- •Содержание
- •Понятие вычислительной системы
- •Организация микроконтроллерных систем управления
- •Микроконтроллеры. Основные сведения
- •Интерфейсы связи с датчиками Сигнальные интерфейсы и цифровые интерфейсы
- •Прием импульсно-дискретных сигналов
- •Демодуляция квадратурно-модулированного сигнала
- •Прием аналоговых сигналов
- •Схемотехника ацп
- •Ацп последовательного счета
- •Ацп последовательного приближения
- •Расширение разрядности. Метод передискретизации
- •Стандартные интерфейсы связи Интерфейсы связи
- •Топологии сетей
- •Последовательный интерфейс i2с
- •Состояние старт и стоп
- •Подтверждение
- •Адресация в шине i2c
- •Преимущества
- •Последовательный интерфейс spi Введение
- •Электрическое подключение
- •Протокол передачи
- •Cравнение с шиной i2c
- •Последовательный интерфейс rs-232
- •Can интерфейс
- •Описание стандарта
- •Контроль ошибок
- •Скорость передачи и длина сети
- •Методы выявления и устранения ошибок данных при передаче
- •Блоковые коды
- •Свёрточные коды
- •Коды обнаружения Циклический избыточный код (crc)
- •Бит чётности
- •Формализованный алгоритм расчёта crc16
- •Корректирующие коды
- •Каскадное кодирование. Итеративное декодирование
- •Выбор кода
- •Некоторые методы (алгоритмы) обработки сигналов
- •Калибровка сигнала
- •Компенсация сигнала
- •Табличные вычисления и тарировочные таблицы Табличные вычисления
- •Тарировочные таблицы
- •Коррекция нуля, обнуление
- •Фильтрация
- •Разностное уравнение дискретного фильтра
- •Рекурсивные (бих) и нерекурсивные (ких) фильтры
- •Устойчивость
- •Зависимости частотных свойств звеньев системы регулирования
- •Регуляторы
- •Регулятор типа п – пропорциональный
- •Регулятор типа пи – пропорционально-интегральный
- •Регулятор типа пид – пропорционально-интегрально-дифференциальный
- •Реализация регуляторов
- •Примерная реализация ядра регулятора на языке Си
- •Выбор длительности такта
- •Вычисления с плавающей и фиксированной точкой
- •Основы технологии разработки программного обеспечения Структура программы на языке Си
- •Компиляция программы
- •Директивы препроцессора
- •Присоединение файла
- •Макросы
- •Условная компиляция
- •Типы переменных
- •Математические операторы
- •Операторы цикла
- •Условный оператор
- •Оператор выбора
Тарировочные таблицы
Тарировочные таблицы – это таблично заданные тарировочные функции.
Их размер задается точностью исходной информации. Так или иначе сигнал с датчика преобразуется в код АЦП с заданной разрядность. Это означает, что иных значений, кроме тех, что выдает АЦП, быть не может в принципе, поэтому таблица не может быть больше, чем максимальное значение кода АЦП (может быть меньше, если используется не весь диапазон сигнала), также очевидно, что интерполяция по аргументы (измеряемой величине) бессмысленна.
Если тарировочная таблица выполняет функцию только калибровки, то это одномерный массив.
В общем случае размерность массива определяется количеством компенсируемых факторов.
Например. Есть датчик давления, чьи показания зависят от температуры. При этом давление измеряется АЦП с разрешением 10 бит, а температура – 8 бит. Для хранения полной тарировочной таблицы необходим массив 1024х256.
Заполнение тарировочной таблицы можно произвести прямым опытным путем – устройство ставится на стенд, где создаются измеряемые величины (температура, давление и т.п.) и для каждого значащего кода измеряемой величины (кода после оцифровки) в таблицу заносятся реальные значения, определяемые по измерительным приборам стенда.
Очевидно, что чем больше измеряемых параметров и чем шире диапазон значений, тем больше измерений необходимо провести. Для нашего примера потребуется более 260 тысяч измерений.
Поскольку проведение экспериментов такого порядка крайне трудоемко, то на практике поступают следующим образом. Обычно вид характеристик известен, то есть известно, сколько нужно точек, чтобы правдоподобно восстановить всю характеристику. На стенде снимают показания в этих контрольных точках и формируют таблицу значениями, полученными интерполяцией данных между заданными точками. При этом часто используются полиномиальные аппроксимационные функции, метод наименьших квадратов, МНК.
МНК
Метод наименьших квадратов — метод нахождения оптимальных параметров линейной регрессии, таких, что сумма квадратов ошибок минимальна. Метод заключается в минимизации евклидовой нормы между двумя векторами — вектором восстановленных значений зависимой переменной и вектором фактических значений зависимой переменной.
Рассмотрим пример.
Задана выборка — таблица
Задана регрессионная модель — квадратичный полином
Назначенная модель является линейной. Для нахождения оптимального значения вектора параметров выполняется следующая подстановка:
Тогда матрица значений подстановок свободной переменной будет иметь вид
Задан критерий качества модели: функция ошибки
Здесь вектор . Требуется найти такие параметры , которые бы доставляли минимум этому функционалу,
Требуется найти такие параметры , которые доставляют минимум — норме вектора невязок .
Для того, чтобы найти минимум функции невязки, требуется приравнять ее производные к нулю. Производные данной функции по составляют
Это выражение также называется нормальным уравнением. Решение этой задачи должно удовлетворять системе линейных уравнений
то есть,
После получения весов можно построить график найденной функции.