0
1 044
PDF

ПРОГРАММНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ПРОЕКТИРОВАНИЯ ИЗМЕРИТЕЛЬНЫХ ПРЕОБРАЗОВАТЕЛЕЙ

Аннотация

В работе сравнивались наиболее распространенные серийные средства моделирования GAUSS, Macsyma, Maple, Mathematica, Matlab, MuPAD, O-Matrix, Ox, R-Lab, Scilab и S-Plus по функциональным возможностям, скорости работы с большими наборами данных при их математической, статистической и графической обработке, возможностям поддержки различных операционных систем.

Ключевые слова

интегральные уравнения, измерительные преобразователи, операторы, функциональная сеть.

В результате тестирования из семи пакетов выбор был остановлен на программном пакете  Matlab. Представление моделей измерительных преобразователей в пакете Matlab показало, что выполняемые операции предпочтительно осуществлять с помощью функций, которые служат для задания моделей соответственно в пространстве состояний, в форме передаточных функций и по нулям, полюсам и коэффициентам усиления, а также для преобразования к соответствующим типам моделей. [1, 2]

 Разработаны Matlab-программы для реализации интегральных динамических моделей измерительных преобразователей приборов контроля физических величин. Приведен детальный анализ всех необходимых функций в Integral Equations Toolbox. Представляется полезным переместить выбор параметров, их оптимизацию и т.д. из уровня определенных программ в ядро среды моделирования, что значительно упрощает работу программистов. При этом решены следующие задачи: перевод запросов пользователей на внутренние языки математических моделей; автоматизация выбора надлежащих методов и нахождение оптимальных параметров этих методов.

Иначе говоря, решение запроса пользователя Q может быть описано следующей композицией:

                                                                                                     (1)

где R - ответ системы, является трансляцией первоначального запроса, зависящего от семантического контекста S. 

  Последний, в свою очередь, зависит от: знания предметной области; особенностей пользователя; целей диалога; языка; собственных возможностей системы и т.д. Результат трансляции - определенная математическая модель. является инверсной трансляцией. UM - оператор решения полученной модели, учитывающий базу знаний М относительно математических методов. 

  Реализован объектно-ориентированный подход, рассматривающий обработку измерительной информации как взаимодействие некоторых классов, связанных друг с другом. Введено четыре уровня: уровень черного ящика; уровень порождающих процессов; уровень функциональной сети и уровень структур данных. Первый является наивысшим, рассматривает связи, определенные операторным уравнением . Методы для решения определенных уравнений и программное обеспечение, реализующие эти методы, могут быть объектами классов Q, R, S. Следующий уровень - порождающих процессов – зависит от вида уравнений. В работе рассматриваются интегральные уравнения, в том числе самый интересный частный случай – уравнения первого рода. Например, задача восстановления сигналов формулируется следующим образом: получить требуемый сигнал из экспериментальных данных. Задача плохо обусловлена, поскольку обратный оператор не существует или не ограничен. Поэтому необходимы методы решения, которые основаны на специальных процедурах регуляризации. [3]

  Отразим рассматриваемую задачу посредством информационной модели, формализованной как триплет VH= <Ω,М,F>, где Ω - множество порождающих случайных процессов; функции u(t) и y(t) могут рассматриваться как реализации этих процессов; М - множество модельных пространств, на которые могут проектироваться реализации; F - множество различных зависимостей между элементами , где Ω* - множество всех реализаций случайных процессов из Ω, σ(W) - множество всех подмножеств множества W.

  Модельные пространства, определенные разложениями Фурье, Карунена-Лоева и др., весьма важны. Разложение Карунена-Лоева является оптимальным линейным разложением относительно сжатия данных. Если разлагаются входные функции по собственным функциям ядра, то можно использовать метод собственных функций. 

    Пусть - множество непрерывных функций, каждая из которых является реализацией некоторого случайного порождающего процесса Ω (t), имеющего ковариационную функцию R(t, s). Как правило, Ω(t) должен быть центрирован и нормализован.

  Часто R(t, s) неизвестна. Общая формула для оценки этой функции:

,                                                                                  (2)

где сумма берется по всем Ωi(t) из множества V; αi - заданные коэффициенты, и их сумма равна 1. 

  Если непрерывная функция - линейная комбинация основных функций, то она может быть разложена в ряд

.                                                                                              (3)

 Спектральные коэффициенты ck оцениваются посредством преобразования Карунена-Лоева: 

                                                                                    (4)

  Координатные функции пространства Карунена-Лоева φk(t) - собственные функции интегрального уравнения:

                                                                                  (5)

  Соответствующие собственные значения σk должны быть упорядочены в порядке потомка.

  Практически, мы можем приближать  усеченным рядом

.                                                                                               (6)

 Трансформанта Карунена-Лоева (KLT) минимизирует r, когда допустимая неточность определена.

   Алгоритмы (табл.1) требуют получения дискретных значений функций в точках tj, j=1,…, n. Пусть X = (xij, i=1,…,q; j=1,…,n); является матрицей, представляющей V; y=(yj, j =1,…,n); yj=h(tj) является вектором, представляющим U; Φ=( φjk, j=1,…,n; k=1,…,r;); φjk=φj(tk); c=(ck, k=1,…,r) является вектором спектральных коэффициентов; Λ=diag(σk); A=diag(αi); B=diag(βk), где βk - коэффициенты квадратурных формул, используемых для аппроксимации интегралов.

Таблица 1

Алгоритмы получения непрерывных разложений Карунена-Лоева

№ шага

Операция

Прямой квадратурный алгоритм

Двойной квадратурный алгоритм

1

Получение матрицы обращения K

K=B1/2XTAXB1/2

K=A1/2XBXTA1/2

2

Решение алгебраической задачи на собственные значения с использова­нием матрицы обращения

3

Получение собственных функций матрицы Ф

4

Получение матрицы преобразований J

J=ВФ

J=ВФ

5

Получение преобразования базисного множества

W=XJ

6

Получение преобразования произвольной функции

c=yJ

c=yJ

  Следующий уровень - уровень функциональной сети. Разработана определенная функциональная сеть для интегральных уравнений, которая может рассматриваться как объект верхнего уровня и состоит из базисных объектов Y, A, U и K, описывающих y(t), оператор преобразования u(t) и ядро K(t,s).

  Функции y(t), u(t), K(t, s) могут быть представлены следующим образом:

Объект = IS_A (ФУНКЦИЯ, Роль, М., ID),

где М - некоторое модельное пространство. 

  В работе введен новый класс ВЕКТОР, описывающий функции в модельных пространствах.

  Вершины функциональной сети связаны друг с другом. Эти связи таковы: связи между различными представлениями одной и той же функции; связи между функциями входа и выхода (эти связи могут быть реализованы посредством специальных методов). 

  Основные части общей структуры интеллектуальной среды моделирования: интерфейс конечного пользователя; интерфейс эксперта; интерпретирующая система, которая должна обеспечить перевод нечетко сформулированных запросов в определенные математические модели, а также обратный перевод; система базы знаний для математического моделирования, которая является соединением функциональной сети, а также экспертная продукционная система, определяющая использование определенных алгоритмов; система моделирования для экспериментальных исследований; архивная база данных для сохранения результатов экспериментов.

  Предложен рабочий прототип разрабатываемой интеллектуальной среды моделирования. Языки программ - C++, Java и Matlab/Simulink.

Типовой пример сеанса работы при решении краевой задачи для интегро-дифференциального уравнения свидетельствует, что относительная ошибка полученного решения составляет .

  Все программы разработаны с использованием языка программного комплекса MATLAB и объединены в единый пакет прикладных программ для решения интегро-дифференциальных и интегральных уравнений – согласно концепции пакетов прикладных программ (MATLAB Application Toolboxes), принятой в системе MATLAB. 

 

Литература

 

Дьяконов В. П. Matlab 6.5 SP1/7 + Simulink 5/6. Основы применения  / В. П. Дьяконов. — М. : СОЛОН-Прес, 2005. — 800 с. — (Серия «Библиотека профессионала»).

Young T., Mohlenkamp M. Introduction to Numerical Methods and Matlab Programming for Engineers / -Athens, 2015. -180 p.

Формалев В. Ф. Численные методы / В. Ф. Формалев, Д. Л. Ревизников. — М. : Физматлит, 2006. — 398 с.

0
0
0

Информация об авторе

ID: 1148704738

G'aniev Akmal
  • Страна

  • Специальность Texnika

  • Учёная степень Ilmiy darajasiz

  • Научное звание Ilmiy unvonsiz

Комментарии

Комментарии

Выберете значение
Комментарии заблокированы администратором

Комментарии могут добавлять только авторизованные пользователи. Войдите Или Зарегистрируйтесь