- •Анализ представленных результатов позволяет сформулировать следующие выводы.
- •Литература
- •Среднее время ожидания заявок
- •Литература
- •Н.А. Рубина, Ю.Г. Кирчин
- •Литература
- •Приложение
- •Word
- •Ecxel
- •Access
- •Power Point
- •Литература
- •КОНЦЕПТУАЛЬНЫЕ МОДЕЛИ В БАЗАХ ЗНАНИЙ
- •Введение
- •Рис. 4. Окно меню "Химический состав"
- •Рис. 5. Окно меню "Поиск"
- •Литература
- •Введение
- •Технологии проектирования ВсС
- •Традиционные подходы к проектированию ВсС. Ключевыми чертами традиционного процесса проектирования микропроцессорных вычислительных систем следует считать:
- •Архитектурные абстракции сквозного проектирования ВсС
- •Опыт использования архитектурных абстракций в проектировании ВсС
- •Заключение
- •Литература
- •ДИНАМИЧЕСКИЕ ИНСТРУМЕНТАЛЬНЫЕ КОМПОНЕНТЫ
- •Введение
- •Обзор вариантов построения тестовых систем
- •Заключение
- •Литература
- •УНИВЕРСАЛЬНАЯ МОДЕЛЬ ПОСЛЕДОВАТЕЛЬНОСТНЫХ СХЕМ В САПР
- •А.Г. Зыков, О.Ф. Немолочнов, В.И. Поляков
- •Рис. Универсальная модель последовательностной схемы
- •Рис.1. Схема пересчёта
- •ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ОПТИЧЕСКИХ ПРИБОРОВ СО ВСТРОЕННОЙ СИСТЕМОЙ СТАБИЛИЗАЦИИ ИЗОБРАЖЕНИЯ
- •Рис. 2. Имитационная модель ОССИ. (АЛ – алгоритм имитации события; Мt – временной фактор)
- •Введение
- •Интегральные параметры.
- •Спектральные параметры.
- •(4) Интегральная яркость изображения вычисляется по формуле
- •Структурные параметры.
- •ВОССТАНОВЛЕНИЕ ЛИНИЙ ЭКСТРЕМУМОВ СЛОЖНЫХ КАРТИН ИНТЕРФЕРЕНЦИОННЫХ ПОЛОС
- •М.В. Волков
- •Введение
- •Обработка одномерных сигналов на основе модификации гистограмм
- •Обработка картины полос
- •Восстановление линий экстремумов интерференционных полос
- •Примеры обработки реальных интерферограмм
- •Заключение
- •Литература
- •О.В. Павлушко
- •Dimage 7
- •Olimpus E-10
- •Заключение
- •ОПТИЧЕСКИЕ ВОЛОКОННЫЕ УСИЛИТЕЛИ ИНФОРМАЦИОННЫХ СИГНАЛОВ
- •Н. С. Макаров
- •Введение
- •Эрбиевые волоконные усилители
- •Тулиевые волоконные усилители
- •ВКР волоконные усилители
- •Гибридные усилители
- •Стокс-антистоксовые ВКР-усилители
- •Заключение
- •Введение
- •Метод фильтрации Калмана
- •Фильтр Калмана второго порядка
- •Фильтрация акустических сигналов
- •Заключение
- •А. Акунова, А.В. Ушаков
- •Литература
- •2. Постановка задачи
- •3. Синтез алгоритма адаптации
- •1. Введение
- •3. Синтез алгоритма управления
- •Основной результат предлагаемой работы сформулирован в следующей теореме.
- •Заключение
- •Литература
- •И.В. Мирошник, А.Н. Шалаев
- •А. А. Мельников, Е. В. Рукуйжа, А. В. Ушаков
- •О.В. Слита, И.В. Мирошник
- •Литература
- •ОЦЕНКА ЗАПАСОВ УСТОЙЧИВОСТИ СИСТЕМ С ИНТЕРВАЛЬНЫМИ ПАРАМЕТРАМИ
- •Введение
- •Основные положения
- •Литература
- •КОНВЕРГЕНЦИЯ ЭЛЕКТРОННЫХ И ПЕЧАТНЫХ СРЕДСТВ ИНФОРМАЦИИ
- •СИНТЕЗ ИНФОРМАЦИОННО-ЭНЕРГЕТИЧЕСКИХ СВЯЗЕЙ В СТРУКТУРАХ ИЗОБРЕТЕНИЙ
- •А.Б. Бушуев
- •Акунов Т.А., Ушаков А.В. Связь алгебраических спектров собственных
- •значений и сингулярных чисел в задаче обеспечения стабильности
ИДЕНТИФИКАЦИЯ ЛИНЕЙНЫХ ОПЕРАЦИЙ
В.В. Хабалов, А.И. Салфетников
Существующие в настоящее время методы дифференцирования сигналов и, в частности, метод конечных элементов обладают определенными недостатками, вытекающими из самого принципа нахождения производной. Так, при наличии помехи в виде белого шума дифференцирование сигнала становится невозможным. Предлагается принципиально другой подход, заключающийся в том, что сначала выбирается модель сигнала, аналитическим путем находится ее производная и далее оцениваются параметры полученной модели. Такойподходисключаетсущественноевлияниепомехнаискомоезначениепроизводной.
Введение
На вход устройства оценивания (рис.В.1) поступают значения процесса, представляющие собой аддитивную смесь полезного сигнала и помехи в виде стационарной случайной последовательности с ограниченным вторым моментом. Требуется произвести операцию дифференцирования процесса, поступающего на вход устройства оценивания. Искомые оценки формируются в режиме поступления данных.
Модель сигнала
|
|
|
ν |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
u |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
l T |
& |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
s(t) |
|
|
|
|
z(t) |
|
|
|
|
|
ˆ |
|
|
|
|
|
zˆ(t) |
||||
|
|
|
|
Алгоритм |
Θ |
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
обработки |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
Рис. 1. Схема устройства оценивания |
|
|
||||||||||||||||
Задача |
линейного преобразования |
процессов, представляющих собой |
аддитивную смесь полезного сигнала и помехи, на первом этапе решается как задача идентификации сигналов по текущим наблюдениям методом наименьших квадратов [1]. При этом используются линейные уравнения наблюдения вида
z j |
= x j |
+ν j |
= |
u |
Tj |
Θ + v j , |
|
(В.1) |
||
x j |
= |
u |
Tj |
Θ, |
|
|
|
|
|
|
гдеz1, z2 ,K, zi – |
последовательность |
скалярных наблюдений |
идентифицируемого |
|||||||
процесса; Θ – неизвестный, подлежащий оцениванию вектор |
параметров модели |
|||||||||
идентифицируемого |
процесса; u Tj |
– известные вектора-столбцы, элементами |
которых являются функции выбранной базисной системы модели идентифицируемого процесса; vj – последовательность независимых случайных величин, причём
Ev j = 0, Ev j |
2 < ∞, j =1(1)i . |
(В.2) |
Основные положения
Первым этапом решения данной задачи является выбор функций базисной
системы модели сигнала, т.е. выбор компонент вектора u Tj |
: |
|
u |
Tj = [ f1 (t) f2 (t)... fm (t)], |
(1.1) |
где fi (t), i =1,2,..., m – функции выбранной базисной системы.
Функции fi (t) выбираются таким образом [2], чтобы полученная модель сигнала
x j = |
u |
Tj Θ =θ1 f1 (t) +θ2 f2 (t) +... +θm fm (t) |
(1.2) |
263
позволяла выполнять простейшие линейные операции над вектором u Tj , а также
достаточно эффективно решать задачу идентификации наблюдаемого процесса. Наиболее часто для этих целей подходит полиномиальный ряд по степеням t :
f1 (t) =1, |
f 2 (t) = t, f3 (t) = t 2 ,..., f m (t) = t m−1 . |
(1.3) |
Далее, |
в зависимости от условий решаемой |
задачи, выбирается метод |
определения вектора параметров θ модели сигнала (1.2). В частности, при отсутствии информации о характеристиках и модели сигнала выбирается классический метод наименьших квадратов [3], метод взвешенных наименьших квадратов или метод наименьших квадратов с учетом старения информации.
Для решения задачи линейного преобразования идентифицированного процесса с
целью получения |
некоторой величины yˆ(t) = ϕ[zˆ(t)], |
где ϕ определяет требуемое |
|||||||
линейное преобразование полученного процесса, введем соотношение: |
|
||||||||
|
|
|
T ˆ |
|
|
|
|
|
|
yˆ(t) = ϕ[zˆ(t)] = l |
|
|
|
|
(1.4) |
||||
Θ. |
|
|
|
|
|||||
ˆ |
текущей оценки параметров модели |
сигнала, |
|
|
T |
– вектор будет |
|||
l |
|||||||||
где Θ – вектор |
|
определять характер линейного преобразования вектора u Tj .
Подробно рассмотрим процедуру получения искомой оценки. Пусть модель
оценки идентифицируемого сигнала определяется выражением |
|
|
||||||||||||||
|
|
|
|
T |
ˆ |
|
|
|
|
|
ˆ |
|
|
|
|
|
zˆ(t) = u |
|
|
|
|
|
|
|
|
(1.5) |
|||||||
|
(t) Θ = [ f1 (t) |
f2 (t) ... fm (t)] Θ . |
|
|
|
|||||||||||
ˆ |
|
ˆ |
|
ˆ |
ˆ |
|
T |
– |
вектор |
текущей |
оценки параметров модели |
сигнала, |
||||
|
|
|
||||||||||||||
где Θ = |
|
θ1 |
|
θ2 ... |
θm |
|
|
|||||||||
определяемый |
методом наименьших |
квадратов, |
u |
T (t) = [ f1 (t) |
f2 (t) ... fm (t)] |
– вектор |
||||||||||
функций выбранной базисной системы модели сигнала. |
|
|
||||||||||||||
Для |
данного |
примера |
в качестве |
fi (t), i =1,2,..., m |
выберем |
элементы |
||||||||||
полиномиального ряда по степеням t : |
|
|
|
|
|
|
f1 (t) =1, |
f 2 (t) = t, f3 (t) = t 2 ,..., f m (t) = t m−1 , |
|
u |
T (t) = [1 |
t t 2 ... t m−1 ] . |
Тогда модель оценки идентифицируемого процесса получим в виде
|
|
|
T |
ˆ |
|
|
|
|
|
zˆ(t) = u |
|
|
f1 (t) + θ2 f2 (t) + θ3 f3 (t) +... + θm fm (t) = |
||||||
|
(t) Θ = θ1 |
||||||||
ˆ |
|
ˆ |
|
ˆ |
t |
2 |
ˆ |
m−1 |
. |
= θ1 |
+ θ2 |
t + θ3 |
|
+... + θm t |
|
(1.6)
(1.7)
(1.8)
Для получения оценки производной полученного сигнала продифференцируем левую и правую части выражения (1.8). Получим:
ˆ& |
= θ1 |
& |
(t) + θ2 |
& |
(t) + θ3 |
& |
|
& |
|
z(t) |
f1 |
f 2 |
f3 |
(t) +... + θm fm (t) = |
(1.9) |
||||
ˆ |
ˆ |
|
|
|
ˆ |
m−2 |
. |
||
|
|
|
|
||||||
= θ2 |
+ 2θ3 |
t +... + (m −1)θm t |
|
|
Далее возьмем производную по времени от каждого компонента вектора u T (t) :
|
|
& |
|
& |
|
& |
|
& |
|
|
m−2 |
|
|
|
u (t) = |
(t) |
(t) |
(t) ... |
= |
0 1 2t ... (m −1)t |
. |
(1.10) |
|||||||
f1 |
f2 |
f3 |
fm (t) |
|
||||||||||
& |
|
|
|
|
|
|
|
|
|
|
|
|
|
Как видно из выражений (1.9) и (1.10), для получения оценки производной идентифицированного сигнала достаточно проделать такую же операцию (взятие
производной) над каждой из компонент вектора базисных функций |
u |
T (t) |
и умножить |
|||||||||||||||
его на вектор оценки параметров |
ˆ |
|
|
|||||||||||||||
Θ модели сигнала (1.5). Тогда вектор линейного |
||||||||||||||||||
преобразования lT |
|
для данной задачи получим в виде |
|
|
||||||||||||||
|
|
T |
|
|
|
|
|
|
& |
& |
& |
& |
|
|
|
|
m−2 |
|
l |
(t) = u (t) = |
|
= |
0 1 2t ... (m −1)t |
, (1.11) |
|||||||||||||
|
|
f1 (t) |
f2 (t) |
f3 |
(t) ... fm (t) |
|
||||||||||||
|
|
|
|
|
& |
|
|
|
|
|
|
|
|
|
|
|
|
|
и оценка производной полученного сигнала будет определяться из выражения |
|
|||||||||||||||||
|
|
ˆ |
|
|
|
T |
|
ˆ |
|
|
|
|
|
|
|
(1.12) |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
z(t) = l |
|
|
(t) Θ , |
|
|
|
|
|
|
|
||||||
|
|
& |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
264
где l T (t) = u&(t) – вектор линейного идентифицируемого сигнала zˆ(t) , Θˆ – вектор
текущей оценки параметров модели сигнала (1.5). Из рассмотренного примера следует, что, применяя аналогичные рассуждения и соответствующим образом преобразовывая
вектор базисных функций u T (t) , можно прийти к решению целого класса задач, определяемых линейным преобразованием вектора u T (t) .
В качестве примера полиномиального ряда по приведенные выше, для
выберем модель идентифицируемого сигнала в виде степеням t (1.3). Тогда, применяя преобразования, оценки сигнала (В.1), получим вектор линейного
|
|
T в виде: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
преобразования l |
|
|
|
T |
|
|
|
|
|
|
|
|
|
|
|
t)2 |
|
|
t)m−1 ] ; |
|||||||
1) |
для задачи экстраполяции |
|
|
|
|
|
|
(ti |
|
|
(ti + k |
|
(ti + k |
|||||||||||||
l |
|
= [1 |
|
+ k |
t) |
... |
||||||||||||||||||||
2) |
для задачи интерполяции |
|
|
T |
= [1 |
|
(ti |
− k |
t) |
(ti − k |
t)2 |
... |
(ti − k |
t)m−1 ] ; |
||||||||||||
l |
||||||||||||||||||||||||||
3) |
для задачи дифференцирования |
|
|
T |
|
2ti |
|
(m −1)ti m−2 ] ; |
|
|||||||||||||||||
l |
= [0 1 |
... |
|
|||||||||||||||||||||||
4) |
|
|
|
|
|
T |
|
1 t 2 |
1 t3 |
... |
1 |
t m ] ; |
|
|
|
|||||||||||
для задачи интегрирования l |
= [t |
|
|
|
||||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
T |
|
|
|
|
|
|
|
|
|
2 |
|
3 |
|
|
m |
|
|
|
|
|
5) |
|
|
|
= [1 |
0 |
|
0 ... |
0] . |
|
|
|
|
|
|
|
|||||||||||
для задачи фильтрации l |
|
|
|
|
|
|
|
|
||||||||||||||||||
Для получения экспериментальных данных применим рассмотренные линейные |
||||||||||||||||||||||||||
преобразования сигналов к сигналу вида |
s(t) = at e−bt sin(ct) с параметрами a = 5 , |
|||||||||||||||||||||||||
b = 0.3 , |
c = 2 в присутствии аддитивной помехи |
в |
виде белого шума с нулевым |
|||||||||||||||||||||||
математическим ожиданием и дисперсией D = 0.5. В качестве модели сигнала примем |
||||||||||||||||||||||||||
элементы полиномиального ряда uT = [1 |
|
t] . |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 1.1. Дифференцирование сигнала методом наименьших квадратов с учетом старения. Длина памяти равна 0.8 с
Из полученного экспериментального материала следует, что линейное преобразование сигналов с использованием метода наименьших квадратов может применяться при решении широкого круга задач теории автоматического управления, где используются алгоритмы обработки сигнала в присутствии помех. Как видно из приведенных выше графиков, алгоритмы эффективно работают в присутствии помех, что особенно важно при решении задачидифференцированиясигнала.
Литература
1.Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. М.: Наука, 1977.
2.Чураков. Е.П. Оптимальные и адаптивные системы. М.: Энергоиздат, 1987.
3.Льюнг. Л. Идентификация систем. М.: Наука, 1991.
265
ВЕКТОРНАЯ СИСТЕМА УПРАВЛЕНИЯ УСТРОЙСТВОМ РЕКУПЕРАЦИИ НА МИКРОПРОЦЕССОРЕ TMS320F243
А.П. Баев, М.Р. Гончаренко, А.С. Исаков, А.Н. Коровьяков, О.С. Осипцева
В статье представлены результаты разработки и испытаний микропроцессорной системы управления устройством рекуперации энергии в промышленную сеть, входящей в состав системы управления приводами эскалатора метрополитена.
Введение. Постановка задачи
Необходимость разработки описываемой системы возникла при решении поставленной Комитетом по экономике и промышленной политике Администрации Санкт-Петербурга задачи реконструкции систем управления асинхронными двигателями эскалаторов.
Принципы построения и функциональные свойства системы
Современные системы управления асинхронными электроприводами создаются на основе совокупности взаимосвязанных физических принципов, способов организации управления и взаимодействия функциональных элементов системы.
Для повышения экономической эффективности в структуру привода включено устройство рекуперации (УР) энергии. При этом достигается энергосбережение и уменьшение уровня возмущений на сеть со стороны работающего электропривода. Реализация управления УР строится в соответствии с современной концепцией векторного управления электроприводами и устройствами рекуперации. С целью расширения функциональных возможностей система управления реализована на основе микропроцессора и согласующего электронного обрамления. Основным требованием к микропроцессору является его повышенное быстродействие. Поэтому в системе управления УР применен сигнальный процессор TMS320F243, обладающий полным требуемым набором встроенных периферийных устройств АЦП, ШИМ и т.д.
Устройство рекуперации асинхронного электропривода эскалатора должно функционировать в одном из следующих режимов: в режиме синхронизации с сетью, в режиме компенсации реактивной мощности и в автономном режиме. Цели управления и динамические характеристики УР в различных режимах принципиально различны, что при реализации системы управления отражается на структуре программного обеспечения.
Программное обеспечение управляющего микропроцессора построено по модульному принципу и состоит из основной программы и ряда программных модулей, обеспечивающих требуемые функции.
Принцип определения текущего значения фазы сети заключается в том, что трехфазный вектор напряжений сети подается на вход преобразователя координат из неподвижной системы во вращающуюся. Если результирующий вектор трехфазного напряжения совпадет с осью Y вращающейся системы координат, то проекция результирующего вектора напряжения на ось X будет равна нулю, а проекция на ось Y пропорциональна амплитуде фазного напряжения.
Во вращающейся системе координат формируются сигналы задания тока для фазных регуляторов. При этом составляющая тока по оси X задается нулевой, в результате вектор тока в фазах совпадет с вектором фазного напряжения, а реактивная составляющая тока отсутствует.
Контроллер на базе сигнального процессора TMS320F243 выполняет быстрые аппаратные алгоритмы управления инвертором, ввод информации с датчиков, контроль работы, используя развитую систему периферийных устройств и датчиков контролируемых физических величин. Процессор осуществляет алгоритмы
266