Литература

1. Каким быть учебнику?: Под ред. И. Я. Лернера и Н. М. Шахмаева. - М.: РАО, 1992.-283 с.

2. Лебедев С.В. Проблема обучения профессии дедактически запущенных учащихся. Сб. науч. тр.-М.: МГАУ им. В.П.Горячкина, 1999. -С. 80-82.

Воронежский государственный технический университет

СЕКЦИЯ 2

АЛГОРИТМИЗАЦИЯ УПРАВЛЕНИЯ

И ПРИНЯТИЯ РЕШЕНИЙ

ПРОМЫШЛЕННАЯ ИНФОРМАТИКА

Н

В Г Т У

Т2001

УДК 621.313

И. В. Лабин, В. Л. Бурковский.

РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ПРОЦЕДУР ПРОЕКТИРОВАНИЯ СПЕЦИАЛИЗИРОВАННЫХ СИСТЕМ КОНТРОЛЯ

И УПРАВЛЕНИЯ

Анализ современного состояния рынка САПР выявил необходимость создания объекто-ориентированных программных продуктов, в частности в области проектирования систем автоматизированного управления и контроля. Это обусловлено как избыточностью промышленных САПР, их сравнительной дороговизной и сложным интерфейсом, так и ориентацией большинства из них на проектирования сложной РЭА.

В докладе рассматриваются принципы автоматизированного проектирования специализированных систем контроля и управления, выбор и реализация алгоритмов анализа электрических схем. Объектом разработки служит структура, алгоритмы анализа и программное обеспечение, как процедур анализа систем автоматического управления и контроля, так и процедур поддержки интерфейса пользователя.

Основополагающим критерием создания программного продукта является правильность выбора алгоритмов работы. Для анализа кусочно-линейной цепи используется стандартный алгоритм, разработанный Катценельсоном. В алгоритме Катценельсона используется алгоритм метода узловых потенциалов. В качестве алгоритма для анализа цепей переменного тока предпочтение было отдано модификации метода Эйлера для решения дифференциальных уравнений. Конечная точность достигается при использовании наиболее достоверных моделей схемных элементов. Основываясь на полученных данных, следует отметить, что первый класс моделей пригоден лишь для устройств, физика работы которых хорошо изучена, в то время как моделирование с помощью «черного ящика» позволяет создавать модели даже для еще не открытых приборов.

Также в докладе приведены характеристики программного продукта, структура и содержание которого позволяет производить следующие операции: составление принципиальных электрических схем ; создание новых схемных элементов при помощи конструктора; анализ электрических схем по постоянному и переменному току.

Область будущего применения – аналоговые схемы систем автоматического регулирования и контроля с позиций задач инженерного проектирования, а так же анализа статических и динамических характеристик.

Воронежский государственный технический университет

УДК 681.3.06

Ю. Л. Талицких

О ЕДИНОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ СОЦИАЛЬНОЙ

ИНФОРМАЦИИ ДЛЯ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ

Практика информационно-аналитического обслуживания пользователей в системах высшего и среднего звена организационного управления, показывает, что его качественное улучшение возможно лишь на основе достижения комплексности аналитической обработки информации, разнородной по содержанию, источникам получения, способами и формам представления и отображения [1].

В настоящее время основными источниками информации в системах социального управления являются:

сообщения средств массовой информации;

данные социологических опросов общественного мнения;

статистические данные региональных и федеральных органов государственной статистики.

Для решения задачи их комплексной обработки с использованием современных средств автоматизации предложена единая модель представления социальной информации для вышеперечисленных источников.

Социальная информация всех трех основных источников может быть представлена в виде матрицы произвольной размерности, элементы которой определяются из условия:

(1)

Данная математическая модель позволяет представить сообщения средств массовой информации или набор текстов на естественном языке в виде множества векторов в многомерном пространстве [2]. При этом базис многомерного пространства задается словарем дескрипторов - ключевых слов, приведенных к канонической форме. Использование модели (1) позволило применить вероятностную нейронную сеть для классификации текстов.

В случае представления данных социологического опроса, векторами в матрице будут ответы респондентов на вопросы анкеты. При этом "1" ("единица") означает наличие выбора данного ответа, а "0" ("ноль") - отсутствие выбора.

Для случая формализации данных государственных органов статистики, векторами удобно представлять отдельные хозяйственные отрасли, а элементами матрицы - факт наличия социально-экономического показателя, либо факт его изменения.

Математическая модель применима и для случая анализа социальных сетей [3]. Нового направления в социологии, которое, в отличие от классических методов анализа, исследующих социальные свойства объектов, выявляет наличие и условия возникновения взаимодействия между социальными объектами (акторами). Математическая модель для случая сетевого взаимодействия преобразуется в матрицу связности графа социальной структуры.

На основе математической модели создаются когнитивные карты социальной информации, обеспечивающих ее визуализацию, что значительно повышает эффективность использования данных во всех звеньях организационного управления [4, 6].

Математическая модель допускает более компактную схему хранения информации по сравнению с исходной формой. А также применение различных алгоритмов сжатия, например, по Шерману [5].

Таким образом, модель (1) является универсальным средством, позволяющим единообразно представлять социальную информацию, полученную из различных источников, и обеспечить комплексность ее автоматизированной обработки. К достоинствам модели следует отнести:

простоту представления и преобразования в ее формат исходных данных;

наиболее оптимальную возможность ее использования для визуализации информации и аналитической обработки данных, в том числе, с использованием алгоритмов искусственного интеллекта;

компактную схему хранения информации.

Литература

1. Ефремов В.А. Разработка методологии комплексной аналитической обработки разнородной информации в системах высшего звена организационного управления. - Автореферат диссертации на соискание ученой степени доктора технических наук. Москва, РАГС, 2000 г. - 38 с.

2. Гареев А.Ф. Применение вероятностной нейронной сети для задачи классификации текстов. Информационные технологии, Москва, № 7, 1997 г. - с. 41 - 43.

3. Чураков А.Н. Анализ социальных сетей. Социологические исследования, Москва, № 1, 2001 г. - с. 109 - 121.

4. Плотинский Ю.М. Теоретические и эмпирические модели социальных процессов. Москва, Логос, 1998 г. - 280 с.

5. Кондратьева С.Д. Введение в структуры данных: лекции и упражнения по курсу, Москва, МГТУ им. Баумана, 2000 г. - 376 с.

6. Paul Buchheit, Vasant Honavar. Images to syntax: a neuropropositional model of language. Journal of Cognitive Systems Research. 2000. Vol. 1. P. 175 -189 .

Липецкий государственный технический университет

УДК 621.313

Ю. М. Фролов, А. В. Кайдашов

Цифровая система управления электроприводами постоянного тока

Развитие вычислительной техники определило ее использование для управления технологическими процессами в реальном масштабе времени.

Перспективным становится создание цифровых систем управления электроприводами, позволяющих получить необходимые статические и динамические характеристики привода и реализовать сложные типы регуляторов.

Обзор литературы показывает, что большинство современных цифро-вых приводов строятся на базе микроконтроллеров. Их использование позволяет улучшить характеристики привода практически без постороннего вмешательства в него дополнительным воздействием на задающий сигнал с учетом информации, поступающей от датчиков обратной связи – так называемый «сторонний наблюдатель». Такое решение позволяет улучшить характеристики существующих приводов с минимальными изменениями. Другой путь при-менения микроконтроллеров полная замена аналоговой части системы на цифровую, с сохранением передаточной функции. Поскольку микроконтроллер представляет собою звено с постоянным запаздыванием, то, контролируя две координаты: скорость и ток, можно избежать перерегулирования выходной координаты или свести его к минимуму.

Наиболее целесообразно использование цифровых систем для управления электроприводами с питанием от широтно-импульсных преобразователей (ШИП). Специфика работы системы ШИП-Д с частотой коммутации 1-20 кГц, обладает преимуществами по сравнению с системой ТП-Д. Это снижение индуктивности фильтров, и, как следствие, увеличение быстродействия привода, снижение габаритов, уменьшение потерь в двигателе, непрерывность тока якоря, приблизительным условием которого является длительности периода ШИП T_ШИП(1/3) T_ЭМ , где Т_ЭМ электромеханическая постоянная привода, а T_ШИП – период ШИП. Применение ШИП в цифровых системах облегчает написание программы микропроцессора и время ее выполнения, поскольку при расчете не требуется использование нелинейных операций sin, arctg.

Основная трудность в создании систем цифрового регулирования состоит в невозможности полного математического описания процессов, происходящих в микроконтроллере. В связи с этим наиболее рациональным методом расчета цифровых систем является их запись в виде структурных схем в программе Matlab с использованием средства Simulink. При этом микроконтроллер представляется в виде произведения двух звеньев: звена с чистым запаздыванием и звена (или группы звеньев), описывающего дискретные формулы, по которым производится расчет. Погрешность, вносимая квантованием сигнала по времени, является, как правило, самой большой в цифровой системе, поэтому время запаздывания принимают равным времени квантования. За время квантования принимают наибольшую постоянную времени в цифровой системе. Задержка, вносимая временем квантования микропроцессора, в большинстве случаев не оказывает влияния и проявляется только тогда, когда время расчета программы соизмеримо со временем поступления сигналов от датчиков. Как показывает практика, при времени запаздывания на порядок больше, чем 1/_среза системы, запаздыванием уже можно пренебрегать и считать систему непрерывной, анализируя только передаточную функцию, реализуемую микропроцессором. Поэтому при расчете цифровой системы предварительно нужно задаться требуемой точностью, с учетом которой выбрать датчики и проверить, чтобы при минимальной скорости двигателя частота поступления информации от датчиков была на порядок больше желаемой частоты среза системы. При определении частоты микропроцессора следует рассчитать время поступления сигналов от датчиков при максимальной частоте вращения и оценить количество команд программы микропроцессора для операций расчета параметров, а также на выполнение различных сервисных функций: опрос контролируемых датчиков, выдача информации на устройство вывода и т.д.. Исходя из этого, выбирается стандартная частота микропроцессора, при которой обеспечивается обработка информации за время, периода поступления сигналов от датчиков с учетом запаса на производительность микропроцессора 10-20%.

Квантование сигнала по уровню вносит «шум квантования», который может быть учтен в структурной схеме в виде генератора шума со случайной дисперсией. Вид распределения шумов квантования зависит от выбранных датчиков. Для импульсных датчиков он составляет от -/2 до +/2. Погрешность квантования по уровню /2 может не учитываться, если она меньше допустимого. Исходя из этого, требуемое число уровней квантования аналого –цифрового преобразователя (АЦП) определяется отношением n=Х_МАХ/, где Х_МАХ - максимальное значение измеряемой величины,  - допустимая погрешность. Число разрядов квантования АЦП должно быть не меньше, чем число n, записанное в двоичном коде.