Для авторов
Найти
Результаты поиска
Найдено результатов: 7.
-
ОСОБЕННОСТИ ФОРМИРОВАНИЯ ПРОЦЕССА КЛАССИФИКАЦИИ СОСТОЯНИЯ ТЕХНИЧЕСКОГО ОБЪЕКТА НА ОСНОВЕ АНАЛИЗА ТОЧЕК ВРЕМЕННОГО РЯДА ПАРАМЕТРА
С.И. Клевцов47-572025-10-01Аннотация ▼Оценка работоспособности технического объекта в режиме реального времени важна для устойчивого и безаварийного функционирования объекта в процессе его эксплуатации. Ранее была предложена модель классификации скорости изменения параметра на основе специализированной обработки облака точек участка временного ряда без извлечения тренда. Однако, некоторые предложения, например, связанные с невключением части точек ряда в процедуру построения модели, не были достаточно обоснованы и являются неочевидной попыткой избавиться от аномальных значений временного ряда. Некоторые этапы реализации модели, например, построение эллипса на преобразованном облаке точек, требуют детального представления, что важно для дальнейшего обучения модели и проведения классификации. В статье в рамках предварительной подготовки данных предложена процедура выявления и отсеивания аномальных значений временного ряда параметра, основанная на модификации метода Ирвина. Кроме того, представлена уточненная схема оценки значений критерия в модели классификации состояния параметра технического объекта. За критерий оценки взят коэффициент сжатия эллипса, который строится на облаке точек диаграммы рассеяния, вырезанных скользящим временным окном из временного ряда параметра. Для этого разработана итерационная процедура построения эллипса. Новая процедура обеспечивает более обоснованную и точную оценку критерия. Таким образом, построена модифицированная модель, которая позволит оценить в реальном времени появления нештатной ситуации на ранней стадии ее развития. Процедура оценки может быть реализована в составе программно-аппаратных средств системы мониторинга технического объекта
-
ОСОБЕННОСТИ ВЫБОРА МОДЕЛИ ХАРАКТЕРИСТИКИ ПРЕОБРАЗОВАНИЯ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОГО ДАТЧИКА ФИЗИЧЕСКИХ ВЕЛИЧИН
С. И. Клевцов2021-11-14Аннотация ▼Рассматриваются вопросы выбора вида и параметров модели характеристики пре-
образования интеллектуального датчика физических величин на примере датчика давле-
ния. Характеристика преобразования интеллектуального датчика представляет собой
математическое, алгоритмической и программное обеспечение для вычисления физической
величины на основе электрических сигналов, которые поступают с измерительных каналов
датчика. Модель характеристики преобразования должна быть адаптирована к конфи-
гурации функции преобразования чувствительного элемента датчика и особенностям по-
ведения этой функции при воздействии внешних дестабилизирующих факторов. В работе
рассмотрены различные модели характеристики преобразования, определены особенности
их применения, достоинства и недостатки, достижимые уровни погрешности аппрокси-
мации реальной характеристики, которые влияют на конечную точность измерений ин-
теллектуального датчика. Интеллектуальные датчики используются для задач измерения
физических величин в различных технических системах и требования к точности измере-
ний в реальных задачах различны. Точность измерений в значительной степени определя-
ется степенью аппроксимации реальной характеристики датчика ее математической
моделью. Чем сложнее модель, тем, как правило, сложнее ее реализовать в датчике и тем
выше стоимость измерений. Поэтому важно управлять погрешностью аппроксимации
характеристики преобразования, чтобы эффективно использовать датчик. Для управле-
ния погрешностью аппроксимации характеристики преобразования интеллектуального
датчика давления предложено воспользоваться методом мультисегментной пространст-
венной аппроксимации, а в качестве сегментов использовать модели линейных или нелиней-
ных пространственных элементов. Определены основные математические выражения,
схема управления погрешностью. Представлены результаты моделирования, которые по-
казывают возможность и преимущества использования метода для формирования про-
странственных моделей характеристики преобразования, которые адаптивны к измене-
ниям реальной функции преобразования датчика, учитывают влияние внешних факторов
на результаты измерений. Кроме того, метод позволяет модифицировать текущую мо-
дель пространственной аппроксимации, изменяя типы локальных пространственных эле-
ментов и таким образом, управлять погрешностью измерений -
ВЫБОР МОДЕЛИ ХАРАКТЕРИСТИКИ ПРЕОБРАЗОВАНИЯ ДАТЧИКА ДЛЯ УПРАВЛЕНИЯ ПОГРЕШНОСТЬЮ ПРИ ИЗМЕРЕНИИ ФИЗИЧЕСКИХ ВЕЛИЧИН
С.И. Клевцов2022-08-09Аннотация ▼На примере датчика давления рассматривается проблема подбора модели и пара-
метров функции преобразования микропроцессорного датчика. Функция преобразования
базируется на математической модели, которая ставит в соответствие электриче-
скому сигналу, поступающему с измерительного преобразователя датчика, значение
физической величины. Модель функции преобразования микропроцессорного датчика
должна повторять реальную пространственную зависимость электрического сигнала
от измеряемой величины и учитывать влияние дестабилизирующих факторов, таких как
температура. Микропроцессорные датчики используют для измерения параметров объ-
екта с заданной точностью. Основной вклад в погрешность измерений вносит неточ-
ность аппроксимации реальной функции преобразования ее моделью. Необходимость
достижения оптимального уровня погрешности измерения параметра в системе с уче-
том сложности и стоимости измерений требует управления погрешностью датчика.
С этой целью представлены различные модели и методы аппроксимации. Для эффектив-
ного управления погрешностью предлагается метод мультисегментной пространствен-
ной аппроксимации, в основе которого лежат модели линейных или нелинейных про-
странственных элементов. Сформулирована процедура управления погрешностью. По-
рядок использования модели мультисегментной пространственной аппроксимации ха-
рактеристики преобразования для вычислений давления с учетом влияния температуры
основан на комбинированном применении линейных и нелинейных пространственных эле-
ментов в рамках одной модели. Процедура подбора типа сегмента должна начинаться с
оценки возможности использования сначала линейного пространственного элемента, а в
случае невозможности выполнения требований по точности, анализа использования нели-
нейного элемента. Метод позволяет изменять типы и конфигурацию пространственных
элементов и таким способом влиять на погрешность измерений. Преимущества данного
подхода подтверждаются результатами моделирования. -
КЛАССИФИКАЦИЯ СТЕПЕНИ ИЗМЕНЕНИЯ ПАРАМЕТРА В РЕАЛЬНОМ ВРЕМЕНИ НА ОСНОВЕ АНАЛИЗА ОБЛАКА ТОЧЕК ВРЕМЕННОГО РЯДА
С.И. Клевцов2024-10-08Аннотация ▼Задача построения модели оценки работоспособности технического объекта имеет мно-
жество применений в области контроля различных опасных ситуаций. Необходимость опере-
жающего мониторинга состояния технического объекта для предотвращения и управления про-
теканием нештатных ситуаций в целях их ликвидации с минимальными последствиями делает
постановку и выполнение этой задачи актуальной и своевременной. Для выполнения оценки со-
стояния технического объекта целесообразно использовать простые модели, позволяющие полу-
чить результат в режиме реального времени без существенной нагрузки на микроконтроллерную
систему управления. В работе рассматривается построение модели классификации динамики
изменения параметра технического объекта, что позволит прогнозировать изменение его со-
стояния в процессе оценки степени работоспособности объекта. Используются данные, отра-
жающих изменение параметров в реальном времени и представленные в виде временных рядов
значений параметров. Изменение параметра объекта во времени фиксируется с помощью времен-
ного окна, которое двигается вдоль временного ряда, вырезая из множества исходных данных
подмножество с неизменным количеством временных отсчетов. Для классификации динамики
изменения параметра предложено использовать представление точек временного окна в виде
графика Пуанкаре, который фактически является особым типом графика повторения или видом
диаграммы рассеяния. В качестве критерия используется коэффициент сжатия эллипса (эллип-
тичность), который охватывает облако точек, формируемое при построении диаграммы рассея-
ния, для временного ряда технического параметра. Разработана методика обучения и использова-
ния модели, включая формирование классов состояний динамики параметра объекта и вычисление
критериев. Проведена апробация модели. Модель обеспечивает реализацию процедур выявления в
реальном времени возможности возникновения нештатной ситуации на ранней стадии ее разви-
тия с помощью микропроцессорного модуля, расположенного на нижнем уровне системы монито-
ринга объекта. -
ИСПОЛЬЗОВАНИЕ МЕТОДА НОРМИРОВАННОГО РАЗМАХА ДЛЯ ОЦЕНКИ ИДЕНТИЧНОСТИ ЦИКЛОВ ИСПЫТАНИЙ
С.И. Клевцов2024-01-05Аннотация ▼Точность измерений микропроцессорного датчика физических величин в значитель-
ной степени определяется его характеристикой преобразования, которая строится на
основе данных, полученных при проведении градуировочных испытаний. Качество характе-
ристики преобразования датчика, от которого зависит точность измерений, в значитель-
ной степени определяется точностью аппроксимации характеристики преобразования
датчика. Градуировочные испытания датчика проводятся по методике испытаний. В про-
цессе проведения испытаний предпринимаются особые меры для исключения влияния от-
дельных циклов испытаний друг на друга. Поэтому небольшие отклонения от схемы прове-
дения могут привести к снижению качества характеристики преобразования и снижению
метрологических характеристик датчика. Важно, чтобы результаты нескольких циклов
испытаний при неизменных параметрах среды были независимыми друг от друга. В ста-
тье представлен способ определения качества результатов градуировочных испытаний
микропроцессорного датчика давления. Метод позволяет оценить влияние предыдущих
циклов испытаний на последующие при нарушении условий их проведения. Анализу подвер-
гается искусственный временной ряд, сформированный с использованием данных испыта-
ний. Для построения была реализована специализированная процедура соединения отдель-
ных циклов в единую структуру, аналогичную временному ряду. Для каждого фиксирован-
ного значения температуры был построен отдельный временной ряд. Поскольку получен-
ный временной ряд представляет собой линейную функцию, его показатель Херста должен
быть близким к единице. В этом случае ряд является трендоустойчивым, а отдельные
циклы испытаний независимы и формируют единый линейный тренд с незначительными
отклонениями от него. Если в процессе испытаний были нарушены существенные условия
их проведения, например, условия перехода от одного температурного режима к другому,
то на результаты текущего цикла испытаний будут влиять температурные условия пре-
дыдущего цикла. Для определения таких нарушений предложена процедура сравнения пока-
зателя Херста временного ряда, в котором присутствуют данные недостоверного цикла
испытаний, с диапазоном допустимых значений. Если показатель Херста соответствует
установленным ограничениям, то результаты испытаний можно использовать для по-
строения качественной градуировочной характеристики. В противном случае на резуль-
таты анализируемого цикла повлияли условия предыдущего цикла испытаний и рекоменду-
ется провести повторные циклы испытаний -
ПОРОГОВАЯ ОЦЕНКА СОСТОЯНИЯ ТЕХНИЧЕСКОГО ОБЪЕКТА НА ОСНОВЕ СЕГМЕНТАЦИИ И ИДЕНТИФИКАЦИИ МОДЕЛИ КОНТРОЛИРУЕМОГО ПАРАМЕТРА
С.И. Клевцов2023-08-14Аннотация ▼Для фиксации скачков среднего значения предложен способ детектирования, осно-
ванный на сегментации исследуемого сигнала на основе формирования кумулятивных сумм
с использованием критерия Пейджа-Хинкли. Использование критерия правдоподобия Пей-
джа–Хинкли позволяет в реальном масштабе времени обнаружить скачкообразные изме-
нения среднего значения контролируемого параметра объекта в условиях шума. При ис-
пользовании метода предполагается, что сигнал описывается временным рядом значений
исследуемого сигнала. Из этого ряда можно выделить отдельные последовательные уча-
стки, которые можно рассматривать как некоторые модели сигнала, ограниченные по
времени. В основе метода лежит использование статистики критерия, на основе которой
сравниваются две или три модели, оцененные по различным участкам сигнала, что позво-
ляет обнаруживать скачкообразные изменения в параметрах модели. В методе предпола-
гается, что рассматривается кусочно-постоянный сигнал с аддитивной помехой. В произ-
вольные моменты времени происходят скачки среднего значения данного сигнала. Скачки
среднего значения сигнала могут быть разными по знаку (фиксируются по разные стороны
от оси времени) и значительно превышают исходное значение по модулю. Среднее значение
сигнала – постоянная величина, близкая к нулю. Но возможна ситуация, когда повторный
скачок будет сделан с уровня, отличного от близкого к нулю среднего значения, причем как
в направлении возрастания, так и убывания среднего значения сигнала и изменения поляр-
ности сигнала (знака значений сигнала). Выбран критерий, который позволяет минимизи-
ровать время запаздывания в обнаружении скачка среднего значения снимаемого сигнала с
минимумом ложных тревог. При этом используется сегментации исследуемого сигнала на
основе формирования кумулятивных сумм с использованием критерия Пейджа-Хинкли.
Использование критерия правдоподобия Пейджа–Хинкли позволяет в реальном масштабе
времени обнаружить скачкообразные изменения среднего значения контролируемого пара-
метра объекта в условиях шума. -
ОПРЕДЕЛЕНИЕ ХАРАКТЕРА ИЗМЕНЕНИЙ ПАРАМЕТРА НА ОСНОВЕ АНАЛИЗА ДИНАМИКИ ФОРМЫ СОВОКУПНОСТИ ЕГО ЗНАЧЕНИЙ В РЕАЛЬНОМ ВРЕМЕНИ
С. И. Клевцов2020-10-11Аннотация ▼Одной из важных задач мониторинга технических объектов является предотвраще-
ние аварийных ситуаций. Эта задача связана с выполнением достоверной и адекватной
оценки работоспособности объекта. Оценка работоспособности объекта основывается
на анализе поведения его контролируемых параметров в реальном времени. Тогда она бу-
дет актуальной. В работе предложен метод определения характера изменения парамет-
ра, основанный на анализе последовательности специальных пространственных графиче-
ских форм, называемых графиками Пуанкаре. Выбранный параметр должен в значитель-
ной степени определять работоспособность контролируемого объекта. Графики форми-
руются на основе временного ряда контролируемого параметра. Выбирается временноеокно, которое вырезает заданное количество значений параметра. График строится для
каждого шага перемещения окна по временному ряду параметра. Анализируется транс-
формация формы заданного типа, которая накладывается на совокупность значений па-
раметра, представленных в виде графика. По изменению параметров формы делается
вывод о характере изменений параметра. В работе показана возможность использования
графиков Пуанкаре для отслеживания изменения состояния технического объекта в ре-
альном времени. При этом учитываются особенности съема информации с датчиков.
Оценка реализуется с помощью микропроцессорного модуля, входящего в систему монито-
ринга. Также предложена структура обобщенной однофакторной модели, которая от-
слеживает изменение состояния объекта на основе анализа графиков Пуанкаре. Приведен
вариант оценки состояния объекта с помощью сравнения характеристик графика с кри-
териями. Критерии получены после предварительной обработки большого массива данных
о поведении контролируемого параметра. Каждому значению критерия поставлена в со-
ответствие экспертная оценка, определяющая состояние объекта. Оценка позволяет оп-
ределить степень работоспособности объекта и реализовать необходимые действия в
случае опасности.
1 - 7 из 7 результатов
