![](/user_photo/_userpic.png)
книги из ГПНТБ / Баясанов, Д. Б. Автоматизированные системы управления трубопроводными объектами коммунального хозяйства
.pdfгде /у — /-я точка корреляционной функции на ее начальном участ-
Для корреляционной функции, аппроксимируемой вы
ражением (2.27), параметр а определяют из соотношения
р f |
) =0,37. |
(2.36) |
Формула (2.25) связывает величину ошибки б со. спект
ральной плотностью G (со) и позволяет получать частоту В,
ограничивающую снизу спектр отбрасываемых частот. Под
ставляя конкретные выражения спектральных функций
(2.29) и (2.30) в формулу (2.25) и производя необходимые
преобразования, получим искомые расчетные зависимости
в следующем виде:
|
|
со* = |
2_ |
|
|
|
(2.37) |
1 |
|
я |
|
|
|
||
а |
+ а |
1 / |
- L - + 1 1 |
+ 1 |
(2.38) |
||
со* = — |
|
||||||
я |
Y |
|
V |
т2 63 |
а 2 |
|
Для удобства нахождения величины б по этим выражениям
могут быть построены графики зависимости б от параметров
а и (3.
По полученному значению частоты В определяют расстоя-
ние между рядами контрольных точек, равное |
1 |
—— , и рас |
|
|
/ 2 в ’ |
стояние между контрольными точками в ряду |
1 |
Уъв' причем |
точки эти расположены на ромбической (треугольной) сетке. Ориентировочный расчет числа точек поля, необходимых для измерений, может быть найден следующим образом. Поло
жим, что поле контроля системы в АСУ имеет форму, близ
кую к прямоугольнику, с длиной d и шириной /, а ряды, покрывающие эту сетку поля, имеют треугольную форму
и расположены перпендикулярно длине поля d. Число
получаемых полосок на поле параметров контроля равно:
|
' N = |
tii l |
+ |
n1 |
|
|
1 |
2 |
|
||
|
|
|
|
||
или |
|
у 35 |
|
|
|
|
|
|
|
|
|
|
TV= 2 y U d lB 2 |
|
[dB], |
(2.39) |
|
n{\ |
|
«л |
|
|
|
где — —■ целая |
часть числа — |
|
|
|
|
2 |
|
2 |
|
|
|
100
Выражение точности воспроизведения поля контроли
руемых параметров в системе АСУ через постоянные а и (3
корреляционной функции и число измерений параметров можно получить, подставив выражение. (2.39) в формулы
(2.37) и (2.38). Как правило, [dB] < 1. Тогда если поле ха
рактеризуется корреляционной функцией вида (2.27), то:
6 = — |
1 / ^ 2 1 / 1 |
(2.40) |
л2 |
V |
N |
а если— корреляционной функцией вида (2.28), то:
б = V 2 а |
|
— я4 |
N |
- л 2 (а2+ Р 2) + |
|
|
|
|
[ У з |
dl |
|
|
|
+ |
У ! |
dl |
|
pa)aj_ 2 |
(2.41) |
|
|
4 |
j T {а2 + |
|
|||
|
|
|
|
Чтобы воспроизвести поле контролируемых параметров в АСУ по признаку / (xv х2), согласно формуле (2.22), необ ходимо измерить значение параметров в точках, отстоящих друг от друга по углам ромбической решетки с углом 120°
и стороной — |
, и построить |
функции отсчетов g (хг, х2) |
||
в соответствии |
с |
формулой |
(2.23), а |
затем, подставляя |
§ i(xi> хг)ё2 {хъ xz)> |
■■■ в формулу (2.22), |
найти функцию из |
менения признака параметра в пространстве. Точность оп ределения среднего значения параметра, при данной плот
ности сетки контролируемых точек в системе АСУ, может
быть найдена из следующих выражений, полученных путем
подстановки (2.27) и (2.28) |
в уравнение (2.31): |
|
1 + 2 е -п' [я р |
— е~ тег) —(l — е - шг)] |
(2.42) |
п { 1 — е ~ а~тУ |
|
|
п + 2 2 |
(п— у)е ayr cosу$г |
(2.43) |
у= о |
|
Процесс функционирования информационной модели
системы можно анализировать путем сопоставления факти
ческих показателей, получаемых на модели, с расчетными
или данными предыдущего анализа. Обычно имеется набор
данных изменения производственных и технологических
процессов и их показателей в реальном виде и полученных
на модели. Требуется обычно по этим характеристикам судить об эффективности функционирования информацион
101
ной модели системы. Здесь можно воспользоваться следу
ющей методикой.
Предположим, что имеются две кривые, одна из которых
отображает ход процесса на информационной модели —
xt (t), а другая — фактическое его течение — xt (i) при- t < Т. Тогда мерой отклонения этих величин в любой момент
времени друг от друга будет их разность: xt (/) — xt (Д
Удобнее меру этого отклонения выражать в безразмерной форме, а именно:
Аг (г) = Xj (i) — Xj (Q ' xi (t)
Определяя таким образом меру отклонения, тем самым оп
ределяем и масштаб измерений, который будет в тот или
иной момент времени характеризоваться информационными
показателями режима.
Если состояние контролируемого и управляемого про цесса в каждый момент времени определяется «-мерным вектором, то в качестве меры отклонения можно естествен
но принять; |
|
А (0 = \ f |
д‘? (0 • |
Определим теперь степень схождения фактического со
стояния процесса с данными модели, описываемых «-мер ными векторами. Из определения меры отклонения вытекает,
что в любой момент времени t модельное состояние контро
лируемого и управляемого процесса в безразмерной форме описывается вектором с нулевыми компонентами. Для лю бой компоненты вектора могут быть заданы уставки x0j (/) предельно допустимого отклонения г-й компоненты вектора состояния от его модельного значения. При этом всегда надо помнить о стохастической природе системы, обуслов
ливающей возможные отклонения вышеописанного харак тера. Таким образом, в безразмерной форме и предельно
допустимые уставки аг (t) будут определены по формуле
Хр,г (0 x i (t )
<ч (0 =
it)
Эти уставки определяют в «-мерном пространстве некото рую замкнутую область, центр которой находится в начале
102
координат. Если все компоненты xt (t) вектора фактическо
го состояния системы удовлетворяют неравенству
ч (0 = ч (0 I < ч,и
то фактическое состояние системы находится внутри этой
области. В таком случае за меру степени схождения факти
ческого состояния системы с ее модельными параметрами
можно принять равенство:
|
2 А? (0 2 |
|
©(0 = 1 - |
х= |
1 |
|
\_ |
|
|
2 |
2 |
|
а\ (О |
|
|
i ~ |
1 |
При таком определении степени схождения © (t) точное сов
падение компонент xt (t) вектора фактического состояния
системы с компонентами модельного вектора xt дает значе
ние © (/) = 1. Если одна или несколько компонент лежат в пределах [—xQi (i) -j- x0>i (()], то степень схождения бу
дет уменьшаться, стремясь к нулю, по мере того как | x t (t) —
' |
%i if) |
I |
%o,i (O ' |
|
|
|
|
|
||
|
Если все компоненты xt (t) вектора фактического состоя |
|||||||||
ния удовлетворяют |
неравенству | xt (t) — xt (t) | > x 0>i |
(/), |
||||||||
то будет получено |
отрицательное значение степени схожде |
|||||||||
ния © (/),' что указывает на то, |
что система находится |
вне |
||||||||
области, определяемой допустимыми значениями. |
|
|||||||||
|
Если |
для |
i = |
1, |
... k | (Xj (t) — xt (t) | ^ x0:i (t), а для |
|||||
i = |
k -f |
1, |
..., |
n | x t |
(t) — xt (/) |
| > |
x0ti, то степень схожде |
|||
ния © (/) |
будет определена по формуле |
|
||||||||
|
|
|
|
|
|
2 « ? ( 0 + |
|
2 |
A ? w l “ |
|
|
|
© (0 = 1 |
|
i = 1 |
г =4-и |
= |
|
|||
|
|
|
|
|
|
т |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
а? |
(0 |
2 |
|
Для полной характеристики функционирования инфор
мационной системы АСУ важное значение имеет определение
периодичности контрольных операций — замеров интере
сующих параметров.
К методам, обеспечивающим получение непрерывной функции изменения во времени производственных и техно
103
логических параметров, относятся различные виды ин терполяции и экстраполяции случайных величин, а так
же реализация некоторых положений теоремы В. А. Котель
никова. Для оценки интервалов между соседними заме
рами можно использовать ступенчатую аппроксимацию
и определять средние квадратичные отклонения парамет
ров а ' щ за интервалы времени, кратные tb = 1 суткам, по формуле
|
|
|
П |
|
|
|
|
|
|
|
2 |
Д/Ц-А) |
|
|
|
|
|
* |
: = k______ |
|
|
|
|
|
|
} kty |
|
|
|
||
|
|
я — (k — 1) |
|
|
|
||
где |
— (x t — |
X i_ k) — погрешности аппроксимации; |
i, k — номер |
||||
строки и столбца таблицы, предложенной Э. Л. Ицковичем; |
я — |
||||||
число |
замеров; |
х — значение |
измеряемой величины. |
|
|
|
|
Можно построить графики зависимости 8% |
— f |
(t b) , |
где |
||||
погрешность |
8% = „— — 100%, |
t b — интервал |
времени |
||||
|
|
Уср.сут |
|
|
|
|
|
между соседними замерами параметра. |
|
|
|
||||
Необходимую периодичность АТ измерений Э. |
Л. |
Иц |
кович предлагает вычислять с помощью следующих формул:
для ступенчатой интерполядии
^ех. доп 2 = 2 [Dx —kx (АГст)];
100/
для линеинои интерполяции |
|
|||
~..^-Доп_ Р = |
* |
[ |
Д^нин |
Н- 0,5йж(ДГмин) > |
L 100/ J |
V |
2 |
|
где £х .доп — допустимая величина ошибки интерполяции.
Эти уравнения весьма просто решают графическим путем. П. А. Барановым был предложен метод определения пе риодичности измерений в системе контроля и управления, основанный на использовании положений теоремы В. А. Ко
тельникова, которые можно применить к функциям с
ограниченным, но с быстро убывающим за пределы полосы
F спектром. В таком случае функцию восстанавливают по
отсчетам с определенной ошибкой, которая связана с вы бранной для расчета максимальной частотой среза 2лF =
СО
= юе и может характеризоваться величиной j G (co)dw,
О)С
104
где G (со) — спектральная плотность функции. Тогда если осуществлять фильтрацию функции через фильтр с полосой
2сос, то можно определить среднее значение исследуемого
технологического или производственного процесса. В этом случае из спектра функции исключаются частоты большие
сос, а среднее значение т усеченной функции при этом не
изменяется]; функция сглаживается. Процесс усечения
функции можно довести до определенного предела, когда
будет выполнено условие:
|
I | / ^ 2 j G]<o)d(o ; /п53> |
|
о |
“ с |
|
где 2 j |
G (co)rfco = D c — дисперсия усеченной функции; д3 — задан- |
о |
|
ная ошибка отклонения сглаженной функции от ее среднего значе ния.
Заменяя интегрирование суммированием, методом под
бора можно определить сос, и по теореме В. А. Котельникова
найти шаг квантования т = — . Этот метод предполагает С0с
полное восстановление случайной функции параметра.
В. Р. Вороновским под руководством автора выполнены работы по определению числа замеров параметра для полу
чения информации о среднем значении за заданный период. Основой этих способов определения периодичности измере ний является выборочное наблюдение контролируемого и управляемого процесса. Чтобы иметь право распростра
нить на генеральную совокупность среднее значение пара
метра выборки, при образовании последней необходимо вы полнить три основных условия:
а) выборку из генеральной совокупности следует про вести «случайно», т. е. каждый член ее должен иметь одну и ту же вероятность попасть в выборку;
б) выборку необходимо осуществить на однородной по
возможности совокупности;
в) выборочная совокупность должна быть составлена из независимых единиц.
За критерий однородности совокупности удобно принять
дисперсию случайной величины контролируемого процес
са. Так на практике можно получить вполне удовлетвори
тельные результаты. Общая форма критерия, когда сравни
ваемые дисперсии получены по различному количеству за
меров параметров, предложена Нейманом и Пирсоном:
105
|
[ |
М Г ' ( ^ |
* - № К |
|
1 |
(n1a l + n 2a l + |
2 * |
|
— |
... + n k al) |
|
k |
|
|
|
где N = 2 |
n i • |
|
|
i = |
1 |
|
|
Величина L является отношением средней геометриче
ской к взвешенной средней арифметической выборке. Так
как среднее геометрическое всегда равно или меньше сред
него арифметического, то 0 ^ L ^ |
1. Обратная величина |
L изменяется от 1 до оо. Величины |
для различных значе |
ний п и k при заданном уровне значимости табулированы.
Как обычно, гипотеза однородности дисперсии отвергается,
если вычисленная величина-^- больше табличной.
Общее среднее квадратичное значение для всей генераль
ной совокупности определяют из формулы
°общ — |
( n i— 1) q? + (яа— 1) дЦ |
+ ... |
+ (пк— 1) Л |
|
(«1—1) + («2— 1) + |
••• + |
(пк— О |
||
|
В качестве критерия независимости величин может быть
взята величина времени спада xh корреляционной функции параметра до значения 0,05а2. Формула для определения численности случайной бесповтррной выборки имеет вид
РV2 N
"= р* N + P V 2 '
G |
Л |
— объем генеральной совокуп |
где V = — = |
100%; р = — 100%; N |
ности; Д ■— предельная ошибка выборки (наибольшее допустимое отклонение выборочной средней от генеральной средней); I — коэф фициент, связанный с вероятностью, гарантирующей заданный пре дел ошибки; т — среднее значение параметра.
Промежуток времени Д, через который необходимо
фиксировать случайную величину, определяют из следующих
положений. Дисперсия параметра а2, полученная при об
работке значений ординат реализации, взятых в дискретные
моменты времени, должна быть не более чем на 6% сравни
ма с дисперсией о2, полученной при обработке непрерывной записи реализации случайной функции. Так, например, если приближенное значение k (т) = о2е ~ а 1Т1 и полное время
106
записи Т ^ — , то граничное значение А будет найдено из
уравнения:
а 2 Д [Г (l — е—2аЛ) — 2Де—2аЛ]
---------------------------------------- = 1 +0,01 о. 2(аТ — 1) (1— е - аЛ)2
Если положить (аТ — 1) да аТ и a i |
^ 1, то приближенно |
получим |
|
/62+400 6 - 6 |
|
аД ж ------------------ |
. |
100 |
|
Допустимое значение промежутка времени А можно также
определить исходя из предположения, что дисперсия сред
него значения по сравнению со средним значением функции,
полученной при обработке непрерывного графика реализа
ции, увеличивается не более чем на 6%.
§5. ПОИСКОВЫЕ СИСТЕМЫ СБОРА, ОБРАБОТКИ
ИВЫДАЧИ СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ
Информационно-поисковые системы (ИПС) относятся
к подсистемам информационного обслуживания АСУ. На
учно-техническая революция, внедрение новых методов контроля и управления производственными и технологи
ческими процессами неизбежно влечет за собой необходи мость совершенствования и существующих систем инфор
мационного обслуживания, строящихся пока еще по от раслевому принципу. Поэтому организация таких подсистем
вобщей схеме АСУ коммунальными хозяйствами городов
инаселенных пунктов является необходимым и полезным началом. Подсистема информационного обслуживания,
являясь поисковой, должна обеспечивать научно-техни
ческой информацией комплексные, отраслевые исследова
ния и разработки в области коммунальных хозяйств, что
является весьма сложной задачей. Следует отметить услож нение поиска информации в связи с возрастанием справочно информационных фондов, научно-технической терминоло
гии, которая становится понятной все меньшему числу уз
ких специалистов, увеличением числа языков, на которых
в мире публикуют научно-технические труды. Кроме того,
информационные органы должны обслуживать более кон кретные информационные запросы, чем библиотеки. Для
этого в справочно-информационных фондах ИПС имеются
107
каталоги на изделия и конструкции, проектная и техноло гическая чертежная документация, технические условия, справочники констант, проспекты и т. п. информационные материалы, которые обычно не входят в сферу деятельности библиотек. При создании информационных систем уделяют
внимание их функциям активного распространителя науч
но-технической информации, что отлично от форм ее пассив
ного хранения в библиотеках. Особую роль в информацион
но-поисковых подсистемах АСУ играют вопросы автомати
зации процессов поиска, сбора, хранения и.выдачи научно-
технической информации потребителям. Уже сейчас могут быть с успехом механизированы и автоматизированы опе рации: занесения заиндексированных материалов на пер фокарты, перфоленты, микрокарты и магнитные ленты; рас становки карточек в картотеках; поиска требуемого мате риала в картотеках; извлечения информации о месте на
хождения оригинальных документов; поиска оригинальных
документов и т. п.
Создание информационно-поисковых систем, как обслу
живающих информационных подсистем АСУ, в настоящее время не мыслится без широкой автоматизации перечислен
ных выше операций. Как уже отмечалось выше, в настоя
щее время информационно-поисковые системы строятся по
отраслевому принципу, при котором каждая область знания
целиком определяет ее тип, структуру справочного фонда
и особенно информационно-поискового языка. Следует от метить, что уже сейчас имеются тенденции к созданию ком
плексных, многоотраслевых систем информационного об
служивания, которые будут специализированы на аналити- ко-синтезированной переработке информации.
Общими целями создания таких автоматизированных ин
формационных комплексов являются: интенсификация об работки больших массивов информационных сведений и про ведение в них поиска в сжатые сроки; сокращение расходов на подготовку, хранение и поиск научно-технической ин формации; достижение качественно новых результатов, не доступных при использовании традиционных методов; обеспечение объективных результатов в обработке и поиске научно-технической информации. Реализации этих целей
и служит разработка новых методов автоматизированного
поиска и обработки научно-технической информации, индек сирования поступающей информации, создание новых тех
нических средств автоматизации информационных процес сов, специальных условных языков дескрипторного типа,
108
основой которых служат словари дескрипторов, выбор спе циальных носителей научно-технической информации, по зволяющих организовать хранение информационных мате
риалов, обеспечивающих автоматизацию процессов их поис ка, и т. п.
В автоматизированных поисковых информационных си стемах предпочтителен метод хранения информации, когда поисковый образ документа отделен от самого документа. Этот метод отличен от способа хранения, когда поисковый
образ документа расположен на одном носителе информации
с самим документом, тем, что в первом случае обеспечи
ваются большее быстродействие поисковых операций за счет
проведения их в два этапа-выявления сначала адреса доку
мента требуемой информации, а затем отыскания по ним
самих документов, что упрощает применение ЭВМ (во вто ром случае необходим последовательный просмотр всего материала, выполненного на одном носителе информации);
более^ высокая разрешающая^способность, заключающаяся в более полном и быстром учете'различных отношений, в ко
торые могут вступать дескрипторные характеристики по
исковых образов; минимальный износ носителей информа
ции; более широкие возможности для организации поиско
вых образов документов.
Одним из основных вопросов при создании информацион
но-поисковых систем является вопрос выбора информа
ционных языков, которые по своему характеру делятся на
три вида: классификационные, дескрипторные и смешанные. Классификационные языки, обеспечивая определенные
удобства для группирования и отбора документов по не
скольким признакам, не рассчитаны на многоаспектный поиск информации, не говоря уже о значительных труд ностях освоения громоздкости индексов и т. д. Классифика ционные языки поэтому используются в автоматизирован ных информационно-поисковых системах крайне редко. Дескрипторные языки имеют в этом отношении значитель
ные преимущества, позволяя производить поиск информа
ции по многим признакам самого различного характера. Стремление, однако, использовать в этих системах и поло жительные качества классификационных языков и привело
к созданию смешанных классификационно-дескрипторных
языков, которые нашли применение в описываемой области.
Основными задачами информационных языков, приме
няемых в автоматизированных информационно-поисковых системах, являются: объединение множества слов с частично
109