книга в верде после распозна (1024283), страница 47

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 47)

Уставки бывают индивидуальные или групповые (для группы од­нотипных параметров). Сравнение с уставками выполняется в ИИС либо специализированными блоками, либо общим устройством обра­ботки информации.

Логическая обработка информации. Эта функция характерна для мно­гих видов ИИС, и в особенности для систем технической диагностики и систем опознания образов. В них наряду с вычислительной обработ­кой приходится формировать разнообразные логические суждения. Ответ на вопрос о том, соответствует ли данный образ одному из из­вестных ранее, может формироваться как результат решения слож­ных логических функций большого числа дискретных переменных. Аналогично может решаться задача определения номера отказавше­го элемента в контролируемой технической системе.

Для решения каждой логической функции можно составить схе­му из набора простейших логических элементов типа И, ИЛИ, НЕ и т. п., но если в системе число таких логических задач велико и они сравнительно сложны, то выполнение их возлагают на общее устройство обработки информации.

Прогнозирование аварийных ситуаций. Система автоматического контроля в некоторых случаях должна не только обнаруживать от­

0

клонения од норм в объекте, после того как они произошли, но и предсказывать заблаговременно наступление таких событий, в осо­бенности аварийных ситуаций. Предсказание выполняется устройст­вом обработки информации на основе накопленных в его памяти све­дений о ходе технологического процесса (о состоянии объекта) в те­чение определенного интервала времени, непосредственно предшествую­щего данному моменту. В математические формулы, по которым ве­дется прогнозирование, входят помимо этих данных динамические характеристики объекта. Программа выполнения этой обработки, а также константы, входящие в решаемые уравнения и определяемые конкретными динамическими характеристиками данного объекта, хранятся в памяти устройства обработки.

Результаты прогнозирования помогают заблаговременно ликви­дировать опасность аварии путем оперативного воздействия на объект. Задачи такого типа решают, например, распространенные в энергети­ке системы противоаварийной автоматики.

Статистическая обработка результатов измерений с целью повышения точности. Погрешность измерений представляет собой обычно случай­ную величину. Во многих случаях математическое ожидание (т. е. сред­нее значение) погрешностиравнонулю. Если заранее известно, что это условие соблюдается, то можно повысить точность, измеряя п раз дан­ную величину х и вычисляя затем среднее из результатов измерений Ху, хп .

1 "

х = — 2 х..

ср I

п i= 1

При этом погрешность хср остается случайной величиной, но ее дис­персия в п раз меньше дисперсии погрешности отдельных измерений х:

D(Axcp) = D(Ax)ln.

Здесь Ах — случайная погрешность отдельного измерения х; Дл"ср —

случайная погрешность определения среднего -значения хср; D(Ax),

D(Ax„ ) — дисперсии этих погрешностей, ср

Следовательно, среднеквадратическое значение погрешности, рав­ное корню квадратному из дисперсии, уменьшается в результате опи­санной обработки в yfn раз.

Если математическое ожидание погрешности М(Ах) Ф 0, но зна­чение его известно из предыдущих статистических исследований харак­теристик данного измерительного прибора, то можно выполнять анало­гичную обработку, вычитая предварительно из каждого результата измерений х{ значение М(Ах):

х = - S [х, -М(Д*)].

п i = J

0

Известны и другие способы статистической обработки результатов измерений с целью повышения точности.

Вычисление статистических характеристик измеряемых величин. Измеряемая величина х, как правило, тоже случайна. В ряде случаев при исследовании тех или иных объектов возникает задача определе­ния не отдельных случайных значений х, а их статистических характе­ристик с целью последующего использования в расчетах, в прогнози­ровании и планировании. В число таких статистических характеристик входят: а) плотность распределения f(x) или интегральная функция распределения F(x) (эти две характеристики взаимно однозначно связаны); б) математическое ожидание (среднее значение) М(х); в) дисперсия (среднее значение квадрата отклонения от математичес­кого ожидания) D(x) или среднеквадратическое отклонение а(х) = = y/D(x). Математическое ожидание и дисперсию называют соответ­ственно первым и вторым моментами распределения f(x). Иногда бы­вает нужно определять и моменты более высоких порядков.

В ряде случаев несколько параметров, характеризующих состояние исследуемого объекта, имеют между собой корреляционные связи. Тогда говорят о системе случайных величин и о законах распреде­ления таких систем. Например, для системы двух взаимно коррелиро­ванных случайных величин х, у бывает необходимо определять как порознь плотности распределения каждой из них f(x), /(у), так и плот­ность совместного распределения f(x, у) или условные плотности рас­пределения f(x\y), f(y\x). Как известно из теории случайных вели­чин, перечисленные функции связаны соотношением

f(x, у) = f(x\y)f(y) = f(y\x)f(x).

Может потребоваться определение отдельных числовых характе­ристик (моментов) этих функций распределения.

Вычисление статистических характеристик выполняется устройст­вом обработки информации по формулам математической статисти­ки. Исходным материалом служат результаты многократных измере­ний значений х, у.

Вычисление статистических характеристик случайных процессов. Перечисленные выше статистические характеристики случайных изме­ряемых, величин дают довольно полное представление о диапазоне раз­броса их значений, о зонах предпочтительного сосредоточения, о взаим­ных корреляционных связях и т. д., но никоим образом не отражают их динамические свойства, т. е. характер изменения во времени. Меж­ду тем большую часть измеряемых величин следует рассматривать в процессе их измерения во времени. Как правило, точно предсказать их изменение во времени на основе предшествующих значений нельзя, потому чтс».это случайные функции времени. Их называют также случай-нымд процессами. Но существует набор статистических характеристик,

0

отражающих в усредненном виде именно динамические свойства та­ких случайных процессов. Во временной области динамика случайно­го процесса х(г) хорошо характеризуется автокорреляционной функ­цией. Для широко распространенного класса эргодических стационар­ных случайных процессов автокорреляционная функция определя­ется выражением

1 т

R (т) = lim — г [x(t) -M(x)][x(t + r) -M(x)]dt. 7*->oo т о

Эта функция характеризует степень корреляционной связи между ординатами процесса x(t), отстоящими одна от другой на интервал т. При этой обработке пара перемножаемых ординат, взятых в момен­ты t и't + т, непрерывно скользит по оси времени. Поэтому получает­ся усредненная характеристика. По скорости изменения R(t) можно судить о динамических свойствах процесса х (г): чем R (т) затухает медленнее, тем ниже скорость изменения х во времени, потому что быстрому изменению х через интервал т от момента t препятствует на­личие корреляционной связи между х (г) и х (t + т).

С автокорреляционной функцией однозначно связана преобразо­ванием Фурье частотная характеристика случайного процесса S(со), называемая спектральной плотностью:

-/сот

S(co) = J Rx(r)e dr.

_ оо

Она также характеризует динамические свойства случайного про­цесса x(t), а именно показывает, как распределена го диапазону час­тот средняя мощность процесса. Чем медленнее затухает автокорреля­ционная функция, тем спектральная плотность убывает быстрее. Это означает, что медленные процессы имеют узкий частотный спектр. При быстро затухающей корреляционной функции спектр получается, на­оборот, широким.

Для характеристики динамики взаимно коррелированных случай­ных процессов х(г) и y(t) используются взаимно корреляционная функция

1 Т

R (г) = lim — И* (f) - М(х)] [у (г + т) - М(у)] dt * X ->оо Т о

и связанная с ней преобразованием Фурье взаимная спектральная плот­ность Sxy (со).

Если в функции ИИС входит отыскание перечисленных статисти­ческих характеристик случайных процессов, то их расчет возлагается на устройство обработки информации.

0

Вычисление обобщенных тежнико-экономических показателей про­изводства. Это одна из функ7дий ИИС, используемых для контроля протекания технологических процессов на различных промышлен­ных предприятиях. К числу обобщенных технико-экономических по­казателей могут относиться: а) сведения об объеме выработки продук­ции за смену, сутки, месяц, год; б) данные о запасах сырья и топли­ва и об их расходовании за различные интервалы времени;* в) свед -ния о качестве продукции, о коэффициенте полезного действия и т. п.; г) результаты сопоставления отчетных производственных показателей с плановыми; д) экономические показатели, характеризующие рен­табельность производства; е) сведения о повреждениях и простоях оборудования, об их. причинах; ж) данные о проведении регламент­ных работ по профилактическому обслуживанию оборудования. При­веденный перечень может быть продолжен.

Информацию такого вида обычно подготавливает и выдает на уст­ройства цифровой печати общее устройство обработки.

Повышение достоверности передачи кодированных сигналов. До­стоверность передачи кодированных сигналов по каналу с помехами можно повысить применением корректирующих кодов. Корректи­рующий код образуется путем добавления избыточных к элементов в исходный к-элементный код. Увеличение числа элементов двоично­го коца по т = п + к приводит к тому, что общее число возможных комбинаций возрастает от N - 2п до М = 2т. При этом число реаль­но используемых комбинаций остается равным N, но их располагают по определенному правилу среди М возможных комбинаций. -Прави­ло таково: искажение любой из 7Y используемых кодовых комбинаций под действием помех в канале связи может привести к образованию любой из числа К = М — N неиспользуемых комбинаций, но не долж Но приводить к образованию какой-либо из оставшихся N — 1 исполь­зуемых комбинаций. Практически полностью исключить возможность последнего события нельзя, но можно ценой усложнения кода и увели­чения числа избыточных элементов к уменьшить сколь угодно его ве­роятность.

Прием любой из К неиспользуемых комбинаций свидетельствует об искажении сигнала. Тогда сообщение бракуется. Во многих случаях этого достаточно. Например, при переда'е дискретных ординат непре­рывной функции x(t) качество воспроизведения функции на прием­ной стороне почти не пострадает, если некоторые из ординат будут забракованы. Так, при ступенчатой аппроксимации по диаграмме, изо­браженной на рис. 5.11, очередная горизонтальная ступень функции ха(0 будет продлена на следующий интервал Т. Если бракуется в сред­нем одна ордината из тысячи, то среднеквадратическая погрешность ап­проксимации почти не изменяется от этого.

В тех системах, где потеря сообщения столь же нежелательна, как и воспроизведение ложного сообщения, при обнаружении искажения

295

посылают по обратному каналу связи сигнал переспроса и сообщение повторяется.

Среди корректирующих кодов существуют не только такие, которые позволяют обнаруживать ошибки, как это показано выше, но и такие, которые позволяют исправлять ошибки, т. е. восстанавливать исход­ную комбинацию при получении искаженной. Такие коды строятся так, что к каждой из N используемых комбинаций примыкают свои L комбинаций-сателлитов из числа К неиспользуемых, причем иска­жение любых i элементов из используемой комбинации приводит к образованию одной из L комбинаций-сателлитов, если i < г. Здесь г — максимальное число искаженных элементов, исправляемых дан­ным корректирующим кодом. Комбинации-сателлиты должны быть свои у каждой из N используемых комбинаций — это должны быть не­перекрывающиеся! множества. Необходимым (но не достаточным) условием является неравенство L < K/N.

Получив искаженную комбинацию,не принадлежащую ни к одной из N используемых, приемник определяет, в какую из N групп сателли­тов она попадает. Этим однозначно идентифицируется исходная пере­данная комбинация.

Коды с исправлением ошибок сложнее кодов с их обнаружением. Кроме того, надо иметь в вицу, что в случае, когда число искаженных элементов превышает г, образуется комбинация, принадлежащая чу­жой группе сателлитов. Тогда декодирующее устройство в приемни­ке выдает ложную информацию.

Ценой еще большего усложнения получают коды, которые исправ­ляют до г искажений и обнаруживают искажения большего числа эле­ментов — от г + 1 до s. 3,ти коды строятся так, что при искажении от г + 1 до 5 элементов образуются комбинации, которые не входят ни в одну из групп сателлитов, но в то же время принадлежат к К неис­пользуемым комбинациям.

Описанные принципы кодирования применяются в ИИС, содержа­щих каналы связи большой протяженности. Как правило, выполне­ние операций кодирования и декодирования возлагается в них на спе­циализированные блоки — кодеры и декодеры.

Сжатие данных. Сигналы, с помощью которых передаются разнооб­разные сообщения, обладают, как правило, очень большой избыточно­стью в информационном смысле. Поясним это примером. Согласно тео­реме Котельникова функцию x(t) с граничной частотой спектра / можно однозначно восстановить по значениям дискретных ординат, взятых через интервал Т = 1/2/ .

В этих ординатах содержится полная информация о функции х (т). Тем не менее, как было показано в § 5.2, трудности восстановления функции приводят к тому, что практически дискретизацию по вре­мени ведут с интервалом в десятки раз меньшим, а каналы связи зани­мают избыточными сигналами, несущими чрезвычайно малое количество 296

Рис. 5.24

информации. Между тем каналы связи большой протяженности весь­ма дороги — велика стоимость их сооружения и эксплуатации. Любое уменьшение избыточности передаваемых сигналов ( сжатие данных) позволяет загрузить тот же канал сообщениями от дополнительного числа источников, что дает большой экономический эффект. Сжа­тие данных дает возможность разгрузить устройства хранения инфор­мации, что также весьма важно и дает существенную экономию.

Характеристики

Список файлов книги