Материал: А27819 Лазарев В.Л. Робастое управление

5. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ СИСТЕМ УПРАВЛЕНИЯ ПРИ НАЛИЧИИ СЛУЧАЙНЫХ ВОЗДЕЙСТВИЙ

5.1. Основные положения. Методы и технические средства определения характеристик случайных воздействий

В предыдущих разделах отмечалось, что достаточно объективно случайное воздействие может быть охарактеризовано корреляционной функцией или функцией спектральной плотности. Получение этих функций на основе экспериментальных исследований в производственных условиях представляет практический интерес, особенно с учетом специфики технологий и процессов биотехнологической промышленности.

Оценка корреляционной функции может быть осуществлена из выражения (2.26). В настоящее время для экспериментального определения корреляционных функций (в частности, дисперсий) воздействий промышленностью выпускается множество различных прибо- ров-корреляторов. Корреляторы подразделяются на два основных класса: 1) аналоговые; 2) цифровые.

Аналоговые корреляторы реализуют вычисление по формуле (2.26) с помощью блоков временной задержки, умножения и интегрирования, осуществляющих соответствующие преобразования на основе аналоговых вычислительных схем. Такие схемы в последнее время чаще всего выпускаются в виде отдельных блоков – корреляционных модулей. Использование принципов унификации, типизации и агрегатирования при создании данных модулей позволяет осуществлять их интеграцию в системы контроля и управления. Упрощенная блок-схема корреляционного модуля приведена на рис. 5.1.

x(t)

81

На схеме использованы следующие обозначения: БЗ – блок временной задержки сигнала на величину , которая может варьироваться; П – блок умножения сигналов; И – интегратор. При такой схеме обработки информации и при выбранном времени цикла исследования Т удается получить только одну точку функции Кх( ) для заданной величины . Затем, повторяя заново такой цикл исследования для другой величины , получают следующую точку и т. д. Для возможности варьирования величины в состав БЗ входит устройство записи реализаций функции x(t), что позволяет многократно осуществлять циклы исследований функции Кх( ) для различных значений аргумента . Так, например, если запись функции x(t) осуществляется на магнитную ленту, то величина может быть варьирована изменением расстояния между считывающими головками для получения значений функции x(t) и x(t + ), а также изменением скорости движения самой ленты.

В цифровых корреляторах осуществляется аналого-цифровое преобразование исходного сигнала x(t). Дальнейшее преобразование цифровой информации в соответствии с выражением (2.26) осуществляется программным путем с помощью встроенного микропроцессорного блока. Современный уровень развития микропроцессорной техники и элементной базы позволяет изготавливать корреляторы с высокими показателями надежности, малыми габаритами и широкими возможностями адаптации к различным требованиям при проведении таких исследований как путем замены отдельных агрегатных модулей, так и перепрограммирования базового микропроцессорного блока. При этом обеспечиваются различные сервисные функции по хранению, обработке и выдаче информации потребителю. Сюда, в первую очередь, следует отнести возможности аппроксимации результатов исследований типовыми моделями корреляционных функций, наглядное отображение информации на различных устройствах и носителях и др. В настоящее время разработано значительное число методов и алгоритмов экспериментального определения корреляционных функций, которые отражены в специальной литературе.

Как отмечалось выше, существует взаимосвязь между функцией спектральной плотности и автокорреляционной функцией, которая для стационарного случайного воздействия описывается с помощью выражений (2.20)–(2.23). Образно говоря, обе эти функции являются

82

различными гранями одного явления случайного процесса – степени его «турбулентности». Поэтому при наличии корреляционной функции получение функции спектральной плотности может быть осуществлено аналитическим путем. В современных цифровых корреляторах зачастую имеются сервисные программные средства, позволяющие выполнять такие преобразования в процессе исследований. Следует отметить, что оценка функции спектральной плотности может быть также получена экспериментальным путем на основании реализации случайного воздействия при отсутствии оценки корреляционной функции. Такая процедура может быть осуществлена с помощью набора узкополосных фильтров, каждый из которых позволяет выделить спектральную составляющую воздействия в пределах своей узкой полосы пропускания + . Исходя из того, что спектральная плотность воздействия является функцией частоты для средних значений квадратов амплитуд гармоник, можно записать

Т – интервал времени, в течение которого осуществляется исследование случайного воздействия.

Для инженерных расчетов достаточно высокая точность оценок рассматриваемых функций будет иметь место при выполнении условия 100.

5.2. Особенности экспериментальных исследований случайных воздействий в биотехнологической промышленности

Экспериментальное определение характеристик случайных воздействий, как это было показано выше, требует проведения большого количества измерений для получения достаточно объективных оценок. Данная проблема не является первостепенной в случаях, когда для

83

проведения исследований имеется быстродействующая малоинерционная аппаратура на всех участках информационно-измерительного комплекса: первичные преобразователи, линии связи, согласующие блоки, фильтры для подавления помех, аналого-цифровые преобразователи, устройства переработки информации и др. Как правило, эта ситуация имеет место: 1) в случаях воздействий электрической природы; 2) в случаях, когда возможно преобразование такого воздействия

вэлектрический сигнал без существенных задержек, искажений и затрат. В качестве примеров первой группы можно привести случайные воздействия, которые дестабилизируют работу различной аппаратуры и оборудования, обусловленные нестабильностью питающего напряжения в электрической цепи, наводки от электромагнитного «смога» и др. В качестве примеров второй группы случайных воздействий можно привести пульсации давлений энергоносителей (пара, горячего воздуха, воды) в технологических трубопроводах, которые первоначально измеряются с помощью различных деформационных чувствительных элементов (трубчатых пружин, мембран, сильфонов), а затем преобразуются в электрические сигналы. Для преобразования сигналов таких датчиков в электрические сигналы существует множество преобразователей в различных модификациях (например, индуктивные, пьезоэлектрические, емкостные, дифференциально-трансформаторные и др.). Аналогично можно привести примеры случайных воздействий

ввиде суточных или сезонных изменений температуры окружающей среды (воздуха, воды) снаружи корпусов различных теплообменных аппаратов, для получения и преобразования информации о которых также существует множество типов и конструкций чувствительных элементов и соответствующих преобразователей. Перечень подобных примеров может быть пополнен и другими случайными воздействиями, поступающими по каналам изменения уровня, расхода, концентрации и прочих, при управлении различными технологическими процессами. Наличие соответствующих преобразователей позволяет получить необходимый для проведения корреляционного и спектрального анализа сигнал x(t), который в соответствии с рис. 5.1 поступает на вход анализатора (корреляционного модуля). Серьезные аппаратурные разработки для исследования таких случайных величин, как изменение углов крена и угловых скоростей при движении летательных аппаратов в воздушной среде или качке судов при волнении, позволяют опе-

84

ративно получать объективную информацию об этих явлениях для выработки рекомендаций по управлению указанными объектами. Для данных целей, например, разработаны и широко используются двух-

итрехстепенные гироскопы различных типов (лазерные, скоростные, гировертикали и др.).

Специфической особенностью процессов и производств биотехнологической промышленности является то обстоятельство, что значительное число случайных воздействий может поступать как по каналам внесения управляющих воздействий, так и по каналам поступления сырья и различных компонентов. Природа таких воздействий довольно часто обусловлена случайными изменениями состава и свойств обрабатываемого сырья, полуфабрикатов и применяемых реагентов и добавок [11, 12]. Для оперативного измерения многих параметров, характеризующих пищевую ценность сырья и готовой продукции, зачастую не существует аппаратурной базы или она недостаточно развита в отличие от вышерассмотренных примеров информационного обеспечения систем управления в машиностроении и других отраслях промышленности. В ряде случаев для определения содержания тех или иных составляющих в сырье или готовой продукции применяются сложные и дорогостоящие лабораторные методы анализа, которые проводятся в течение длительного времени (порядка нескольких часов и более), что является серьезным препятствием для реализации методов корреляционного

испектрального анализа. При этом в силу сложности химического состава и структуры таких объектов зачастую вообще оказывается невозможным непосредственно осуществить объективный аппаратурный контроль их свойств. В указанных случаях соответствующие оценки свойств сырья и продуктов производят органолептическими методами, которые являются не оперативными и дорогостоящими. При этом следует учитывать, что достаточно объективные оценки могут быть получены только на основании статистической обработки результатов анализов специалистов-дегустаторов. Кроме того, специалист, проводящий такие анализы, должен обладать особыми профессиональными навыками и подготовкой.

Обзор методов и приборов для контроля технологических параметров в пищевой промышленности приведен в работах [13, 14].

Не вдаваясь в детали, необходимо отметить основные тенденции и особенности синтеза информационного обеспечения систем

85