- •Часть 1
- •Глава 1
- •1.1. Общие сведения
- •1.2. Расчет настроек регуляторов в одноконтурных аср
- •1.3. Расчет настроек регуляторов в многоконтурных аср
- •1.3.1. Комбинированные аср
- •1.3.2. Каскадные аср
- •1.3.3. Аср с дополнительным импульсом по производной из промежуточной точки
- •1.3.4. Взаимосвязанные системы регулирования
- •1.4. Системы регулирования объектов с запаздыванием и нестационарных объектов
- •1.4.1. Регулирование объектов с запаздыванием
- •1.4.2. Регулирование нестационарных объектов
- •1.5. Предварительный выбор структуры
- •1.6. Оптимальная фильтрация и прогнозирование случайных процессов. Оптимальное оценивание состояния объекта
- •Глава 2
- •2.1. Последовательность выбора системы автоматизации*
- •2.2. Регулирование основных технологических параметров
- •2.3. Регулирование процессов в химических реакторах
- •2.3.2. Регулирование реакторов с перемешивающим устройством
- •2.3.3. Особенности регулирования трубчатых реакторов
- •Часть 2
- •Глава 3
- •Глава 4
- •4.1. Типовые задачи вычисления неизмеряемых величин и обобщенных показателей
- •4.2. Вычисление интегральных и усредненных значений измеряемых величин
- •4.3. Учет и компенсация динамических связей между измеряемыми величинами
- •4.4. Вычисление неизмеряемых величин по уравнениям регрессии (косвенные измерения)
- •4.5. Автоматическая расшифровка хроматограмм
- •4.6. Прогнозирование показателей процесса
- •Глава 5
- •5.1. Формирование критериев оптимальности
- •5.2. Типовые постановки задач оптимального управления технологическими процессами
- •5.3. Декомпозиция и агрегирование оптимизационных задач
- •5.4. Управление технологическими процессами с параллельной структурой
- •5.5. Оптимальное управление системами с последовательной структурой и с рециклами
- •5.6. Способы упрощения решения задач оптимального управления технологическими процессами
- •5.7. Оптимальное управление периодическими процессами
- •5.8. Уточнение модели управляемого объекта по данным текущих измерений
- •Часть 8
- •Глава 6 техническое обеспечение систем управления
- •6.1. Управляющий вычислительный комплекс
- •6.2. Устройства связи с объектом
- •6.3. Устройства связи с оперативным персоналом
- •6.4. Архитектура управляющих вычислительных комплексов
- •6.5. Системы непосредственного цифрового управления
- •Глава 7
- •7.1. Основные понятия
- •7.2. Специальное программное обеспечение асутп
- •7.3. Разработка функционально алгоритмической структуры асутп*
- •8.1. Асутп микробиологического синтеза лизина ' в биореакторах периодического действия
Часть 2
МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ ■
Глава 3
АЛГОРИТМЫ ПЕРВИЧНОЙ ОБРАБОТКИ ИНФОРМАЦИИ В АСУТП
3.1. ЗАДАЧИ ПЕРВИЧНОЙ ОБРАБОТКИ ИНФОРМАЦИИ
Основным видом информации о состоянии объекта управления в АСУТП являются текущие значения технологических параметров, которые преобразуются автоматическими измерительными устройствами в сигналы измерительной информации. После приведения к стандартной форме эти сигналы вводятся в УВМ и представляют в ней значения соответствующих параметров в определенный момент времени.
Однако формируемый таким образом массив исходной информации' не пригоден для непосредственного использования при решении задач управления, так как требуется его предварительная обработка, которую принято называть первичной*. Для того чтобы сформулировать задачи первичной обработки информации (ПОИ) в АСУТП, необходимо рассмотреть последовательность преобразований, которым подвергается измеряемая величина в типовом информационно-измерительном канале (ИИК), схема которого представлена на рис. 3.1**.
Измеряемая величина x(t), которую обычно считают стационарной случайной функцией времени, воздействует на вход измерительного преобразователя (ИП), на выходе которого формируется сигнал измерительной информации у(t). Принцип действия большинства ИП таков, что их выходной сигнал зависит не только от значения измеряемой величины, но и от ряда других величин Zj, которые называют влияющими.
Например, термоэлектрический преобразователь температуры (ТПТ) преобразует измеряемую величину — температуру — в сигнал измерительной информации — э.д.с. Однако этот сигнал зависит не только от измеряемой температуры, которая воспри-
* В отличие от вторичной переработки, которой исходная информация подвергается в алгоритмах контроля и управления.
** В состав ИИК входит также модуль нормализации, который на рис. 3.1 не показан, так как не требует решения дополнительных задач ПОИ.
•нимается рабочим спаем, но и от температуры свободных спаев, которая в данном случае является влияющей величиной.
В общем случае без учета динамической характеристики ИП связь между сигналами на его входе и выходе описывается статической характеристикой вида:
Например, статическая характеристика ТПТ в первом приближении может быть описана линейной функцией
где у — э. д. с. ТПТ, мВ; х — температура рабочего спая, °С; z — температура свободных спаев, °С; k — коэффициент, численное значение которого зависит от материала электродов ТПТ (например, для хромель-копелевого ТПТ £=0,0695 мВ/°С).
Однозначное соответствие между сигналом измерительной информации и измеряемой величиной соблюдается только при постоянных значениях влияющих величин. Для каждого ИП эти номинальные значения z°/ указывают в его паспорте. Подставив их в уравнение (3.1), получим номинальную (паспортную) статическую характеристику ИП:
В большинстве случаев для ТПТ номинальное значение температуры свободных спаев принято равным 0°С, поэтому паспортная статическая характеристика, полученная из (3.1а) при z = 0, имеет вид: y = kx.
Будем считать, что в процессе работы ИП значения влияющих величин соответствуют номинальным; следовательно, преобразование значений измеряемой величины в сигнал измерительной информации выполняется в соответствии с паспортной статической характеристикой (3.2). Казалось бы, это должно гарантировать точное преобразование х в у, однако и при выполнении этого условия всякий реальный ИП вносит в результаты некоторую погрешность. На структурной схеме (см. рис. 3.1) она представлена в виде случайной функции времени e(t), которая накладывается на полезный сигнал y(t) измерительной информации. Помеха e(t) моделирует не только случайную погрешность Ни, но и электрические наводки в соединительных проводах, вызванные магнитными полями электросилового оборудования; влияние пульсаций давления и расхода в технологических трубопроводах вследствие работы насосов и компрессоров и другие факторы. На вход УВМ поступает сум-мяпньтй сигнал:
Поскольку АСУТП имеет много ИИК, их обслуживание разделено во времени, каждый канал периодически с периодом to подключается на короткое время ко входу УВМ. В результате непрерывная функция g(t) преобразуется в последовательность импульсов, модулированных по амплитуде функцией g(t). На структурной схеме ИИК (см. рис. 3.1) функцию квантования сигнала g(t) по времени выполняет коммутатор, условно изображенный в виде ключа, замыкаемого с периодом t0. На выходе коммутатора образуется решетчатая функция:
Следующим видом преобразования, которому подвергается сигнал измерительной информации в ИИК, является квантование по уровню, выполняемое аналого-цифровым преобразователем (АЦП). При этом амплитуды импульсов g{jt0) преобразуются в числа g*(jt0), выраженные в коде, с которыми в дальнейшем оперирует ЦВМ. Современные управляющие вычислительные машины, как правило, используют двоичный код и оперируют с числами, имеющими 8 или 16 разрядов. Операция квантования дискретной величины g(jt0) по уровню описывается следующим выражением:
Величина
Ag
определяется
из условия:
Из изложенного вытекают следующие основные задачи первичной обработки информации в АСУТП:
1) фильтрация сигнала измерительной информации от случайной помехи (погрешности) e(t);
восстановление значения измеряемой величины x(t) по сигналу измерительной информации y(t);
коррекция восстановленных значений измеряемой величины с учетом отклонения условий измерения от номинальных;
восстановление значений измеряемой величины x(t) приjto<t<. (/+l)^o, т. е. интерполяция и экстраполяция.
Кроме того, необходимо оценить влияние квантования сигнала измерительной информации по времени и по уровню на точность его представления, а также рассмотреть методы контроля и повышения достоверности исходной информации в АСУТП.
3.2. ВЫБОР РАЗРЯДНОСТИ ПРЕДСТАВЛЕНИЯ ИНФОРМАЦИИ
В УВМ И ЧАСТОТЫ ОПРОСА ИЗМЕРИТЕЛЬНЫХ ПРЕОБРАЗОВАТЕЛЕЙ.
ИНТЕРПОЛЯЦИЯ И ЭКСТРАПОЛЯЦИЯ СИГНАЛА
В современных УВМ наибольшее распространение получил режим обработки данных с фиксированной запятой [48]. При этом погрешность представления исходной информации, вызванная квантованием по уровню, не превышает по абсолютной величине единицы младшего разряда, определяемой соотношением (3.5). Если задана допустимая относительная погрешность квантования по уровню бк, то необходимое число разрядов определяется из условия
Обычно я>8, так что относительная погрешность квантования по уровню не превышает 0,4%, т. е. является пренебрежимо малой по сравнению с погрешностью измерительного преобразователя.
При разработке АСУТП важен выбор периода ^о квантования по времени сигналов измерительной информации. Эта задача решается с учетом двух противоречивых соображений. С одной стороны, увеличение периода t0 снижает загрузку УВМ операциями сбора и первичной обработки исходной информации. В результате большая доля вычислительных ресурсов системы может быть использована на решение задач контроля и управления более высокого уровня. Это соображение особенно важно для микропроцессорных АСУТП. С другой стороны, при увеличении периода to возрастает погрешность определения действительного значения измеряемой величины y(t) по решетчатой функции g*(jto). Эта погрешность проявляется при восстановле-
Рис. 3.3. Спектры функций:
а — непрерывной; б, в — решетчатой при Шо<2о)с и при (йо>2юс
нии значений функции у (t) в моменты времени, не совпадающие с моментами отсчета tj = jt0.
Задачи восстановления непрерывной функции по ее дискретным значениям делятся на задачи экстраполяции и интерполяции. Экстраполяцией называют определение будущих
значений функции с момента очередного отсчета до момента поступления следующего отсчета. Интерполяцией называют определение промежуточных значений функции между двумя полученными отсчетами.
В общем случае восстановление непрерывного сигнала по решетчатой функции производится формирующим фильтром, представляющим собой линейное динамическое звено с амплитудно-фазовой характеристикой (АФХ) №ф(ко) (рис. 3.2). Следовательно, для восстановленного сигнала справедливо следующее соотношение:
где G*(ico)—преобразование Фурье функции g*(/'o).
Из теории импульсных систем известно [55], что спектр решетчатой функции является периодической функцией с периодом, равным частоте квантования (uo = 2njt0.
Смещенные компоненты спектра могут частично перекрывать друг друга, причем степень перекрытия увеличивается по мере уменьшения частоты ©0, т. е. при увеличении периода квантования t0 (рис. 3.3). В результате наложения спектр решетчатой функции" искажается, и из него невозможно выделить спектр исходной непрерывной функции. Исключение составляет физически нереализуемый случай, когда спектр непрерывной функции ограничен, т. е.
а частота квантования удовлетворяет условию
При этом смещенные компоненты в спектре решетчатой функции g(jto) не перекрываются, и из него можно выделить главную несмещенную составляющую, совпадающую со спектром непрерывной функции g(t) (см. рис. 3.3). Для точного восстановления исходной непрерывной функции по решетчатой функции необхо-
димо использовать идеальный нереализуемый фильтр с АФХ
Действительно, погрешность восстановления, очевидно, равна
или в преобразованном по Фурье виде1—
Для идеального фильтра (3.7) при выполнении условия (3.6) справедливо равенство
и,
следовательно
Если для восстановления используют фильтр с АФХ W$(iai), отличающейся от (3.7), то даже при выполнении условия (3.6) точное восстановление исходной непрерывной функции невозможно. Погрешность восстановления получим, применив обратное преобразование Фурье к выражению (3.8) с учетом (3.9):
Таким образом, погрешность восстановления зависит от свойств исходной функции g(t), периода квантования t0 [эти два фактора определяют G*(tco)] и АФХ формирующего фильтра
Рассмотрим наиболее распространенные методы экстраполяции и интерполяции.
Метод ступенчатой экстраполяции (экстраполятор нулевого порядка) состоит в том, что значение восстанавливаемой функции г/ф(/) для любого момента времени jto<t<i (j-\-l)tQ принимают равным g*(jt0) рис. 3.4):
Сигнал, восстановленный по алгоритму (3.11), можно, очевидно рассматривать как сумму двух направленных в разные стороны скачков с амплитудой g*(jt0), один из которых сдвинут по времени на to:
Следовательно, А.ФХ экстраполятора нулевого порядка равна:
Это выражение можно преобразовать, используя тригонометрическую форму комплексного числа
а тригонометрические функции кратных углов:
Подставляя полученное выражение в (3.12) и учитывая, что
получим
Погрешность экстраполяции обусловлена различием амплитудно-фазовых характеристик идеального фильтра (3.7) и экстраполятора нулевого порядка (рис. 3.5). Для расчета погрешности ступенчатой экстраполяции из частотной области удобно перейти к рассмотрению сигналов y$(t) и g(t) (см. рис. 3.4). Погрешность экстраполяции, очевидно, равна
Перейдем в этом выражении к новой переменной x=t—jt0, которая может изменяться в пределах от 0 до t0; тогда (3.13) можно записать в виде: e3(t) =g"(0)—g(x).
Если g(t) является стационарной случайной функцией, то математическое ожидание погрешности e3(t) при усреднении по множеству интервалов x,- = t—jt0, / = 0,1,2... равно нулю, так как
в силу линейности операции определения математического ожидания
Дисперсия погрешности экстраполяции равна: наибольшего значения при т—yt0. Усредняя De{%) по т. в пределах от 0 до t0, окончательно получим:
формулы (3.14) следует, что' дисперсия погрешности экстраполяции зависит от т и
Из достигает где М — знак математического ожидания.
Это выражение позволяет рассчитать дисперсию погрешности экстраполяции по заданному периоду квантования t0 и автокорреляционной функции Rg. Его же можно использовать для определения периода квантования t0, если задано наибольшее допустимое значение среднеквадратичной погрешности экстраполяции ое* и известна автокорреляционная функция Rg(x). Для этого удобно использовать графо-аналитический метод (рис. 3.6).
По графику функции Re(t) определяют такое значение i = t0, при котором удвоенная средняя высота заштрихованной фигуры ABC (т. е. удвоенный отрезок ДЕ) будет равна заданному значению (ae*)2=De. Если ИИК содержит звено чистого запаздывания т0 (например, ввиду необходимости транспортиро-
вания пробы от технологического потока до чувствительного элемента ИП),,то для расчета среднеквадратичной погрешности экстраполяции можно использовать формулу (3.15) с заменой в ней пределов интегрирования: нижнего на то, а верхнего — на
('о+то).
Наряду с ИП непрерывного действия в АСУТП применяют и датчики дискретного действия, например хроматографы. Они осуществляют квантование по времени измеряемой величины с собственным периодом tg, который обычно значительно выше •периода опроса t0. В этом случае результирующий период квантования по времени в данном ИИК определяется из условия'
Для оценки погрешности экстраполяции можно использовать выражение (3.15) с заменой в нем ^о на ig.
Линейная интерполяция (рис. 3.7) является простейшим методом интерполяции, в основе которого лежит кусочно-линейная аппроксимация функции g(t) на интервале значений jto<-t<£
<(/+1)*о.
Уравнение прямой, проходящей через точки g(jto) и ё{(/+1)^о]. можно записать в виде:
Погрешность линейной интерполяции
Подставляя в это выражение значение г/ф(О из формулы (3.16), возводя его в квадрат и усредняя по множеству интервалов, а затем по т в пределах от 0 до to, получаем выражение для дисперсии погрешности линейной интерполяции:
В литературе описаны и другие, более сложные методы интерполяции и экстраполяции [24], однако на практике их применяют редко. Современные УВМ обеспечивают достаточно высокую частоту опроса ИИК, поэтому обычно удается обеспечить требуемую точность восстановления измеряемых величин, используя простейший метод ступенчатой экстраполяции. Обычно среди десятков и даже сотен ИИК можно выделить несколько групп параметров, близких по частотным спектрам. Тогда можно выбрать общий период опроса для каждой группы датчиков. Например, в производстве разбавленной азотной кислоты опрос группы датчиков, контролирующих малоинерционный процесс контактного окисления аммиака, проводится с периодом 15 с, а опрос датчиков на инерционном процессе абсорбции — с периодом 2 мин.
Выбор частоты опроса измерительных преобразователей через число нулей случайного процесса. Выбор частоты опроса t0 по формуле (3.15) требует знания корреляционной функции Rs(r) случайного процесса g(t). Для получения оценки корреляционной функции необходим значительный объем вычислений. Кроме того, часто проще и естественнее задать не дисперсию ошибки Д» от замены непрерывного случайного процесса ступенчатым, а отношение этой величины к дисперсии случайного процесса D. Учтем также важность гарантии того, что выбранная частота опроса не приведет к появлению большей относительной погрешности, чем заданное значение, т. е. важно получить оценку сверху для периода опроса t0.
Для решения поставленной задачи воспользуемся неравенством [22]:
Если бы продолжительность корреляционной функции можно было оценить без построения этой функции, то неравенство (3.17) позволило бы оценить интервал опроса /0- Ниже получим оценку величины А через среднее число нулей случайного процесса No, т. е. через среднее число пересечений им линии своего математического ожидания в единицу времени. Предварительно отметим, что рассмотрение процессов с корреляционной функцией конечной продолжительности более естественны, чем процессов со спектральной плотностью, ограниченной частотой среза, так как первые, в отличие от вторых, физически реализуемы.
Известна связь среднего числа нулей No со спектральной плотностью случайного процесса 5(ш):
Пользуясь этой формулой, попытаемся найти минимальную продолжительность корреляционной функции Rg, имеющей заданное число нулей No. В силу свойств преобразования Фурье, произведение любых двух функционалов, однозначнскопределяе-мых корреляционной функцией Rg, один из которых имеет размерность времени, а другой — частоты [последний выражается через преобразование Фурье от Rg(r)], не изменяется при сжатии или растяжении корреляционной функции, т. е. при изменении масштаба времени.
Анализ размерности правой части формулы для iV02 показывает, что среднее число нулей имеет размерность частоты. В качестве функционала, имеющего размерность времени, примем
Рис. 3.8. Определение корреляционной функции минимальной продолжительности
продолжительность А корреляционной функции Rg (t). Таким образом, произведение C=NqA зависит от фор-
мы Rg(x) и не зависит от выбора масштаба времени. Поэтому первоначально зафиксируем /А=1 и при этом условии будем-искать минимум No, а точнее JV02. Чтобы учесть требование конечной продолжительности корреляционной функции, перейдем во временную область. Представим 5(ю) в виде |s(«o) |2, что соответствует представлению Rg(x) как свертки двух функций — г+(х) и /"(т), первая из которых определена на интервале (О, 1), а вторая — на интервале (0, —1). Формула для среднега числа нулей может быть теперь переписана в виде
Чтобы найти минимум N\ потребуем, как обычно, минимума числителя при фиксированном значении знаменателя. Задача
(индекс «+» для краткости записи опущен) решается с испольг-зованием уравнения Эйлера. Составим функционал Лагранжа
и запишем для него уравнение Эйлера
Его решение (а точнее — множество решений):
Подставив решение в условие для заданной дисперсии, получим-A2Q=D0/n.
Величина / на найденных решениях /=£>0&2я2; тогда I/D0=kn2. Это отношение минимально для k = l. Соответствующее решение
т+(т) показано на рис. 3.8. Там же нанесена корреляционная функция Rg*(x), имеющая при заданном среднем числе нулей минимальную продолжительность.
При Д=1 величина Стщ оказывается равной единице. Следовательно, если фиксировано среднее число нулей No, то минимальная продолжительность корреляционной функции Amm=l/Af0.
Пример.
Пусть относительная дисперсия, связанная
с дискретностью опроса датчиков, не
должна превышать пяти процентов. По
формуле (3.19) имеем для t0
оценку
Для получения No определяют среднее значение случайного процесса, выбирают реализацию такой длины, чтобы случайный процесс пересекал линию среднего значения приблизительно 100 раз, и подсчитывают отношение числа пересечений к длине реализации: No=N(T)/T.
Если число пересечений в точности равно 100, то, обозначив соответствующую продолжительность реализации через Г1Оо, получим:
Таким образом, на реализации длиной Тюо нужно 500 раз отобрать показания измерительного преобразователя.
3.3. ФИЛЬТРАЦИЯ ИЗМЕРЯЕМЫХ ВЕЛИЧИН ОТ ПОМЕХ
Фильтрацией называют операцию выделения полезного сигнала измерительной информации y(t) из его суммы с помехой e(t) (см. рис. 3.1). Обычно методы фильтрации основаны на различии частотных спектров функций y(t) и e(t): как правило, помеха бывает более высокочастотной. Для выполнения дальнейших выкладок примем следующие допущения:
1) функция y(t) является стационарным случайным процессом с известными статистическими характеристиками — математическим ожиданием Му, дисперсией Dy и автокорреляционной функцией, описываемой следующим выражением:
2) помеха e(t) также является стационарным случайным процессом, некоррелированным с полезным сигналом y(t); для нее известны статистические характеристики Ме = 0, De = kDy:
В результате фильтрации получают оценку г/ф (г) сигнала измерительной информации, к которой предъявляют следующие требования:
она должна быть несмещенной, т. е. должна удовлетворять условию
среднеквадратичная погрешность оценки должна быть минимальна, т. е.
Оценку уф(t) будем рассматривать как выходной сигнал линейного динамического звена — фильтра с АФХ №ф(т), на вход которого поступает выходной сигнал ИИК g(t) =y(t)-{-e(t).
В разд. 1.5 сформулирована общая задача синтеза линейного оптимального фильтра и получены выражения для АФХ идеального (нереализуемого) и физически реализуемого фильтров. Однако синтез оптимального реализуемого фильтра является сложной задачей и, кроме того, требует достаточно точного задания характеристик полезного сигнала и помехи. Поэтому на практике обычно ограничиваются так называемым параметрическим синтезом фильтров, т. е. задают структуру функции Т^Ф^'со), а ее параметры определяют из условий (3.22) и (3.23).
Спектральную
плотность функции e$(t)
рассчитывают
по формуле
Расчет дисперсии погрешности фильтрации обычно выполняют в частотной области, используя выражение
Функции Se(co) и Sy (ю) являются спектральными плотностями сигналов e(t) и у (t), которые получают в результате преобразования по Фурье автокорреляционных функций (3.20) и (3.21):
На практике применяют несколько простых алгоритмов фильтрации, рассмотренных ниже. Следует отметить, что в АСУТП некоторые методы фильтрации могут осуществляться как аппа-ратурно (с использованием специальных аналоговых устройств), так и программно. Поэтому для каждого такого метода фильтрации изложен аналоговый и дискретный варианты реализации. Экспоненциальный фильтр*. В аналоговом варианте экспонен-
Название фильтра обусловлено тем, что импульсная характеристика апериодического звена описывается экспоненциальной функцией.
циальный фильтр представляет собой апериодическое звено и описывается дифференциальным уравнением
где у и &ф — параметры настройки фильтра. Уравнению (3.28) соответствует АФХ
где Гф=1./7 — постоянная времени фильтра.
Из условия (3.22) для статического режима определяют оптимальное значение параметра k& (коэффициента усиления):
Определение оптимального значения параметра у производится из условия (3.23), для чего предварительно рассчитывают спектральную плотность погрешности экспоненциального фильтра по формуле (3.25) с учетом (3.29) и (3.30):
Дисперсия погрешности экспоненциального фильтра, согласно (3.24) —(3.25) с учетом (3.29), равна
При вычислении этого интеграла оба слагаемых подынтегрального выражения раскладывают на простые дроби, каждая из которых сводится к табличному интегралу вида
После выполнения соответствующих преобразований получают следующее выражение для дисперсии погрешности фильтрации:
■Оптимальное значение параметра настройки у получают из необходимого условия экстремума функции Aj>(y):
откуда
Таким образом, функция Оф(у) имеет единственную точку стационарности, тип которой зависит от знака второй производной при v=Y°- Можно показать, что при выполнении условия
особая точка является минимумом функции Aj>(y)> а при выполнении условия km<C\ в точке y=Y° функция D&(y) достигает максимума. Таким образом, если сочетание характеристик полезного сигнала и помехи соответствует случаю (3.32а),то оптимальное значение параметра настройки определяется по формуле (3.32). Если это условие не выполняется, то оптимальным является наибольшее допустимое значение параметра у.
При программной реализации экспоненциального фильтра дифференциальное уравнение (3.28) заменяют разностным уравнением вида
где / — номер цикла расчета.
Отсюда получают следующее рекуррентное соотношение для вычисления сглаженного значения г/ф(/) в очередном /-том цикле
ПЯГЦЙТЯ1
К достоинствам алгоритма экспоненциальной фильтрации относятся малая трудоемкость расчетов и малый объем памяти УВМ, в которой должна храниться величина у и обновляемая в каждом цикле расчета величина г/ф(/—1).
Фильтр скользящего среднего в аналоговом варианте реализует вычисление среднего значения функции g(t)
на интервале времени от t—Гф до t (рис. 3.9,6):
где Гф — параметр настройки фильтра (время усреднения).
Преобразуем правую часть выражения (3.34), представив
РГП R RH7ie%
Отсюда видно, что фильтр скользящего среднего представляет собой параллельное соединение двух интегрирующих звеньев, одно из которых последовательно соединено со звеном запаздывания (рис. 3.9а). Поэтому амплитудно-фазовая характеристика фильтра описывается выражением
которое аналогично по структуре выражению (3.12) и может быть преобразовано к виду
Решая совместно (3.24) — (3.27) и (3.35), можно получить выражение для дисперсии погрешности А}> фильтра скользящего среднего и определить оптимальное значение Г°ф параметра настройки из необходимого условия минимума функции />ф(Гф). Получаемое при этом выражение очень громоздко, неудобно для практического использования. На его основе рассчитаны номограммы [24], по которым для заданных значений а, т, k можно определить 7"оф.
При программной реализации фильтра скользящего среднего расчет сглаженного значения #ф(/) в очередном /-том цикле проводится по формуле
А7
где N=T<blh — параметр настройки фильтра.
Для расчета по формуле (3.36) требуется хранить в памяти УВМ (N-\-l) значение функции g(jt0).
Статистические фильтры. Статистическими называют фильтры, которые в аналоговом варианте представляют собой параллельное соединение (я+1) цепочек, состоящих из усилительного зве-
на и звена чистого запаздывания. Передаточная функция такого фильтра
Статистический фильтр нулевого порядка. Это простейший среди фильтров данной группы. Его передаточная функция получается из формулы (3.37) при N=0, т. е. это просто усилительное звено, выходной сигнал которого
При непосредственном использовании формулы (3.38) сглаженная функция г/о (t) будет являться смещенной оценкой полезного сигнала у (t), т. е. ее математическое ожидание не будет равно mg. Действительно, усредняя левую и правую части (3.38) с учетом (3.3) и те = 0, получим:
Для получения несмещенной оценки к правой части (3.38) необходимо прибавить постоянный член а, удовлетворяющий условию
где 6о — параметр настройки фильтра.
Погрешность! фильтрации, согласно (3.22) и (3.39) с учетом (3.3), равна
где y(t)=y(t) —tn(y) —центрированная функция y(t).
Возводя левую и правую части формулы (3.40) в квадрат и усредняя, получим следующее выражение для среднего квадрата погрешности фильтрации:
Оптимальное значение параметра настройки Ьо, полученное из необходимого условия минимума функции Бф (Ьо), равно
Ему соответствует минимальная среднеквадратичная погрешность гЬи.ттьтпягтии-
Как видно из (3.42), статистический фильтр нулевого порядка
при оптимальной настройке снижает случайную погрешность сигнала измерительной информации в (1+&) раз.
При программной реализации статистического фильтра нулевого порядка расчёт сглаженных значений производится по формуле:
Статистический фильтр первого порядка. Его передаточную функцию получают из (3.37) при JV = 1:
Усредняя левую и правую части этого выражения и учитывая (3.3), получим: М[уф(1)]= (bo-\-bi)my.
Для выполнения условия несмещенности оценки y$(t), т. е. условия M[y<t,(t)] — my, коэффициенты Ьо и Ьи очевидно, должны удовлетворять соотношению Ь\ = \—Ьо, с учетом которого формула (3.43) приводится к виду:
Погрешность фильтрации e$(t), согласно (3.3), (3.21) и (3.44), равна
а дисперсия погрешности
Оптимальное значение параметра настройки Ьо получаем из ус-
ловия -*г=0;
В большинстве случаев статистические фильтры реализуются программно, поэтому второй параметр настройки т совпадает с периодом /о квантования по времени функции g(t).
Сравнительный анализ фильтров по совокупности показателей (точности, трудоемкости, потребному объему памяти УВМ и др.) показал [24], что для аналогового варианта целесообразно использовать экспоненциальный фильтр, а для программной реализации — экспоненциальный или статистический фильтр первого порядка.
3.4. АНАЛИТИЧЕСКАЯ ГРАДУИРОВКА ИЗМЕРИТЕЛЬНЫХ ПРЕОБРАЗОВАТЕЛЕЙ И КОРРЕКЦИЯ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ
В метрологии градуировкой называют операцию, с помощью которой делениям шкалы измерительного прибора придают определенные численные значения, выраженные в единицах измерения определяемой величины [27]. Аналогичный смысл вкладывают в понятие аналитической градуировки ИП: это операция определения (восстановления) значения х измеряемой величины по сигналу у измерительной информации на выходе ИГГ (см. рис. 3.1). Операцию аналитической градуировки выполняют с использованием градуировочной характеристики ИП, представляющей собой функцию, обратную его номинальной статической характеристике (3.2):
Градуировочная характеристика или номинальная статическая характеристика приводится в паспорте ИП в виде аналитической функции или таблицы соответствия значений хт; и у,-.
Рассмотрим несколько примеров ИП, для которых известно аналитическое выражение характеристики /0 или /о"1. Гидростатический уровнемер жидкости преобразует значение измеряемого уровня L в перепад давлений ДР между точками отбора импульсов (в самой нижней _ точке аппарата и над уровнем жидкости):
где р — плотность жидкости, кг/м3; L — уровень жидкости, м; &i—масштабный коэффициент, зависящий от выбора единиц измерения величины ДР (например, если АР выражено в МПа, то £i = 10-5).
Перепад ДР линейно преобразуется дифманометром в стандартный электрический сигнал у (например, 0—10 В на весь диапазон измерения). Таким образом, статическая характеристика данного ИП описывается уравнением
где kz=y*l&P* — коэффициент усиления дифманометра; у*—значение выходного сигнала дифманометра, соответствующее верхнему пределу измерения ДР* (для упрощения выкладок предполагается, что нижним пределом измерений является нуль).
Ей
соответствует градуировочная
характеристика:
Для комплекта рН-метра, состоящего из чувствительного элемента и преобразователя э. д. с. чувствительного элемента в стандартный электрический сигнал, статическая характеристика описывается уравнением [2]
тде £и, рНи, So и а — константы, значения которых зависят от типа электродов чувствительного элемента; 9 — температура анализируемого раствора, "С; й3=</*/рН*—коэффициент усиления комплекта рН-метра; у*—значение выходного сигнала преобразователя, соответствующее верхнему пределу измерения рН*.
Ей
соответствует градуировочная
характеристика
Номинальная
статическая характеристика расходомера
переменного перепада давления
описывается следующей нелинейной
функцией:
где у — стандартный выходной сигнал дифманометра (который рассматривается как линейный преобразователь перепада давления на сужающем устройстве в выходной сигнал у); k — коэффициент, зависящий от условий измерения; Q — измеряемая величина, т. е. объемный расход потока через сечение трубопровода.
Ей соответствует градуировочная характеристика
где ko —■ градуировочное значение коэффициента k.
Если градуировочная характеристика ИП задана аналитически, то операция аналитической градуировки сводится к выполнению расчета по формуле (3.47).
коэффициенты av которого определяют по методу наименьших квадратов, т. е. из условия
Для многих ИП с нелинейной градуировочной характеристикой последнюю определяют экспериментально и вносят в паспортные данные в виде графика или таблицы соответствия значений хт и г//. В частности, в виде таблицы задают градуировоч-ные характеристики наиболее массовых ИП, применяемых в АСУТП химических производств — термопреобразователей сопротивления (ТС) и термоэлектрических преобразователей температуры (ТПТ). При табличном представлении градуировочной характеристики применяют способ аналитической градуировки, заключающийся в аппроксимации табулированной градуировочной характеристики аналитическим выражением, которое в дальнейшем используют для вычисления значений хг. Чаще всего в качестве аппроксимирующей функции используют многочлен m-й степени:
Например, слабо нелинейные градуировочные характеристики ТС и ТПГ с достаточно высокой точностью аппроксимируются полиномами не выше третьей степени. В частности, градуировочная характеристика хромель-копе-левого ТПТ в диапазоне температур 0—600 СС аппроксимируется следующим полиномом второй степени [45]:
Вычисления по формуле (3.53) целесообразно выполнять по так называемой схеме Горнера:
Операция аналитической градуировки ИП позволяет определить действительное значение х измеряемой величины по сигналу у измерительной информации только в том случае, если х преобразовано в у в соответствии с номинальной статической характеристикой ИП (3.2), т. е. при выполнении условия
Действительно, в этом случае
Однако в производственных условиях невозможно стабилизировать значения всех влияющих величин на номинальном уровне, что приводит к нарушению условия (3.54). При этом
где Д£—■ вектор отклонений влияющих величин от номинальных значений.
Возникает так называемая дополнительная погрешность измерения, которая, очевидно, равна:
Если известна полная статическая характеристика ИП (3.1) и вектор Az, можно рассчитать погрешность Ахг и внести соответствующую поправку к расчетному значению хг, полученному по градуировочной характеристике.
Истинное значение х при нарушении условия (3.54) находят при расчете по функции, обратной полной статической характеристике ИП:
Его можно найти, умножая значение хт, полученное по формуле (3.47), на некоторый поправочный коэффициент kn:
Откуда с учетом (3.56) и (3.47) получим:
В качестве примера найдем выражение для расчета поправочного коэффициента для гидростатического уровнемера. Статическую характеристику (3.49) гидростатического уровнемера преобразуем так, чтобы сделать явной ее зависимость от температуры жидкости, которая является главной влияющей величиной. Для этого заменим плотность р соотношением, описывающим ее зависимость от температуры 6 при небольших отклонениях от номинального значения 6о:
где р — температурный коэффициент объемного расширения жидкости. После подстановки (3.59) в (3.49) получим полную статическую характеристику в виде
Обратная ей функция:
Поправочный коэффициент найдем, согласно (3.58), делением этого выражения на градуировочную характеристику (3.50):
Рис. 3.10. Блок-схема алгоритма вычис лення полинома по схеме Горнера
fexHHKO-экономических показателен производства. В подавляющем большинстве случаев расход газов, пара и жидкости, транспортируемых пс трубопроводам, измеряют с помощью расходомеров переменногс перепада давления [27]. При ис пользовании стандартных сужающих устройств расходомеры этогс типа градуируют расчетным путем т. е. для определенных номинальны? условий измерения (температура давление и т. д.) рассчитывают гра дуировочную характеристику расхо домера. Коррекцию измеренных зна чений расхода производят при от клонении условий измерения от но минальных, а также с целью приве дения результатов к единым услови
ям (обычно температура 20 °С, давление 105 Па), чтобы сделать их сопоставимыми.
. Для коррекции применяют общие соотношения (3.57) и (3.58). Формулы для расчета поправочных коэффициентов для разных возможных на практике случаев измерения расхода получают подстановкой в (3.58) выражения (3.52), конкретизированного для каждого случая.
Для примера рассмотрим коррекцию результатов измерения массового расхода насыщенного пара на изменение давления в трубопроводе. В этом случае функция, обратная полной статической характеристике расходомера, описывается выражением [27].
где k — коэффициент, практически не зависящий от давления; р — плотность измеряемой среды.
Таким
образом, £п=Ур/ро- В частности, для
диапазона давлений 0,25— 0,85 МПа зависимость
р от давления насыщенного пара
аппроксимируется полиномом второй
степени [45]:
Задав номинальное значение Яо, можно по этой формуле рассчитать ро, а затем в процессе измерения рассчитывать фактическую плотность, соответствующую текущему значению Р, и вносить поправку на изменение условий.
3.5. КОНТРОЛЬ И ПОВЫШЕНИЕ ДОСТОВЕРНОСТИ ИСХОДНОЙ ИНФОРМАЦИИ
Исходная информация о текущем состоянии объекта управления поступает в УВМ по многим десяткам, а иногда и сотням ИИК. С увеличением их числа возрастает риск попадания в систему недостоверной информации, поэтому одной из важнейших функций первичной обработки информации в АСУТП является контроль ее достоверности.
Недостоверная исходная информация появляется при отказах ИИК, которые делятся на полные и частичные (метрологические). Полный отказ наступает при выходе из строя ИП или повреждении линии связи ИП с УВМ. При частичном отказе технические средства сохраняют работоспособность, однако погрешность измерения соответствующего параметра превышает допустимое значение.
Обнаружение полных отказов ИИК является гораздо более простой задачей, чем выявление частичных отказов. Поэтому сначала рассмотрим алгоритмы контроля достоверности исходной информации, позволяющие обнаружить только полный отказ ИИК. При этом недостоверное значение параметра должно быть заменено достоверной оценкой, в качестве которой может
Рис. 3.11. Блок-схема алгоритма допус-кового контроля достоверности исходной информации
быть использовано предыдущее достоверное значение этого параметра или его значение, усредненное за некоторый интервал времени, предшествующий моменту обнаружения отказа ИИК. Последний способ применяют для наиболее ответственных параметров, например, расходов, значения которых используют при расчете ТЭП.
Алгоритм допускового контроля параметра. Он основан на том, что при работе объекта значения
каждого из контролируемых технологических параметров дс,- не могут выходить за определенные границы:
Соответственно при исправном ИИК должен быть ограничен и сигнал измерительной информации г/,, поступающий в УВМ по этому каналу:
Контроль достоверности по этому алгоритму заключается в проверке выполнения условия (3.61) для каждого значения сигнала измерительной информации, поступившего при очередном опросе ИИК. Блок-схема алгоритма представлена на рис. 3.11. Он работает следующим образом.
После инициации работы алгоритма (блок /) и ввода исходных данных (блок 2) организуется цикл проверки ИИК, каждому из которых присвоен свой номер г (блок 3); в блоке 4 проверяется условие (3.61), при выполнении которого проверяется условие окончания работы алгоритма (блок 5). Выполнение условия г = п (где п — число контролируемых ИИК) останавливает работу алгоритма. Если это условие не выполняется, счетчик номера ИИК увеличивается на 1 (блок 8), и цикл повторяется. Если при проверке в блоке 4 условие (3.61) не выполняется, то в блоке 6 недостоверное значение yr (jt0) заменяется достоверным значением yj[(j—1)^0] того же сигнала, полученным в предыдущем цикле опроса ИИК. Затем на печать выводится сообщение о том, что обнаружен отказ t-того ИИК (блок 7), и работу алгоритма продолжает блок 5.
Этот алгоритм применим не только для стационарных процессов, но и для нестационарных, например периодических. В этом случае граничные значения у,* и у,* в условии (3.61) являются не константами, а функциями времени, отсчитываемого от начала процесса. Алгоритм допускового контроля скорости изменения сигнала
измерительной информации основан на том, что скорость изменения любого технологического параметра хг ограничена условием
где о)с—частота среза функции xr(t)\ x, — среднее значение этой функции.
Соответственно должна быть ограничена и скорость изменения сигнала измерительной информации yr(t)
Контроль достоверности по данному алгоритму заключается в проверке выполнения условия (3.63), причем оценку производной dyijdt рассчитывают по формуле
Контроль достоверности исходной информации по условиям (3.61) и (3.63) часто совмещается. Тогда в блок-схему алгоритма на рис. 3.11 между блоками 4 и 5 вводится еще один блок, осуществляющий проверку выполнения условия (3.63). При нарушении этого условия инициируется блок 6.
Алгоритмы контроля достоверности исходной информации, е помощью которых выявляются частичные отказы ИИК, основаны на использовании информационной избыточности, которая всегда имеется в АСУТП. Избыточность прежде всего может быть создана искусственно при проектировании АСУТП за счет ап-' паратурной избыточности, например резервирования ИИК для контроля наиболее важных технологических параметров.
Другой вид информационной избыточности в АСУТП обусг ловлен тем, что информация о действительном значении некоторого технологического параметра содержится не только в измеренном значении этого параметра, но и в измеренных значениях других параметров, связанных с ним устойчивыми зависимостями, например, уравнениями материального баланса.
При разработке алгоритмов контроля достоверности исходной информации на основе информационной избыточности принимают следующие допущения:
1) маловероятно одновременное появление в пределах рассматриваемой структуры более чем одного источника недостоверной информации;
маловероятно одновременное изменение характеристик двух независимых источников информации, при котором соот ношение между ними остается неизменным;
маловероятен выход за допустимые пределы показателя, зависящего от нескольких независимых величин, при нормальной вариации последних.
Алгоритмы, применяемые при аппаратурном резервировании И И К. Эти алгоритмы используют сигналы измерительной информации j/v, полученные в результате преобразования одной измеряемой величины с помощью п ИП, так что v=l,2,...п.
Если я>3 и погрешности ИП близки друг к другу, то определение частичного отказа ИИК производится по нарушению условия
где у — среднее значение i/v; с=const — наибольшее допустимое значение модуля разности у\ и у; величина с может быть принята равной (2—3) а, где а — среднеквадратичная погрешность ИП.
Важное практическое значение имеет случаи, когда один из параллельных ИИК можно принять за эталонный, поскольку его погрешность существенно меньше, чем у других. В этом случае признаком частичного отказа v-ro ИИК является нарушение условия
где cv = (2—3)ctv—допустимая погрешность v-ro ИИК; 0"v — среднеквадра тичная погрешность v-ro ИИК. J
Разновидностью данного алгоритма является метод тестовых (калиброванных) сигналов, позволяющий контролировать исправность ИИК без ИП. Метод заключается в том, что ИП на время отключают и вместо него к входу ИИК подключают источник тестового сигнала, для которого с высокой точностью известно значение уэ- Если сигнал yv на выходе проверяемого ИИК удовлетворяет условию (3.65), то канал признают исправным; его нарушение является признаком частичного отказа.
Если п = 2 и погрешности обоих ИИК близки, то признаком частичного отказа одного из них может служить нарушение условия:
При этом невозможно определить отказавший ИИК без привлечения дополнительной информации.
Алгоритмы, использующие связи между измеряемыми величинами. Эти алгоритмы широко применяют для контроля достоверности исходной информации и диагностики частичных отказов ИИК. При этом связи могут быть функциональными (например, уравнения материального и энергетического баланса) или вероятностными. В последнем случае они описываются регрессионными уравнениями.
Рассмотрим общую методику контроля достоверности результатов измерения п величин, связанных т уравнениями вида
Будем считать, что заданы функции f,(x) и дисперсии а<2 погрешностей измерения, которые являются случайными величинами с нормальным законом распределения и нулевым математическим ожиданием.
Уравнения (3.66) выполняются только при подстановке в них истинных значений Xi измеряемых величин. Если же значения измеряемых величин известны с погрешностями Д#,-, т. е.
то при их подстановке функции f/(x) не равны нулю:
где // — погрешность выполнения /-го уравнения связи (3.66), вызванная погрешностями измерения.
Функции fi(x) обычно являются непрерывными и дифференцируемыми по всем аргументам, поэтому их можно разложить в ряд Тейлора по степеням величин А*,-:
Поскольку при частичных отказах ИИК погрешности Axi малы, можно не принимать во внимание нелинейные члены ряда (3.68), содержащие в качестве сомножителей величины высших порядков (Ах)к, где k = 2,3,.... Тогда с учетом (3.66) из (3.68) получим:
Подстановка уравнения (3.69) в (3.67) дает:
На практике расчет параметров ац проводят, используя не истинные, а измеренные значения xi, так что
Система уравнений
является линеаризованной математической моделью объекта управления или некоторой его части. Она служит для расчета оценок погрешностей А*,-, которые используют при контроле достоверности исходной информации и диагностике частичных отказов ИИК.
Метод расчета погрешностей Ах,- зависит от соотношения между числом измеряемых величин п и числом уравнений связи т.
При п = т значения Axi определяют одним из численных методов решения системы т линейных уравнений (3.72). При л>т можно попытаться уменьшить число рассчитываемых оценок погрешностей с п до т. Для этого результаты измерений q = n—т параметров следует заранее рассматривать как достоверные. Если такое допущение правомерно, задача сводится к рассмотренному выше варианту.
В общем случае при п>т оценки погрешностей Axh определяют, решая оптимизационную задачу
при выполнении соотношений (3.70). Весовые коэффициенты р(-, позволяющие учесть различие в классе точности ИП, рассчитывают по формулам [24]
п
где £=const, oi — среднеквадратичная погрешность i-того ИП.
Для решения задачи нелинейного программирования (3.73) используют метод неопределенных множителей Лагранжа. Составляют функцию Лагранжа:
где X, = const — множители Лагранжа.
Для нее записывают необходимые условия оптимальности
—з— = 0 и-^г- =0 в виде следующей системы (п-\-т) уравне-
OXi OAj
ний:
Искомые оценки погрешностей Axi являются решениями системы линейных уравнений (3.75) — (3.76).
Рассчитанные значения оценок погрешностей используют для коррекции результатов измерений:
Xi = xi—Axi. (3.77)
Среднеквадратичная погрешность откорректированных значений измеренных величин меньше среднеквадратичной погрешности измерений ИИК, причем увеличение точности оценок тем значительнее, чем меньше разность п—т.
На рис. 3.12 представлена блок-схема алгоритма контроля достоверности исходной информации, диагностики частичных отказов ИИК и коррекции результатов измерений, основанного на использовании функциональных связей между измеряемыми величинами. Он работает следующим образом.
После инициации (блок /) в оперативную память УВМ вводятся исходные данные (блок 2) и начинается циклический рас-
чет погрешностей // уравнений связи по формуле (3.67), для чего служат блоки 4, 7 и 8. В блоке 5 рассчитанные значения сравниваются с наибольшими допустимыми значениями /;*:
Если условие (3.78) выполняется для всех уравнений связи, то все результаты измерения признают достоверными, т.е. х, = л;,-, и работа алгоритма заканчивается, тах как логическая переменная k сохраняет свое первоначальное значение k = 0.
Нарушение условия (3.78) хотя бы для одного уравнения связи служит признаком наличия частичных отказов. При этом в блоке 6 логическая переменная k приобретает значение 1, и после окончания цикла расчета погрешностей I] уравнений связи алгоритм переходит к расчету оценок Axt погрешностей измерений (блоки 10—25). Он начинается с циклического вычисления оценок коэффициентов а/,- линеаризованных уравнений связи в блоках 10—16. Коэффициенты рассчитываются по формуле (3.71) в блоке 12. В блоке 17 формируется матрица коэффициентов a,i системы линейных уравнений (3.72) и матрица-столбец погрешностей //. Если расчет выполняется для случая п = т, то на этом работа блока 17 заканчивается. Для случая п>т матрица, формируемая блоком 17, дополняется строками, соответствующими уравнениям (3.75).
Блок 18 предназначен для решения одним из численных методов системы линейных уравнений (3.72) или (3.75) — (3.76). Эта часть алгоритма требует основных затрат машинного времени и оперативной памяти ЭВМ. В результате работы блока 18 получают оценки погрешностей измерений Ах,-.
В блоках 19—23 производится диагностика частичных отказов ИИК, для чего оценки Axt сравнивают с наибольшими допустимыми значениями погрешностей измерений Ах(*:
Нарушение условия (3.79), которое проверяется в блоке 20, является признаком частичного отказа t-того ИИК; сообщение об этом формируется блоком 21. В блоке 22 рассчитывается откорректированное значение Xi измеряемой величины по формуле (3.77). Блок 25 служит для вывода результатов расчета, после чего работа алгоритма завершается. Исходными данными для работы алгоритма являются массивы следующих величин: измеренных значений параметров хг, допустимых погрешностей /,•* уравнений связи; допустимых погрешностей А*,-* измерений; весовых коэффициентов р,- (если п>от).
Пример. Рассмотрим контроль достоверности результатов измерения расходов азотной кислоты, поступающей с производства на склад. Производство состоит из трех параллельно работающих агрегатов. На выходе каждого из них измеряется расход qt (г'еТГЗ) продукционной кислоты. Затем кислота поступает в коллектор, в котором измеряется общий расход <74. Поскольку расход qt является одним из основных отчетных параметров производства, для его измерения используют расходомер более высокого класса точности, чем для измерения расходов q\ — q% Исходные данные для алгоритма контроля достоверности исходной информации следующие:
измеренные значения параметров *i= 12,1 т/ч; х2= 11,6 т/ч; £3=12,4 т/ч; 24=34,5 т/ч;
допустимая погрешность выполнения уравнения связи 2*= 1,5 т/ч;
допустимые погрешности измерения отдельных параметров Axt* = &.x2* = = Д*з*=0,45 т/ч; Д*4*=0,65 т/ч;
среднеквадратичные погрешности измерения 01 = 0,3 т/ч; 02=0,2 т/ч; сг3= = 0,35 т/ч; о4=0,33 т/ч.
Действуем в соответствии с блок-схемой на рис. 3.12.
1. Определим погрешность / выполнения уравнения связи между измеряемыми параметрами, которое в данном случае имеет вид:
Проверка условия (3.78) приводит к выводу, что среди результатов, измерения Xi имеются недостоверные.
Исходное уравнение (3.80) является линейным, следовательно, коэф фициенты линеаризованного уравнения (3.70) совпадают с коэффициентами уравнения (3.80):
откуда
£=0,0187; pi
= 0,208; р2=0,468;
р3=0,153;
р4=0,172.
Теперь запишем систему уравнений
(3.75) —(3.76):
4. Проверим выполнение условия (3.79). Как легко убедиться, оно не выполняется только для параметра <7з, из чего следует вывод о частичном отказе этого ИИК.
В заключение рассчитаем откорректированные оценки значений измеряемых величин:
<7i=ll,701 т/ч; ?2=11,423 т/ч; <7з=П,858 т/ч; «74=34,982 т/ч. При этих значениях удовлетворяется уравнение связи (3.80).
Изложенный выше алгоритм можно использовать не только для определения частичных отказов ИИК, но и для более глубокой диагностики погрешностей измерения. Для этого подвергают статистической обработке расчетные значения погрешностей Axi, получаемые в последовательных циклах работы алгоритма. Оценка математического ожидания случайной вели-
чины Axi за N циклов расчета характеризует систематическую погрешность измерения t-того ИИК:
где ta — период, с которым выполняются расчеты по алгоритму контроля достоверности исходной информации.
По формуле
рассчитывают оценку среднеквадратичной погрешности измерения.