CC BY
8
Работа выполнена при участии научного руководителя канд. техн. наук, доцента Яковлева Б. С.
Список литературы
1. Описание метода Color.FromArgb на официальном сайте компании Microsoft [Электронный ресурс] URL: https://docs.microsoft.com/ru-ru/dotnet/api/system.drawing. color.fromargb?view=netframework-4.7.2 (дата обращения: 10.11.2018).
2. Описание метода GetHue() на официальном сайте компании Microsoft [Электронный ресурс] URL: https://docs.microsoft.com/en-us/dotnet/api/system.drawing. colorgethue? view=netframework-4.7.2 (дата обращения: 10.11.2018).
Маркова Дарья Геннадьевна, бакалавр, [email protected], Россия, Тула, Тульский государственный университет,
Михальченко Сергей Николаевич, магистрант, magistr_tsu@,mail.ru, Россия, Тула, Тульский государственный университет
ANAL YSIS OF THE POSSIBILITY OF APPLICA TION OF A VERA GE VAL UES OF
CHANNELS IN RGB AND HSL MODELS TO SOLVE DIFFERENT TASKS
D.G. Markova, S.N. Mikhalchenko
Hypotheses about the possible use of average values of channels in the RGB and HSL models are analyzed, the most promising areas of application of such data are identified.
Key words: color model, average image color, HSL, RGB.
Markova Daria Gennadyevna, bachelor, markova-96@yandex. ru, Russia, Tula, Tula state University,
Mikhalchenko Sergey Nikolaevich, master, magistr_tsu@,mail. ru, Russia, Tula, Tula State University
УДК 004.3'142.2; 004.414.3.031.43; 519.242.244; 681.5.015
АЛГОРИТМИЧЕСКОЕ И ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ РЕАЛИЗАЦИИ ПРОЦЕДУРЫ ОПТИМАЛЬНОЙ ИДЕНТИФИКАЦИИ ДИНАМИЧЕСКИХ СИСТЕМ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ
В. А. Фатуев, А. А. Мишин
Рассмотрен технический комплекс для решения задач D-оптимальной последовательной идентификации широкого класса динамических регрессионных моделей в реальном масштабе времени. Данный комплекс является универсальным и может использоваться при оптимальной идентификации динамических систем в различных отраслях промышленности.
Ключевые слова: D-оптимальная идентификация, реальный масштаб времени, оценивание неизвестных параметров, технический комплекс.
При моделировании реальных процессов и систем, если это возможно по технологическим соображениям, может быть сформулирована и решена задача оптимальной идентификации, целью которой является получение удовлетворяющей выбранному
315
критерию оптимальной динамической регрессионной модели [1-4]. Задача оптимальной идентификации предполагает синтез тестирующего сигнала, подаваемого на вход исследуемой системы. Синтез подобного сигнала осуществляется на основе теории оптимального эксперимента, если динамическая регрессионная модель должна удовлетворять одному из традиционных критериев оптимальности, используемых в этой теории. Наиболее универсальным является критерий D-оптимальности [1,2].
Большинство реальных объектов исследования адекватно описываются нелинейно-параметризованными динамическими регрессионными моделями, при синтезе которых фактически возникают задачи управления идентифицирующими исследованиями действующих динамических систем в реальном масштабе времени. В качестве алгоритма решения подобных задач целесообразно использовать универсальную процедуру последовательной D-оптимальной идентификации (DllllH) [2-4], которая позволяет исследовать широкий класс линейных и нелинейных динамических систем, описываемых моделями типа «вход-выход» и пространства состояний.
Рассмотрим алгоритм последовательной процедуры D-оптимальной идентификации в реальном масштабе времени для динамических регрессионных моделей (ДРМ) вида
Y (nDt) = Ф( А, u) + e(nDt), (1)
где А - вектор неизвестных параметров динамической регрессионной модели; Y(nDt) -дискретное значение выхода объекта.
В качестве факторов планирования принимаются дискретные значения входного сигнала:
ÜТ = (u((n - 1)Dt),u((n - 2)Dt),....u((n -1)Dt)), где l - дискретное время памяти идентифицируемой системы.
Пространство планирования определяется следующей системой неравенств:
Ü0 = {umin £ u((n - i)Dt) < umax, i = 1, /}.
Каждой точке плана соответствует участок тестирующего сигнала, который должен быть реализован на входе объекта перед моментом планируемого измерения выхода. Непрерывность тестирующего сигнала обеспечивается путем «сшивания» участков на yi тактов по алгоритму:
щ ((n -1 + j)Dt) = щ-1((n-g + j )Dt), i = 1,2,3,...; j = 0,1,...,(g -1), где i- номер участка.
Если эффективнее планировать на этапах DllllH несколько измерений выхода, то синтез части локального D-оптимального плана, реализуемого на (№+1)-м этапе, осуществляется по алгоритму:
Ün+1i = arg max УФ I AN ,Ü I cov\ AN i-1 |VF\ AN, Ü I; (2)
ueÜ 0 V У V ' У V У
covfA„, I =
( covi A„1уфГ A„, u.....Vf 7 (1„ u Л ^
N> N+1,i N+1,i
S VF7\ A„,u..... IcovfA„rVFI A„,u
N+1,i] [ N ,j-1 J [ N> N+1 ,i
' У
x (3)
х ооу|^ Лы
где ин+ц - 1_я точка части локального Б-оптимального плана, определяю щая (К+1)-й
этап БППИ; еоу() - ковариационная матрица вектора ЛN, если его уточнить по
результатам 1 планируемых измерений выхода на (Ы+1)-м этапе.
Реализация БППИ заканчивается на том этапе, при планировании которого отличие локально-оптимального плана, синтезированного при планировании этапов, от Б -оптимального станет незначительным:
max УФГ ( AN, и ] cov^ AN jVF^ AN, U J - q s^
<e, (4)
2 -
где q - количество неизвестных параметров модели; se - дисперсия случайной составляющей выхода; 8 - априори задаваемая малая величина.
Для реализации подобных задач необходимы системы управления, построенные на базе электронно-вычислительных машин, информационно- измерительных и управляющих комплексов, способных в реальном масштабе времени получать с объекта необходимые данные и изменять входные переменные в соответствии с синтезируемыми тестирующими сигналами.
В общем случае при решении задачи D-оптимальной последовательной идентификации вычислительный комплекс должен состоять из следующих элементов:
- вычислителя;
- программируемого контроллера (ПЛК);
- датчиков для измерения выходных параметров идентифицируемого объекта;
- исполнительных устройств для реализации тестирующих сигналов.
В качестве операционной системы для вычислителя была выбрана микроядерная ОСРВ QNX Neutrino 6 [5]. В ней есть лишь два обязательных компонента — само микроядро и менеджер процессов.
Идея микроядра состоит в том, что многие функции операционной системы (такие как поддержка файловой системы) вынесены из ядра в область пользовательских приложений, а само микроядро выполняет набор функции, обеспечивающих межзадачное взаимодействие, к которым относятся:
- обмен сообщениями;
- управление потоками;
- планирование и синхронизация потоков;
- управления сигналами;
- управление таймерами.
Менеджер процессов отвечает за управление процессами и защиту памяти. Все процессы в QNX изолированы друг от друга и выполняются в своём собственном виртуальном адресном пространстве. За реализацию такой защиты отвечает блок управление памятью
Все остальные компоненты — это независимые друг от друга процессы, которые работают в защищенных адресных пространствах и взаимодействуют друг с другом через механизмы микроядра. Микроядро предоставляет всем процессам единый интерфейс, поэтому граница между системным и прикладным ПО условна.
Основные задачи, решаемые реальным временем - это своевременные запросы значений выхода объекта в моменты времени, определяемые при планировании этапов DlllM, проведение расчетов, связанных с планированием этапов, параллельно с тестированием объекта, и организация выдачи тестирующего сигнала на управляющее устройство. Реализуется это управлением приоритетов и диспетчеризацией, которые происходят в микроядре ОСРВ. Например, в момент времени запроса значений выхода объекта данная задача будет иметь более высокий приоритет, чем задача проведения расчетов.
Основные функции, реализуемые вычислителем [2-4]:
- планирование этапов DililH, включающее: синтез локально-оптимальных планов, предполагающих заданное число планируемых измерений выхода (решение аргументных задач (2) и (3)) с предварительным уточнением НМНК-оценок неизвестных параметров ДРМ (1) по результатам реализации всех предыдущих этапов;
- определение дискретных значений участков тестирующих сигналов минимальной длины и моментов планируемых измерений выхода при реализации на объекте планируемых этапов.
Функции, реализуемые ПЛК:
- сбор данных с датчиков выходных переменных идентифицируемого объекта в запланированные моменты времени, определяемые при построении тестирующего сигнала на основе синтезированного плана эксперимента;
- передача этих данных на вычислитель для последующей регистрации и обработки.
Схема вычислительного комплекса для решения задач Б-оптимальной последовательной идентификации в реальном масштабе времени приведена на рис. 1.
Датчик измерения выходного параметра исследуемого объекта
Вычислитель
Управляющее устройство
Входной параметр исследуемого объекта
Рис. 1. Вычислительный комплекс для решения задач D-оптимальной последовательной идентификации в реальном масштабе времени
Опишем алгоритм по которому данный вычислительный комплекс будет решать задачу D-оптимальной последовательной идентификации в реальном масштабе времени.
В момент запуска системы на вход идентифицируемого объекта через исполнительное устройство подается произвольный невырожденный «затравочный» тестирующий сигнал, по результатам реализации которого определяется начальная НМНК-оценка вектора неизвестных параметров модели и ее ковариационная матрица. Эти данные используются при решении аргументной задачи (2), (3). В результате синтезируется часть оптимального плана, на основе которого определяются ординаты кусочно-постоянного тестирующего сигнала минимальной длины, реализуемого на входе объекта на первом планируемом этапе D1111И. Контролем моментов времени планируемых измерений выхода занимается вычислитель. В моменты, когда требуется снять данные, вычислитель выдает запрос для программируемого контроллера. В качестве коммуникационного порта предполагается использовать Ethernet. ПЛК является устройством которое работает циклично и выполняет две основные функции:
- опрос входов;
- выполнение пользовательской программы, которая осуществляет запись данных, пришедших на входы, и дальнейшую передачу этих данных по каналу Ethernet на вычислитель в запланированные моменты времени.
Для обеспечения высокой надежности системы требуется, чтобы ПЛК отвечал на запросы вычислителя с высокой скоростью. Обеспечить это можно следующим путем:
- ПЛК обеспечивает высокую частоту съема данных с датчиков (предполагаемое значение 100 Гц);
- ПЛК получив запрос от вычислителя в запланированный момент времени мгновенно отправляет последние полученные данные на вычислитель.
ПЛК снабжены как дискретными входами, так и аналоговыми, что позволяет снимать данные с соответствующих датчиков без использования дополнительного оборудования, такого как аналогово-дискретные преобразователи. Данные пришедшие от ПЛК на вычислитель будут записаны в файл регистрации данных.
После окончания реализации первого этапа процедуры начинается уточнение НМНК-оценок параметров модели с учетом всех измерений выхода, начиная с момента запуска системы, и планирование второго этапа процедуры. Аналогично планируются и реализуются остальные этапы БППИ вплоть до выполнения правила останова процедуры (4). Поскольку вычисления, связанные с планированием этапов последовательной процедуры идентификации, и тестирование объекта осуществляются параллельно во времени, при реализации БППИ необходимо, чтобы начальная часть тестирующих сигналов, реализуемых на этапах процедуры, в течение времени расчетов имела постоянный уровень. Это ограничение влияет на эффективность реализуемой процедуры тем меньше, чем выше быстродействие вычислителя.
Программное обеспечение вычислителя реализует 2 процесса:
- процесс снятия данных;
- процесс реализации процедуры последовательной Б-оптимальной идентификации.
На рис. 2 представлен алгоритм запроса данных вычислителем. В заданный момент времени, определяемый по алгоритму БППИ, вычислитель будет отправлять запрос ПЛК с целью получения значений выхода объекта.
На рис. 3 представлен алгоритм работы ПЛК.
Рис. 3. Алгоритм работы ПЛК
На рис. 4 представлен укрупненный алгоритм реализации БППИ.
320
Рис. 4. Укрупненный алгоритм реализации БППИ
Подробная блок-схема алгоритма Б-оптимальной последовательной идентификации приведена в [3].
Данный комплекс является универсальным и может быть использован при оптимальной идентификации непрерывных технологических процессов, описываемых динамическими регрессионными моделями типа «вход-выход» и пространства состояний, в различных отраслях промышленности.
Список литературы:
1. Круг Г.К., Сосулин Ю.А., Фатуев В. А. Планирование эксперимента в задачах идентификации и экстраполяции. М.: Наука, 1977. 208 с.
2. Фатуев В.А. Построение оптимальных моделей динамики по экспериментальным данным: учебное пособие. Тула: Тул. гос. техн. ун-т, 1993. 104 с.
3. Фатуев В. А., Храпова А.Г., Морозова А.Н. Алгоритмическое обеспечение реализации процедуры последовательной D-оптимальной идентификации в реальном масштабе времени // Известия тульского государственного университета. Технические науки, 2014. Вып. 11. Ч. 2. С. 612 - 620.
4. Fatuev V.A., Mishin A.A. Control of the experiment with optimum identification of dynamic systems in real time // 2018 7th Mediterranean Conference on Embedded Computing (MECO). Budva, Montenegro - IEEE, 2018. P. 275-278. DOI: 10.1109/ MEC0.2018.8406057.
5. Кертен Р. Введение в QNX Neutrino. Руководство для разработчиков приложений реального времени. БХВ-Петербург, 2011. 368 с.
Фатуев Виктор Александрович, д-р техн. наук, профессор, [email protected], Россия, Тула, Тульский государственный университет,
Мишин Антон Андреевич, аспирант, vfatiievainhox.ru, Россия, Тула, Тульский государственный университет
ALGORITHMIC AND TECHICIAL ENSURING FOR THE IMPLEMENTA TION OF THE PROCEDURE FOR OPTIMAL IDENTIFICATION OF DINAMIC SYSTEM IN REAL TIME
SCALE
V.A. Fatuev, A.A. Mishin
The article describes a technical complex for solving problems of D-optimal sequential identification for a wide class of dynamic regression models in real time scale. The considered complex is universal and can be used for optimal identification of dynamic systems in various industries.
Key words: D-optimal identification, real time scale, estimation of unknown parameters, technical complex.
Fatuev Viktor Aleksandrovich, doctor of technical sciences, professor, vfatuev@,inbox. ru, Russia, Tula, Tula State University,
Mishin Anton Andreevich, postgraduate, vfatuev@,inbox. ru, Russia, Tula, Tula State University
