книги из ГПНТБ / Баясанов, Д. Б. Автоматизированные системы управления трубопроводными объектами коммунального хозяйства

где /у — /-я точка корреляционной функции на ее начальном участ-

Для корреляционной функции, аппроксимируемой вы­

ражением (2.27), параметр а определяют из соотношения

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:

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-

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:

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:

а если— корреляционной функцией вида (2.28), то:

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°

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

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

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:

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) —

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

кович предлагает вычислять с помощью следующих формул:

для ступенчатой интерполядии

^ех. доп 2 = 2 [Dx —kx (АГст)];

100/

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:

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

Величина L является отношением средней геометриче­

ской к взвешенной средней арифметической выборке. Так

как среднее геометрическое всегда равно или меньше сред­

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

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 '

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

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