- •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
4.2. Моделирование возмущенного движения транспортного средства
Основным результатом оценки динамических и точностных характеристик системы автоматического управления (СУ) транспортным средством (ТС), например самолетом (ЛА), являются натурные эксперименты (испытания). Однако в целях предварительной оценки должны быть привлечены результаты математического и стендового моделирования. Использование результатов моделирования контура «СУ-ТС» является обоснованным, если продемонстрирована их сходимость с результатами натурного эксперимента. При оценке адекватности математической модели ЛА выделяют, по крайней мере, два аспекта – детерминированный и статистический.
Первый из них предполагает оценку сходимости результатов моделирования и испытаний по критерию динамического подобия, которое устанавливается путем сравнения динамических характеристик ЛА, полученных в результате расчета и эксперимента в условиях детерминированных возмущений повышенной интенсивности.
Уравнения движения ЛА с СУ составляются по результатам аэродинамических продувок, контролируемых аппаратными средствами с резервированием их функциональных возможностей. При этом проверке подвергается математическая модель, которая затем используется в процессе статистического моделирования для уточнения характеристик СУ.
При этом полный диапазон возможных изменений контролируемых параметров движения ЛА делится на две области: больших (Δh>±4÷5 σ) и малых (Δh<±2÷3 σ) ошибок управления.
Действие на ЛА возмущения чаще всего является нормальным случайным процессом; динамическая система «ЛА–СУ» в малом диапазоне изменения её переменных квазилинейна и обладает свойством нормализовать проходящие через неё сигналы, что позволяет в диапазоне Δh<±2÷3 σ распределение ошибок управления считать нормальным. Статистическое моделирование проводится с учетом имеющих место в натурных экспериментах случайных факторов (веса, центровки, ветра и т. д.) как в части диапазона их изменения, так и частоты варьирования различных уровней. Натурные (лётные) испытания статистически независимы и охватывают ожидаемые условия будущей эксплуатации ЛА.
Предполагается, что математическая модель и реальный ЛА статистически подобны, если расчетные и опытные выборки извлечены из одной и той же генеральной нормально распределенной совокупности.
Традиционные критерии статистического подобия двух выборок, извлеченных из нормально распределенной генеральной совокупности, основаны на сравнении дисперсии и математического ожидания.
Дисперсии признаются равными, если выполняется правило (критерий Фишера)
S12/S22≤F(1–a)(n1–1, n2–1), |
(4.2.1) |
где выборочные оценки дисперсии параметров соответственно определимы из выражений
S12=(n1–1)–1 (xi– 1)2; S22=(n2–1)–1 (xi– 2)2, |
|
где xi – значение исследуемого параметра в i-м эксперименте (расчетно или экспериментально полученное);
1=n1-1 xi; 2=n2-1 xi;
n1, n2 – объемы выборок; F(1–a)(n1–1, n2–1) – квантиль распределения Фишера с (n1–1, n2–1) степенями свободы уровня (1–α); α – уровень значимости.
Для сравнения математических ожиданий используется одно из следующих решающих правил:
| 1– 2|/[(n1+n2)/n1n2]-1/S≤t(1–a/2)(n1+n2–2), |
(4.2.2) |
где
S=S12(n1–1)+S22(n2–1)/(n1+n2–2); |
|
T(1–a/2)(n1+n2–2) – квантиль распределения Стьюдента с числом степеней свободы уровня (1–a/2)=(n1+n2–2): при принятии гипотезы неравенства дисперсии
| 1– 2|/(S12n1+S22n2)-1/2≤t(1–a/2)(V), |
(4.2.3) |
где число степеней свободы V определяется в соответствии с правилом Сэттервейта:
V=(S12/n1+S22n2)2/[(S12n1)2/(n1–1)+(S22n1)2/(n2–1)] |
(4.2.3) |
и в зависимости от конкретных значений S12 и S22 меняется в диапазоне
min{n1, n2}≤=(n1+n2–2).
Применение решающих правил (4.2.1) и (4.2.2) в случае статистической неоднородности сравниваемых выборок позволяет выявить источник неоднородности – систематические и/или случайные ошибки.
Однако выше описанные критерии имеют два существенных недостатка:
- для принятия решения необходимо наличие серии натурных экспериментов, и в случае проведения доработок требуется повторение всего объёма натурных экспериментов;
- раздельное сравнение дисперсии и математических ожиданий приводит к снижению достоверности принимаемых решений, так как
(1–а)=(1–а1)(1–а2),
где а1 и а2 – уровни значимости при проверке равенства дисперсии и равенства математических ожиданий.
Приведенные ниже критерии проверки однородности результатов моделирования натурных экспериментов лишены указанных недостатков. Решение о статистической однородности результатов моделирования и натурных экспериментов может быть принято после проведения каждого натурного эксперимента с использованием следующего критерия отбраковки аномальных значений параметров:
|x– |/[(n+1)/n]–1/S<t(1–a/2)(n–1), |
|
где оценки , S2 определены по результатам моделирования.
Проблема множественного сравнения может быть решена переходом на сравнение толерантных интервалов. Следует отметить, что при построении толерантного интервала по результатам выборки (x1÷xn) объёма n из генеральной совокупности, имеющей нормальное распределение N(m, σ2), определяют его границы, являющиеся реализациями функций выборок Xн, Xв, относительно которых справедливо утверждение: внутри толерантного интервала с доверительной вероятностью γ заключается не менее чем доля R всей совокупности, т. е.
P{Xн≤x≤Xв}≥R=γ
или
P{ f(x)dxн≤x≤Xв}≥R=γ,
где f(x) – плотность распределения вероятности параметра x. Оценка толерантного множителя z, значения которого табулированы для различных значений n, R и γ, причем, z≈(x– )S – нормально распределено с математическим ожиданием
M|z|=Ur
и дисперсией
D|z|=1/n+z2/2(n–1),
где Ur – квантиль стандартного нормального распределения.
Таким образом, задача сравнения статистической однородности двух выборок сводится к сравнению двух математических ожиданий при неравных дисперсиях.
Соответствующее решающее правило имеет вид
|z1–z2|(D1+D2)–0,5≤U(1–a/2). |
(4.2.4) |
Достоверность принимаемых решений характеризуется вероятностями ошибок первого α и второго β рода (вероятностями ошибочных приемки и отбраковки, соответственно). Для определения значения β необходимо задать альтернативные гипотезы.
При проверке равенства дисперсий альтернативную гипотезу удобно представлять в виде
σ1=kσ2.
Тогда зависимость между α, β, k и n определяется из граничных соотношений
S12/S2=F(1–α)(n1–1, n2–1);
S12/kS22=Fβ(n1–1, n2–1),
откуда «расстояние» между нулевой и альтернативной гипотезами определимо из выражения
k=F(1–α)(n1–1, n2–1)/Fβ(n1–1, n2–1).
Таким образом, при принятии гипотезы равенства дисперсий с вероятностью β, эти дисперсии могут различаться в k раз.
При проверке равенства математических ожиданий альтернативную гипотезу удобно задавать в виде
m1=m2+Δ.
Тогда при альтернативной гипотезе статистика равна
| 1– 2|/[(xn1+n2)/n1n2]–1/S
с параметром нецентральности
(Δ/σ)[(n1+n2)/n1n2]1/2.
Нецентральное распределение уже при n≥5 удовлетворительно аппроксимируется нормальным распределением, т. е.
P{| 1– 2|/[(n1+n2)/n1n2]–1/S>t(1–a/2)(n1+n2–2), (Δ/σ)[(n1+n2)/n1n2]1/2}=
=1–Ф{t(1–a/2)(Δ/σ)[(n1+n2)/n1n2]1/2[1+0,5t(1–a/2)2/(n1+n2–2)]–1/2}=1–β,
где Ф – интегральная функция стандартного нормального распределения. Следовательно,
Uβ=t(1–a/2)(Δ/σ)[(n1+n2)/n1n2]1/2[1+0,5t(1–a/2)2/(n1+n2–2)]–1/2.
При использовании решающего правила (36.4) альтернативная гипотеза задается в виде
UR1=UR2+ΔUR.
Тогда зависимость между a, β, n и ΔUR1 определяется из граничных условий
|z1–z2|(D1+D2)–1/2=U(1–a/2) и |z1–z2+ΔUR|(D1+D2)–1/2,
и, следовательно,
ΔUR|(D1+D2)–1/2=U(1–a/2)–Uβ.
Таким образом, описанный выше метод сравнения толерантных множителей для проверки адекватности математической модели возмущенного движения ЛА имеет существенное преимущество перед традиционными методами. При принятии гипотезы статистической однородности результатов моделирования и натурного эксперимента требования к точностным характеристикам параметров считаются подтвержденными.