Обработка и передача измерительной информации

ОРГАНИЗАЦИЯ ПРОЦЕССА ОБРАБОТКИ ТЕЛЕМЕТРИЧЕСКОЙ ИНФОРМАЦИИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ СЕМАНТИЧЕСКИХ ВЕБ СЛУЖБ

Васильев А.В., Геппенер В.В., Дерипаска А.О., Жукова Н.А., Тристанов А.Б.

Санкт-Петербургский государственный электротехнический университет.

Введение. На сегодняшний день одно из магистральных направлений развития информационных технологий – переход от обработки данных к обработке знаний. В рамках данного направления уже созданы достаточно эффективные средства работы со знаниями и инструментальные средства, необходимые для построения прикладных систем. В первую очередь это касается интеллектуальных технологий, в частности, технологии семантического веб. Использование интеллектуальных технологий, ориентированных на работу со знаниями, позволяет решать такие задачи как автоматизация процесса обработки всего комплекса телеметрической информации (ТМИ) [5].

Для использования преимуществ, которые дает переход от работы с данными к работе со знаниями, необходимо решить ряд задач, связанных с разработкой процедур извлечения, хранения и использования знаний из накопленной в базе данных (БД) ТМИ, в частности, необходимо разработать онтологию верхнего уровня (Upper Level Ontology) для работы с ТМИ. Для построения онтологии верхнего уровня требуется выделить основные группы понятий и определить соответствующие каждой группе модели знаний.

Основные понятия предметной области. При решении задачи анализа ТМИ в качестве ключевых можно выделить четыре группы понятий:

- понятия, описывающие внутреннюю структуру объекта (примерами понятий являются система, подсистема, агрегат, узел, датчик). Объект представляет собой сложную иерархическую структуру, при этом каждому элементу объекта сопоставлен формуляр, содержащий основные характеристики объекта;

- понятия, описывающие эксперименты, т.е. условия и результаты функционирования объекта за некоторый период времени (примерами понятий являются описания штатной эксплуатации объекта и эксплуатации объекта в нештатных ситуациях);

- понятия, соответствующие различным методам, используемым при обработке ТМИ. К методам обработки ТМИ относятся статистические методы, а также методы интеллектуального анализа данных. Под методами интеллектуального анализа понимаются методы, позволяющие на основе знаний об объекте и результатов экспериментов осуществлять обработку новых телеметрических (ТМ) данных в автоматическом режиме;



Рис. 1.
- понятия, используемые при описании ТМ сигналов. Для представления информации о ТМ сигналах используется информационная модель. Процесс построения модели сигналов может рассматриваться как последовательный, в ряде случаев итерационный переход по различным этапам обработки сигналов.

Связь основных понятий предметной области показана на рис. 1. В процессе функционирования сложных динамических объектов (СДО) с объектов поступают сигнальные данные, обработка которых осуществляется с использованием соответствующей группы методов. Выбор методов зависит, в первую очередь, от объекта и условий его функционирования, а также от объема имеющейся информации об анализируемом сигнале. Объем имеющейся информации определяется наполненностью модели сигнала.

Информационная модель телеметрического сигнала. Информационная модель ТМ сигнала включает три структурных модели (рис. 2).

Структурная модель сигнала нулевого уровня (L₀). На уровне L₀ в качестве формы представления используется форма представления сигнала как множество пар U=(T,V), где - момент измерения, - значение сигнала в момент времени , T – период времени, в течение которого объект функционирует, V – множество допустимых значений.

Структурная модель сигнала первого уровня (L₁). Пусть U – исходный сигнал, содержащий n отсчетов. Пусть С - множество всех возможных различимых состояний сигнала. Пусть некоторое состояние наблюдается в течение периода времени , где b и f обозначают соответственно начальный момент времени, когда начинает наблюдаться состояние c, и заключительный момент времени, когда состояние c больше не наблюдается. Тогда c рассматривается как описание интервала . Будем говорить, что является помеченной последовательностью интервалов над C, если выполняется условие . Модель первого уровня есть представление сигнала в виде помеченной последовательности интервалов.



Рис. 2
Структурная модель сигнала второго уровня (L₂). Модель сигнала второго уровня строится на основе модели сигнала первого уровня и представляется в виде упорядоченной пары P=(С,R), получившей название стандартного шаблона, где С – множество состояний, R – множество допустимых связей (закономерностей в следовании) между состояниями. При наличии набора стандартных шаблонов для одинаковых параметров строится обобщенный стандартный шаблон для соответствующего параметра, при этом шаблон является нечетким и учитывает особенности входящих в его состав стандартных шаблонов.

Структурная модель сигнала третьего уровня (L₃). Модель сигнала третьего уровня стоится на основе модели сигнала второго уровня и представляется в виде набора ассоциативных правил вида X _relation Y, где X С, Y С и X Y = . При этом в качестве отношения (relation) может рассматриваться один из элементов множества R допустимых связей (закономерностей в следовании) между состояниями C.

Методы построения информационной модели телеметрического сигнала. Методы построения информационной модели включают набор методов, применяемых при обработке ТМ сигналов.

Предварительная обработка сигнала (методы построения модели уровня L₀). Предполагается очистка сигнала от трендов, шума, выбросов. При этом применяются следующие группы методов: различные преобразования, используемые при обработке данных сигнального типа (дискретное Фурье-преобразование, дискретное преобразование Гильберта, вейвлет-преобразование, кепстральное преобразование, цифровая фильтрация), статистическая обработка случайных сигналов (статистический анализ параметров распределения, регрессионный анализ, анализ главных компонент, спектральный анализ), для «сырых» данных, поступающих непосредственно с датчиков или передающихся по ненадежным каналам связи (методы обработки пропущенных значений, аномальных участков, фильтрация помех).

Сегментация сигнала (методы построения модели уровня L_1-0). Методы сегментации используются как один из первых шагов обработки анализируемых данных. Сегментация представляет собой процесс разбиения сигнала на участки, обладающие постоянными свойствами. Сигнал представляется в виде последовательности сегментов, каждый из которых описывается начальным и конечным моментами времени, а также набором характеристик. Набор характеристик зависит от типа параметров. Выделяют две группы методов сегментации: методы с четко определенными сегментами, которые требуется обнаружить во временном ряде, методы, которые не требуют априорного задания сегментов. Отдельно рассматриваются методы сегментации медленно меняющихся [1] и быстро меняющихся [8] параметров. Использование методов сегментации позволяет перейти от обработки непосредственно исходных данных к обработке последовательности интервалов.

Определение классов состояний сигнала (методы построения модели уровня L_1-1). Под состоянием сигнала понимается фрагмент сигнала, соответствующий некоторому состоянию объекта. Классы сигналов выявляются с помощью алгоритмов кластерного анализа и формируются на основе найденных сегментов [2]. Кластерный анализ полученной последовательности элементарных сегментов решает задачу автоматической группировки полученных сегментов с целью выделения групп “схожих” сегментов. Степень схожести сегментов определяется по заданному критерию. Кластер-анализ проводится на основе некоторого набора характеристик, рассчитанных для каждого сегмента. Выбор характеристик зависит от типа анализируемых параметров.

Построение шаблона сигнала (методы построения модели уровня L₂). Построение шаблонов осуществляется на основе сигналов, представленных в виде последовательностей нечетких сегментов. Шаблон сигнала строится с использованием алгоритмов секвенциального анализа и позволяет компактно представить структуру сигнала [4]. Использование шаблонов предполагает переход от уровня представления данных в виде элементарных сегментов к более абстрактному уровню представления данных, основанному на понятии отношения между помеченными сегментами. Понятие отношения между сегментами может быть построено на базе темпоральной логики, предложенной Дж. Ф. Алленом [6].

Представление найденных о сигнале знаний в виде правил продукции (методы построения модели уровня L₃) Знания представляют собой закономерности, которые могут быть построены на основе шаблонов или на основе представления сигнала первого уровня с использованием алгоритмов ассоциации и построения деревьев решений [2,3].

Организация процесса автоматической обработки ТМ параметров. Процесс обработки телеметрических параметров представляет собой сложный процесс, который определяется экспертом на основе априорных знаний об объекте, сигналах, которые с него поступают, и применяемых методах обработки. Подобный подход требует явного задания применяемой последовательности методов обработки для каждого сигнала. При изменении источника сигналов или условий его функционирования требуется адаптация сформированных процессов. Набор доступных методов представляет собой набор веб служб, которые обеспечивают доступ к методам обработки, используя стандартный интерфейс [7]. Наличие знаний о предметной области в форме онтологии позволяет автоматизировать построение процессов обработки телеметрических параметров за счет использования знаний об объекте, эксперименте, в ходе которого получены сигналы, о сигналах и о доступном наборе методов. Автоматизация процесса обработки осуществляется за счет использования семантических веб служб [7]. Под термином “семантические веб службы” позволяют решить задачи, возникающих при обнаружении, выборе, объединении и исполнении подходящих служб. Семантические веб службы включают в себя два структурных элемента, при объединении которых достигается автоматизация использования сервиса: семантический веб, который позволяет на основе онтологий описать данные таким образом, чтобы машина была способна “понять” их и, как следствие, осуществить выбор метода для их обработки, и веб службы.

На сегодняшний день для семантических веб служб сформулированы основные принципы их функционирования, а также разработаны основные стандарты [7]. При наличии разработанной онтологии предметной области существующие разработки для веб разработки могут быть эффективно применены при организации обработки ТМ параметров.

Заключение. Описанный подход был применен при построении системы автоматизированного контроля СДО на основе обработки поступающей ТМИ [9], в частности при решении задачи формировании гипотез о состоянии объекта, выявлении аномальных и преданомальных состояний, определении причин возникновения аномальных ситуаций, локализации неисправностей. Применение такой системы позволило значительно сократить время работы эксперта и практически полностью заменить диспетчера.

Литература

1. 
   Васильев А.В., Геппенер В.В., Жукова Н.А., Клионский Д.М. Методы сегментации медленно меняющихся телеметрических параметров. // X международная конференция по мягким вычислениям и измерениям. - СПб.: СПбГЭТУ. - 2007. - Том 1. - С. 112-115.
   
2. 
   Васильев А.В., Геппенер В.В., Жукова Н.А., Тристанов А.Б. Применение алгоритмов кластеризации и классификации в задачах обработки и интерпретации телеметрической информации. // Труды Российского научного-технического общества радиотехники, электроники и связи имени А.С. Попова. Серия: Цифровая обработка сигналов и ее применение. - М.: ИПРЖР. - Выпуск IX-2. - 2007. - C. 389-392.
   
3. 
   Жукова Н.А. Использование алгоритмов ассоциации в интеллектуальных системах обработки телеметрической информации. // Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006. - М.: Физматлит. - 2006. - C. 141-149.
   
4. 
   Жукова Н.А. Система контроля состояний сложных динамических объектов. // X международная конференция по мягким вычислениям и измерениям. - СПб.: СПбГЭТУ. - 2007. - Том 2. - С. 80-83.
   
5. 
   Назаров А.В. и др. Современная телеметрия в теории и на практике. Учебный курс. - СПб: Наука и техника. – 2007.
   
6. 
   Allen J.F. Maintaining knowledge about temporal intervals. Comm. ACM, 26(11), 1983. P. 823-843
   
7. 
   Fensel D., Lausen H., Polleres A., Bruijn J.,·Stollberg M., Roman D., Domingue J Enabling Semantic Web Services. Springer, Berlin, 2007
   
8. 
   Geppener V.V. Rulenko O.P., Tristanov A.B., Firstov P.P. Using Adaptive and Intellectual Methods for Seismic Noise Model Construction // Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications, - Vol 15 No 2. – 2005. C. 549-552.
   
9. 
   Vasiljev А., Geppener V., Zhukova N., Тristanov А., Ecalo A. Automatic control system of complex dynamic objects state on the base of telemetering information analysis// Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications, pp. 376-379.
   

THE ORGANIZATION OF THE TELEMETERING INFORMATION PROCESSING USING OF SEMANTIC WEB TECHNOLOGY

Vasiljev A., Geppener V., Deripaska A., Zhukova N., Tristanov A.

St.-Petersburg state electro technical university,

197376, Russia, St.-Petersburg, street of professor Popova 5

For today one of the main directions of information technologies development is transition from data to knowledge processing. Within the limits of the given direction effective enough means of work with knowledge and the tool means necessary for construction of applied systems are already created. First of all it concerns intellectual technologies, in particular, to semantic web technology. The using of the intellectual technologies focused on work with knowledge, allows to solve such problems as: automation of all the telemetering information complex processing (TMI).

For use of advantages which are given with transition from work with data to work with knowledge, it is necessary to solve a number of the problems associated with development of procedures of extraction, storages and use of knowledge from DB TMI, in particular, are necessary to create the Upper Level Ontology for work with TMI. For Upper Level Ontology construction it is required to allocate the basic groups of concepts and to define models of knowledge corresponding everyone group.

In the present work it is considered the general approach to the organization of processing of the telemetering information formed during the control of complex dynamic objects. The offered information model of a telemetering signal structurally consists of four levels. The initial signal is presented by model of a zero level. The first level represents a signal in the form of the marked sequence of intervals, the label of an interval corresponds to the description of a condition of object. The model of the second level describes the order of transition of system from one condition to another. The structural model of the third level is presented by productional ruls.

Transition between levels of model is carried out by a set of specific methods. The model of the first level demands clearing of a signal of trends, noise and emissions. classical methods of digital processing of signals are used for preparation of a signal. Transition from a zero to the first level assumes performance of segmentation of a signal, i.e. splitting of a signal into the parts possessing constant properties. Transition to the second level is carried out by definition of classes of a condition of a signal, methods are applied for this purpose the claster analysis. Clasterisation is spent above the segments allocated at the previous stage. Transition to last, third level, consists in search of a pattern of a signal, for this purpose algorithms of association and construction of trees of decisions are used. The described information model of a signal provides an opportunity of transition from processing signals at a level of data to processing signals at a level of knowledge that allows to organize automatic search of methods of processing of the ТМ parameters, based on use services of semantic web. " The service of semantic web " is understood as the term automation of the problems arising at use, detection, a choice, association and execution of suitable services. For today the service of semantic web main principles of their functioning are formulated, and also the basic standards are developed. At presence generated ontology of subject domain, existing means for a web of development can be effectively applied at the organization of processing of ТМ parameters.

The described approach has been applied at construction of system of the automated control of complex dynamic objects on the basis of processing acting TMI, in particular at the decision of a problem formation of a hypothesis about a condition of object, revealing of abnormal and preabnormal conditions, definition of the reasons of occurrence of abnormal situations, localization of malfunctions. Application of such system has allowed to reduce considerably work of the expert and practically completely to replace the dispatcher.



СТОХАСТИЧЕСКОЕ ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ОБНАРУЖЕНИЯ ВОЗДУШНОЙ ЦЕЛИ ОБНАРУЖИТЕЛЕМ, РАБОТАЮЩИМ В ИНФРАКРАСНОМ ДИАПАЗОНЕ ВОЛН

Соловьев В.А., Якименко И.В., Сухотин В.В., Купреев А.В.

Военная академия войсковой ПВО ВС РФ им. Маршала Советского Союза А. М. Василевского

В результате проведения многолетних натурных измерений яркостей облачного неба [1, 2] и самолета в полете с помощью измерительно-вычислительного комплекса получены математические модели излучения фонов и самолета, которые являются исходными для разработки методики оценки ожидаемых характеристик обнаружения воздушной цели инфракрасным пассивным обнаружителем.

Полученные в результате обработки результатов экспериментальных исследований математические модели излучения естественных помех, создаваемых облачной атмосферой, и самолета Як-52 позволяют не только оценить ожидаемую дальность действия разрабатываемого оптико-электронного обнаружителя, но и построить зону его обнаружения по самолету данного типа. Такая задача решается путем использования предлагаемой в работе методики, сущность которой заключается в следующем.

Первое. В каждом из участков исследованного оптического спектра (2,6–4,2 и 8–13 мкм) формируется пространственное распределение энергетических яркостей фона с учетом его флюктуаций (матрица фоновой обстановки).

Второе. Задаваясь траекторией полета цели и, используя полученные ранее математические модели излучения самолета, производится наложение сигнала цели (с учетом ее углов визирования относительно точки наблюдения) на распределение фона в различные моменты времени полета. Таким образом создается имитационная модель фоно-целевой обстановки для дискретных моментов времени (группа матриц).

Третье. Организовывается анализ сформированной фоно-целевой обстановки, т. е. имитируется процесс обзора пространства, в процессе которого в каждом из анализируемых угловых направлений принимается решение о наличии или отсутствии цели в соответствии с выбранным методом обработки принимаемых сигналов.

В результате выполнения пунктов 1–3 создается имитационная модель функционирования разрабатываемого оптико-электронного обнаружителя, использование которой позволяет осуществить моделирование процесса обнаружения воздушной цели в процессе ее полета.

Четвертое. Используя имитационную модель оптико-электронного обнаружителя производится оценка зависимости вероятности правильного обнаружения воздушной цели от дальности методом статистических испытаний. Для этого в каждом моделируемом залете самолета производится последовательный анализ фоно-целевой обстановки в анализируемом секторе обзора, в процессе которого принимается решение о наличии или отсутствии цели в дискретные моменты времени. При этом определяется наклонная дальность до обнаруживаемой цели. Испытания проводятся при постоянных параметрах движения цели: высоте, скорости и курсовом параметре.

Поскольку яркости излучения фона и цели являются случайными величинами, в каждом моделируемом залете самолета используются свои реализации распределений яркостей фона и силы излучения цели, которые формируются на основании известных законов распределений и их параметров – средних значений и дисперсий флюктуаций. Благодаря этому обеспечивается стохастическое имитационное моделирование.

Весь интервал дальностей до цели разделен на дискретные участки. В процессе моделирования подсчитывается количество случаев правильного обнаружения самолета в пределах каждого из участков и общее количество моделируемых залетов. Это позволяет для каждого дискретного участка дальности рассчитать оценку вероятности правильного обнаружения .

По полученным результатам расчетов строится диаграмма распределения оценки вероятностей правильного обнаружения в зависимости от дальности до цели, по которой в дальнейшем определяется дальность обнаружения с вероятностью 0,5.

И, наконец, пятое. Если описанные выше процедуры при заданном виде облачности повторить для различных параметров движения цели , по результатам статистических испытаний строится ожидаемая зона обнаружения воздушной цели заданного типа в каждом из рассматриваемых спектральных диапазонах: 2,6–4,2 и 8–13 мкм. При этом удается избежать больших материальных затрат, связанных с полетами авиации при оценке зоны обнаружения разрабатываемого прибора.

Для реализации предлагаемой методики оценки дальности действия исследуемого оптико-электронного обнаружителя инфракрасного диапазона длин волн разработан алгоритм, который детализирует изложенные выше 1–5 пункты, и соответствующее программное обеспечение, с использованием которого проведено стохастическое имитационное моделирование процесса обнаружения самолета Як-52 при различных условиях полета цели и метеорологических ситуациях.

Для проверки адекватности разработанной математической модели оценена достоверность формирования ею фоно-целевой ситуации. С этой целью при моделировании воспроизводились условия полетов самолета Як-52, наблюдавшиеся при проведении экспериментальных исследований, результаты которого сравнивались с экспериментальными данными. Средние квадратические отклонения математических моделей от экспериментальных данных не превышают 11,3 % в диапазоне 2,6–4,2 мкм, и 15,5 % – в диапазоне 8–13 мкм, что позволяют судить о достаточной достоверности воспроизведения разработанным алгоритмом и программой реальной фоно-целевой обстановки.

В результате проведенного стохастического имитационного моделирования процесса обнаружения получены зависимости оценок вероятности правильного обнаружения воздушной цели, а также построены ожидаемые зоны обнаружения разрабатываемого оптико-электронного обнаружителя.

На рис. 1 и 2 приведены зависимости вероятности обнаружения самолета Як-52 от дальности при слоистой облачности в 9 баллов на встречном курсе в диапазонах 2,6–4,2 мкм и 8–13 мкм, а на рис. 3 – зона обнаружения самолета Як-52.

Анализ зависимостей вероятности обнаружения самолета Як-52 от дальности позволяет сделать вывод о том, что, как при полете самолета на встречном курсе, так и на догонном курсе, дальность действия обнаружителя в диапазоне 8–13 мкм оказывается выше, чем в диапазоне 2,6–4,2 мкм.



Рис. 1 – Зависимости вероятности обнаружения самолета Як-52 от дальности при слоистой облачности
9 баллов, встречный курс, диапазон 2,6–4,2 мкм



Рис. 2 – Зависимости вероятности обнаружения самолета Як-52 от дальности при слоистой облачности
9 баллов, встречный курс, диапазон 8–13 мкм
Существенное влияние на дальность обнаружения оказывает относительная влажность воздуха. В частности, в диапазоне 2,6–4,2 мкм с повышением относительной влажности воздуха от 50 до 80 % дальность обнаружения уменьшается на 4 % при полете на встречном курсе, и на 10 % при полете на догонном курсе. В диапазоне 8–13 мкм дальность действия снижается при тех же условиях на 7 %.

Рис. 3 – Зона обнаружения самолета Як-52 при слоистой облачности 9 баллов, встречный курс, диапазон 2,6–4,2 мкм
Из результатов моделирования также следует, что повышение чувствительности приемника практически не приводит к увеличению дальности обнаружения при выбранном способе обработки сигналов (пороговая обработка). Это объясняется тем, что с повышением чувствительности возрастает напряжение полезного сигнала на выходе приемника лучистой энергии, но одновременно возрастает и фоновый сигнал, обусловленный излучением облачности. В результате отношение сигнал/помеха практически не изменяется.

В процессе исследований были также определены дальности действия обнаружителя и при других видах облачности (таблица 1).

Таблица 1 – Дальность действия обнаружителя при различных видах облачности

Вид облачности	, м
	Диапазон 2,6–4,2 мкм		Диапазон 8–13 мкм
	Приближение	Удаление	Приближение	Удаление
Кучевая 1–3 балла
Кучевая 4–6 баллов
Слоистая 9 баллов

Примечание: в числителе приведены данные при относительной влажности 50%;

в знаменателе – при 80%.
Было установлено также, что форма и количество облачности существенно влияет на дальность обнаружения. При этом меньшему влиянию облачности подвержен обнаружитель, работающий в диапазоне 8–13 мкм.

Проведено сравнение значений дальности действия инфракрасного обнаружителя, полученных с использование существующего способа [3, 4] и предлагаемой методики. При этом в качестве эталонных использованы результаты стохастического имитационного моделирования, поскольку они основаны на результатах натурных измерений (таблица 2). Установлено, что при использовании разработанной методики обеспечивается повышение достоверности оценки характеристик обнаружения оптико-электронного устройства при работе в диапазонах длин волн 2,6–4,2 и 8–13 мкм на 9 и 19 %, соответственно.
Таблица 2 – Результаты сравнительной оценки ожидаемых дальностей действия оптико-электронного обнаружителя, определяемых с использованием существующего способа и по предлагаемой методике

Тип самолета	Оценка ожидаемой дальности обнаружения с использованием существующего способа, м				Оценка ожидаемой дальности обнаружения по предлагаемой методике, м
	Без учета фона		С учетом фона		С учетом фона
	Диапазон 3–5 мкм	Диапазон 8–13 мкм	Диапазон 3–5 мкм	Диапазон 8–13 мкм	Диапазон 2,6–4,2 мкм	Диапазон 8–13 мкм
Як-52	2799 0,088	3955 0,19	2655 0,039	3790 0,156	2550 0	3200 0

Примечание: в числителях приведены ожидаемые дальности обнаружения, м;

в знаменателях – относительные погрешности оценок

Литература

1. Алленов А. М., Алленов М. И., Иванов В. Н., Соловьев В. А. Стохастическая структура излучения облачности. С-Пб., Гидрометеоиздат, 2000. – 176 с.

2. Соловьев В. А., Купреев А. В. Применение радиометрического комплекса для исследования собственного излучения воздушных целей в инфракрасном диапазоне волн. Депонированная рукопись 22.09.06, инв. № В6378. Сборник рефератов депонированных рукописей. Серия Б. Выпуск № 77 –М.: ЦНИИ МЩ РФ, 2006.

3. Хадсон Р. Инфракрасные системы. М., Мир, 1972. – 534 с.

4. Лазарев Л. П. Оптико-электронные приборы наведения. М., Машиностроение, 1989. – 510 с.




STOCHASTIC IMITATING MODELLING OF PROCESS DETECTION OF THE AIR PURPOSE BY THE DEVICE, WORKING IN THE INFRA-RED WAVE BAND

Solovjov V., Jakimenko I., Suhotin V., Kupreev A.

Military Academy of Army AAD of Armed Forces of Russian Federation in honor of Marshal of Soviet Union А. М. Vasilevsky

As a result of performance of long-term natural measurements of brightnesses of the cloudy sky and the plane in flight by means of the measuring-computer complex mathematical models of radiation backgrounds and the plane have been received, which are initial for development of a technique of an estimation of expected characteristics of detection of the air purpose infra-red passive device.

Received as a result of processing results of experimental researches mathematical models of radiation of the natural handicapes created by a cloudy atmosphere, and plane Jak-52 allow not only to estimate expected range of action developed optics-electronic device, but also to construct a zone of its detection on the plane of the given type. Such problem is solved by use of a technique offered in work which essence consists in the following.

The first. In each of sites of the investigated optical spectrum (2,6–4,2 and 8–13 microns) spatial distribution of power brightnesses of a background in view of its fluctuations (a matrix of background conditions) is formed.

The second. Being set by a trajectory of flight of the purpose and, using the mathematical models of radiation of the plane received earlier, imposing a signal of the purpose (in view of its corners of supervision concerning a point of supervision) on distribution of a background during the various moments of time of flight is made. Thus the imitating model of phono-target conditions for the discrete moments of time (group of matrixes) is created.

The third. The analysis of generated phono-target conditions is organized, that is process of the review of space during which in each of analyzed angular directions the decision on presence or absence of the purpose according to the chosen method of processing of accepted signals makes is simulated.

As a result of performance of items 1–3 the imitating model of functioning developed optics-electronic device which use allows carrying out modeling of process of detection of the air purpose during its flight is created.

The fourth. Using imitating model optics-electronic device the estimation of dependence of probability of correct detection of the air purpose from range is made by a method of statistical tests. The consecutive analysis of phono-target conditions is made for this purpose in everyone modeled flight of the plane in analyzed sector of the review during which the decision on presence or absence of the purpose during the discrete moments of time makes. Thus inclined range up to the found out purpose is defined. Tests are spent at constant parameters of movement of the purpose: to height, speed and course parameter.

By the received results of calculations the diagram of distribution of an estimation of probabilities of correct detection depending on range up to the purpose on which in the further range of detection with probability 0,5 is defined is under construction.

And, at last, the fifth. If described above procedure at the set kind of overcast to repeat for various parameters of movement of the purpose, by results of statistical tests the expected zone of detection of the air purpose of the set type in each of considered spectral ranges is under construction: 2,6–4,2 and 8–13 microns. Thus it is possible to avoid the greater material inputs connected with flights of aircraft at an estimation of a zone of detection of the developed device.

Comparison of values of range of action infra-red device, received with use of an existing way and an offered technique is lead. Thus as reference results of stochastic imitating modeling as they are based on results of natural measurements are used. It is established, that at use of the developed technique increase of reliability of an estimation of characteristics of detection of the optics-electronic device is provided at work in ranges of lengths of waves 2,6–4,2 and 8–13 microns on 9 and 19 %, accordingly



МИКРОПРОЦЕССОРНЫЕ ТЕХНОЛОГИИ В МЕТРОЛОГИЧЕСКОМ ОБЕСПЕЧЕНИИ ЧАСТОТНО-ЦИФРОВЫХ СРЕДСТВ ИЗМЕРЕНИЙ

Скачко Ю.В.¹, Ларионов Ю.П².

1.МИЭМ, [email protected]

2.МНТИ «Агат»

Последнее десятилетие информационные технологии (ИТ) являются основным двигателем прогресса во всех областях повседневной жизни, в том числе и метрологическом обеспечении (МО). Однако сохраняются проблемы внедрения информационных технологий в отечественное метрологическое обеспечение (ИТМО), в отечественные инновационные НИР и ОКР. Применение ЭВМ в МО производственных процессов носит ограниченный характер, остается на неудовлетворительном уровне сдерживающем, в частности, планируемый на ближайшие годы существенный рост машиностроительных и приборостроительных отраслей.

Понятие ИТМО тесно пересекается с такими понятиями, как виртуальные измерительные системы (ВИС), интеллектуальные («умные») средства измерений (СИ), компьютерные измерительные технологии. Основу таких СИ составляют приборные контроллеры, микроЭВМ, персональные (ПК), карманные (КПК) и другие компьютеры.

Разработка измерительных устройств на базе ПК целесообразна для сравнительного большого производства, обслуживаемого управляющей измерительной системой, оснащенной большим количеством датчиков. В большинстве случаев, для средних и малых предприятий и лабораторий достаточно ограничиться мобильными средствами измерений одной -двух физических величин, например, линейных размеров и перемещений. Использование ПК в этом случае загромождает рабочее место и усложняет методику выполнения измерений функциями, неиспользуемыми при измерении.

Отличительная особенность частотно-цифровой системы с перестраиваемыми электромеханическим резонаторами, например, струнными связана с выходным сигналом преобразователей-датчиков (Д) в виде частоты f_i , зависящей от измеряемой величины х .

К числу наиболее точных датчиков с электромеханическими резонаторами относятся тонкостенные оболочки для измерения уровня или плотности жидкостей или газов, вибрационно-частотные преобразователи в устройствах для измерения веса и струнные преобразователи линейных и угловых перемещений, деформаций или усилий, наиболее широко применяемые в строительных сооружениях.

Рассмотрим применение микропроцессорных технологий в метрологическом обеспечения на примере совершенствования частотно-цифрового устройства со струнным преобразователем (ЧЦУСП) линейных перемещений [1].

Устройство было разработано по заказу промышленности для измерения отклонения линейных размеров с погрешностью, не превышающей 0,25 мкм в диапазоне до 100 мкм. Устройство проходило Государственные испытания во ВНИИМ им. Менделеева при его стандартизации по ГОСТ 21625-76.

Устройство состоит из струнного дифференциального модуля, электронного блока автогенераторов и универсального цифрового частотомера, относительно больших габаритов и веса [1].

Характеристика измерительного преобразования была выбрана линейной в виде y = S x, где чувствительность S = 0.1 ед/мкм. Выбор обусловлен требованием прямого измерения и отсутствием в частотомере средств линеаризации. Из решения волнового уравнения колебаний тонкой струны и структуры ЧЦУ для режима измерения отношения частот двух струн характеристика имеет вид иррациональной функции (1), где f₀₁ , f₀₁ – начальные частоты струн, - конструктивные параметры преобразователя.

При использовании компьютера характеристика y = S x может быть заменена на характеристику (1), что позволяет существенно увеличить диапазон измерений.

Опытная эксплуатация ЧЦУСП была реализована при измерении линейных размеров:

• 
  в подшипниковой промышленности при аттестации рабочих мер;
  
• 
  в кабельной прогмышленнстии при измерении толщины изоляции в процессе изготовления проводов;
  
• 
  в электронной промышленности при измерении межэлектродных расстояний, расстояния катод-модулятор, толщины покрытий;
  
• 
  в строительной промышленности при измерении угла наклона сооружений; давления грунта.
  

Основные предпосылки при разработке микропроцессорного контроллера (МПК) для обработки измерительной информации в ЧЦУСП.

• 
  Возможно использование МПК как в автономном режиме, так и при совместной работе с ПК;
  
• 
  Первичная обработка информации от каждой струны СП возможна в одном из следующих режимов (выбор режима аппаратно или по команде оператора из компьютера (ПК)):
  

• 
  Измерение частоты колебаний струны;
  
• 
  Измерение периода колебаний струны;
  
• 
  Вычисления спектра и передача его в ПК для последующего анализа;
  
• 
  Оцифровка выходного сигнала от СП и передача его в ПК для последующего анализа;
  

• 
  Возможно использование дифференциального СП с двумя струнами в режиме расчета отношения их частот или периодов;
  
• 
  Отображение результатов измерений возможно на экране ПК и(или) в автономном режиме на экране жидкокристаллического индикатора ( ЖКИ ).
  
• 
  В дальнейшем предполагается возможность запоминания градуировочной характеристики СП в энергонезависимой памяти:
  
• 
  Предполагается исполнение МПК в виде портативного прибора;
  
• 
  Питание МПК осуществляется от автономного источника питания( аккумулятора ) или через порт USB ПК с возможностью одновременной подзарядки аккумулятора. С целью сокращения энергопотребления предполагается использование спящего режима работы МПК.
  

МПК включает следующие основные узлы.

1. 
   Плата для первичной обработки и сопряжения с ПК и(или) ЖКИ
   

Плата выполнена на основе макетной платы Crumb8-USB производства фирмы Infosheet Плата имеет габаритные размеры 17,8 х 35,6 мм и посадочные размеры, аналогичные микросхемам в корпусе DIP28.

Для управления обменом и обработкой информации от СП используется 8-битный микроконтроллер (МК) ATMEGA8 фирмы Atmel с опорной частотой 14,7456 МГц. Основные параметры микроконтроллера:

В режиме измерения частоты используются встроенные в МК счетчики TCNT0, TCNT1,TCNT2. В режиме измерения периода используются входы внешних прерываний INT0 и INT1, а также счетчик TCNT2. В режиме Вычисление спектра или оцифровки информации от СП используется также встроенный в МК 10-битный АЦП.

Плата Crumb8-USB также содержит конвертер интерфейса RS232 в USB2.0 на микросхеме CP2102 фирмы Silicon Laboratories, позволяющей осуществлять передачу информации в ПК через разъём USB. При этом в ПК с использованием драйвера CP210X-VCP_Win_2K_XP_S2K3 эмулируется дополнительный виртуальный COM-порт, позволяющий работать в Windows-95, 98, 2000 и XP по протоколу RS232.

Использование порта USB позволяет обеспечить питание МПК от ПК. Входной усилитель собран на операционных усилителях AD8532 фирмы Analog Devices и содержит 3 каскада: инвертирующий усилитель, НЧ фильтр и триггер Шмидта для исключения ложных срабатываний на фронтах. Операционный усилитель AD8532 в каскаде триггера Шмидта работает в режиме отсечки по уровню выходного сигнала и обеспечивает подключение к логическому входу МПК.

2. 
   Буферный каскад для возбуждения струны.
   

Одним из факторов, наиболее сильно влияющим на случайную составляющую погрешности струнного датчика, является автогенератор. Настройка автогенератора по току обратной связи через на струну определяет амплитуду её колебаний. При большой амплитуде возрастает устойчивость колебаний струны к электромагнитным помехам и вибрации, но, одновременно, возрастает погрешность от нестабильности источника питания автогенератора и параметров его усилителя. Представляет интерес возбуждение колебаний струны в поле постоянных магнитов импульсом тока, пропускаемым по струне, что позволяет исключить погрешность, вносимую автогенератором и существенно упростить конструкцию датчика.

В качестве буферного каскада для возбуждения струны используется дискретный транзистор, обеспечивающий ток возбуждения струны не менее 200 мА.

Возбуждение струны инициируется командой из МК. Колебания струны устойчиво сохраняются в промежутке времени не менее 40 млс, достаточном для реализации измерения частоты колебаний по периоду.

3. 
   Измерение периода колебаний.
   

Измерение периода T колебаний струны с последующим использованием обратной функции

f =1/T для вычисления частоты колебаний f в ПК, КПК или МПК позволяет резко повысит быстродействие средства измерений, уменьшить случайную погрешность от дискретности, реализовать измерение перемещений и линейных размеров в нанометровом диапазоне.

Использование только ПК или КПК с ЧЦУСП для реализации режима измерения периода без АЦП период-код сопряжено с проблемами из-за относительно низкого быстродействия операционной системы.

Режим измерения по периоду затухающих колебаний используется в струнных датчиках с электромагнитным возбуждением широко применяемых в строительных сооружениях при измерении с погрешностью 1-2%. В качестве отсчетного устройства используется специализированный частотомер - периодомер ПЦП на дискретных элементах.

Устройство на базе струнного преобразователя с частотомером или ПК при высокой точности имеет относительно большие габариты, исключающие возможность использования устройства в технологическом процессе.

Наряду с достоинствами СИ на базе компьютеров, имеют место следующие недостатки, ограничивающие внедрение в промышленности ВИС:

• 
  увеличенное время подготовки СИ к работе;
  
• 
  дополнительные требования к квалификации контролёра - умение работать контролера на компьютере;
  
• 
  относительно большие габариты и вес;
  
• 
  проблемы влияния помех от компьютера на входные цепи высокочувствительных датчиков;
  
• 
  снижение быстродействия СИ из-за инерционности операционной системы Windows.
  

Применение ПК в СИ оправдано на начальном этапе разработки, при лабораторных исследованиях метрологических характеристик. В условиях производства внедрение ВИС является сложной задачей.

Метрологические характеристики средств измерений. При измерении в статических условиях принимаются во внимание следующие характеристики: статическая характеристика измерительного преобразования (ХИП); суммарная погрешность; систематическая составляющая погрешности; случайная составляющая погрешности; составляющая погрешности от гистерезиса; прогрессирующая составляющая, вызванная дрейфом.

Ввод измерительной информации в ЭВМ. Наиболее слабое звено в метрологическом обеспечении. Передача измерительной информации осуществляется посредством

• 
  клавиатуры ЭВМ после считывания со шкалы или цифрового табло СИ;
  
• 
  LPT,COM или USB- порт;
  
• 
  беспроводных средств связи: IrDA, Bluetooth, Wi-Fi.
  

Звуковая карта в мультимедийных ПК является высокоточным АЦП для СИ с частотной модуляцией (ЧМ) сигнала в звуковом диапазоне частот. К широкому внедрению современных ИТМО наиболее подготовлены средства измерений с перестраиваемыми резонаторами [2].

Вместо многофункциональными устройств с ПК для внедрения в производство целесообразнее разработка средств измерений на базе микропроцессоров или микроЭВМ, аналогичных большой номенклатуре зарубежных мобильных средств измерений, заменяющих механические штангенциркули, микрометры и другие средства для линейных измерений.

Разработанный МПК позволяет модернизировать средства размерного контроля в производстве подшипников на базе микрокаторов, преобразуя их в ЧЦУСП относительно недорогой доработкой при одновременном повышении точности измерений, и обеспечивая уровень автоматизации, соответствующий требованиям передовых ИТМО.

Проблема внедрения ИТМО, относительно успешно решаемая при создании многофункциональных измерительных систем, трудно преодолима при разработке и внедрении в производство универсальных компактных средств измерений, предназначенных для обновления устаревшего парка измерительных приборов

Результатом представленных исследований является разработка компактного высокоточного средства измерений, удовлетворяющего требованиям современных информационных технологий

Литература

1. 
   Цейтлин Я.М., Скачко Ю.В., Капырин В.В. Модифицированные струнные преобразователи для измерения геометрических величин. - М.; Изд-во стандартов, 1989 - 264 с.
   
2. 
   Скачко Ю.В. Метрологическое обеспечение виртуальных частотно-цифровых измерительных систем с акустическими резонаторами. Труды 7-й Международной конференции и выставки «Цифровая обработка сигналов и ее применение». – М.: 2005
   


MICROPROCESSOR TECHNOLOGIES IN METROLOGICAL MAINTENANCE OF FREQUENCY-DIGITAL MEANS OF MEASUREMENTS

Skachko Y.¹, Larionov Y.².

1.MIEM, [email protected]

2.MSTI «Agat»

The microprocessor controller (MPC) for processing the measuring information of the frequency-digital device with the string converter for measurement of the linear sizes is considered.

Basic functions MPC:

• 
  use both in an independent mode is possible, and at teamwork from the personal computer;
  
• 
  primary processing of the information from each string of the joint venture is possible in one of following modes (a choice of a mode it is hardware or on a command of the operator from a computer (the personal computer)):
  
• 
  measurement of frequency of fluctuations of a string;