2. Системы технической диагностики. Системы распознавания образов. Статистические измерительные системы.

Автоматический поиск и локализация неисправностей (техническая диагностика) относятся к автоконтролю, так как при этом устанавливается представление между состоянием объекта контроля и заданной нормой. Однако в рассмотренных ранее системах автоконтроля устанавливался только факт работоспособного и неработоспособного состояний.

В системах технической диагностики ставится более сложная задача: не только установление факта работоспособности, но и нахождение местоположения отказа. Это достигается специальными методами и способами поиска неисправностей, реализующимися алгоритмами диагностики. Восстановление отказавшей системы или устройства в результате нахождения места повреждений достигается в современной аппаратуре заменой отказавшего модуля работоспособным. Разделение на типовые модули упрощает поиск неисправностей и эксплуатацию аппаратуры.

Общее число возможных состояний объекта контроля при разделении его на функциональных элементов для принятых условий поиска:

.

Определение такого большого числа состояний даже при связано с техническими трудностями. Поэтому ограничиваются предположениям, что отказал только один из функциональных элементов, т.е. ограничиваются одиночными отказами, число которых

.

Функциональные модели являются удобной формой представления объекта контроля для поиска неисправностей во многих аналоговых и дискретных устройствах за исключением, например резервированных систем. В последнем случае используется логическая модель объекта контроля, которая строится также на основе структурной схемы. Отличие заключается в том, что входные и выходные сигналы рассматриваются как логические переменные, принимающие только два возможных значения: 0 и 1. Состояния объекта контроля определяются путем формального применения алгебры логики.

Для поиска неисправностей применяются последовательный, комбинационный и различные сочетания последовательно-комбинационного метода, в соответствии с которыми разрабатывается программа поиска.

Последовательный метод. Последовательный метод заключается в таком построении процедуры поиска неисправностей, при котором информация о состоянии отдельных функциональных элементов вводится и логически обрабатывается последовательно. Реализация метода заключается в основном в определении очередности контроля выходных параметров функциональных элементов. Программа поиска при этом может быть жесткой или гибкой. Жесткая программа предусматривает контроль выходных параметров функциональных элементов в заранее определенной последовательности. В отличие от этого по гибкой программе содержание и порядок последующих проверок зависят от предыдущих результатов. Такая программа требует более сложной логической обработки результатов контроля и применяется в комплексе с более производительными ЭВМ.

Рассмотрим способы поиска и локализации неисправностей. Прежде всего для автоматического поиска неисправностей системы или устройства должны обладать следующими свойствами (условия для поиска):

• могут находиться только в двух взаимоисключающих различных состояниях: работоспособном и неработоспособном (1 или 0);

• могут быть разделены на отдельные функциональные элементы, каждый из которых может одновременно находиться только в работоспособном или неработоспособном состоянии (1 или 0).

В связи с неограниченным разнообразием подлежащих диагностике устройств задачи автоматического поиска неисправностей могут быть решены только путем составления их упрощенных моделей и разработкой методов диагностики на модели. Наиболее часто устройства представляют в виде функциональной или функционально-логической модели. Функциональная модель объекта контроля может отличаться от структурной схемы выбором функциональных узлов и элементов. Так, при построении обычной структурной схемы исходят из закономерностей процессов, описывающих работу устройства. В случае построения функциональной модели для поиска неисправностей выбор функциональных элементов определяется точностью локализации неисправностей.

Функциональная модель строится при определенных предположениях, которые в основном сводятся к тому, что для каждого функционального элемента заданы номинальные значения входных и выходных сигналов, их функциональная зависимость и способ контроля. Функциональный элемент считается неисправным, если при его номинальных входных сигналах выходные сигналы отличаются от номинальных.

Комбинационный метод. При этом методе поиска неисправностей вначале вводятся все результаты контроля параметров, а затем они логически обрабатываются. Естественно, что такой метод требует более сложный обработки.

Для реальных систем возможно большое разнообразие программ поиска неисправностей, требуется большой объем исходной информации о состоянии объектов контроля и сложная логическая обработка результатов контроля. Поэтому разработаны приближенные способы построения оптимальных программ поиска неисправностей. Эти программы в основном представляют собой многошаговый процесс поиска с выбором на каждом шаге лучшего варианта по экстремуму заданной функции предпочтения.

Системы распознавания образов.

Распознавание образов применяется для автоматического распознавания печатных, рукописных и фотографированных знаков, текстов, рисунков и схем, для распознавания звуков речи, команд, передаваемых голосом, выявления некоторых ситуаций в сложных технических комплексах, таких как критическое или аварийное состояния и т.д.

Главными целями распознавания образов являются расширение возможностей общения человека с машиной и расширение возможностей автоматизации путем освобождения человека-оператора от многих операций, которые ограничивают быстродействие, надежность и эффективность функционирования автоматизированных комплексов.

Распознавание определяется как процесс отнесения ситуаций, явлений, образов к одному из нескольких или многих заранее определенных классов на основе анализа их характеристик. При распознавании возникают взаимосвязанные задачи выбора параметров распознавания и задачи нахождения и оценки качества решающей функции.

Для выбора параметров предварительно выделяют совокупность параметров (признаков), характеризующих рассматриваемый образ.

Решение о принадлежности совокупности объектов (образа) к одному из заранее определенных классов принимает классификатор (CPU). Это осуществляется в соответствии с принятым критерием распознавания или правилом решения в его устройстве на основе сигналов, выдаваемых детектором признаков. Критерием распознавания называется правило, по которому строится гиперповерхность, разделяющая распознаваемые образы на классы в пространстве признаков (объектов). Классификатор выполняется в виде сети из линейных пороговых элементов или вычислительного устройства.

Сравнение действительного образцового описания распознаваемых классов и выработка сигналов ошибки производятся в устройстве сравнения.

Для функционирования распознающей системы необходимым условием является наличие сведений о классах совокупностей объектов. Эти сведения задаются заранее или возникают в процессе обучения, который в этом случае предшествует процессу классификации. В процессе обучения на вход распознающей системы последовательно подаются признаки образов, и если система при этом сообщает, к какому классу принадлежит образ, то процесс называется обучением с учителем. Если же система не сообщает, к какому классу принадлежит образ, то процесс называется самообучением.

Статистические измерительные системы.

Статистические измерения, или измерения вероятностных характеристик случайных процессов. Под вероятностными характеристиками случайных процессов будем понимать математическое ожидание, дисперсию, законы распределения вероятностей, корреляционные и спектральные функции.

Измерение математического ожидания. Структурная схема устройства, представленная на рисунке 24.6, реализует алгоритм

.

Рисунок 24.6 – Структурная схема измерения математического ожидания случайного процесса

Измерение дисперсии. Возможны различные варианты построения средств измерений дисперсии случайного процесса. Один из вариантов, представленных на рисунке 24.7, реализует алгоритм

Рисунок 24.7 – Структурная схема, реализующая алгоритм построения средств измерений дисперсии случайного процесса

С измерением других вероятностными характеристиками предлагаем ознакомиться самостоятельно.