23.2. Планирование измерительных экспериментов

Вводные замечания

Проведение всякого эксперимента связано с определенными затратами ма­териальных ресурсов, денежных средств, времени, причем с развитием науки и техники эти затраты увеличиваются (возрастают сложность н стоимость устано­вок, увеличиваются затраты энергии и т. п.). Поэтому возникает естественная задача такого планирования эксперимента, чтобы в результате его проведения получить все необходимые данные при ограниченных или минимальных затратах. Спланировать эксперимент фактически означает дать ответы на вопросы, где, как и когда проводить измерения. На подобные вопросы экспериментатор часто отвечает, руководствуясь своей интуицией, опытом. Однако такое интуитивное планирование экспериментов не может, естественно, служить объективным и надежным (гарантирующим от принятия ошибочных решений) основанием при планировании экспериментов (особенно дорогостоящих), не может оно также гарантировать и оптимальность эксперимента (например, получение максималь­ного количества информации об исследуемом объекте при ограниченных затра­тах). В связи с этим становится совершенно очевидной необходимость разработ­ки и применения некоторых объективных методов, которые позволили бы в опре­деленном смысле оптимальным образом организовать (спланировать) экспери­мент. Применение подобных методов может оказаться весьма полезным и в изме­рительно-информационной технике, особенно при создании и использовании ИИС.

Полезность применения методов планирования экспериментов в ИИТ обу­словлена тем, что при проектировании ИИС неизбежно возникает вопрос о мо­дели исследуемого объекта, для сбора информации о котором предназначена проектируемая система. Другими словами, речь идет о применении методов пла­нирования эксперимента при разработке технического задания на проектируемую ИИС, когда приходится решать задачи выбора количества измеряемых величин, расположения датчиков иа исследуемом объекте и т. п.

При разработке технического предложения (выборе структуры системы, ее функциональных блоков и т. п.) неизбежно приходится сталкиваться с необхо­димостью экспериментальной проверки принятых решений (например, экспери­ментальной проверки макетов некоторых функциональных блоков системы), т. е. опять с задачей планирования экспериментов.

В настоящее время разработаны различные методы планирования экспери­ментов, стандартные планы для типичных задач планирования и т. д. Все они составляют предмет теории эксперимента или, точнее, математической теории планирования эксперимента, причем математический аппарат, который исполь­зуется при оптимальном планировании экспериментов, базируется иа методах

Математической статистики и методах решения экстремальных задач. Изложению теории планирования экспериментов посвящен ряд монографий [23.7—23.10]. Здесь излагаются некоторые основные идеи и методы теории планирования экспериментов с целью привлечь к ним внимание специалистов по ИИС.

Основные идеи теории планирования эксперимента

Чтобы спланировать эксперимент, имеющий целью изучение некоторой си­стемы (процесса, объекта), сначала необходимо достаточно ясно и четко сфор­мулировать цель эксперимента, т. е. указать, какие именно параметры системы необходимо измерять, какие выбрать значения независимых переменных (вход­ных величин) и т. п. Естественно, что при этом необходимо располагать некото­рым математическим описанием (математической моделью) исследуемой систе­мы. В зависимости от того, какая математическая модель является подходящей для описания той или иной системы, последние разделяют на хорошо органи­зованные (детерминированные) и плохо организованные (диффузные, большие) системы.

В хорошо организованных системах можно выделить определенные процессы, зависящие от небольшого числа переменных, поддающихся изучению. Результа­ты в этом случае можно представить в виде функциональных связей, которым приписывается роль законов. Другими словами, хорошо организованные системы детерминированы, и при их исследовании предполагается, что значения всех не­зависимых переменных (факторов), кроме одной, можно поддерживать на опре­деленном уровне, а одну переменную (каждую по очереди) варьировать в целях установления ее влияния на интересующую нас выходную величину. Например, при исследовании проволочного тензодатчика можно считать, что выходная ве­личина — сопротивление тензодатчика R — является функцией двух основных независимых переменных — температуры Т и деформации 'Al:R=tp(T, А1). Для исследования этой зависимости можно спланировать так называемый однофак-торный эксперимент, при котором изучается сначала зависимость R(Al) при Т= =const, а затем зависимость R(T) при A/=const. Подобная методология одно-факторного эксперимента является весьма распространенной в технике экспери­мента, несмотря иа то, что часто оиа не имеет серьезных обоснований и не поз­воляет получить хорошие результаты хотя бы потому, что не так уже часто реальные системы можно считать хорошо организованными.

Чаще всего экспериментатору приходится иметь дело с плохо организован­ными (диффузными) системами, в которых действуют многие факторы, плохо поддающиеся стабилизации, и, кроме того, многие из этих факторов вообще трудно заранее учесть при составлении математической модели изучаемой систе­мы. Поэтому при экспериментальном исследовании таких систем детерминиро­ванные модели и методы становятся непригодными, и в этих случаях необходимо использовать статистические методы и модели, в частности, методы многомерной математической статистики (многомерной потому, что приходится учитывать действие многих факторов). Эти методы по существу представляют собой логи­чески обоснованные, формализованные методы экспериментального исследования, когда экспериментатор сознательно отказывается от детального изучения меха­низма всех процессов и явлений, протекающих в системе. Суть этих методов сводится к тому, чтобы изменяя возможно большее количество независимых пе­ременных (факторов), найти оптимальные в определенном смысле условия про­текания процесса. В этом и заключается методология так называемых много-

факторных экспериментов, при планировании которых возникают типичные зада­чи математической статистики: выбор оптимальной стратегии эксперимента в условиях неопределенности, обработка результатов измерений, проверка гипо­тез и принятие решений.

Следует отметить, что при изучении даже детерминированных систем экспе­риментальными методами из-за погрешностей результатов измерений невозможно получить точные значения измеряемых величин, получаются лишь некоторые оценки этих значений. Поэтому и здесь необходимо применять методы матема­тической статистики для получения «хороших» оценок, определения их досто­верности и т. п.

Таким образом, необходимость широкого использования идей и методов ма­тематической статистики в экспериментальных исследованиях вполне закономер­на, а следовательно, вполне закономерны и некоторые изменения методологии эксперимента, возникающие под влиянием математической статистики. Это влия­ние сказывается, в частности, в том, что изменились требования к математиче­скому описанию изучаемых объектов. Математическая модель должна с опре­деленной точки зрения отражать исследуемый объект. Поэтому для одного и того же объекта может быть построено много математических моделей, отра­жающих разные подходы к описанию свойств исследуемого объекта.

Традиционный путь построения математической модели исследуемого объек­та можно представить следующим образом. Вначале выдвигаются некоторые логически обоснованные предположения (гипотезы), исходя из них описывают поведение объекта, обычно в виде дифференциальных уравнений, при весьма малых изменениях факторов; решение дифференциальных уравнений дает инте­ресующие нас функциональные зависимости, которые затем сопоставляются с данными эксперимента (при этом обычно используются статистические крите­рии и методы).

Однако при описании сложных систем не всегда имеется возможность сфор­мулировать и обосновать некоторые априорные гипотезы, поэтому в таких слу­чаях широко используются так называемые полиномиальные модели. Система при этом представляется в виде некоторого «черного ящика» с доступными для измерения входными и выходными параметрами. Задача состоит в том, чтобы установить связь между выходным параметром и множеством входных пара­метров системы, ничего фактически не зная о механизме явлений в системе. При этом предполагается, что механизм этот можно описать дифференциальными уравнениями, но из-за сложности системы даже не делается попытка составить уравнения; предполагается, что дифференциальные уравнения можно решить, но решение неизвестно, неизвестен даже аналитический вид функции, являющийся решением дифференциального уравнения. В этих условиях зависимость выходного параметра системы от входных (искомая функциональная зависимость) пред­ставляется в виде полинома (линии регрессии), коэффициенты которого (коэф­фициенты регрессии) определяются по данным эксперимента. Методика получе­ния решения и анализа экспериментальных данных при полиномиальной модели разработана в математической статистике: это регрессионный анализ, который находит широкое практическое применение. Несколько более детально вопросы регрессионного анализа и планирования регрессионных экспериментов будут изложены далее.

Применение статистических методов в технике эксперимента кроме измене­ния требований к математическому описанию исследуемого объекта привело

также к изменению привычных взглядов на постановку и проведение самого эксперимента. Это находит свое отражение в так называемой концепции рандо­мизации, используемой при планировании экспериментов. Суть этой концепции состоит в том, чтобы обеспечить случайность действия различных факторов, т. е. план эксперимента составляется таким образом, чтобы все воздействующие фак­торы оказывали случайное влияние на изучаемое явление. Рандомизация экспе­римента стала одним из основных приемов и одной из важнейших предпосылок при планировании экспериментов.

Целесообразность использования рандомизированных планов обусловлена тем, что даже систематически действующие факторы, которые трудно учесть и контролировать, могут быть изучены (их влияние может быть выявлено) стати­стическими методами, составляющими раздел математической статистики — дис­персионный анализ.

Основную цель дисперсионного анализа поясним на простом примере одно-факторного анализа, когда проверяется действие только одного фактора. Пусть, например, одна и та же величина измеряется т однотипными измерительными приборами и требуется установить, можно ли считать систематические погреш­ности этих приборов одинаковыми. Другими словами, требуется проверить влия­ние одного фактора — прибора — на погрешность результатов измерений. Вы­полним с помощью каждого прибора серию из п измерений. Всего получим пт результатов измерений z,j, где /—номер прибора (/=1,..., т); т — коли­чество приборов; I — номер измерений (t=l,..., n).

Таблица 23.1. Результаты эксперимента

Измерения	! Приборы
	1	2	. . .	/ - -	m
1	*ii	Z21		Z/l	zm\
2	Z12	Z22		Zj2	*1П2
i	«li	zZi		*ji	zmi
п	Zln	*2n		zjn	ятп
Среднее	2i	^2		h	^m

При эксперименте будут получены следующие результаты измерений (табл. 23.1).

Оценка дисперсии результатов измерений (предполагается, что все результа­ты представляют собой выборку из одной генеральной совокупности):

т п

В4*ц) = ЛГ(~Т) £ £ (^гч~^)²-«=1 i=i

Оценка дисперсий, характеризующая рассеяние средних результатов измере­ния каждого прибора,

т

В этой формуле z — среднее арифметическое всех пт измерений.

Проверим теперь нулевую гипотезу, согласно которой центры рассеяния по­казаний каждого из приборов совпадают (т. е. гипотезу о равенстве системати­ческих погрешностей приборов). Если нулевая гипотеза верна, то расхождение между D*(Zij) и D*(2j) несущественно, если же обнаружится существенное рас­хождение между дисперсиями, то с большой вероятностью можно считать, что систематические погрешности приборов различны.

Идеи рандомизации и изучения рассеяния используются при применении дру­гих методов статистического анализа — метода главных компонентов, факторного анализа, дискриминаитного анализа.

Не всегда возможно или целесообразно планировать заранее весь экспери­мент. В этих случаях применяется стратегия последовательного эксперимента, заключающаяся в том, что планируется сначала некоторый этап (шаг) экспери­мента, затем производится анализ полученных данных и по его результатам принимается решение о следующем этапе (планирование следующего шага), в том числе может быть принято решение и о прекращении эксперимента '.

Математическая статистика внесла в теорию эксперимента идею оптималь­ного использования пространства независимых переменных, или, как ее часто называют, идею многофакторного эксперимента. Суть этой идеи состоит в том, что при планировании экспериментов, в которых необходимо учитывать влияние многих независимых переменных (факторов), экспериментатору предлагается ставить эксперимент так, чтобы изменять все факторы сразу, тогда как при тра­диционном планировании экспериментатор изучает влияние каждого фактора в отдельности, изменяя только его значения при фиксированных значениях остальных факторов. Оказывается, что такое многофакторное планирование является более эффективным, чем однофакторное, так как позволяет значительно уменьшить погрешности определения интересующих экспериментатора величин. Покажем это на примере линейного регрессионного анализа.

Пусть некоторая величина х линейно зависит от т факторов у\,..., у_т-Уравнение регрессии будет иметь вид

x=b₀+b,y,+ ... +b_my_m,

где bo, Ьь ..., b_m —■ коэффициенты регрессии, которые необходимо определить по экспериментальным данным.

Так как количество подлежащих определению коэффициентов регрессии на единицу больше количества факторов, то к т действительным факторам необхо­димо добавить один [(т-\ 1)-й] фиктивный фактор. Будем считать, что значения каждого фактора могут находиться только на одном из двух уровней, которые условно будем обозначать -j-1 (верхний уровень) и —1 (иижиий уровень). При однофакторном планировании (поочередное изменение только одного фактора)

¹ Применение последовательного анализа при контроле рассматривается в гл. 13.

дисперсии оценок коэффициентов регрессии будут равны о².[Ь,-]=о²х/2я (а²л- -™

дисперсия, характеризующая погрешность эксперимента; п — число повторных измерений при изменении каждого фактора) и, очевидно, не будут зависеть от общего числа факторов. Если же изменять все переменные одновременно, то оценка дисперсии каждого из коэффициентов регрессии будет вычисляться по всей совокупности (т-\-\)п опытов, так что при некоторых условиях можно получить оценку а²[6,] в т-\-\ раз меньшую, чем при однофакторном экспери­менте.. Таким образом, при увеличении числа независимых переменных т, учи­тываемых в эксперименте, эффективность миогофакторного эксперимента растет как m-j-1.

Рис. 23.1. К определению угла наклона прямой регрессии:

а — небольшое расстояние между точками н\ и у-2\ б — увеличенное по сравнению с пре­дыдущим расстояние между точками у, и #_г

Ui У г У1 У г

а) 6)

Повышение эффективности многофакторного эксперимента (уменьшение дис­ персий оценок коэффициентов регрессии) можно объяснить также следующим образом. При линейном регрессионном анализе коэффициенты регрессии при за­ данной погрешности эксперимента с_х определяются тем точнее, чем больше радиус обследуемой сферы, т. е. чем больше диапазон изменения независимых переменных. Например, в однофакторной задаче (рис. 23.1) чем больше расстоя­ ние между точками у_у и у_ъ в которых производится измерение, тем точнее. оценивается коэффициент регрессии (угол наклона прямой регрессии ab). Мно­ гофакторные планы позволяют увеличивать радиус обследуемой сферы не только путем увеличения интервалов изменения факторов (что не всегда возможно по условиям эксперимента), но и опираясь на свойства многофакторного простран­ ства. Действительно, в одномерном пространстве радиус обследуемой сферы равен 1 (по-прежнему считаем, что переменные варьируются на уровнях +1), в двумерном пространстве этот радиус равен, очевидно, (радиус окружно-

сти, описанной вокруг квадрата со стороной, равной 2), в случае т-мерного пространства радиус обследуемой сферы равен V т.

Следует, однако, отметить, что не всякий многофакторный эксперимент поз­воляет уменьшить дисперсию оценок коэффициентов регрессии в m-J-1 раз. Этого можно достичь только путем соответствующего планирования многофакторных экспериментов (например, используя при линейной регрессии специальные планы, так называемые дробные реплики).

Планирование регрессионных экспериментов

Многочисленные задачи экспериментальных исследований на математическом языке могут быть сформулированы следующим образом: в результате экспери­мента необходимо получить некоторое представление о зависимости интересую­щей исследователя величины х от нескольких независимых переменных (факто­ров) у_ь ..., y_h. Эти переменные (факторы) задают ft-мерное факторное про­странство точек, ординатами которых являются значения у\, ..., уи- Функцио-

нальная зависимость при фиксированном х

1=1(Уи ..., Ук)

называется функцией отклика, или поверхностью отклика.

В общем случае аналитический вид функции отклика может быть неизвест­ным, поэтому приходится использовать полиномиальные модели, т. е. представ­лять приближенно функцию отклика в виде полинома (такое представление, очевидно, можно использовать и тогда, когда вид функции отклика известен):

k k k

Z = So +2 Mi+2} 2 ЪцУ1У} + — l=\ 1=1 /=1

Результаты измерений величины £ при различных значениях будут, очевид­но, случайными величинами, так как измерения производятся с погрешностями (случайными). Поэтому значения у\, ..., у к будут определять величину Ъ, лишь в среднем, т. е. функция отклика будет определяться как математическое ожи­дание М[Х\у_{, ..., tjh]. Задача состоит в том, чтобы по результатам эксперимен­та оценить коэффициенты Ро, Pi • • ■ Таким образом, функция отклика есть

М[Х\у_ъ ..., jnJ=E(tfi, ..., ук. ft. Pi -•■)

и представляет собой уравнение регрессии; эксперименты, целью которых явля­ется поиск оценок неизвестных параметров р₀, Pi -.. (коэффициентов регрессии) или неизвестной поверхности отклика, называются регрессионными; процедура поиска этих оценок называется регрессионным анализом.

В дальнейшем при изложении регрессионного анализа воспользуемся матрич-выми обозначениями. Итак, в некоторых точках ft-мерного факторного простран­ства у_и ... ук производятся измерения величины X, являющейся функцией фак­торов у_ъ ..., y_h. Эти факторы образуют матрицу-столбец

Ук Предположим, что выполнено п измерений, результаты которых можно пред­ставить матрицей-столбцом

Ч

причем эти измерения производились соответственно в точках с координатами

Уи, Уи Укй г/12, (/22, .--, Ук2, Ут, Учп, ■ ■ ■, Ук_п- Будем считать также, что

все результаты измерений представляют собой независимые, нормально распре­деленные случайные величины Х_ъ ..., Х_п с дисперсиями а,², ..., а_п². Уравнение регрессии можно записать в следующем виде:

т

М [X/Y] = £ (Y, V) = 1'^ГФ (Y) = ^ У,Ф, (У).

«3=1

где

V =

есть вектор оцениваемых параметров, составляющими которого являются все коэффициенты регрессии f3₀, Рь . -., £₄, ..., ®ц, ..., $и ...;

Ф(Г) =

Чх(У)

чАУ)

4m(Y)

— вектор известных функций [например, ф|(У) = 1, q>2(Y)=Y и т. д.].

Индекс «т» означает транспонирование матрицы.

При определении оценок параметров V естественно потребовать, чтобы иско­мые оценки обладали по возможности такими свойствами, как состоятельность, несмещенность и эффективность. Кроме того, обычно ищут линейные оценки, т. е. такие, которые можно представить в виде

V*=Uf,

где V* — вектор оценок; L — матрица размерностью пгХ.п.

Оценки, обладающие перечисленными выше свойствами, называют наилуч­шими линейными оценками, а для их определения можно воспользоваться следующей теоремой (см. [23.9]):

наилучшими линейными оценками для неизвестных параметров V являются

V*=T-'X,

где Т — неособенная квадратная матрица порядка т с элементами

^тр<? = 2 ^aap(^Yi)4q{Yi)p. 9=1, 2, ...,/п;

/=1

X — матрица-столбец с элементами

Х₉= 2j tolXltqlXl),

/=1 cui=1/oi², 1=1, 2, ..., п.

Матрица Т называется информационной матриц ей Фишера.

Матрица Т^-1, обратная информационной матрице, называется диспер­сионной, или ковариационной, матрицей D(V*) оценок V (иногда ее называют матрицей погрешностей). Диагональные элементы этой матрицы опре­деляют дисперсии оценок, а иедиагональные элементы — ковариации соответст­вующих им оценок (коэффициентов регрессии).

Определение оценок в соответствии с приведенной теоремой при сделанных предположениях означает фактически определение оценок по методу наимень-

ших квадратов. Поэтому оценки V*, полученные по последней формуле, обла­дают тем свойством, что минимизируют диагональные элементы матрицы D(V*). Доказано также (см., например, [23.8]), что наилучшие линейные оценки V* обладают наименьшей дисперсионной матрицей D(V*) среди всех линейных несмещенных оценок и определитель [D(V*)] также наименьший, т. е.

D(V*)<D(V_H*) и

[D(V*)]<[D(V_B*)],

где V_H — вектор любых несмещенных линейных оценок.

Так как целью регрессионных экспериментов является получение оценок ко­эффициентов регрессии, то качество (или оптимальность) таких экспериментов и соответствующих им планов естественно оценивать в зависимости от точности получаемых в результате эксперимента оценок. Точность оценок V* характеризуется их дисперсионной матрицей D[V*], поэтому критерии оптимальности планов регрес­сионных экспериментов обычно формулируются в виде некоторых требований, предъявляемых к дисперсионной (а следовательно, и к информационной) матрице.

Прежде чем формулировать критерии оптимальности планов, уточним поня­тие плана регрессионного эксперимента. Учитывая, что в общем случае в каж­дой точке факторного пространства Yi может производиться несколько незави­симых измерений, планом регрессионного эксперимента e(N) называется сово-

п

купиость величии (Ki, n), ..., (У_л, Гп)>2 n=iV, где N — общее количество

i=i измерений.

План называется £>-оптимальным, если он минимизирует определитель дис­персионной матрицы (соответственно максимизирует определитель информацион­ной матрицы), т. е. £>-оптимальное планирование заключается в отыскании

min I D I

е(ЛГ)

или

max | Т | .

е (N)

Определитель дисперсионной матрицы |D| (его называют также обобщен­ной дисперсией) характеризует объем эллипсоида рассеяния оценок V*, поэтому £>-оптимальный план минимизирует объем этого эллипсоида.

План называется Л-оптимальным, если он минимизирует след S_p (сумму диагональных элементов) дисперсионной матрицы

т min S_PD = min 2j D„_g.

В (JV) E (W)

Л-оптимальный план минимизирует среднюю дисперсию наилучших линей­ных оценок.

Кроме перечисленных критериев оптимальности находят применение также минимаксные критерии (например, минимум максимальной дисперсии функции отклика), информационные и др. Оказывается, что в некоторых частных случаях

план, оптимальный в смысле одного критерия, одновременно оптимален и по другим критериям. Например, планы, оптимальные по минимаксному критерию, являются также D-оптима^ьными; если дисперсионная матрица имеет вид D= = С1, где С — константа, а I ~— единичная матрица, то план, которому соответ­ствует такая матрица и который Л-оптимален, будет также £>-оптимальным.

Задача построения оптимальных планов регрессионных экспериментов в общем случае является весьма сложной, поэтому ее решают обычно с исполь­зованием ряда ограничений (например, поверхность отклика является линейной или квадратичной функцией независимых переменных и т. д.). В настоящее время наиболее разработана теория £>-оптимальных планов для линейной ре­грессии.

Планирование экспериментов по выяснению механизма явления

Эксперименты по выяснению механизма явления имеют своей целью опреде­ление математической модели, описывающей исследуемое явление (объект). При планировании таких экспериментов исследователь обычно располагает некоторой информацией об исследуемом объекте, и в зависимости от этой априорной инфор­мации возникают три различные постановки задач.

1. Математическая модель объекта априори известна, т. е. известен анали­тический вид функции отклика |(У, V) и требуется определить вектор пара­метров

е.

или же известны не только вид функции $(У, V), но и предварительные оценки 8₀*, которые необходимо учитывать.

98. Известно, что функция отклика совпадает с одной из функций |i (У, V), £г(У, V), ..., |_Я(У, V), и требуется определить, какая из этих функций является истинной, и оценить ее параметры. При этом предполагается, что в различных моделях вектор параметров Vi (t=l, ..., q) может иметь различную размер­ность. Другими словами, перед экспериментом исследователь располагает не­сколькими возможными моделями (гипотезами) исследуемого явления, и задача состоит в том, чтобы поставить эксперимент, позволяющий выбрать такую мо­дель, которая лучше всего соответствует исследуемому явлению.

99. Аналитический вид функции отклика £(У, V) неизвестен, но известно (по крайней мере, предполагается), что функция отклика в интересующей исследова­теля области может быть с достаточной точностью аппроксимирована конечным рядом по некоторой системе наперед заданных функций (например, полиномом). Требуется поставить такой эксперимент, который позволил бы найти наилучшее описание функции £(У, V).

Математический аппарат планирования экспериментов наиболее полно раз­вит для решения первой из перечисленных задач. Применительно к этой задаче разработаны эффективные методы планирования как статических (планируется весь эксперимент в целом), так и последовательных (поэтапных) экспериментов. Методы статического планирования для широкого класса функций |(У, V) раз­работаны настолько, что подобное планирование сводится, по существу, к выбо-

ру готовых таблиц, описывающих оптимальные планы экспериментов. Некоторые трудности возникают в тех случаях, когда функция £(У, V) нелинейна по оце­ниваемым параметрам V. Однако, используя линеаризацию функции — разложе­ние ее в ряд Тэйлора в окрестности некоторой точки V₀* (точка предваритель­ных оценок параметров), обычно удается и в этом случае решить задачу стан­дартными методами.

Достаточно полное описание методов решения первой задачи имеется-в [23.8], многие методы планирования и описания различных оптимальных пла­нов можно найти в [23.7, 23.8].

Более сложной является вторая задача — планирование экспериментов по. выбору наилучшей модели из некоторой заданной совокупности; эта задача является, по существу, задачей дискриминации гипотез. Планирование дискрими­нирующих экспериментов заключается в поиске таких точек У, в которых кон­курирующие гипотезы |(У, Vi), .... |«(У, V_g) давали бы разные результаты,. т. е. результаты измерений в этих точках не должны быть инвариантны к заме­не одной проверяемой модели другой. Здесь прежде всего возникают две основ­ные задачи. Первая — это выбор совокупности конкурирующих моделей-гипотез. Естественно, что лучшие результаты могут быть получены тогда, когда число* конкурирующих моделей невелико, а их совокупность содержит истинную мо­дель. Эту задачу должен решать специалист той облЗЪти науки, к которой относится планируемый эксперимент. Вторая задача — выбор некоторого опти­мального решающего правила, позволяющего принимать или отвергать конкрет­ные гипотезы. В качестве таких правил можно использовать решающие правила, основанные на сравнении взвешенных сумм квадратов отклонений по критерию-X², правила, основанные на критерии отношения максимального правдоподобия,. на энтропийном критерии (мера Кульбака), и т. п.

Наибольшие трудности встречаются при планировании экспериментов в тех случаях, когда математическая модель исследуемого явления совершенно не­известна. Оптимальные планы экспериментов при неизвестном виде функции. |(У, V) в настоящее время еще не разработаны, н задача эта решается обычно. с помощью некоторой последовательной процедуры, предусматривающей чередо­вание экспериментов по уточнению параметров и дискриминирующих эксперимен­тов. Этот процесс поиска математической модели можно представить [23.8J: в виде следующей схемы (рис. 23.2).

Блок 1 отображает экспериментальный этап работы, т. е. техническое осу­ществление ранее спланированных экспериментов (например, некоторых предва­рительных, «затравочных» экспериментов). Следующий этап (блок 2)—оценка параметров V некоторой предварительной (может быть, грубой), но известной' модели |(У, V). После этого (блок 3) проверяется, согласуется ли описание функции |( У, V*), где V* — вектор полученных оценок, с экспериментальными данными. Если согласуется, то эксперимент можно прекратить либо спланировать. его по дополнительному уточнению оценок (или некоторой наиболее интересной части этих оценок). На схеме, изображенной на рис. 23.2, этому этапу соответ­ствует блок 4. Если же модель |(У, V) плохо согласуется с экспериментальным» данными, то требуется пересмотр принятой модели путем более тщательного-анализа исследуемого явления и возможно построение новой модели (блок 5). Наконец, последний этап — планирование дискриминирующего эксперимента (блок 6), который позволил бы выяснить, какая из имеющихся моделей лучше описывает исследуемый объект.

При реализации такой последовательной процедуры поиска моделей исполь­зуются, естественно, методы и критерии, применяемые при решении задач по уточнению или определению оценок параметров и по дискриминации моделей. Однако такое поочередное решение этих задач может привести к плохим резуль­татам (будет выбрана модель, плохо описывающая исследуемое явление). Это связано с тем, что если выбрана неадекватная предварительная модель, то те­ряет смысл задача уточнения оценок ее параметров, а если параметры модели оценены грубо, то трудно осуществить правильно дискриминацию моделей.

			3
					,
5					■					'
	1			2					4
t					1

Рис. 23.2. Схема процесса поиска мате­матической модели:

I — эксперимент; 2 — обработка эксперимен­тальных данных и поиск оценок искомых параметров; 3 — проверка согласия между моделью и данными; 4 — планирование экс­перимента по уточнению параметров; 5 — пе­ресмотр модели и выдвижение конкурирую­щей модели; 6 — планирование дискримини­рующего эксперимента

В связи с этим возникает весьма актуальная и вместе с тем сложная задача построения таких планов, которые были бы оптимальными и в смысле уточнения параметров, и в смысле дискриминации моделей. Здесь необходимо решить зада­чу выбора некоторых обобщенных критериев оптимальности. При разработке таких критериев обычно используют некоторые функции от известных частных критериев либо вводят новые критерии точности результатов эксперимента, учи­тывающие одновременно информацию и по определению оценок параметров, и по дискриминации моделей.

Обобщенным критерием первого типа может быть, например,

где М — мера, зависящая от качества дискриминации; Л — мера точности оценки параметров; Н\, Н₂ — весовые множители, которые должен выбирать исследо­ватель.

Критерий К может означать конкретно потери при неправильном решении задачи. Тогда М будет характеризовать потери, вызванные неправильной дискри­минацией модели, а Л — потери из-за неточного определения оценок неизвестных параметров. При использовании таких обобщенных критериев возникает труд­ность, связанная с выбором весовых множителей Hi и Н₂.

Обобщенным критерием второго типа может быть информационный критерий (например, среднее количество информации, приобретенной в эксперименте).

Краткое изложение методов планирования экспериментов при неизвестной функции |(У, V) имеется в [23.7, 23.8].

Планирование экстремальных экспериментов

Необходимость в планировании экстремальных экспериментов возникает при решении различных экстремальных задач (задач оптимизации) в условиях, когда исследуемые объекты (процессы) представляют собой диффузные системы с не­известными механизмами (математическими моделями) явлений. Типичными при­мерами таких задач являются задачи оптимизации различных химических, ме-

таллургических и биологических процессов, причем протекание каждого из них зависит от многочисленных факторов, влияние которых на процесс трудно под­дается функциональному описанию. Поэтому и возникает задача эксперименталь­ного поиска оптимальных условий протекания диффузионных процессов, а сле­довательно, и задачи планирования таких экспериментов. Таким образом, пла­нирование экстремальных экспериментов заключается в поиске таких значений факторов (контролируемых переменных), которые обеспечивают оптимальное в смысле некоторого критерия протекание процесса. Например, для определен­ного химико-технологического процесса критерием оптимальности может быть требование максимального выхода продукта реакции, а планирование экспери­мента будет заключаться в поиске таких значений факторов (температуры, дав­ления, концентраций реагентов и т. п.), которые обеспечивают это требование. Так как зависимость выходного продукта от факторов (поверхность отклика) априори неизвестна, то в этом случае используют полиномиальную модель, а для нахождения оптимальных значений факторов предусматривают при плани­ровании изменения факторов в широких пределах. Однако проведение такого многофакторного эксперимента потребует, очевидно, очень большого числа опытов, времени и затрат. Чтобы избежать этого, планирование экстремальных экспери­ментов основывается обычно на «шаговом» методе изучения поверхности отклика [23.7], суть которого состоит в том, что вначале ставится небольшая серия опы­тов для локального описания небольшого участка поверхности отклика полино­мом первой степени, далее осуществляется движение по поверхности отклика в направлении градиента линейного приближения, ставится новая серия опытов и т. д. Этот шаговый процесс продолжается до тех пор, пока не будет обнару­жена некоторая «почти стационарная» область, где линейная модель уже не­пригодна. В этой области используются полиномы второй степени и планируется большая серия опытов.

Таким образом, планирование экстремальных экспериментов сочетает в себе идею движения по градиенту (крутого восхождения по поверхности отклика) с планированием многофакторных регрессионных экспериментов для локального описания поверхности отклика.

Следует отметить, что вопросы планирования экстремальных экспериментов разработаны в настоящее время достаточно полно, изложению соответствующих методов планирования и их практическому использованию посвящено значитель­ное число работ.

ЗАКЛЮЧЕНИЕ

В данной книге систематизированы структуры, алгоритмы функционирования и даны начала системотехнического проекти­рования ИИС и входящих в них системных устройств. Остановим­ся на перспективах их развития и попытаемся наметить задачи, подлежащие решению в будущем.

В первую очередь можно выделить круг задач, связанных с совершенствованием основных метрологических, эксплуатацион­ных, экономических характеристик ИИС в рамках функций, вы­полняемых существующими в настоящее время системами. Даль­нейшее повышение точности, быстродействия, чувствительности,

надежности, уменьшение стоимости, улучшение других характе­ристик ИИС, видимо, относятся к таким задачам." Современная техника реализации ИИС далека от достижения предельных зна­чений этих характеристик (которые, кстати, строго еще не опре­делены), и можно предполагать, что в ближайшее время будет интенсивно продолжаться работа по их улучшению.

К этому же классу задач можно отнести разработку более со­вершенных методов проектирования и создания как технических средств, так и программного, метрологического и методического «беспечения ИИС, базирующихся на развитии теории информаци­онно-измерительной техники, применении современных средств микроэлектроники и микропроцессорной техники, устройств, вхо­дящих в АСЭТ и другие комплексы ГСП, и т. п.

В ближайшее время получат распространение ИИС, включа­ющие большое количество одновременно работающих микропро­цессоров, системы, в которых рационально сочетаются аппарат­ные и программно-управляемые устройства.

Назрела необходимость в расширении работ по созданию бан­ка алгоритмов типовых операций измерения, контроля и т. д., про­грамм, структур и данных по характеристикам устройств, входя­щих в ИИС.

Дальнейшее развитие должна получить роботизация контроль­но-измерительных устройств, охватывающая в настоящее время автоматизацию выполнения вспомогательных операций установки объектов на позиции контроля или измерения, сортировки и т. п. Несколько типов таких контрольно-измерительных роботов выпус­каются отечественной промышленностью. Вероятно, парк конт­рольно-измерительных роботов должен существенно увеличиться в ближайшие годы.

Должны умножиться исследования, направленные на создание измерительно-вычислительных систем для интеллектуальных робо­тов разнообразного назначения.

Нет никакого сомнения, что решение даже перечисленных за­дач определит во многом перспективное .развитие ИИС, более широкое их применение в народном хозяйстве и научных иссле­дованиях.

В то же время существуют проблемы, решение которых может существенным образом повлиять на дальнейшее развитие теории и практики ИИС, определить их далекую перспективу. Остано­вимся лишь на некоторых из перспективных проблем.

Прогнозируя развитие ИИС, следует обратить внимание в пер­вую очередь на возможность расширения выполняемых ими функ­ций и связанное с этим обстоятельством изменение состава функ­циональных устройств и структур ИИС.

Представляется, что дальнейшее развитие должны получить системы, выполняющие измерение и контроль при отсутствии све­дений или при приближенном знании о виде исследуемых вели­чин и характере взаимосвязей между ними. Анализ информатив­ности отдельных величин и измерение наиболее информативных,

адаптация к динамическому, частотному диапазонам исследуемых величин в целях получения их количественной оценки и необхо­димых метрологических характеристик, выполнение измерений взаимосвязанных величин или отдельных составляющих (при от­сутствии заранее известных зависимостей между отдельными их составляющими) с применением обучаемых или самообучающих­ся систем, эффективное восприятие и количественное описание не отдельных значений исследуемой величины, а некоторой совокуп­ности (поля, пространства) исследуемых величин — вот далеко не полный перечень того, что, видимо, смогут более широко выпол­нять будущие ИИС.

В решении перечисленных проблем немаловажную роль могут сыграть, во-первых, осмысливание работы биологических анали­заторных систем — прототипов ИИС в живой природе — и иссле­дование возможностей перенесения в ИИС имеющихся там полез­ных и новых для техники структурных, функциональных и, воз­можно, элементных решений, а во-вторых, разработка новых средств и методов восприятия исследуемых величин.

Перспективы развития ИИС во многом будут определяться также расширением использования таких методов и средств вос­приятия исследуемых величин, как оптоэлектронные, акустические,. радиоволновые, рентгеноструктурные. Необходимо продолжить работу по систематизации и обобщению известных физических яв­лений, которые используются или могут быть использованы для восприятия исследуемых величин. Требуется провести анализ по­тенциальных возможностей метрологических характеристик этих явлений.

Получение новых результатов в области совершенствования ИИС, бесспорно, имеет большое научное и народнохозяйственное значение.

В дополнение к сказанному ранее остановимся на особенностях учебного процесса, связанных с изучением ИИС.

Настоящая книга содержит основной лекционный материал по-курсу ИИС. В ней систематизированы сведения по состоянию на 80-е годы о главных разновидностях ИИС, их структурах и алго­ритмах действия, системных технических средствах, а также при­водятся наиболее важные указания по системотехническому про­ектированию ИИС. По техническим системным средствам приво­дятся описания, рассматриваются вопросы их использования' в ИИС. При этом учитывается, что большинство этих средств изучаются в других курсах, знакомы студентам, что для их описа­ния и анализа требуется использование системотехнических моде­лей. Таким образом, сведения о технических (системных средствах даны только для того и в таких объемах, чтобы можно было* сознательно обосновать их выбор и применение в конкретных си­стемах. Заметим, что в некоторых книгах по системам этому мате­риалу уделяется существенно большее внимание, чем системным вопросам.

Предполагается, что детальное изучение системного оборудо­вания (например стандартных интерфейсов, микро-ЭВМ) должно-

происходить на лабораторных и практических занятиях, а также в процессе самостоятельной работы.

Однако необходимо иметь в виду, что изменение характери­стик и возможностей системного оборудования может привести к существенном}' изменению структурных и алгоритмических принципов построения систем. Поэтому необходимо при изучении материала этого направления дополнять его новыми данными как на лекциях, так и при самостоятельном изучении.

Структуры и алгоритмы действия ИЙС, изложенные в книге требуют дополнительной иллюстрации на примерах структур и алгоритмов новых современных систем. Очень полезно анализиро­вать такие системы, используя методические подходы, изложен­ные в книге.

Желательно для закрепления знаний и приобретения навыков проектирования систем выполнить учебные системотехнические системы.

В процессе проектирования должны быть обязательно преду­смотрены разработки соответствующих программ. Напомним, что в основу построения программ должны быть положены содержа­тельные логические схемы алгоритмов функционирования данной системы. По сути эти алгоритмы являются входным языком для последующего программирования.

Формальное описание функционирования ИИС с помощью СЛСА производится в настоящей книге впервые. Можно ожидать, что СЛСА и их применение будут совершенствоваться. В частно­сти, будут разработаны методы имитационного моделирования систем с помощью СЛСА. Если это будет сделано, то тем самым будут заложены основы САПР ИИС. Конечно, в такой САПР должны получить развитие и эффективно использоваться банки данных, содержащие характеристики функциональных блоков, выпускаемых промышленностью (в первую очередь), а также типовых решений.

Можно утверждать, что создание такого САПР будет иметь большое значение для дальнейшего развития теории и практики применения ИИС.

ПРИЛОЖЕНИЕ 1

импульсно-прямо-угольный

импульсно-остро-угольный

пилообразный перепад напряжений

импульсный, ампли­тудная модуляция

импульсный, частот­ная модуляция

импульсный, широт­ная модуляция

импульсный, фазо­вая модуляция

импульсный, кодовая модуляция

цифровой код

Род тока:

постоянный ток

переменный ток (низ­кие частоты)

переменный ток

(средние частоты)

переменный ток (вы­сокие частоты)

Фильтрация:

Нижних частот

Верхних частот

Полосовая

ОСНОВНЫЕ УСЛОВНЫЕ ОБОЗНАЧЕНИЯ

А. Буквенные обозначения

х, у

Z

X, У Z

Аналоговые сигналы Числовое значение Двоичное состояние, пе­редаваемое импульсом Множество аналоговых сигналов

Множество чисел Погрешность измерения:

абсолютная

б У

а а

относительная при­веденная

относительная

средняя квадратиче-,

екая Ошибки контроля:

первого рода

х

М

D

второго рода Интервал задержки, кор­реляции

Математическое ожидание Дисперсия

Функция распределения вероятности

f R

9 G

Р, Р АР, D*..

Плотность распределе­ния вероятности Корреляционная функция Нормированная корреля­ционная функция Спектральная плотность мощности Вероятность

Оценка статистических характеристик

А -Я-

Б. Символы

Сигналы: »

аналоговый амплитудно-модули-рованный

частотно-модулиро­ванный

фазо-модулирован-ный

JL1T J+-L

_4*>

Л*

ПРИЛОЖЕНИЕ 2 ПЕРЕХОДНЫЕ ХАРАКТЕРИСТИКИ ЦЕПОЧЕК ТИПОВЫХ ЗВЕНЬЕВ

В табл. П.2.1 приведены передаточные функции типовых звеньев: апериодиче­ского звена (первого порядка), дифференцирующего, интегрирующего инерцион-иого и колебательного звена (второго порядка). Этн звенья условно обозначены 'буквами at—d соответственно.

Таблица П.2.1. Передаточные функции типовых звеньев

	Апериодичес кое инерционное	Дифференцирую­щее инерционное	Инте гри рующее инерциснное	Колебательное
4*1,	* • • '» &1 у - • ■ • "q	ь	С	d
	h	kys	kc	ferf
	Tts+l	Tbs+l	s(Tcs+l)	7-V2-f2^ds+l

Из звеньев, указанных в табл. П.2.1, могут быть образованы последователь­ные соединения. При записи кода цепочки коды отдельных звеньев упорядочи­ваются по алфавиту и по возрастанию индексов. В цепочке допускается объеди­нение только двух одинаковых по постоянной времени апериодических звеньев дгервого порядка.

В табл. П.2.2 оригиналов для наиболее часто применяемых в ИИС цепочек (приводятся их переходные характеристики.

В табл. П.2.3 приведены переходные характеристики для параллельно-шстречных соединений звеньев. В числителе дается код прямой цепи, а в знаме-шателе — обратной. Переходные характеристики даны для случая отрицательной ■обратной связи. Степень полинома встречно включенной цепочки (знаменатель ш .выражении, стоящем слева) не превышает второго порядка.

-В таблицах всюду принимается ос=1/7*.

Таблица П.2. 2. Переходные характеристики последовательного звеньев

С оединения звеньев

Переходные характеристики

Ml— e^ai)

а,а,

Vll-d + aiOe-**'!

а^а^а^

» ^bl — ~7^ _ .. . l>« =

В--

У.-Т^-!

(Г.-ГО» ' (7-,-Г!)!

a^a^a^d

^^ [1 + Qe^-1' sin(W + 6) — Cse—"' +

'l Crf!

Q =

ri^-TJ • "^a~r_a(r₂-r_l)2 ' °^d~ Лг^ '

_Ьг4

C„ = 7\

2W-Tl\) , У.

' r,

^ = ^-^T^=^;

U

r_/ = (l-2_Yr_i)r_d2+r_i2; 0<^<1; т

rr₂

I = arctg ■

_T , , 2arctg •■ arctg

_Yr₂—1 Y^i—1 Y

V*fclCie ^v +(d+«)e "*'];

а-^аф

B:

1

Т^П-Ть)

'; Q = — ^ci

7*

(Гх-Тб)⁸

а&с

—at

k?k_c\A + t + C_ce

T*(2>T_C — 2T_X)—T_C³

i4 = -

(T'c-T'i)²

7"i

(С_х+В/)е "*'];

B =

_ГЛ37^-27\)_ _

Г 3

а,Ь

(Tc	-Л)а			(Ус-	-^l)»
k	1^6 . _ T " («	~axt __	- £	v>

а, с

Met -Тг-Т_с +C_le-^ait-C_ce^^t + t)\

7"!-^

7*1-7"_e

Продолжение табл. П.2.2

С оединения звеньев

Переходные характеристики

' ^d~ \Vt^(\— 2-_iT_i)-\-T-_L* '

a_xd

Сг-

*АгП — Qe-T sln(X< — 6)— С_ге-^и''];

77

1

TSd-^TJ+Tf Ж

6 = arctg ■

, * id

. _т -arctg ; Y = "t^:

' d

0<lj_d<l

k_ba_be ^b

*c[-

1 -»_c* I

— (e -1)+*

^ct_g-—V= y = -t~^{: x} = 1~Vi-Sd²

6if

k_bk_d [C_de~^V sin(X< — 6) + C_be "⁶'];

1

^{Cd =} X7-_d VT-^d—2Y7"_ft)+7b« ^;

_r _ ^Tb _.

¹ Tf(i-2iT_b) + Tf '

ХГь Sd . 1

l— чП ы

a_t ...a_q

■J]Q^-"'^f)n*<: ^c' =

1—2

n

/=1

./■9+1 \9+l

a_x... a_qb_a+1

^a i ••• ^aqCq+i

4. 1=1 1=1 I i=

a _t... a_qb_q+"iu„

^[

q+l —аЛ "I q+1 >'

Ce-iUinat^V+^Cie ^: UdJJfe!;

Продолжение табл. П. 2.2

С оединения звеньев

Переходные характеристики

(-Trf)*-¹

\Vr

(h...aj>_q+vl

9+

_^-;*=n>c<

j=l

jq+l

9+i ;

/=i

Sd

9+1

_-E

j=i

arctg ■

^

; x =

o<s_d<i

a i-..a_qc_q+1d

а_г... a„d

9+1

- JW + * - V] ^Ti + ^cVe^-T* sin (w + 6 +

9+1 ~| 9+1

1 + Cr_ue~V sin (x< + 6 + arctg — \- 9 "I 9

I —I -» .- 1

Таблица П.2.3. Переходные характеристики параллельно-встречных соедине­ний звеньев

С оединения звеньев

Переходные характеристики

«!/*/

a^Jkf

v

1 +k\kf

1 + k_xkf

(1-е—*); _a = —~

(1 + Qe "^х — C₂e ™^г ); где —a_lt —a₂ — корни урав-

_Тъ

s+1 =0; 1

■s* +

1Т_Х

С г

a,-

1 + k?k_f 1 + k_±^zk_f

a^/kf

ЙА

1 -f £jft₂fy

(1 +C₁e^_a,f — C_ze~^ait), где — a^ — a₂ — корни

Продолжеше табл, П.2.3

С оединения звеньев

Переходные характеристики

1 + k_tk_zkf 1 + k-jkjif

уравнения _л , \ _{L L} s^a + , , , _L\ s + 1 = 0;

Ci-

ti.

¹— с

B,

в^-в₁' ^г в_л-в_г

■; B,=-

^klkb ■ /„-".*_„-«.<

(e * —e ^2E), где —o^, —cc₂ — корни уравнения

*i~*.

T_xT_bs* + (Т_г + T_b + kjkbkfis + 1=0;^=-

1

К

1 +k_tk_s

(l-_i-C_le~^a'^t +C^-^a^), где —а_ъ —а₂ —корни

T_±T₂ Ti + T,

1 + ^^2 1 + k_xk₂

t_z — b₁ _ b_z—t₂ £._..

B_t — B_z ' B₁ — B₂ '

уравнения * ^ _u s* + . Л ,. « + 1 = 0;

C,=

k_t( 1 + C₁e~^ait + C₂e~^a2'), где — a,,, — o₂ — корни' уравнения TJ&* + (7\ + T„ + k^Js + 1 = 0;

T_b-B₁ B₁~B_Z

; в_г-

— (• + C₁e~^art — C₂e ^K2*), где — о_г, — a₂ — корни уравнения k_f

k_rk

s,- = -

_cKf

c^Rf

^Т° ^+~Г1Г^+1=0; ^Сг

c₂=-

B,

B₂ — B_x

Вг

B_s — B_± '

-at

k_bae ', a =

T_b -\-kbkf

h(Cie~^ait-\-C_zf^ait); B_t=—, где — c_l5 —о, —корни уравнения 7",T₆s² + (T_± + T_b + M₆)s+ 1=0; C_t = —-^L—,;

_c _ т_х-в_%

² Вг(В_г-В_й)

о та

8.

'		S
	X
	&.
	о
	м
	1 В			о				-Is-
	|			II				ii
				^н				»*
	н			+				=q
				СО				• -
S	1		■ч		"— J8				аз
	щ.		К		•a				i
			•а JULT <М		+		"Q		1 CM =q
&
3	\							II
	<о					"—
0	1				•a-
о»	1		"V.		•a -к				Ы
й	8 '*		к		+		H		<4 1
	О		к						«5
	+		CU
			В
	*ч.^		ш
				a				rt
		J*		;*.				О
		■а
	X!	л;
	-К	+
1"
£ 2	•<S
	•v»
о
и

I

ш >S ¥ ^s

s g

1= X

5

U

ш

У

s

_i

5

а <

0

c:

x'

3

££

sO

arx

±05

Sg

ё< fflC

<

55 e;^x uS

I- S

о

ел-

m

со

00

СЛ

in

со

Л

IV

S

in

со

СО

О)

1

с»

00

1П

с, >

СМ

со

СО

см

3>

IV

IV

Й

^и

»-*

О

IV

щ

С.)

ОС)

ю

IV

со

00

ю

оо

»

с5

г

г

}

г

e

о

о

СМ

СО

CJ

ч<

ю

m

CU

CU

U0

ел

01

О)

1

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

Си со

см

(М

tv

см

о

IV

m

см

см

ю

о

о

m

о

СМ 10

tv О

о

CN

■*

см

см

С.)

СМ

С J

CJ

СМ

m

U0

о

СМ

00

о

см

о

.J

IV

см

M

СО

СО

СО

tv

со

о

tv

ю

CJ

ю

о

со

in

о

CJ

л

30

о

*—1

со

СО 1

со 1

см 1

7

7

7

1

о 1

о 1

о 1

о

о

СМ

см см

м

со

со

СО

о

о

о

со

00

о

00

Oi

00

00

8

_

о

Си

t

^

о

:

t

_

CN

о

о

о

О)

см

IV

*

со

m

со

IV

tv

см

О)

СП

IO

со

•cl-

о

о

о

О)

см

О)

о

см

ю

СЛ

■*

о

IV

о

СЛ

tv

С J

О)

IV

■*

о

lO

о

о

о

со

m

CJ

CJ

СМ

С_>

о

о

со

СО

■*

со

СО

IV

00

ел

ел

о

£

1см

о 1

о 1

о 1

о 1

о 1

о 1

о 1

о 1

о

о

о

о

о

о

о

о

о

о

о

ггм

m

со

О)

*

«3

со

IV

со

m

о

ю

со

CD

О)

со

О)

см

СО

ел

IV

со

о

о

с >

о

гп

in

см

с ,

с >

п

О)

О)

00

'. )

О)

*

|v

гл

о

ее

CJ

со

СМ

Си

со

ю

CJ

СМ

о

*

CD

СЛ

—>

со

СО

tv

О)

о

со

1

СМ 1

7

7

7

о 1

о 1

о 1

о 1

о 1

о

о

о

о

CN

CN

СМ

<м

м

N

«

со

*л

ыэ

ы>

ID

о

ю о

О)

*

о г--,

CD о

СЛ

&

СЛ

tv о

00 СП

со см

m со

с^

ck

1 о

о

о

к

о

1

о

T

ел

1Л

ии

tv

со

со

ю

*

■Ч"

*

со

СМ

см

cu

о

о

о

о

о

о

о

о

о

о

о

о

о

СМ со"

ю

со 00

с- со"

ю СМ*

СЛ

со со

о

1ft

о

СМ

ст>

см

*

m

л

00

см

О)

см

ю

00

со

00

Л

«.

гЧ

СО' о

CJ

СМ

ю

СЛ

IV

см

см

ю

«I

ОС)

1/1

U)

СП

см

^и

о

»-"*

СМ

СО

*

lO

00

о

см

*

IV

■*

со

о

л

*

*

•

(

СП

СМ

СМ

СМ

СМ

СМ

*

tv

СМ

о СМ

in

00

со о

—"

ел см"

00*

CN

^и

о

-"

см

со

■*

m

со

tv

00

СЛ

о

m

о

из

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

о

—

—

СМ

СМ

со

*

in

со

IV

90

ел

о

м

\1

&

АЛФАВИТНЫЙ УКАЗАТЕЛЬ

Автоматизация проектирования ИИС 326 ^!

Агрегатный комплекс средств элек­троизмерительной техники (АСЭТ) 4, 34

Адаптивная дискретизация 364

Адаптивные телеизмерительные систе­мы 316

Акустическая система для измерения координат графических изображе­ний 166

Анализаторы логических состояний 281

Аналоговые электроизмерительные цепи 95

Аналого-цифровая часть ИИС 95

Аппроксимация 179, 355

Временные характеристики ИИС 354 Входные величины 153

Голографическая измерительная си­стема 169

Графопостроители двухкоординатные 44

ГСП 3, 32

Диагностика техническая 7

Дискретизация:

измеряемых величин 354 контролируемых величин 234

Дисплеи 41

Измерение 7

Измерительно-вычислительные комп­лексы 30, 143 ИВК-3 147

ИВК-7, ИВК-8 149

Измерительно-вычислительные систе­мы 30

Измерительные системы: аппроксимирующие 178 К-732 155 К-742 157 многомерные 172 независимых входных величин 153

Индикация в ИИС 39

Интервал корреляции 196

Интерфейсы: аналоговые 80 КАМАК 67

периферийной части ЭВМ 74 последовательный 59 приборный 63

Информационно-измерительная техни­ка 3

Информационные оценки 352

Каналы контроля 242 Каналы связи 296, 300, 303 Клавишные ЭВМ 90 Классификация ИИС 25 Коммутаторы измерительные: напряжений 108 сопротивлений 113, 115 Контроль 7, 116 Коррекция погрешностей 391 Корреляционно-экстремальные систе­мы 209 Корреляционные измерительные ся-стемы (коррелометры): компенсационные 203 полярные, релейные 200

с аппроксимацией 207 с использованием интеграла Стилтьеса 202 Критерий эффективности 395

Линии связи 296

Магнитные запоминающие устройст­ва 47

Машины централизованного контро­ля 265

— К-200 266

Методы поиска экстремумов 139

Метрологические нормируемые харак­теристики ИИС 383

Метрология 8

Микропроцессорные комплекты 89

Микропроцессоры 87

Микро-ЭВМ 83

Мини-ЭВМ 82

Многомерные измерительные системы 172

Многофакторный эксперимент 407

Многочлены ортогональные 360

Модуляция в ИИС 95

Обобщенная структурная схема ИИС 14

Обратная задача теории погрешно­стей 345

Объем выборки при контроле 229

Отображение информации 39

Ошибки контроля 223

Переходные характеристики 272, 420

Перцептрон 289

Планирование измерительных экспе­риментов 403

Погрешности: измерения 336 округления при вычислениях 348

Помехи:

источники 121

поперечные (наведенные) 125

продольные 124

Помехоустойчивость 121

Программное обеспечение ИИС 324

Пропускная способность 353

Разделение сигналов:

временное 299

ортогональное 303

частотное 301 Разложение Фурье — Уолша 362 Распознавание образов 7 Регистрация в ИИС 43 Регрессионные эксперименты 408 Ряд Котельникова 359

Системотехническое проектирование 321

Системы автоматического контроля: допусковые 242

параллельно-последовательного действия 261

параллельного и последовательно­го действия 250

с общей образцовой величиной 256

Системы распознавания образов 265

Системы технической диагностики 275

Сканирующие системы расшифровки графиков 160

Содержательные логические схемы алгоритмов 3, 17

Сравнение кодов 247

Статистические измерительные систе­мы:

для измерения законов распреде­ления вероятностей 185 корреляционные 194 спектральные 211

Структуры аналого-цифровой части ИИС:

многоканальная 129 многоточечная 133 мультиплицированная 130 сканирующая 136

Счет 7

Табличные методы преобразования

информации 92 Телеизмерительные системы:

аналоговые 304

цифровые 311 Телемеханические комплексы (ТК-100,

ТК-300) 318 Техническая кибернетика 6

■Унифицирующие преобразователи 100 Цифровые печатающие устройства

Управление коммутаторами 113 46

Управляющие вычислительные маши­ ны и комплексы 30, 269 4RM 31 82 ИВ-500 269 ' „„„ М-40-43 274 Эффективность ИИС:

Устройства связи с объектом УВМ техническая 395 ;

типа СМ. 272 экономическая 400

Учебное задание на проектирование

333

СПИСОК ЛИТЕРАТУРЫ

В списке звездочкой отмечены материалы, необходимые при изучении курса в первую очередь.

1.1. Карандеев К. Б. Измерительные информационные системы и автомати­ ка.—Вестник АН СССР, 1961, № 10, с. 15—18.

1.2. Катыс Г. П. Информационные системы исследовательских аппаратов.— М.: Энергия, 1971. —272 с.

■■•■ 1.3. Соколов М. П. Применение автоматических устройств в физическом эксперименте. — М.: Атомиздаг, 1969. — 472 с.

100. Системы получения и передачи метеорологической информации/ А. А. Кмито, Н. С. Коковин, Н. Ф. Павлов и др.—Л.: Метеоиздат, 1971.— 472 с.

101. Быховский М. Л., Вишневский А. А. Кибернетические системы в меди­цине. — М.: Наука, 1971. — 407 с.

102. Алиев Т. М., Мелик-Шахиазаров А. М., Тер-Хачатуров А. А. Измери­тельные информационные системы в нефтяной промышленности. — М.: Недра, 1981.—351 с.

103. Алиев Т. М., Тер-Хачатуров А. А. Информационно-измерительные систе­мы количественного учета нефти и нефтепродуктов. — М.: Недра, 1976.— 160 с.

104. Ляпунов А. А. О логических схемах программ. — В кн.: Проблемы ки­бернетики.— М.: Физматгиз, 1958, вып. 1, с. 5—22.

* 1.9. Баранов С. И. Синтез микропрограммных автоматов. (Граф-схемы и автоматы). — 2-е изд., пепераб. и доп.— Л.: Энергия, 1979. — 231 с.

1.10. Цапенко М. П. Содержательные логические схемы алгоритмов изме­рительных систем. — Измерения. Контроль. Автоматизация, 1982, № 4, с. 3—8.

* 3.1. Государственная система промышленных приборов и средств автома­тизации (Методическое пособие для инженерно-технических работников)/ С. Я. Борисов. Г. И. Кавалеров, А. Б. Родов и др.; под ред. Г. И. Кавалеро-ва. — М.: ЦНИИТЭИ приборостроения, 1981. —392 с.

*3.2. Певзнер Г. С, Цветков Э. И., Цодиков М. Б. Агрегатирование в элек­троприборостроении (Электроизмерительные приборы, вып. 23).—М.: Энергия, 1981.—176 с.

3.3. Иванов В. Н., Певзнер Г. С, Цветков Э. И. Развитие системных средств электроизмерительной техники в XI пятилетке. — Измерения. Контроль. Автоматизация, № 2, 1982, с. 3—14.

•4.1. Смоляров А. М. Системы отображения информации и инженерная пси­хология: Учеб. пособие для вузов. — М.: Высшая школа, 1982. — 262 с.

*4.2. Полякова Л. В., Лейн В. М. Отображение измерительной информа­ции.— Л.: Энергия, 1978. — 144 с.

*4.3. Соловейчик И. Е. Дисплеи в системах в ЭВМ. — М.: Советское радио, 1979. — 248 с.

4.4. Ньюмен У., Спрулл Р. Основы интерактивной машинной графики: Пер. с англ./ Под ред. В. А. Львова. — М.: Мир, 1976.— 574 с.

4.5. Отображение информации в центре управления космическими полета­ ми/ А. В. Милицын, В. К. Самсонов, В. А. Ходан, И. И. Литвак. — М.: Радио и связь, 1982. — 192 с. .

*4.6. Шкабардня М. С, Мартыненко Н. В. Быстродействующие самопишу­щие приборы. — М.: Энергии, 1974.— 176 с.

4.7. Сиаккоу М. Физические основы записи информации: Пер. с нем./ Под ред. В. Г. Королькова. — М.: Связь, 1980.— 192 с.

*5.1. ГОСТ 22316-77. Средства агрегатные информационно-измерительных систем. Общие требования к организации взаимодействия средств при построе­нии систем.

*5.2. Найман Г., Майлинг В., Шербина А. Стандартные интерфейсы для из­мерительной техники: Пер. с нем. — М.: Мир, 1982. — 304 с.

*5.3. Хазаиов Б. И. Интерфейсы измерительных систем.—М.: Энергия, 1979. — 120 с.

*5.4. ГОСТ 26.003-80. Система интерфейса для измерительных устройств с байт-последовательным, бит-параллельным обменом информации.

*5.5. ГОСТ 26.201-80. Система КАМАК. Крейт и сменные блоки. Требова­ния к конструкции и интерфейсу.

5.6. Интерфейс для программируемых приборов в системах автоматизации эксперимента/ Н. И. Гореликов,; А. Н. Домарацкий, С. Н. Домарацкий и др.— М.: Наука, 1981. —262 с.

*5.7. Мячев А. А. Системы ввода-вывода ЭВМ. — М.: Энергоатомиздат, 1983. — 168 с.

105. Басиладзе С. Г. Fastbus — стандарт для быстродействующей электрон­ной аппаратуры IV поколения (обзор). — Приборы и техника эксперимента, 1982, № 5, с. 5—24.

106. Децентрализованные мультимикропроцессорные системы для интегри­рованных АСУ и САНИ/ Г. Н. Куклин; В. П. Минаев, М. А. Головашкин,

A. Г. Конюхов и др.— Приборы и системы управления, 1982, № 11, с. 8—10.

5.10. Ацюковский В. А. Построение систем связей комплекса оборудования летательных аппаратов (Информационные основы построения систем передачи и преобразования бортовых комплексов оборудования).—М.: Машиностроение, 1976. —250 с.

*6.1. Кагаи Б. М. Электронно-вычислительные машины и системы: Учеб. по­собие для вузов. — М.: Энергия, 1979.—582 с.

107. Микропроцессорные комплекты интегральных схем. Состав и структура: Справочник/ Под ред. А. А. Васенкова, В. А. Шахнова. — М.: Радио и связь, 1982. —190 с.

108. Балашов Е. П., Пузанков Д. В. Микропроцессоры и микропроцессорные системы: Учеб. пособие/ Под ред. В. Б. Смолова. — М.: Радио и связь, 1981.— 328 с.

109. Страхов А. Ф. Автоматизированные измерительные комплексы.—М.: Энергоиздат, 1982.— 216 с.

110. А. с. JV» 120037 (СССР). Матричная схема для определения суммы и разности двух чисел/ М. П. Цапенко, Л. Б. Талалай. Опубл. в БИ, 1959.

111. А. с. JV» 127074 (СССР). Счетно-решающее устройство на матричных сетках/ М. П. Цапенко, О. В. Улик. Опубл. в БИ, 1960, № 6.

112. Баранов С. Н., Синев Б. Н. Программируемые логические матрицы в цифровых системах. — Зарубежная радиоэлектроника, 1978, № 1, с. 65—82.

7.1. Харкевич А. А. Борьба с помехами. — М.: Физматгиз, 1963. — 276 с. ч. *7.2. Электрические измерительные преобразователи/ В. Ю. Кончаловский, Я. А. Купершмидт, Р. Л. Сыропятова, Р. Р. Харченко; Под ред. Р. Р. Харчен-ко. — М.': Энергия, 1967. —408 с.

*7.3. Трансформаторные измерительные мосты/ Ф. Б. Гриневич, А. Л. Гро­хольский, К. М. Соболевский, М. П. Цапенко; Под ред. К. Б. Карандеева.— М.: Энергия, 1970.—280 с.

*7.4. Диковский Я. М., Капралов И. И. Магнитоуправляемые контакты. — М.: Энергия, 1970.—163 с.

.7.5. Универсальные электронные преобразователи информации/ Под ред.

B. Б. Смолова.—М.: Машиностроение, 1971. — 250 с. ,

*7.6. Микроэлектронные цифро-аналоговые и аналого-цифровые преобразо­ ватели информации/ В. Б. Смолов, Е. П. Угрюмов, В. К- Шмидт и дп ■ Пол пел В. Б. Смолова. —Л.: Энергия, 1976. —336 с. ^Р"' ^{Р Д}"

*7.7. Шушков Е. И. и Цодиков М. Б. Многоканальные аналого-цифровые преобразователи.— Л.: Энергия, 1975.— 160 с.

113. Гутников В. С. Интегральная электроника в измерительных устройст­вах.— Л.: Энергия, Ленингр. отд-ние, 1980. — 248 с.

114. Персии С. М. Основы теории и проектирования автоматических измери­тельных систем. — Л.: Гидрометеоиздат, 1975. — 320 с.

7.10. Малиновский В. Н. Цифровые измерительные мосты. — М.: Энергия, 1976.— 192 с.

*7.11. Справочник по электроизмерительным приборам/ К. К. Илюнин, Л. И. Леонтьев, Л. И. Набебина и др.; Под ред. К. К. Илюнина. — 3-е изд. — Л.: Энергоатомнздат. Ленингр. отд-ние, 1983.—784 с.

*7.12. Михайлов Е. В. Помехозащищенность информационно-измерительных систем. — М.: Энергия, 1975.—104 с.

115. Серьезное А. Н., Цапенко М. П. Методы уменьшения влияния помех в термометрических цепях.—М.: Энергия, 1968. — 72 с.

116. Серьезное А. Н. Измерения при испытаниях авиационных конструкций на прочность.—М.: Машиностроение, 1976. — 224 с.

*7.15. Управляющие вычислительные машины в АСУ технологическими про­цессами/ Под ред. Т. Харрисона: Пер. с англ./ Под ред. И. М. Шенброта, М. В. Гальперина. — Том 1.— М.: Мир, 1975.— 532 с.

117. Шляндин В. М. Цифровые измерительные устройства: Учебник для ву­зов 2-е изд.—М.: Высшая школа, 1981. — 335 с.

118. Темников Ф. Е. Теория развертывающих систем. — М.: Госэнергоиздат, 1963. — 168 с.

119. Катыс Г. П. Автоматическое сканирование. — М.: Машиностроение, [969. — 520 с.

120. Нетребенко К. А. Компенсационные схемы амплитудных вольтметров и указателей экстремума. — М.: Наука, 1967. — 108 с.

121. Амромин С. Д., Некрасов Л. П. Информационно-измерительные систе­мы с частотным развертывающим преобразованием. — М.: Энергоатомнздат, 1983.— 88 с.

9.1. Кавалеров Г. И. Измерительно-вычислительные комплексы.—Приборы и системы управления, 1977, № 11, с. 23—27.

122. Петренко А. И. Автоматический ввод графиков в электронные вычи­слительные машины.—М.: Энергия, 1968. — 424 с.

123. Чеголин П. М. Автоматизация спектрального и корреляционного ана­лиза. — М.: Энергия, 1969. —384 с.

124. А. с. № 877584 (СССР). Устройство считывания графической инфор­мации/ Э. К. Скворцов. Опубл. в БИ, 1981, № 40.

*10.4. Лазерные измерительные системы/ А. С. Батраков, М. М. Бутусов, Г. П. Гречка и др.; Под ред. Д. П. Лукьянова.—М.: Радио и связь, 1981.— 456 с.

10.5. Голографические измерительные системы/ Под ред. А. Г. Козачка. — Новосибирск: НЭТИ, 1976.—108 с; 1978.—160 с; 1980.—126 с.

125. Мартяшин А. И., Шахов Э. К., Шляндин В. М. Преобразователи элек­трических параметров для систем контроля и измерения.—М.: Энергия, 1976.— 392 с.

126. Шелемин Б. В. Автоматические анализаторы состава радиохимических сред. — М.: Атомиздат, 1965.— 294 с.

127. Раис О. А., Розенблит А. Б. Применение цифровых вычислительных устройств для автоматического контроля состава многокомпонентных производ­ственных сред (Тр. VI конференции по автоматическому контролю и методам электрических измерений).-—Новосибирск: Наука, т. 1, 1966, с. 115—119.

128. Карандеев К. Б., Штамбергер Г. А. Обобщенная теория мостовых це­пей переменного тока. — Новосибирск: СО¹ АН СССР, 1961. — 222 с.

129. Алиев Т. М., Мелик-Шахназаров А. М., Шайн И. Л. Автоматические компенсационные устройства переменного тока. — Баку: Азерб. гос. изд-во, 1965. — 360 с.

*11.6. Лихтциндер Б. Я., Широков С. М. Многомерные измерительные устройства.—М.: Энергия, 1978.— 312 с.

11.7. Межвузовский сборник научных трудов НЭТИ. Измерительные инфор­мационные системы/ Под ред. М. П. Цапенко.—Новосибирск: НЭТИ, 1973.— 142 с; 1974.—134 с; 1976.—168 с; 1977.—176 с; 1978.—184 с; 1979—226 с; 1981,—222 с; 1983.—114 с.

*11.8. .Хармут X. Ф. Передача информации ортогональными функциями: Пер. с англ. — М.: Связь, 1975.— 272 с.

*12.1. Цветков Э. И. Основы теории статистических измерений.-—Л.: Энер­гия, 1979. —288 с.

*12.2. Мирский Г. Я. Аппаратурное определение характеристик случайных процессов. — 2-е изд.—М.: Энергия, 1972. — 456 с.

130. Вентцель Е. С. Теория вероятностей: Учебник для вузов. 2-е изд.— М.: Физматгиз, 1962. — 564 с.

131. Мирский Г. Я. Характеристики стохастической взаимосвязи и их изме­рения.— М.: Энергоиздат, 1982.—320 с.

132. Курочкин С. С. Многоканальные счетные системы и коррелометры. — М.: Энергия, 1972.—344 с.

133. Летунова Н. Н., Лайко Е. М. Методы и средства статистических изме­рений. Обзорная информация. ТС-5. — М.: ЦНИИТЭИ приборостроения, 1980, вып. 1. — 64 с.

134. Грибанов Ю. И., Веселова Г. П., Андреев В. Н. Автоматические циф­ровые коррелометры. — М.: Энергия, 1971. — 240 с.

135. Синицын Б. С. Автоматические коррелометры и их применение. — Но­восибирск: СО АН СССР, 1964. —218 с.

136. Горбацевич Е. Д. Коррелометры с аппроксимацией. — М.: Энергия, 1971.—96 с.

137. Ланге Ф. Корреляционная электроника. Основы и применение корре­ляционного анализа в современной технике связи, измерений и регулирования/ Пер. с нем. Л. М. Миримова и В. И. Тарабрина. — Л.: Судпромгиз, 1963.— 448 с.

138. Козубовский С. Ф. Корреляционные экстремальные системы. — Киев: Наукова думка, 1973. — 223 с.

139. Белоглазое И. Н., Тарасенко В. П. Корреляционно-экстремальные си­стемы.— М.: Советское радио, 1973. — 392 с.

140. Харкевич А. А. Спектры и анализ.—В кн.: Линейные и нелинейные системы, т. 2. — М.: Наука, 1973.— 566 с.

141. Трахтман А. М. Введение в общую спектральную теорию сигналов.— М.: Советское радио, 1972.— 352 с.

142. Романенко А. Ф., Сергеев Г. А. Вопросы прикладного анализа случай­ных процессов.—М.: Советское радио, 1968. — 256 с.

143. Кузьмин И. В. Оценка эффективности и оптимизация АСКУ.—М-.: Советское радио. 1971. — 296 с.

144. Евланов Л. Г. Контроль динамических систем. — 2-е изд. — М.: Наука,. 1979. —432 с.

13.3. Короткое В. П., Тайц Б. А. Основы метрологии и теория точности из­ мерительных устройств: Учеб. пособие для вузов. — 2-е изд. — М.: Изд-во стан­ дартов, 1978. — 352 с.

13.4. Долгов В. А., Касаткин А. С, Сретенский В. Н. Радиоэлектронные автоматические системы контроля (системный анализ и методы реализации)/' Под ред. В. Н. Сретенского. — М.: Советское радио, 1978. — 384 с.

13.:5. Шенброт И. М., Гинзбург М. Я- Расчет точности систем централизо­ванного контроля. — М.: Энергия, 1970. — 408 с.

145. Вигман Б. А., Дунаев Б. Б. Определение точности допусковых кон­трольно-измерительных устройств. — Измерительная техника, 1963, № 1, с. П— 14.

146. Ефимов В. М., Мантуш Т. Н., Рабинович В. И. Оценка точности сор­тировки.— Измерительная техника, 1968, № 11, с. 63—66.

147. Кардонский X. Б. Приложения теории вероятностей в инженерном де­ле.— М.: Физматгиз, 1963.— 435 с.

14.1. Бруфман С. С. Цифровые устройства сравнения. — М.: Энергия, 1967.—97 с.

*14.2. Полонии В. С. Телевизионные автоматические устройства —М.: Связь, 1974. —216 с.

148. Проблемы центротехники/ Под ред. Ф. Е. Темникова. — М.: МЭИ, 1963. — Тр. МЭИ. Вып. 52. — 260 с.

149. Агейкин Д. И., Кнопов Ю. Т., Кузнецова Н. Н. Система спорадическо­го контроля. — Приборы и системы управления, 1970, № 4, с. 40—43.

*14.5. Строганов Р. П. Управляющие машины и их применение: Учеб. по­собие для вузов.—М.: Высшая школа, 1978. — 264 с.

150. Мячев А. А. Организация управляющих вычислительных комплексов.— М.: Энергия, 1980. — 272 с.

151. Вальков В. М. Микроэлектронные управляющие вычислительные ком­плексы. Системное проектирование и конструирование. — Л.: Машиностроение, 1979.— 200 с.

152. Информационно-вычислительная машина ИВ-500. — М.: Онтиприбор, 1967.— 12 с.

153. Сопочкин Л. А. Набор агрегатных модулей связи с объектом УВК СМ-1, СМ-2. — Приборы и системы управления, 1982, № 2, с. 26—28.

14.10. Отраслевой каталог на серийно выпускаемое и перспективное обору­ дование. — ГСП: т. 4. Средства централизованного контроля и регулирования, № 6, вып. 1: Машина централизованного контроля МЦК М40-43.— М.: ЦНИИТЭИ приборостроения, 1979. —59 с.

*15.1. Мозгалевский А. В., Гаскаров Д. В. Техническая диагностика (не­прерывные объекты). — М.: Высшая школа, 1975. — 207 с.

*15.2. Основы технической диагностики. Модели объектов, методы и алго­ритмы диагноза. Т. I/ Под ред. П. П. Пархоменко. — М.: Энергия, 1976.—464 с.

154. Введение в техническую диагностику/ Г. Ф. Верзаков, Н. В. Киншт, В. И. Рабинович, Л. С. Тимонен; Под ред. К- Б. Карандеева. — М.: Энергия, 1968.—224 с.

155. Сердаков А. С. Автоматический контроль и техническая диагностика.— Киев: Техника, 1971.—244 с.

* 16.1. Загоруйко Н. Г. Методы распознавания и их применения. — М.: Со­ ветское радио, 1972. — 208 с.

156. Васильев В. И. Распознающие системы: Справочник. — Киев: Науко-ва думка, 1969.— 292 с.

157. Растригин Л. А., Эреиштейн Р. X. Метод коллективного распознава­ния.— М.: Энергоиздат, 1981. — 80 с.

158. Сенин А. Г. Распознавание случайных сигналов. — Новосибирск: Нау­ка, 1974.— 76 с.

159. Василенко Г. И. Голографическое опознавание образов. — М.: Совет­ское радио, 1977. — 328 с.

• 17.1. Фремке А. В. Телеизмерения: Учебн. пособие для вузов. — 3-е изд. — М.: Высшая школа, 1975. — 248 с.

• 17.2 Ильин В. А. Телеуправление и телеизмерение: Учеб. пособие для ву­зов. — 3-е изд. — М.: Энергия, 1982. — 560 с.

• 17.3. Малов В. С, Купершмидт Я. А. Телеизмерение (системы промыш­ленного применения). — М.: Энергия, 1975. — 352 с.

• 17.4. Новоселов О. Н., Фомин А. Ф. Основы теории и расчета информа­ционно-измерительных систем/ Под ред. А. В. Фремке. — М.: Машиностроение, 1980. —280 с.

160. Купершмидт Я. А. Точность телеизмерений.—М.: Энергия, 1978.—■ 168 с.

161. Пшеничников В. М., Портнов М. Л. Телемеханические системы на ин­тегральных микросхемах.—М.: Энергия, 1977. — 296 с.

162. Адаптивные телеизмерительные системы/ Б. Я- Авдеев, Е. М. Анто-нюк, С. Н. Домнов и др.; Под ред. А. В. Фремке. — Л.: Энергоиздат, 1981.— 248 с.

163. Темников Ф. Е., Титов Е. А. Развитие информационно-измерительных систем, работающих на принципе развертывающего преобразования. — Измере­ния. Контроль. Автоматизация, № 3—4, 1980, с. 48—54.

19.1. Проблемно-ориентированный язык программирования ТЕСТ/ А. Е. По-дзин, К. Ш. Ибрагимов, И. X. Корня, Б. 3. Кириленко; Под ред. И. Ф. Кли-сторина.—Кишинев: Штиинца, 1978. — 127 с.

164. Виноградов В. И. Дискретные информационные системы в научных исследованиях: программное обеспечение модульных ИВС. — М.: Энергоиздат, 1981. —208 с.

165. Селютин В. А. Машинное конструирование электронных устройств. — М.: Советское радио, 1977.— 384 с.

166. Петренко А. И., Тетельбаум А. Я. Формальное конструирование элек­тронно-вычислительной аппаратуры. — М.: Советское радио, 1979. — 256 с.

167. Юрин О. Н. Единая система автоматизации проектирования ЭВМ. — М.: Советское радио, 1976.— 176 с.

168. Библиотека типовых алгоритмов контроля и управления непрерывны­ми технологическими процессами/ С. В. Егоров, В. А. Мжельская, Ю. Д. Ку­кушкин, И. X. Хахо. — Приборы и системы управления, 1975, № 6, с. 6—8.

169. Автоматизация поискового конструирования (искусственный интеллект в машинном проектировании)/ А. И. Половинкин, Н. К. Бабков, Г. Я. Буш и др.; Под ред. А. И. Половинкина.— М.: Радио и связь, 1981.—344 с.

170. Шмаков Э. М. Анализ основных методов автоматизации проектирова­ния средств измерений. — Измерение. Контроль. Автоматизация, 1980, № 3, 4, с. 30—34.

171. Моисеев Н. Н. Математические задачи системного анализа. — М.: На­ука, 1981. —488 с.

19.10. Тищенко Н. М. Введение в проектирование сложных систем автома­ тики. — М.: Энергия, 1976.— 305 с.

172. Египко В. М. Организация и проектирование систем автоматизации научно-технических экспериментов.— Киев: Наукова думка, 1978.—232 с.

173. Норенков И. П., Маиичев В. Б. Системы автоматизированного про­ектирования электронной и вычислительной аппаратуры: Учеб. пособие для ву­зов.— М.: Высшая школа, 1983, — 272 с.

174. Темников Ф. Е., Афонин В. А., Дмитриев В. И. Теоретические осно­вы информационной техники: Учебн. пособие для вузов. — 2-е изд. — М.: Энер­гия, 1979. —512 с.

175. Орнатский П. П. Теоретические основы информационно-измерительной техники.—2-е изд. — Киев: Вища школа, 1983.-—455 с.

176. Новопашенный Г. Н. Информационно-измерительные системы. — М.: Высшая школа, 1977.—208 с.

177. Рабинович С. Г. Погрешности измерений. — Л.: Энергия, 1978. — 262 с.

178. Розенблат В. Я. Введение в теорию точности измерительных систем. — М.: Советское радио, 1975. — 304 с

179. Сергеев В. И. Инструментальная точность кинематических и динами­ческих систем. — М.: Наука, 1971. — 256 с.

180. Соренков Э. И., Телига А. И., Шаталов А. С. Точность вычислительных устройств и алгоритмов/ Под ред. А. С. Шаталова. — М.: Машиностроение, 1976. —200 с.

181. Шеннон К. Работы по теории информации кибернетики. — М.: Изд-во иностр. лит., 1963. — 830 с.

182. Новицкий П. В. Основы информационной теории измерительных устройств. — Л.: Энергия, 1968. — 248 с.

183. Кавалеров Г. И., Мандельштам С. М. Введение в информационную те­орию измерения. — М.: Энергия, 1974. — 376 с.

184. Рабинович В. И., Цапенко М. П. Информационные характеристики средств измерения и контроля.—М.: Энергия, 1968. — 96 с.

185. Ефимов В. М. Квантование по времени при измерении и контроле.— М.: Энергия, 1969.— 87 с.

186. Ланцош К. Практические методы прикладного анализа: Справочное руководство. — М.: Физматгиз, 1961.—524 с.

187. Ольховский Ю. П., Новоселов О. Н., Мановцев А. П. Сжатие данных при телеизмерениях/ Под ред. В. В. Чернова.—М.: Советское радио, 1971.— 303 с.

188. Макаров И. М., Менский Б. М. Линейные автоматические системы (элементы теории, методы расчета, справочный материал): Учеб. пособие для вузов. — 2-е изд. — М.: Машиностроение, 1982. — 504 с.

*21.5. Краус М., Вошни Э. Измерительные информационные системы (ха­рактеристические функции, критерии качества, оптимизации): Пер. с нем./ Под ред. Я. М. Малкова. — М.: Мир, 1975.— 310 с.

189. Электрические измерения неэлектрических величин/ А. М. Туричин, П. В. Новицкий, Е. С. Левшина и др. — 5-е изд. — Л.: Энергия, 1975.— 576 с.

190. Преснухин Л. Н., Нестеров П. В. Цифровые вычислительные машины: Учеб. пособие для вузов. — 2-е изд. — М.: Высшая школа, 1981. — 511 с.

191. ГОСТ 8.437-81. Системы информационно-измерительные. Метрологиче­ское обеспечение. Основные положения.

192. ГОСТ 22317-77. Средства агрегатные информационно-измерительных систем. Общие требования к комплексам нормируемых характеристик.

193. ГОСТ 24130-80. Средства агрегатные информационно-измерительных систем аналого-цифровые. Основные нормируемые характеристики.

194. ГОСТ 8.009-72. Нормируемые метрологические характеристики средств измерений.

195. Земельман М. А. Методический материал по применению ГОСТ 8.009-73. «Нормируемые метрологические характеристики средств измерений. — М.: ВНИИМС, 1975.— 80 с.

196. ГОСТ 8.326-79. Метрологическое обеспечение разработки, изготовле­ния и эксплуатации нестандартизованных средств измерений. Основные поло­жения.

197. ГОСТ 8.438-81. Системы информационно-измерительные. Поверка. Об­щие положения.

198. Современное состояние метрологического обеспечения измерительно-вычислительных комплексов/ А. М. Лесова, И. В. Модягин, В. М. Хрумало, М. И. Штеренберг. — Измерения. Контроль. Автоматизация, 1982, № 2 (42), с. 15—21.

199. Дубов Б. С. Особенности метрологической аттестации нестандартизо­ванных средств измерений. — М.: Машиностроение, 1979. — 40 с.

200. Губанова Т. Н., Шуплякова Р. М. Современные методы и средства обеспечения единства измерений информационно-измерительных систем. Обзор­ная информация. ТС-5.—М.: ЦНИИТЭИ приборостроения, 1980, вып. 4. — 44 с.

201. Бромберг Э. М., Куликовский К- Л. Тестовые методы повышения точности измерений. — М.: Энергия, 1978. — 179 с.

202. Алиев Т. М., Сейдель Л. Р. Автоматическая коррекция погрешностей цифровых измерительных приборов. — М.: Энергия, 1975. — 216 с.

203. Туз Ю. М. Структурные методы повышения точности измерительны устройств.- Киев: Вища школа, 1976.—256 с.

23.1. Кузьмин И. В. Оценка эффективности и оптимизации автомати­ческих систем контроля и управления. — М.: Советское радио, 1971. — 294 с.

*23.2. Росин М. Ф. Статистическая динамика и теория эффективности си­стем управления. — М.: Машиностроение, 1970. — 336 с.

204. Гермейер Ю. Б. Введение в теорию исследования операции. — М.: Наука, 1971. —384 с.

205. Акоф Р., Сасиени М. Основы исследования операций.—М.: Мир, 1971.— 534 с.

206. Есиков С. Р. Методика и практика определения эффективности внед­рения новой техники и организационно-технических мероприятий. — М.: Связь, 1977.— 49 с.

207. Ильичев А. В., Волков В. Д., Грушанский В. А. Эффективность проек­тируемых элементов сложных---Систем: Учеб. пособие. — М.: Высшая школа, 1982. —280 с.

208. Налимов В. В. Теория эксперимента. — М.: Наука, 1971.—208 с.

209. Федоров В. В. Теория оптимального эксперимента.—М.: Наука, 1971.— 312 с.

210. Райншке К. Модели надежности и чувствительности систем. — М.: Мир, 1979. —452 с.

*23.10. Асатурян В. И. Теория планирования эксперимента. — М.: Радио и связь, 1983. —248 с.

Посвящается светлой памяти Константина Борисовича Карандеева

ПРЕДИСЛОВИЕ

Принципы построения первого поколения важного класса средств информационно-измерительной техники (ИИТ) — измери­тельных информационных систем (ИИС) — были рассмотрены в первом издании этой книги (с подробной библиографией отечест­венной литературы до 1972 г.). За последние годы теория и прак­тика ИИС получили существенное развитие. Широко применяются ИИС последующих новых поколений.

Основная цель второго издания книги заключается в система­тизации и обобщении структур и алгоритмов работы современных ИИС, а также в разработке и представлении материала, являю­щегося базой для системотехнического проектирования ИИС.

Вводная часть знакомит с основными понятиями, используемы­ми в книге, описанием содержательных логических схем алгорит­мов (СЛСА) и обобщенной структурно-функциональной схемы, а также классификацией ИИС. Этот материал нужно тщательно проработать, так как без его освоения читать остальные части кни­ги затруднительно.

Для формализованного описания алгоритмов работы систем, позволяющего существенно уменьшить объем текстового материа­ла и положить начало разработке программного обеспечения про­ектируемых систем, в книге используется аппарат СЛСА, разрабо­танный для ИИС.

В течение ряда лет в нескольких вузах страны читались лек­ции, выполнялись курсовые и дипломные работы с применением СЛСА. Представляется, что СЛСА могут найти применение и в других учебных курсах, а также при проектировании и формаль­ном описании работы информационных устройств. Действительно, во многих случаях для описания работы устройства может оказать­ся достаточным представление лишь структурной схемы и СЛСА при незначительном текстовом сопровождении.

Основное назначение второй части книги — знакомство с тех­ническими средствами системного назначения, с особенностями их выбора и использования в ИИС. Здесь излагаются основополагаю­щие идеи Государственной системы приборов (ГСП), приводятся характеристики агрегатного комплекса средств электроизмеритель-

ной техники (АСЭТ), рассматриваются средства отображения и хранения информации в ИИС, стандартные цифровые интерфей­сы и средства вычислительной, главным образом микропроцессор­ной, техники, используемые в ИИС.

В третьей части книги приводятся анализ аналоговых электро­измерительных цепей с коммутаторами и меры защиты их от по­мех, алгоритмы и структуры аналого-цифровой части ИИС и изме­рительно-вычислительных комплексов.

В четвертой части рассматриваются основные структуры и ал­горитмы измерительных систем, систем автоматического контроля, технической диагностики и распознающих систем. Кроме того, здесь даются кратко основные сведения об алгоритмах и структу­рах телеизмерительных систем. Отсутствие таких сведений в пер­вом издании книги нарушало целостность предмета и затрудняло его изучение. При проработке материала четвертой части рекомен­дуется подбирать для его иллюстрации описания конкретных ИИС, закрепить полученные знания и приобрести необходимые навыки в процессе разработки учебных проектов и выполнения лаборатор­ного практикума.

Введению в системное проектирование посвящена пятая часть книги. В ней приведен первоочередной материал, необходимый для составления технического задания, а также рассматриваются особенности разработки технического предложения на систему, в том числе методом проектной компоновки ее из готовых функцио­нальных блоков. Кроме того, здесь даются материалы, нужные для выбора нормируемых метрологических характеристик измеритель­ных систем. В этой части излагается также содержание учебного задания на системотехническое проектирование ИИС.

В результате изучения всего материала этой книги специалис­ты в области ИИТ должны приобрести знания основных структур, алгоритмов работы и характеристик основных разновидностей ИИС и их частей. Объем этих знаний должен быть достаточным для оценки метрологических характеристик, ьыбора и организа­ции совместной работы функциональных блоков и измерительно-вычислительных комплексов в ИИС конкретного применения.

Фактические данные приводятся в книге с целью ознакомить читателей с выпускаемой преимущественно в Советском Союзе аппаратурой. Они не являются официальным справочным мате­риалом, но их можно использовать на начальных стадиях проек­тирования систем.

Предполагается, что читатель должен быть знаком с теорети­ческими основами и средствами информационно-измерительной и вычислительной техники, а также с теорией вероятностей и мате­матической статистикой в объеме программ технических вузов.

С учетом того, что реализации систем весьма быстро стареют, в книге приводится лишь ограниченное количество описаний кон­кретных ИИС. В связи с этим при изучении материала книги нуж­но использовать описания соответствующих новейших систем.

Состав и последовательность изложения материала книги пол-

ностью соответствуют программе курса ИИС для всех специали­заций ИИТ. Отдельные разделы книги могут быть использованы в дисциплинах по специализации «Автоматизированные системы научных исследований и комплексных испытаний».

Необходимо отметить, что во втором издании книги развива­лись идеи, сформировавшиеся у автора в результате общения с К. Б. Карандеевым и с JE. С. Сотсковым. С чувством глубокой благодарности автор отмечает доброжелательные и полезные де­ловые контакты при подготовке книги с Т.. М. Алиевым, Б. С. Ду­бовым, М. А. Земельманом, Г. А. Штамбергером, Э. И. Цветковым и с другими известными специалистами в области ИИС и инфор­мационно-измерительной техники.

Благодарю за дружескую помощь при подготовке книги своих коллег — сотрудников Новосибирского электротехнического инсти­тута, особенно Б. В. Карпюка и Ю. И. Щетинина, подготовивших материал гл. 23, П. М. Цапенко — гл. 6, Э. К. Скворцова — прило­жения 2.

Искреннюю признательность приношу д-ру техн. наук, проф. А. М. Мелик-Шахназарову и сотрудникам руководимой им кафед-ды «Электроника и информационно-измерительная техника» Московского института нефтехимической и газовой промышлен­ности им. М. И. Губкина, а также д-ру техн. наук И. М. Шенброту за квалифицированное редактирование рукописи книги.

Буду весьма благодарен всем читателям, приславшим свои за­мечания и пожелания по адресу: 113114, Москва, М-114, Шлюзо­вая наб., 10.

Автор