- •Технические средства систем автоматического управления
- •Введение
- •1. Разработка и изготовление средств автоматики
- •1.1. Выбор варианта технологического процесса
- •1.2. Технологичность конструкций блоков систем автоматики
- •Состав показателей технологичности электромеханических устройств сведен в табл. 1.2.6.
- •Коэффициент точности обработки
- •Состав показателей технологичности коммутационных устройств приведен в табл. 1.2.7.
- •Коэффициент повторяемости материалов
- •1.3. Обеспечение точности и надёжности технологических процессов.
- •Допуск размера замыкающего звена
- •Тп состоит из ряда технологических операций, поэтому его надежность оценивается по выражению
- •1.4. Прогнозирование и оптимизация технологических процессов.
- •Поскольку координатами вектора является градиент
- •1.5. Технология производства интегральных схем
- •1.6. Структура технологического оборудования микроэлектроники
- •1.7. Специфика высокочастотных печатных плат
- •1.8. Сборка электронных блоков на пп.
- •1.9. Автоматизированная установка компонентов на пп.
- •1.10. Технология поверхностного монтажа
- •1.11. Электромонтажные соединения в приборостроении
- •Физико-химические основы пайки
- •1.12. Намотка
- •1.13. Пайка групповым инструментом
- •1.14. Подготовительно-заключительные операции групповой пайки
- •1.15. Внутри- и межблочный монтаж
- •1.16. Ультразвук в технологии отмывки электронных блоков
- •1.17. Технология герметизации сау
- •2. Элементы средств автоматики
- •2.1. Параметры, не обладающие свойствами аддитивности
- •2.2. Датчики, области применения, требования.
- •2.3. Емкостные и индуктивные датчики.
- •2.4. Датчики электромашинного типа
- •2.5. Датчики вакуума и силовые датчики.
- •Э. Д. С. Во вторичной обмотке описывается выражением
- •2.6. Устройства сравнения значений параметров
- •2.7. Исполнительные устройства
- •2.8. Элементарные звенья систем автоматического управления
- •3. Структура средст автоматики
- •3.1. Общие характеристики
- •3.2. Структурные схемы сау и правила их преобразования
- •3.3. Автоматическое регулирование
- •3.4. Интегрированные автоматизированные системы управления
- •3.5. Функции эвм в контуре управления тп
- •4. Сбор и обработка информации
- •4.1. Обработка результатов мониторинга
- •4.2. Моделирование возмущенного движения транспортного средства
- •4.3. Испытания электронной аппаратуры
- •4.4. Оптимизация средств контроля и управления
- •Задача адаптации сао возникает в следующих случаях.
- •4.5. Оценка состояния эргатических систем управления
- •5. Применение средств автоматики
- •5.1. В пирометрии
- •5.2. Для камуфляжа информации
- •5.3. Для экстрагирования
- •5.4. В энергетике
- •5.5. В гальванотехнологии
- •5.6. Для резервирования информации
- •5.7. В массометрии
- •5.8. В навигации
- •5.9. В спорте
- •5.10. Для защиты прав потребителей;
- •5.11. Для оценки экологического состояния водоема
- •5.12. Для оценки работоспособности сердца человека
- •5.13. Для направленной кристаллизации расплава лейкосапфира
- •5.14. Для сейсмического зондирования дна водоёмов
- •5.15. Для акустического каротажа осадочного чехла
- •5.16. В управлении судном с глубоководным оборудованием на буксире
- •5.17. В управлении судном в режиме буксировки сейсмокосы
- •5.18. Для управления ориентацией космического аппарата
- •5.19. Для эргатических систем манипулирования
- •5.20. Для коррекции электроэнергии в искажающих системах
- •Заключение
- •Библиография
4. Сбор и обработка информации
4.1. Обработка результатов мониторинга
Большая стоимость контроля и (или) испытаний (мониторинга) диктует выбор методов, позволяющих оперировать малыми величинами результатов контроля (измерения). Так как большинство данных по мониторингу являются случайными величинами, их обработка осуществляется статистическими методами.
Можно ограничиться вычислением только основных параметров случайной величины – ее среднего значения (или математического ожидания), дисперсией доверительных интервалов, которые со статистической точки зрения полностью характеризуют случайную величину.
Однако только часть данных по мониторингу получают в количественном выражении, а значительная их часть доступна лишь в качественном виде.
При статистической обработке результатов мониторинга необходимо своевременно оценить ошибку измерения (количественную величину, получаемую инструментальными средствами) и исключить её из дальнейшего рассмотрения.
При этом иногда появляются резко выделяющиеся значения величин (выбросы), причинами которых могут быть изменения климатических условий в момент измерений, погрешность измерения приборов, ошибки при снятии данных вследствие неумелого или небрежного пользования аппаратурой и т. д.
Такие резко выделяющиеся результаты (выбросы) наблюдений квалифицируются как ошибки эксперимента и не должны учитываться при обработке результатов мониторинга.
Однако отклонения параметров критерия достоверности одного или нескольких отсчетов в выборке могут свидетельствовать о закономерностях последних, которые в дальнейшем могут привести к существенно неверным результатам, что может быть объяснено спонтанным процессом изменения состояния исследуемого объекта.
В этом случае выбросы имеют физическую природу, являются закономерными и их нельзя исключать из дальнейшего рассмотрения.
Поэтому для исключения резко выделяющихся результатов наблюдений проводится тщательный комплексный анализ возможных причин указанных отклонений.
Для такого анализа используются критерии, имеющие как физическую, так и статистическую природу.
Если изменение контролируемого параметра подчиняется нормальному закону распределения, то наиболее распространенным является критерий Диксона, в зависимости от числа отсчетов в выборке и от того, проверяется наибольшее или наименьшее экстремальное значение коэффициенты Диксона принимают значения, приведённые в табл. 4.1.1.
Таблица 4.1.1
Число отсчетов в выборке n |
Обозначение коэффициента Диксона |
Значение коэффициента Диксона для Эmin параметра x критерия приемлемости * |
Значение коэффициента Диксона для Эmax параметра x критерия приемлемости * |
3÷7 |
r10 |
|
|
8÷10 |
r11 |
|
|
11÷13 |
r21 |
|
|
14÷30 |
r22 |
|
|
здесь xi – значения параметра х в ранжированном ряду (i – ранг).
Полученный по приведенным в табл. 4.1.2 формулам коэффициент Диксона r сравнивается с табличным значением, учитывающим экстремальные значения при заданной достоверности (P).
Экстремальный выброс (Э) значения параметра х критерия приемлемости является не случайным, а носит закономерный характер, если коэффициент Диксона r из табл. 4.1.2 меньше его допустимого значения.
Таблица 4.1.2
Объем выборки n |
Коэффициент Диксона |
Значение коэффициента Диксона для Эmin |
Значение коэффициента Диксона для Эmax |
3÷10 |
r20 |
|
|
Рассмотренный случай применения критерия Диксона справедлив только при наличии одностороннего экстремального значения (при одновременном наличии Э1max и Э1min критерия приемлемости считается, что одностороннее Э1 – единственное).
При наличии двух и более односторонних значений (Э2, Э3,…) коэффициент Диксона рассчитывается в соответствии с табл. 4.1.3.
Таким образом, использование соответствующего коэффициента зависит не только от объема выборки, но и от числа подозрительных односторонних выбросов значений параметров по критерию приемлемости (Диксона), и поэтому в общем случае выбирать рассчитываемый коэффициент следует из табл. 4.1.3.
Таблица 4.1.3
Объем выборки n |
Число односторонних экстремальных значений (х) |
|
Одно |
Два и более |
|
3÷7 |
r10 |
r20 |
8÷10 |
r11 |
r20 |
11÷13 |
r21 |
r21 |
14÷30 |
r22 |
r22 |
Однако на практике случайная величина не всегда подчиняется нормальному закону распределения или закон распределения вообще неизвестен.
В этом случае резко выделяющиеся результаты наблюдений исключаются при помощи критерия Ирвина. Для чего по результатам измерений строится ранжированный ряд значений параметра критерия пригодности (приемлемости) и производится проверка резко выделяющихся величин на одном или обоих краях ряда.
Значения критерия Ирвина вычисляются по формуле
, |
(4.1.1) |
где – резко выделяющееся значение параметра; – предыдущее значение этого параметра; – несмещенное выборочное среднеквадратическое отклонение параметра х; – выборочное среднее значение параметра х.
Затем задается доверительная вероятность Р* и по имеющемуся объему выборки n с помощью табл. 4.11.4.4 определяется .
Таблица 4.1.4
N |
при |
n |
при |
||
Р*=0,95 |
Р*=0,99 |
Р*=0,95 |
Р*=0,99 |
||
2 |
2,8 |
3,7 |
50 |
1,1 |
1,6 |
3 |
2,2 |
2,9 |
100 |
1,0 |
1,5 |
10 |
1,5 |
2,0 |
400 |
0,9 |
1,3 |
20 |
1,3 |
1,8 |
1000 |
0,8 |
1,2 |
30 |
1,2 |
1,7 |
3000 |
0,7 |
1,1 |
Если , то значение параметра хэ1 отбрасывают и начинают проверять другое его экстремальное значение хэ2.
Проверку продолжают до получения
Пример 1: Пусть результаты измерений имеют следующий вид:
32, 65, 40, 36, 38, 30, 37, 60, 33, 35
1. Строим ранжированный (упорядоченный) ряд
<<30, 32, 33, 35, 36, 37, 38, 40, 60, 65>>.
Необходимо проверить, не являются ли ошибками резко выделяющиеся результаты (отсчеты) 60 и 65.
2. Рассчитываем выборочное среднее значение параметра
.
3. Рассчитываем выборочное среднее квадратическое отклонение
.
4. Задаемся достоверной вероятностью Р* = 0,95 и рассчитываем критерий Ирвина для значений 60 и 65
η65=(65–50)/12≈0,4, η65<ηтабл=1,5; η60=(60–40)/12≈1,7, η65>ηтабл=1,5.
И хотя рассчитанный критерий Ирвина η65<ηтабл=1,5; но так как η60>ηтабл=1,5; то значения и 65 и 60 из анализа должны быть исключены.
Отсюда видно, что должны проверяться все экстремальные значения хэi ряда, даже если крайние его значения удовлетворяют одному из приведенных критериев.
Следует отметить, что исключение резко выделяющихся результатов наблюдений следует производить весьма осторожно.
Неправомерное отбрасывание таких результатов может привести к неверным выводам, равно как и их игнорирование.
Результаты измерений удобно представлять в таблицах, содержащих оценку среднего значения, а также оценку дисперсии или среднеквадратического отклонения хi при первоначальных и каждом последующем его измерении.
Для наглядного представления тенденции изменения исследуемых параметров применяют полигоны, гистограммы, кумуляты, огивы и поля корреляции.
Одной из наиболее сложных проблем является задача принятия решений в среде с нечеткой (качественной) исходной информацией. Существует значительное множество экспортных систем, отличающихся разной степенью автоматизации процессов принятия решений, достоверностью результатов, разрешающей способностью, степенью согласованности и т. д.
Более предпочтительной представляется система, допускающая по каждому критерию кi синтез кортежей произвольной конфигурации, т. е. как с несвязанными, так и со связанными рангами аij , а также учитывающая значимость (вес) рi критерия ki, а рейтинги Ri альтернативных вариантов Аj определять по формуле
|
(4.1.2) |
где n – число альтернативных вариантов (объем выборки), аij – ранг j-го (j=1, …, n) альтернативного варианта Аj по i-му (i=1, …, m) критерию ki , а Pi – вес, значимость, критерия ki. Заключение принимается исходя из кортежей и только при коэффициенте конкордации (согласия, консенсуса) W>0,5 ( ), определенному из выражения
, |
(4.1.3) |
где m – число критериев (показателей), n – число альтернативных вариантов, qi – число одинаковых рангов в i-м кортеже, S – сумма квадратов отклонений значений рейтинга варианта, определяемая из , здесь – выборочное среднее значение рейтинга варианта, причем рейтинг rij альтернативного варианта Аj по каждому критерию ki определяется по формуле
. |
(4.1.4) |
Полученный кортеж <<Aj>> альтернативных вариантов однозначно отражает значимость каждого из Аj, обеспечивает достоверность, пропорциональную W, и максимизацию разрешающей способности h между Аj.
Данный метод позволяет получать электронными средствами как абсолютные Rj численные значения альтернативных вариантов Aj, так и их относительные Rj’ значения, даже если исходная информация об Аj носит качественный характер, причем, чем выше W, тем выше h, тем выше достоверность (вероятность) Р результатов анализа.
Пример 2. Пусть:
по k1 |
<<A7fA4fA3fA12fA1fA10fA2fA8>>, |
по k7 |
<<A2fA3fA5fA1fA4>>, |
по k2 |
<<A2fA3fA5fA7fA1fA4>>, |
по k8 |
<<A1fA2fA3fA4fA5>>, |
по k3 |
<<A4fA6fA2fA3fA5fA10fA1>>, |
по k9 |
<<A5fA3fA4fA1fA2>>, |
по k4 |
<<A2fA1fA3fA5fA4>>, |
по k10 |
<<A4fA3fA2fA1fA5>>, |
по k5 |
<<A3fA2fA1fA4fA5>>, |
по k11 |
<<A5fA4fA2fA1fA3>>, |
по k6 |
<<A1fA3fA5fA7fA4fA2>>, |
по k12 |
<<A2fA3fA5fA1fA4>>. |
Сведем кортежи в таблицу и укажем в ней, при Pi=1, значимость Aj по всем ki (ранги Aj), указав aij.
|
k1 |
k2 |
k3 |
k4 |
k5 |
k6 |
k7 |
k8 |
k9 |
k10 |
k11 |
k12 |
A1 |
5 |
2 |
7 |
4 |
3 |
6 |
4 |
1 |
4 |
4 |
2 |
4 |
A2 |
7 |
6 |
3 |
5 |
2 |
1 |
1 |
2 |
5 |
3 |
3 |
1 |
A3 |
3 |
5 |
4 |
3 |
1 |
5 |
2 |
3 |
2 |
2 |
1 |
2 |
A4 |
2 |
1 |
1 |
1 |
4 |
2 |
5 |
4 |
3 |
1 |
4 |
4 |
A5 |
25 |
4 |
5 |
2 |
5 |
4 |
3 |
5 |
1 |
5 |
5 |
3 |
Оценим rij каждого Aj по каждому ki и сведем в таблицу.
|
k1 |
k2 |
k3 |
k4 |
k5 |
k6 |
k7 |
k8 |
k9 |
k10 |
k11 |
k12 |
Rj |
A1 |
1 |
4 |
0 |
2 |
3 |
0 |
2 |
5 |
2 |
2 |
4 |
1 |
26 |
A2 |
0 |
0 |
3 |
1 |
4 |
5 |
5 |
4 |
1 |
3 |
3 |
5 |
34 |
A3 |
3 |
1 |
2 |
3 |
1 |
1 |
4 |
3 |
4 |
4 |
5 |
4 |
35 |
A4 |
2 |
5 |
4 |
4 |
5 |
8 |
9 |
5 |
- |
- |
2 |
- |
39 |
A5 |
1 |
2 |
1 |
4 |
1 |
2 |
3 |
1 |
5 |
1 |
1 |
3 |
25 |
И найдем Rj по . Получим кортеж <<A5fA1fA2fA3fA4>>; а так как R5(25)<R1(26)<R2(34)<R3(35)<R4(39), Rj’=∑Ri/Rimax (при ), то W≈0,831; h=1; P=0,83, что достаточно для принятия однозначного вывода.
-
k1
k2
k3
k4
k5
k6
k7
k8
k9
k10
k11
k12
kj
Rj’
М
A1
0
0
0
0
0
1
0
1
0
0
0
0
2
≈0,167
3
A2
0
0
0
0
1
0
1
0
0
0
0
1
3
≈0,250
2
A3
0
0
0
0
0
0
0
0
0
0
1
0
1
≈0,083
4-5
A4
0
1
1
1
0
0
0
0
0
1
0
0
4
≈0,333
1
A5
0
0
0
0
0
0
0
0
1
0
0
0
1
≈0,083
4-5
Для сравнения: по существующему избирательному закону (по сумме первых мест) и, как результат, W≈0,012; h=0; P=0,01, что неприемлемо для принятия однозначного вывода.
Описанная выше экспертная система апробирована при обработке результатов мониторинга экологической обстановки ряда регионов СССР и РФ, а также, при оценке конкрециеносности глубоководных абиссалей Тихого океана (Кларион–Клиппертон).