- •Глава 9. Информационные подсистемы
- •9.1. Введение
- •9.2. Основные функции ис
- •9.3. Типовые операции предварительной обработки информации
- •9.4. Альтернативность и модульность
- •9.5. Типовые дискретные модули
- •Глава 10. Диагностические поДсистемы
- •10.1. Аварийная защита
- •10.2. Диагностика состояния объекта.
- •10.3. Статические критерии диагностики состояний
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
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 (ai,bj) 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 <ai,bj>.