойствам и высокой теплопроводности разнообразные виды вакуумной керамики на основе оксида бериллия широко применяются
в электронной технике в основном в качестве выводов энергии и теплоотводов в мощных
приборах СВЧ. К числу таких материалов можно отнести брокерит, изготавливаемый из
оксида бериллия с добавкой Al2O3 и отличающийся однородной кристаллической структурой
и высокими показателями свойств.
Прозрачная керамика из оксида бериллия используется для изготовления подложек интегральных схем, корпусов ламп высокого давления с парами щелочных металлов, волноводных окон для энергии большой мощности.
Кроме этого, плотная керамика из оксида бериллия применяется в качестве изоляции
и чехлов для термопар, используемых для измерения температуры до 2000–2100°С.
Преимущество нитрида алюминия перед другими материалами обусловлено уникальным сочетанием его физических и электрических характеристик: высокой теплопроводности,
хороших электроизоляционных свойств, умеренного коэффициента теплового расширения
при относительно невысокой стоимости.
Наиболее интенсивно нитрид алюминия используется для изготовления корпусов и подложек интегральных схем, мощных транзисторов, поглотителей и оконечных нагрузок.
Выпускаемая в настоящее время керамика из нитрида алюминия уступает керамике из
оксида бериллия и оксида алюминия по значениям диэлектрических потерь, однако обладает высокими теплофизическими и электротехническими характеристиками, экологически
чистая и относительно недорогая (ее удельная стоимость в 5–7 раз ниже удельной стоимости керамики из оксида бериллия).
Керамика из нитрида алюминия является идеальным конструкционным материалом для
приборов и устройств на основе кремниевых кристаллов, так как коэффициенты температурного линейного расширения (КТЛР) алюминия и кремния практически совпадают в широком температурном диапазоне.
Преимуществом керамики является возможность получения заранее заданных характеристик путем изменения состава массы и технологии производства. Керамические материалы благодаря таким свойствам, как высокая нагревостойкость, отсутствие у большинства
материалов гигроскопичности, хорошие электрические (пьезоэлектрические, сегнетоэлектрические) и магнитные характеристики при достаточной механической прочности, стабильности характеристик и надежности, стойкость к воздействию излучения высокой энергии
и использование достаточно дешевого и доступного сырья обеспечило их широкое применение в различных областях.
148
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
В тех условиях, в которых полупроводниковые приборы на базе кремния выходят их
строя, полупроводниковые приборы на базе лейкосапфира работают. Оптоэлектроника
является одним из основных потребителей лейкосапфира для изготовления подложек светоизлучающих сверхъярких диодов.
Поликор применяется для осаждения пассивных элементов гибридных интегральных микросхем, в качестве нагревостойких диэлектрических подложек микросхем, в том числе микроволновых подложек в запоминающих устройствах, для изготовления окон, подверженных высоким температурам и давлениям, линз в инфракрасных головках ракет, лазерных
устройствах, колб металлогалогенных ламп, так же он используется для производства изоляторов для свечей зажигания, проходных изоляторов, клеммных сборок, наконечников и других
изделий, применяется так же при производстве различных элементов для электротехники.
Высокоориентированные графитовые материалы, например, пирографит УПВ-1Т, являются сильно анизотропными материалами, теплопроводность которых в (х-у) и (z)
направлениях различается в 170 раз. Высокая (х-у) теплопроводность позволяет рассматривать их перспективными для ряда устройств. Одним из технических недостатков высокоориентированных графитовых материалов является их низкая износостойкость – истираемость. В результате такого воздействия образуется графитовая пыль, недопустимая внутри
корпусов электронных приборов.
Композитный материал – алмаз-карбид-кремний, разработанный в Санкт-Петербургском
Центральном Научно Исследовательском Институте Материаловеденья (ФГУП ЦНИИМ) под
руководством профессора С. К. Гордеева, имеет существенные преимущества по теплопроводности в сравнении с другими материалами.
Достоинством использования алмаз-карбид-кремниевого композита в качестве теплоотводящего материала является согласованность по ТКЛР его компонентов (алмаз и карбид
кремния), при резких перепадах температур материал не теряет своих свойств.
Теплопроводные элементы из карбида кремния (SiC), в нашем случае, матрицы алмазкарбид-кремниевого композита, имеют теплопроводность 150 Вт/м*К и относительно невысокую температуропроводность, хотя обладают высокой прочностью, жесткостью и температурной устойчивостью.
Алмаз-карбид-кремниевый композит имеет высокую прочность и модуль упругости. Его
температуропроводность уступает только алмазу.
Алмаз-карбид-кремниевый композит обладает очень высокой жесткостью. Его модуль
упругости заметно выше, чем у металлических материалов и большинства керамик. По
уровню удельной жесткости, то есть модуля упругости, отнесенного к плотности, композиционные материалы алмаз-карбид-кремния позволяют достичь рекордных результатов – на
15–25 % выше, чем у бериллия и Si/SiC-керамики. По этой характеристике они уступают
лишь монокристаллам алмаза.
При этом достигаются уровни теплопроводности выше, чем у меди и серебра. Наиболее
высокую теплопроводность имеют композиты с повышенным содержанием алмазных частиц, что достигается формованием заготовки из смеси порошков разных зернистостей.
Важной особенностью является также низкий ТКЛР, обеспечивающий материалу сохранение формы и размеров при нагреве.
Состав материала: алмаз – 59 % объема, карбид кремния – 33 % объема, кремний – 8 %
объема. Такой состав соответствует повышенному, по сравнению с ранее изготовленными
теплоотводами, уровню теплопроводности 500–550 Вт/м*К.
149
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таким образом, по комплексу теплофизических и конструкционных свойств материалы
группы алмаз-карбид-кремния являются наиболее предпочтительными для использования их в
конструкциях перспективных систем отвода тепла от РЭА. Именно они обеспечивают теплопроводность выше 400 Вт/м*К в зависимости от содержания алмаза в карбидной связке.
Библиографический список
1. Гордеев С. К., Жуков С. Г., Вартанова А. В., Семенов С. С. Способ получения алмаз содержащего
материала. Патент РФ №2036779 приор. 8.12.92.
2. Конструкционные материалы: Справочник / Арзамасов Б. Н. и др. – М.: Машиностроение, 1990. –
688с.
3. Физические величины: Справочник / Бабичев А. П. и др. – М.: Энергоатомиздат, 1991. – 1232 с.
4. Физические свойства алмаза / Справочник, - Киев, Наукова думка, 1987, 190 с
5. Свойства конструкционных материалов на основе углерода: Справочник / под.ред.Седова В. П. –
М.: Металлургия, 1975 – 336 с.
__________
УДК 620.199
А. Ю. Хлобыстов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
И.А. Гарютин (ст. преп.)– научный руководитель
ОПТИМИЗАЦИЯ ТЕМПЕРАТУРНОГО ПРОФИЛЯ
В ЗАВИСИМОСТИ ОТ ПОЛУЧАЕМЫХ ДЕФЕКТОВ
Актуальность данной работы заключается в необходимости подстраивать температурный профиль под новые партии печатных плат, при появлении на них дефектов.
Объектом исследования является температурный профиль, подстраиваемый в результате пайки в инфракрасно-конвекционной камерной SMT печи Контур-3А.
Предметом исследования являются параметры, изменение которых приводит к снижению дефектов паяных соединений.
Целью исследования является снижение количества дефектов в технологическом процессе монтажа SMD компонентов в конвекционных печах оплавления припоя, связанных
с неверно подобранным температурным профилем.
Профиль представляет собой зависимость температуры, воздействию которой подвергается сборка в печи, от времени. Основными параметрами профиля оплавления на каждом
этапе являются: максимальная и минимальная температура, скорость нагрева/охлаждения
(наклон данного участка профиля), время выдержки.
В типичном профиле оплавления выделяют четыре этапа (рис. 1):
– предварительного нагрева;
– выдержки/активации флюса;
– оплавления;
– охлаждения.
150
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 1. Типовой температурный профиль, рекомендованный стандартом IPC J-STD-020С
Ассоциация IPC рекомендует следующие параметры профилей оплавления (табл. 1).
Приведенные ниже рекомендации по изменению параметров температурного профиля
позволят снизить количество дефектов (табл. 2).
Как видно из таблицы, доминирующая тенденция, приводящая к образованию дефектов, – это медленное или слишком быстрое нарастание температуры на стадии предварительного подогрева, низкая максимальная температура и быстрое охлаждение.
В настоящее время регулировка температурного профиля производится на основе
пробных партий изделий. Возможность заранее точно определить причину возникновения
того или иного дефекта позволит значительно ускорить процесс производства и сократить
затраты на производство изделия.
Таблица 1
Профиль оплавления для эвтектического сплава IPC J-STD-020С
Средняя скорость подъема температуры (Ramp up) от TL до TP
max 3°C/сек
Температурный диапазон предварительного нагрева
100 – 150°C
Время выдержки при предварительном нагреве
60 – 120 сек
TL
183°C
Время выдержки при T>TL
60 – 150 сек
Время выдержки в коридоре 5°C от TP
10 – 30 сек
Средняя скорость охлаждения (Ramp down)
max 6°C/сек
Время нахождения платы при температуре от 25°C до TP
6 мин max
151
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таблица 2
Требуемые характеристики температурного профиля для минимизации дефектов
Дефект
Механизм образования
дефекта
Требуемые характеристики
профиля
Растрескивание
компонентов
Слишком высокое внутреннее напряжение из-за высокой скорости изменения
температуры
Невысокая скорость изменения температуры
Эффект «надгробного камня»
Неравномерное смачивание
с разных концов чипкомпонента
Медленное нарастание температуры вблизи точки плавления припоя для минимизации разброса температур около чипкомпонента
Сдвиг компонента
Неравномерное смачивание
Медленное нарастание температуры вблизи точки плавления припоя для минимизации разброса температур около чипкомпонента
Капиллярное затекание припоя на вывод
компонента
Температура выводов
больше, чем температура
ПП
Медленное нарастание температуры,
чтобы позволить плате и компонентам
достичь одинаковой температуры перед
оплавлением припоя; более интенсивный
нагрев снизу
Образование шариков припоя
Разбрызгивание припоя
Медленное нарастание температуры для
постепенного нарастания растворителей в
паяльной пасте и влаги
Образование шариков припоя
Чрезмерное окисление до
оплавления припоя
Минимизация подводимого тепла до достижения температуры пайки (медленное
нарастание температуры, отсутствие
плоской оны профиля на стадии стабилизации) для уменьшения окисления
Расползание пасты
во время пайки
Снижение вязкости при
увеличении температуры
Медленное нарастание температуры для
постепенного испарения растворителей
для слишком сильного снижения вязкости
Образование перемычек
Расползание пасты
Медленное нарастание температуры для
постепенного испарения растворителей
для слишком сильного снижения вязкости
Образование бусинок
контакта
Интенсивная дегазация под
компоненты с малым зазором между нижней поверхностью и ПП
Медленное нарастание температуры перед оплавлением для снижения интенсивности газовыделений из паяльной пасты
152
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Продолжение табл. 2
Дефект
Отсутствие контакта
Механизм образования
дефекта
Требуемые характеристики
профиля
Капиллярное затекание
припоя на выводы компонентов
Медленное нарастание температуры,
чтобы позволить плате и компонентам
достичь одинаковой температуры
перед оплавлением припоя; более интенсивный нагрев снизу
Отсутствие смачивания
Минимизация подводимого тепла до достижения температуры пайки (минимизация зоны стабилизации или использование
профиля с линейным нарастанием от
комнатной температуры до точки плавления припоя) для снижения окисления
Слабое смачивание
Чрезмерное окисление
Минимизация подводимого тепла до достижения температуры пайки (минимизация зоны стабилизации или использование
профиля с линейным нарастанием от
комнатной температуры до точки плавления припоя) для снижения окисления
Образование пустот
Чрезмерное окисление
Минимизация подводимого тепла до достижения температуры пайки (минимизация зоны стабилизации или использование
профиля с линейным нарастанием от
комнатной температуры до точки плавления припоя) для снижения окисления
Оставшиеся составляющие
флюса имеют слишком
высокую вязкость
Профиль пайки с более низкой температурой для того, чтобы сохранить большее
количество растворителя в оставшемся
флюсе
Обугливание
Перегрев
Более низкая температура, меньшее время пайки
Выщелачивание
Перегрев при температурах
выше точки плавления
припоя
Минимизация подводимого тепла при
температурах выше точки плавления
припоя с помощью снижения температуры,
сокращение времени пайки
Уменьшение смачивающей способности
Перегрев при температурах
выше точки плавления
припоя
Минимизация подводимого тепла при
температурах выше точки плавления
припоя с помощью снижения температуры,
сокращение времени пайки
«Холодная пайка»
Плохое слияние частиц
припоя
Достаточно высокая максимальная температура
153
РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Окончание табл. 2
Дефект
Механизм образования
дефекта
Требуемые характеристики
профиля
Слишком толстый
слой интерметаллического соединения
Слишком высокий уровень
подводимого тепла выше
точки плавления припоя
Снижение максимальной температуры,
сокращение продолжительности стадии
пайки
Крупнозернистая
структура
Эффект отжига из-за низкой
скорости охлаждения
Более быстрое охлаждение
Отслоение припоя
или контактной площадки
Большое механическое
напряжение из-за несоответствия коэффициентов
теплового расширения
Более медленное охлаждение
Библиографический список
1. Ли Н. Ч. Технология пайки оплавлением, поиск и устранение дефектов: поверхностный монтаж,
BGA, CSP и Flip-Chip технологии. М.: ИД «Технологии», 2006.
2. Технология поверхностного монтажа: Обзорная информация // Приборы, средства автоматизации и
системы управления. Сер. ТС-9 «Технология приборостроения». № 5. 1980.
3. IPC/JEDEC J-STD-020C Moisture/Reflow Sensitivity Classification for Non-hermetic Solid State Surface
Mount Devices.
4. Контроль качества сварных и паяных соединений: справ. изд. / Л. П. Герасимова. – М.: Интермет
Инжиниринг, 2007. – 376 с: ил. 254.
__________
154
СИСТЕМЫ УПРАВЛЕНИЯ
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 620.179.16
Е. А. Алексеев – студент кафедры электротехники и технической диагностики
Л. Н. Бариков (канд. техн. наук, доц.) – научный руководитель
СИСТЕМА УЛЬТРАЗВУКОВОГО КОНТРОЛЯ МЕТАЛЛОИЗДЕЛИЙ
Неразрушающий контроль (НК) – это разработка и применение технических методов
с целью проверки материалов и/или элементов для того, чтобы, не снижая их пригодность
и эксплуатационную надежность, обнаружить в них дефекты, определить их местоположение, измерить, интерпретировать и оценить. НК особенно необходим при создании и эксплуатации жизненно важных изделий, компонентов и конструкций для выявления различных
изъянов, таких как разъедание, ржавление, растрескивание.
Существует также и понятие разрушающего контроля. Например, точно измерить прочность на разрыв какого-то объекта можно только путем приложения разрушающей нагрузки,
после чего объект уже не будет пригоден к использованию. Такой контроль обычно применяют только к нескольким объектам из партии, чтобы определить отсутствие в партии нарушения технологий, влияющих на проверяемые параметры. Такой контроль является весьма затратным экономически. К разрушающему контролю можно отнести краш-тесты автомобилей.
Основными методами неразрушающего контроля являются [1]: магнитный, электрический, вихретоковый, акустический, радиационный, тепловой, радиоволновой, оптический,
проникающими веществами.
Целью представленной работы является создание системы ультразвукового контроля
дефектов металлоизделий, которая включает выбор и обоснование необходимого оборудования, материалов и разработку методики ультразвукового контроля качества листового
металла и штамповок при производстве и при приемке плоских изделий толщиной от 6 мм
до 200 мм.
Существующие акустические методы неразрушающего контроля подразделяют на две
большие группы – активные и пассивные.
Ультразвуковое исследование не разрушает и не повреждает исследуемый образец,
что является его главным преимуществом. При этом можно проводить контроль изделий
из разнообразных материалов, как металлов, так и неметаллов. Кроме того, можно выделить высокую скорость исследования при низкой стоимости и опасности для человека (по
сравнению с рентгеновской дефектоскопией) и высокую мобильность ультразвукового
дефектоскопа.
155
СИСТЕМЫ УПРАВЛЕНИЯ
К недостаткам методов ультразвукового исследования можно отнести следующее.
Использование пьезоэлектрических преобразователей требует подготовки поверхности
для ввода ультразвука в металл, в частности создания шероховатости поверхности не ниже
класса 5, а в случае со сварными соединениями – еще и направления шероховатости (перпендикулярно шву). Ввиду большого акустического сопротивления воздуха даже самый
маленький воздушный зазор может стать непреодолимой преградой для ультразвуковых
колебаний. Поэтому для устранения воздушного зазора на контролируемый участок изделия
предварительно наносят контактные жидкости, такие как вода, масло, клейстер. При контроле вертикальных или сильно наклоненных поверхностей необходимо применять густые
контактные жидкости с целью предотвращения их быстрого стекания.
Как правило, ультразвуковая дефектоскопия не может дать ответ на вопрос о реальных
размерах дефекта. Исследователь получает информацию лишь о его отражательной способности в направлении приемника. Эти величины коррелируют, но не для всех типов дефектов. Кроме того, некоторые дефекты практически невозможно выявить ультразвуковым
методом в силу их характера, формы или расположения в объекте контроля.
В связи с этим ультразвуковой контроль (УЗК) применяется для поиска дефектов материала
(поры, волосовины, различные включения, неоднородная структура и пр.) и контроля качества
проведения работ – сварка, пайка, склейка и пр. Ультразвуковой контроль является обязательной
процедурой при изготовлении и эксплуатации многих ответственных изделий, таких как части
авиационных двигателей, трубопроводы атомных реакторов или железнодорожные рельсы.
Разрешающая способность акустического исследования определяется длиной используемой звуковой волны. Это ограничение накладывается тем фактом, что при размере препятствия меньше четверти длины волны, волна от него практически не отражается. Это определяет использование высокочастотных колебаний – ультразвука. С другой стороны, при
повышении частоты колебаний быстро растет их затухание, что ограничивает доступную глубину контроля. Для контроля металла наиболее часто используются частоты от 0.5 до 10 МГц.
Разрабатываемая методика предназначена для оценки качества листового металла
и штамповок при производстве и при приемке изделий. Методика также определяет критерии качества для изделий, изготовленных из листового металла.
Методика описывает метод ультразвукового контроля плоских изделий толщиной от
6 мм до 200 мм. Методика распространяется на контроль листового проката и штамповок из
низкоуглеродистых и легированных сталей.
Изделия прозвучиваются эхо-методом посредством прямых совмещенных или раздельно-совмещенных преобразователей. УЗК обеспечивает выявление дефектов типа расслоений, закатов, деформированных шлаковых включений и т. д. в плоских изделиях.
В данной методике УЗК установлены два уровня чувствительности: браковочный, соответствующий выявлению несплошностей с эквивалентной площадью 20 мм2 (Ø5 мм), 50 мм2
(Ø8 мм) или 95 мм2 (Ø11 мм), и уровень фиксации, расположенный на 6 дБ или 8 дБ ниже
браковочного.
На уровне фиксации производится обнаружение несплошностей. Браковочный уровень
предназначен в основном для учета несплошностей. Если эхосигнал превышает браковочный
уровень, производится определение контура несплошности и его характеристик – размеров и
площади. Если эхосигнал меньше браковочного уровня – несплошность считается допустимой.
Главными критериями браковки являются размеры и площадь дефекта. В отдельных
случаях производится разбраковка несплошностей по амплитуде эхосигнала.
156
СИСТЕМЫ УПРАВЛЕНИЯ
Обнаружение дефектов в изделии основано на статистических методах. Контролю подвергается весь внутренний объем изделий за исключением приповерхностных зон.
При проведении ультразвукового контроля используются:
– ультразвуковые дефектоскопы (УЗД);
– ультразвуковые пьезоэлектрические преобразователи (ПЭП);
– стандартные образцы предприятия (СОП);
– вспомогательные устройства, приспособления и расходные материалы.
Из проведенного обзора был сделан вывод, что имеет смысл более подробно рассмотреть характеристики дефектоскопов УД2-102 «Пеленг» и УД9812 «Уралец».
Первый из них предназначен для контроля сплошности сварных соединений листовых
элементов, труб, котлов, рельсов, деталей подвижного состава и других металлоконструкций, а также измерения толщины. По показателю эффективность/стоимость прибор превосходит отечественные и зарубежные аналоги.
Второй дефектоскоп предназначен для выполнения ручного контроля изделий из металлов и пластмасс на наличие дефектов типа нарушения сплошности и однородности материалов.
Наклонные пьезоэлектрические преобразователи, тип П121, применяются в задачах
контроля сварных соединений, листов, штамповок, поковок и т.д. Преобразователи П121
позволяют выявлять трещины, объемные дефекты различной ориентации и формы, такие
как неметаллические включения, поры, непровары, усадочные раковины и т.п.
Стандартные образцы СО-2 и СО-3 широко используются в технологиях ультразвукового контроля изделий, а также применяются в процедурах калибровки и поверки ультразвуковых преобразователей. Технология их применения оговаривается в ГОСТ 14782-86.
При проведении работ по ультразвуковому контролю должны выполняться требования
техники безопасности и производственной санитарии согласно [2, 3, 4, 5, 6, 7].
Основные результаты работы:
– рассмотрены характеристики существующих ультразвуковых дефектоскопов и на
основании их анализа для целей работы был обоснован выбор ультразвукового дефектоскопа УД9812 «Уралец»;
– осуществлен выбор и обоснование использования пьезоэлектрических преобразователей и стандартных образцов, необходимых для целей работы;
– разработана методика ультразвукового контроля качества листового металла и
штамповок при производстве и при приемке плоских изделий толщиной от 6 мм до 200 мм.
Библиографический список
1. Неразрушающий контроль: Справочник. / Под общ. ред. Клюева В. В. т.3: И. М. Ермолаев,
Ю. В. Ланге Ультразвуковой контроль - М. Машиностроение, 2006. – 864 с.
2. ГОСТ Р 12.0.006-2002 Общие требования к управлению охраной труда в организации.
3. ГОСТ 12.3.002-75 (2000) ССБТ. Процессы производственные. Общие требования безопасности.
4. ГОСТ 12.2.003-91 ССБТ. Оборудование производственное. Общие требования безопасности.
5. ГОСТ 12.2.033-78 (2001) ССБТ. Рабочее место при выполнении работ стоя. Общие эргономические
требования.
6. ГОСТ 12.2.061-81 (СТ СЭВ 2695-80) ССБТ. Оборудование производственное. Общие требования
безопасности к рабочим местам.
7. ГОСТ 12.1.001-89 Ультразвук. Общие требования безопасности.
__________
157
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.313
Е. В. Анисимова – студент кафедры технической физики, электромеханики и робототехники
М. А. Волохов (канд. техн. наук, доц.) – научный руководитель
МОДЕЛИРОВАНИЕ АСИНХРОННОГО ДВИГАТЕЛЯ
Асинхронные машины получили широкое распространение в основном как двигатели
для электрического привода. Это связано с их нетребовательностью и простотой. Такие
машины получают питание от импульсных преобразователей или от промышленной сети
переменного тока.
Трехфазная асинхронная машина описывается системой из шести дифференциальных
уравнений. Для упрощения вычислений проведем эквивалентное преобразование трехфазной
машины к двухфазной. Приведение к двухфазной машине уменьшает число уравнений до
четырех, что существенно как для аналитического решения, так и для исследования на ЭВМ.
Уравнения напряжений эквивалентной двухфазной асинхронной машины в фазовых непреобразованных координатах имеют вид:
d S
d S
US  RS iS 
,US  RS iS 
dt
dt
d ra
d rb
Ura  Rr i ra 
, U rb  Rr i rb 
dt
dt
Принятые допущения:
– насыщением пренебрегаем, что определяет независимость индуктивностей обмоток
от токов;
– высшими гармониками намагничивающей силы пренебрегаем;
– обмотки статора и ротора имеют попарно одинаковые параметры;
– токи и напряжения обмоток ротора приведены к обмотке α статора через коэффициенты трансформации.
Полные потокосцепления обмоток равны:
s  Ls i s  M cos    i ra  M sin   i rb , s  Ls i s  M cos    i rb  M sin   i ra
ra  Lr i r   M cos    i s  M sin   i s , rb  Lr i rb  M cos    i s  M sin   i s ,
где Ls и Lr – индуктивности обмоток статора и ротора; M – взаимная индуктивность
между обмотками статора и ротора.
Ls  M  Ls
Lr  M  Lr 
где Ls и Lr  – индуктивность рассеяния обмоток статора и ротора.
Имеем дифференциальные уравнения неоднородные с периодическими коэффициентами, решать которые даже с применением ЭВМ неудобно.
Для ускорения расчетов уравнения преобразуются в систему с постоянными коэффициентами посредствам линейных преобразований. При преобразовании соблюдают принцип
инвариантности мощностей.
158
СИСТЕМЫ УПРАВЛЕНИЯ
Наиболее распространенное преобразование:
– к неподвижным осям, жестко связанным с осями обмоток статора – α, β;
– к осям, связанным с обмотками ротора – d, q;
– к осям, связанным с осью поля, вращающейся с синхронной скоростью – синхронно
вращающиеся оси.
Уравнения двухфазной машины в системе координат α, β будут иметь вид:
d s
U s  Rs i s 
dt
d s
U s  Rs i s 
dt
(1)
d r 
U r   Rr i r  
 r  
dt
d r 
U r   Rr i r  
 r  
dt
где  – частота вращения ротора.   p .
s  Ls i s  Mi r 
s  Ls i s  Mi r 
r   Lr i r   Mi s
r   Lr i r   Mi s
Mэ  s i s  s i s
Система дифференциальных уравнений, составленная на основе системы (1) решается
численным методом Эйлера.
С помощью системы MATLAB мы можем проанализировать работу виртуального асинхронного двигателя. Воспользуемся библиотекой SimPowerSistems пакета Simulink. Модель
асинхронной машины с короткозамкнутым ротором приведена на рис. 1
Номинальные параметры:
P  3730ВА
U  460B
f  60Гц
Rстатора  1.115Ом
Rротора  1.083Ом
L  0.005974Гн
После запуска модели были получены следующие характеристики (рис. 2).
Рассмотрим влияние сопротивлений обмоток статора и ротора на скорость и электромагнит1
1
ный момент (рис. 3). Для этого запустим машину с сопротивлениями Rр 2  Rр1 ,Rс 2  Rс1 .
2
2
159
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Модель асинхронной машины с короткозамкнутым ротором
Рис. 2. Зависимости  (t), MЭ1(t)
160
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 3. Зависимости  (t), MЭ2(t)
Рис. 4. Механическая характеристика M э  f ( )
161
СИСТЕМЫ УПРАВЛЕНИЯ
Из приведенных выше характеристик мы видим, что уменьшение сопротивлений ведет
к увеличению колебательности, увеличивается время переходного процесса.
Построим механическую характеристику (рис. 4) M э  f ()
Приведенные материалы показывают, что библиотеку SimPowerSistems пакета Simulink
системы MATLAB удобно использовать для исследований переходных характеристик асинхронного двигателя.
__________
УДК 621.318
Е. В. Бердечникова, О. В. Кабатчикова, Т. А. Шаповалова – студенты кафедры технической физики, электромеханики и робототехники
Л. И. Чубраева (д-р техн. наук, проф.) – научный руководитель
ПОЕЗДА НА МАГНИТНОМ ПОДВЕСЕ
Поезд на магнитном подвесе или Маглев (от англ. Magnetic Levitation – «магнитная левитация», сокращенно MagLev) – поезд, движимый и управляемый электро-магнитными
силами. В отличие от традиционных поездов он во время движения не касается поверхности
рельса, «подвешен» в воздухе благодаря эффекту левитации – явления, при котором предмет без видимой опоры парит в пространстве, не притягиваясь к поверхности. Левитация
возникает при отталкивании одноименных полюсов электро-магнитов, расположенных как
на поезде, так и на поверхности рельса. Между поездом и поверхностью движения существует некий зазор, т.о. трение исключается, а тормозящей силой является сила аэродинамического сопротивления.
Родоначальником этого вида транспорта считается американский ученый Роберт Хатчингс Годдарт, который в 1904 году подал идею опирающегося на магнитное поле поезда.
В 1911 году профессор Томского технологического института Борис Петрович Вайнберг
построил опытную лабораторную установку на электромагнитном подвесе. После успешно
проведенных опытов был разработан проект экспериментальной трассы под скорости движения до 800-1000 км\ч., но он не был реализован.
В 1930-е годы немецкий инженер Герман Кемлер создал первые модели поездов с линейным двигателем, электродвигателем, у которого один из элементов магнитной системы
разомкнут и имеет развернутую обмотку, создающую магнитный поток, а другой взаимодействует с ним и выполнен в виде направляющей, обеспечивающей линейное перемещение
подвижной части двигателя.
Первый действующий поезд на магнитном подвесе с участком пути 1,6 км спроектировал и построил в Великобритании Эрик Лейтвейт, но из-за проблем финансирования проект
был закрыт.
В Японии к 1972 г. был создан успешно прошедший испытания вагон на магнитном подвесе, а через три года поезд удалось разогнать до 550 км/час.
В 1985 году в Советском Союзе появился экспериментальный вагон на электромагнитном подвесе с линейным электроприводом ТП-5. Первый успешный пуск (подвешивание)
162
СИСТЕМЫ УПРАВЛЕНИЯ
был осуществлен 25 февраля 1986 г. Однако, в тот момент идея не получила успешного
развития.
В первой половине 1980-х была построена экспериментальная трасса компании
«Трансрапид» (Transrapid) протяженностью 32 км и скоростью движения поездов 400–
450 км/час.
В 2001–2003 гг. в Китае была создана коммерческая маглев-трасса (г. Шанхай – аэропорт Пудонг) протяженностью 30 км с максимальной скоростью движения поездов
430 км/час временем в пути 7,5 мин. Сама эстакада создана китайскими инженерами,
а 15 поездов – компанией «Трансрапид».
Рассмотрим работу системы Transrapid. Здесь используется принцип линейного электрического двигателя. Имеются статор и ротор, статор выполнен линейным и интегрирован
в несущую структуру, а роль ротора выполняют магниты подвеса, смонтированные на поезде. Когда на развернутую статорную обмотку с обоих концов подается напряжение переменного трехфазного тока, в ней возникает линейно перемещающееся магнитное поле. Это
поле увлекает за собой ротор, а с ним – и весь поезд. Сила тяги и скорость движения поезда
регулируются путем изменения амплитуды напряжения и частоты. Торможение поездов
в системе осуществляется без использования сил трения. Переключив направление линейного перемещения магнитного поля (смена вектора), систему переводят из режима двигателя в режим генератора. Поезд замедляется, а вырабатываемая при этом энергия возвращается в сеть. Аналогично, для движения в обратную сторону также магнитное поле меняет
вектор. Ради экономии электричества ток подается из центра управления только на тот
участок пути, по которому в данный момент движется поезд. Туда, где поезд увеличивает
скорость или идет в гору, энергия подается с большей мощностью.
Вместо традиционной ходовой части и рельсового пути в системе Transrapid используются системы магнитного подвеса, направления и тяги. Системы подвеса и направления
работают по электромагнитному принципу, используя силы притяжения.
Система подвеса (рис. 1) состоит из электромагнитов, симметрично расположенных
с обеих сторон вдоль всего поезда и притягиваемых статорной обмоткой, уложенной на
нижней поверхности несущей балки монорельса.
Сила притяжения электромагнитов автоматически регулируется средствами электроники таким образом, чтобы она уравновешивала силу тяжести при сохранении заданного воздушного зазора между магнитами поезда и монорельсом.
Рис. 1. Система подвеса
163
СИСТЕМЫ УПРАВЛЕНИЯ
Система направления включает в себя расположенные с обеих сторон поезда электромагниты с электронным регулированием, которые взаимодействуют с реактивными шинами,
закрепленными с обеих сторон балок монорельса по всей ее длине. Система электронного
регулирования следит за тем, чтобы зазор между магнитами подвеса и монорельсом в
среднем поддерживался равным 10 мм. Расстояние между днищем кузова и поверхностью
пути составляет 150–170 мм. Благодаря этому небольшие предметы или снежный покров на
монорельсе не оказывают помех движению поезда в режиме магнитного подвеса.
Существует три основные технологии магнитного подвеса поездов.
На сверхпроводящих магнитах (рис. 2).
Сверхпроводящий магнит – это соленоид с обмоткой из сверхпроводящего материала.
Обмотка в состоянии сверхпроводимости обладает нулевым сопротивлением. Если такая
обмотка замкнута накоротко, то наведенный в ней электрический ток сохраняется практически сколь угодно долго.
При движении поезда возникает индуцированный ток, который генерирует магнитное
поле; состав левитирует за счет отталкивания магнитных полей железнодорожного пути и
самого поезда. Сила отталкивания поднимает его в воздух на 10 см. Одно из преимуществ
электродинамической подвески в том, что когда расстояние между поездом и полотном
дороги сокращается, отталкивание становится сильнее, что обеспечивает автоматическую
левитацию состава. Однако при небольшой скорости движения магнитные поля недостаточно сильны для того, чтобы удерживать состав в подвешенном состоянии, поэтому поезд
должен иметь колеса или другой тип шасси. Электродинамическая подвеска больше подходит для высокоскоростных, товарных поездов.
На электромагнитах (рис. 3).
Рис. 2. Электродинамическая подвеска
Рис. 3. Электромагнитная подвеска
Электромагнит – устройство, создающее магнитное поле при прохождении электрического тока. Электромагниты, установленные на поезде и на магнитном рельсовом пути,
поддерживают состав в подвешенном положении на определенном расстоянии от полотна,
которое составляет от 8 до 15 мм. Преимуществами данной технологии является то, что
164
СИСТЕМЫ УПРАВЛЕНИЯ
поезд может «парить» над полотном при движении с низкой скоростью и даже во время
остановки. Электромагнитная подвеска больше подходит для городского пассажирского
транспорта.
На постоянных магнитах (рис. 4).
Рис. 4. Подвес на постоянных магнитах
Это новая и потенциально самая экономичная система. Постоянный магнит – изделие различной формы из магнитотвердого материала с высокой остаточной магнитной индукцией, сохраняющее состояние намагниченности в течение длительного времени. Постоянные магниты
применяются в качестве автономных (не потребляющих энергии) источников магнитного поля.
Устройство подвешивания экипажа, основанное на силах взаимного отталкивания постоянных магнитов неустойчиво в горизонтальной плоскости. Для его стабилизации в предполагаемом техническом решении применен линейный асинхронный двигатель, индуктор
которого установлен на экипаже, а вторичный элемент – в пути (рис. 5).
При подключении индуктора магнитного подвеса к источнику двухфазного переменного
тока с частотой 1 Гц по его обмотке (двухфазной) будут протекать токи пониженной частоты,
которые создадут бегущее магнитное поле.
Магнитное поле токов будет проходить через воздушные зазоры «б» между индикатором и блоками вторичного элемента, а также слой алюминия (и зубцовопазовые слои упомянутых блоков). Обмотки вторичного элемента состоят из алюминиевых стержней, соединенных электрически со слоями алюминия, а их магнитопроводы – из магнитносоединенных зубцов и спинок.
Для создания подъемной силы Fn, направленной вверх, необходимо, чтобы бегущее
магнитное поле индуктора подвеса двигалось вниз, как это показано на рисунке. Переключением питания фаз обмотки индуктора возможно изменить направление скорости поля и,
соответственно, силы Fn. В этом случае подъемная сила будет действовать в одном
направлении с силой тяжести, что позволит форсировать процесс торможения экипажа. Это
свойство характерно только для данной подвески.
165
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 5. Конструкция магнитного подвеса и электропривода экипажа на базе линейных асинхронных
машин: 1 – индуктор магнитного подвеса; 2–- вторичный элемент; 3 – крышка; 4,5 – зубцы и обмотка
индуктора подвеса; 6,7 – токопроводящая клетка и магнитопровод вторичного элемента;
8 – основание; 9 – платформа; 10 – кузов экипажа; 11,12 – пружины; 13 – демпфер; 14 – штанга;
15 – цилиндрический шарнир; 16 – опора скольжения; 17 – кронштейн; 18 – упор; 19 – штанга;
Von – скорость магнитного поля: Fn – подъемная сила подвеса: Вб – индукция рабочего зазора подвеса.
Для увеличения подъемной силы подвеса можно снизить сопротивления обмоток вторичного элемента или увеличить индукции в рабочем зазоре. Увеличение индукции приводит к утяжелению магнитной системы вторичного элемента и уменьшению расхода алюминия на единицу длины пути.
Конструкция тягового линейного асинхронного двигателя (ЛАД) пояснена на рис. 6.
Обмотка индуктора собрана из кольцевых катушек, которые одеты на шихтованный
ферромагнитный сердечник. Между катушками располагаются приставные ферромагнитные
зубцы. Рабочие зазоры двигателя образованы между зубцами и токопроводящими слоями
вторичного элемента.
При взаимодействии бегущего магнитного поля с вторичным элементом возникает изгиб
силовых линий магнитного поля в рабочем зазоре двигателя, но не в вертикальных, а в
горизонтальных плоскостях. Благодаря этому явлению, достигается самостабилизация зазоров между индуктором и вторичным элементом двигателя. Индукторы тяговых двигателей
установлены на основаниях аналогично индукторам подвески. Тяговое усилие двигателя
передается платформе посредством штанг и цилиндрических шарниров. Для улучшения
условий прохождения криволинейных участков пути индуктор тягового двигателя может
быть разделен по длине на несколько блоков, его обмотка это позволяет сделать с использованием блоков практически любой длины.
166
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 6. Конструкция тягового линейного асинхронного двигателя: 1 – индуктор тягового привода;
2 – вторичный элемент; 3 – магнитопровод индуктора привода; 4 – нажимные плиты индуктора привода;
5 – зубцы индуктора привода; 6 – катушки обмотки индуктора привода; 7 – основание
Управление работой двигателей производится посредством полупроводниковых преобразователей частоты, получающих питание постоянным током.
Компоновка транспорта на магнитном подвесе с линейным асинхронным приводом
представлена на рис. 7.
На основе электромагнитной подвески переменного тока и линейного асинхронного привода возможно спроектировать относительно легкий подвижной состав. Весьма существенным его качеством является отсутствие регуляторов зазоров в подвесе и двигателе. Магнитный подвес обеспечивает более равномерное распределение давления экипажа на путь.
Колесные пары движения магистрального железнодорожного транспорта имеют 22,5 т/ось.
Здесь же можно обойтись давлением 1 т на погонный метр и менее. Это открывает возможности создания более легкого путевого полотна, его экономной прокладки по поверхности,
огражденной в условиях города забором, относительно легкой эстакаде, в туннеле типа
метро.
Комбинированная прокладка пути позволит иметь оптимальные трассы, сократить капитальные вложения и сроки прокладки новых путей в условиях крупного города.
Транспорт на магнитном подвесе относится к общественному рельсовому транспорту,
поэтому в случае неисправности системы электроснабжения, путевого полотна или подвижного состава на магнитном подвесе, транспортирующего пассажиров, к требуемому месту
направляется специальный поезд, который состоит из ремонтной платформы и легких пассажирских вагонов (рис. 8).
167
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 7. Транспорт на магнитном подвесе: 1 – кузов; 2 – платформа; 3 – вторичный элемент ЛАД
подвеса и тяги; 4 – индуктор магнитного подвеса; 5 – опора скольжения; 6 – фигурная шпала;
7 – токосъемник; 8, 9 – амортизаторы; 10 – штанга шарнирного подвеса; 11 – кронштейн;
12 – основание; 13 – контактные рельсы токопровода
Рис. 8. Поезд для ремонтно-спасательных работ: 1 – пассажирский вагон; 2 – ремонтная платформа;
3 – кран; 4 – привод поезда; 5 – опорные колеса с подрезиненым ободом
Поезд имеет ребордные колеса, которые совершают движение по вторичным элементам пути транспорта на магнитном подвесе. Привод колес производится от двигателя внутреннего сгорания или от электродвигателей. Во втором случае питание электродвигателей
происходит от накопителей энергии (аккумуляторы и т.п.).
Для подъема элементов конструкции пути или подвижного состава на магнитном подвесе ремонтная платформа поезда имеет подъемный кран, а для ремонтно-восстановительных работ соответствующий инструмент.
168
СИСТЕМЫ УПРАВЛЕНИЯ
При необходимости эвакуация пассажиров из поезда на магнитном подвесе к ближайшей
станции проводится в вагонах специального поезда. Пересадка пассажиров из одного поезда
в другой происходит с использованием переносных лестниц и необходимых ограждений.
Транспортировка вагонов поезда на магнитном подвесе (при неработающем подвесе)
к ближайшей станции по вторичным элементам пути проводится при подаче сжатого воздуха
между основанием подвески и опорой скольжения из резервуаров этого поезда. Сжатый воздух уменьшает силу трения и снижает необходимое от специального поезда тяговое усилие.
Поезда на магнитном подвесе новый, не до конца не изученный вид пассажирского
транспорта, и порой вызывает споры.
Безусловно, такой вид транспорта имеет ряд преимуществ, таких как наибольшая развиваемая скорость наземного (не скоростного) транспорта (экспериментальный максимум
свыше 581 км\ч), что позволяет преодолевать большие расстояния за минуты, а не часы.
Магнитная левитация позволяет быстрее набирать скорость и тормозить по сравнению
с традиционным рельсовым транспортом.
Поезда на магнитном подвесе имеют большую пассажировместимость и идеальны для
линий, где существует необходимость перевозки большого числа пассажиров.
Такой вид транспорта безопасен – поезд не сойдет с эстакады, как с рельсов, и броситься под него не получится: на станциях не будет открытых платформ; и экологичен – нет
выбросов в атмосферу, уровень шума ниже, чем у традиционного транспорта.
Однако, спорны такие преимущества как низкий шум и вибрации. Маглевы не полностью
бесшумны и все же создают некие вибрации, которые по одному из мнений негативно влияют на
психическое состояние людей. Влияние электромагнитных полей на экипаж, пассажиров и близ
находящихся людей так же точно не установлено. Транспорт лишен возможности маневрирования в условиях сложного рельефа, т.к. не может совершать повороты большого радиуса.
В настоящее время существуют лишь две линии поездов на магнитном подвесе, находящиеся в коммерческой эксплуатации: открытая в 2003 году высокоскоростная линия
к аэропорту в Шанхае, с максимальной скоростью 430 км/ч и низкоскоростная линия Linimo
в японском городе Нагоя, которая была запущена в 2005 году.
Рассматривается возможность строительства новых коммерческих линий в Китае, планируется создание высокоскоростной линии Токио-Осака в Японии. Ведется разработка
проекта городской низкоскоростной системы транспорта на магнитном подвесе в Южной
Корее. В США также ведутся разработки систем транспорта на магнитном подвесе.
В России в июне 2012 года на IV российском международном конгрессе по интеллектуальным транспортным системам был представлен проект «Маглев ТрансСити». Максимальная скорость движения состава составит до 150 км/ч. В настоящее время проектировщики
заняты отработкой узловых решений. Возможным маршрутом пилотного проекта может
стать участок Санкт-Петербург – Павловск.
Библиографический список
1. http://electrik.info/
2. «РЖД-Партнер» № 19 (167) октябрь 2009.
3. http://tehno-science.ru
4. http://rudocs.exdat.com, автор статьи Angela Cotey
5. http://alltransnews.ru/ Агентство транспортных новостей / TransNews Agency.
__________
169
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 658.56.47
В. Г. Бороян – студент кафедры теоретических основ электротехники
Е. В. Сударикова (канд. техн. наук, доц.) – научный руководитель
КОНТРОЛЬ КАЧЕСТВА ПРИБОРНЫХ РОТОРНЫХ СИСТЕМ
ПО ПОКАЗАТЕЛЮ ДОЛГОВЕЧНОСТИ
Качество функционирования множества классов изделий приборостроения во многом
определяется качеством их роторных систем (РС). РС состоит из одного или нескольких
роторов в функциональной связи с опорами вращения, корпусом и другими контактирующими элементами. В качестве измерительных, исполнительных, регулирующих органов РС
широко применяются в производственных технологических процессах, в бытовой, медицинской, военной и космической технике, связи. Цена отказа РС может быть очень высокой.
Использование РС в приборных системах ответственного назначения, отказ которых может
привести к негативным экономическим и социальным последствиям, выдвигает одним из
основных требований к качеству таких РС высокую надежность каждого образца изделия.
Разброс показателей надежности РС вызван погрешностями изготовления и сборки точных деталей, определяющих условия контактирования в кинематических парах. Долговечность РС определяется постепенными отказами вследствие усталостного изнашивания
опор, в качестве которых наиболее часто применяются шариковые подшипники, смазываемые пластичными смазками.
В настоящее время приемка приборных РС производится методами входного контроля,
основанными на проверке соответствия механических и электрических параметров изготовленных изделий установленным нормам. Контроль показателей надежности производится
в процессе периодических и других испытаний; при этом подтверждаются лишь групповые
показатели. По результатам испытаний бракуется или принимается вся партия. При этом
индивидуальные особенности изготовленных образцов не учитываются, и к числу годных
могут быть отнесены изделия, не соответствующие требованиям надежности.
Задача повышения качества каждого выпускаемого образца высоконадежных РС ответственного назначения может быть решена путем дополнения существующих технологических процессов сплошного приемочного контроля качества, осуществляемых методами
входного контроля, неразрушающим контролем по показателю долговечности. В качестве
показателя долговечности выбран индивидуальный ресурс.
Надежность приборных РС – изделий со слабой (по критерию надежности) взаимосвязью между элементами – может контролироваться по надежности «слабого» элемента –
опор вращения. Контроль включает оценку ожидаемых индивидуальных значений показателя долговечности и принятие решения о соответствии полученных оценок установленным
нормам. Индивидуальный контроль показателя долговечности РС может производиться по
предельному состоянию опор с использованием критерия приемки (КП).
Технологический процесс контроля в дополнение к существующему включает два этапа.
На первом разрабатывается КП – выражение, связывающее вектор диагностических параметров (ДП) и соответствующее ему значение ресурса с учетом спектра и величины эксплуатационных нагрузок, действующих на РС данного вида. На втором этапе производится
приемка продукции.
170
СИСТЕМЫ УПРАВЛЕНИЯ
На основании анализа модели взаимосвязи основных процессов в опорах РС [1] в качестве ДП выбраны среднее квадратическое значение виброускорения a0 корпуса изделия
и функция контактирования e0 элементов опор. Функция контактирования определяется
отношением суммарной продолжительности контактирования поверхностей трения за период наблюдения к длительности этого периода. Совокупность выбранных ДП
( )   a0 ( ), e0 ( )  , где  – текущее время, обладает высокой чувствительностью к состоянию рабочих поверхностей опор, состоянию разделяющего их смазочного слоя и режиму
работы опор на момент времени .
Для разработки КП и определения его коэффициентов из партий РС, прошедших приемосдаточные испытания, в результате случайного отбора формируется обучающая выборка.
Поэтапно и индивидуально для каждого образца этой выборки проводится комплекс определительных ускоренных испытаний и индивидуального прогнозирования ресурса [2]. Объем выборки устанавливается на основании действующей технической документации на изделие.
В процессе ускоренных испытаний по окончании каждого их этапа проводятся измерения индивидуальных векторов ДП (  ) . По их значениям прогнозируется индивидуальный
ресурс Т ( ) РС. Точность, достоверность и стоимость прогнозирования определяются длительностью ускоренных испытаний. Сокращение длительности испытаний при максимальных точности и достоверности индивидуального прогнозирования ресурса может быть достигнуто за счет поэтапной корректировки индивидуальных коэффициентов адаптации
прогнозирующих выражений. Корректировка производится по результатам сравнения индивидуальных прогнозов ДП на моменты окончания каждого этапа испытаний с реальными
измеренными значениями этих параметров. При этом длительность ускоренных испытаний
индивидуальна для каждого образца изделия и определяется моментом достижения заданной точности прогноза.
Таким образом, в результате проведения комплекса ускоренных испытаний и индивидуального прогнозирования ресурса обучающей выборки РС каждый образец выборки в каждой
точке наблюдения (т.е. на момент начала каждого этапа испытаний) характеризуется измеренным вектором ДП (  ) и соответствующим ему расчетным значением ожидаемого индивидуального ресурса (остаточного индивидуального ресурса) Т ( ) . Совместная обработка этих
данных с использованием аппарата математической статистики позволяет построить математическую модель КП РС данного вида, устанавливающую связь между начальным состоянием
контролируемой РС, описываемым индивидуальным вектором начальных ДП, и ожидаемым
индивидуальным ресурсом изделия, и определить ее коэффициенты.
Математическая модель КП Tˆ  W (0) строится путем решения задачи оптимизации.
Параметром оптимизации является ресурс Тˆ , факторами – составляющие начального вектора ДП (0)   a0 (0), e0 (0) . Факторы a0 (0) , e0 (0) являются однозначными и независимыми.
Для увеличения объема статистических данных произведен переход от ресурса Тˆ испытываемого образца изделия к его остаточному ресурсу
ф
ф
Tˆ ост T
 Tˆ   k T ,
 
( i 1)
( i 1)
y( i ) ( i )
171
СИСТЕМЫ УПРАВЛЕНИЯ
ф
где T( i ) – длительность i -го этапа испытаний; k y( i ) – коэффициент ускорения, реализованный на i -м этапе испытаний.
При таком подходе значения составляющих вектора ДП     ,   0 по отношению
ˆ ост
к T
 
эквивалентны начальным значениям   0 для каждого i-го этапа испытаний,
а значения остаточных ресурсов Tˆ ост имеют смысл ресурса Tˆ , определяемого по начальному вектору ДП.
Статистическая проверка с использованием критериев Стьюдента и Фишера подтвердила пригодность имеющихся исходных данных для построения математической модели КП
и определения ее коэффициентов статистическими методами. Однако эти данные должны
быть ограничены пятым этапом испытаний, поскольку при i  6 испытываемые РС израсходовали более 20 % своего ресурса, и эти данные считаются аномальными.
По результатам ускоренных испытаний и индивидуального прогнозирования построено
факторное пространство, вид которого показан на рис. 1. Его вид позволил описать зависимость между остаточным ресурсом и факторами уравнением «внутренне линейной» формы
2
2

  [a ( )] [e0 ( )]  

Tˆ ост ( )  k exp    0

 ,
ke  

  ka

где k , k a , k e – коэффициенты.
ост
Tˆ
a0
е0
Рис. 1. Факторное пространство
172
СИСТЕМЫ УПРАВЛЕНИЯ
При   0 выражение представляет собой математическую модель КП
2
2

  [a (0)] [e0 (0)]  

Tˆ  k exp    0

   W [(0)] .
k
k
e
  a

 

Определены численные значения коэффициентов модели, подтверждены адекватность
модели и значимость ее коэффициентов.
Контроль долговечности в процессе приемки РС происходит в условиях существенной
неопределенности. КП РС по показателю долговечности, обеспечивающий максимально
гарантированный с уровнем доверия  результат контроля, ориентированный на наихудшие
значения неконтролируемых факторов, для нормального закона распределения ресурса
получен в виде
2

  [a0 (0)]
k exp   
  ka


[ e0 (0)]2  

ke
   t1

 
D [Tˆn ]  Tзад ,
где t1 – табличный коэффициент, определяемый заданной доверительной вероятностью
1  ( t0,99  2,576 ; t0,999  3,290 и т.д. [3]); D [Tˆn ] – дисперсия предсказанного значения
отклика, рассчитываемая по выражению
D [Tˆ ]  B т (B т B) 1  D [Tˆ ]  B ;
n
т
n
n
1
(B B )  D [Tˆ ] – матрица дисперсий-ковариаций; Bn  1 [a0n (0)]2 [e0n (0)]2
– вектор-
строка, определяемый для n-го образца.
КП сформулирован по принципу гарантированного результата и позволяет по измеренному индивидуальному вектору начальных ДП на основании модели оценить ожидаемый
индивидуальный ресурс РС данного вида и с заданным уровнем доверия  проверить соответствие каждого образца изделия установленным требованиям к надежности. Определение коэффициентов модели (прогнозирующего выражения) с учетом спектра и величины
эксплуатационных нагрузок, действующих на изделия данного вида, позволяет обеспечить
высокие точность и достоверность результатов оценки индивидуального ресурса. Достоверность результата контроля определяется уровнем доверия . Точность результата контроля
характеризуется дисперсией предсказанного значения отклика ( D [Tˆ ] ). При этом оценка
n
индивидуального ресурса отдельно рассматриваемого изделия имеет вероятностный характер.
Приемка РС производится следующим образом. На контроль поступают все образцы,
прошедшие входной контроль на соответствие механических и электрических параметров
требованиям технической документации. Задается уровень доверия  результата контроля.
Для каждого образца измеряется вектор начальных ДП, по значениям его составляющих
оценивается ожидаемый индивидуальный ресурс изделия и проверяется условие КП. Если
критерий удовлетворяется, образец с доверительной вероятностью  считается годным,
обладающим гарантированным ресурсом. Если условие критерия не удовлетворяется, считается, что с доверительной вероятностью  ресурс не гарантирован, и изделие отбраковывается как потенциально ненадежное. Риск неудачи контроля существует в достаточно
173
СИСТЕМЫ УПРАВЛЕНИЯ
малом диапазоне 1 – , определяющемся опасностью последствий и общими затратами.
Отбракованные изделия отправляются на переборку.
Для повышения качества изготавливаемой продукции выборки отбракованных изделий
могут направляться на проведение ускоренных испытаний (до ресурсного отказа) и индивидуальное прогнозирование их технического состояния и ресурса. По результатам испытаний
выявляются причины брака, выдаются рекомендации для корректировки технологического
процесса изготовления и сборки РС, которые внедряются затем в производство.
Эффективность технологического процесса приемочного контроля качества можно охарактеризовать значениями риска поставщика и риска потребителя, а также экономической
эффективностью КП.
Таким образом, дополнение существующих технологических процессов приемочного
контроля качества РС, осуществляемых методами входного контроля неразрушающим контролем по индивидуальному ресурсу, позволит повысить качество выпускаемой продукции
за счет своевременной отбраковки изделий, опоры которых не обладают гарантированным
ресурсом.
Высокие точность и достоверность индивидуальной оценки индивидуального ресурса
обеспечиваются за счет определения коэффициентов математической модели КП с учетом
спектра и величины эксплуатационных нагрузок, действующих на РС данного вида. Риск
неудачи контроля существует в достаточно малом диапазоне 1 – , определяющемся опасностью последствий и общими затратами. Событие ошибки контроля РС по КП, имеющее
малую вероятность, в исключительном случае может произойти. Проведение операций
контроля не требует значительных затрат времени и средств. Однако разработка КП требует вложения существенных материальных и временных затрат для накопления и обработки
статистических данных.
Библиографический список
1. Сударикова Е. В., Мельников С. Ю. Диагностирование реодинамических процессов опор качения по
их высокочастотной вибрации / Завалишинские чтения ’08: Сборник докладов. 7-14 апреля 2008. –
СПб: ГУАП, 2008, с. 121-125.
2. Сударикова Е. В. Организация комплекса ускоренных испытаний и индивидуального прогнозирования ресурса приборов / Известия вузов. Приборостроение. 2004. Т. 47, № 8, с. 57-61.
3. Вентцель Е. С. Теория вероятностей. М.: Наука, 1969. - 576 с.
__________
УДК 621.3.019.34
А. Ю. Зимин – студент кафедры электротехники и технической диагностики
Л. Б. Свинолобова (канд. техн. наук, доц.) – научный руководитель
ДИАГНОСТИКА ПАРАМЕТРОВ ЛИНЕЙНЫХ ЭЛЕКТРИЧЕСКИХ ЦЕПЕЙ
Необходимость опытного определения параметров электрических цепей встречается
часто. В простейших случаях, когда нужно определить один параметр цепи или ее участка –
входное сопротивление при гармоническом токе – к цепи подключают источник, измеряют
174
СИСТЕМЫ УПРАВЛЕНИЯ
входное напряжение, ток и фазовый сдвиг между ними. Полученные данные используют
в соответствующих формулах, по которым рассчитывают величину искомого параметра –
комплексного сопротивления.
При исследовании современных сложных устройств, например, электронных микросхем,
электромеханических преобразователей энергии, отдельных блоков вычислительных комплексов и т.п., может возникнуть задача опытного определения не одного, а большего числа
параметров сложной электрической цепи. Если оказывается невозможным или не целесообразным разъединение цепи на отдельные элементы с целью поочередного определения
их параметров указанным выше методом, то можно использовать другой способ, не требующий нарушения целостности цепи, т.е. неразрушающий контроль.
Идея метода заключается в том, что, подключив в цепи, структура которой известна, тем
или иным способом источники, производят измерения некоторых токов или напряжений.
Затем составляют систему уравнений, в которую вводят данные измерений и параметры
подключенных источников, а также в качестве неизвестных величины подлежащих определению параметров электрической цепи. Эти последние параметры и определяют решением
системы уравнений.
Несмотря на простоту и даже тривиальность самого принципа, при его практической реализации возникает ряд вопросов, мало освещенных в литературе. Так, например, неясно,
сколько опытов необходимо провести для определения параметров заданной электрической
цепи, какие токи и напряжения нужно измерить, куда нужно включать источники и каковы
должны быть параметры этих источников для того, чтобы составленная система уравнений
позволила однозначно определить все искомые параметры цепи.
Система из n объектов, характеризуется квадратной матрицей параметров (G), к системе приложены внешние силы, выраженные столбцовой матрицей (J), а реакции системы
описываются столбцовой матрицей (U).
Система уравнений по методу узловых напряжений для линейной электрической цепи
в матричной форме имеет вид:
(G)(U) = (J),
(1)
где(G) – матрица проводимостей размером n  n;
(U) – столбцовая матрица узловых напряжений размером n  1;
(J) – столбцовая матрица источников тока, приложенных к узлам, размером n  1.
Для решения задачи диагностики необходимо преобразовать уравнение (1) так, что бы
неизвестными были параметры цепи, а реакции были известными. В результате процедуры
перемены местами матрицы (G) и (U) для случая, где n = 3 gолучаем уравнение:
 (U)T

 0

 0
0
T
( U)
0
  ( G1 )T 
 T
0   ( G2 ) 
T
T
(U)   ( G3 ) 
0
 J1 
  J2  ,
 
 J3 
(2)
Первый сомножитель – диагональная матрица реакций, где по главной диагонали расположены матрицы (U)T, полученные транспонированием (U), размерность матрицы 3  9.
Второй сомножитель – столбцовая матрица, размером 9  1 образована из элементов
строк матрицы (G), (GK)T– столбцовые матрицы, полученные транспонированием «K» строки, где K = 1, 2, 3.
175
СИСТЕМЫ УПРАВЛЕНИЯ
Более подробная запись уравнения (2) имеет вид:
 U10
 0

 0
U20
U30
0
0
0
0
0
0
0
U10
U20
U30
0
0
0
0
0
0
0
U10
U20
 G11 
 G 
 12 
 G13 
0   G21   J1 


0   G22    J2  ,

  
U30  G23

  J3 
 G31 


 G32 
 G 
33
(2a )
Система уравнений (2) не имеет решения, т.к. количество уравнений n = 3 меньше чем
число неизвестных n2 = 9.
Для однозначного определения всех n2 параметров надо привести n опытов (для данного случая 3) с воздействиями, образующими n линейно независимых векторов*.
Тогда столбцовая матрица в правой части (J) будет размером (9  1) и может быть записана как:
 J1 0 0 0 J2 0 0 0 J3 
Решение матричного уравнения, полученного в результате проведения трех экспериментов, в каждом из которых источник тока подключен к одному из узлов, имеет вид:
(Gузл . )  (Uэ ) 1 ( J* ) ,
(3)
где (Gузл . ) – преобразованная матрица параметров размером 3  3
 G11
(Gузл . )   G21

 G31
G12
G13 
G22
G23 
G32
G33 

(Uэ ) 1 – обратная матрица для матрицы (U) , элементами которой являются измерения
(K )
(K )
(K )
узловых напряжений U10 , U 20 , U 30 , где K – номер опыта, K  1,2,3
( J* ) – матрица внешних воздействий с элементами источников тока.
Далее на основе вышеизложенного приведен пример, в котором при помощи метода узловых напряжений определяются параметры линейной электрической цепи (рис. 1.)
Данные номиналы сопротивлений взяты для удобства проверки. Параметры внешних
воздействий должны подбираться таким образом, чтобы учитывать допустимую мощность
и тепловое рассеивание цепи во избежание ее вывода из строя. Далее проводятся измерения напряжений при входных воздействиях (рис. 2). Полученные данные вносят в пакете
Mathcad Prime 2 в матрицу реакций (рис. 3). Результат вычислений представлен в табл. 1.
*
176
Анго А. Математика для электро-радиоинженеров. М.: Наука, 1965.
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Схема исследуемой цепи
Рис. 2. Моделирование исследуемой цепи в пакете Multisim 12 при первом входном воздействии
Рис. 3. Вычисление матрицы параметров в пакете Mathcad Prime 2
Таблица 1
Результат вычислений
R1
0.984
R2
2.013
R3
2.955
R4
4.011
R5
4.918
R6
6.083
__________
177
СИСТЕМЫ УПРАВЛЕНИЯ
А. С. Качанова – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
СИСТЕМА УПРАВЛЕНИЯ И ДИАГНОСТИКА СВЕРХПРОВОДЯЩЕГО
ИНДУКТИВНОГО НАКОПИТЕЛЯ ЭНЕРГИИ
В работее рассматривается сверхпроводящий индуктивный накопитель энергии, в котором энергия запасается в магнитном поле, а для регулирования процессов накопления и
расходования энергии используется транзисторный преобразователь, содержащий активный выпрямитель и широтно-импульсные преобразователи.
Аппаратура управления СПИН разрабатывается при условии, что созданы сверхпроводящие
индуктивные катушки с максимальным током 100 А и индуктивностью 10 Гн. Энергия катушки при
указанном токе определяется известным выражением Ww  0,5  Lw iw2  0,5  10  1002  50 кДж .
При минимальном токе катушки 50 А минимальная энергия равна 12,5 кДж. При этом накапливаемая и расходуемая энергия одной катушки равна 37,5 кДж.
Если мощность СПИН равна 70 кВт в течение 10 с, или 700 кВт в течение 1 с, то с учетом КПД преобразовательного оборудования требуется 20 сверхпроводящих индуктивных
катушек. Предлагаемая схема такого аварийного (импульсного) источника питания изображена на рис. 1.
Рис. 1. Схема СПИН с аппаратурой управления
Основные элементы СПИН: трансформатор Тр; индуктивно-емкостной фильтр с емкостями C1 и индуктивностями Lf; активный выпрямитель АВ с транзисторными мостами АВ1АВ3; емкостной фильтр постоянного напряжения C2; широтно-импульсные преобразователи
напряжения ШИП1-ШИП20; LCR-фильтры напряжений нагрузки с индуктивностями Ld и RC178
СИСТЕМЫ УПРАВЛЕНИЯ
цепями; сверхпроводящие индуктивности Lw; системы управления АВ и ШИП. Источником
питания СПИН является электросеть 380 В, 50 Гц, мощностью не менее 50 кВА.
Для управления СПИН используются два алгоритма. Переключения системы управления из одного режима в другой осуществляются по сигналу, который формируется в результаты анализа напряжения сети.
В режимах накопления и поддержания энергии СПИН (режим 1) АВ стабилизирует выпрямленное напряжение, обеспечивает синусоидальность токов сети 380 В, 50 Гц и коэффициент мощности, близкий к 1. В каждом ШИП регулятор стабилизирует ток сверхпроводящей катушки на уровне 100±0,5 А.
В режиме аварийного источника (режим 2) выпрямленное напряжение стабилизируется
регуляторами ШИП при снижении токов катушек. АВ стабилизирует напряжение и частоту
сети 380 Гц, 50 Гц и обеспечивает синусоидальность токов. Коэффициент мощности сети
в этом режиме определяется нагрузкой.
В данном случае для режима 1 структура системы управления АВ представлена на
рис. 2.
Рис. 2. Система управления АВ в режиме накопления энергии в СПИН
Синхронизация АВ с сетью осуществляется по фазе  напряжений сети:
u x   u 3  u 2  / 3,
Um  u x2  u12 ,

если u x  0, то   arcsin u1 / U m  , 
(1)

иначе
    arcsin u1 / Um  ,

где u1, u2, u3 – напряжения фаз энергосистемы.
При стабилизации напряжения на выходе АВ на входы регулятора поступают сигналы
по заданному udz и фактическому ud выпрямленному напряжению.
179
СИСТЕМЫ УПРАВЛЕНИЯ
На выходе формируется амплитуда активных составляющих токов фаз Ia:
Ia  K ao  udz  ud   Iai ,
если Ia  Iamx , то Ia  Iamx ,

если Ia  Iamn , то Ia  Iamn , 
(2)

иначе Iai  K ai   udz  ud  dt , 

где t – время, Kai Kao,– коэффициенты, Iamx, Iamn – ограничения амплитуды активных токов
«сверху» и «снизу».
При колебаниях напряжения питания возможен переход АВ в режим перемодуляции,
при котором ограничиваются возможности управления. Чтобы это не происходило, предусмотрен регулятор амплитуды напряжений управления. На его входы поступают сигналы по
заданной амплитуде напряжений Uyzm и фактической амплитуде Uym. На выходе формируется амплитуда заданных реактивных составляющих токов Ir:


Ir  K ro U yzm  U ym  Iri ,
если Ir  Irmx , то Ir  Irmx , 

если Ir  Irmn , то Ir  Irmn , 

иначе Iri  K ri  U yzm  U ym


dt ,

(3)
где Kri Kro,– коэффициенты регулятора, Irmx, Irmn – ограничения амплитуды реактивных токов
«сверху» и «снизу».
Если амплитуда заданной реактивной составляющей тока сети равна 0, то АВ работает
с коэффициентом мощности, близким к 1.
В блоке определения фазы напряжений сети вычисляется фаза τ. Это позволяет
суммировать активные и реактивные составляющие токов и вычислить заданные токи фаз
мостов:
i1z  Ia sin    Ir cos    ,


i 2 z  Ia sin   2 3  Ir cos    2 3 ,
 Ia sin   4 3  Ir cos    4 3 .

(4)
i3z
Токи фаз каждого моста искажены высшими гармониками и составляющими нулевой
последовательности. Чтобы ослабить влияние пульсаций токов на электромагнитные процессы и устранить влияние составляющих нулевой последовательности, регулирование
осуществляется по суммарным токам фаз АВ:
M
in 
 ivnm .
(5)
m 1
В каждой фазе каждого моста АВ ток регулируется пропорциональным регулятором. На
их входы поступают сигналы по заданному inz и фактическому in токам. На выходах формируются сигналы по «токовым» составляющим напряжений управления:
u yin  K io  inz  in  .
(6)
В фазах мостов для выравнивания токов и подавления составляющих нулевой последовательности используются еще пропорциональные регуляторы, на входы которых поступают сигналы по заданному току inz/M (M – количество мостов) и по фактическому току ivnm.
180
СИСТЕМЫ УПРАВЛЕНИЯ
На выходах формируются сигналы по «уравнительным» составляющим напряжений управления:
u yanm  Kao  inz / M  ivnm  .
(7)
Напряжения управления мостов uynm формируются в виде сумм «токовых» uyin, «сетевых» uyun и «уравнительных» uyanm составляющих:
(8)
u ynm  u yin  u yun  u yanm .
Составляющие uyun выделяются из усредненных напряжений управления:
u yn 
1
M
 u ynm .
M
(9)
m 1
Для определения составляющих uyun осуществляется фильтрация напряжений управления uyn. При этом на выходе фильтра выделяются амплитуда Uym и фаза τu основных составляющих напряжений управления. Это позволяет определить мгновенные значения основных составляющих напряжений управления:
u yun  Uym sin u  2  n  1 / 3.
(10)
Описанный алгоритм управления АВ использован при построении математической
и компьютерной моделей СПИН в целом.
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. Пронин М. В., Воронцов А. Г. Активная фильтрация напряжений и токов сети в установках с высоковольтными тиристорными преобразователями / Сб. «Горное оборудование и электромеханика»,
2005, № 5. –С. 41-45
__________
УДК 629.735.33
Д. О. Лазарев – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
СИСТЕМА УПРАВЛЕНИЯ
АСИНХРОНИЗИРОВАННЫМ ГЕНЕРАТОРОМ-ДВИГАТЕЛЕМ
И АКТИВНЫМ ТРЕХУРОВНЕВЫМ ПРЕОБРАЗОВАТЕЛЕМ ЧАСТОТЫ В ГАЭС
Современный электроэнергетический комплекс России включает почти 600 электростанций единичной мощностью свыше 5 МВт. Общая установленная мощность электростанций России составляет 220 тыс. МВт. Действующие электростанции по типам генерации
имеют следующую структуру: 21 % – объекты гидроэнергетики, 11 % – атомные электро181
СИСТЕМЫ УПРАВЛЕНИЯ
станции, 68 % – тепловые электростанции. Гидроэнергетика предоставляет системные услуги (регулирование частоты, стабилизация мощности) и является ключевым элементом
обеспечения системной надежности Единой Энергосистемы страны, располагая более 90 %
резерва регулировочной мощности. Из всех существующих типов электростанций ГЭС являются наиболее маневренными и способны при необходимости быстро существенно увеличить объемы выработки электроэнергии, покрывая пиковые нагрузки. В современных
энергосистемах особую роль выполняют гидроаккумулирующие электростанции (ГАЭС).
ГАЭС имеют обычно два водных бассейна – верхний и нижний. В ГАЭС используются обратимые гидротурбины и генераторы-двигатели (ГД). При малых нагрузках энергосистем гидрогенераторы ГАЭС работают в двигательном режиме, перекачивают воду из нижних бассейнов в верхние и запасают потенциальную энергию. При дефиците энергии в
энергосистемах вода спускается из верхних бассейнов в нижние и те же агрегаты, используя
потенциальную энергию воды, вырабатывают электроэнергию.
Если в ГАЭС используются синхронные генераторы-двигатели (СГД), то активная мощность и частота напряжения ЭЭС регулируются гидротурбинами. Реактивная мощность регулируется возбудителями машин. СГД в ГАЭС не позволяют регулировать частоту вращения
турбин, что затрудняет устранение вибрации агрегатов и кавитации в турбинах. Из-за этого на
турбине быстрее появляются микротрещины, что уменьшает срок службы всей системы
и требует более частого технического обслуживания. Работа турбин с постоянной частотой
вращения связана с изменением КПД при изменениях напора и мощности и не позволяет минимизировать потери энергии. Регулирование активной мощности и частоты ЭЭС турбинами
инерционно. На рис. 1 представлена структурная схема построения ГАЭС с СГД.
Другое решение заключается в использовании асинхронизированных генераторовдвигателей (АГД). В цепях роторов АГД устанавливаются преобразователи частоты (ПЧ),
которые передают электроэнергию из электросети в ротор или обратно. За счет этого регулируется скольжение s и, соответственно, частота вращения ротора АГД:
s  (n  n0 ) / n0 .
(1)
Системы с АГД позволяют уменьшить вибрации агрегатов, устранить кавитацию, повысить КПД турбин, быстродействие систем управления, увеличить срок службы агрегатов.
Но такие системы имеют и недостатки. При использовании АГД существенно увеличиваются
габариты, масса и стоимость системы. Для снижения стоимости большое значение имеет
учет особенностей совместной работы указанного оборудования в ГАЭС. На рис. 2 представлена структурная схема построения ГАЭС с АГД.
Рис. 1. Вариант ГАЭС с СГД
182
Рис. 2. Вариант ГАЭС с АГД
СИСТЕМЫ УПРАВЛЕНИЯ
Одна из задач построения энергоблоков ГАЭС с АГД, заключается в выборе структуры
ПЧ в цепи ротора и его элементной базы.
В ГАЭС возможно применение тиристорных ПЧ с непосредственной связью (НПЧ). НПЧ потребляют значительную реактивную мощность, что приводит к необходимости применять устройства ее компенсации. Это существенно увеличивает габариты, массу и стоимость оборудования.
Более современным решением является применение ПЧ на полностью управляемых
полупроводниковых приборах (IGBT, IGCT и др.)[1].
Возможно применение активных двухуровневых, трехуровневых, многоуровневых, каскадных, матричных, многотактно-многоуровневых и других ПЧ. Как правило, напряжение обмотки
статора АГД существенно выше напряжения обмотки ротора и в цепи возбуждения используется согласующий трансформатор. Он может выполняться с различным количеством и схемами обмоток и это дает свободу в выборе структуры ПЧ. На выбор типа ПЧ оказывают влияние
мощность в цепи ротора АГД, напряжение ротора, особенности электромагнитных процессов
в ГАЭС, устройства защиты и др. В работе рассматривается система с трехуровневым ПЧ.
Математическое описание силовой части ГАЭС выполнено по расчетной схеме рис. 3.
На ней изображен асинхронизированный генератор–двигатель АГД с турбиной Т, защитное
устройство ЗУ, конденсаторы, преобразователь частоты в виде связи автономного инвертора напряжения АИН и активного выпрямителя АВ. esn – ЭДС фаз сети, Ls – индуктивности
фаз сети, isn – токи фаз сети, usn – напряжения фаз (n = 1,2,3).
Рис. 3. Расчетная схема ГАЭС с АГД и трехуровневым ПЧ
Для упрощения системы уравнений, исходная схема представляется в виде подсхем,
взаимосвязанных зависимыми источниками напряжения и тока.
Одно из преобразований схемы заключается в замене фаз трехфазного источника питания зависимыми источниками напряжения:
di
usn  esn  Ls sn , n  1,2,3.
(2)
dt
183
СИСТЕМЫ УПРАВЛЕНИЯ
Далее зависимые источники напряжений usn переносятся в ветви обмотки статора АГД
и в ветви первичной обмотки трансформатора. После определения токов и их производных
в фазах АГД и трансформатора суммы токов представляются в виде зависимых источников
тока, которые воздействуют на трехфазную обмотку источника питания:
i sn  i1n  i 3n ,


(3)
di 3n 
.
dt
dt
dt 
В результате преобразований схема рис. 3 разделяется на взаимосвязанные подсхемы
рис. 4.
di sn

di1n

Рис. 4. Схема замещения ГАЭС с АГД и трехуровневым ПЧ
При дальнейшем разделении схемы на взаимосвязанные подсхемы конденсаторы в цепи ротора АГД с емкостями C1 представляются зависимыми источниками напряжения:
1
u2n   i 6n dt , n  1,2,3.
(4)
C1
Далее эти источники напряжения переносятся в фазы ротора АГД, в фазы защитного
устройства и в фазы АИН.
Токи фаз ротора АГД i2n, АИН i5n и защитного устройства i7n образуют зависимые источники токов фаз в конденсаторах C1:
iC1n  i 2n  i 5n  i 7n ,


(5)
di 7n 
.
dt
dt
dt
dt 
Напряжения фаз первичной обмотки трансформатора приводятся к вторичной обмотке:
u
u 4n  3n , n  1,2,3,
(6)
K tr
diC1n

di 2n
где Ktr – коэффициент трансформации[2].
184

di 5n

СИСТЕМЫ УПРАВЛЕНИЯ
После определения токов и их производных во вторичной обмотке трансформатора
опии приводятся к первичной обмотке:
i

i 3n  4 n ,

K tr

(7)

di 3n
1 di 4 n 

.
dt
K tr dt 

В результате преобразований (4)-(7) система разделяется на подсхемы, изображенные
на рис. 5.
Рис. 5. Схема замещения ГАЭС с АГД и трехуровневым ПЧ
Представленное математическое описание использовано при разработке компьютерной
модели ГАЭС с АГД. Программа расчета параметров системы написана на языке С++. Данная программа пригодна для расчета в установившихся и переходных режимов. Получив
значения токов и напряжений, можно перейти к выбору элементной базы и конструкции
элементов ГАЭС [3].
Библиографический список
1. Пронин М. В., Воронцов А. Г., Терещенков В. В. Управление многотактным активным выпрямителем экскаватора ЭКГ-35К / Горное оборудование и электромеханика, №10, 2009. –С. 29-33.
2. Pronin M., Shonin O., Vorontsov A., Gogolev G. Control system of the multistage active rectifier energizing
power shovel multi-motor variable-frequency drive for mining applications / EPE-2011. En.
3. Пронин М. В., Воронцов А. Г., Калачиков П. Н., Емельянов А. П. Электроприводы и системы с электрическими машинами и полупроводниковыми преобразователями. – СПб.: ОАО “Силовые машины” “Электросила”, 2004. –252 с.
__________
185
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.833: 628.517.2
М. В. Леоночкина – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
КОНТРОЛЬ ДИСБАЛАНСА СТАНКОВ
Одной из основных проблем российских промышленных предприятий, особенно, малого
и среднего бизнеса, является сохранение работоспособности устаревшего оборудования,
увеличение срока эксплуатации нового, а также своевременное выявление брака.
На промышленных предприятиях применяется большое количество шлифовальной техники, электрических машин, вентиляторов, компрессоров, турбин и др. Отсутствие контроля
за уровнем вибрации вращающихся узлов ведет к дополнительным и необоснованным затратам материальных средств на ремонт оборудования и затратам, вызванным выпуском
бракованной продукции, а так же к тяжелым неисправностям или авариям.
Сократить затраты на ремонт и устранение аварий при эксплуатации оборудования
возможно при постоянном контроле уровня вибрации оборудования.
Осуществляя контроль вибрации работающего оборудования, удается вовремя обнаружить: износ подшипников и главного инструмента, разбалансировку ротора, несоосность
передач, увеличение зазоров в кинематических парах, несимметричность питания электрических машин и многие другие отклонения и неисправности.
Особый эффект дает использование виброизмерительной контрольно-сигнальной аппаратуры (далее – аппаратура виброконтроля), которая выдает сигналы предупреждения при
повышенных уровнях вибрации.
Аппаратура виброконтроля (которая состоит из датчика вибрации и вторичного прибора)
предоставляет возможность вовремя обнаружить нарушения в работе оборудования и
предотвратить негативные последствия.
Опыт эксплуатации аппаратуры виброконтроля на промышленных предприятиях, которые
ее используют, позволяет утверждать о ее высокой технико-экономической эффективности.
Шлифовальный станок является неотъемлемой частью любого производства и применяется в качестве чистовой обработки. Именно он будет рассматриваться при разработке
прибора для виброконтроля. В качестве условия были выбраны следующие параметры:
масса шлифовального круга 50 кг, его диаметр 60 см., частота вращения 1940±300 об/мин.
При шлифовании абразивный инструмент является самой главной и наиболее подверженной деформациям частью станка. При длительном взаимодействии с обрабатываемой
поверхностью неизбежно происходят механические повреждения, что приводит к дисбалансу и вибрации. Разрабатываемый прибор будет отслеживать вибрации при изменении шлифовального круга от 1 до 10 грамм.
Прибор для контроля балансировки шлифовального круга основан на косвенном методе
измерения. Иными словами, он не имеет непосредственного соприкосновения с поверхностью изготовляемой детали, так как окончание процесса обработки определяется не моментом достижения деталью заданного размера, а величиной перемещения рабочего органа
станка, шлифовального круга.
Функциональная схема прибора для контроля дисбаланса шлифовального круга представлена на рис. 1. В качестве вибропреобразователя был выбран пьезодатчик модели
КВ11 с чувствительностью 15,6 мВ/м•с-2 и частотным диапазоном 0 – 1000 Гц.
186
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Прибор для контроля дисбаланса шлифовального круга
При механическом воздействии пьезопреобразователь трансформирует механические
колебания в электрический сигнал. Для согласования высокоомного пьезодатчика с входным сопротивлением масштабного усилителя установлен повторитель сигнала с высоким
сопротивлением (согласующий каскад). Масштабный усилитель служит для усиления слабого сигнала, поступающего с датчика вибраций, до сигнала, который возможно будет подвергнуть последующей обработке. Задача фильтра – выделять необходимые колебания на
заданной частоте. Для преобразования гармонических колебаний в постоянное напряжение
используется блок детектирования. После него сигнал поступает на АЦП [1,2], где преобразуется в цифровую форму, и отображается на жидкокристаллическом индикаторе. На основании этой информации делается выводы о состоянии станка.
Для реализации прибора были произведены все необходимые расчеты.
При вращении неуравновешенной массы с постоянной угловой скоростью ω возникает
центробежная сила, которую можно записать так:
2
(1)
F  mr 
Виброускорение шлифовального круга, вызванное массой дисбаланса, можно найти из
второго закона Ньютона:
F  ma
(2)
Прировняв и выразив из выражений (1) и (2) ускорение, можно вычислить минимальное
и максимальное напряжение на выходе с датчика:
U  Ka
(3)
Получив минимальное значение напряжения на датчике 3,863 мВ и максимальное
38,63 мВ, несложно рассчитать сквозной коэффициент усиления измерительного тракта – 100.
Внешний вид прибора контроля балансировки шлифовального круга представлен на рис. 2.
Библиографический список
1. Яценков В. С. Микроконтроллеры Microchip.
Практическое руководство - Москва: Горячая
линия - Телеком, 2002. - 296 с. ил.
2. Тавернье К. PIC-микроконтроллеры. Практика
применения: Пер. с фр. -М: ДМК Пресс, 2002. 272 с.: ил. (Серия «Справочник»).
Рис. 2. Внешний вид прибора контроля
балансировки шлифовального круга
__________
187
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.313.39
А. С. Мазнев – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
СИСТЕМА УПРАВЛЕНИЯ ТРАНСПОРТНОГО СРЕДСТВА С МАШИНАМИ
НА ПОСТОЯННЫХ МАГНИТАХ И НАКОПИТЕЛЯМИ ЭНЕРГИИ
В транспортных средствах с электрическими трансмиссиями традиционно использовались тяговые электроприводы с двигателями постоянного тока (ДПТ). Коллекторные машины, в частности ДПТ, имеют недостатки:
– трудоемкость обслуживания;
– высокая стоимость обслуживания;
– низкая надежность;
– ограниченные возможности при формировании тяговых характеристик.
Замена ДПТ машинами переменного тока (асинхронными или синхронными) позволяет
существенно улучшить эксплуатационные характеристики систем. В частности, в табл. 1
приведены данные по сравнению тяговых электроприводов самосвалов БелАз-75131
(с двигателями постоянного тока) и БелАз-75131-16 (с двигателями переменного тока).[3]
Таблица 1
Сравнение электроприводов постоянного и переменного тока
самосвалов БелАз-75131-16 и БелАз-75131
Основные показатели
Б-75131
Б-75131-16
Техническое обслуживание тяговых двигателей
(ч/час)
109
6
Количество ремонтов тяговых двигателей
3,87
0
Техническое
(ч/час)
218
73
Все виды ремонтов шкафа управления (ч/час)
50
16
Техническое обслуживание механических тормозов
(ч/час)
24
4
Низкая эффективность
Есть
Нет
Есть
обслуживание
шкафа
управления
Система стабилизации скорости
Удержание груженого самосвала на уклонах электрическим тормозом
Из табл. 1 видно, что тяговые приводы переменного тока имеют значительные преимущества.
Приводы переменного тока могут выполняться с асинхронными машинами (АМ), с синхронными машинами традиционного исполнения (СМ) и с машинами на постоянных магнитах (МПМ).[2]
188
СИСТЕМЫ УПРАВЛЕНИЯ
АМ выполняются с короткозамкнутым ротором и не имеют электрических скользящих
контактов. Этим обеспечивается их повышенная надежность и легкость обслуживания. Однако АМ работают со сравнительно низким коэффициентом мощности и вследствие этого
выполняются на большую габаритную мощность. АМ менее экономичны. АМ имеют малый
воздушный зазор, и это тоже является недостатком для транспорта.
СМ с контактными кольцами могут работать с коэффициентом мощности, равным 1. Они имеют
более высокий КПД. У них сравнительно большой воздушный зазор. Однако наличие электрических
скользящих контактов (контактных колец) приводит к необходимости обслуживания машин.
СМ с постоянными магнитами не имеют обмоток на роторе, не имеют скользящих контактов и вследствие этого обладают следующими преимуществами:
– высокая надежность;
– простота конструкции;
– надежное возбуждение;
– меньшая инерционность;
– высокий КПД.
Эксплуатационные характеристики транспортных средств с электрическими трансмиссиями могут быть улучшены не только за счет использования современных технических
решений по электрическим машинам, но и за счет использования новых решений по преобразовательной технике, по применению накопителей энергии. В частности, емкостного накопителя (ЕН) и аккумуляторной батареи (АБ). Их применение позволяет уменьшить размер
дизеля и емкости для топлива, следовательно, уменьшается общая масса и общие денежные затраты. Так как размер дизеля уменьшается – уменьшается общая масса, а следовательно уменьшается объем топлива которое надо использовать для работы самосвала.
Минимизация потерь механической и электрической энергии при торможении (энергия остается в ЕН и АБ и может быть использована в режимах с перегрузкой) так же способствует
уменьшению расхода топлива. Все эти факторы подтверждают экономическую выгоду при
использовании электроприводов переменного тока.
При этом варианте построения системы используется транзисторный активный выпрямитель [2], позволяющий повысить выпрямленное напряжение, например, до 900 В при
напряжении генератора на холостом ходу 612 В (параметры оборудования будут уточняться
в случае принятия данного варианта). Структурная схема ЭЭС при использовании транзисторного активного выпрямителя приведена на рис. 1.[1,2]
В состав ЭЭС входит следующее основное оборудование:
– дизель Д;
– синхронный генератор на постоянных магнитах СГ;
– активный выпрямитель АВ;
– аккумуляторная батарея АБ;
– емкостной накопитель ЕН;
– многотактный широтно-импульсный преобразователь постоянного напряжения для
связи с емкостным накопителем ШИП1;
– многотактный широтно-импульсный преобразователь постоянного напряжения для
связи с аккумуляторной батареей ШИП2;
– защитное устройство ЗУ;
– автономные инверторы напряжения АИН1 и АИН2;
– синхронные двигатели на постоянных магнитах СД.
189
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Структурная схема электроэнергетической системы с АВ
В качестве альтернативы тяговому приводу применяются накопители энергии. ЕН и АБ
применяются для запасания энергии в случае неполной загруженности дизелей, и в случае
движения транспортного средства под уклон при рекуперации электрической энергии. При
полном заполнении ЕН и АБ используется защитное устройство (тормозящий резистор).
Библиографический список
1. Пронин М. В., Воронцов А. Г. Силовые полностью управляемые полупроводниковые преобразователи (моделирование и расчет) / Под ред. Крутякова Е. А. СПб.: «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) / Под редакцией Крутякова Е. А. СПб.: «Силовые машины» «Электросила», 2004. – 252 с.
3. Технические спецификации на карьерные самосвалы с электромеханической трансмиссией переменного
тока производства ОАО «Электросила»./ СПб.: «Руссо-Балт БелАз» «Арт-Механика», 2011. – 20 с.
__________
УДК 621.833: 628.517.2
О. Я. Маслова – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
ПРИБОР КОНТРОЛЯ ОБЪЕКТА
На сегодняшний день приборы контроля безопасности объекта стали необходимым атрибутом в жизни людей. Принцип действия электронных систем охраны – распознавание попытки
несанкционированного доступа (достигается наличием различных датчиков: открывания, движения, удара, объема, изменения угла наклона транспортного средства и т.д.) и следующего за
этим блокирующего действия – разрыва цепей зажигания, подачи топлива и т.д.
Спутниковые системы определяют местоположение автомобиля с помощью GPSприемника по сигналам со спутников, находящихся на околоземной орбите. При этом для
190
СИСТЕМЫ УПРАВЛЕНИЯ
передачи информации используются каналы связи мобильных сетей GSM. Недостатком
является малая проникающая способность спутниковых систем.
Разработанный прибор контроля безопасности объекта представляет собой устройство,
состоящее из двух основных блоков: приемника и передатчика (рис. 1).
Рис. 1. Структурная схема прибора контроля объекта
Передатчик служит для того, чтобы установить под контроль анализируемый объект.
Приемник необходим, чтобы воспринимать сигналы передатчика – установку или снятие
контроля – и разрешает доступ на объект.
Для увеличения помехоустойчивости используется инфракрасный канал передачи информации, а не радиочастотный, поскольку последний может быть отсканирован специальными устройствами, которые в настоящий момент достаточно широко распространены.
Инфракрасный сигнал сложнее поддается сканированию, и в настоящее время отсутствуют
приборы для его сканирования и идентификации.
Для повышения степени защиты объекта сигнал передатчика должен быть закодирован.
В качестве кодировки целесообразно использовать последовательность двоичных символов
«1» и «0». Степень защиты будет зависеть от избыточности кода, т.е. от размера кодовой
посылки. Но недостаточно подать сигнал, необходимо закодировать подаваемую информацию таким образом, чтобы один код отвечал за включение, а второй – за выключение (снятие с контроля).
В связи с особенностью функционирования передатчика будем формировать импульсные последовательности, состоящие из 21 импульсов (пачка импульсов частоты 36 кГц), что
больше 10 импульсов, необходимых для надежного срабатывания фотоприемника. При
подаче 6-10 импульсов частоты 36 кГц напряжение на выходе снижается до нуля, и это
можно использовать для кодирования, т. е кодировать не саму пачку импульсов, а промежутки между пачками. Пусть временной интервал между импульсами, равный 1,5 мс, соответствует «1», а временной интервал 3 мс будет соответствовать «0», причем длительность
импульса на выходе инфракрасного приемника составит 0,58 мс.
Кодовая посылка, например, для установки на контроль будет иметь вид
0000100001111001 и представлена на рис. 2.
Рис. 2. Кодовая посылка для установки на контроль
191
СИСТЕМЫ УПРАВЛЕНИЯ
В качестве передающего блока используется
устройство, формирующее кодовые посылки
«установка» и «снятие» с охраны, основанные на
ИК излучении. Алгоритм функционирования передающего устройства представлен на рис. 2,
где RA1 и RA2 выводы порта А, к которому подключены кнопки «установка» и «снятие» передатчика. Алгоритм функционирования передатчика представлен на рис. 3.
Алгоритм декодирования кодовой посылки
представлен на рис. 4.
Для измерения временных интервалов используется таймер TMR0 микроконтроллера
PIC16F84[1,2]. Принципиальная схема приемника
представлена на рис. 5.
Рис. 3. Алгоритм функционирования передатчика
Рис. 4. Алгоритм декодирования
кодовой посылки
192
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 5. Принципиальная схема приемника
К процессору приемника подключен шлейф, ИК приемник, мощный транзистор управляющий сиреной. При нарушении шлейфа микроконтроллер включает питание сирены.
Библиографический список
1. Яценков В. С. Микроконтроллеры Microchip. Практическое руководство – Москва: Горячая линия Телеком, 2002. - 296 с.
2. Тавернье К. PIC-микроконтроллеры. Практика применения: Пер. с фр. – М: ДМК Пресс, 2002. –
272 с. (Серия «Справочник»)
__________
УДК 621.313.13- 181.4;621.314
Р. В. Миронов – студент кафедры электротехники и технической диагностики
В. В. Колесников (канд. техн. наук, доц.) – научный руководитель
МОДЕЛИРОВАНИЕ ДЕФЕКТОВ АСИНХРОННОЙ МАШИНЫ
В СРЕДЕ MATLAB / SIMULINK
В настоящее время асинхронные двигатели являются наиболее распространенным силовым элементом промышленного производства. Они часто работают в сложных эксплуатационных условиях, при низком качестве электроэнергии, в пыльных, влажных помещениях, в агрессивной среде, при резких колебаниях температуры. Поэтому при среднем сроке
службы 10 – 15 лет (наработка на отказ 40 тысяч часов) около 20% электродвигателей ежегодно выходят из строя [1]. В связи с этим задача повышения надежности работы асинхронных двигателей, теоретическое изучение, поиск новых методик и устройств по выявлению
дефектов на первых этапах их развития является актуальной.
Обычно на практике асинхронные двигатели диагностируют на основе спектрального
анализа вектора Парка тока и напряжения [2]. Для этого требуется АЦП, низкочастотный
фильтр и компьютер (анализатор спектра). При теоретическом изучении удобно воспользо193
СИСТЕМЫ УПРАВЛЕНИЯ
ваться моделированием в среде Matlab / Simulink. В настоящее время в учебной литературе,
в частности, в лабораторных работах, вопросы, посвященные моделированию дефектов
асинхронных машин в среде Matlab / Simulink, рассмотрены недостаточно.
Целью данной работы является разработка имитационной модели диагностирования
дефектов асинхронных машин в среде Matlab / Simulink. Обзор литературы по вопросу
диагностирования двигателей позволяет резюмировать, что диагностирование дефектов
можно выполнить на основе анализа магнитного поля двигателя, путем построения годографов в d – q осях потокосцеплений статора (ротора), а также тока и напряжения статора
либо на основе спектрального анализа обобщенного вектора Парка тока и напряжения
[2,3]. Если дефекты в электрической машине отсутствуют, то поле по форме круговое.
Поэтому, если d и q составляющие потока подать на входы X и Y графопостроителя (осциллографа), то траектория движения луча на экране представляет собой окружность с
центром в начале координат. Наличие дефектов в электрической машине вызывают изменения в ее магнитном поле, оно становиться эллиптическим, а при работе от преобразователя и наличия высших гармоник приобретает сложную форму [2]. Задав заранее
величину дефекта, можно промоделировать годографы вектора Парка тока и напряжения,
соответствующие заданному дефекту. В зависимости от дефекта годограф меняется по
форме от окружности до эллипса. Величины осей эллипса, а также угол наклона большей
оси эллипса к положительной оси координат X зависит от степени дефекта и сочетания
дефектов в фазах.
При создании имитационной модели моделирования дефектов в известную модель
асинхронного двигателя вводим блок – трехфазный короткозамыкатель (3- Phase Fault) [4].
Данный блок позволяет моделировать неисправности асинхронного двигателя. Также вводим блок имитирующий обрывы в обмотках статора и ротора (3-Phase Breaker). Кроме этого
дополнительно вводим два демультиплексора (Demux) и четыре графопостроителя (XY
Graph), с помощью которых наблюдаем годографы тока id = f(iq) и напряжения ud = f(uq) статора, а так же потокосцепления статора и ротора ψd=t(ψq). В блоке измерений переменных
(Machines Measurement) дополнительно выбираем выходные сигналы is_qd и us_qd, то есть
составляющие тока и напряжения статора по осям q – d, соответственно. Причем продольные составляющие подаются на вертикальные, а поперечные – на горизонтальные входы
соответствующих графопостроителей (XY Graph).
На основе разработанной модели были промоделированы следующие дефекты: междуфазные короткие замыкания статора и ротора, замыкания фаз на землю статора и ротора, несимметричность обмотки ротора, обрывы обмоток ротора и статора. На рис. 2a в качестве примера приведены результаты моделирования дефекта в виде короткого замыкания
между обмотками фаз статора В и С, а на рис. 2b – при коротком замыкании на землю обмотки статора фазы В.
фов были собраны в виде базы данных, на основе которой можно диагностировать возникшие дефекты. Анализ полученных годографов тока и напряжения, потокосцепления статора позволяет резюмировать:
– для полностью исправного двигателя годографы uds = f(uqs) – напряжения и ids = f(iqs)
– тока статора представляют собой правильную окружность;
– при дефекте меняется форма годографов. Дефект в роторе приводит к образованию кольца, толщина которого на годографах ids = f(iqs) – тока статора зависит от степени
дефекта ротора АД;
194
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1.Модель диагностирования дефектов асинхронного двигателя с годографами
при работе без дефекта: a) напряжение статора ud = f(uq); b) ток статора id = f(iq));
c) потокосцепление ротора ψdr = f(ψqr); d) потокосцепление статора ψds = f(ψqs).
Осциллограммы зависимостей токов статора и ротора от времени и частота вращения
Рис. 2. Годографы uds = f(uqs) – напряжения , ids = f(iqs) – тока статора, ψds= f(ψqs) –
потокосцепления статора и ψdr= f(ψqr) – потокосцепления ротора: 1 – годографы при работе без
дефекта, 2 – эволюция рабочей точки в переходном режиме, 3 – годографы при работе с дефектом
195
СИСТЕМЫ УПРАВЛЕНИЯ
– при возникновении дефекта обмотки статора годографы uds = f(uqs) – напряжения и
ids = f(iqs) – тока статора представляют собой эллипсы, по виду которого можно определить
не только наличие дефекта, но и вид дефекта, его степень и поврежденную фазу. Степень
развития дефекта можно определить по изменению диаметров большой и малой осей эллипса, а номер поврежденной фазы зависит от направления наклона большой оси.
Результаты моделирования дефектов работы асинхронного двигателя в виде годограВывод: предложенная имитационная модель асинхронного двигателя дает возможность
выполнить моделирование дефектов, оценить их влияние на работу двигателя, а также
диагностировать возникающие дефекты.
Библиографический список
1. Алексеенко А. Ю. Диагностика и прогнозирование состояния асинхронных двигателей на основе
использования параметров их внешнего электромагнитного поля / А. Ю. Алексеенко // Надежность
работы электрических машин: Вестник АлтГТУ им. И. И. Ползунова №2, 2006. С.9-13.
2. Колесников В. В. Моделирование вентильных двигателей в среде Matlab / Simulink /
В. В. Колесников // Завалишинские чтения’12: Сб. докладов / СПб ГУАП. СПб. 2012. С. 118-122.
3. Петухов В. C. Спектральный анализ модулей векторов Парка тока и напряжения / В. C. Петухов //
Новости электротехники / 2008. - №1(49).
4. Герман-Галкин С. Г. Matlab & Simulink Проектирование мехатронных систем на ПК / С. Г. ГерманГалкин . СПб.: КОРОНА – Век, 2008. – 368 с.
__________
П. А. Михайлов – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
МОДЕЛИРОВАНИЕ РЕЗЕРВНОГО ДВИЖИТЕЛЬНОГО КОМПЛЕКСА
С ДВИГАТЕЛЕМ НА ПОСТОЯННЫХ МАГНИТАХ
На судах и кораблях используются резервные движительные комплексы (РДК) и подруливающие устройства (ПУ). РДК необходимы для обеспечения движения судна или корабля
в случае выхода из строя основного движения. ПУ используются при швартовке судна
к пирсу. На современных судах и кораблях РДК и ПУ часто выполняются в виде винторулевых комплексов (ВРК), вынесенных за борт (в гондолу). При необходимости колонка
ВРК может выдвигаться для обеспечения движения или прятаться в корпус.
Устройство таких систем принципиально не отличаются от традиционных гребных электрических установок. Однако они имеют следующие особенности:
– электрическая машина РДК или ПУ в составе ВРК обычно работает в воде (в морской воде). Этим обеспечивается эффективное охлаждение активных материалов и уменьшение габаритов гребного электродвигателя (ГЭД). Вода используется также для смазки
подшипников;
– во многих случаях в ГЭД отсутствует вал. Поэтому датчик частоты вращения или
датчик положения ротора использовать нельзя;
196
СИСТЕМЫ УПРАВЛЕНИЯ
для повышения надежности привода ротор ГЭД, работающий в морской воде, целесообразно выполнять без электрических обмоток. При этом наиболее приемлемым вариантом
ГЭД является машина с постоянными магнитами;
– РДК и ПУ выполняются на сравнительно низкое напряжение в связи с трудностями
обеспечения изоляции оборудования при работе в морской воде;
– обычно предусматриваются меры по сокращению количества сигналов датчиков
в связи с работой оборудования в морской воде.
В дипломном проекте выполняется разработка РДК с ПУ с двигателем на постоянных
магнитах, так как он является оптимальным для этих объектов.
Распространенным на морских судах вспомогательным средством управления являются
РДК совмещенные с ПУ. Они предназначены для управления судном в условиях, при которых эффективность главных средств управления оказывается недостаточной (при маневрировании на малых скоростях либо при отсутствии хода, при поворотах в условиях ветра
и/или течения и в ряде других ситуаций).
Двигатели на постоянных магнитах (ДПМ) имеют сравнительно высокий КПД, на роторе
ДПМ нет обмотки возбуждения и контактных колец. Эти преимущества предопределяют их
использование во многих областях, например, в резервных движительных комплексах.
Для управления ДПМ используются датчики положения ротора (ДПР). Они позволяют
построить устойчивые системы, в которых невозможно выпадение ДПМ из синхронизма
с инвертором [1]-[3]. Вместе с тем, существуют системы, в которых применение ДПР практически невозможно. В РДК без ДПР первостепенными становятся вопросы устойчивости
работы, которые решаются в зависимости от типа инвертора и алгоритма управления.
Далее рассматривается РДК с автономным инвертором напряжения АИН с ШИМ и
трехфазным ДПМ без ДПР. Анализ осуществляется на основе построения моделей РДК.
Схема представлена на рис. 1.
РДК имеет систему управления (СУ), в которой реализуются те или иные алгоритмы работы. При частотном управлении, если токи ДПМ не регулируются, АИН работает в режиме
источника напряжения. Если СУ обеспечивает стабилизацию токов, то инвертор может работать в режиме источника тока.
Задачами исследования являются построение алгоритмов управления РДК, оценка
устойчивости системы при различных алгоритмах управления. Указанные задачи решаются
средствами моделирования РДК.
ИУ
СУ
Ud
DH
ИУ
i1
i2
i3
Рис. 1. Структурная схема РДК с ДПМ и АИН
197
СИСТЕМЫ УПРАВЛЕНИЯ
В рассматриваемом случае, источником питания является аккумуляторная батарея,
напряжение которой может изменяться 175÷320 В. Если для питания РДК использовать АИН
с указанным напряжением, то напряжение на двигателе окажется порядка 100 В в номинальном режиме, что соответствует большим токам в фазах, большим поперечным сечением кабелей и трудностью вывода кабелей за борт.
Для уменьшения сечения кабелей необходимо увеличить напряжение двигателя. Это возможно только с помощью ШИПа. Поэтому схемы силовой части РДК имеет структуру: повышающий ШИП, фильтр постоянного напряжения, АИН, двигатель с постоянными магнитами.
Моделирование системы с РДК осуществляется при разделении ее на взаимосвязанные подсистемы [1]-[3]. Разделение системы на подсхемы осуществляется при замене емкостей C1 и C2
с токами iC1 и iC2 зависимыми источниками напряжения. При этом система разделяется на подсистемы, взаимосвязанные зависимыми источниками напряжения и тока, как изображено на рис. 2.
C1
ia
La
Ra
ea
uc2
uc1
Rs1 Ls1 is1
uc1
uc1
Rs2 Ls2 is2
C2
k s1 uc2
uc2
ic1
ii4
k s2 uc2
uc2 k i1
ii1
ii5
ic2
uc2 k i2
ii2
i1
i2
i3
u2
ii6
uc2 k i3
ii3
Рис. 2. Разделение на части расчетной схемы системы с РДК
Рис. 3 Пример графиков характеристик системы
198
u1
u3
СИСТЕМЫ УПРАВЛЕНИЯ
В ходе математического моделирования системы были рассчитаны показатели, построены графики характеристик. Пример приведен на рис. 3.
Модель РДК строится по методологии моделирования сложных систем по взаимосвязанным подсистемам. Исходная система разделяется на взаимосвязанные подсистемы,
в которых в качестве связующих звеньев используются зависимые источники напряжения
и тока. Это позволяет упростить математическое описание подсистем и системы в целом.
Модель РДК содержит алгебраические и дифференциальные уравнения. Система алгебраических уравнений решается итерационным методом. Устойчивость вычислений обеспечивается преобразованием уравнений на этапе описания системы. Дифференциальные уравнения решаются явным методом Эйлера.
Описанная модель РДК пригодна для расчетов переходных и установившихся режимов
работы и используется при проектировании оборудования.
Библиографический список
1. Пронин М. В., Воронцов А. Г., Калачиков П. Н., Емельянов А. П. Электроприводы и системы с электрическими машинами и полупроводниковыми преобразователями / –СПб.: ОАО «Силовые машины» «Электросила», 2004. –252 с.
2. Пронин М. В., Воронцов А. Г. Силовые полностью управляемые полупроводниковые преобразователи (моделирование и расчет) / –СПб.: ОАО «Электросила», 2003. –172 с.
3. Дробкин Б. З., Пронин М. В., Гоголев Г. А., Воронцов А. Г., Иванов В. В. Активные полупроводниковые преобразователи для энергетики / Международная конференция Russia Power-2012, Москва,
5-7 марта 2012 г.
__________
УДК 621.318.23
Ю. Н. Моисеева – студент кафедры технической физики, электромеханики и робототехники
С. С. Тимофеев (ст. преп.) – научный руководитель
ИССЛЕДОВАНИЕ РЕДКОЗЕМЕЛЬНЫХ ПОСТОЯННЫХ МАГНИТОВ
ПРИ КРИОГЕННЫХ ТЕМПЕРАТУРАХ
В настоящее время большое внимание уделяется разработке и созданию генераторов
с магнитоэлектрическим возбуждением, работающих при криогенных температурах. Использование постоянных магнитов позволяет понизить общие потери машины, тем самым улучшить энергетические показатели электрических машин.
В данной работе рассмотрим три вида магнитов, характеристики которых представлены
в таб. 1.
Магниты NdFeB обладают низкой коррозийной стойкостью, поэтому для них рекомендуется окраска или покрытие металлами или полимерами. Покрытие металлами магнитов
NdFeB – процесс сложный, тем не менее, покрытия с никелем, цинком или оловом обеспечивают магнитам Nd-Fe-B хорошую коррозионную стойкость.
199
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 1
Технические данные магнитов
Обозначение
AlNiCo
Форма магнита
NdFeB
SmCo
AlNiCo
диск
NdFeB
SmCo
кольцо
Диаметр магнита, мм
50
50
50
60х30
60х30
60х30
Высота магнита, мм
7
7
7
7
7
7
Остаточная магнитная индукция (Br),Тл
1,25
1,17
1,13
1,25
1,17
1,13
Коэрцитивная сила
по индукции (Hcb),
кА/м
52
836
716
52
836
716
Коэрцитивная сила
по намагниченности
(Hcj), кА/м
52
955
1194
52
955
1194
Максимальная магнитная
энергия
(BHmax), кДж/м3
44
263
207
44
263
207
Диапазон рабочих
температур, С0
-60..+525
-60..+80
-60..+300
-60..+525
-60..+80
-60..+300
-
никель
-
-
никель
-
Покрытие
Постоянные магниты характеризуются тремя основными параметрами:
– остаточной магнитной индукцией Вr, которая характеризует величину магнитного
потока;
– коэрцитивной силой Нc, определяющей магнитное напряжение;
– энергетическим произведением BH, которое вычисляется в расчете на 1 м3 магнитов. По этой величине можно судить о том, насколько будут малы габариты магнитной
системы.
Если в генератор поставить магниты с большей магнитной индукцией, то пропорционально увеличится напряжение на обмотках, а значит и мощность генератора. А использование магнитов с большей коэрцитивной силой, позволит магнитному полю преодолевать
большие воздушные зазоры. И сможет поддержать ток в большем числе витков статора.
Постоянные магниты имеют только одну магнитную характеристику – кривую размагничивания. Кривая размагничивания постоянных магнитов представлена на рис. 1.
С целью получения данных о редкоземельных постоянных магнитах при температурах
в среде жидкого азота была подготовлена специализированная установка (рис. 2), которая
имитирует магнитную цепь аксиального синхронного генератора, в качестве обмоток якоря
которого используется высокотемпературный сверхпроводник (ВТСП). Задачей данного
испытания является определение рабочего магнитного потока и магнитной индукции в воздушном зазоре и дальнейшего использования полученных данных при расчете характеристик ветрогенератора.
200
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Кривая размагничивания материала AlNiCo
Рис. 2. Схема испытаний магнитов
В ходе проведения испытаний, в установку, представленную на рис. 2, закрепляются
магниты. На магните, расположенном в центре устанавливается датчик Холла, который
может перемещаться в вертикальном и горизонтальном положении. Установка погружается
в ванну с жидким азотом. После полного захолаживания магнита проводят испытание магнитной индукции в воздушном зазоре.
Полученные данные представлены в таб. 2.
В ходе проведения испытаний было выявлено, что магнитная индукция зависит от изменения температуры. Для построения характеристик зависимости, на геометрический
центр магнита устанавливается датчик Холла и датчик температуры, для определения значений индукции при изменении температуры от -200 до 0 С0 Полученный данные представлены на рис. 3,4.
201
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 2
Изменение индукции и напряжения датчика Холла,
расположенного на железе и магните в зависимости от температуры
Напряжение
на железе, мВ
Индукция
на железе, Тл
Напряжение
на магните, мВ
Индукция
на магнит, Тл
NdFeB диск
SmCo
дискo
AlNiCo диск
NdFeB
кольцо
SmCo
кольцо
AlNiCo
кольцо
2,6
1,57
0,053
3,4
2,9
0,24
4,3
2,78
0,075
0,3
0,04
0,038
2,9
2,16
0,108
3,2
3
0,27
0,31
0,19
0,007
0,41
0,36
0,029
0,53
0,34
0,009
0,039
0,004
0,05
0,35
0,27
0,01
0,4
0,37
0,033
2,9
2,2
0,27
3,8
3,5
0,26
4
2,8
0,2
0,2
0,1
0,011
2,9
2,3
0,12
3,2
3,5
0,29
0,36
0,27
0,033
0,47
0,43
0,03
0,49
0,34
0,024
0,03
0,01
0,001
0,36
0,28
0,01
0,4
0,43
0,04
С повышение температуры среды индукция в геометрическом центре постоянного магнита NdFeB резко увеличивается. Достигнув максимального значение (при температуре
-68 ˚С), индукция начинает резко падать. Изменение индукции в момент падения температуры от максимального значения до нуля:
Рис. 3. Характеристики зависимости U=f(T)
для NdFeB
202
Рис. 4. Характеристики зависимости U=f(T)
для SmCo
СИСТЕМЫ УПРАВЛЕНИЯ
С увеличение температуры индукция в геометрическом центре постоянного магнита
SmCo резко снижается до минимального значения при температуре -12,5 ˚С.
Полученные при испытаниях данные позволяют выбрать необходимый тип магнита при
проектирование криогенных установок. На рис. 5 представлены сравнительные диаграммы
классов магнитов
Так постоянные магниты на основе NdFeB обладают высокими магнитными свойства
(Br, Hc и (BH)max), а также невысокой стоимостью, их легко производить различных форм и
размеров, но они обладают низкой коррозионной устойчивостью. Магниты SmCo имеют
характеристики ниже, чем у NdFeB, но обладают высокой стабильностью параметров при
температурах до 350°C,что обеспечивает им преимущества на высоких температурах перед
магнитами NdFeB. К преимуществам магнитов, изготавливаемых на основе сплава Al-Ni-CoFe можно отнести высокую температурную стабильность в интервале температур до 550°C,
высокую временную стабильность параметров в сочетании с большой величиной коэрцитивной силы, хорошую коррозионную устойчивость. Важным фактором в пользу их выбора
может являться значительно меньшая стоимость по сравнению с магнитами из Sm-Co. Данное обстоятельство делает магниты из Альнико по-прежнему хорошим выбором для магнитных систем, где эти качества являются существенными и, при этом, отсутствуют большие воздушные зазоры и сильные размагничивающие поля.
Рис. 5. Сравнительные диаграммы
__________
203
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.313
А. Ю. Новиков – студент кафедры теоретических основ электротехники и технической диагностики
В. Д. Косулин (канд. техн. наук, доц.) – научный руководитель
СТЕНД ДЛЯ КОНТРОЛЯ ГАРМОНИЧЕСКОГО СОТАВА ТОКА
ВЕНТИЛЬНОГО ДВИГАТЕЛЯ ПОСТОЯННОГО ТОКА
Вентильные двигатели постоянного тока (ВД) имеют преимущества по сравнению с коллекторными двигателями ввиду отсутствия щеточно-коллекторного узла и соответственно
более высоких надежности и срока службы. Кроме того, наличие коммутатора в составе ВД
дает возможность реализовать различные законы управления. Применение вентильных
двигателей в составе приводов, к которым предъявляются повышенные требования по
уровню пульсаций частоты вращения вала, накладывает свои особенности в части контроля
параметров ВД на стадии изготовления. Одним из таких параметров является гармонический состав фазного тока в двигателе, который определяет состав спектра гармоник мгновенной скорости вращения вала.
Наилучшими показателями по уровню пульсаций мгновенной частоты вращения являются вентильные двигатели с позиционной модуляцией фазных напряжений. Закон амплитудной модуляции определяется формой сигнала с датчика положения ротора, который
является неотъемлемой частью ВД. При этом наиболее рациональным с точки зрения технологичности конструкции является использование в качестве датчика положения ротора
индукционного датчика типа микросин. Форма выходного сигнала в функции угла поворота
ротора такого датчика зависит от углового размера сигнального сектора. Наилучший гармонический состав выходного сигнала, определяющего закон позиционной модуляции, имеет
место при трапецеидальной форме с длиной линейно возрастающего участка трапеции
60 эл.град. В таком сигнале отсутствует третья гармоника, что в конечном счете улучшает
гармонический состав тока и снижает уровень пульсаций мгновенной частоты вращения
вала двигателя.
В настоящей статье рассматривается задача создания стенда для контроля гармонического состава фазного тока ВД с позиционной модуляцией фазных напряжений и датчиком
микросинного типа.
Известно [1], что гармонический состав фазного тока однозначно определяет гармонический состав пульсаций частоты вращения вала (в предположении синусоидального распределения поля постоянных магнитов индуктора):
(t ) 
C

 Ag sin(gωt  φg ),
Jωp
g 4
2
2
где Ag  Iη  Il  2IηIl cos(φη  φl )  коэффициент, зависящий от амплитуд гармоник
фазного тока η=3,7,11... и l=5,9,13...; g=(η+l)/2; С – конструктивный коэффициент; J –
приведенный момент инерции нагрузки; ω – частота первой гармоники тока; p – число пар
полюсов в двигателе; φ – фаза соответствующей гармоники тока.
204
СИСТЕМЫ УПРАВЛЕНИЯ
Следует заметить, что третья и пятая гармоники тока вызывают появление четвертой
гармоники в мгновенной частоте вращения. Поскольку в кривой напряжения отсутствует
третья гнармоника, амплитуда четвертой гармоники частоты вращения будет определяться
только пятой гармоникой фазного тока. Восьмой гармоникой пульсаций частоты вращения
пренебрегаем ввиду ее малости.
Расчет амплитуды четвертой гармоники пульсаций частоты вращения для ВД
номинальной мощностью 140 Вт с номинальной частотой вращения 1000 об/мин показал,
что при амплитуде пятой гармоники тока 1,25 А относительная величина пульсаций
мгновенной частоты вращения равна:
% 
m 5
1N
 100% 
0,6
104,7
 100  0,57% .
При заданном уровне пульсаций мгновенной частоты вращения мнее 1% при работе
в режиме естественной коммутации по величине пятой гармоники фазного тока I5 ≤ 2,2 А
можно судить о соответствии ВД требованиям ТУ в части уровня пульсаций мгновенной
частоты вращения. Таким образом, для разрабатываемого стенда исходными данными
являются: частота пятой гармоники фазного тока 83,3 Гц; амплитуда фазного тока
в номинальном режиме 5,4 А; амплитуда пятой гармоники фазного тока 2,2 А.
Структурная схема стенда представлена на рис. 1, где обозначено: ВД – тестируемый
вентильный двигатель; К – коммутатор; Н – имитатор нагрузки; ИП – источник питания; ДТ –
датчик тока; ПФ – полосовой фильтр; В – выпрямитель; П – повторитель; V1, V2 –
измерительные приборы; ДЧВ – датчик частоты вращения.
Рис. 1. Структурная схема стенда контроля фазного тока ВД.
Процесс контроля фазного тока осуществляется в следующей последовательности.
Подается питание на двигатель и соответствуюбщие блоки. Электромагнитным тормозом
(Нг) создается такой момент на валу, при котором частота вращения вала равна
номинальной. По прибору V1, контролируется значение фазного тока двигателя, а по
прибору V2 контролируется величина пятой гармоники фазного тока. В качестве датчика
205
СИСТЕМЫ УПРАВЛЕНИЯ
тока целесообразно использовать программируемые датчики серии НО фирмы LEM,
позволяющие измерять с точностью 1% токи от 2,67 А благодаря многодиапазонной
конфигурации [2].
Библиографический список
1. Косулин В. Д., Михайлов Г. Б., Омельченко В. В., Путников В. В. Вентильные электродвигатели
малой мощности для промышленных роботов /. Л.:Энергоатомиздат, 1988, 184 с.
2. http://www.lem.com/ru/ru
__________
УДК 629.735.33
Р. Т. Плешаков – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
МОДЕЛИРОВАНИЕ НАКОПИТЕЛЯ КИНЕТИЧЕСКОЙ ЭНЕРГИИ
С АСИНХРОНИЗИРОВАННЫМ ГЕНЕРАТОРОМ-ДВИГАТЕЛЕМ
В современном мире нельзя представить нашу жизнь без накопителей энергии. Они используются в энергетике, в электромобилях, на подводных лодках, в электроинструменте
и т. д. Одним из видов накопителей являются накопители кинетической энергии (НКЭ).
В энергетике НКЭ применяются для стабилизации параметров энергосистем в динамических
режимах работы. Мощность НКЭ в энергетике достигает сотен мегаватт.
В энергетике НКЭ содержат электрические машины (ЭМ) с маховиками на валу. Если
ротор ЭМ имеет большой момент инерции, то маховики не используются. Запас энергии w1
во вращающихся массах при моменте инерции J и частоте вращения ω1 определяется
формулой:
w1  0,5J 12 .
При частоте w2 запасенная энергия ω2 равна:
w 2  0,5J 22 .
Если частота вращения ротора ЭМ регулируется в пределах от 1,2 о. е. до 0,8 о. е., то
можно использовать следующую часть энергии НКЭ:
w1  w 2
wн
 100
w1  w 2
wн
2
 100
2
0,5J  (1,2  0,8 )
0,5J  1
 80%,
где wн – запас энергии при номинальной частоте вращения.
Для регулирования частоты вращения НКЭ, обеспечения процесса накопления энергии
и ее возврата в сеть необходимо регулировать частоту вращения ротора ЭМ. Это реализуется полупроводниковыми преобразователями (ПП), которые подключаются или со стороны
статора ЭМ или со стороны ротора.
Если ПП подключается к обмотке ротора ЭМ, то машина выполняется как асинхронизированный генератор-двигатель (АГД). В этом случае частота вращения ротора регулируется
206
СИСТЕМЫ УПРАВЛЕНИЯ
в ограниченных пределах, например, ±20 %, а ПП выполняется на частичную мощность
АГД – в указанном случае на 20 % мощности машины. Схема, рассматриваемого НКЭ, представлена на рис. 1.
Рис. 1. Структура накопителя энергии с асинхронизированной машиной
Математическое описание силовой (энергетической) части НКЭ выполняется по расчетной схеме рис. 2. Основными элементами НКЭ являются: АГД с трехфазной обмоткой статора с токами i1n и напряжениями фаз usn и трехфазной обмоткой ротора с токами i2n и
напряжениями фаз u2n; преобразователь частоты (ПЧ) в цепи ротора, содержащий активный
выпрямитель (АВ), конденсаторную батарею с напряжением uc, автономный инвертор
напряжения (АИН); трансформатор в цепи питания преобразователя частоты с токами первичной обмотки i3n, токами вторичной обмотки i4n и напряжениями фаз вторичной обмотки
u4n; трехфазный источник питания с синусоидальными ЭДС фаз esn, токами фаз isn и напряжениями фаз usn (n=1,2,3).
Моделирование системы осуществляется при разделении ее на взаимосвязанные подсистемы. Одно из действий по разделению исходной схемы на части заключается в замене
фаз трехфазного источника зависимыми источниками напряжения:
di
usn  esn  Ls sn .
dt
Рис. 2. Структура накопителя энергии с асинхронизированной машиной
207
СИСТЕМЫ УПРАВЛЕНИЯ
Токи фаз статора АМ и токи первичной обмотки трансформатора образуют зависимые
источники тока, воздействующие на трехфазный источник питания:
disn di1n di 3n
i sn  i1n  i 3n ,


.
dt
dt
dt
В результате указанных преобразований исходная схема разделяется на подсхемы,
изображенные на рис. 3.
Рис. 3. Преобразование источника питания
Далее производится замена конденсатора зависимым источником напряжения:
1
uc   ic dt .
C
Источник uс переносится в ветви выпрямленных токов АВ и АИН и затем – в плечи мостов.
Выпрямленные токи АВ и АИН образуют зависимый источник тока:
dic didv didi
ic  idv  idi ,


.
dt
dt
dt
В трансформаторе с коэффициентом трансформации Kтр напряжения первичной обмотки приводятся ко вторичной обмотке:
u 4n  usn / K тр .
После определения токов i4n вторичной обмотки трансформатора они приводятся к первичной обмотке:
di 3n
i
1 di 4n
i 3n  4 n ,

.
K тр
dt
K тр dt
Состояние ключей фаз АИН (АВ) можно определить функциями:
если в АВ открыто плечо с источником ЭДС, kvn  1, 
иначе
kvn  0, 


если в АИН открыто плечо с источником ЭДС, kin  1, 
иначе
k in  0. 

208
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 4. Преобразование транзисторных мостов АИН и АВ
Рис. 5. Преобразование транзисторных мостов АИН и АВ
В связи с этим можно произвести замену элементов (рис. 5) в соответствии с выражениями:
evn  kvnuc ,
ein  kinuc .
В подсхемах рис. 5 зависимые источники напряжения evn содержат составляющие нулевой последовательности. Под их действием токи в фазах не протекают. Поэтому составляющие нулевой последовательности удаляются:
ev 0   ev 1  ev 2  ev 3  / 3, e4n  evn  ev 0 , n  1,2,3.
То же самое происходит и с зависимыми источниками напряжения ein, содержащими составляющие нулевой последовательности. Они удаляются (рис. 6):
ei 0   ei 1  ei 2  ei 3  / 3, e2n  ein  ei 0 , n  1,2,3.
После определения токов и их производных в подсхемах с АМ и с трансформатором
находятся токи в плечах мостов АВ и АИН:
ivn  kvn i 4n ,

i in  k in i 2n . 
209
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 6. Преобразование транзисторных мостов АИН и АВ
Выпрямленные токи АВ и АИН:
idi  i i 1  i i 2  i i 3 , 

idv  iv 1  iv 2  iv 3 .
Полученная система уравнений НКЭ объединена в едином алгоритме расчета, который
включает в себя внутренний итерационный цикл определения параметров зависимых источников, через которые подсхемы связаны друг с другом, и внешний цикл интегрирования
переменных во времени. Модель НКЭ реализована на языке программирования С++. Модель НКЭ используется для расчетов переходных и аварийных режимов работы системы,
для определения ее характеристик, необходимых для проектирования.
Библиографический список
1. Пронин М. В., Воронцов А. Г., Терещенков В. В. Управление многотактным активным выпрямителем экскаватора ЭКГ-35К / Горное оборудование и электромеханика, №10, 2009. –С. 29-33.
2. Pronin M., Shonin O., Vorontsov A., Gogolev G. Control system of the multistage active rectifier energizing
power shovel multi-motor variable-frequency drive for mining applications / EPE-2011. En.
3. Пронин М. В., Воронцов А. Г., Калачиков П. Н., Емельянов А. П. Электроприводы и системы с электрическими машинами и полупроводниковыми преобразователями / СПб.: ОАО «Силовые машины» «Электросила», 2004. – 252 с.
__________
УДК 662.99
К. Д. Пожарова – студент кафедры компьютерной математики и программирования
В. Д. Косулин (канд. техн. наук, доц.) – научный руководитель
АВТОНОМНЫЙ ЭНЕРГОСБЕРЕГАЮЩИЙ ДОМ
Без энергии человек существовать не может. Если учесть, что по прогнозам к 2050 году
население Земли возрастет до 9 млрд. человек, а источники энергии, которыми в настоящее
время располагает человечество, иссякают (нефтяных и газовых запасов хватит еще примерно на 50-60 лет). Запасы химической энергии на сегодняшний день оцениваются
210
СИСТЕМЫ УПРАВЛЕНИЯ
в 1,98∙1023Дж., что составляет всего чуть более 8% всех энергетических источников Земли.
К энергетическим природным ресурсам относятся как не возобновляемые (ядерная, химическая энергия горючих веществ), так и возобновляемые источники (энергия ветра, приливов,
рек, Солнца). Солнце ежесекундно излучает энергию 3,8∙1026 Дж, а до поверхности Земли
достигает 1,71∙1017Дж. В течение чуть больше 13 суток на Землю поступает столько энергии
от Солнца, сколько содержится во всех запасах органического топлива. Таким образом,
можно сделать важный вывод о том, что в будущем основным энергоресурсом может стать
солнечная энергия. Солнце – практически неисчерпаемый, возобновляемый и не загрязняющий окружающую среду источник энергии. Существуют на земле такие климатические
зоны, где большинство дней в году – солнечные. При этом есть местности, куда поставка
электроэнергии по проводам затруднена ввиду отдаленности электростанций и рельефных
особенностей местности. Поэтому представляется актуальной задача создания, как отдельных домов, так и небольших населенных пунктов, имеющих автономное снабжение электроэнергией. И в качестве основной энергетической установки может быть рассмотрена система на основе солнечных батарей.
Преобразование солнечной энергии в электрическую осуществляется фотоэлектрическими преобразователями (ФЭП), принцип действия которых основан на фотоэлектрическом
эффекте, возникающем в неоднородных полупроводниках при воздействии на них солнечного излучения. Наибольшее распространение получили ФЭП на основе кремния благодаря
его низкой стоимости и спектральным характеристикам, соответствующим спектру солнечного излучения. Они изготавливаются по следующим основным технологиям:
– на основе монокристаллического кремния (КПД 14-17%, цена панели 13000 руб.);
– на основе поликристаллического кремния (КПД 10-12%, цена панели 18000 руб.);
– тонкопленочные панели (КПД 8-10%, цена панели 16000 руб.).
Солнечные панели на основе тонких пленок могут работать при рассеянном свете, благодаря чему суммарная вырабатываемая мощность выше, чем у других панелей, на 10-15%.
Тем не менее, по уровню КПД и стоимости, на наш взгляд, целесообразно выбрать для построения энергосберегающего дома панели на основе монокристаллического кремния.
Для того чтобы правильно и рационально построить энергосберегающий дом и выбрать
число требуемых солнечных панелей, прежде всего, необходимо определить, сколько тепла
мы должны получить от своей системы отопления, чтобы компенсировать теплопотери из-за
несовершенства строительных материалов.
Рассмотрим кирпичный двухэтажный дом общей площадью помещений 64м2, расположенный в Краснодарском крае. (Для определенности примем, что размеры дома в плане
8х8 м2. Дом имеет один этаж высотой 3 м).
Теплопотери Q зависят от разницы температур Δt внутри и снаружи дома и коэффициента сопротивления Ro теплопередаче его ограждающих конструкций. Она может быть рассчитана по формуле [1]:
Q=(Δt/Ro)∙S
Разница температур Δt – величина непостоянная; она меняется от сезона к сезону, в течение дня, в зависимости от погоды и т.д. Поэтому для расчета используем среднегодовую
температуру воздуха для выбранной местности. Для Краснодарского края это +13,4°C. Если
принять за комфортную температуру в доме +23°C, то усредненная разница Δt составит
Δt = 23°C – 13,4°C = 9.6°C.
211
СИСТЕМЫ УПРАВЛЕНИЯ
Коэффициент Ro для стены стандартного дома в два кирпича равен 0,405 м2°C/Вт.
С целью увеличения коэффициента Ro для теплосберегающего дома целесообразно применение внешнего или внутреннего утепления.
Существует два способа утепления фасадов: «мокрый» (штукатурка) и путем установки
навесного вентилируемого фасада. Вентилируемый фасад – это наружный «экран», закрепленный на легком металлическом каркасе, который крепится к стене специальными кронштейнами. Между стеной дома и экраном размещается легкий утеплитель толщиной от 50
до 200 мм), а также ветрогидрозащитная мембрана. В качестве наружной облицовки могут
использоваться различные материалы, но в индивидуальном строительстве чаще всего
применяется стальной сайдинг. Дополнительный слой фасадного утеплителя из минеральной ваты имеет сопротивление теплопередаче примерно 1,7 м2∙°C/Вт. Сопротивление теплопередаче многослойной стены рассчитывается как сумма соответствующих значений для
каждого из слоев. Для стены с вентилируемым фасадом, таким образом, получим:
Ro= 0,405 + 1,7 = 2,105 м2°C/Вт,
что в пять раз лучше аналогичного показателя для неутепленного фасада. Результаты расчета теплопотерь через элементы конструкции дома сведены в табл. 1
Таблица 1
Расчет теплопотерь через элементы конструкции дома
Наименование показателя
Элементы конструкции
Стены
Кровля
Пол
Двери
Окна
Вентиляция
Площадь, м2
76.2
80
64
1.8
18
1
Теплопотери,кВт ч/мес.
264
252
216
8.2
83
17,3
Таким образом, суммарные потери за счет несовершенства теплоизоляции составляют
795 кВт/ч .Но эта сравнительно небольшая цифра для двухэтажного дома с мансардой получена благодаря некоторым усовершенствованиям конструкции дома. А именно: применено утепление фасада дома, покрытие специальным изоляционным слоем всех стыковых и
переходных соединений, организована система «комфортной вентиляции» и, наконец, установлены специальные стеклопакеты, в которых пространство между стеклами заполняется
специальными газами, такими как аргон.
Для правильного определения потребной мощности солнечных панелей, кроме учета
потерь тепла, следует оценить все факторы, влияющие на теплообмен в доме. Это, прежде
всего, бытовые электроприборы, а также люди, проживающие в доме. Приборы и люди
могут не только потреблять энергию, но и выделять ее. Их вклад в теплообмен достаточно
значительный, он составляет 44 кВт/ч.
В табл. 2 приведены данные о среднем месячном потреблении стандартного набора
электробытовых приборов; оно составляет 289 кВт/ч в месяц. Например, в техническом
паспорте холодильника указана средняя потребляемая мощность 28 Вт, следовательно,
месячное потребление энергии составит 28 Вт∙24 час∙30 дней≈20 кВт/ч.
Суммируя данные табл. 1 и табл. 2, получим, что потребление в месяц составит в среднем 1085 кВт/ч.
212
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 2
Данные о среднем месячном потреблении стандартного набора электробытовых приборов
ТV
Пылесос
М/в печь
насосы
Комп.
Утюг
Эл/пл.
Эл. дух.
Осв.
По данным
пасп.
14
20
3
2
40
120
2
40
6
90
20
17
2,1
3
16
70
40
3.2
61
24
32
Хол-к
Стир. машина
Электробытовые приборы
Кол-во
часов
Потр.,
кВт∙ч/мес.
Как сказано выше, наиболее подходящим типом солнечных элементов являются элементы на основе монокристаллического кремния. Одна стандартная панель площадью
1580×808×45 мм3 имеет мощность 0,075 кВт. При среднем часовом потреблении 1,6 кВт/ч
необходимое количество солнечных панелей 1,5/0,075≈21. Данный расчет приведен для
случая размещения панелей на крыше дома. Поскольку мы рассматриваем дом, снабжение
энергией которого полностью автономно, то для бесперебойного снабжения энергией в
случае выхода из строя или каких-либо непредсказуемых перебоев в работе солнечных
батарей, на наш взгляд, целесообразно предусмотреть еще один экологически чистый источник энергии, а именно – ветроэнергетическую установку. Она позволит «помочь» солнечным батареям в моменты пиковых нагрузок, а также в ночное время или в аномальных природных условиях. Мощность ветроэнергетической установки из указанных соображений
выбираем соизмеримую с мощностью солнечных панелей. На рис. 1 представлена схема
энергообеспечения дома.
Рис. 1. Схема энергообеспечения загородного дома
213
СИСТЕМЫ УПРАВЛЕНИЯ
Для повышения эффективности предложенной системы можно использовать вариант
размещения солнечных панелей на территории, прилегающей к дому. Это несколько ущемит использование полезной площади участка, но позволит использовать трекеры – систему
слежения солнечных панелей за движением солнца, что увеличит эффективность системы
почти на 40% и соответственно снизит число используемых панелей. При этом следует
учесть мощность, необходимую для работы трекеров. В табл. 3 приведены характеристики
стандартного модуля слежения.
Таблица 3
Характеристики стандартного модуля слежения
D-2500
Характеристика
Габариты, мощность
1580х808 мм, 160-180 Вт
Кол-во модулей (шт.)
16
Мощность приводного двигателя одного модуля
5 Вт х 1
Потребление в день
≤0,01 кВт∙ч
Диапазон углов поворота
-75° до 75°
Трекер представляет собой следящий привод, где в качестве чувствительных элементов выбран кремниевый фотоэлектрический преобразователь (ФЭП). Если на поверхность
ФЭП падает максимальное число фотонов, то он остается в этом положении, если нет, ищет
другое. С использованием системы слежения за солнцем число солнечных батарей для
рассмотренного варианта сократится до 16. Несомненным преимуществом такого построения системы энергоснабжения загородного дома является его автономность, т.е. полная
независимость от внешней энергосистемы и использования органического топлива. Кроме
того, с точки зрения экологии не создается никакого вреда окружающей среде, а также используются возобновляемые и практически неограниченные по ресурсу природные источники энергии. Последнее особенно актуально при ограниченных запасах органического топлива. Для оценки срока окупаемости энергоустановки сравним ее стоимость с затратами на
электроэнергию по сегодняшним ценам в сельской местности (примем 5 руб/кВт∙ч). При
годовом потреблении 13020 кВт∙ч стоимость электроэнергии составит 65100 руб. По данным
фирм, реализующих солнечные и ветроэлектростанции [2,3], стоимость солнечных энергосистем требуемой мощности составляет 300-400 тыс.руб, а стоимость вертикально-осевого
ветрогенератора мощностью 3 кВт – около 250 тыс. руб. Таким образом, срок окупаемости в
первом приближении составит 9 лет при сроке службы солнечных панелей 25 лет, а ветроэлектрогенераторов – 15 лет (по данным производителей).
Библиографический список
1. http://www.know-house.ru/avtor/energy_efficient_house.html
2. http://spb.pulscen.ru/add/Ветроэлектростанция
3. http://www.ra-energo.ru/solnechnyeoptimum
__________
214
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.396
Ю. В. Соколов – студент кафедры электротехники и технической диагностики
С. Ю. Мельников (канд. техн. наук, доц.) – научный руководитель.
ДИАГНОСТИКА НЕИСПРАВНОСТЕЙ ПЕРСОНАЛЬНОГО КОМПЬЮТЕРА
Современные персональные компьютеры (ПК) – чрезвычайно тонкая и сложная техника.
Порой достаточно одной небольшой неисправности, чтобы ПК начал работать некорректно
или перестал работать совсем. В некоторых случаях поломку компьютера можно устранить
самостоятельно, не прибегая к использованию дорогостоящего специального оборудования.
Перед тем как приступать к ремонту необходимо провести диагностику ПК, для того чтобы локализовать неисправность и определить ее причину. Путям упрощения поиска неисправностей ПК и оптимизации этого процесса посвящен данный доклад.
Неисправности ПК могут быть обусловлены аппаратными и программными причинами
[1]. Поэтому можно рассматривать аппаратную и программную диагностику ПК.
При каждом запуске компьютера запускается программа диагностики POST (Power-On
Self-Test) – самотестирование после включения ПК. Сообщения об ошибках при возникновении неисправностей выводятся на начальном экране при включении компьютера.
Встроенный в материнскую плату, динамик компьютера издает короткий звуковой сигнал,
означающий корректное прохождение POST теста. При неисправности того или иного компонента ПК генерируется соответствующий звуковой сигнал, указывающий на него. Для микросхем BIOS различных производителей прилагаются таблицы диагностических сообщений,
выводимых на монитор, и звуковых сигналов, соответствующие той или иной неисправности.
В тех случаях, когда вывод звуковых сигналов и сообщений на монитор невозможны,
целесообразно использование специальной диагностической платы (POST – карты). POSTкарта (иногда называют POST-тестером или POST-платой) – плата расширения, устанавливаемая PCI или ISA слот, имеющая собственный цифровой индикатор и выводящая на него
коды инициализации материнской платы. Также на всех POST-тестерах установлены светодиоды, показывающие наличие напряжения +5 +3,3 +12, −12 и светодиод сигнала RESET.
POST тестеры имеют различные разъемы для подключения, например PCI, ISA (более
старые модели), miniPCI (ноутбуки) и даже LPT (для материнских плат, которые передают
POST-сигнал на порт LPT) [2].
Локализовать неисправность можно используя специальные тестеры для блоков питания, оперативной памяти, сети Ethernet, USB-кабелей, шнуров, CPU/SVGA разъемов материнских плат и т.д.
Независимо от сложности компьютера и периферийного оборудования, процедура диагностики неисправностей состоит из четырех основных этапов. На рис. 1 представлен универсальный алгоритм диагностики, пригодный для любых конфигураций ПК.
Аппаратное и программное обеспечение неразрывно связаны друг с другом. Диагностика, тестирование и профилактика ПК стандартными средствами Windows осуществляется
с помощью специальных утилит. К ним относятся:
– утилиты диагностики памяти (дефрагментаторы, утилиты проверки, очистки и разметки диска и т. д.);
215
СИСТЕМЫ УПРАВЛЕНИЯ
– менеджеры процессов. Менеджер процессов отвечает за создание новых процессов
в системе и за управление основными ресурсами, связанными с процессом. Все эти услуги
предоставляются посредством сообщений;
– утилиты работы с реестром;
– утилиты мониторинга оборудования и бенчмарки; тесты оборудования.
Кроме стандартных средств диагностики и тестирования ПК, входящих в состав Windows,
можно воспользоваться программными продуктами других фирм, например CCleaner, AIDA64 [3].
На основе анализа аппаратных и программных неисправностей ПК и их возможных причин разработан развернутый алгоритм (рис. 2), позволяющий значительно ускорить процесс
диагностики и устранения этих неисправностей. Он основан на методе визуальной диагностики с рекомендациями по устранению проблем в конце каждой ветви алгоритма.
Рис. 1. Универсальный алгоритм диагностики ПК
216
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 2. Алгоритм диагностики неисправностей ПК
Библиографический список
1. Бигелоу С. Устройство и ремонт персонального компьютера. М, «Бином», 2005. - 976 с.
2. Колисниченко Д. Компьютер. Большой самоучитель по ремонту, сборке и модернизации. М., «АСТ»,
2008. – 320 с.
3. Мушкетов Р. Неисправности ПК и устранение их. E-book. PDF, 2009. – 211 с.
__________
217
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 629.735.33
А. В. Судин – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
ДИСТАНЦИОННЫЙ КОНТРОЛЬ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ
Большинство случаев хищения электроэнергии, в особенности в сельской местности, дачных застройках и т.п., приходится на линии напряжением 220/380 В. Объясняется это тем, что
вводы в здания от линий этого класса напряжения в большинстве случаев выполняются голыми не изолированными проводами. Соответствующие ответвления и спуски от этих вводов
также выполняются голыми проводами, что создает благоприятные условия для открытого
несанкционированного подсоединения потребителей. Чтобы предотвратить случаи воровства
электроэнергии, разработан прибор для дистанционного контроля электроэнергии.
Прибор представляет собой устройство на базе RISC микроконтроллера, который измеряет показания потребляемой электроэнергии и записывает их в энергонезависимую память. Чтение данных показаний осуществляется специальным регистратором с ЖК индикатором через инфракрасный порт.
Прибор имеет прямоугольный герметичный корпус. К нему подключен бесконтактный
токовый датчик в виде токосъемных клещей. Корпус прибора крепится к опоре, питающий
провод подключается к линии электропередач, а токовые клещи навешиваются на фазный
провод. На рис. 1 представлена блок-схема разработанного прибора.
Рис. 1. Блок-схема
Измерительный модуль фиксирует значения напряжения и тока. Ток измеряется при
помощи токовых клещей, а напряжение – при помощи резистивного делителя напряжения.
Аналоговые сигналы из измерительного модуля поступают в десятиразрядный аналогоцифровой преобразователь (АЦП). Преобразователь определяет значения тока и напряжения в цифровой форме.
218
СИСТЕМЫ УПРАВЛЕНИЯ
Сигналы с преобразователя поступают в микроконтроллер, который перемножает мгновенные значения тока и напряжения и рассчитывает мгновенную мощность как функцию
времени Р(t). Интегрированием мгновенных значений Р(t) определяется потребляемая
мощность в кВт часах. Микроконтроллер суммирует средние значения мощности, и каждый
час сохраняет результат в энергонезависимой памяти EEPROM. Информация о потребляемой мощности и потребленной энергии по инфракрасному каналу передается на приемное
устройство считывания показаний.
Электрическая схема прибора представлена на рис. 2.
Рис. 2. Схема электрическая принципиальная
Бестрансформаторный блок питания преобразует переменное напряжение 220 В
в постоянное – 5 вольт, для питания микроконтроллера. Делитель напряжения, состоящий из трех резисторов, пропорционально понижает измеряемое напряжение до значений
от 0 до 5 В и позволяет контролировать напряжение сети. Токовые клещи МS 3302 рассчитаны на измерение тока до 400 А. Коэффициент преобразования токовых клещей
составляет 10 мВ/А. Сигналы с делителя напряжения и токовых клещей поступают в АЦП,
который встроен в микроконтроллер PIC16F684 [1]. ИК передатчик состоит из двух инфракрасных светодиодов, подключенных к порту С. Радиус действия передатчика составляет
10 метров.
219
СИСТЕМЫ УПРАВЛЕНИЯ
Данный прибор обладает следующими преимуществами:
– дистанционное снятие показаний;
– подключение без разрыва электролинии;
– низкая стоимость прибора;
– широкий диапазон измерения токов до 400 А.
Библиографический список
1. Яценков В. С. Микроконтроллеры Microchip. Практическое руководство - Москва: Горячая линия Телеком, 2002. - 296 с. ил.
__________
УДК 629.735.33
Л. С. Тютюнова – студент кафедры электротехники и технической диагностики
В. А. Атанов (канд. техн. наук, доц) – научный руководитель
РАСЧЕТ ПАРАМЕТРОВ И ЭЛЕМЕНТОВ КОНТУРА УПРАВЛЕНИЯ
ПО СКОРОСТИ ЭЛЕКТРОПРИВОДА С ПОДЧИНЕННЫМ РЕГУЛИРОВАНИЕМ
В настоящее время широкое распространение в электроприводах механизмов подач
металлорежущих станков получили двух- и многоконтурные замкнутые системы с подчинённым регулированием.
В [1] рассмотрен расчет внутреннего контура управления по току, его передаточная
функция совместно с регулятором тока имеет вид:
1
WЗКТ 
К ДТ
2 2
2ТТП р  2ТТП р  1
Это означает, что переходный процесс в контуре тока при выбранной настройке регулятора будет оптимальным.
Приведем расчет внешнего контура управления по скорости.
Передаточная функция прямой цепи контура скорости (рис. 1) имеет вид:
WПР .С. (р)  WPC (р)  WЗKT (р)  см  WMEX (р),
где Wрс(р), Wзкт(р), Wмех(р), Wдс(р) – передаточные функции динамических звеньев: регулятора
скорости, замкнутокго контура тока, механического звена двигателя, датчика скорости соответственно. Здесь принято также Мс – момент сопротивления (возмущающее воздействие), Смпостоянная двигателя, ω – скорость, Uдс, Uупр, Uрс – напряжение на выходе датчика скорости,
напряжение управления и напряжение на выходе регулятора скорости соответственно.
Передаточная функция прямой цепи контура скорости [2]:
1  Т РС р 1
КМ
1
WРАЗ. ( р)  КС
,
(1)
Т РС р КТ 1  2ТТП р Т М р
220
СИСТЕМЫ УПРАВЛЕНИЯ
где Кс – коэффициент обратной связи по скорости (датчика скорости); Трс – постоянная
времени регулятора скорости; Ттп – постоянная времени тиристорного преобразователя
(наименьшая постоянная времени контура скорости); Тм – электромеханическая постоянная
времени; Км - передаточный коэффициент двигателя постоянного тока.
Рис. 1. Структурная схема контура регулирования скорости
При стандартной настройке на симметричный оптимум параметры регулятора скорости
выбирают так:
с К Т
Т РС  8; КРС  м Т М ,
(2)
4ТТП КС R я
где Кт – коэффициент датчика тока; Rя – сопротивление якорной цепи.
Подставляя (2) в (1), получим:
1  8ТТП р
1
WПР .С . ( р) 
КС 32ТТП 2 р 2 (1  2ТТП р)
Регулятор компенсировал большую постоянную времени Тм, и динамические свойства
контура скорости определяются только малой постоянной времени.
Передаточная функция замкнутого контура скорости:
1  8ТТП р
1
WКС ( р) 

3 3
2 2
1
(3)
КС  WРАЗ ( р) 64ТТП р  32ТТП р  8ТТП р  1
В области низких частот (3) приближенно принимает вид:
1
1
WКС ( р) 
2
2
КС 16ТТП р  4ТТП р  1
(4)
и представляет собой колебательное звено с эквивалентной постоянной времени Тэкв=4Ттп
и коэффициентом демпфирования ξ = 0.5.
Перерегулирование при такой настройке значительное (σмах = 43%). Его можно уменьшить до 8%, если на входе оптимизированного контура включить апериодический фильтр
с постоянной времени Тф = 8 Ттп.
Структурная схема при такой настройке регулятора будет иметь следующий вид (рис. 2).
Схема пропорционально-интегрального ПИ-регулятора контура скорости приведена
на рис. 3.
221
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 2. Структурная схема контура регулирования скорости с фильтром
Рис. 3. Схема ПИ-регулятора
Передаточная функция ПИ-регулятора:
1  Т РС р
1  8ТТП р
WРС ( р)  КС
 КС
Т РС р
8ТТП р
Схема апериодического фильтра первого порядка приведена на рис. 4.
Рис. 4. Схема фильтра
222
(5)
СИСТЕМЫ УПРАВЛЕНИЯ
Передаточная функция фильтра:
WФ ( р) 
1
1  ТФ р

1
1  8ТТП р
(6)
Тогда передаточная функция (4) приближённо принимает вид:
1
1
WКС ( р) 
КС 1  4ТТП р
Таким образом, контур управления по скорости с оптимизированным регулятором скорости (5) и фильтром (6) настроен на симметричный оптимум.
Библиографический список
1. Мамчич В. С., Атанов В. А. Расчет параметров и элементов контура управления по току. Шестьдесят пятая международная студенческая конференция ГУАП: Сб. докл.: В 2 ч. Ч. I. Технические
науки / СПбГУАП. СПб., 2012. 516 с.: ил.
2. Михайлов О. П. Автоматизированный электропривод станков и промышленных роботов: Учебник
для вузов.-М.: Машиностроение, 1990.- 304 с.:ил.
3. Чиликин М. Г., Сандлер А. С. Общий курс электропривода: Учебник для вузов. 6-е изд., доп. и перераб. М.: Энергоиздат, 1981. с.466.
4. 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.: ГОУ ВПО «СПБГУАП», 2007. с.25.
5. 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. с.54.
__________
УДК 621.833: 628.517.2
М. В. Шапошников – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
ВЛИЯНИЕ НЕОДНОРОДНОСТИ ФИЗИКО-МЕХАНИЧЕСКИХ СВОЙСТВ
МАТЕРИАЛОВ НА ВИБРАЦИЮ РОТОРНЫХ СИСТЕМ
Виброактивность роторных систем является результатом взаимодействия элементов и
во многом определяется их технологическими погрешностями изготовления отдельных элементов. Надежность подшипников, входящих в состав роторных систем, во многом зависит
от точности изготовления элементов на стадии производства, от дефектов элементов, возникающих в процессе функционирования, а также от свойств материала, из которого изготовлены элементы подшипника. Неоднородность физико-механических свойств материала
колец подшипника в совокупности с неточностью их изготовления приводит к значительному
повышению виброактивности роторной системы, увеличению динамических нагрузок и как
следствие к снижению ресурса работы. В сложных многороторных системах неоднородность физико-механических свойств колец подшипника способствует возникновению зон
223
СИСТЕМЫ УПРАВЛЕНИЯ
интенсивного износа на дорожках качения отдельных опор качения и как следствие, к преждевременному выходу из строя этих систем. Наличие неоднородности физико-механических
свойств колец подшипника способствует перемещению главных зон параметрического резонанса в рабочий диапазон частот вращения роторных систем, что отрицательно сказывается на износе элементов качения шарикоподшипников и их разрушению.
Необходимо отметить, что в настоящее время практически отсутствуют методы контроля неоднородности упругих свойств колец, а также методики и модели расчета вибрации
шарикоподшипников, алгоритмы прогнозирования технического состояния роторных систем,
содержащих опоры качения, с учетом неоднородности физико-механических свойств материала их элементов. В связи с этим разработка методов контроля физико-механических
свойств опор качения, а также методик, алгоритмов и моделей расчета виброактивности
роторных систем с учетом этих свойств приобретает большую актуальность.
Дифференциальные уравнения, описывающие движение внутреннего кольца шарикоподшипника можно записать в виде [1]:
m

Mx1   Fупр.1i  Fст .1
i 1

m

Mx2   Fупр.2i  Fст .2
i 1

m

Mx3   Fупр.3i  Fст .3
i 1

Согласно теории Герца-Беляева, силу упругости, действующую со стороны i-го шарика
на q-е кольцо, можно записать как [2]:
Fупр. i  K q 3qi/ 2e( qi ),
где  qi – деформация i-го шарика в контакте с q-м кольцом;
K q – конструктивный коэффициент.
Рис. 1. Изменение конструктивного коэффициента по периметру наружного кольца
шарикоподшипника 180605
224
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 2. Спектральное разложение конструктивного параметра наружного кольца
шарикоподшипника 180605
Конструктивный параметр кольца рассчитывался по формуле:
P
K qi  3 ,
 qi 2
где  qi – деформация, измеренная в точках контакта колец с шариками, определяется конструктивный коэффициент кольца K qi .
Результаты расчета по измеренным данным представлены на рис. 1
Спектральное разложение такого сигнала имеет вид, представленный на рис. 2
Анализ результатов показывает, что неоднородность физико-механических характеристик рабочей поверхности шарикоподшипника приводит как к расширению спектрального
состава вибрации, так и к увеличению амплитуд вибрации в каждом частотном диапазоне.
Библиографический список
1. Голубков, А. В. Расчет вибрации роторных систем с опорами качения /А. В. Голубков, В. А. Голубков
// Сб. трудов конференции «Завалишинские чтения”12» / СПб.: ГУАП, 2012. С. 157-160.
2. Голубков А. В. Влияние неоднородности физико-механических свойств материалов элементов
шарикоподшипников на формирование локальных дефектов // Сб. трудов конференции «Завалишинские чтения”10». СПб.: ГУАП, 2010. С. 94-98.
__________
225
СИСТЕМЫ УПРАВЛЕНИЯ
Я. А. Шапошников – студент кафедры приборов и методов контроля качества и диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
ДИАГНОСТИКА НЕОДНОРОДНОСТИ
ФИЗИКО-МЕХАНИЧЕСКИХ СВОЙСТВ МАТЕРИАЛОВ
Роторные системы, как правило, составляют основу основ двигателей, машин и механизмов. Виброактивность снижает точностные характеристики функций, выполняемых роторной системой, и качество работы механизма в целом, а также влияет на надежность
системы, ресурс ее работы.
Виброактивность является результатом взаимодействия элементов роторной системы и
во многом определяется их технологическими погрешностями изготовления отдельных элементов. Надежность подшипников во многом зависит от точности изготовления элементов
на стадии производства, от дефектов элементов, возникающих в процессе функционирования, а также от свойств материала, из которого изготовлены элементы подшипника. Неоднородность физико-механических свойств материала колец подшипника в совокупности
с неточностью их изготовления приводит к значительному повышению виброактивности
роторной системы, увеличению динамических нагрузок и как следствие к снижению ресурса
работы. В сложных многороторных системах неоднородность физико-механических свойств
колец подшипника способствует возникновению зон интенсивного износа на дорожках качения отдельных опор качения и как следствие, к преждевременному выходу из строя этих
систем. Наличие неоднородности физико-механических свойств колец подшипника способствует перемещению главных зон параметрического резонанса в рабочий диапазон частот
вращения роторных систем, что отрицательно сказывается на износе элементов качения
шарикоподшипников и их разрушению.
Необходимо отметить, что в настоящее время практически отсутствуют методы контроля неоднородности упругих свойств колец, а также методики и модели расчета вибрации
шарикоподшипников, алгоритмы прогнозирования технического состояния роторных систем,
содержащих опоры качения, с учетом неоднородности физико-механических свойств материала их элементов. В связи с этим разработка методов контроля физико-механических
свойств опор качения, а также методик, алгоритмов и моделей расчета виброактивности
роторных систем с учетом этих свойств приобретает большую актуальность.
Вибрационная диагностика подшипников качения является одной из наиболее важных
практических функций службы диагностики. По этой причине правильный выбор оборудования для этой цели во многом определяет эффективность и значимость диагностической
службы предприятия.
Качество поверхностей качения деталей подшипников в значительной степени влияет
на характеристики собственно подшипника, в частности, на его долговечность и уровень
вибраций. Шлифование указанных поверхностей является во многих случаях финишной
операцией, определяющей качество поверхностного слоя, в том числе макро- и микрогеометрические параметры точности (размерная точность, точность формы в продольном
и поперечном сечениях детали, гранность, волнистость и шероховатость поверхности) и
физико-механические характеристики (структура, микротвердость, напряжения).
226
СИСТЕМЫ УПРАВЛЕНИЯ
Шлифование отличается от других операций механической обработки интенсивным локальным нагревом поверхности, что приводит к неоднородности структуры тонкого поверхностного слоя. Неоднородность поверхностного слоя способствует образованию и развитию
очагов износа и разрушения деталей подшипников. Поэтому процесс шлифования должен
быть организован так, чтобы измененный поверхностный слой, образующийся во время
шлифования, не выходил за пределы припуска на обработку и полностью удалялся к концу
обработки. Эта задача решается применением средств автоматического управления режимами шлифования с контролем текущего припуска, а также применением средств послеоперационного контроля физико-механических свойств поверхностного слоя обработанных
деталей.
Автоматическое управление режимами шлифования с контролем текущего припуска,
точнее автоматическое распределение режимов шлифования по припуску, реализуется
приборами активного контроля размеров, получившими широкое распространение в подшипниковой промышленности. При высокопроизводительном шлифовании дорожек качения
колец подшипников активный контроль легко обеспечивает точность размеров, необходимую для селективной сборки подшипников. Поэтому настройка приборов активного контроля
производится с целью достижения за минимальное время обработки требуемой точности
формы и стабильности физико-механических свойств шлифованных поверхностей. Выборочный контроль точности формы обработанных поверхностей осуществляется универсальными кругломерами и профилометрами, причем переналадка приборов занимает несколько минут. Выборочный контроль шлифовальных прижогов осуществляется травлением
деталей в кислотосодержащих растворах с последующим визуальным выявлением пятен
различного тона. Форма, размеры и расположение пятен на травленой поверхности позволяют судить о характере и причинах появления дефектов.
Травление позволяет контролировать детали различных форм и размеров без переналадки оборудования, но является дорогостоящими, малопроизводительными и экологически
вредным процессом. Кроме того, травление дает информацию лишь о грубых структурных
изменениях в поверхностном слое, снижающих долговечность подшипников в десятки раз.
Для выявления состояний поверхностного слоя, предшествующих структурным изменениям, в подшипниковой промышленности для неразрушающего контроля шлифованных
поверхностей применяются специально разработанные средства вихретоковой дефектоскопии. Вихретоковый метод контроля чувствителен к предприжоговым состояниям металла и в
принципе поддается автоматизации. В известных приборах предусмотрена аппаратная
амплитудно-частотная селекция сигналов вихретоковых преобразователей (ВТП) и ручная
настройка режимов контроля, которую необходимо осуществлять при смене типа контролируемой детали.
Из-за отсутствия детерминированной связи между значениями частоты и амплитуды
сигналов и состоянием поверхностного слоя деталей этим приборам характерен высокий
процент принятия ошибочных решений. Реальным и эффективным средством повышения
достоверности и производительности контроля является применение автоматизированных
методов вихретокового контроля, реализующих статистическое распознавание дефектов
поверхностного слоя средствами вычислительной техники.
Применение компьютера в системах контроля позволяет решить несколько взаимосвязанных задач: автоматизация управления процессом контроля различных деталей, эффективное распознавание дефектов и изменений физико-механических свойств контролируе227
СИСТЕМЫ УПРАВЛЕНИЯ
мой поверхности, адаптация к изменению свойств материала объекта контроля, накопление
статистической информации о контролируемых деталях, корректировка программноматематического обеспечения (ПМО) и т.д. В результате появляется возможность по характеру исследуемого сигнала и его координатной привязке распознавать не только вид дефекта, но и его местоположение и размеры, набирать параллельно с работой в режиме контроля статистику измерений, документировать полученные результаты контроля деталей,
давать графическую информацию о результатах контроля, программным путем обеспечивать практически любое усложнение алгоритма работы системы контроля, например, с целью выявления причин возникновения дефектов для выработки корректирующих воздействий на технологический процесс.
В настоящее время на ОАО «Саратовский подшипниковый завод» совместно с Саратовским государственным техническим университетом и государственным научнотехническим предприятием «СТОМА» (г. Саратов) разработан и изготовлен автоматизированный прибор с ВТП, предназначенный для выборочного контроля шлифованных поверхностей деталей подшипников различных типов. Конструкция прибора учитывает объективно
существующую в подшипниковой промышленности необходимость контроля одним прибором возможно большего количества типов деталей, технологического оборудования и технологических операций. При этом сложность и высокая стоимость прибора оправданы эффективностью его применения за счет высоких уровней и рационального соотношения
информативности, универсальности и производительности контроля.
Контроль работы нескольких десятков шлифовальных станков одним прибором обусловливает специальные требования к структуре прибора вихретокового контроля и его
ПМО. В состав прибора входит компьютер Pentium-433, блок контроля, включающий узел
крепления контролируемой детали, универсальное сканирующее устройство с трехкоординатным шаговым приводом и ВТП, блок управления, содержащий источники питания шаговых двигателей и устройство сопряжения шагового привода и ВТП с компьютером. Все
функции прибора осуществляются под управлением компьютера.
Компьютер рассчитывает траекторию и управляет перемещением датчика по контролируемой поверхности, автоматически настраивает режимы работы вихретокового преобразователя, записывает сигналы преобразователя, а затем осуществляет математическую, в
том числе статистическую, обработку результатов измерений и их визуализацию. Схема
автоподстройки режима работы преобразователя содержит два контура регулирования, в
один из которых входит компьютер. Запись регулирующего воздействия позволяет восстанавливать программным путем сигналы, длительность которых превышает время регулирования. Это расширяет возможности компьютерной обработки сигналов ВТП с целью распознавания образов дефектов.
В разработанном приборе достигнута высокая чувствительность и помехоустойчивость
системы при выявлении различных дефектов за счет сравнение образа контролируемой
детали по информативным признакам с образами эталонных деталей: бездефектных и
имеющих известные дефекты. Для этого выбраны информативные признаки, сформированы правила определения областей бездефектного состояния, правила идентификации вида
дефекта. На экране монитора формируется развертка сигнала ВТП и два изображения контролируемой детали: контрольное и исследовательское. Первое указывает места расположения, размеры и характер дефектов, превышающих установленные уровни, второе содержит данные, необходимые для выявления происхождения неоднородностей с целью
228
СИСТЕМЫ УПРАВЛЕНИЯ
предотвращения изготовления деталей с недопустимой неоднородностью поверхностного
слоя детали. Параметры первого изображения содержатся в программе сканирования, параметры второго изображения могут изменяться оператором. Время контроля одной детали
зависит от размеров колец и составляет 10…40 с. Объем выборок составляет 2..4 детали.
Переналадка прибора с одного кольца на другое заключается в выборе соответствующей
программы.
Управление качеством шлифовальной обработки деталей подшипников по результатам
автоматизированной вихретоковой дефектоскопии осуществляется путем настройки режимов шлифования, обеспечивающих высокую производительность и одновременно необходимую однородность поверхностного слоя, с последующим контролем технического состояния шлифовального оборудования и технологического процесса на основе статистической
информации о состоянии поверхностного слоя деталей, обработанных на каждом станке.
Вихретоковый контроль позволяет с помощью прибора активного контроля распределить режимы шлифования по припуску с учетом действительной глубины структурных изменений поверхностного слоя металла так, чтобы дефектный слой был полностью удален
к концу обработки при минимальном времени обработки. Сопоставительный анализ значений параметров точности (отклонения размеров, гранности, волнистости) контролируемых
поверхностей и результатов вихретокового контроля показывает, что существует корреляционная связь отклонений геометрической точности шлифованной поверхности и неоднородности электромагнитных параметров поверхностного слоя. Эта связь имеет значение
в связи с тем, что автоматизированный вихретоковый контроль способен предупреждать об
отклонениях технологического процесса, ведущих к потере геометрической точности деталей и требует значительно меньших затрат на осуществление контроля одной детали.
В настоящее время приборный контроль однородности поверхностного слоя создает условия для оперативного управления технологическим процессом и позволяет гарантировать
качество шлифовальной обработки колец подшипников, обеспечиваемое стабильностью
технологических процессов.
Библиографический список
1. А.с. 1487633 СССР, МКИ2 G 01 M 13/04. Устройство для индивидуальной диагностики узлов трения
электроприводов / В. А. Голубков, А. В. Кулаков, А. К. Явленский и др. (СССР). № 4352345// Открытия. Изобретения. 1989.№ 25. 4 с.
2. А.с. 1620881 СССР, МКИ2 G 01 M 13/04. Устройство для диагностики подшипников качения/
В. А. Голубков, А. В. Робертов, Т. Т. Шарафудинов и др. (СССР). № 4636674// Открытия. Изобретения. 1991. № 2. 4 с.
3. А.с. 1744561 СССР, МКИ2 G 01 M 13/04. Устройство для диагностики подшипников качения /
В. А. Голубков, В. П. Рузанов, Т. Т. Шарафудинов и др. (СССР). № 4782032// Открытия. Изобретения. 1992. № 24. 4 с.
4. Аникеев, Г. Н. Нелинейные колебания ротора с учетом гироскопического эффекта диска /
Г .Н Аникеев, Э. Б. Сильвестров // Машиноведение.1971. № 1. С. 3-10.
__________
229
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ВЫЧИСЛИТЕЛЬНЫЕ
СИСТЕМЫ И
ПРОГРАММИРОВАНИЕ
УДК 629.735.33
В. В. Антипенко – студент кафедры вычислительных систем и сетей
В. А. Килимник (канд. техн. наук, ст. науч. сотр.) – научный руководитель
РАЗРАБОТКА СИСТЕМЫ
ДЛЯ ОЦЕНКИ ПАРАМЕТРОВ КИСТЕВОЙ ДИНАМОМЕТРИИ
Для проведения ряда экспериментальных работ по исследованию и изучению мышечного тонуса кисти руки человека потребовалась динамометрическая система, которая в реальном времени отображала бы на экране персонального компьютера (ПК) кривую зависимости
прикладываемого усилия от времени.
Предложенный ход эксперимента заключался в следующем: испытуемый с максимальным
усилием сжимает кистью динамометр (три раза), при этом вычисляются среднее максимальное
и рабочее усилие. После этого испытуемого просят удерживать определенный уровень усилия.
В то время, когда испытуемый выполняет сжатие динамометра, данные отображаются на экране
ПК. В ходе эксперимента также необходимо иметь возможность подачи световой и звуковой индикации. По окончании эксперимента все данные требуется экспортировать в Excel.
В настоящее время для исследования мышечного тонуса кисти руки человека можно
использовать различные типы датчиков. Простейшим примером для измерения максимального усилия руки является механический датчик Smedley Type Hand Dynamometer, имеющий
стрелочный индикатор (рис. 1, a). Если измерения требуют более высокой точности, то можно использовать устройство ДМЭР-120 (рис. 1, б) основанный на виброчастотном датчике
с погрешностью измерений 2,5%, автоматической калибровкой и таблом индикации. Функции динамометра PCE-FG 200 (рис. 1, в), имеющего тензоэлектрический датчик позволяют
проводить измерения на сжатие и растяжение, максимальные и минимальные измерения
предельных значений, а также фиксировать показания при удержании и просматривать
полученные измерения на дисплее.
В силу своих функциональных особенностей ни один из предложенных динамометров не
удовлетворяет условиям проведения эксперимента. Отсутствие графического интерфейса не
позволяет в режиме реального времени выводить на экран кривую прикладываемого усилия.
В связи с чем, был разработан макет динамометрической системы. Для ее реализации нам понадобилось функционально дополнить существующее устройство. В итоге разработка сводилась к
созданию преобразовательного модуля (переходного модуля между датчиком и компьютером).
230
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
а)
б)
в)
Рис. 1. Модели рассмариваемых динамометров
Проанализировав задачу, была предложена функциональная схема (рис. 2). Наиболее
оптимальным для нашей задачи оказался динамометр ДМЭР-120, обладающий подходящими параметрами. Его основные характеристики: максимальный предел измерения – 120 кг,
предел допускаемой погрешности – 2.5%, цена поверочного деления и дискретность отсчета – 0.5 кг.
Преобразовательный
модуль
Динамометр
(измерительный
модуль)
Сигнал в диапазоне
От 6000 Гц до 9000 Гц
МК
FTDI
FT232
Световая
индикация
Звуковая
индикация
Интерфейс USB
Персональный
компьютер
Рис. 2. Функциональная схема динамометрической системы
Датчик в динамометре генерирует сигнал, частота которого зависит от приложенных
усилий. Далее сигнал поступает на микроконтроллер, который предназначен для оцифровки
частоты входного сигнала и передачи данных на ПК. А так же выполняет функцию обработки команд поступающих с ПК на подачу сигналов индикации. Связь измерительного модуля
и компьютера осуществляется посредством преобразовательного модуля: измерителя частоты с одной стороны и интерфейса передачи данных с другой. При выборе интерфейса
передачи данных на компьютер, следует учитывать объем данных и расстояние до ПК.
Ввиду неоправданной сложности технической реализации для нашей задачи беспроводные
интерфейсы использовать нецелесообразно, поэтому мы остановились на проводных.
231
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Прибор планировалось использовать в лабораторных условиях в пределах одной комнаты,
расстояние до испытуемого не более пяти метров. Учитывая данные расстояния и необходимую скорость передачи данных 100 Байт/с, оптимальным оказалось использование интерфейса USB. Для этого была выбрана микросхема FTDI FT232. Решения FTDI позволяют
организовать обмен данными по USB простейшим образом, благодаря аппаратной реализации протокола. На ПК производится визуализация и обработка данных. Интерфейс и алгоритм обработки данных являлись заранее неизвестными, поэтому их разработка производилась в среде MATLAB. Данная программа содержит необходимое количество библиотек
для начальной цифровой обработки сигналов, а также библиотеку для работы с COMпортом.
Внешний вид системы представлен на рис. 3.
Рис. 3. Внешний вид комплектующих системы
Для отображения сигнала, оцифрованного микроконтроллером, на экране ПК, следовало выяснить зависимость усилия от частоты. Тем самым, для получения калибровочной
характеристики были проведены серии экспериментов. Динамометр зажимался в тисках и,
получая нужное значение на табло динамометра с шагом 10 кг, измерялась частота датчика
с помощью осциллографа. Значения были усреднены и проинтерполированы (рис. 4).
На рис. 4 можно увидеть, что функция зависимости усилия в килограммах от частоты
датчика не линейна. Для большей наглядности были проведены несколько типов аппроксимации. Самую большую ошибку давала линейная аппроксимация, максимально 4 кг
(рис. 5, б). Для повышения точности за эталон была принята аппроксимация кубическими
сплайнами (рис. 5, а), из функции которой вычитались функции полиномиальной аппроксимации различных порядков. Величина требуемой погрешности могла быть достигнута использованием полинома четвертого порядка (рис. 5, а). При этом использование более высоких порядков не привело к значительным улучшениям.
232
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 4. Статическая характеристика виброчастотного датчика, её линейная аппроксимация и ошибка
а)
б)
Рис. 5. Аппроксимация полученных данных
На рис. 6 представлен графический интерфейс динамометрической системы.
Интерфейс позволяет проводить два типа последовательных исследований. Первое – это
определение значений максильных усилий. Второе – проведение теста на статическое
удержание, во время которого можно воспользоваться световой индикацией превышения
порога и звуковой индикацией установки меток. Все вычисленные данные можно
экспортировать в Excel, для дальнейшего анализа.
233
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 6.Графический интерфейс программы в MATLAB
Подводя итог по проделанной работе для начала следует сказать, что общая погрешность системы составила 3.64%, из которой 2.5% – погрешность динамометра, 0.6% – следствие ошибки определения частоты микроконтроллером, 0.54% – погрешность аппроксимации. Исходя из этого, для улучшения системы, а именно уменьшения погрешности
вычислений, следует использовать стенд для калибровки датчика. Им может быть, к примеру, эталонный датчик, имеющий меньшую погрешность. Также следует отметить, что особенностью измерительного датчика является то, что частота, на которой он работает, хорошо воспринимается человеческим ухом. Поэтому при проведении эксперимента
акустический шум, создаваемый измерительным датчиком, искажает результаты эксперимента. В дальнейшем целесообразно применить измерительный датчик, использующий
другой принцип измерения, учитывая требования эргономики.
Библиографический список
1. Руководство по эксплуатации ДМЭР-120 URL:http://www.medrk.ru/uploads/doc/tves_dmer_man.pdf
2. Механический датчик URL: http://www.3bscientific.com/product-manual/Baseline-Smedley-SpringDynamometer-Manual.pdf
3. Динамометр PCE FG 200 URL:http://lab-snab.ru/dinamometr_pce_fg_200
__________
234
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.451.44
Д. Н. Ашневиц – студент кафедры вычислительных систем и сетей
С. В. Осмоловский (инженер института ВКиСТ) – научный руководитель
ПРИМЕНЕНИЕ КРАСНО-ЧЕРНЫХ ДЕРЕВЬЕВ
В ПЛАНИРОВЩИКЕ ВСТРАИВАЕМОЙ ОПЕРАЦИОННОЙ СИСТЕМЫ
В современном мире все чаще встречается использование встраиваемых систем для
ответственных применений во многих отраслях промышленности, в том числе и в аэрокосмической. Такая сфера применения накладывает на встраиваемые системы определенные
ограничения по размеру, весу, уровню отказоустойчивости, энергопотреблению и тепловыделению, а применение в аэрокосмической отрасли вносит дополнительные требования по
радиационной и электромагнитной стойкости, работоспособности в вакууме, гарантированному времени наработки и многим другим качествам. Ввиду этого одними из основных требований, предъявляемых к их работе, являются своевременность реакции на события и
обеспечение детерминированности и предсказуемости их поведения. Для обеспечения этих
требований в них зачастую применяют операционные системы реального времени (ОСРВ).
Детерминированность и предсказуемость поведения ОСРВ обеспечивается за счет выбранной политики планирования задач. Под задачей понимается блок программного кода,
ответственный за обработку тех или иных событий, возникающих на объекте управления.
Переход от выполнения одной задачи к другой осуществляется в результате работы планировщиков и диспетчеров ОСРВ. При планировании могут приниматься во внимание приоритет задач, время их ожидания в очереди и многие другие факторы [1].
В данной статье пойдет речь об использовании красно-черных деревьев в планировщике
встраиваемой операционной системы (ОС) eidOS [2], на базе которой разрабатывается программное обеспечение и набор тестов для плат с микропроцессорами серии Мультикор [3].
eidOS, как и многие ОСРВ, разрабатывалась в соответствии с требованиями стандарта
POSIX 1003.1b [4,5], и поэтому она обладает поддержкой двух политик планирования, требуемых в стандарте. Выбор типа планирования в eidOS происходит в зависимости от решаемых
задач. Первая политика планирования в eidOS работает по принципу First In, First Out (FIFO) с
уровнями приоритетов задач. Процессор предоставляется задачам в порядке их прихода в
очередь готовности согласно их приоритету. Такой подход позволяет первыми выполниться
наиболее важным задачам с наивысшим приоритетом. Вторым доступным методом планирования в eidOS является циклический планировщик Round Robin (RR) с уровнями приоритета.
Планирование по принципу RR предполагает диспетчирование задач по принципу FIFO, но при
этом каждая задача получает временной квант, в течение которого она может использовать
ресурсы процессора. Если завершения задачи не происходит по истечении кванта времени, то
эта задача переводится в конец списка готовых к выполнению задач, а ресурсы процессора
предоставляются следующей задаче из списка. Такой метод планирования обеспечивает
своевременное выполнение всех задач с одинаковым уровнем приоритета.
Для обеспечения своевременной и прогнозируемой работы планировщика в eidOS было
принято решение использовать механизм красно-черных деревьев при работе с задачами,
что в определенных ситуациях повысило бы производительность системы при сохранении
должного уровня предсказуемости и детерминированности ее работы.
235
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Красно-черное дерево (рис. 1,а) – это одно из самобалансирующихся двоичных деревьев поиска, гарантирующих логарифмический рост высоты дерева от числа узлов и быстро
выполняющее основные операции дерева поиска: добавление, удаление и поиск узла. Сбалансированность достигается за счет введения дополнительного атрибута узла дерева –
«цвета». Этот атрибут может принимать одно из двух возможных значений – «черный» или
«красный». В дополнение к обычным требованиям, налагаемым на двоичные деревья поиска, к красно-черным деревьям применяются следующие требования [6]:
узел либо красный, либо черный;
корень – черный;
все листья (nil) – черные;
оба потомка каждого красного узла – черные;
всякий простой путь от данного узла до любого листового узла, являющегося его потомком, содержит одинаковое число черных узлов.
Рис. 1,а. Красно-черное дерево
Рис. 1, б. Особенности красно-черных деревьев в eidOS
Количество черных узлов на ветви от корня до листа называется черной высотой дерева [7]. Перечисленные свойства гарантируют, что самая длинная ветвь от корня к листу не
более чем вдвое длиннее любой другой ветви от корня к листу. Таким образом, длиннейший
путь, который мы можем сконструировать, состоит из чередования красных и черных узлов,
что и приводит нас к удвоенной длине пути, проходящего только через черные узлы.
236
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
В таком случае дерево можно назвать относительно сбалансированным (рис. 2), в лучшем
же случае длины ветвей примерно равны (рис. 1,а). Все операции над деревом должны
уметь работать с перечисленными свойствами. В частности, при вставке и удалении эти
свойства должны сохраниться.
Рис. 2. Относительно сбалансированное красно-черное дерево
К настоящему моменту в eidOS реализован требуемый набор алгоритмов и структур для
работы с красно-черными деревьями: структура данных красно-черных деревьев, алгоритмы вставки и удаления элементов с сохранением красно-черных свойств и алгоритм поиска
наибольшего элемента, и идет его внедрение в планировщик.
На данный момент, для работы с задачами в eidOS используются двунаправленные
списки [6]. Их преимуществом является простота реализации, высокая скорость добавления
и удаления элементов из списка; их недостатком является низкая скорость поиска наибольшего элемента из списка при большом количестве элементов, так как требуется обходить
весь список. Противоположностью двунаправленных списков по своим свойствам являются
красно-черные деревья, их сильные стороны – это высокая скорость поиска наибольшего
или наименьшего элемента, но при этом намного больше времени требуется на вставку или
удаление элемента так как после этих операций требуется выполнять перебалансировку
дерева, чтобы оно удовлетворяло красно-черным свойствам. Система предоставляет пользователю выбор способа работы с задачами в зависимости от конкретных требований.
Использование красно-черных деревьев в планировщике eidOS означает, что элементами дерева будут являться задачи, а коэффициенты в узлах будут соответствовать приоритетам задач. Именно поэтому в eidOS красно-черные деревья имеют одну особенность
в сравнении со стандартными реализациями – вставку элементов с повторяющимися коэффициентами. При вставке элемента имеющего коэффициент равный уже имеющимся
в дереве, они образуют циклический двунаправленный список на одном уровне (рис. 1,б),
что позволяет увеличить скорость вставки и удаления элементов с одинаковыми коэффици237
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ентами. При поиске элемента мы находим сразу все задачи с одинаковыми приоритетами.
Данная особенность положительно скажется на скорости работы планировщика в режиме
RR. Для использования данной особенности был реализован алгоритм вращения уровня на
одну позицию.
Операция поиска элемента в красно-черном дереве ничем не отличается от такой же в
бинарном дереве и имеет временную сложность O(log n) , причем поиск ведется только
среди уникальных значений коэффициентов, в то время как сложность операции поиска
элемента в двунаправленном списке составляет O (n) . Дополнительно усложняет поиск
наличие повторяющихся коэффициентов.
Сложность алгоритма вставки для красно-черного дерева в среднем составляет
O(log n) , но для повторяющихся элементов сложность вставки снижается до O (1) . В двунаправленном списке сложность вставки фиксированная и составляет O (1) .
Сложность алгоритма удаления в красно-черных деревьях аналогична операции вставки
и в среднем составляет O(log n) ; для повторяющихся элементов сложность удаления снижается до O (1) . В двунаправленном списке же сложность удаления также составляет O (1) .
Такая высокая сложность вставки и удаления элементов связана с тем, что при выполнении
данных операций возможно нарушение красно-черных свойств дерева, которые восстанавливаются перебалансировкой дерева: несколькими сменами цветов узлов и до трех поворотов дерева.
Было проведено сравнительное тестирование скорости работы алгоритмов поиска (рис. 4),
вставки (рис. 5) и удаления (рис. 6) элементов в красно-черном дереве и двунаправленном
списке. Тестирование проводилось на идентичных наборах данных, состоящих из:
– 4000 случайных элементов в диапазоне от 0 до 2000;
– 500 случайных элементов в диапазоне от 0 до 100;
– 50 случайных элементов в диапазоне от 0 до 100;
– 10 случайных элементов в диапазоне от 0 до 100.
Рис. 3. Поиск наибольшего элемента
По результатам тестирования, скорость поиска (рис. 3) наибольшего (или заданного)
элемента в красно-черном дереве в десятки и сотни раз больше скорости поиска элемента
в двунаправленном списке, при этом с ростом количества элементов преимущество растет.
Также на скорость элементов не влияют повторы (найдя один элемент, мы найдем все
238
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
с такими же коэффициентами). Результаты тестирования вставки (рис. 4) элементов показывают прямо противоположную картину – наблюдается увеличение времени вставки элемента при росте количества элементов, но этот рост логарифмический и поэтому при тестировании мы наблюдаем проигрыш перед двунаправленным списком всего в несколько раз.
Такая же зависимость наблюдается и при удалении (рис. 5) элементов. Результаты тестирования соответствуют теоретическим значениям.
Рис. 4. Вставка элемента
Рис. 5. Удаление элемента
Основываясь на результатах тестирования и свойствах механизмов красно-черных деревьев, двунаправленных списков, а также политик планирования FIFO и RR с приоритетами, можно сделать вывод, что выбор политики планирования определяется архитектурой
системы и конкретными требованиями, поставленными перед ней. Использование красночерных деревьев в планировщике eidOS целесообразно при большом количестве задач,
а двунаправленные списки дают большее преимущество при небольшом количестве задач
и частыми переключениями между ними. Именно поэтому eidOS предоставляет пользователю
выбор способа работы с задачами в зависимости от требований, стоящих перед системой.
В данном выборе большую роль играет количество задач реального времени и обычных
239
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
задач в системе, требуемая частота их переключения, набор требуемых к обработке прерываний и многие другие параметры. Но при выборе стоит помнить, что только политика планирования RR обеспечивает исполнение требований детерминированности и предсказуемости поведения системы реального времени.
Библиографический список
1. Осмоловский С. В. Методы планирования задач в операционных системах реального времени //
Научная сессия ГУАП: Ч.1 Технические науки. Сборник докладов 9-11 апреля 2012 г., c. 100-104,
СПб.: ГУАП, 2012.
2. Осмоловский С. В. Встраиваемая ОС для микропроцессоров с архитектурой MIPS32 // Шестьдесят
третья студенческая научно-техническая конференция ГУАП: Сб. докл.: Ч.1 Технические науки,
СПб.: ГУАП, 2010, с. 323-327.
3. Солохина Т. В., Петричкович Я. Я., Александров Ю. Н. и др. Микросхемы базовых серий «МУЛЬТИКОР». Сигнальный микроконтроллер 1892ВМ2Т (МС-24). Часть 1 // Chip News, 2005. - №2, с.20–31.
4. Information technology – Portable Operating System Interface (POSIX ®) – Part 1: System Application
Program Interface (API) [C Language]. International Standard ISO/IEC 9945-1: 1996 (E) IEEE Std 1003.1,
1996 Edition.
5. Бурдонов И. Б., Косачев А. С., Пономаренко В. Н. Операционные системы реального времени //
Препринт Института системного программирования РАН. М., 2006
6. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ – 2-е изд. – М.:
Издательский дом «Вильямс», 2011. – С. 336-364.
7. Park H., Park K. Parallel algorithms for red–black trees // Theoretical computer science - Vol 262, Issues
1–2, 2001, p. 415–435.
__________
УДК 004.65:574.5
К. В. Бабанов – студент кафедры компьютерной математики и программирования
М. Д. Поляк (асс.) – научный руководитель
РАЗРАБОТКА БАЗЫ ДАННЫХ ГИДРОБИОЛОГИЧЕСКОГО
И ГИДРОХИМИЧЕСКОГО МОНИТОРИНГА СЕВЕРО-ЗАПАДНОГО РЕГИОНА РФ
ДЛЯ ГИДРОМЕТЕОСЛУЖБЫ
Разработка рассматриваемой реляционной базы данных для нужд Северо-Западного
управления по гидрометеорологии и мониторингу окружающей среды позволит эффективно
хранить и анализировать собранные данные по фитопланктону, бентосу, зоопланктону,
фотосинтетическим пигментам, гидрохимии, а так же и другие данные, имеющиеся в электронном виде и на бумажных носителях.
Упрощенная логическая структура базы выглядит следующим образом (рис. 1):
На рис. 1 таблица «Водная зона» содержит в себе характеристику всех водных зон, на
которых отбирались пробы. В каждой водной зоне (акватории) находится несколько станций
(таблица «Станция» на рис. 1.), где могут отбираться пробы. Таблица «Проба» символизирует приход судна на станцию и начало выполнения процесса отбора проб на этой станции.
Одновременно могут отбираться пробы несколько типов данных, например, пробы по фито240
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
планктону, фотосинтетическим пигментам, зообентосу и т.д. Так же каждая из проб может
быть отобрана повторно для получения серии проб в одном и том же месте за короткий
временной промежуток. Усреднение данных по серии проб позволяет получить более точные результаты и оценить погрешность методов измерения.
Водная зона
Характеристики водной зоны
Станция
Характеристики станции
Проба
Характеристики пробы
Пробируемые данные 1
Пробируемые данные 2
Пробируемые данные N
Характеристики данных
Характеристики данных
Характеристики данных
Рис 1. Логическая структура спроектированной базы
В случае отбора проб по фитопланктону, бентосу и зоопланктону структуры спроектированных таблиц и схема связей между ними получились схожими. Это объясняется тем, что
при отборе проб собирались схожие данные: для фитопланктона, бентоса и зоопланктона
собирались данные по групповому и видовому составу, количественные показатели по группам в пробе и количественные данные по видам в пробе.
Пример логической структуры таблиц для фитопланктона представлен на рис. 2.
На рис. 2 таблица «Проба фитопланктона» представляет собой пробу фитопланктона,
в которой может содержаться множество видов, которые представляются таблицей «Вид
в пробе». Так же создается таблица «Группа в пробе», описывающая данные по обнаруженным группам в пробе. Таблицы «Вид в пробе» и «Группа в пробе» содержат в себе идентификаторы известных групп и видов фитопланктона, которые представлены в таблицах «Вид
фитопланктона» и «Группа фитопланктона» соответственно.
В самом начале таблицы 1 идут данные о месте отбора пробы, дате, характеристике места отбора. Данные о водоеме («Невская губа») и станции («5») будут помещены в таблицу
«Станция» на рис. 1, если таких данных в таблице еще нет. Дата отбора пробы будет помещена в таблицу «Проба» на рис. 1, если такой даты в таблице еще нет, и будет связана со станцией «5» в водоеме «Невская губа», т.к. именно эти данные указаны рядом друг с другом.
241
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Проба фитопланктона
Характеристика пробы
Вид в пробе
Группа в пробе
Характеристики вида
Характеристики группы
Вид фитоплактона
Группа фитопланктона
Характеристика вида
Характеристика группы
Рис 2. Логическая структура таблиц по фитопланктону
Таблица 1
Пример отобранной пробы с данными по фитопланктону
Водоем: Невская губа
Дата: 24.05.2004
Численность,
сч.ед./л
Таксон
Станция: 5
Биомасса,
мг/л
Численность,
%
Биомасса,
%
Aphanizomenon flos-aquae
65000
130,4
3,02
5,01
Planktolyngbya limnetica
48000
8,6
2,23
0,33
TRIBOPHYCEAE
20000
10
0,93
0,38
FLAGELLATA
180000
5,9
8,37
0,23
Всего
2151000
2600,5
100,00
100,00
Таблица 2
Примеры отобранной пробы с данными по зоопланктону
Водоем: Невская губа
Дата: 23.06.2009
Станция: 2
Глубина, м: 4,7
Горизонт, м: 0 - 4
Вид
N, экз/ м3
B, мг/ м3
N, %
В, %
Nauplii
983
0,548
8,35
0,98
Acanthocyclops viridis
59
1,038
0,50
1,86
Mesocyclops leuckarti
20
0,100
0,17
0,18
Mesocyclops oithonoides
10
0,106
0,08
0,19
Сапробность
CYCLOPOIDA
После места и даты отбора пробы идут качественные и количественные данные: первые две записи – это обнаруженные виды в пробе, их численность, биомасса, процент от
242
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
общей численности и процент от общей биомассы. Эти данные будут помещены в таблицу
«Виды в пробе», представленную на рис. 2. Далее, выделенные прописными буквами, идут,
обнаруженные в пробе, группы фитопланктона с теми же названия столбцов, что и виды.
Эти данные будут помещены в таблицу «Группы в пробе». Завершает цепочку данных строка с названием «Всего», содержащая общие данные по полученным видам фитопланктона
при отборе пробы.
Здесь, в таблице 2, в отличие от данных в таблице 1, сначала идет название группы
(«CYCLOPOIDA»), а затем все принадлежащие этой группе виды. Как видно из сравнения
таблицы 1 и таблицы 2, наборы полученных данных идентичны по своей структуре и, следовательно, для хранения данных по зоопланктону нужны лишь небольшие модификации
спроектированных для фитопланктона таблиц.
В результате проделанной работы была спроектирована база данных для нужд СевероЗападного управления по гидрометеорологии и мониторингу окружающей среды, позволяющая хранить и обрабатывать различного рода данные, полученные в результате отбора
проб в различных водоемах Северо-Западного региона. Данная база имеет не зависящую от
количества отобранных проб структуру, и, при необходимости, позволяет добавлять новые
таблицы для новых данных.
__________
УДК 004.852
Д. А. Горбатых – студент кафедры вычислительных систем и сетей
А. В. Аксенов (ст. преп.) – научный руководитель
ПРИМЕНЕНИЕ АЛГОРИТМА «K-ВЗВЕШЕННЫХ БЛИЖАЙШИХ СОСЕДЕЙ»
ДЛЯ ОЦЕНКИ СТОИМОСТИ НЕДВИЖИМОСТИ
Недвижимость занимает существенное место в рыночных отношениях. В товарноденежных операциях с недвижимостью стоимость играет важную и определяющую роль.
Особенность данного товара заключается в его уникальности, поэтому стоимость разных
объектов не может быть одинаковой. Цены на недвижимость формируются под влиянием
множества факторов, которые оказывают неоднозначное влияние на стоимость, поэтому
необходимо присутствие на рынке специалистов способных оперативно и точно оценить
конкретный объект, в сложившихся условиях.
Существует три подхода к оценке стоимости:
– затратный;
– доходный;
– сравнительный. [1].
Наличие трех подходов позволяет получить адекватную оценку, которая в наибольшей
степени отражает специфику объекта и его положение на рынке. Конечная стоимость объектов недвижимости выводится на основе расчетов всеми тремя подходами с весовыми коэффициентами, которые берутся в зависимости от целей оценки и самого объекта. Сравнительный подход может быть самым объективным, когда имеются достаточные данные
243
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
по сделкам. Доходный подход полезен для инвесторов, которые рассчитывают, приобретая
недвижимость, получать доход от ее использования. Затратный подход самый универсальный и может применяться к большинству объектов. Совместное использование трех подходов в рамках одной оценки позволяет уточнить, конкретизировать результаты, полученные
отдельными подходами и сформировать окончательный вывод. В рамках данной работы
рассмотрено применение алгоритма «k-взвешенных ближайших соседей» к сравнительному
подходу.
Оценка сравнительным подходом осуществляется путем сравнения оцениваемого объекта с объектами, сделки с которыми были проведены и достоверны. Но объекты не могут
быть одинаковы, и поэтому производится корректировка и выводится средняя стоимость
аналогов. Корректировки могут вводиться по следующим показателям:
– дата продажи;
– условия продажи;
– правовое состояние;
– условия использования;
– местоположение;
– физические характеристики. [1].
Сравнительный подход трудоемок и использует в своих расчетах информацию об объектах-аналогах, что, в свою очередь, позволяет использовать современные алгоритмы
и вычислительные средства. Одним из таких алгоритмов является алгоритм «k-взвешенных
ближайших соседей», который рассмотрен далее.
Алгоритм «k-взвешенных ближайших соседей» основан на оценивании сходства объектов. Объект относится к тому классу, к которому принадлежат ближайшие его соседи. Число
k определяет количество соседей, по которым будет проводиться оценка средней стоимости. [2]. Если взять одного соседа, наиболее близко расположенного к данному объекту,
и присвоить такую же стоимость ему, то такая оценка окажется неверной, т.к. данные о
сделках содержат погрешности или так называемые торговые наценки, поэтому необходимо
проводить усреднение стоимости по нескольким соседям.
С помощью алгоритма мы получаем отсортированный массив объектов в порядке увеличения расстояния до оцениваемого объекта, которое находится по формуле (1):
Dв 
n
 i ( x i  y i )2 ,
(1)
где x i , y i – значение по признаку i для объектов x и y .
Чем более похожи объекты, тем меньше расстояние между ними, поэтому для того, чтобы не обрабатывать в вычислениях сильно далеких соседей необходимо преобразовать
расстояние в веса. Наиболее целесообразно применять нормальное, так называемое Гауссово распределение (формула (2)). При таком преобразовании мы всегда получаем числа
отличные от 0. Функция назначает вес 1, когда расстояние равно 0 и уменьшается с увеличением расстояния, но при этом вес равный 0 никогда не будет получен, что дает возможность всегда получить оценку стоимости.
 x2
f ( x )  e 22 ,
(2)
где f ( x ) – Гауссово распределение – веса; x – вычисленное расстояние;  – среднеквадратическое отклонение.
244
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Реализуя данный алгоритм, мы сначала получаем отсортированный массив расстояний
и выбираем из него k-соседей. Далее, вычисляем стоимость оцениваемого объекта по формуле (3):
k
P
 i  0 Si  f ( x ) ,
k
 i 0 f (x )
(3)
где P – стоимость объекта; S i – стоимость продажи объекта-аналога; f ( x ) – Гауссово распределение – веса.
Важной особенностью такого подхода к оценке недвижимости является определение того, какие показатели более важны в определении расстояния. Разные показатели поразному влияют на стоимость объекта в целом, и учитывать их в одинаковой степени было
бы ошибкой, поэтому необходимо масштабирование измерений. Для этого для каждого
объекта выбирается набор существенных и несущественных показателей, значения которых
умножаются на константы, чтобы сравнять масштабы данных и получить более точный
список ближайших соседей.
Алгоритм имеет ограничения применения связанные с вычислительными ресурсами, так
как приходится вычислять расстояния до каждого объекта-аналога. Также неудовлетворительны результаты вычисления стоимости при использовании слишком большого или слишком маленького числа k.
Несмотря на ограничения, применяя данный алгоритм для сравнительного подхода, нам
не нужно вручную искать аналоги, рассматривать отличия объекта от аналогов и производить корректировку. Алгоритм реализует легкий и быстрый способ оценки стоимости на
основе имеющихся данных о проведенных сделках.
Библиографический список
1. Иванова Е. Н. Оценка стоимости недвижимости: учебное пособие. М.: Кнорус, 2008. 344 с.
2. Сегаран Т. Программируем коллективный разум: Пер. с англ. СПб.: Символ-Плюс, 2008. 368с.
__________
УДК 629.735.33
А. А. Далецкий – студент кафедры моделирования вычислительных и электронных систем
Е. А. Бакин (асс.) – научный руководитель
СИСТЕМА СТАБИЛИЗАЦИИ ЧАСТОТЫ СЕРДЕЧНЫХ СОКРАЩЕНИЙ
С БИОЛОГИЧЕСКОЙ ОБРАТНОЙ СВЯЗЬЮ
Биологическая обратная связь – методика, позволяющая людям наблюдать и контролировать функции своего тела с помощью систем объективной регистрации этих функций.
Пациенту посредством внешней цепи обратной связи, организованной преимущественно
с помощью микропроцессорной или компьютерной техники, предъявляется информация
о состоянии и изменении тех или иных собственных физиологических процессов. Метод
245
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
биологической обратной связи (БОС) – это передача человеку дополнительной, не предусмотренной природой, информации о состоянии его органов и систем в доступной и наглядной форме. На основе этой информации человек способен включать механизмы саморегуляции и целенаправленно использовать огромные функциональные возможности организма
с целью совершенствования своих функций.
Главным принципом метода БОС является принцип предоставления пациенту информации о состояниях его физиологических систем в наглядной форме. Исходя из этого принципа, при исследовании и стабилизации частоты сердечных сокращений, предлагается
использовать интервалограммы – характеристики зависимости временного интервала между соседними ударами сердца от формального номера этого интервала. Типичный график
интевалограммы показан на рис. 1.
Рис. 1. Интервалограмма
Разрабатываемая система состоит из: оптического датчика, устройства сопряжения, интерфейсной платы и ПЭВМ. Ее структурная схема показана на рис. 2.
Рис. 2. Структурная схема системы стабилизации частоты сердечных сокращений с биологической
обратной связью, где ОД – оптический датчик; УС – устройство сопряжения; ИП – интерфейсная плата
Оптический датчик состоит из одного фотодиода и трех светодиодов и крепится на палец пациенту. Во время удара сердца происходит расширение стенок сосудов, что приводит
к модуляции оптического сигнала, проходящего через них, по амплитуде, что регистрируется
оптическим датчиком. Далее сигнал с оптического датчика подается на устройство сопряже246
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ния, где сигнал усиливается каскадами операционных усилителей, а далее, через триггер
Шмидта на одновибратор для формирования импульса. В результате, на каждый удар сердца устройство сопряжения откликается нормализованным импульсом заданной амплитуды
и длительности. Информативным параметром для построения интервалограммы служит
частота следования этих импульсов. Электрическая схема оптического датчика и устройства
сопряжения представлена на рис. 3.
Рис. 3. Электрическая схема оптического датчика и устройства сопряжения
Нормализованные импульсы с устройства сопряжения попадают на интерфейсную плату, где микропроцессором подсчитывается временной интервал между приходящими нормализованными импульсами, то есть ударами сердца. Далее эта информация в цифровом
виде передается на ПЭВМ через USB-порт для дальнейшей обработки. Принципиальная
схема интерфейсной платы изображена на рис. 4.
Рис. 4. Принципиальная схема интерфейсной платы
Интерфейсной средой в ПЭВМ служит программа Matlab. Интерфейс оснащен кнопками
«Начать исследование», по нажатию которой, начинается построение интервалограммы
пациента в реальном времени. Так же кнопкой «Закончить исследование», по нажатию которой построенная интервалограмма сохраняется и на экран ПЭВМ выводятся ее статистические характеристики (математическое ожидание и дисперсия). В процессе работы системы
подразумевается построение семейства интерваллограм: без физической нагрузки, с физической нагрузкой, а так же с замкнутой и разомкнутой биологической обратной связью.
Для замыкания и размыкания биологической обратной связи служит специальная кнопка,
247
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
по нажатию которой интервалограмма пропадает с экрана ПЭВМ, тем самым размыкая
биологическую обратную связь. Пример реализации интерфейса в среде Matlab представлен на рис. 5.
Рис. 5. Интерфейс системы
Разрабатываемая система позволяет исследовать метод биологической обратной связи
с подключением зрения к процессу стабилизации ЧСС. В дальнейшем предполагается расширить функциональные возможности системы за счет предоставления пациенту информации о частоте дыхания.
Библиографический список
1. Заюнчковский О. С. Развивающие возможности биологической обратной связи в различной образовательной среде. // Вестник университета (Государственный университет управления). М.: ГУУ,
№ 30, 2010.
2. http://www.biosvyaz.com/
__________
УДК 004.92
А. А. Дмитриева – магистр кафедры вычислительных систем и сетей
А. В. Никитин (канд. техн. наук, доц.) – научный руководитель
АНАЛИЗ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ ДОПОЛНЕННОЙ РЕАЛЬНОСТИ
ДЛЯ КУЛЬТУРНОГО ТУРИЗМА
Современные технологии стремительно врываются в различные аспекты нашей жизни,
даже в такие, на первый взгляд, обыденные, как прогулки на свежем воздухе или туристические поездки. Часто прогуливаясь по паркам, мы проходим мимо развалин ранее прекрас248
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ных замков или привлекательных с исторической точки зрения домов, но даже об этом не
догадываемся, т.к. зачастую никаких информационных табличек либо уже нет, либо даже не
было предусмотрено. Турист сталкивается с невозможностью получения информации здесь
и сейчас об интересующих его объектах.
В статье проанализированы различные браузеры дополненной реальности для мобильных устройств.
Целью дальнейшей моей работы является, с помощью выбранного приложения, получение справочной информации о конкретных памятниках культуры в реальном времени, что
благотворно повлияет на уровень осведомленности граждан о собственном или чужом культурном наследии, что немаловажно в наш век, когда памятникам архитектуры уделяют все
меньше внимания.
К проблемам культурного туризма можно отнести, как упоминалось ранее, невозможность моментально узнать информацию о привлекшем внимание памятнике архитектуры.
Еще одна решаемая проблема – разбросанность объектов по открытым площадкам: парковым комплексам, музеям-заповедникам. Например, если у путешественника есть предпочтения по достопримечательностям, было бы здорово легким движением мобильного
устройства понять дальнейшее направление движения, а также удаленность объекта.
Возникает научно-техническая проблема – в каком виде пользователю представлять
информацию: в голосовом, видео, текстовом или трехмерном формате. У каждого пункта
есть свои плюсы и минусы. Например, в дождь или при слишком ярком солнце смотреть на
экран достаточно неудобно, а прослушивание информации проблематично в тех случаях,
когда пользователь не имеет с собой наушники.
Также возникает проблема о выборе меток, которые будут установлены на объектах, благодаря которым будет определено само здание, а значит и местоположение пользователя.
Стоит упомянуть о том, что же такое дополненная реальность. Эту технологию можно
определить как то, что:
– сочетает реальный мир с компьютерной графикой;
– обеспечивает взаимодействие с объектами в реальном времени;
– обеспечивает распознавание образов или объектов.
В Санкт-Петербурге уже существует несколько приложений вспомогательнотуристического плана, а именно:
мобильное приложение «Ораниенбаум сквозь века». Используя смартфон в качестве
мобильного гида, программа позволяет посетителям совершить самостоятельную экскурсию
по архитектурно-ландшафтному ансамблю «Ораниенбаум» и увидеть, как выглядел парк
в прошедшие столетия. Экскурсию иллюстрируют старинные карты, подлинные документы,
рисунки и фотографии. Наряду с подробным описанием всех экскурсионных объектов приложение обеспечивает доступ к научно-исследовательским статьям, посвященным Ораниенбауму;
к открытию Летнего сада был подготовлен буклет «Летний сад. Дополненная реальность».
С помощью QR-кодов, размещенных как в буклете, так и на щитах в самом саду, можно узнать
о скульптурах, фонтанах и других объектах Летнего сада, посмотреть фрагменты видеофильмов о его истории и 3D-реконструкции, послушать стихи русских классиков и современных
поэтов, посвященные старейшему саду Петербурга. В саду размещено двенадцать информационных щитов с QR-кодами. В павильоне «Чайный домик» и в боскете «Фаворитка» можно
воспользоваться бесплатным WiFi для скачивания программы «RM GUIDE».
249
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Существует три наиболее распространенных браузера дополнительной реальности, на
основе которых можно создать подобное приложение, а именно:
– Wikitude;
– Layar;
– Junaio.
Что представляют собой браузеры для рядового пользователя? Открыв любую из представленных программ, и, направив камеру телефона в определенном направлении, на дисплее можно увидеть дополнительную информацию о вашем окружении, включающую в себя
дома, ближайшие банкоматы, клубы, бары, рестораны, кинотеатры, парки и т.д. Такое приложение является незаменимым даже в хорошо знакомом городе, не говоря про незнакомые места. Оно позволяет прочитать описание, узнать расстояние и направление до интересующих объектов.
Для работы с подобным браузером вам понадобится телефон или же планшет, который
будет обладать операционной системой Android не ниже версии 2.1 или IOS, т.к. не все
браузеры, из перечисленных, могут работать с другими системами. Также требуется наличие камеры и выход в интернет. Чтобы корректно отображать данные о местонахождении
пользователя и окружающих его объектах, браузеры используют различные датчики, установленные в смартфонах (практически во всех современных моделях они присутствуют),
а именно: акселерометр, гироскоп, компас, GPS [4].
Wikitude считается социальным браузером. Одной из его ключевых особенностей является Wikitude Мой Мир, которая позволяет пользователям создавать свой собственный мир
со своими местами, описаниями и фотографиями, которыми можно легко поделиться со
своими друзьями через Facebook. Работа этого браузера полностью основывается на работе с XML файлами и является, безусловно, самой простой платформой для разработки
собственного приложения [1]. Несмотря на это, он является победителем в номинации
«Лучший браузер дополненной реальности» на протяжении последних четырех лет [5]. Работать с трехмерными изображениями приложение может, но весьма в ограниченном режиме. А именно, разработчик может работать с изображениями формата .fbx или .dae, но перед тем, как загрузить его в Wikitude нужно переформатировать их в стандартный для
браузера формат .wt3, что, разумеется, не совсем удобно.
В браузере Layer на изображение с камеры смартфона накладываются различные
«слои», позволяющие ориентироваться в пространстве. Слоев в приложении множество-это
как раз та часть, которую можно создать в качестве разработчика. Layar более функционален по сравнению с Wikitude, например, он оснащен оповещением о приближении к объекту,
а также возможно использование видео. Оно должно быть в формате MP4, его расширение,
к сожалению, не может превышать 320x240 пикселей [2]. Возможность работы с 3D изображениями присутствует, но разработчику не обойтись без конвертации в специальный для
Layar формат .l3d из расширений .obj или .mtl. Этот браузер является более сложным для
настройки с точки зрения разработки и использует для своей работы базы данных MySQL.
Соответственно, разработчику нужно обладать знаниями и в этой области.
Junaio по праву считается техническим браузером и кроме всех функций, которыми обладает Layer, содержит в себе богатые возможности для работы с 3D изображениями.
Например, это единственный браузер, для которого не существует специального расширения для трехмерной графики, и можно напрямую использовать форматы .obj, .md2., fbx., что
позволяет импортировать объекты сразу из программы Uniti 3D [3].
250
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Для любителей использовать видео, данная среда будет наиболее комфортной, так как
максимальное расширение составит 640x480 пикселей, что вдвое больше, чем у предыдущего браузера [3].
Представленные программы, с помощью которых можно создать приложение для дополненной реальности, имеют весьма похожие характеристики:
– находятся в свободном доступе для скачивания;
– работа под операционными системами Android и IOS;
– наличие как бесплатной версии для разработчика, так и платной.
Наряду с общей схожестью, существует ряд принципиальных, с точки зрения разработчика, отличий, которые представлены в таблице. На основе этих критериев и было выбрано
приложение для дальнейшей работы.
Таблица
Критерии выбора браузера дополненной реальности
Mac
Layar
Junaio
Wikitude
GPS
Marker
+
+
VisualSearch
FaceTracking
Uniti 3D
+
+
+
+
+
+
+
+
Конкретно моя задача звучит таким образом: реализовать приложение, максимально
направленное на использование интерактивных, трехмерных моделей, на основе дополненной реальности, которое обеспечит доступ к информации в реальном времени о культурном
наследии музейного квартала. В связи с поставленной задачей, для реализации проекта
была выбрана среда разработки Junaio. Моя задача рассчитана на то, чтобы принести пользу:
– в обеспечении быстрого доступа к получению информации об интересующих пользователя объектах;
– в расширении знаний пользователя об окружающих его достопримечательностях;
– в помощи поиска выбранного объекта на обширной территории;
– в обеспечении частичной или полной замены штатного экскурсовода.
Библиографический список
1. Wikitude [Электронный ресурс] http://www.wikitude.com Режим доступа: свободный. Яз. англ.
2. Layar [Электронный ресурс] http://www.layar.com Режим доступа: свободный. Яз. англ
3. Junaio [Электронный ресурс] http://www.junaio.com Режим доступа: свободный. Яз. англ
4. Ben Butchart, Augmented Reality for Smartphones, Paperback, march 2011
5. Lester Madden, Professional Augmented Reality Browsers for Smartphones, June 2011, 360 pages
__________
251
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 681.5.035
В. А. Дубровская – студент кафедры компьютерной математики и программирования
М. Д. Поляк (асс.) – научный руководитель
ВЛИЯНИЕ БЕЛОГО ШУМА
НА КОЛЕБАТЕЛЬНОЕ ЗВЕНО ВТОРОГО ПОРЯДКА
Колебательное звено – это динамическое звено второго порядка, в котором выходная
величина при подаче на вход ступенчатого воздействия стремится к установившемуся значению, совершая затухающие колебания или монотонно приближаясь к нему [1]. Дифференциальное уравнение, описывающее колебательное звено второго порядка, обычно приводиться к виду
d 2y t 
dy  t 
 y  t   kx  t  ,
(1)
dt
dt
где k – коэффициент передачи; T0 – постоянная времени;  – относительный коэффициT02
 2T0
ент затухания  0    1 ; x  t  – входное воздействие.
Реакция колебательного звена (1) на ступенчатое воздействие x  t   1 t  , которое
мгновенно возрастает от нуля до единицы и далее остается неизменным, вычисляется по
формуле

 2  2


y t   k 1 


e t sin  t  arctg   ,

  
где  – коэффициент затухания, вычисляемый по формуле:  
частота колебаний звена, вычисляемая по формуле:  
1  2
T0

T0
(2)
;  – собственная
[2].
Типичная кривая переходного процесса, рассчитанная по формуле (2), представлена на
рис. 1, а. Фазовый портрет этого решения с траекторией, направленной по часовой стрелке,
изображен на рис. 1, б.
Модель случайных возмущений имеет вид
z  mz  ,
(3)
где z – флуктуирующий параметр; m z – постоянная величина, вокруг которой происходит
флуктуация;  – гауссовский белый шум или сглаженный шум.
Сглаженный шум представляет собой узкополосный гауссовский шум, который был получен путем пропускания белого шума через оконный фильтр текущего среднего с порядком
18 и размерами окна равными 5.
252
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 1, а. Решение дифференциального уравнения
Рис. 1, б. Фазовый портрет
Также, в работе будем учитывать отношение сигнал/шум, которое характеризуется безразмерной величиной, равной отношению мощности полезного сигнала к мощности шума
или отношению квадратов их среднеквадратичного значения амплитуды
SNR 
Psignal
Pnoise
2
 Am 
 Asignal 



 Anoise 
 A 

z
2
(4)
где Р – средняя мощность, А – среднеквадратичное значение амплитуды.
Чем больше значение отношения (4), тем меньше шум влияет на характеристики сигнала, таким образом, привнося в него только небольшие флуктуации [3].
Модель (3) применялась для описания флуктуаций всех трех параметров решения (2)
дифференциального уравнения (1): k , T0 и  . Из графиков, приведенных на рис. 2, а
и 2, б, видно, что большее влияние при воздействии белого шума имеет относительный
коэффициент затухания  , тогда как при наложении уже сглаженного шума проявляется
большее влияние параметра T0 .
253
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 2, а. Флуктуации параметров
Рис. 2, б. Флуктуации параметров
Рассмотрим решение дифференциального уравнения, в котором все параметры подвержены флуктуациям. На рис. 3, а и 3, б показано влияние на вид решения дифференциального уравнения белого и сглаженного шумов соответственно. По данным рисункам можно наблюдать, что при наложении белого шума картинка наполняется большим количеством
случайных выпадов, которые своей амплитудой вносят значимые искажения рисунка
(рис. 3, а). Конечно, наложение сглаженного шума также вносит свои искажения, которые,
однако, несильно флуктуируют вокруг кривой решения (рис. 3, б).
Рис. 3, а. Флуктуация всех параметров
254
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 3, б. Флуктуация всех параметров
Рис. 4, а. Фазовый портрет
Рис. 4, б. Фазовый портрет
255
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 5, а. Фазовый портрет
Рис. 5, б. Фазовый портрет
Подобные изменения наблюдаются и на фазовой плоскости. При наложении белого шума
фазовый портрет решения дифференциального уравнения схож с фазовым портретом самого
белого шума (рис. 4, а), если его амплитуда больше амплитуды самого решения, о чем свидетельствует отношение сигнал/шум (4). Если уменьшить среднеквадратичную амплитуду белого
шума, то фазовый портрет сохранит траекторию решения, однако, наполнит ее резкими флуктуациями, учащающимися по направлению движения фазовой траектории (рис. 4, б).
Когда параметры решения (2) флуктуируют одновременно, их фазовая траектория относительно фазовой траектории решения изменяется плавно, имеет малое количество изгибов с бόльшими размахами, из-за чего флуктуации сильно искажают картину (рис. 5, а).
Флуктуации параметров по отдельности имеют огромное количество перегибов, но с меньшим размахом, таким образом, лучше сохраняя фазовую траекторию решения дифференциального уравнения колебательного звена второго порядка.
Библиографический список
1. Большая энциклопедия нефти и газа. Единичное ступенчатое воздействие. [Электронный ресурс] –
Режим доступа: http://www.ngpedia.ru/id539744p1.html (Дата обращения: 19.03.2013)
2. Вадутов О. С. Динамические звенья второго порядка. Методические указания. 2009. С. 3-4.
3. Отношение сигнал/шум. [Электронный ресурс] – Режим доступа:
http://www.ru.wikipedia.org/wiki/Отношение_сигнал/шум (Дата обращения: 06.04.2013)
__________
256
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.032.26
Ф. К. Жинкин – студент кафедры компьютерной математики и программирования
М. Д. Поляк (асс.) – научный руководитель
ОБУЧЕНИЕ
СТОХАСТИЧЕСКИХ
ИСКУССТВЕННЫХ
С ИСПОЛЬЗОВАНИЕМ ГРАФИЧЕСКОГО ПРОЦЕССОРА
НЕЙРОННЫХ
СЕТЕЙ
Искусственные нейронные сети получили широкое распространение в качестве инструмента решения трудно формализуемых задач, таких как классификация, кластеризация,
прогнозирование. Качество решения таких задач во многом определяется архитектурой сети
и размером обучающей выборки. Многослойные нейронные сети позволяют решать сложные задачи, последовательно извлекая на каждом уровне наиболее важные признаки из
входного образа [1]. Примером многослойной нейронной сети может служить многослойный
перцептрон. Одним из наиболее широко распространенных алгоритмов обучения нейронных
сетей с учителем является алгоритм обратного распространения ошибки. Недостатком данного алгоритма применительно к многослойным сетям является необходимость выполнять
прямой и обратный проход последовательно через все слои сети [1]. Таким образом, с ростом числа слоев время обучения будет существенно увеличиваться. Однако существует
другой тип сетей – глубокие сети доверия, для которых существует алгоритм позволяющий
обучать каждый слой отдельно от остальных с использованием машины Больцмана с ограничениями, при этом обучение всех слоев кроме последнего производиться без учителя [2].
Еще одним фактором, влияющим на время обучения сети, является количество нейронов в
каждом слое: чем больше нейронов, тем больше вычислений необходимо выполнять. Проблема
усугубляется тем фактом, что объем вычислений растет с размерами обучающей выборки, который может составлять миллионы образов. Для уменьшения времени, затрачиваемого на вычисления, в последние годы широкую популярность получило использование графических процессоров, применение которых позволяет в несколько раз сократить время вычислений в сравнении
с многоядерными процессорами [3]. В данной статье рассматривается обучение стохастических
нейронных сетей с использованием графического процессора на примере обучения глубокой
сети доверия с использованием машины Больцмана с ограничениями.
Глубокие сети доверия представляют собой графическую вероятностную модель, описывающую множество переменных и вероятностные связи между ними. Такая сеть состоит
из нескольких слоев, среди которых выделяют слой видимых и слой скрытых нейронов.
Основными проблемами, решаемыми в процессе использования такой модели, является
вычисление значений переменных в скрытых слоях на основании значений в видимом слое,
а так же обучение сети – процесс изменения взаимодействия переменных путем корректировки весов связей.
Процесс обучения сети является трудоемким, так как для этого необходимо найти совместное распределение вероятностей всех переменных, составляющих сеть, которая может
включать огромное число переменных. Одним из способов, позволяющих существенно
ускорить процесс обучения, является построение глубоких сетей доверия из нескольких
машин Больцмана с ограничениями [2].
Машина Больцмана с ограничениями представляет собой стохастическую генеративную
нейронную сеть (рис. 1), которая каждому своему состоянию, характеризующемуся значениями
257
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
нейронов в видимом и скрытом слое, ставит в соответствие вероятность пребывания
в этом состоянии.
Каждое состояние машины Больцмана с ограничениями обладает энергией, определяемой как функция от значений скрытых и видимых нейронов в соответствии с формулой
E (v , h )    ai v i   b j h j   v i h j w i , j ,
(1)
i видимые
j скрытые
i,j
где v i , h j – состояния видимых и скрытых нейронов соответственно, a i , b j – смещения
видимого и скрытого слоев, а w i , j – вес связи между видимым нейроном i и скрытым
нейроном j [4].
Рис. 1. (а) глубокая сеть доверия. (б) машина Больцмана с ограничениями.
Вероятность нахождения сети в одном из состояний зависит от энергии, соответствующей данному состоянию и определяется как
1 E (v ,h )
p(v , h `)  e
,
(2)
Z
Z  e
 E (v ,h )
.
v ,h
Для нахождения вероятности того, что нейроны в видимом слое сети примут определенное значение, необходимо найти сумму вероятностей пребывания сети в одном из состояний для всех возможных значений скрытых нейронов
1
(3)
p(v )   e  E (v ,h ) .
Z h
Обучение машины Больцмана сводиться к повышению вероятности (3) для образов из
обучающей выборки путем понижения энергии соответствующих им состояний. Для этого
веса связей между слоями изменяются по формуле
w i , j  v i h j
где v i h j
k
0
 vi hj
1
,
(4)
– корреляция между значениями видимого и скрытого нейронов, рассчитывае-
мая для первого и второго шага сэмплирование цепями Маркова с использованием алго258
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ритма Гиббса. При этом значения нейронов в скрытом и видимом слое определяются
по формулам
p(h j  1| v )  (b j   v i w i , j ) ,
i
p(v i  1| h )  (ai   h j w i , j ) ,
j
где  – логистическая функция [4].
Не смотря на простоту алгоритма, обучение может занять длительное время в связи
с тем, что обучающая выборка, как правило, состоит из большого количества образов. Одним из возможных способов ускорения процесса обучения является использование графических процессоров, так как большинство операций, выполняемых в процессе обучения,
могут быть сведены к операциям над матрицами, эффективно реализуемыми на графических процессорах [3].
В рамках описываемой работы была разработана программа для обучения глубоких сетей доверия на графических процессорах. Для сравнения производительности была разработана программа, выполняющая аналогичные действия с использованием центрального
процессора. Обе программы написаны на языке программирования Python. Программа,
выполняющая обучение на графическом процессоре для выполнения операций над матрицами использует самостоятельно доработанную библиотеку CUDAMat [5], которая является
надстройкой над библиотекой CUBLAS. Программа, выполняющая обучение сетей на центральном процессоре, для действий над матрицами использует библиотеку numpy, работающую поверх библиотеки BLAS.
В качестве данных для обучения использовалась библиотека рукописных цифр MNIST.
Цифры из данного набора представляют собой черно-белые изображения размером
28х28 пикселей. Не смотря на то, что набор содержит несколько десятков тысяч изображений,
для обучения было выбрано подмножество, состоящее из 5000 изображений. Небольшой
размер выборки снижает время, требуемое для обучения сети, что позволяет провести больше
экспериментов с различными конфигурациями сети и параметрами обучающего алгоритма.
В качестве структуры сети, используемой для обучения, была выбрана четырехслойная
сеть, описанная в работе Хинтона и др. [2]. Входной слой состоит из 784 нейронов, два последующих скрытых слоя состоят из 500 нейронов, а последний скрытый слой состоит из
2000 нейронов. С ним связан видимый слой из 10 нейронов, используемый для классификации изображений (рис. 2, а).
Для сравнения времени обучения использовалось три конфигурации оборудования,
описанные в таблице 1.
Время обучения, а так же коэффициент ускорения для каждой конфигурации оборудования представлен в таблице 2. Преимущество графического процессора над центральным хорошо заметно на графиках зависимости ошибки обучения от времени обучения
(рис. 2, б, в, г).
После обучения многослойной сети был проведен эксперимент по обучению машин
Больцмана с ограничениями с разным количеством нейронов в скрытом слое. При обучении
таких сетей использовался прежний набор данных и конфигурации оборудования. Сравнение времени, потребовавшегося для обучения таких сетей, приводится в таблице 3.
259
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 1
Описание оборудования, использованного для обучения
Обозначение
Операционная система
Центральный процессор
Графический процессор
CPU
Debian Linux 7
AMD A10-K5800
–
GPU-GT9500
Debian Linux 7
AMD A10-K5800
NVidia GT-9500
GPU-AWS
RHEL 6.4
Intel Xeon X5570
NVidia Tesla S2050
Таблица 2
Время обучения глубокой сети доверия
Слой сети
Слой 1(784x500)
Слой 2 (500x500)
Слой 3 (500x2000)
Общее время
обозначение
время,
сек
ускорение
время,
сек
ускорение время,
сек
ускорение
время,
сек
ускорение
CPU
10575
1
5058
1
13843
1
29476
1
GPUGT9500
4707
2.2
6723
0.75
3009
4.6
14439
2.0
GPU-AWS
583
18.2
588
8.6
419
33.0
1591
18.5
Рис. 2. а) структура обучаемой сети доверия;
б) зависимость ошибки обучения первого слоя от времени обучения;
в) зависимость ошибки обучения второго слоя от времени обучения;
г) зависимость ошибки обучения третьего слоя от времени обучения
260
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 3
Время обучения машины Больцмана с ограничениями
Размер слоя
784x500
784x1000
784x2000
обозначение
время, сек
ускорение
время, сек
ускорение
время, сек
ускорение
CPU
8141
1
9171
1
10172
1
GPU-GT9500
3583
2.3
2612
3.5
2973
3.4
GPU-AWS
522
15.6
289
31.7
379
26.8
Использование графического процессора позволяет на порядок сократить время обучения машины Больцмана с ограничениями и глубоких сетей доверия. При этом почти во всех
случаях с увеличением размера слоев сети выигрыш в производительности от использования графического процессора увеличивался.
Библиографический список
1. Хайкин С. Нейронные сети: полный курс. Второе издание.: Пер. с англ. – М.: Издательский дом
“Вильямс”, 2006. – 1104 с.
2. Hinton G. E., Osindero, S., Teh, Y. A fast learning algorithm for deep belief nets// Neural Computation.
2006. № 18. С. 1527-1554.
3. Volkov V., Demmel J. W. Benchmarking GPUs to tune dense linear algebra// Proceedings of the 2008
ACM/IEEE conference on Supercomputing. IEEE Press. 2008.
4. Hinton G. E. A Practical Guide to Training Restricted Boltzmann Machines // UTML TR 2010–003. University of Toronto. 2010.
5. Mhin V. CUDAMat: a CUDA-based matrix class for Python // UTML TR 2009–004. University of Toronto. 2009.
__________
УДК 681.5.035
С. А. Жукова – студент кафедры компьютерной математики и программирования
М. Д. Поляк (асс.) – научный руководитель
ВЛИЯНИЕ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ НА РЕШЕНИЕ ДИФФЕРЕНЦИАЛЬНОГО
УРАВНЕНИЯ АПЕРИОДИЧЕСКОГО ЗВЕНА ВТОРОГО ПОРЯДКА
Апериодическим является переходный процесс, при котором выходная величина, характеризующая переход системы от одного состояния к другому, либо монотонно стремится
к установившемуся значению, либо имеет один экстремум. Теоретически этот процесс может длиться бесконечно большое время.
Дифференциальное уравнение апериодического звена второго порядка имеет следующий вид [1]:
2
d y (t )
2
 (T1  T2 )
dy (t )
(1)
 y (t )  kx (t ) ,
dt
dt
где k – коэффициент передачи, T1 и T2 – постоянные времени. При этом корни характери2 2
стического уравнения (T2 p  T1p  1)y  kx должны быть вещественными, что будет выполняться при условии T1  2T2 [2].
T1T2
261
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Физический смысл последнего неравенства заключается в том, что потери энергии
в звене очень велики, вследствие чего в нем невозможно возникновение колебаний.
Передаточная функция апериодического звена второго порядка имеет вид:
Y (s )
k
.
W (s ) 

X (s ) (T1s  1)(T2  1)
Исходя из этого, можно сделать вывод, что апериодическое звено второго порядка эквивалентно двум апериодическим звеньям первого порядка, включенным последовательно
друг за другом [2]. Также стоит отметить, что рассматриваемое звено имеет два действительных полюса, которые выражаются через постоянные времени:
s1  1 ,
T1
s2  1 .
T2
Реакция звена на ступенчатое входное воздействие x (t ) , а, следовательно, и решение
уравнения звена определяется выражением:

y (t )  k  1 

T1
T1  T2
t
e
T
1

t
T2
T1  T2
e
T
2

.

(2)
Выражение (2) представляет собой зависимость выходного сигнала от входного воздействия, то есть от трех параметров: k , T1 и T2 .
На рис. 1, а показано решение дифференциального уравнения апериодического звена
второго порядка при параметрах, равных постоянным значениям: k  1,T1  5,T2  2.
На рис. 1, б – его фазовый портрет.
Рассмотрим влияние случайных возмущений параметров на решение дифференциального уравнения.
Модель случайных возмущений имеет вид
z  mz  ,
(3)
где z – флуктуирующий параметр; m z – постоянная величина, вокруг которой происходит
флуктуация;  – гауссовский белый шум, или сглаженный шум.
Сглаженный шум представляет собой узкополосный гауссовский шум, который был получен путем пропускания белого шума через оконный фильтр скользящего среднего с порядком 7 и размерами окна равными 5 отсчетам.
Также, в работе будем учитывать отношение сигнал/шум, которое характеризуется безразмерной величиной, равной отношению мощности полезного сигнала к мощности шума
или отношению квадратов их среднеквадратичного значения амплитуды
SNR 
Psignal
Pnoise
2
 Am 
 Asignal 



 Anoise 
 A 

2
z
где Р – средняя мощность, А – среднеквадратичное значение амплитуды.
262
(4)
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 1, а. Решение уравнения (1)
Рис. 1, б. Фазовый портрет решения (2)
Чем больше значение отношения (4), тем меньше шум влияет на характеристики сигнала, таким образом, привнося в него только небольшие флуктуации [3].
Целью исследования является изучение поведения решения (2) уравнения (1) при подстановке в качестве параметров решения случайных процессов. В качестве эталона, с которым будут производиться сравнения результатов, примем решение уравнения на рис. 1.
Будем исследовать влияние флуктуаций на следующие три параметра: k , T1 и T2 . Обращаясь к выражению (2) можно заметить, что параметры T1 и T2 входят в решение уравнения в неявном виде (под знаком экспоненты, в дроби), то есть не оказывают прямого влияния на изменение самого решения. Обратное можно сказать о параметре k , который
входит в решение мультипликативно и оказывает достаточно сильное влияние на изменение решения.
Эти выводы подтверждаются графиком, на котором изображено эталонное решение
и решение со случайными параметрами. Данный график представлен на рис. 2.
263
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 2. Решение уравнения (1) со случайными параметрами;
1 – решение уравнения (1) с постоянными значениями параметров;
2 – решение уравнения (1) с белым шумом в качестве значений параметров k, T1 и T2
В качестве помех также будем рассматривать гауссовский узкополосный случайный
процесс, описываемый моделью (3) и получаемый путем сглаживания белого шума фильтром скользящего среднего. На рис. 3 представлено решение уравнения (1) с флуктуациями
параметров k, T1 и T2, заданными гауссовским узкополосным процессом.
Рис. 3. Решение уравнения (1) после применения фильтра к параметрам;
1 – решение уравнения (1) с постоянными значениями параметров;
2 – решение уравнения (1) со сглаженным белым шумом в качестве значений параметров
На графике (рис. 3) хорошо видно, что решение уравнения с параметрами после применения фильтра выглядит похожим на эталонное решение, однако все же с некоторыми отклонениями. Такой результат был получен после применения фильтра всего семь раз.
Поскольку коэффициенты в функции, описывающей решение дифференциального уравнения, являются случайными, само решение также является случайным процессом.
264
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
На рис. 4 представлена спектральная плотность случайного процесса, описывающего решение (2) уравнения (1).
Построим фазовый портрет решения дифференциального уравнения (1). Для этого на
фазовой плоскости откладывается значение решения и его первой производной по времени.
Рис. 4. Спектральные плотности решений; 1 – спектральная плотность случайного процесса;
2 – спектральная плотность случайного процесса, пропущенного через фильтр
Рис. 5. Фазовые портреты; 1 – фазовый портрет решения уравнения (1) с белым шумом в качестве
значений параметров; 2 – фазовый портрет решения уравнения (1); 3 – фазовый портрет решения
уравнения (1) со сглаженным белым шумом в качестве значений параметров уравнения (1)
Фазовые портреты представлены на рис. 5. На левом рисунке изображен фазовый
портрет эталонного решения и фазовый портрет решения с параметрами в виде белых
шумов. На правом рисунке – фазовые портреты эталонного решения и решения с узкополосными шумами.
265
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Амплитуда производной при воздействии гауссовского белого шума на параметры решения (2) дифференциального уравнения (1) настолько велика (см. график 1 на рис. 5), что
фазовая траектория решения (2) с постоянными параметрами при выбранном масштабе
вырождается в прямую линию (график 2 на рис. 5).
Из рис. 5 видно, что фазовые портреты решения уравнения (1) со значениями параметров в виде белого шума (линии 1 и 3) имеют малые амплитуды колебаний вблизи начала
координат и нарастают по мере удаления от него. Такое увеличение амплитуд колебаний
объясняется тем, что фазовый портрет отражает зависимость сигнала от его первой производной по времени, а алгоритм нахождения производной описывается следующей функцией:
y ( i 1)  y ( i 1)
'
y ( i 1) 
,
(5)
2
где y i – значение последовательности в момент времени i
 2  i   ;
y i ' – производная.
Библиографический список
1. Апериодическое звено [Электронный ресурс] – Режим доступа:
http://www.ru.wikipedia.org/wiki/Апериодическое_звено (Дата обращения: 03.04.2013)
2. Бесекерский В. А. Теория систем автоматического управления. СПб.: Профессия, 2003. 767 с.
3. Отношение сигнал/шум [Электронный ресурс] – Режим доступа:
http://ru.wikipedia.org/wiki/Отношение_сигнал/шум (Дата обращения: 03.04.2013)
__________
УДК 51-76
Р. Н. Киндеркнехт – магистрант кафедры моделирования вычислительных и электронных
систем
О. О. Жаринов (канд. техн. наук, доц.) – научный руководитель
ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ НА ОСНОВЕ ИЗОБРАЖЕНИЯ
РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА
В настоящее время деятельность человека во многих областях все больше сводится
к обработке информации. Одновременно возникает задача защиты информации от несанкционированного доступа. Для решения этой задачи в основном используются (в зависимости от специфики применения) электронные карты, пароли и PIN-коды, бумажные носители
персональной информации. Но все больше развиваются и внедряются системы идентификации личности на основе биометрических данных (рис. 1).
Наиболее широко распространены системы идентификации на основе отпечатков пальцев, второе место занимают системы, использующие изображение лица, затем – системы
идентификации по голосу, на четвертом месте находятся системы идентификации на основе
изображения радужной оболочки глаза либо сканирования сетчатки глаза.
Однако наиболее защищенными (по сравнению с остальными способами) от попыток
фальсификации являются методы, использующие в качестве уникальных признаков рисунок
266
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
глаза. Глаз обладает следующими свойствами, которые позволяют использовать его признаки для идентификации [1]:
– генетическая независимость и уникальность (рисунок радужной оболочки не повторяется даже у близнецов);
– высокая информативность (наличие сложного рисунка, состоящего из мелких деталей);
– независимость результатов распознавания от возраста (изменение цвета радужки
возможно, но ее узор остается постоянным);
– рефлекторная реакция на внешние раздражители (что позволяет отличить живой
орган от муляжа);
– бесконтактный способ регистрации.
Рис. 1. Прогноз роста мирового рынка биометрических технологий согласно International Biometric Group
Полный цикл процесса идентификации личности на основе изображения радужной оболочки глаза состоит из следующих этапов.
На первом этапе происходит взятие изображения глаз (одного или обоих) с применением специального оборудования. Также на этом этапе решаются следующие задачи: определение живучести (путем сравнения нескольких кадров и пр.) и получение реперных точек на
зрачке для последующего определения центра зрачка.
На втором этапе выделяют границы радужной оболочки глаза. Ниже показаны результаты обработки изображения детекторами краев Канни (рис. 2, б) и Собеля (рис. 2, в).
Модуль градиента
Выходное изображение outCanny.result(x,y)
Исходное изображение в градациях серого
250
250
50
50
100
200
150
200
100
200
150
150
300
150
250
100
400
450
50
500
550
350
100
200
300
а)
400
500
0
800
700
250
600
400
450
450
50
500
500
350
400
400
300
200
500
100
550
550
100
900
150
300
300
350
1000
100
200
200
250
50
100
200
300
400
500
0
100
б)
200
300
400
500
0
в)
Рис. 2. Детектирование краев радужной оболочки глаза
267
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
После выделения краев находят координаты центра зрачка и радиусы внешней и
внутренней границ. На рис. 3 приведены результаты поиска центра и радиусов зрачка
методом Хафа.
[ x0,y0,Rext,Rint ] = [ 302,307,259,129 ],(eye11.jpg)
250
50
100
200
150
200
250
150
300
350
100
400
450
500
50
550
100
200
300
400
а)
500
б)
Рис. 3. Локализация радужной оболочки глаза методом Хафа
На третьем этапе для простоты последующей обработки область радужной оболочки
переводят в псевдополярную систему координат. В этой системе координат по оси абсцисс
откладываются значения угла поворота, по оси ординат – значения радиуса. Такое преобразование является инвариантным к расширению зрачка и повороту головы. Угол поворота
компенсируется путем циклического сдвига нормализованного изображения вдоль оси абсцисс, а расширение зрачка – путем растяжения диапазона радиусов по оси ординат в область меньших значений.
На следующем этапе нормализованное изображение подвергают процессу предобработки, а именно выравнивают освещение и повышают контрастность (рис. 4) [2]. Освещение
выравнивают с помощью применения фильтра размытия к копии изображения, а затем вычитания из исходного изображения (рис. 4, а) результата фильтрации (рис. 4, б). После этого
повышают контрастность полученного изображения (рис. 4, в) линейным растягиванием
гистограммы яркости (рис. 4, д) или другими методами.
Пятый этап заключается в параметризации изображения, т. е. в выделении уникальной
конфигурации признаков. В настоящее время используются методы параметризации с использованием фильтров Габора (рис. 5, б), Эрмита (рис. 5, в) и фильтров на основе первых
производных функций Гаусса (рис. 5, а) [3 – 5].
В качестве уникальных признаков при применении фильтров Габора используют угол ориентации окна фильтра. Для фильтров Эрмита и Гаусса признаками служат экстремумы градиента яркости. Фильтрация осуществляется путем свертки изображения с ядром фильтра.
После фильтрации изображение бинаризуют (для фильтров Гаусса и Эрмита), т. е.
сравнивают полученные отклики с пороговым значением и по результатам сравнения признакам присваивают значения 0 или 1. Для метода с использованием фильтров Габора
вместо бинаризации осуществляют квантование значений угла ориентации ядра на изображении.
268
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Пятый этап цикла идентификации заключается в сравнении полученного бинарного кода
с кодами, хранящимися в базе данных, с помощью расстояний Хэмминга.
Полученный код каждый раз будет отличаться от кода, имеющегося в базе данных. Поэтому необходимо применять такую систему признаков, которая дает неперекрывающиеся
плотности распределения вероятности появления признаков для разных классов (разнородных изображений) и в то же время дает стабильный результат в пределах одного класса при
различных внешних условиях [6].
Размытый фон, апертура фильтра 21, (функция fAlignLight)
Входное нормализованное изображение
200
250
20
40
200
60
150
80
100
100
120
140
50
160
20
180
40
160
60
140
80
120
100
100
120
80
140
60
160
40
20
180
180
50
100
150
200
250
300
350
0
50
100
150
а)
200
250
300
350
б)
Выровненное освещение (функция fAlignLight)
Гистограмма яркости выровненного изображения
2500
240
20
220
40
200
60
180
80
160
2000
1500
140
100
120
120
1000
100
140
80
160
60
180
40
50
100
150
200
250
300
500
0
350
0
50
100
в)
150
200
250
г)
Повышение контраста [min,max,thresh]=[0,160,40]
250
Гистограмма яркости контрастного изображения
2500
20
2000
40
200
60
1500
80
150
100
1000
120
140
100
500
160
180
50
50
100
150
200
д)
250
300
350
0
0
50
100
150
200
250
е)
Рис. 4. Предобработка нормализованного изображения
269
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
 x = 0.7
 x = 1.4
 x = 2.1
а
б
в
5
5
5
5
5
5
10
10
10
10
10
10
15
15
15
15
15
20
20
20
20
20
5
10
15
20
5
 x = 2.8
10
15
20
5
 x = 3.5
10
15
20
5
 x = 4.2
10
15
15
20
20
5
г
10
15
20
5
д
5
5
5
5
5
5
10
10
10
10
10
15
20
10
15
20
10
15
20
5
 y = 1.4
5
5
5
10
10
15
20
15
20
15
20
 y = 2.8
10
15
 y = 3.5
10
15
5
5
10
10
15
15
15
20
20
20
15
20
5
10
15
20
5
10
15
5
15
10
15
5
5
10
15
Hermite1,2
10
10
10
15
15
20
20
5
15
20
5
10
15
20
5
Hermite2,2
5
5
5
10
10
15
20
10
15
20
20
5
Hermite3,1
10
15
20
5
Hermite3,2
5
5
5
10
10
15
20
10
15
20
10
15
20
5
Hermite4,2
5
5
5
10
10
15
15
15
20
10
15
20
10
15
20
Hermite4,3
10
5
20
20
5
Hermite4,1
20
15
15
20
5
10
Hermite3,3
10
15
20
15
20
5
15
Hermite2,3
10
15
10
20
5
10
15
20
5
10
15
15
20
20
20
Hermite1,3
5
20
15
20
15
10
м
5
5
20
5
10
5
15
20
л
10
б)
10
15
5
20
Hermite2,1
20
в)
Рис. 5. Варианты параметризующих фильтров
270
10
10
10
15
20
20
к
5
20
15
20
5
10
и
10
а)
5
5
5
20
Hermite1,1
20
10
20
10
15
5
15
5
10
10
 y = 4.2
5
5
з
20
5
15
20
20
15
20
10
15
ж
20
5
10
20
15
20
5
15
20
10
10
 y = 2.1
10
15
15
20
20
5
 y = 0.7
5
15
15
20
5
15
е
10
15
10
15
20
5
10
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 6. Пользовательский интерфейс программного комплекса исследования методов параметризации
Качество системы идентификации характеризуется соотношением ошибок первого рода
(вероятности ложного не распознавания) и второго рода (вероятность ложного распознавания). Эти ошибки являются взаимозависимыми и определяются всей совокупностью параметров и условий, реализуемых в процессе идентификации.
В результате выполнения магистерской работы был разработан программный комплекс
функций, которые были объединены пользовательским интерфейсом (рис. 6). Программный
комплекс позволяет выполнять все этапы цикла идентификации, описанные выше, а также
осуществлять анализ результатов.
Библиографический список
1. Монич Ю. И. и др. Экспериментальный комплекс программ распознавания личности по радужной
оболочке глаза // Электроника Инфо. 2010. №5. С. 65–68.
2. Поляков А. и др. Методы и алгоритмы компьютерной графики в примерах на Visual C++ // RSDN
Magazine. 2004. №4.
3. Минакова Н. Н., Петров И. В. Информационная система анализа структуры радужной оболочки
глаза // Ползуновский вестник. 2012. №3/2. С. 230–234.
4. Павельева Е. А., Крылов А. С. Поиск и анализ ключевых точек радужной оболочки глаза методом
преобразования Эрмита // Информатика и её применения. 2010. Т. 4. №1. С. 79–82.
5. Коланкех А. К. и др. Нахождение параметров и удаление постоянной составляющей фильтра Габора для обработки изображений // Известия Томского политехнического университета. 2011. Т. 318.
№ 5. С. 57–59.
6. Лепский А. Е., Броневич А. Г. Математические методы распознавания образов:Курс лекций / ТТИ
ЮФУ., Таганрог. 2009. 155 c.
__________
271
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
А. Л. Ковригин – студент кафедры моделирования вычислительных и электронных систем
О. О. Жаринов (канд. техн. наук, доц.) – научный руководитель
КЛИППИРОВАНИЕ
Сжатие сокращает объем пространства, требуемого для хранения файлов в ЭВМ, и количество времени, необходимого для передачи информации по каналу установленной ширины пропускания. Это есть форма кодирования. Существует много веских причин выделять
ресурсы ЭВМ в расчете на сжатое представление, т.к. более быстрая передача данных и
сокращение пространства для их хранения позволяют сберечь значительные средства и
зачастую улучшить показатели ЭВМ. Сжатие, вероятно, будет оставаться в сфере внимания
из-за все возрастающих объемов хранимых и передаваемых в ЭВМ данных, кроме того его
можно использовать для преодоления некоторых физических ограничений, таких как,
напpимеp, сравнительно низкая ширина пропускания телефонных каналов.
На фоне прогрессирующего развития техники и алгоритмов сжатия данных с громоздкими и математически сложными алгоритмами, остались без внимания первые методы сжатия
сигнала, которые люди придумали еще 40-50 лет назад. Одним из таких основополагающих
методов сокращения объема аудиоданных является клиппирование.
Суть данного метода заключается в том, чтобы оцифрованный речевой сигнал кодировать с точностью до знака. Задача алгоритма клиппирования заключается в оценке знака
каждого отсчета и формировании нового сигнала с новой постоянной амплитудой и соответствующим знаком. Не трудно догадаться, что клиппированный сигнал будет прямоугольным
с разной длительностью импульсов.
Если этот сигнал прослушать, то можно услышать весьма разборчивую речь. Но в силу
того, что исчезающие малые величины сэмпла становятся довольно большими, сигнал может получиться шумным.
Обрабатываемые речевые сигналы могут иметь разные уровни, и, если взять значение
амплитуды равное единице, а значение сигнала, при этом, будет например, в диапазоне
значений ±20, то звук будет тихим, в противном случае, полученный сигнал будет громким.
Чтобы этого избежать, нужно посчитать дисперсию исходного сигнала, и в качестве амплитуды клиппированного сигнала откладывать среднеквадратическое отклонение –  исходного сигнала с учетом знака.
В любой среде математического моделирования, например MathCAD или Matlab, алгоритм для преобразования входного сигнала можно представить блок-схемой (рис. 1).
Среднеквадратическое отклонение может быть получено путем задания явной формулы:

1
n
_
 ( x i  x )2
n
,
i 1
_
где x i – i-й элемент выборки, x – среднее арифметическое выборки, или использования
встроенных функций математической среды моделирования, например «stdev» в MathCAD.
272
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 1. Функциональная блок-схема преобразования
Формулу для построения клиппированного сэмпла сигнала можно записать следующим
образом:
1  i , n  0
s(n)  
 1  i , n  0,
где n – отсчеты исходного сигнала,  i – среднеквадратическое отклонение i-го сэмпла исходного сигнала, s(n) – отсчеты выходного клиппированного сигнала.
Таким образом, в результате работы данного алгоритма на выходе получится новый
клиппированный сигнал:
Рассмотрим для примера сигнал, оцифрованный 8-разрядным АЦП. Для сохранения
каждого его отсчета необходимо 8 бит. После клиппирования сигнала, значение отсчета
может быть либо +1, либо -1, для чего требуется только 1 бит. Кроме того, если сохранять
еще значение  i , то потребуется еще один байт для каждого сэмпла. Так, для одного сэмпла, который кодируется 256 битами, будет занимать объем в 264 бита, сохраняя при этом
значения среднеквадратического отклонения для каждого отсчета. Таким образом, происхо273
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
дит сжатие исходного сигнала в восемь раз, для данного примера. На практике сжатие будет
зависеть от разрядности используемого АЦП для оцифровки сигнала, чем больше разрядность, тем больше коэффициент сжатия.
Рис. 2. Полученный клипированный сигнал в сравнении с исходным
Библиографический список
1. Zottola, Tino (1996). Vacuum Tube and Guitar and Bass Amplifier Servicing. Bold Strummer. p. 6.
ISBN 0-933224-97-4.
2. http://en.wikipedia.org/wiki/Clipping_(audio)
__________
УДК 004.92
О. В. Косенко – магистр кафедры вычислительных систем и сетей
Н. Н. Решетникова (канд. техн. наук, доц.) – научный руководитель
АНАЛИЗ ВОЗМОЖНОСТЕЙ ИНТЕРАКТИВНОЙ КОМПЬЮТЕРНОЙ ГРАФИКИ
ДЛЯ РЕШЕНИЯ ТЕАТРАЛЬНЫХ ЗАДАЧ
К настоящему времени компьютерная графика и аппаратные конфигурации достигли
уровня, когда возможно отображение на экране множества сложных 3D-объектов, сохраняя
при этом интерактивность и реалистичность происходящего. В мире наблюдается тенденция непрерывного увеличения числа внедряемых компьютерных технологий в повседневную жизнь общества, культуру и искусство. Это коснулось и театральной жизни, что подтверждают увеличивающиеся разработки в театральной среде [1-6].
В статье рассматриваются некоторые аспекты применения интерактивной компьютерной графики (ИКГ) в театральной деятельности. Проведя анализ, можно выделить следующие возможности ИКГ