авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |

«МИНОБРНАУКИ РОССИИ УДК 002.52/.54(075.8) ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ ...»

-- [ Страница 3 ] --

Для повышения надежности в ответственных случаях на каждой точке контроля ис пользуется по нескольку датчиков (например, по три). Сигнал от каждого датчика сравнива ется со своей уставкой. Результат контроля определяется по принципу голосования: напри мер, если более половины результатов контроля совпадают, то тогда выдается согласован ный результат контроля.

Имеется довольно много типов устройств допускового контроля, построенных на тун нельных диодах, полупроводниковых диодах и транзисторах. Поиски надежных, простых, точных и быстродействующих устройств допускового контроля продолжаются до настояще го времени.

Если описание норм представлено в цифровом виде, то при большом количестве кон тролируемых величин значения уставок вводятся либо в автономные устройства памяти, ли бо в память вычислительной машины. Сопоставление уставок с контролируемыми величи нами в этом случае может быть выполнено в цифровом либо в аналоговом виде. В первом случае значение контролируемой величины должно быть выражено цифровым кодом, во втором цифровое значение уставки должно быть преобразовано в аналоговую величину, од нородную с контролируемой. По второму способу выполняется сравнение в системе ИВ-500.

Рис. 64. Вентильные устройства допускового контроля:

а – потенциометрическая схема;

б – мостовая схема Остановимся на сопоставлении уставки и контролируемой величины в цифровом виде.

Следует различать аппаратурный (реализуемый с помощью логических элементов) и программный (реализуемый с помощью ЭВМ) способы сравнения кодов с получением ре зультата сравнения в виде соотношений «больше», «меньше», «равно» или с количественной оценкой разницы кодов;

сравнение кодов может быть выполнено поразрядно или одновре менно по всем разрядам. В табл. 2 представлены значения элементарных логических функ ций для двухразрядных двоичных переменных А и В.

Таблица Логические функции двоичных переменных А В Логическое Логическое Функция рав- Импликация Сложение сложение умножение нозначности А по моду A B (дизъюнкция) (конъюнкция) В лю два А A B A B В 0 0 0 0 1 1 0 1 1 0 0 1 1 0 1 0 0 0 1 1 1 1 1 1 Схема сравнения, выполняющая логическую функцию [( A0 B0 ) ( A0 B 0 )] [( A1 B1 ) ( A1 B1 )] [( A2 B2 ) ( A2 B 2 )]..., позволяет установить равенство чисел А = В (A = A0A1A2..., B = В0В1В2 …), имеющих одинаковое количество разрядов (рис. 65). Но при дискретном контроле такая схема не обес печивает надежного определения состояния, в котором находится текущее значение контро лируемой величины (особенно при контроле, проводимом через определенные интервалы времени).

Рис. 65. Схема сравнения для определения равенства двух чисел Рассмотрим схемы, позволяющие определить соотношения между числами А и В: АВ, А В или А = В.

Если А и В – одноразрядные двоичные числа, то А В при А = 1, В = 0 (А В, A B );

А В при А = 0, В = 1 (А В, A B ) и А = В при А = В = 1 или А = В = 0 [А = В, ( А В) ( А В) ] (рис. 66).

Результаты сравнения двухразрядных двоичных чисел при определении состояний АВ и А В представлены в матричной форме (табл. 3). В соответствии с матрицами:

для А В ( A1 А0 В1 B 0 ) ( A1 А0 B1 B 0 ) ( A1 А0 B1 B0 ) ( A1 А0 В1 B 0 ) ( A1 А0 B1 B0 ) ( A1 А0 B1 B0 );

Рис. 66. Схема сравнения одноразрядных дво- Рис. 67. Схема сравнения двухразрядных дво ичных чисел ичных чисел Таблица Сравнение двухразрядных чисел А и В а) А B б) А B B = B1 B0 B = B1 B A = A1A0 A = A1A 00 01 10 11 00 01 10 0 0 0 0 00 0 1 1 01 1 0 0 0 01 0 0 1 10 1 1 0 0 10 0 0 11 1 1 1 0 11 0 0 0 для А В ( A1 А0 В1 B0 ) ( A1 А0 B1 B 0 ) ( A1 А0 B1 B0 ) ( A1 А0 В1 B0 ) ( A1 А0 B1 B0 ) ( A1 А0 B1 B0 ).

Имеется возможность минимизации числа элементарных операций. После минимиза ции для А В A1 В1 ( A1 В1 ) А0 ;

для А В В1 A1 ( В1 A1 ) В0.

Этим логическим функциям соответствует схема, представленная на рис. 67. Для срав нения между собой чисел с количеством разрядов, превышающим два, можно использовать пирамидальное объединение схем сравнения двухразрядных чисел.

Результат сравнения двух десятичных кодов А и В по логике «равно» – «больше» – «меньше» (рис. 68) определяется следующими логическими функциями:

АВ 0 A (1B 2 B 3B... 9 B ) 2 A (2 B 3B... 9 B )... 8 A 9 B ;

АВ 1A 0 B 2 A (0 B 1B )... 9 A (0 B 1B... 8 B );

А=В ( A B) ( A B ).

Для сравнения кодов с единичным основанием могут быть использованы разнообраз ные реверсивные и нереверсивные пересчетные схемы [5].

Сравнение нескольких кодов и выделение наибольшего двоичного кода могут быть вы полнены с помощью устройства (рис. 69), в котором начиная со старшего разряда из даль нейшего сравнения исключаются коды, содержащие нулевые значения.

Сопоставление кодов двух чисел, как говорилось выше, может быть также выполнено путем их вычитания и анализа разности. Поскольку операции суммирования выполнить проще, то в большинстве устройств сравнения суммируется код одного числа с дополни тельным (инверсный код плюс единица в младшем разряде) кодом другого. В сумматоре вы полняется операция суммирования чисел A и В и переноса избыточного разряда в старший разряд (табл. 4, рис. 70). Разность чисел А и В будет иметь положительный знак, если резуль тат суммирования имеет избыточный разряд, и отрицательный, если результат суммирования без избытка.

Рис. 68. Матричная схема сравнения двух одноразрядных десятичных чисел Рим. 69. Схема выделения наибольшего двоичного кода Рис. 70. Использование сумматора для сравнения чисел Таблица Суммирование разрядов А и В 0 0 1 A 0 1 0 B 0 1 1 Сумма A B A B Перенос A B 0 0 0 Для примера покажем, как выполняется сравнение чисел А = 64 и В = 32 (индекс «доп»

отнсится к дополнительному коду):

А = 1000000 (64) В = 0100000 (32) В = 0100000 (32) А = 1000000 (64) Вдоп = 1100000 Адоп = ( A + Bдоп ) = 10100000(+32) ( В + Адоп ) = 1100000(32) При вычитании из В числа А для получения абсолютного значения следует получить дополнительный код от (В + Адоп).

Необходимо отметить, что существенное упрощение устройства сравнения достигается при представлении результатов контроля по способу представления допусков относительно номинального значения (рис. 71). В этом случае устройствc сравнения оценивает лишь соот ношения между А, Ав, Ан.

Рис. 71. Схема сравнения А с допусками Можно проследить сходство между способами аналого-цифрового преобразования.

При реализации их выполняются операции сравнения аналоговых величин, одна из которых, компенсационная, эквивалентна известному коду, и сравнения кодов. И в том и в другом случаях выполняется ряд операций сравнения в целях получения соотношений по логике «больше» – «меньше» – «равно» между величинами. Поразрядное и одновременное по всем разрядам сравнение, нереверсивный и реверсивный счет двух чисел, представленных в коде с единичным основанием, имеют аналоги в аналого-цифровом преобразовании.

2.2.5. Системы автоматического контроля параллельного и последовательного действия и алгоритмы их работы В этой главе рассматриваются системы допускового контроля, которые предназначены для определения состояния величин Х = x1, х2, …, xi, …, хn, заданного в виде зон, выделяемых уставками. Конечная цель контроля – дать количественное суждение о том, находится со стояние каждой контролируемой величины или объекта контроля в норме или нет, т. е. вы дать информацию I(xi N ) или I(xi N ), I(X N ) или I(X N ).

Алгоритмы работы допусковых САК отличаются друг от друга, в первую очередь, по последовательности выполнения операций контроля. В соответствии с этим различаются до пусковые САК параллельного, последовательного и последовательно-параллельного дейст вия.

Рис. 72. Структурная схема многоканальной Рис. 73. Аналоговый канал контроля с выда САК чей результатов контроля, измерения и сиг налов управления Рис. 74. Цифровая САК параллельного действия с последовательным выводом результатов контроля и измерения Системы автоматического допускового контроля параллельного действия, или много канальные САК, состоят из параллельно (одновременно) работающих каналов контроля (рис.

72).

Каждый канал контроля в таких системах работает независимо от других каналов и вы полняет функции допускового контроля одной контролируемой величины.

Современные САК параллельного действия весьма часто позволяют выдавать одновре менно с результатами контроля измерительную информацию как в аналоговом (рис. 73), так и в цифровом (рис. 74) видах, а также сигналы, необходимые для формирования воздействия на объект контроля, например, в целях регулирования.

Последовательный вывод результатов контроля и измерения позволяет связать систему с ЭВМ, системой управления, с общим для всех каналов запоминающим или регистрирую щим устройством.

Рассматриваемым САК присущи достоинства и недостатки ИИС параллельного дейст вия: работа с разнообразными контролируемыми величинами, возможность получения по вышенного быстродействия, структурная простота и повышенная надежность системы, оп ределяемые независимостью работы всех каналов контроля, использование относительно простых и выпускаемых промышленностью устройств каналов контроля. Вместе с тем мно гоканальные САК характеризуются наибольшим количеством элементов, входящих в систе му.

Многоканальные САК широко используются при управлении технологическими про цессами во многих отраслях промышленности, при эксплуатации динамических объектов и т. п.

Устройствами каналов контроля служат выпускаемые промышленностью автоматиче ские мосты и потенциометры с устройствами сигнализации, приборы унифицированного комплекса аналоговых устройств общепромышленного назначения с компараторами, щито вые цифровые приборы с устройствами сопряжения их с цифровыми печатающими устрой ствами, формирования уставок и сравнения их со значениями контролируемых величин.

Указанные устройства имеют достаточно большой удельный вес среди электроизмеритель ных приборов, входящих в продукцию АСЭТ ГСП.

Это позволяет утверждать, что во многих практически важных случаях удается созда вать такие системы путем компоновки из готовых, выпускаемых промышленностью уст ройств.

Многоканальные САК могут оказаться экономически более выгодными при относи тельно небольшом количестве контролируемых величин, особенно если эти величины разно родны по физической природе. Во всяком случае, при выборе готовых или проектировании новых САК вариант использования или реализации многоканальной системы должен при ниматься во внимание.

В САК последовательного действия (их также называют сканирующими САК) контро лируется состояние величины (например, температуры, перемещения или освещенности ка кого-либо предмета), распределенной в одно-, двух- или трехмерном пространстве. Кроме того, в этой ситуации могут контролироваться функции (положим, интегральные) от входной величины. Если контролируемые величины – дискреты входной исходной величины, то ко ординаты точек пространства, в которых должны производиться операции контроля, выби раются аналогично тому, как выбираются интервалы контроля по времени при дискретном контроле.

Нормы здесь могут быть в наиболее простом виде общими для всех дискрет или для нескольких дискрет, а также индивидуальными для каждой дискреты входной величины.

При индивидуальном задании нормы должны сопровождаться указанием соответствующих координат точек.

Каналы дискретного контроля в сканирующих САК помимо основных функций долж ны обеспечивать перемещение зоны восприятия сканирующего датчика в заданную точку пространства. Система автоматического контроля управлять последовательностью выполне ния операций контроля.

Если для задания контролируемой величины достаточно указать две координаты и если в системе используется цифровой канал контроля с последовательным сравнением контро лируемой величины с уставками, то алгоритм сканирующей системы можно представить следующим образом:

Ф[(l1k, l2 k ) := (l1m, l2 m )]I(x k ) I(DX, DC ) I(S :x k ( N | N )] (k = K )...

Кроме дискретного контроля в сканирующих САК может быть реализован непрерыв ный контроль, при котором сканирующее движение датчика позволяет определить места, где контролируемая величина выходит за пределы установленной нормы, а затем измеряются координаты этой контролируемой величины. Для выполнения непрерывного контроля в пер вую очередь рационально использовать аналоговый канал непрерывного контроля, оператор которого имеет вид ‹ I (X, || C) ›.

СЛСА для системы непрерывного контроля может быть таким:

Ф(В) Ф[(l1, l2 )I( x i ) I( X, || C ) ( x i N ) I(l1i / Dl1i || l2i / Dl2i ) 1 I(W : Dl1i, Dl2i ) Ф[var(l1i, l2i )]...

В этом алгоритме предусматривается сканирующее перемещение датчика var(l1i, l2i), непрерывное выполнение операций контроля, а в случае выхода контролируемой величины за пределы нормы – аналого-цифровое преобразование и запись этих координат.

При непрерывном (адаптивном) контроле, так же как и при адаптивной дискретизации при измерении, выдаются результаты контроля в заранее не обусловленной точке простран ства. Видимо, дополнительного сжатия контрольной информации при этом не получается (по сравнению с дискретным контролем). Здесь можно говорить об уменьшении общего объема используемой информации из-за устранения при непрерывном контроле информации о ко ординатах контролируемых величин, не вышедших за допустимые границы, а также о воз можности повышения надежности контроля путем непрерывного наблюдения за состоянием контролируемой величины.

Частным, но довольно широко распространенным типом САК последовательного дей ствия являются сканирующие САК для контроля геометрической формы и размеров разно образных объектов (например, механических деталей). Контролируемыми величинами в этом случае являются геометрические размеры объекта контроля в заданных направлениях.

Описания границ нормы при этом могут быть заданы в виде зон допустимых значений таб личным способом либо образцового предмета, а также линий допускаемых отклонений от его размеров.

Рис. 75. Структурная схема цифровой сканирующей САК Остановимся на алгоритмах и структурах САК геометрических размеров с помощью телевизионного сканирующего устройства. В телевизионном устройстве форма и размеры объекта контроля преобразуются в соответствующий рельеф электронного потенциала на светочувствительном слое оптико-электронного преобразователя, например видикона. Ис ходный размер х связан с размером на светочувствительном слое х* через отношение рас стояния L между объектом контроля и преобразователем к фокусному расстоянию F исполь зуемого оптического преобразователя x* = xL / F.

На рис. 75 представлена структурная схема цифровой САК, в которой для измерения используется времяимпульсный метод измерения ‹I (х / z)›, описываемый алгоритмом I(x / x * ) [I( x * / t ) || I( N (t ))] ( x * t ) I (z*), где N (t) – число импульсов, поступившее за время t. В этом алгоритме может быть преду смотрена компенсация нелинейности преобразования телевизионного устройства путем функционального преобразования I (N (t). Далее реализуется алгоритм ‹I (DX, DC)› для каж дой контролируемой величины и конечное суждение о состоянии объекта контроля выдается после оценки результатов контроля всех контролируемых величин:

Ф(i := i + 1)I( X / x i ) I( x i / z i ) I(DX / DC ) (i = n) ( x 1 N 1, x 2 N 2,..., x n N n ) I(R : X N ).

В этом алгоритме решающее устройство выдает суждение о том, что геометрические размеры объекта контроля находятся в норме, если контроль всех составляющих дал такой же результат.

Однако получение погрешностей измерения меньше ± 1 % при реализации этого алго ритма труднодостижимо. Для повышения точности в таких системах применяется, во первых, как это делается в измерительных системах, введение одновременно с контролируе мой величиной линейных единичных мер в виде штрихов (до 15 – 100 линий на 1 см) или ка либрованных волокон (диаметром порядка 10 – 20 мкм) и счет количества единичных мер, укладывающихся в измеряемый размер, а во-вторых, измерение отклонения размера от но минального значения.

Рис. 76. Контроль отклонения геометриче- Рис. 77. К сравнению размеров контролируе ских размеров от нормы: мого изделия с зоной допуска, показанной а – раздвоенное изображение детали;

б – пунктирными линиями сравнение с уставками Введение мер позволяет избавиться от погрешностей, связанных с искажениями при преобразовании геометрических размеров в оптоэлектронном устройстве, так как при таких измерениях применяется метод совпадения контролируемых величин и набора образцовых мер с получением результата измерения последовательным счетом. Однако в подобного рода телевизионных системах не удается полностью использовать разрешающую способность штриховых мер ввиду ограниченных возможностей получения достаточно высокого отно шения полезного сигнала к шуму.

Измерение отклонения контролируемого размера от номинального его значения может резко повысить точность измерения, особенно при больших отношениях номинального зна чения к отклонению от него. В некоторых случаях выделение отклонения достигается при использовании соответствующих оптических преобразований. Например, на рис. 76, а изо бражение относительно небольшой по размеру L контролируемой детали «раздваивается» на известное расстояние L0, затем сравнивается с допусками l1 = L0 = – L, а не L. На рис.76, б уставки с1 и с2 установлены относительно номинального значения Lн контролируемого раз мера. С этими уставками сравнивается разность l2 = L – Lн.

Используя указанные пути, удается выполнить контроль диаметра тонкой проволоки (от 20 до 100 мкм, погрешность измерений меньше ± 1,5 %), ширины металлической полосы, нагретой до 1000 °С и движущейся со скоростью до 2,5 м/с, с погрешностью меньше ± 0,4% и т. п.

При массовом контроле изделий сложной формы используется сравнение контуров контролируемого изделия и зоны допуска (рис. 77). На экран одновременно проектируются линии, определяющие зону допуска, и контур контролируемого изделия. В зависимости от количества импульсов, получаемых при пересечении контура изделия, и линий, разделяю щих зоны допусков, можно судить о состоянии контролируемого изделия. Так, при сканиро вании по направлению I - I (рис. 77) будет получено два и один импульс, говорящие, что сле ва изделие находится в допуске, а справа – больше допуска («много»), по направлению II - II внизу – два импульса («норма»), вверху – три импульса («мало»).

Вместо линейного сканирующего луча может быть использована следящая развертка по контуру контролируемого изделия. Применение сканирующей развертки позволяет не сколько уменьшить суммарную погрешность контроля.

Имеются установки, позволяющие контролировать геометрические размеры изделия с нескольких сторон одновременно.

2.2.6. Содержание практических занятий по теме № Тема: Понятие и характеристика систем автоматического контроля Цель занятия: Изучить системы автоматического контроля.

Содержание темы:

1. Теоретические основы систем автоматического контроля (САК).

2. Функции и основные виды САК.

3. Выбор контролируемых величин и областей их состояния.

4. Ошибки контроля.

5. Объем выборки при контроле системы автоматического допускового контроля.

6. Формирование норм и сравнение уставок с контролируемыми величинами.

7. САК параллельного и последовательного действия и алгоритмы их работы.

Литература: [6];

[22], с. 216-291.

2.3. Системы технической диагностики 2.3.1. Системы технической диагностики и их показатели Цели контроля, диагностики и распознавания образов различны: при контроле опреде ляется соответствие текущих состояний объектов нормам, при диагностике – места и причи ны неисправностей объектов, при распознавании – к каким классам относятся исследуемые объекты.

Однако процессы контроля, диагностики и распознавания образов имеют общую мето дологическую основу: в каждом из них производятся сравнения величин, характеризующих исследуемые объекты, с образцовыми величинами и анализ результатов сравнений.

Если ограничиться процессами контроля, диагностики и распознавания, выполняемыми с материальными объектами, то совершенно очевидной становится общность их структур и основных алгоритмов.

Для специалистов в области ИИТ, которые могут участвовать в создании и эксплуата ции систем технической диагностики и распознавания образов, целесообразно перед специ ально направленным изучением этих систем ознакомиться с основами их построения.

Установление факта и места неисправности в технических объектах, а также ошибок в их программах путем определения состояния всех элементов и связей обычно нецелесооб разно или практически невозможно. Это объясняется тем, что для такого «стопроцентного»

контроля требуются большие затраты времени, труда и оборудования.

Особенно это относится к сложным техническим объектам (машины, комплексы, сис темы), характеризующимся большим количеством элементов и сложными связями между ними. Например, в микро-ЭВМ, устройствах памяти и других цифровых информационных устройствах могут насчитываться сотни тысяч элементов. Работоспособность таких объектов зависит от состояния и совместного функционирования всех этих элементов.

По-видимому, основной путь выявления неисправных технических элементов и оши бок в реализации программ технических объектов связан с рациональной и эффективной ме тодикой проведения операций контроля, позволяющей решить задачу диагностики с допус тимыми затратами. Изучение форм и закономерностей проявления неисправностей и оши бок, разработка методов и средств их обнаружения и локализации в объектах диагностики – таковы основные цели технической диагностики как научной дисциплины.

Объекты технической диагностики могут характеризоваться величинами, имеющими непрерывный или дискретный характер.

В непрерывных объектах диагностики могут контролироваться температурные поля (положим, инфракрасное излучение интегральных микросхем), акустические шумы (в двига телях внутреннего сгорания), радиочастотные флюктуационные помехи (возникающие, в ча стности, в радиодеталях, контактах), электрические токи и напряжения и т. п. Восприятие информации при диагностике объектов с непрерывными величинами, характеризующими их свойства, производится с помощью технических средств и алгоритмов измерения и контро ля, описанных ранее. Алгоритмы диагностики при этом должны учитывать специфику ис следуемых объектов. В дальнейшем изложении рассматривается диагностика дискретных технических объектов.

При создании систем технической диагностики нужно различать следующие основные этапы:

изучение объекта диагностики, связанное с выделением состояний элементов, контро лируемых величин, сбор необходимых статистических и иных данных, оценка затрат труда на проверку;

построение математической модели объекта и ее исследование, связанное с разработ кой программ и диагностики объекта;

построение диагностической системы.

Отметим, что успешное создание математической модели во многом зависит от степе ни знания свойств объекта диагностики и в свою очередь определяет эффективность приня того метода поиска неисправностей.

Дискретными объектами технической диагностики являются технические объекты, в которых можно выделить элементы, причем и объект, и элементы могут находиться обычно в двух состояниях – работоспособном и неработоспособном. Если объект содержит N эле ментов, каждый из которых может находиться в двух состояниях, тогда отказ объекта можно рассматривать как одно из возможных 2N–1 состояний, вызванных неработоспособностью некоторой комбинации ее элементов.

Состояние объекта представляется обычно N-мерным вектором, i-й компонент которо го равен 1, если i-й элемент работоспособен, или 0, если он отказал. Состояние системы оп ределяется проведением проверок по определенным программам, называемым программами диагностики. Совокупность проверок, достаточная для различения состояний объекта, носит название диагностического теста.

Различают комбинационный и последовательный поиск неисправностей. При комбина ционном поиске выполняется заданное число проверок независимо от порядка их осуществ ления. Последовательный поиск связан с анализом результатов каждой проверки и приняти ем решения на проведение последующей проверки.

В некоторых моделях известны qi – вероятность выхода из строя i-ro элемента, ti – время, необходимое для выполнения операций контроля, k – количество неисправных эле ментов. (Предполагается, что вероятность наличия нескольких неисправных элементов qi qi ). Конечно, в зависимости от математической модели объекта технической диаг i ностики используются различные критерии оценки выполнения программ диагностики: ми нимальное время операции локализации неисправности, минимальная сумма частных произ ведений времени выполнения операций контроля и вероятности выхода из строя i-го элемен та, максимальное приращение количества информации при выполнении данной операции контроля и т. п.

Пусть имеется система, состоящая из последовательной цепочки элементов (рис. 78).

Тогда в зависимости от степени знания об элементах (в первую очередь вероятностей их от казов) и особенностях их проверки (в частности, времени, необходимого для выполнения каждой проверки) могут существенно изменяться диагностические программы. В случае, ес ли отказы всех элементов равновероятны и время, необходимое для выполнения всех прове рок, одинаково, то минимальное количество проверок может быть получено при использова нии метода «половинного разбиения» (А на рис. 78). Известные вероятности отказов элемен тов позволяют учитывать их при последовательности выполнения процедур проверки и тем самым уменьшить минимально необходимое число процедур поиска (для нахождения неис правности в элементах 4 и 5 – две процедуры) (Б на рис. 78).

Рис. 78. Схема поиска неисправностей в последовательной цепочке элементов:

А – операция поиска неисправностей при равновероятном выходе элементов 1 – 8 из строя;

Б – операции поиска (I – IV) при указанных вероятностях выхода из строя элементов цепоч ки На практике выполнение проверок различных элементов связано с различной трудоем костью. Если известны время t, необходимое для выполнения проверки различных элементов и их сочетаний, и вероятности их отказа р, то при отказах различных элементов можно вы бирать наиболее «экономный» диагностический тест (рис. 79).

Так, например, если отказал элемент 5, то наиболее эффективный тест, выбранный по минимальным отношениям времени проверки к вероятностям появления отказов (показан ным на рис. 79 в кружках), будет А В G 6.

Для диагностики параллельно-последовательного соединения элементов при составле нии диагностической программы последовательного поиска одной неисправности могут быть использованы коды проверок и коды состояний. Коды проверок Пj определяют элемен ты, состояния которых проверяются. Количество двоичных разрядов в них равно количеству проверяемых элементов, а значение разряда, равное 0, указывает, что данный элемент прове ряется, а равное 1 – что этот элемент не проверяется (например, при 0011 проверяются со стояния первого и второго элементов и не проверяются состояния третьего и четвертого).

Код состояния обозначается через Кi (в нем 0 указывает, что элемент работоспособен, а 1 – что его нужно проверить), а инверсный код состояния – через Кi. Произведя поразрядно логическое умножение кода состояния и кода проверки, получим новый код состояния. Если результат проверки таков, что проверяемая часть схемы исправна, то новый код состояния поразрядно логически перемножается ( 0 1 = 0;

0 0 = 0;

1 1 = 1 ) с новым кодом провер ки. Если же проверяемая часть схемы неисправна, то полученный код состояния следует ин вертировать и затем поразрядно выполнить логическое перемножение с последующим кодом проверки.

Рис. 79. Схема выбора диагностического теста Итак, основной алгоритм этой процедуры...I(K i )Ф(П j )[ j (0)I(K i П j = K i +1 ) | | j (1)I( K i +1 / K i +1 )] I( K i +1 | K i +1 )Ф(П j +1 )...

Здесь (0) и (1) символизируют исправность или неисправность проверяемых эле ментов (проверяемой части схемы). На рис. 80 показана простая структура, для которой коды проверок равны: П1 = 0111;

П2 = 0011;

П3 = 0101;

П4=0100.

Начальный код состояний К1 = 1111. Если при выполнении П2 получается результат 2(0), то новый код состояния К 2 = 1111 0011 = 0011. Если проверка П2 показала, что полу чается 2 (1), т. е. проверявшаяся часть схемы неисправна, то К 2 = 1100 и необходимо про верить 1-й и 2-й элементы.

Если при выполнении проверки П3 выявлено, что эта часть схемы исправна, т. е. 3 (0), то К 3 = К 2 П 3 = 0001, т. е. неисправен 4-й элемент.

Использование кодов состояний и проверок позволяет произвести оценку возможных вариантов программ по заданному критерию.

Все элементы схемы, охваченные обратной связью, при таком анализе объединяются в один элемент. Если необходимо определить исправность элементов, охваченных обратной связью, то последнюю необходимо разорвать.

При разработке программ можно использовать комбинированные неповторяющиеся проверки типа Пi · Пl ;

Пi · Пl · Пm и др.

Рис. 80. Диагностируемая схема Оценку и выбор диагностических программ можно производить, используя информа ционные, минимаксные или другие критерии, в наибольшей степени соответствующие ха рактеру объема и задач исследования.

При наличии большого количества элементов и сложных связей между ними диагно стические тесты существенно усложняются.

Системы технической диагностики (СТД) сложных технических объектов, реализую щие диагностические программы, которые позволяют выявлять и локализовать аппаратур ные неисправности и программные ошибки, основываются на использование ЭВМ или УВМ, обладающих достаточной емкостью памяти, соответствующим быстродействием и другими характеристиками. В состав таких СТД обязательно входят генераторы тестовых сигналов, устройства сбора аналоговой и дискретной информации. По существу, такие СТД выполня ют не только функции диагностики, но и контроля и измерения, сопровождающиеся необхо димыми вычислительными процедурами.

Особую сложность для диагностики представляют цифровые информационные устрой ства. Помимо огромного количества элементов и связей между ними при диагностике необ ходимо учитывать, что в таких устройствах возможно проявление дефектов на определенных частотах и на различных последовательностях сигналов, что кроме аппаратных неисправно стей имеются программные ошибки. Все сказанное настоятельно потребовало создания но вых методов и относительно простых и доступных средств диагностики, удовлетворяющих требованиям как разработчиков, так и потребителей цифровых устройств.

Такие методы и средства были созданы и реализованы в виде так называемых анализа торов логических состояний (АЛС). При контроле с помощью АЛС на входы объекта диаг ностики подается последовательность известных двоичных кодоимпульсных сигналов, а с выходов или обобщенного выхода объекта снимаются определенным образом отбираемые кодоимпульсные сигналы. Эти сигналы могут сопоставляться с образцовыми сигналами, со ответствующими правильной работе диагностируемого объекта. Результаты такого сопос тавления могут использоваться для решения задач диагностики. Первые АЛС были разрабо таны в начале 70-х годов. В настоящее время они выпускаются промышленностью во многих странах мира и получили широкое применение.

Рис. 81. Вариант структуры анализатора логических состояний Один из вариантов структурной схемы АЛС представлен на рис. 81. На каждом син хронизирующем такте, реализующемся через интервал времени t, на входы АЛС от объекта диагностики поступают нормированные импульсы, принимающие состояние е (0) или е (1), и импульсы синхронизации.

Совокупность состояний е1i, …, еni, образует слово zi.

Емкость памяти АЛС позволяет записать m слов zi, т. е. Z = (z1,..., zm), а на экране дис плея или другого устройства индикации – визуализировать Zn = (zn1, …, znm) слов, представ ляемых в формате индикации (рис. 82). Кроме чисел на устройстве индикации могут пред ставляться потактовые реализации слов в виде временных диаграмм (рис. 83).

Далее рассматриваются два режима работы АЛС с синхронной работой. Первый из них предусматривает занесение в память АЛС слов, реализовавшихся после установленного и маскированного кода DC 3 DC m запуска (т. е. выбранного оператором кода, у которого не принимаются во внимание определенные разряды) и задержки на h тактов:

Ф(В)Ф(DC 3 DC m = DC 1 ;

t 3 = ht ;

i = 0) Ф(i := i + 1;

t )I(e1i,..., eni / z i ) I( z i DC1 = DC ) (DC = 1) I( t) ( t = ht ) [I(S : z i + h )...I(S : z i + h + m )] I(Z / Z n )I(R : Z n )Ф(E), где – сложение по модулю 2.

Рис. 82. Табличное представление сигналов в АЛС Рис. 83. Представление сигналов АЛС в виде временных диаграмм Второй режим позволяет запомнить и проанализировать реализации слов до такта, оп ределяемого маскированным кодом остановки:

Ф(В)Ф(DC 0 DC m = DC 2 ;

h3 = ht ;

i = 0) Ф(i := i + 1;

t )I(e1i,..., eni / z i )I(S : z i ) ( z i DC 2 = 1)I( t) ( t = ht ) Ф(S : z i )I(Z / Z n )I(R : Z n )Ф(E).

Кроме указанных в АЛС могут быть введены режимы записи в память образцовых сиг налов, сравнения их с реализованными сигналами с указанием адреса несовпадения, выделе ния заданных реализаций и т. п.

В распространенных относительно простых анализаторах логического состояния слова имеют от 8 до 32 разрядов, память от 16 до 256 бит на разряд, цифровую задержку до ± тактов, частоту записи от 1 до 20 МГц. Часть АЛС имеют выход в стандартные цифровые интерфейсы.

Анализаторы логических состояний используются как на стадии разработки цифровых систем, так и при контроле выполнения ими программ в реальном времени, позволяя при этом выявить аппаратные неисправности и ошибки программ. Однако эффективно работать с АЛС могут операторы относительно высокой квалификации.

Широкое распространение цифровых информационных устройств, особенно микро процессоров и микро-ЭВМ, потребовало разработки более простых и эффективных методов и средств выполнения диагностических процедур. В 1977 г. в США был разработан метод, названный сигнатурным анализом. Идея его основана на преобразовании (сжатии) длинной выходной двоичной последовательности контролируемого объекта в короткое слово, назы ваемое сигнатурой, или ключевым кодом. Сопоставление набора сигнатур, полученных в различных узлах (внутренних и внешних) контролируемого объекта, с аналогичным набором образцовых сигнатур, заранее рассчитанных или полученных с заведомо исправного устрой ства, позволяет локализовать неисправный элемент с точностью, определяемой структурой объекта и выбором контрольных точек.

В качестве ключевых кодов могут быть использованы различные характеристики дво ичных последовательностей – количество единиц, количество переходов – изменений значе ний двоичных символов на противоположные значения и т. п.

Широкое распространение получил сигнатурный анализатор, функциональная схема которого изображена на рис. 84. Анализатор содержит 16-разрядный сдвиговой регистр (PC), устройство суммирования по модулю два, устройство управления и индикатор.

Теоретические основы подобных устройств подробно рассмотрены в литературе по по мехоустойчивому кодированию. Здесь же приведем его СЛСА:

Ф(В) Ф(i := i + 1)I(e0i ) (ei = 1) I(e0i e7 i e9i e12i e16i = ei ) [I(e16i := e15i ) || I(e15i := e14i ) ||...

... || I(e2i := e1i ) || I(e1i := e0i )] (i = N ) I(R : Z )Ф(E).

Здесь N – длина преобразуемой последовательности;

Z = (e16N, e15N, …, e1N,) – результат преобразования – сигнатура.

Сигнатура может отображаться в двоичном или шестнадцатеричном формате в обыч ной или специальной мнемонике.

Сжатие двоичной последовательности может привести к пропуску ошибок. Однако до казано, что применение рассмотренного выше анализатора обеспечивает стопроцентную ве роятность обнаружения однократных ошибок при любом N, двукратных – при N 2 m 1, где m – количество разрядов в сигнатуре. Вероятность всех ошибок (произвольной кратно сти) не превышает 2-m, для m = 16 эта вероятность составляет 0,002 %, что считается доста точным при контроле сложных цифровых устройств. При однократной ошибке имеется воз можность локализовать такт, на котором произошла ошибка.

Контроль сигнатурных анализаторов можно производить, подавая на вход известные последовательности двоичных символов. Так, при подаче на вход сигнала еi = 1, i = 1, 2,...,N, сигнатура полностью определяется структурой обратных связей и может быть легко прокон тролирована.

Рис. 84. Сигнатурный анализатор с регистром сдвига Локализующая способность сигнатурных анализаторов, видимо, может быть улучшена разбиением исходной последовательности на интервалы;

сочетанием различных методов сжатия и аналогичными методами.

Завершая рассмотрение СТД, необходимо обратить внимание на то, что резкого повы шения эффективности диагностических процедур можно добиться при проектировании объ ектов с учетом их последующего диагностирования.

2.3.2. Выбор контролируемых величин и областей их состояния Задачи выделения набора контролируемых величин и определения областей контроли руемых состояний решаются на основе анализа свойств объекта контроля, учета особенно стей его работы и оценки возможностей САК совместными усилиями специалистов, соз дающих или эксплуатирующих данный объект контроля и САК.

Во многих практических приложениях (например, при контроле готовой продукции) контролируемые величины и области их нормальных значений задаются заранее в соответ ствии с техническими или технологическими требованиями, предъявляемыми к объекту кон троля. Тогда, естественно, набор величин и их состояний, подлежащий контролю, предопре делен.

В общем случае состояние объекта контроля может оцениваться большим количеством величин, так что встает задача выбора минимально необходимого набора величин, обеспечи вающего достаточно надежную оценку состояния объекта. Одним из путей решения этой за дачи при определении работоспособности объекта контроля является упорядочение таких величин по степени их влияния на оценку работоспособности объекта и ограничение их на бора такими величинами, которые обеспечат заданную вероятность оценки" работоспособ ности.

Положим, работоспособность объекта может характеризоваться величинами х1..., хk.

Если события, обеспечивающие работоспособность объекта по величине хi обозначить через Аi, то вероятность работоспособности всего объекта (при зависимых событиях Аi) k p = p ( A1,..., Ak ) = p( A1 ) p( A2 | A1 ),..., p( Ak | A1,..., Ak 1 ) = p i|i 1.

i = В этом выражении рi | i-1 – условная вероятность безотказной работы объекта, оцени ваемая по величине xi вычисленная при условии, что объект работоспособен по всем величи нам от х1 до xi-1.

В целях минимизации количества контролируемых величин разумно для контроля пер выми выбирать величины, связанные с наименьшей вероятностью безотказной работы объ екта.

Общее количество контролируемых величин можно определить, если задана допусти мая вероятность работоспособности pдоп из следующего соотношения:

k1 k p доп pi|i 1 ( ) p н, j| j 1 ( ).

i =1 j = k1 + В этом выражении рн, j | j-1 () – условная вероятность безотказной работы по j-й некон тролируемой величине к моменту времени окончания контроля;

р i | i-1 () – то же, но для i-й контролируемой величины.

Отношение количества контролируемых величин к общему количеству величин, харак теризующих состояние объекта контроля, носит название полноты контроля.

k1 k При независимых событиях Ai p доп p(Ai, ) p н (Ai, t ).

i =1 i = k1 + При контроле функционирования и работоспособности сложных динамических объек тов в виде, например, совокупности управляемого объекта и устройства автоматического управления выбор контролируемых величин и их нормальных значений может быть выпол нен в результате анализа дифференциальных уравнений, описывающих поведение системы.

При таком анализе, естественно, учитываются назначение системы и критерии оценки ее по ведения. Так, для автоматически управляемых объектов зоны нормальных значений величин определяются зачастую из требования поддержания устойчивости заданного режима [4].

Выбор контролируемых величин может также производиться таким образом, чтобы были удовлетворены заданные достоверности контроля, временные или стоимостные крите рии и т. п.

2.3.3. Распознающие системы Под образом понимается наименование области в пространстве признаков, в которой отображаются общие свойства выделенного с определенной целью множества объектов, а под распознаванием образов – процесс, в результате выполнения которого определяется со ответствие между распознаваемыми объектами и образами. Это соответствие устанавливает ся путем сравнения объектов и образов по признакам, характеризующим свойства образов, и принятия по определенному алгоритму решения о принадлежности распознаваемых объек тов к тому или иному образу.

Образами могут быть «море», «музыка Чайковского», «человек», «круг», «буква К», «нормальное состояние объектов контроля», «синусоидальное колебание», «нормальный за кон распределения вероятностей» и т. п.

Область интересов ИИТ связана с распознаванием технических образов, к которым можно отнести материальные объекты и явления, описываемые с помощью количественно определенных признаков, значения которых получаются экспериментальным путем.

Очевидно, что между задачами распознавания технических образов, автоматического контроля и технической диагностики имеется много общего.

Однако распознавание технических образов имеет свою область применения, связан ную с отнесением объектов к тому или иному образу, в отличие от контроля и технической диагностики, при которых оценивается текущее состояние или выявляется место или причи на неисправности данного объекта. Классификация биологических микрообъектов, распо знавание радиосигналов и изображений (например, дактилоскопических оттисков) и т. п. – вот далеко не полный перечень областей применения методов и средств распознавания тех нических образов.

Структура систем, выполняющих распознавание технических образов, соответствует обобщенной структурно-функциональной схеме ИИС.

Для описания системы распознавания образов (СРО) в литературе применяется своеоб разная терминология, на котором следует остановиться (рис. 85).

Исследуемый объект часто называется оригиналом, воспринимающие элементы – ре цепторами, а их совокупность – рецепторным полем. Реакция рецептора на оригинал носит название изображения. Естественным при этом является выполнение требования информа ционной эквивалентности изображения оригиналу.

При промежуточных преобразованиях происходит фильтрация, заключающаяся не только в уменьшении влияния шумов, но и в подготовке к последующему анализу (напри мер, в выделении контуров сложных фигур).

Собственно процесс опознания осуществляется в ассоциирующей системе, являющейся комбинацией устройств обработки и сравнения обработанного изображения – описания объ екта – с описанием обобщенного образа (аналог описания нормы в САК), находящимся в устройстве памяти. Ассоциирующая система производит опознавание по определенному ре шающему правилу.

Далее будут использоваться следующие обозначения: Q = (Q1, Q2, …, Qi, …, Qn) – объекты распознавания;

Xi = (xi1, xi2, …, xim);

Zi – входные величины от объекта Qi, восприни маемые распознающей системой (PC), и их значения;

признаки распознавания G(FX) или G (F, Z), являющиеся функцией входных величин: q = (q1 q2,..., qi, …, qm);

Q0=(Q01, Q02,.... Q0k) – образы;

С = (с1, с2,..., cj,..., cm) – признаки, характеризующие образы;

R=(R1,..., …, Ri,..., RL) – решающие правила, то которым производится отнесение объектов к образам.

Рис. 85. Структурная схема распознающей системы При распознавании основной задачей является классификация, т. е. выявление объек тов, относящихся к заданным образам. Частными случаями при этом будут выделение объек тов, соответствующих и не соответствующих описанию заданного образа (видимо, это может быть сведено к задачам контроля), нахождение объекта с заданным индивидуальным описа нием среди других объектов (видимо, это может быть сведено к задачам поиска), классифи кация (распределение) объектов по отношению к заданным образам.

В теории распознавания выделяется также задача таксономии, т. е. определения коли чества образов, на которые может быть разделено данное множество объектов, по заданным решающим правилам. Эта задача далее не рассматривается.

Признаки распознавания должны позволять количественно оценивать наиболее важные свойства объектов распознавания и образов. В качестве признаков используются функции от входных величин, воспринимаемых PC от объектов распознавания. Естественно, что сами входные величины могут, если это необходимо, использоваться также в качестве признаков распознавания. Выбор признаков распознавания производится с учетом особенностей ре шаемых задач распознавания, анализа информативности свойств объектов и образов.

Если определены признаки и границы их значений для образов, то для распознавания необходимо определить решающее правило, по которому следует относить объект к какому либо образу.

Если образ Q0 представляется областью в многомерном пространстве, то в качестве решающего правила может выступать условие, чтобы расхождение координат объекта и об раза в этом пространстве не превышало заданного значения.

В зависимости от особенностей образов используются разнообразные меры уклонения.

Наиболее простой мерой уклонения является сумма модулей разностей между координатами объекта и образа:

m r (Q, Q0 ) = | qi c j |.

j = В евклидовом метрическом пространстве в качестве метрики выступает расстояние между точками Q с координатами х и Q0:

m (q r (Q, Q0 ) = c j )2.

j j = Если r (Q, Q0) =, где – допустимое уклонение, то предъявленный объект соответ ствует обобщенному образу Q0. Если имеется несколько эталонных образов {Q0k} k=1, 2,..., К, то процедура поиска эталонного образа, соответствующего данному объекту, сводится к нахождению Q0k, для которого r.

Если в пространстве образа С заданы плотности вероятностей, то при их интегрирова нии по соответствующей области пространства можно определить вероятность того, что опо знаваемый образ принадлежит этой области.

Если известны перекрывающиеся по аргументу плотности распределения вероятностей f0 (С) признака распознавания образа Q0 и f (q) объекта Q и граница выделения области су ществования образа Q0, то можно определить вероятность того, что объект Q будет отнесен к образу, а также вероятность правильности классифицировать образ Q0 : p (C ) = f 0 (C )dC. а Коэффициент правдоподобия, который используется для принятия решения об отнесе нии данного объекта к образу, = p (q) / p (C).

Для многомерного случая плотность нормального распределения вероятностей по m признакам распознавания m (q j M [q j ]) f {qi } j =1, 2,...,m = (2 q ) m / 2 exp.

2 q j =1 В случае определения того, относится ли данный объект Q к образу Q0, логарифм ко эффициента правдоподобия m m ln {qi } = W {q} = ( M [C j ] M [q j ])q j 0,5 ( M [C j ] 2 M [q j ] 2 ).

j =1 j = Решающее правило при этом выглядит следующим образом: если W{q} 0, то Q Q0, если же W{q} 0, то Q Q0.

Близость между распознаваемыми объектами и образами может быть также оценена нормированными коэффициентами корреляции типа m m m = c jq j qj c 2 j j =1 j =1 j = При неполной априорной информации об образе установление признаков и количест венное описание образов могут производиться в обучаемых PC. Перед обучением энтропия системы максимальна, т. е. изображение может быть отнесено к любому образу с равной ве роятностью. При обучении вводится упорядоченность в ответы ассоциирующей системы, и энтропия системы асимптотически уменьшается при увеличении количества обучающих опытов до заданною значения. Ниже приводится пример обучающей процедуры.

На рис. 86 показаны линии I-I, II-II и III-III, разделяющие образы Q01, Q02 и Q03 попарно и полученные при неизвестных заранее границах областей существования этих образов. При обучении системе предъявляются последовательно образы, положим Q01 и Q02 (и об этом вы водится соответствующая информация), подбираются коэффициенты aj и определяются вы m m a j q q1 = b1, a q = b2. Затем выбирается число am+1, лежащее в диапазоне ражения j q j =1 j = m a q a m +1 принимает min (b1, b2) am+1 max (b1, b2), при котором линейная функция j j j = для одной зоны значение больше нуля, для другой меньше нуля и, следовательно, разделяет эти зоны. Такая функция на рис. 86 предоставлена сечением I-I. Затем последовательно про изводится обучение для областей 1 и 3 и нахождение сечения II-II, областей 2 и 3 и сечения III-III. Ни одно из сечений не годится для разделения трех областей. Поэтому выбирается сложное сечение, показанное на рис. 86 пунктиром.

Рис. 86. Нахождение линий, делящих области Имеются данные, показывающие, что в подобных системах можно добиться 95 – 99 % правильного отнесения объектов распознавания 10 образов.

В пространстве рецепторов удается разделить четко образы лишь в небольшом числе задач. Часто признаки опознания различных образов совпадают. Поэтому возникает необхо димость преобразования пространства ответов рецепторов в другое пространство, позво ляющее разделить образы более определенно.


Одна из первых попыток преобразования пространства рецепторов во вспомогательное пространство сделана в так называемых перцептронах (под термином «перцепция» в психо логии и философии понимается восприятие действительности органами чувств). Остановим ся на сути работы трехслойного -перцептрона (рис. 87). Он состоит из рецепторного поля, поля ассоциирующих элементов А1,..., Аm, усилителей с переменным коэффициентом усиле ния и сумматора – решающего устройства R. Ассоциирующие элементы связаны с рецепто рами с помощью возбуждающих (+) и тормозящих (–) связей и имеют определенные пороги срабатывания. Организация связей с рецепторами и пороги срабатывания ассоциирующих элементов устанавливаются до начала процесса обучения случайным образом.

Процесс обучения заключается в том, что перцептрону показывается объект класса I, при этом возбуждаются некоторые элементы А и коэффициенты усилителей, связанные с ними, увеличиваются на 1. Затем показывается объект класса II и у возбудившихся ассоции рующих элементов уменьшается коэффициент усиления усилителей. После многократно по вторенной процедуры обучения устанавливаются определенные коэффициенты усиления усилителей. При «экзамене» показывается неизвестный объект. Если сумма сигналов от А положительна, то в блоке R принимается решение, что объект относится к классу I. Таким образом, в перцептроне пространство рецепторного поля преобразуется (с помощью органи зации связей и порогов срабатывания) в пространство А элементов. Совокупность значений коэффициентов усиления усилителей задает в А-пространстве некоторую поверхность, раз деляющую объекты разных классов.

Рис. 87. Схема -перцептроне Если предположить, что каждый элемент А связан с одним рецептором возбуждающей связью, сигнал от возбужденного рецептора и порог срабатывания элементов А равны 1, то в конце обучения значения коэффициентов усиления будут отражать, насколько часто встре чаются точки объекта на рецепторном поле.

Были построены и испытаны а-перцептроны с различным количеством рецепторов (256, 400, 512 и Др.), элементов А (от 400 до 5000) и связей между ними (от 5 до 30).

В -перцептронах оказываются недоступными для опознания объекты, перемещаю щиеся по рецепторному полю и изменяющиеся по масштабу. Чтобы производить распозна вание в этих случаях, необходимо применение специальных алгоритмов работы системы [4].

Заметим, что добиться высокой правильности распознавания образов с помощью перцептронов не удалось. Однако в методологическом плане, с точки зрения преобразования пространства изображения во вспомогательное пространство, идеи, реализованные в перцептроне, важны.

Формально задача коллективного решения описывается следующим образом: если имеются вектор входных величин X или признаков G и частные решения s1, s2,..., sL, прини мающиеся по решающим правилам R1, R2, …, RL, то коллективное решение есть S = =F(s1, s2,...,sL, G | X), где F – алгоритм принятия решения.

Для каждой конкретной ситуации правило Rl приводит к решению s l : (G | X ) Q0k, k = = 1, 2, …, K. Если ввести нормированный вес для каждого решения l, то коллективное ре шение (G | X ) Q0 k принимается по максимальной сумме весов.

Выявление наиболее авторитетных решений может быть выполнено с помощью обуче ния (рис. 88). «Учитель» здесь «выдает» информацию о принадлежности поступающего мно жества признаков или входных величин (G, X) данному образу. В процессе обучения уста навливаются веса l и повышается достоверность S. Очевидно, во многих случаях метод кол лективных решений с опытным определением весов существенно лучше равномерного голо сования или использования одного решающего правила. Можно утверждать, что в системах, распознающих технические объекты, применение метода коллективного решения может быть полезным.

Рис. 88. Распознающая система с коллективным решением Остановимся на примерах применения распознающих систем.

Для распознавания случайных сигналов используются в качестве признаков спектраль ные плотности мощности на некотором наборе полос частот. При обучении подбираются ко эффициенты разделяющих функций при которых они принимают неотрицательные значения, если распознается объект, относящийся к данному образу, и отрицательные – в противном случае.

В качестве разделяющих функций чаще всего используются m Wk = (q j a k ) 2 Rk2 ;

j = m Wk = (a k q j ) 2 Rk = 0;

j = или ряд m Wk (G ) = q jk (G ) = 0;

j = m m например, a1 + a 2 q j + a3 q 2 j.

j =1 j = Известны спектральные PC, использующие до 32 полосовых фильтров.

Один из вариантов системы распознавания случайных сигналов представлен на рис. 89.

В, этой системе признаки распознавания q1, …, q15 – спектральные плотности мощности для пятнадцати полос частот, математические ожидания которых M (qi) известны. При обучении [ ] подбирается такое значение Rj, при котором W (G, M ) = q j M (q j ) R j 0 при анали 2 j = зе сигнала, относящегося к заданному образу. «Учитель» при обучении сопровождает анали зируемый сигнал информацией об отношении его к заданному образу (положим, в виде кода образа), а также сообщает ограничение на размер Rj. Время анализа и распознавания сигна лов – примерно 5 мс. Коммутация аналоговых признаков {qj}, их аналого-цифровое преобра зование и запись значений признаков в память производятся за 15 мкс.

Рис. 89. Структурная схема системы распознавания случайных сигналов Голографические PC позволяют производить распознавание изображений с относи тельно высокой скоростью (от 103 до 106 изображений в секунду благодаря параллельному анализу голограмм) и при малых размерах голографических фильтров (примерно 0,1 см2 на один фильтр). Дактилоскопия, поиск химических элементов по спектрам их поглощения, на вигация по наземным ориентирам – далеко не полный перечень применений голографиче ских PC.

Голографические распознающие системы являются оптико-электронными системами.

В таких системах можно реализовать полезное сочетание высокой производительности оп тических методов сбора и обработки информации с логическими и вычислительными воз можностями ЭВМ.

2.3.4. Методы оптимизации проверочных программ Приемы оптимизации программы можно разделить на алгоритмические и машинно зависимые способы. В случае использования алгоритмических приемов оптимизации ис пользуются различные математические и логические методы для улучшения параметров ал горитма. Такой способ оптимизации невозможно автоматизировать, успешность его приме нения зависит от программиста. Способность программиста к алгоритмической оптимизации программы зависит от его понимания предметной области: владения им базовых концепций применяемых алгоритмов и особенностей предметной области программы.

В первую очередь это замена алгоритмов на более быстродействующие. Часто бывает, что более простой алгоритм показывает низкую производительность по сравнению с более сложными. Тогда, возможна замена эквивалентных алгоритмов, например, замена Дискрет ного Преобразования Фурье на Быстрое Преобразование Фурье, замена пузырьковой сорти ровки массива на шелл-сортировку или быструю сортировку.

В некоторых случаях возможна оптимизация программы за счет снижение точности. В зависимости от особенностей предметной области возможно уменьшить разрядность пред ставления чисел или перейти от выполнения операций с числами с плавающей запятой к це лым числам или числам с фиксированной запятой.

На практике используется весьма широкий набор машинно-независимых оптимизи рующих преобразований, что связано с большим разнообразием неоптимальностей. К ним относятся:

• разгрузка участков повторяемости, • упрощение действий, • чистка программы, • экономия памяти и оптимизация работы с памятью, • реализация действий, • сокращение программы и другие методы.

Разгрузка участков повторяемости.

Это такой способ оптимизации, который состоит в вынесении вычислений из много кратно исполняемых участков программы на участки программы, редко исполняемые. К этому виду преобразования относятся различные чистки зон, тел циклов и тел рекурсивных процедур, когда инвариантные по результату выполнения выражения, исполняемые при ка ждом прохождении участка повторяемости, выносятся из него. Если размещение осуществ ляется перед входом в участок повторяемости, то эту ситуацию называют чисткой вверх, ес ли же за выходом из участка повторяемости, то чисткой вниз.

Упрощение действий.

Этот способ оптимизации ориентирован на улучшение программы за счет замены групп (как правило, удаленных друг от друга) вычислений на группу вычислений, дающий тот же результат с точки зрения всей программы, но имеющих меньшую сложность.

Удаление индуктивных переменных К таким преобразованиям относят удаление индуктивных переменных, что означает замену нескольких индуктивных переменных цикла одной индуктивной переменной, а также удаление индуктивных выражений из цикла.

Замена сложных операций на более простые.

Особо важным преобразованием из этой группы является понижение силы операций, заменяющее в индуктивных вычислениях сложные операции на более простые.

Операция деления или возведения в степень заменяется умножением, а умножение – сложением.

Исключение избыточных выражений – это замена вхождений выражений на перемен ную, значение которой совпадает со значением выражения. Во многих случаях ряд вычисле ний будет содержать идентичные подвыражения. Избыточность может возникнуть как в пользовательском коде, так и в адресных вычислениях, сгенерированных компилятором.

Компилятор может сохранить однажды вычисленное подвыражение, а затем использо вать этот результат в других вычислениях. Исключение общих подвыражений есть важное преобразование, и выполняется почти универсально. Однако здесь нужно следить за ценой исключения. Если запоминание промежуточных значений вызывает дополнительный раз брос адресов памяти, такое преобразование понижает эффективность выполнения програм мы.


Реализация действий.

Это способ повышения быстродействия программы за счет выполнения определенных ее вычислений на этапе трансляции. Набор преобразований данного типа включает в себя следующие оптимизации:

• подстановка или свертка констант, • распроцедуривание (открытая подстановка тела процедуры на место ее вызова), • втягивание констант, когда выражения, имеющие тождественно константные значе ния, заменяются на эти значения.

Типичные программы содержат много констант и, втягивая их на протяжении про граммы, компилятор может выполнить существенный объем предвычислений. Более важно то, что втягивание констант открывает путь к другим оптимизациям. В дополнение к оче видным возможностям, таким как исключение мертвого кода, передача констант влияет на оптимизацию циклов, поскольку константы часто появляются в их теле.

Чистка программы.

Данный способ повышает качество программы за счет удаления из нее ненужных объ ектов и конструкций. Набор преобразований этого типа включает в себя следующие оптими зации:

• удаление идентичных операторов, • удаление из программы операторов, недостижимых по управлению от начального, • удаление несущественных операторов, то есть операторов не влияющих на результат программы, • удаление процедур, к которым нет обращений, • удаление неиспользуемых переменных и другие.

Существует много оптимизаций, предназначенные для выявления и удаления избыточ ности. Это относится, например, к удалению кода, инвариантного к циклу. Здесь исключа ются недостижимые или бессмысленные операции. Вычисление недостижимо, если оно ни когда не выполняется. Недостижимый код создается программистом или другим преобразо ванием. Например, если уже известно, что условное предложение истинно или ложно, одна ветвь условного предложения никогда не будет выполняться и соответствующий код можно исключить. Другим источником недостижимого кода является цикл, который не выполняет ни одной итерации.

Экономия памяти и оптимизация работы с памятью Улучшения быстродействия возможно за счет уменьшения объема памяти, отводимой под информационные объекты программы в каждом ее исполнении. Например, замена стека локальных переменных или параметров, вовлекаемых в рекурсию, одинарной переменной.

Когда интенсивный обмен с памятью неизбежен, то есть необходима оптимизация об работки больших массивов данных и потоковых алгоритмов, используются следующие ре комендации:

• разворот циклов, читающих память;

• устранение зависимости по данным;

• чтение данных с шагом не меньшим 32 байт;

• группирование операции чтения памяти с операциями записи;

• комбинирование вычислений с доступом к памяти;

• отправление контроллеру памяти нескольких запросов одновременно;

• обработка данных двойными словами.

Для достижения наивысшей производительности следует проектировать алгоритм про граммы так, чтобы все интенсивно обрабатываемые блоки данных целиком умещались в сверхоперативной памяти первого или второго уровней (кэше). В противном случае обмен с памятью существенно замедлит работу процессора.

2.3.5. Выбор контролируемых параметров для локализации неисправности ИИУС При проектировании АСК АС приходится неизбежно сталкиваться с проблемой мини мизации перечней параметров, характеризующих их работоспособность. Это связано с тем, что, с одной стороны, в АС общее число параметров составляет иногда несколько десятков тысяч, а с другой, только незначительная их часть несет информацию, действительно необ ходимую для оценки правильности функционирования таких систем в целом.

Наиболее общий подход к выбору совокупности контролируемых параметров состоит в анализе потерь, связанных с отсутствием контроля того или иного параметра. Перечень под лежащих контролю параметров составляется так, чтобы потери после контроля не превосхо дили заданного уровня. При одинаковой значимости потерь по каждому выходному пара метру находится минимальная совокупность параметров, обеспечивающих заданную вероят ность работоспособности контролируемых подсистем или вероятность нормального их функционирования. Однако такой подход требует предварительного накопления больших массивов статистической информации для вычисления вероятностей безотказной работы подсистем по каждому из параметров при условии, что эти подсистемы работоспособны по всем остальным параметрам. Кроме того, данный подход связан и с существенными вычис лительными трудностями из-за необходимости реализации большого числа переборов раз личных вариантов, а также с тем, что он не учитывает ограничений, налагаемых на стои мость и время контроля.

В существенной мере от этих недостатков свободны процедуры выбора параметров, основанные на использовании метода ветвей и границ, метода сокращенного перебора и таб личного метода. Выбор параметров, их номинальных значений и их граничных величин яв ляется ключевым при проектировании систем допускового контроля. При этом важнейшим показателем качества допускового контроля является достоверность. Существенное влияние на нее оказывают инструментальные погрешности АСК. Наличие случайных погрешностей не дает полной уверенности в правильности принимаемых решений (разрешение или запре щение функционирования). Стремление уменьшить потери в результате неправильных ре шений заставляет выбирать контрольные допуски на проверяемые параметры неравными их эксплуатационным значениям. Обычно контрольные допуски выбираются таким образом, чтобы сузить область работоспособности, однако этот путь не всегда оправдан, так как уве личивает вероятность ложного брака. Отсюда возникает задача выбора контрольных допус ков, которые приводили бы к оптимальной (в смысле принятого критерия) достоверности контроля, проводимого АСК с заданными инструментальными погрешностями.

Элементы неопределенности делают задачу выбора решений при допусковом контроле типично статистической. Качество контроля в конечном итоге определяется потерями, свя занными с неправильно выбранными решениями, и зависит от вероятности принятия того или иного решения. В этой ситуации наиболее удобен критерий среднего риска.

В общем случае ошибки, возникающие при допусковом контроле, можно разделить на следующие:

а) а) необнаруженный дефект, когда имеющаяся неисправность остается незамеченной вследствие того, что АСК выдает сигнал об исправности;

б) б) ложный отказ, когда исправная подсистема признается неисправной;

в) в) неправильно обнаруженный характер неисправности, когда, например, АСК дает решение «выше нормы», а в действительности параметр вышел за нижнюю границу.

В допусковом контроле с тремя решениями возможны девять различных ситуаций.

Критерий среднего риска требует, чтобы в каждом случае оценивалась величина потерь. Та кую оценку удобно осуществить с использованием матрицы потерь С0 С С С = С С0 С, С С С где С 0 – затраты на получение правильных решений;

С – потери за счет ложных отказов;

С – потери от необнаруженных дефектов;

С – потери за счет неправильного определения характера неисправности.

По мере увеличения наработки контролируемых подсистем первоначальные значения их параметров претерпевают некоторые изменения в результате старения электронных и ра диотехнических элементов, износа узлов и агрегатов непостоянного влияния на элементы конструкции колебаний параметров внешней среды (температуры, давления, влажности и т.д.). Эти изменения необходимо учитывать при определении допусков в начале эксплуата ции объектов либо при последующей корректировке допусков в процессе проведения про филактических работ.

2.3.6. Принципы построения систем диагностирования. Методы диагностирования Одной из особенностей современных автоматических систем является наличие в их со ставе устройств, элементов и средств, которые работают по программам, заложенным в их памяти, оперативной или постоянной.

Программы являются специфической формой записи алгоритмов и, следовательно, об ладают всеми их свойствами. Современные программы могут иметь в своем составе много команд, под воздействием которых выполняются отдельные операции в системе, подсистеме или в устройстве. Естественно, что даже отдельные, на первый взгляд незначительные, ошибки в работе программ могут привести к неверному функционированию системы или устройства. Следовательно, проверка правильности функционирования системы или устрой ства при выполнении данной программы абсолютно необходима. Эта задача в значительной степени решается при помощи аппаратного контроля, рассмотренного в предыдущей главе.

Программный контроль Алгоритмический Прогрммно-логический контроль Тестовый контроль контроль Контроль Логический Контроль Контроль Диагностик повторным контроль хода работоспосо а отказов счетом программы бности аппаратуры аппаратуры Контроль Контрольное Контроль многократны суммирование линейных Комбинаци м счетом участков Наладочные Проверка на онные программ Проверка тесты попадание в Контроль диагностич переменных область двойным- еские тесты на появление ответа Контроль тройным запрещенных разветвляю счетом Контрольны комбинаций щихся Последоват е задачи участков ельные Контроль Обратный программ безусловны двойным просчет Многократное е тесты счетом по хранение различным Контролиру Контроль информации программам ющие тесты Проверка циклически Последоват контрольных х участков Контроль ельные соотношений программ Контроль двойным условные переменных счетом на тесты на Контроль различных соответствие Проверка правильнос устройствах физическому контрольных ти смыслу соотношений выполнения Контроль с набора Сравнение длительност использовани модулей и переменных и ем Подстановк последовате экстраполир выполнения дополнитель Контроль а льности их ованным модуля ных обмена результатов включения значением программы переменных информацией Рис. 90. Классификация программных методов контроля Однако эффективность аппаратного контроля в ряде случаев оказывается низкой. По этому возникает задача комплексной проверки функционирования системы в целом или ее отдельных элементов, средств, устройств, при помощи как аппаратных, так и программных методов.

Программные методы контроля, в отличие от аппаратных, позволяют обеспечивать контроль функционирования не отдельных блоков, трактов и подсистем, а их совокупности в сочетании, характерном для данной, конкретной АС. Наиболее характерными для АС про граммными методами контроля являются методы, классификация которых приведена на рис.

90. Данные методы могут быть реализованы лишь посредством ЭВМ, входящих в состав АС.

При применении программных методов контроля всегда исходят из предположения, что сами программы составлены безошибочно, поэтому любая ошибка в выполнении про граммы свидетельствует о наличии сбоев либо отказов в работе аппаратуры. Именно в этом смысле будет использоваться понятие ошибки в выполнении программы.

Программные методы контроля характеризуются следующими специфическими пока зателями:

1) длиной участка, охваченного контролем L;

величина L численно может быть выра жена либо числом команд, имеющихся в участке, либо временем выполнения участка;

2) вероятностью обнаружения ошибки, возникшей в результате отказа,P0;

3) вероятностью обнаружения ошибки, возникшей в результате сбоя, Рс;

4) относительным увеличением участка программы, охваченного контролем L L L =, L где L – число команд участка программы, охваченного контролем;

L0 – число команд этого же участка программы при отсутствии контроля;

5) коэффициентом снижения производительности T =, T где Т0 – затрата времени на реализацию программы (участка) при отсутствии контроля;

Т – фактическая затрата времени на реализацию программы (участка).

Для оценки полноты программного контроля и ряда других его характеристик обычно используются вероятности возникновения ошибок различной кратности, вероятности воз никновения одного и более одного отказа и сбоя и т. д. Теоретические и статистические дан ные эксплуатации цифровых устройств свидетельствует о том, что поток отказов и сбоев близок к простейшему. В связи с этим вероятность возникновения отказов и сбоев за время t с требуемой для практики точностью описывается законом распределения Пуассона с пара метром t:

(t ) k t p k (t ) = e, k = 0,1,2,...

k!

Интенсивность потока определяется интенсивностью отказов устройств. Вероятность появления ошибки в конкретном разряде слова обычно вычисляют исходя из предположе ния о том, что распределение вероятностей появления ошибок в n-разрядном слове цифро вых устройств близко к биноминальному. В этом случае вероятность возникновения в n разрядном слове точно к ошибок равна P( k ) = C n k (1 ) n k.

k Вероятности возникновения хотя бы одного отказа, а также искажения содержимого хотя бы одного разряда оцениваются выражениями P1 (t ) = te t ;

P(t ) = 1 e t ;

P(1) = n (1 ) n 1 ;

P( 1) = 1 (1 ) n.

2.3.6. Содержание практических занятий по теме № Тема: Системы технической диагностики Цель занятия: Рассмотреть системы технической диагностики.

Содержание темы:

1. Понятие систем технической диагностики.

2. Распознающие системы.

3. Системы технической диагностики и их показатели.

4. Методы оптимизации проверочных программ.

5. Выбор контролируемых параметров для локализации неисправности ИИУС.

6. Принципы построения систем диагностирования.

7. Методы диагностирования.

Литература: [6], [22], с. 275-285;

[24], с. 63-155.

2.4. Особенности и основные характеристики телеизмерительных систем 2.4.1. Телеизмерительные системы. Особенности и основные характеристики Главной отличительной особенностью телеизмерительных информационных систем (ТИИС) является наличие в них каналов связи большой протяженности – более нескольких километров. Виды и характеристики каналов связи, как правило, решающим образом влияют на выбор структуры и параметров ТИИС. В таких системах при протяженности каналов свя зи в сотни километров сооружение линии связи вместе со средствами каналообразования, включая модуляторы, демодуляторы, фильтры, усилители и пр., обычно дороже, чем по строение остальных частей ИИС, а плата за аренду готовых каналов связи превышает все эксплуатационные расходы ИИС вместе с годовыми амортизационными расходами.

Среди функций, выполняемых ТИИС, наибольшее значение имеют функции телеизме рения, а среди них – такая организация процесса измерения, при которой передача измери тельных сигналов по каналу связи не вносит погрешностей, превышающих заданное значе ние. Именно ввиду исключительной важности функции измерения ограничимся рассмотре нием только телеизмерительных систем (ТИС).

Современные ТИС имеют более богатую предысторию, чем ИИС ближнего действия.

До середины 50-х годов создавались отдельные устройства с использованием амплитудно модулированных сигналов, проводных каналов связи и релейно-контактных устройств. Со второй половины пятидесятых годов получили развитие системы с частотной, фазовой моду ляцией, а также с импульсными видами модуляции сигналов, с применением бесконтактных элементов и многократным использованием линий связи. Начиная с 60-х годов при построе нии ТИС используются структурная и функциональная избыточность, типизация элементов и структур, передача по каналам связи кодоимпульсных сигналов.

В настоящее время уровень развития ТИС определяется использованием агрегатного комплекса средств систем телемеханики (АСТТ) ГСП, основанного на применении совре менных интегральных микросхем, универсальных вычислительных устройств, измеритель ных преобразователей и т. п.

Можно указать следующие основные направления классификации ТИС:

а) по назначению – ТИС общепромышленного назначения и ТИС для исследований и испытаний;

б) по линиям связи – ТИС с проводными и беспроводными линиями связи;

в) по конфигурации каналов – ТИС с разомкнутыми и замкнутыми каналами связи;

г) по виду сигналов – ТИС с аналоговыми (непрерывными и импульсными) и кодоим пульсными (цифровыми) сигналами в КС.

Изучение ТИС промышленного назначения связано с некоторыми методическими трудностями, определяемыми тем, что самостоятельно такие ТИС создаются редко. Функции ТИС обычно выполняются в системах телемеханики совместно с функциями телеуправле ния, телерегулирования и обмена буквенно-цифровой информацией. В реализации ТИС уча ствуют не только измерительные преобразователи, но и устройства, являющиеся общими для всей системы телемеханики.

Ниже приводится несколько основных требований к телеизмерительным устройствам.

Устанавливаются следующие классы точности устройств ТИС: 0,25;

0,4;

0,6;

1,0;

1,6;

2,5;

4,0.

Дополнительная погрешность не должна превышать основной, соответствующей клас су точности, при изменении напряжения питания на +10 и -15% номинального значения и частоты от 49 до 51 Гц, уровня измерительного сигнала вдвое (кроме сигналов с амплитуд ной модуляцией), отношения уровня амплитуды к эффективному значению напряжения по мех в рабочей полосе частот устройства для аналоговых сигналов постоянного тока до 10, а для импульсных сигналов переменного тока до (9+0,02f) f F (здесь f – наибольшая ширина полосы пропускания одного из индивидуальных каналов от 3 до 140 Гц и F – диа пазон частот устройства), внешнего магнитного поля до 400 А/м.

Дополнительная погрешность при изменении внешней температуры от ±5°С до -50°С может достигать до ±1 К, от -30 до +50°С – до 1 К, от -50 до +50°С – 1,5 К, где К – класс точ ности. В зависимости от степени ответственности, телемеханические системы делятся на три группы. Устанавливаются вероятности ошибок при передаче команд телеуправления (для 1-й группы – 10-18, для 2-й –10-10, для 3-й – 10-7) и кодоимпульсных сигналов на отсчет (соответ ственно 10-7, 10-6 и 10-5).

Для оценки динамических свойств аналоговых ТИС применяются такие показатели, как время установления, предельная частота и частота среза. Временем установления называется время, по прошествии которого выходная величина ТИС после скачкообразного изменения входной величины на половину максимального значения не станет отличаться более чем на ±% (обычно ±1%) установившегося состояния. Это время для различных групп устройств может быть до 1 с, до 4с, более 4с.

На предельной частоте синусоидального входного сигнала динамическая погрешность передачи устройством амплитуды не должна превышать заданного значения, а на частоте среза амплитуда выходного сигнала становится равной этой погрешности.

Детальное рассмотрение переходных процессов в аналоговой части ТИС связано с ана лизом дифференциальных уравнений, описывающих ее состояние.

Динамические характеристики кодоимпульсных ТИС не регламентированы. Наиболее широко для количественной оценки динамических свойств ТИС, работающих в реальном времени, применяется время, необходимое для выполнения процесса измерения (включая и передачу информации по каналу связи). Для тех ТИС, в которых происходит промежуточное запоминание измерительной информации, а также для отдельных частей ТИС (например, частей ТИС до и после ЗУ или передающей и приемной частей ТИС и канала связи) исполь зуется несколько временных характеристик.

Помехоустойчивость, т.е. способность ТИС противодействовать влиянию помех, оце нивается в конечном счете погрешностью, вызываемой влиянием помех. Эта погрешность является сложной функцией вида и характеристик модуляции и каналов связи, используемых в ТИС.

В теории связи используются понятия потенциальной помехоустойчивости и идеально го приемника, введенные В. А. Котельниковым. Они связаны с оценкой дисперсии разности принимаемого сигнала с шумом x p (t ) = x(t ) + S (t ) и сигнала, генерируемого в приемнике, T [ ] 1c Tc Di = x p (t ) x i (t ) dt.



Pages:     | 1 | 2 || 4 | 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.