Глава 9. Информационные подсистемы

9.1. Введение

Главной задачей информационной подсистемы, как части общей ИУВС, является сбор, обработка, хранение и выдача информации.

Рассмотрим более подробно особенности реализации информационной системы (ИС), ориентируясь прежде всего на задачи последующего управления сложным объектом. Большая часть информации об объекте (в том числе об управляемых и управляющих переменных и контролируемых входах) вводится в ИС автоматически от датчиков, эта информация называется первичной и она поступает в вычислительный комплекс непрерывно, через определенные интервалы времени .

В связи с большими объёмами информации осуществляется её архивирование и хранение для последующей обработки (создание архивов событий, аварийной сигнализации, изменение технологических параметров во времени, полное или частичное сохранение параметров через определенное время и т.д.). Ясно, что с течением времени работы ИУВС общие объемы хранимой информации будут увеличиваться и необходимо её как можно быстрее обработать и хранить результаты такой обработки, вместо самих исходных данных (кроме, конечно, данных аварийной сигнализации, защиты и блокировки, которые сохраняются за более длительные интервалы времени).

Именно улучшение процессов сбора и обработки информации с использованием ЭВМ послужили основанием для внедрения ИС как первого этапа реализации ИУС в целом. Но и после внедрения даже самых сложных методов и систем управления, сбор и обработка данных необходимы, например, для уточнения модели, совершенствования функционирования системы, управление её эволюцией и т.д. Рассмотрим основные функции, цели и методы обработки информации.

9.2. Основные функции ис

Обычно выделяют несколько групп функций, которые представлены ниже.

9.2.1 Сбор и предварительная обработка информации.

9.2.2 Вычисление неизмеряемых (косвенно определяемых величин).

9.2.3 Регистрация и контроль состояния объекта и системы управления в целом.

9.2.4 Визуализация информации для представления ее лицу, принимающему решение – оператору.

9.2.5 Обмен информацией с системой более высокого уровня и/или другими подсистемами ИУВС в целом.

Каждая из этих групп функций, в зависимости от типа объекта и системы управления, разбивается на более подробные (подфункции). Так, например, на уровне 9.1 различают:

– опрос аналоговых и дискретных датчиков с заданным интервалом времени ;

– расчет действительных (истинных) значений параметров;

– фильтрация сигналов от помех;

– централизованный контроль технологических параметров.

В зависимости от типа объекта и системы управления каждая из этих групп функций и подфункций может быть представлена более подробно. Влияет на содержание функций ИС и тот уровень управления, о котором идет речь.

9.3. Типовые операции предварительной обработки информации

9.3.1. Определение истинных значений измеряемых параметров:

а) масштабирование / линейный случай:

.

Коэффициенты для каждого канала измерений должны быть заранее известны или определены на этапе настройки системы.

b) нелинейный случай:

.

Такая зависимость имеет место, например, при определении расхода жидкости или газа по перепаду давления.

c) определение истинного значения по переходному процессу при импульсном измерении (так определяют температуру расплава)

О

пределение истинной температуры проводится по передаточной функции и ее реакции на ступенчатое воздействие (заштриховано)

d) получение обобщенных зависимостей для групп датчиков – групповая интерполяционная модель для однотипных датчиков:

9.3.2. Интерполяция и экстраполяция показаний датчиков

Речь идет об обработке измерений при дискретном измерении непрерывно изменяющихся величин. Возникает задача восстановления значений измеряемых величин в моменты времени, которые не совпадают с моментами измерений – это интерполяция (экстраполяция) во времени.

Аналогичная задача имеет место при восстановлении информации в некоторых точках пространства (по длине, на плоскости, в объеме) – интерполяция по одной или нескольким пространственным координатам / например, в метеорологических или геологических исследованиях. Наиболее практичными оказались методы статистической интерполяции:

Определение искомых коэффициентов осуществляется из условия минимизации среднеквадратичной погрешности истинного значения . Обычно число точек n невелико, а при небольшой дискретности достаточно ограничиться двумя-четырьмя точками. При этом должно соблюдаться правило [ ]: время между соседними замерами меньше времени полного спада корреляционной функции []. Обычно рекомендуют выбор дискретности . Различие погрешности интерполяции и экстраполяции исследовали в [ ] при малом n.

Если погрешности дискретных измерений невелики, или (ими можно пренебречь), используются детерминированные методы, хорошо известные из вычислительной математики, например, интерполяционный полином Ньютона, интерполяционные методы Гаусса, Стерлинга и Бесселя, интерполяционный полином Лагранжа и др. Весьма эффективными методами интерполяции являются сплайн-функции, в частности кубические сплайны. В специальных задачах широко используются полиномы Чебышева, преобразования Фурье[ ].

9.3.3. Фильтрация измерений от помех.

Существует обширная литература, посвященная проблемам оптимальной фильтрации сигналов от помех. Более точные фильтры являются и более сложными; их реализация обычно приводит к увеличению объема памяти, занимаемой программой фильтрации, а также к увеличению времени работы УВМ. При построении ИУС число датчиков достигает сотен и тысяч и каждому приходится искать разумный компромисс между погрешностью фильтра и простотой (а значит и экономичностью) его реализации.

Общий подход к проблеме фильтрации был дан Харкевичем А.А. [ ] в простой и понятной форме «метода накопления»: входные сигналы складываются в суммирующем устройстве-накопителе и далее решающее устройство дает ответ ("да" или "нет") на вопрос о наличии сигнала. Отношение сигнал-помеха возрастает в n раз (по сравнению с отсутствием накопления). Этот общий результат распространен как на дискретные фильтры, так и на непрерывные варианты: или и являются частными случаями некоторого общего оптимального метода.

Наиболее часто используемыми на практике простыми методами фильтрации являются:

a) скользящее среднее:

или в дискретном варианте:

b) экспоненциальное сглаживание, как некоторое рекуррентное соотношение

или

с) общий случай цифрового фильтра:

т.е. мы должны хранить в памяти ЭВМ текущие значения измеренного сигнала x[k], а также оценки входного и выходного сигналов фильтра, полученные на этапах фильтрации. Выбором интервалов хранения данных (n,m) и коэффициентов (a_i,b_j) получают серию вариантов цифровых фильтров, частными случаями которых являются скользящее среднее и экспоненциальный фильтр, рассмотренные выше.

d) возникающее запаздывание в получении оценок компенсируют построением т.н. прогнозирующих фильтров. В зависимости от требующейся точности различают экстраполяторы 0,1,2,3… порядка, в которых используются экспоненциальные оценки средних 1,2,3 порядков соответственно. Разумеется, соответственно выбираются значения n=1, m=1,2,3 с различными модификациями вычисления коэффициентов <a_i,b_j>.