Для авторов
Найти
Результаты поиска
Найдено результатов: 6.
-
МЕТОДИКА КУСОЧНОЙ АППРОКСИМАЦИИ СТАТИЧЕСКИХ ХАРАКТЕРИСТИК ГИДРОЛИТОСФЕРНЫХ ПРОЦЕССОВ ГЛУБОКОГО ЗАЛЕГАНИЯ
И. А. Бондин81-892025-12-30Аннотация ▼Рассматривается задача описания статических характеристик гидролитосферных процессов в глубокозалегающих водоносных горизонтах на примере Ессентукского месторождения минеральных подземных вод, относящегося к IV категории сложности по действующей классификации. Показано, что классические методы аппроксимации распределённых звеньев, широко применяемые при исследовании и проектировании систем управления для верхних водоносных горизонтов глубиной 50–400 м, оказываются непригодными для условий глубокого залегания. Это связано с высокой газонасыщенностью вод, выраженной структурной неоднородностью коллекторов, сложной и нередко нелинейной гидравлической связью между эксплуатационными и наблюдательными скважинами, а также пространственно-временной изменчивостью гидрохимических параметров. Предложена модифицированная методика кусочной аппроксимации статических характеристик гидролитосферных процессов, основанная на раздельном определении параметров аппроксимирующих звеньев на отдельных интервалах расстояний между скважинами по результатам опытно-фильтрационных работ. Методика апробирована для Сеноман–Маастрихтского водоносного горизонта Новоблагодарненского участка Ессентукского месторождения, для которого рассчитаны коэффициенты гидравлического взаимодействия скважин и построены статические передаточные функции для различных пространственных интервалов с учётом реальных геолого-фильтрационных условий. Показано, что использование кусочной аппроксимации обеспечивает более согласованное с экспериментальными данными описание статических характеристик по сравнению с однородными моделями и позволяет учитывать пространственную изменчивость фильтрационных свойств среды. Полученные результаты формируют методическую основу для прогнозирования гидродинамических и газогидрохимических изменений, оценки устойчивости эксплуатационных режимов, а также для разработки и синтеза систем управления дебитами глубоких скважин минеральных подземных вод. Практическая значимость работы заключается в возможности применения предложенной методики при обосновании параметров опытно-промышленной эксплуатации, корректировке проектных решений, интерпретации данных режимных наблюдений и опытно-фильтрационных работ, а также при формировании научно обоснованных рекомендаций по управлению водоотбором, снижению техногенных возмущений и сохранению устойчивости гидролитосферных систем в условиях интенсивного освоения месторождений
-
ФОРМИРОВАНИЕ ИМПУЛЬСНОЙ ХАРАКТЕРИСТИКИ РЕКУРСИВНОГО ФИЛЬТРА НИЖНИХ ЧАСТОТ С КОНЕЧНОЙ ИМПУЛЬСНОЙ ХАРАКТЕРИСТИКОЙ В ВИДЕ СУММЫ КВАЗИГАРМОНИК УСЕЧЕННОГО РЯДА ФУРЬЕ
Д.И. Бакшун , И.И. Турулин221-2282025-12-30Аннотация ▼Задача сокращения количества арифметических операций в алгоритмах цифровой фильтрации является актуальной, поскольку это напрямую влияет на энергопотребление, быстродействие и аппаратные затраты. В условиях жестких требований к энергопотреблению мобильных и встраиваемых устройств сокращение операций умножения и сложения становится важным фактором проектирования. В статье рассмотрена методика реализации рекурсивного фильтра с конечной импульсной характеристикой (КИХ) в виде усеченной функции sinc, сглаженной окном (весовой функцией), которая представляет собой сумму квазигармонических функций. Квазигармонические функции с разными частотами представляют собой полиномы степени . За основу взят полином второй степени и предложен численный метод повышения степени полинома для улучшения точности аппроксимации. Анализ точности аппроксимации показал, что при использовании полиномов 4-ой и 6-ой степени достигается погрешность аппроксимации менее 1%. Коэффициенты нерекурсивной части фильтра вычисляются через нахождение обратных конечных разностей исходной КИХ. Коэффициентами являются целые числа, значения которых зависят от числа отсчетов (длины) полупериода квазисинусной функции, что упрощает реализацию подобного РКИХ-фильтра на базе программируемой логической интегральной схемы (ПЛИС). Результаты численного анализа конечных разностей для каждой квазисинусоиды показали, что при использовании квадратичной аппроксимации требуется всего 16 отсчетов, однако при этом будет относительно высокий уровень боковых лепестков
(–30 дБ). Переход к аппроксимации 4-го порядка увеличивает количество ненулевых коэффициентов до 20-ти и приводит к существенному (на 13 дБ) уменьшению уровня частотной характеристики в полосе заграждения, который достигает -43 дБ -
НЕЙРОСЕТЕВАЯ АППРОКСИМАЦИЯ МОДЕЛЬНО-ПРОГНОЗИРУЮЩЕГО УПРАВЛЕНИЯ ДЛЯ СИСТЕМЫ СТАБИЛИЗАЦИИ ДИНАМИЧЕСКОГО ОБЪЕКТА
Б.А. Комаров , С. В. Леонов , Т.Е. Мамонова276-2872025-12-30Аннотация ▼Актуальность. При решении задач стабилизации динамических объектов достаточно широко применяется классическое модельно-прогнозирующее управление. Оно обеспечивает высокое качество управления за счёт решения задачи оптимизации на каждом шаге, однако обладает значительными вычислительными затратами, что ограничивает его применение в системах реального времени с высокими требованиями к частоте обновления. Поэтому вопрос исследования применимости нейросетевого регулятора, обученного на модельно-прогнозирующем регуляторе (MPC) при решении задачи стабилизации положения динамического объекта при ограниченном вычислительном и временном ресурсе является актуальной. Цель. Целью представленной работы было разработать и исследовать нейросетевой регулятор, обученный на основе MPC-регулятора, для стабилизации положения динамического объекта на подвижной платформе. Методы. При выполнении работы использовались методы системного анализа, имитационного моделирования, а также экспериментальные испытания на стенде. Результаты и выводы. В рамках исследования разработан и обучен нейросетевой регулятор, аппроксимирующий поведение MPC на основе данных, полученных при управлении реальной балансировочной платформой. Обучение проводилось по входным и выходным данным MPC без использования внутренней модели системы, что позволило воспроизвести динамику регулятора при существенно меньших вычислительных затратах. Экспериментальные результаты показали, что нейросетевая модель обеспечивает качество стабилизации, сопоставимое с оригинальным MPC, при этом время вычислений сократилось с 47 мс до 1.6 мс, что составило значение ускорения в 29 раз. Предложенный подход демонстрирует потенциал нейросетевых методов управления в задачах замещения сложных оптимизационных регуляторов для систем с ограниченными вычислительными ресурсами.
-
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. -
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 -
АНАЛИЗ НЕКОТОРЫХ ВЕСОВЫХ ФУНКЦИЙ (ОКОН) И ИХ АППРОКСИМАЦИЙ ДЛЯ РЕАЛИЗАЦИИ НА ИХ ОСНОВЕ УПРАВЛЯЕМЫХ РЕКУРСИВНЫХ ФИЛЬТРОВ НИЖНИХ ЧАСТОТ С КОНЕЧНОЙ ИМПУЛЬСНОЙ ХАРАКТЕРИСТИКОЙ
Т. В. Шушкевич , А.А. Морозов , И. И. Турулин2021-11-14Аннотация ▼Существуют различные типы весовых функций, так называемых окон, при цифровой
обработке сигналов, такие как прямоугольное (окно Дирихле), треугольное (окно Барт-
летта), окно Валле – Пуссена, окно Кайзера – Бесселя, окна Барсилона – Темеша, окна Хан-
на, Бохмана, Блэкмана, Гаусса (Вейерштрасса), Дольфа – Чебышева, Хэмминга и многие
другие и идеальные характеристики стандартных фильтров, таких как фильтры нижних
и верхних частот, полосовые фильтры. Целью данной обзорной статьи является опреде-
ление наиболее подходящей весовой функции для реализации на её основе управляемого ре-
курсивного фильтра нижних частот с конечной импульсной характеристикой. В данной
статье представлен анализ лишь некоторых из вышеперечисленных окон и их аппроксима-
ций, а именно окна Дольфа – Чебышева, окна Гаусса (Вейерштрасса) и окна Хэмминга.
Помимо анализа, был рассмотрен синтез рекурсивных цифровых фильтров с КИХ для весо-
вой обработки данных на основе выбранных окон и их аппроксимаций. Рассмотрен метод
синтеза окон Дольфа-Чебышева. Рассмотрена реализация окна Гаусса (Вейерштрасса).
Рассмотрены способы аппроксимации окна Хэмминга и методы и несколько алгоритмов
разработки фильтров с конечной импульсной характеристикой в виде данного окна. Про-
изведено оценивание взаимосвязи между параметрами быстрых окон, выбранных для ана-
лиза, от максимального уровня боковых лепестков. На основе полученных данных были сде-
ланы выводы по выбору наиболее подходящих и демонстрирующих наибольшее быстродей-
ствие окон, подходящих для реализации на её основе управляемого рекурсивного фильтра
нижних частот c конечной импульсной характеристикой.
1 - 6 из 6 результатов
