Интеллектуальные средства измерений
Введение
1. Понятие об интеллектуальных системах
2. Интеллектуальные средства измерений
3. Программная и аппаратная части средств измерений
4. Проблема интеллектуализации
5. Общие сведения об устройствах получения информации.
8. Применение нейроструктур в средствах измерений
Введение
Данный курс посвящен интеллектуальным средствам измерений, т.е. различным интеллектуальным приборам, датчикам, интеллектуальным алгоритмам обработки данных и автоматизированным измерительным системам. Интеллектуальные средства измерений представляют из себя набор средств для регистрации, передачи и обработки данных, с учетом применения интеллектуальных алгоритмов на основе баз знаний. Такая система в простейшем варианте может содержать в себе датчик и процессор для обработки данных по заданному алгоритму. Реализация такой системы, благодаря дополнительным функциональным возможностям интеллектуальных устройств, снижает нагрузку при обработке сигналов системой управления и приводит к тому, что несколько разных приборов заменяются одним, что дает преимущество как в самом производстве таких систем, так и в стоимости их обслуживания.
1. Понятие об интеллектуальных системах
На рубеже XXI века тематика интеллектуальных систем и интеллектуального управления претерпевает значительные изменения. Наметились тенденции перехода от игрушечно-модельного подхода к интеллекту к его восприятию как некоторого характеристического свойства систем высокой организационной сложности, свойству достаточно специфическому и выразимому в достаточной степени только на языках контекстно-зависимого уровня. Столь же полезной тенденцией можно считать и постепенное осознание исследователями, что компьютер фон Неймановской архитектуры, конечный автомат по своей сущности, не может быть эффективным инструментом создания интеллектуальных систем, интеллектуального управления ибо является системой контекстно-независимого уровня.
Под "интеллектуальными системами управления" (ИСУ), в общем случае, понимается предельный по сложности класс систем автоматизированного управления (САУ), ориентированных на приобретение, обработку и использование некоторой дополнительной информации, понимаемой как "знание". Такие системы предназначены для работы в условиях неопределенности (невозможности точного математического описания) информации о свойствах и характеристиках системно-сложных объектов и среды их функционирования.
В условиях работы реальных систем с высоким уровнем неопределенности информации для построения систем управления (СУ) неизбежно применение новых информационных технологий, ориентированных на потоки контекстно-зависимой информации, то есть фактическая разработка новых принципов построения интеллектуального управления - теории ИСУ для систем высших уровней системной сложности.
Теория ИСУ опирается на системный подход в том смысле, что она, ориентируясь на системную, а не на описательную сложность, оставляет систему во внешнем мире и признает существование внутренней целевой установки хотя бы на уровне поддержания стабильности своего существования. Внутреннее и внешнее управление интеллектуальны во взаимодействии, в акте взаимной контекстной ситуационной оценки информации.
Управление, как САУ, дополнено экспертными и эвристическими подходами. Управление же, как руководство, считается деятельностью, достаточно обеспеченной математикой и требующей только вычислительных мощностей для решения систем из многих дифференциальных уравнений, или даже просто решения задач линейного или нелинейного программирования.
Автоматизация, как включение человека в процесс принятия решений, устраняла все проблемы в корне: нет функционала - есть "экспертно" полученное решение. Теоретическая несостоятельность и практическая неуспешность такого подхода давно стали очевидными.
Рассмотрим некоторые возможные перспективы тематики интеллектуальных систем измерений и интеллектуального управления.
Управление и информация требуют использования баз знаний.
Интеллектуальное управление возникает там, где информация трактуется как количественно неопределяемая совокупность данных (фактов, знаков, утверждений и тому подобного) и отношений между ними в семантически ясномконтексте их текущей трактовки. Для восприятия управления как осмысленного потока информации необходимо использование базы данных, если контекст и отношения сообщений постоянны и могут быть заданы конечным набором записей и базы знания, если семантика информации достаточно сложна, контекст переменен, цель управления корректируется в процессе управления, что, как минимум, требует реструктуризации внутренних связей базы данных при акте обработки информационного потока. Указанное требование реструктуризации, обеспечивающее практическую возможность активного (актуализированного) отношения к информации, является отличительным моментом возникновения интеллектуального управления.
Ниже даются некоторые положения теории ИСУ.
Интеллект является атрибутом сложной системы и характеристикой ее отношения к внешнему миру.
Интеллект, как атрибут сложной системы, определяется формированием "образа" (изменением структуры внутренних связей в базе знания), влияющего на реакцию на внешние воздействия. Он проявляется только в актах общения со столь же сложными объектами и активизируется в системе в процессе реорганизации внутренних информационных связей.
Основной цикл управления интеллектуальной системы основан на работе со знанием. Классический основной цикл управления не может быть распространен на системы, требующие интеллектуального управления, потому, что управление через "образ" во-первых требует существенного учета конкретного накопленного знания, формально распределенного между руководителем и системой, а во-вторых, более критично к изменению информации в процессе принятия решения. Соответственно, ИСУ, опирающаяся на принятие решений с использованием знания, имеет совершенно отличный основной цикл управления.
Следующие два пункта рассматривают теоретическую возможность реализации интеллектуальной системы с использованием конечного автомата.
Интеллектуальные свойства системы "объект - управление" имеют дискретное проявление.
Теория ИСУ утверждает, что при ориентации на определение интеллектуальности, данное через базу знания, система управления может обладать интеллектуальными свойствами лишь на некоторых отрезках времени, в течение которых происходят модификации базы знания, что эквивалентно восприятию системой нового контекста. В каждом акте управления при фиксированной текущей структуре базы знания "интеллектуальные" свойства системы не являются строго необходимыми (база знания структурно фиксирована и не отличается в текущий момент времени от базы данных).
Аппарат реструктуризации баз знания базируется на механизмах, аналогичных "функции расстановки". Теория ИСУ базируется на механизмах реструктуризации данных, по реализации аналогичных конечной аппроксимации функции расстановки, которая по существу не является рекурсивной, а может быть и рекурсивно-перечислимой (т.е. не является множеством значений некоторой рекурсивной функции). Исходя из сказанного, для правомерного использования конечного автомата (компьютера) в составе интеллектуальной системы, теория должна рассматривать возможность построения абстрактных конструкций, реализующих невычислимые в обычном смысле объекты.
2. Интеллектуальные средства измерений
Интеллектуальными средствами измерений могут быть различные приборы - интеллектуальные датчики, автоматы, автоматизированные установки, которые представляют из себя набор средств для регистрации, передачи и обработки данных, с учетом применения интеллектуальных алгоритмов на основе баз знаний.
В практике электрических измерений и измерительных преобразований многомерных массивов информации, представленных множеством электрических сигналов, наряду с основной целью измерения (измерительного преобразования) ставится ряд сопутствующих задач: режекция (подавление) и селекция (выделение) по заданному признаку одного из нескольких сигналов, ранжирование и сортировка сигналов по информационному признаку, разделение множества сигналов на подклассы, адресная идентификация одного из каналов передачи, на который воздействует сигнал с заданным информационным признаком, контроль наличия заданной ранговой ситуации множества сигналов и др.
Измерения (измерительные преобразования) с вышеуказанными сопутствующими и другими операциями и (или) алгоритмами обработки, функционирующие на формализованной основе в автоматизированном или автоматическом режимах, принято называть интеллектуальными.
Чаще термин "интеллектуальные" употребляют в узком смысле по отношению к устройствам, которые за счет использования в них переработки информации (обычно на основе микропроцессора) приобретают новые функциональные возможности.
Например, интеллектуальный датчик может выдавать более точные показания благодаря применению числовых вычислений для компенсации нелинейности чувствительного элемента или температурной зависимости. Такой датчик способен работать с большей разновидностью разных типов чувствительных элементов, а также комбинировать два или более измерений в одно новое измерение (например, объединять измерения физиологических параметров в сводный показатель здоровья). И, наконец, интеллектуальный датчик позволяет производить настройку на другие диапазоны измерений или полуавтоматическую калибровку, а также осуществлять функции внутренней самодиагностики, что упрощает техническое обслуживание. Наряду с усовершенствованием работы, дополнительные функциональные возможности интеллектуальных устройств снижают размерность обработки сигналов системой управления и приводят к тому, что несколько разных приборов заменяются прибором одной модели, что дает преимущество как в самом производстве, так и в стоимости обслуживания.
Простейшая система измерений может состоять из датчика подключенного к системе обработки его сигналов - это может быть, как специальный процессор для обработки таких сигналов на аппаратном уровне, так и микроконтроллер или компьютер, снабженный программой обработки данных с этого датчика.
Пример схемы интеллектуальной измерительной системы, измеряющей усредненную, за определенный промежуток времени температуру, представлен на рисунке 1.
рис 1.
Рисунок 1 - Пример схемы интеллектуальной измерительной системы.
Реально же, в данной схеме, измеряется не температура, а напряжение на концах терморезистора (сопротивление которого изменяется в зависимости от его температуры), установленного в схему делителя напряжения. Поскольку между напряжением и температурой терморезистора (его сопротивлением), в данной схеме, есть определенная связь, то если знать эту зависимость, можно вычислить и температуру.
3. Программная и аппаратная части средств измерений
Как правило, в любых современных средствах измерений присутствует как аппаратная, так и программная части. Соотношение этих частей может быть различное и определяется прежде всего задачей, для которой будут применяться данные средства измерений. Например, усреднение измерений может быть выполнено самим датчиком благодаря его свойствам, так и с помощью нескольких измерений с датчика с последующим усреднением программой обработки. Например, с датчика температуры на основе термосопротивления, благодаря инерции его реакции на температуру окружающей среды, мы можем регистрировать за один раз за время t среднюю температуру за этот промежуток времени, однако имея другой датчик температуры, менее инертный и достаточно быстро реагирующий на изменение температуры, мы можем за тот же промежуток времени t зарегистрировать сигнал несколько раз и потом его усреднить. Результаты измерений при этом могут совпадать, однако в первом случае, за счет усреднений из-за инертности датчика, нагрузка на программу обработки данных меньше и соответственно остается больше времени для выполнения других задач, с другой стороны, в случае усреднения программой мы получаем больше информации, т.к. мы получаем информацию не только о среднем значении, но и о мгновенных значениях температуры.
Не смотря на то, что с помощью аппаратных средств можно значительно разгрузить систему и повысить скорость обработки данных, применение только аппаратной реализации обработки данных не всегда правильно. Во многих случаях программная обработка данных позволяет более гибко подойти к процедуре регистрации и обработки данных, т.о. позволяя применять данную систему регистрации, в широком круге задач.
4. Проблема интеллектуализации
Важным результатом исследований, связанных с повышением качества функционирования измерительных систем, является создание специальных интеллектуальных датчиков. Традиционные направления совершенствования таких датчиков реализуются как путем улучшения конструкции и элементов аппаратной части, так и за счет разработки методов формального описания и анализа измерительных процедур. Развитию аналитического подхода при синтезе интеллектуальных датчиков способствует создание алгоритмов оптимальной обработки данных на основе все более сложных статистических моделей входных воздействий на датчик. В качестве конкурирующей стратегии рассматривается способ реализации интеллектуального датчика на основе искусственных нейронных сетей (ИНС).
На практике интеллектуализация измерений связана в первую очередь с обеспечением регистрирующего прибора или датчика некими знаниями о соотношении реально измеряемой физической величины, с той которую в результате мы хотим измерить и применение этого соотношения к измеряемой величине, а также осуществлением предварительной обработки измеряемой величины.
Например, представленная на рисунке 1 схема, реализует интеллектуальную измерительную систему регистрации усредненной по времени температуры.
Для интеллектуализации измерения температуры обратимся к принципу действия термометра. Принцип действия металлического термометра сопротивления основан на измерении калиброванного платинового (Pt), никелевого (Ni) или медного (Cu) сопротивления. Металлические датчики температуры обладают положительным температурным коэффициентом сопротивления (ТКС), так как с ростом температуры сопротивление металла растет:
R=Ro*(1 + a*(t-to) ),
где:
Ro - сопротивление при температуре to - 0 градусов цельсия,
R - сопротивление при температуре t,
a - температурный коэффициент сопротивления (ТКС).
На рисунке 2 приведены графики изменения сопротивления в зависимости от температуры для меди, железа, платины и никеля.
рис 2.
Рисунок 2 - График изменения электрического сопротивления некоторых металлов в зависимости от температуры.
В отличие от металлов многие полупроводники и оксиды имеют отрицательный температурный коэффициент сопротивления. Зависимость между величиной сопротивления и температурой для таких термосопротивлений часто является сильно нелинейной. Эта зависимость представлена на рисунке 3.
рис 3.
Рисунок 3 - График изменения электрического сопротивления некоторых полупроводниковых терморезисторов, в зависимости от температуры: 1 - кобальто-марганцевый, 2 - медно-марганцевый, 3 - медный проводник (для сравнения).
Измеряя сопротивление, терморезистора (косвенно, через напряжение в схеме делителя), в зависимости от его температуры, мы можем сопоставить это сопротивление с конкретным значением температуры этого датчика, для этого необходимо знать соотношение этих величин и применить это соотношение для данного датчика.
Набор таких вот знаний и их применение к измеряемой величине и предварительная их обработка и обеспечивает интеллектуализацию измерений.
Что касается приведенного примера интеллектуального датчика, то в результате оцифровки напряжения и примения знания о соотношении температуры с напряжением, на выходе датчика мы получим цифровое представление усредненной температуры терморезистора.
5. Общие сведения об устройствах получения информации.
Информация - это совокупность сведений, которые могут быть получены различными путями из внешнего источника.
Цель информационной системы - получение сведений из внешнего источника.
Цепочка получения сведений:
1. Объект, процесс.
2. Сбор, обработка и проверка достоверности информации.
3. Промежуточное хранение данных.
4. Вторичная обработка информации
5. Принятие решения.
Автоматизированная информационная система (АИС)- совокупность средств, методов для получения, хранения, обработки и выдачи информации.
Информационные характеристики средств измерения.
Типы сигналов:
- дискретный сигнал (0 и 1; вкл. и выкл. и т.д.)
- аналоговый сигнал (непрерывный)
Измерительный преобразователь. Измерительная система. Датчик. Статические и динамические характеристики.
Средства измерений - это средства, предназначенные для измерений, вырабатывающие сигнал, несущий информацию о значении измеряемой величины или воспроизводящие эту величину.
Измерительный прибор - это средство информатизации для выработки сигнала измерительной информации в форме доступной для восприятия оператора.
Измерительный преобразователь (датчик) - это средство информатизации предназначенной для выработки сигнала измеряемой информации в форме, удобной для дальнейшего преобразования, обработки и хранения.
Измерительная система - это совокупность средств измерений и вспомогательных устройств, соединенных между собой каналами связи, которая предназначена для выработки измерительной информации в форме удобной для автоматической обработки, передачи, хранения и использования в автоматических системах контроля и управления.
Статическая характеристика датчика - зависимость выходного сигнала, от входного выраженная аналитически: Y=f(X)
Любой датчик и измерительный прибор состоит из n последовательных звеньев.
Y01=f1(X01); Y02=f2(Y01) Y02=f2(f1(X01)). Каждое из звеньев: Y0i=f(X0i)
Порогом чувствительности датчика называют наименьшее значение входной величины способное вызвать на выходе датчика малейшее изменение показания прибора.
Величина обратная чувствительности - это цена деления шкалы прибора.
Динамическая характеристика - это характеристика, которая зависит от времени.
Погрешности средств измерения и методы устранения погрешностей.
Классификация погрешностей:
1. Погрешность измерительного преобразователя.
2. Погрешность измеряемой величины.
3. По закономерностям появления.
Погрешность измерительного преобразователя.
1. Абсолютная (абсолютная погрешность считается по выходному сигналу).
Y=Y-Y0 Y - фактический выходной сигнал, Y0 - идеализированный выходной сигнал
2. Относительная (отношение абсолютной погрешности к значению выходного сигнала).
Погрешность измеряемой величины.
1. Методическая - это погрешность, связанная с методикой измерения.
2. Инструментальная - это погрешность самого средства измерения.
3. Систематическая - возникает с многократными измерениями, прогрессирует.
4. Случайная - возникает с многократными измерениями, изменяются случайно.
По закономерностям появления.
1. Статические (возникают при установившемся режиме измерения).
2. Динамические (измеряемый параметр зависит от времени).
Для датчиков существует 3 группы динамических погрешностей:
Аддитивная погрешность - при увеличении входного сигнала полоса погрешности имеет постоянное значение.
Мультипликативная погрешность - полоса расширяется.
Методы повышения точности измерения.
Выделяют две основные группы методов для уменьшения погрешности результатов измерений:
1. Технологические (классические) методы.
Цель: Повышение стабильности статической характеристики датчика.
Общие рекомендации - это изготовление датчиков и элементов со стабильными характеристиками.
2. Структурные методы.
Цель: Введение в процесс измерения структурности или временной избыточности.
Метод уменьшения случайной составляющей погрешности.
Способ многоканального измерения.
Недостатки: сложные, дорогие.
Преимущества: выигрываем по времени.
Цель ВУ: поиск математического ожидания
и дисперсии вычисляемой величины.
Устройства получения информации.
Классификация:
1. По измеряемым параметрам:
Теплоэнергетические параметры (температура, давление, расход, уровень).
Электротехнические параметры (сила тока, напряжение, мощность, частота)
Механические параметры (размеры, усилие, масса, крутящий момент)
Химический состав (хим. состав газовой среды, концентрация)
Физические свойства (твердость, влажность, вязкость, плотность)
Основные характеристики устройств для получения информации.
Требования:
Легкость преобразования сигнала
Возможность простой коммутации без потери точности информации
Унификация выходных сигналов
Создание цифровых измерительных преобразователей.
Создание измерительных преобразователей которые подключаются по двухпроводной системе.
Создание нормально-пассивных измерительных преобразователей.
Интеллектуальный датчик - наличие первых 3пунктов (см. выше).
Измерение температуры.
Методы измерения температуры: 1.Контактные. 2.Бесконтактные.
Температурные шкалы.
0 - замерзание соленой воды
96 - температура тела
0 - застывание воды, 100 - кипение воды
t=t'+ (U-U')*(t''-t')/(U''-U') Градуировка термометра: где: U'(t'=0), U''(t''=100).
0 - точка абсолютного нуля.
Х - тройная точка воды 273,16 К;
Точка кипения воды 373,15 К
Образцовые средства измерения:
113,81 К - 903,89 К - Платиновый термометр сопротивлений.
903,89 К - 1337,58 К - Термопара.
свыше 1337,58 К - Спектральный пирометр.
Методы измерения температур:
Контактные: терморезисторный, термоэлектрический (термопара)
Бесконтактные: тепловизор, спектрометр
Принцип действия тепловизора:
Каждое нагретое тело испускает тепловое излучение, интенсивность и спектр которого зависят от свойств тела и его температуры. Принцип действия тепловизора сравнительно прост: инфракрасное (тепловое) излучение от исследуемого объекта через оптическую систему передается на приемник, представляющий собой неохлаждаемую матрицу термо-детекторов. Далее полученный видеосигнал, посредством электронного блока измерения, регистрации и математической обработки оцифровывается и отображается на экране компьютера или дисплее тепловизора.
Термопреобразователь сопротивления
Изменение сопротивления с изменением температуры. Их зависимость объясняется ТКС (температурный коэффициент сопротивления).
Требования для чувствительных элементов термопреобразователя:
· Значение ТКС должно иметь стабильную монотонную стабильность.
· ТКС должно быть большим значением
· Материал (физические и химические свойства материалов должны быть стабильными во всем диапазоне температур, устойчивость к неблагоприятным воздействиям внешней среды).
Металлы:
Платина: +стабильность хим. состава. - реагирует с углеродом.
хим. инертность. высокая цена.
высокий ТКС.
Медь: +линейная зависимость R от t. - сильно окисляется при высоких
дешевизна. температурах.
маленькое активное сопротивление.
Никель: +высокое значение ТКС. - сильно окисляется при высоких
высокое удельное сопротивление. температурах.
Полупроводники:
Термисторы, Позисторы: +высокое R. - нестабильность характеристики.
высокий ТКС.
Классификация термопреобразователей сопротивления.
1. По виду чувствительного элемента:
Металлические
Полупроводниковые
2. По конструктивному исполнению:
Обычного исполнения
Пленочные
3. По степени инерционности:
Малоинерционные
Среднеинерционные
Инерционные
Измерения электрического сопротивления термопреобразователей сопротивления.
2 способа:
1. В делителе напряжения:
Rн - постоянное; Rt - сопротивление термопреобразователя
2.С помощью мостов (уравновешенных и неуравновешенных)
Схема термометра сопротивления.
Мы должны учитывать сопротивление подводящих проводов (они вносят погрешность).
Уравновешенный: В условиях равновесия потенциал точки b = потенциалу точки d. R2 - уравновешивает мост.
Сопротивление подводящих проводов при изменении t окружающей среды не влияет на точность измерения.
Неуравновешенный: вых. Сигнал на bd будет напряжение.
Измерение температуры термоэлектрическими преобразователями (термопары).
В основе лежит эффект Зеебека (термоэлектрический эффект).
Замкнутая цепь (2 разнородных проводника) возникает эл. ток, если хотя бы 2 места соединения этих проводников имеют различную температуру.
1. Стабилизировать температуру опорного контакта (Т0).
2. Удалить Т0 как можно дальше от технологического процесса (для этого используют компенсационные провода).
Способы подборки удлинителей:
подбирают провода идентичные по термоэлектрическим свойствам термоэлектродам.
способ суммарной компенсации (удлинители должны иметь номинальные статические характеристики такие же как и термоэлектроды в небольшом интервале температур 0-100 С).
a)
ab - питающая диагональ
cd - измерительная диагональ
на ab подается стабилизированное напряжение постоянного тока
R1, R2, R3 - материал Манганит
R4 - материал Медь
Мост в равновесии когда tсопр. R4=00С. Чем больше отклонение от градуировочной t, тем больше разбаланс моста. На вершинах c и d возникает разность потенциалов которая ровна по величине и разная по знаку изменению термоЭДС термопары вызванному отклонением температур свободны концов от градуировочной.
2 способа соотношения термоЭДС и температуры:
1. Реализуется при размещении в памяти машины таблицы зависимости t-mV.
2. Аппроксимация температуры и ЭДС полиномиальной зависимостью.
Измерение температуры бесконтактными методами.
Конструкции и принцип действия пирометров.
Квазимонохроматические пирометры.
Принципы действия:
· Сравнения яркости излучения эталонного тела и объекта (оптические пирометры).
· Используется зависимость фотоэлемента менять фототок в зависимости от падающего излучения (фотоэлектрические пирометры).
Пределы измерения:
оптический прибор:
-поддиапазон 800-1400
-поддиапазон 1400-2500
фотоэлектрический прибор: от комнатных температур до тыс. градусов.
Измерение давления и разряжения.
1. Электрические манометры сопротивления.
Принцип действия: измерение эл. сопротивления проводника в зависимости от измеряемого давления. Используется сплав манганит. Точность измерения зависит от точности измерения сопротивления.
2. Тензометрический преобразователь.
Принцип действия: преобразование усилия или деформации в изменение сопротивления проволочки. Принцип действия тензопреобразователей основан на явлении тензоэффекта в материалах. Чувствительным элементом служит мембрана с тензорезисторами, соединенными в мостовую схему. Под действием давления измеряемой среды мембрана прогибается, тензорезисторы меняют свое сопротивление, что приводит к разбалансу моста Уитстона. Разбаланс линейно зависит от степени деформации резисторов и, следовательно, от приложенного давления.
Преимущества: 1. малая инерционность 2. высокий предел измерения.
Недостатки: 1. небольшая чувствительность.
3. Пьезоэлектрический манометр.
Принцип действия: способность материалов (сегнетова соль, титанат бария и др.) создавать эл. поле под действием давления.
Недостатки: 1. воздействие температуры (до 500 0С).
Конструкция датчика Метран.
Принцип действия: Сигнал перемещения с мембраны передается на тензопреобразователь - кремния на подложке из сапфира (КНС).
основание
крышечка
герметическая прокладка
мембрана
воздух
надмембранное пространство
структура КНС
выходной сигнал
Основные методы измерения расхода вещества.
Расход - количество вещества, протекающее через сечение за какое-то время.
Тахометрические устройства для измерения расхода.
В основе лежит турбинка, она вращается за счет энергии потока. Число оборотов пропорционально расходу.
1. Электромагнитные.
1.1 Магнитоиндукционный способ.
Турбина из ферромагнитного материала находится в зоне постоянного магнита. Число импульсов пропорционально скорости вращения турбины.
1.2 Магнитоэлектрический способ.
Одна лопасть имеет полюс N, другая полюс S. Принцип магнитоэлектрического генератора. В обмотке наводится ЭДС, с частотой = частоте вращения турбины.
2. Фотоэлектрические
Принцип действия: оптический сигнал прерывается при вращении турбины.
Применение ультразвука при измерении расхода.
Для измерения расхода воды и водных растворов.
Принцип действия расходомера, счетчика воды: Измерение эффекта зависящего от расхода при прохождении акустических колебаний через поток воды. Почти все акустические расходомеры работают в ультразвуковом диапазоне, поэтому называются ультразвуковыми. Подразделяются на расходомеры, основанные на:
- перемещении ультразвуковых колебаний движущейся средой
- эффекте Доплера
Большое распространение получили расходомеры, счетчики воды, основанные на измерении разности времен прохождения ультразвуковых колебаний по потоку и против него.
Объем воды определяется по формуле: V=КнКм(1/t1-1/t2)T, где:
V - объем прошедшей воды, м3
Т - время работы счетчика воды, сек
t1- время распространения ультразвукового импульса по направлению потока, сек
t2 - время распространения против направления потока, сек
Кн - гидродинамический коэффициент
Км - коэффициент, учитывающий геометрию первичного преобразователя.
Как видно из формулы скорость ультразвука отсутствует в выражении. Переносной расходомер представляет собой накладные ультразвуковые датчики, которые устанавливаются на трубопровод. Параметры трубопровода (толщина стенки, диаметр трубопровода) и воды (температура) вводятся во вторичный преобразователь расхода.
Преимущества:
- отсутствие движущих частей
- широкий диапазон диаметров
- возможность перенастройки
- есть энергонезависимая память
- интеллектуальный датчик
Измерение уровня. Электрические уровнемеры.
Положение уровня преобразуется в какой-либо электрический сигнал.
1. Емкостный уровнемер.
Построен на измерении электрической емкости плоского, цилиндрического конденсатора.
Емкость конденсатора зависит от E и Еж (среды)
Конденсаторные пластины покрыты специальными покрытиями (вторпласт).
Преимущества:
- недорогие системы
Недостатки:
- большая металлоемкость
- контактный способ измерения
2. Омические уровнемеры.
Сигнализаторы уровня жидкости (дискретный сигнал).
Замыкание электроцепи источника питания через контролируемую среду (электропроводящая жидкость).
Недостатки:
- невозможность применения в вязких, кристаллизующихся средах.
3. Радиоизотопные уровнемеры.
Принцип действия: проникающие гамма лучи.
Приемник излучения
Источник излучения
4. Ультразвуковые акустические уровнемеры.
Принцип действия: отражение сигнала от поверхности контакта и контроль времени прохождения сигнала.
Техническое решение. Специальные промежуточные отражатели
Инженерные решения. TSO1 (для жидкостей)
TSO2 (узконаправленная антенна)
5. Уровнемеры для сыпучих тел.
Принцип действия: измерение массы.
Мембранные датчики
(дискретный сигнал)
Тензометрический датчик
Измерение состава и параметров вещества.
Анализаторы - приборы для определения состава.
Газовые анализаторы. Методы для анализа газов (отбор пробы газа):
- тепловые и кинетические способы
- магнитные и термомагнитные
- спектрометрический метод анализа газа.
Термокондуктометрические газоанализаторы.
В основу положен метод зависимости коэф. теплопроводности различных веществ от температуры. Реализация данного метода:
Недостаток:
- Влага очень сильно влияет на газоанализатор.
Принцип действия основан на зависимости электрического сопротивления проводника, помещенного в камеру с анализируемой газовой смесью и нагреваемого током, от теплопроводности окружающей проводник смеси.
В современных кондуктометрических газоанализаторах часто используется мостовая схема, питающихся от сети переменного тока через трансформатор. Плечи моста выполнены из платины и заключены в стеклянные баллончики. Плечи R1 и R3 моста являются рабочими и омываются анализируемым газом. Плечи R2 и R4 находятся в среде, состав которой соответствует началу шкалы.
Условия:
Термстатирование всего блока.
Напряжение питания должно быть стабилизировано.
Точно поддерживать расход газовой смеси.
6. Измерительные базы знаний
6.1 Понятие о базах знаний
В настоящее время целью исследований в области ИИ является создание таких систем, которые, с одной стороны, могут использовать большое количество знаний, передаваемых им специалистами, а с другой способны вступать в диалог и объяснять свой собственные выводы. Это предполагает наличие эффективного управления большой по объему и хорошо структурированной базой знаний, строгое разграничение между различными уровнями знаний, наличие множества удобных представлений для правил, схем предикатов или прототипов и четко определенный процесс обмена информацией между различными источниками.
Необходимо, чтобы система знала, что она знает. Если попытаться провести аналогию с людьми, то подобное метазнание означает постоянное использование в течение жизни информации о каждом прожитом дне. Если, например, вы забыли имя приятеля, встреченного на улице, то ваше метазнание состоит в том, что либо вы его имя знали, но забыли, либо этого имени никогда не знали. Впрочем, мы постоянно используем важные эвристические правила, основанные на подобном метазнаний, такие, как "если бы это была правда, то я бы это знал". Они зависят от двух важных параметров: значимости имеющего к ним отношения факта и степени нашей собственной компетентности в данной области. В действительности каждое человеческое знание сразу же требует метазнания, связанного с тем местом, которое мы отводим данному знанию в ряду другой информации, как мы к нему относимся, для каких целей оно нам полезно, к какому семейству принадлежит.
6.2 Различные типы знаний
Выделим восемь основных типов знаний по следующим признакам.
1) Базовые элементы, объекты реального мира. Они связаны с непосредственным восприятием, не требует обсуждения, и добавляются к нашей базе фактов в том виде, в котором они получены.
2) Утверждения и определения. Они основаны на базовых элементах
и заранее рассматриваются как достоверные.
3) Концепции. Они представляют собой перегруппировки или обобщения базовых объектов. Для построения каждой концепции используются свои приемы. Например, в системах МЕСНО (Bundy, 1979) или AM (Lenat, 1977) они построены на основе примеров, контр примеров, частных случаев, более общих или аналогичных концепций.
4) Отношения. Они выражают как элементарные свойства базовых элементов, так и отношения между концепциями. Кроме того, к свойствам отношений относятся их большее или меньшее правдоподобие, большая или меньшая связь с данной ситуацией. Еще раз отметим, что представление знаний в экспертных системах близко к моделям, используемым в базе данных. Таким путем построена реляционная (обобщенная) модель базы данных в системах OPS, PROLOG, SNARK и TANGO.
Пара понятий "свойство - значение" (relationship - entity) хорошо известна в семантических сетях; фреймы и скрипты являются не чем иным, как наиболее простыми бинарными отношениями. Некоторые экспертные системы (INTERNIST, BAOBAB, SPHINX) в качестве базы факторов используют уже базы существующих данных.
5) Теоремы и правила перезаписи. Они являются частным случаем
продукционных правил с вполне определенными свойствами. Теоремы не представляют никакой пользы без экспертных правил их использования. Явное присутствие теорем в экспертных системах представляет главное отличие от систем управления классическими базами данных (СУБД), в которых они либо отсутствуют, либо программируются. Модификация или добавление новых теорем является весьма трудоемкой, хотя и необходимой процедурой, так как нужно обеспечить хорошее структурированное управление базой данных и оптимизировать получение ответов (Gallaire, 1987).
6) Алгоритмы решений. Они необходимы для выполнения определенных задач. Во всех случаях они связанны со знанием особого типа, поскольку определяемая ими последовательность действий оказывается оформленной в блок в строго необходимом порядке в отличие от других типов знания, где элементы информации могут появляться и располагаться без связи друг с другом.
Очевидно, что очень трудно работать с длинными процедурами, состоящими из большого числа различных действий. Использование чистых алгоритмов ограниченно очень частными случаями, большая часть которых имеет дело с обработкой числовой информации. Человек же должен уметь работать со многими другими типами информации и оказывается, что ЭВМ в отличие от простого калькулятора может помочь человеку в подобных неалгоритмических ситуациях.
7) Стратегии и эвристика. Этот тип представляет собой врожденные
или приобретенные правила поведения, которые позволяют в данной конкретной ситуации принять решение о необходимых действиях. Он использует информацию в порядке, обратном тому, в котором она была получена. В качестве примера можно привести рассуждение типа: "Я знаю, что это действие приводит к такому-то результату (информация типа 4), поэтому, если я хочу получить именно этот результат, я могу рассмотреть это действие. Человек постоянно пользуется этим типом знаний при восприятии, формировании концепций, решении задач и формальных рассуждениях.
Появление экспертных систем связанно с необходимостью принятия в расчет именно этого фундаментального типа человеческих знаний.
8) Метазнание. Без сомнения оно присутствует на многих уровнях и
представляет собой знание того, что известно и определяет значение коэффициента доверия к этому знанию, важность элементарной информации по отношению ко всему множеству знаний. Кроме того, сюда же относятся вопросы организации каждого типа знаний и указаний, когда и как они могут быть использованы.
6.3 Различные представления знаний в существующих системах.
Приведем краткий список наиболее распространенных в настоящее время методов. Фундаментальное различие между ними состоит в простоте модификации знания. В таблице ниже они приведены в порядке от наиболее процедурного (наиболее застывшего, структурированного) до наиболее декларативного (наиболее открытого, свободного, неупорядоченного). Такая классификация является несколько грубой, но правильно отражает идею.
Таблица 1 - Список наиболее распространенных в настоящее время методов знаний.
Напомним, что конечные автоматы, программы, исчисление предикатов и системы с продукционными правилами с теоретической точки зрения эквивалентны друг другу, поскольку их в принципе можно свести к универсальной машине Тьюринга, хотя их "эксплуатационные характеристики" сильно различаются.
Такие формальные понятия, как фреймы; скрипты, семантические сети, возникли из реальных потребностей искусственного интеллекта и приносят большую помощь в понимании языка.
Фреймы предложены Минским в 1975 г. и представляют собой сложные структуры данных, описывающих какую-либо типичную ситуацию, на пример ожидание в аэропорту или участие в семейном обеде. Фрейм состоит из позиций для размещения объектов, характеризующих данную ситуацию. Позиция может быть передана другому фрейму. Кроме того, он содержит информацию о выполняемых действиях, о том, как следует поступать в типичных и нетипичных случаях, о влиянии соседних фреймов.
Скрипт или схема представляет собой описание стереотипного сценария действий с участием определенных объектов. Скрипты связаны с текущей культурой и необходимым для понимания таких предложений, как "Я вошел в ресторан, официантка принесла мне меню". Они могут вызывать другие скрипты и обладают большими, чем фреймы, возможностями для описания динамических аспектов знания.
Семантические сети - это графы, которые часто представляют собой объединение двух предыдущих понятий и объектом описания которых являются элементы окружающего мира и связи между ними. Они имеют много общего с реляционными моделями баз данных.
Изображения и графы эффективно используются для доказательства теорем. Они оказывают большую помощь в проверке отсутствия зацикливания этапов, в полном и эффективном хранении задачи в памяти, в организации ввода новых элементов.
6.4 Измерительные базы знаний.
Базы знаний о совокупности измерительных величин и их соотношении с физическими величинами, составляют измерительные базы знаний. Например, средства измерений, определяющие химический состав излучения содержат базы знаний о спектрах различных химических элементов (положения спектральных линий), а средства обнаружения вредноносных компьютерных программ содержат базы знаний о существующих вирусах.
8. Применение нейроструктур в средствах измерений
Литература
Рекомендуемая литература (основная)
1. Интеллектуальные средства измерений: учебник для студ. высш. учеб. заведений / Г.Г.Раннев. - М.: Издательский центр "Академия", 2011. - 272 с.
2. Программно-аппаратные средства интеллектуальных измерительных систем: учебное пособие для студентов физико-технического факультета / К.А.Екимов, С.Ф.Подрядчиков. - Петрозаводск : Издательство ПетрГУ, 2016. - 53 с. - ISBN 978-5-8021-2921-0
3. Екимов К.А., "Интеллектуальные средства измерений" [Электронный ресурс]. - Режим доступа: http://plasma.karelia.ru/~ekostq/PUBLIC/IntSrIzm_NEW/index.html, свободный.
4. Подрядчиков, С. Ф. Построение автоматизированных систем сбора данных и управления на базе многофункциональных контроллеров ICP DAS PCI-1202(H/L)/1802(H/L) [Текст]: учебно-методическое пособие. - Петрозаводск: Изд-во ПетрГУ, 2010. - 45 с.
5. Интеллектуальные информационные системы: методические указания / сост. : И.П.Рак, А.В. Селезнев, Э.В. Сысоев. - Тамбов: Изд-во ГОУ ВПО ТГТУ, 2010. - 16 с. - 100 экз.
6. Аппаратные средства и программное обеспечение систем промышленной автоматизации: Учеб. пособ. / И.А.Данилушкин; Самар. гос. техн. ун-т. Самара, 2007. 168 с.
7. Нечаев Ю.И., "Современные информационные технологии при планировании эксперимента" [Электронный ресурс]. - Режим доступа: http://skif.pereslavl.ru/~csa/kurs_5/index.htm, свободный.
8. LabVIEW для всех / Джеффри Тревис: Пер. с англ. Клушин Н. А. - М.: ДМК Пресс; ПриборКомплект, 2005. - 544 с.
9. Искусство схемотехники / П.Хоровиц, У.Хилл. - М.: Изд-во "Бином", 2009. - 704 с.
Рекомендуемая литература (дополнительная)
1. Курс по LabVIEW 7. Под редакцией чл.-корр. РАН П.А. Бутырина / М. Михеев, В.В.Каратаев, М., 2005.
2. Интеллектуальные информационные системы: учебник / Д.В.Гаскаров. - М.: Изд-во: Высш. шк., 2003 г. - 432 с.
3. Интеллектуальная информационно-измерительная система / В.Г.Жиров. // Вестник СамГТУ. Серия "Технические науки". - 2005. - N33.
4. Введение в искусственный интеллект / Л.Н.Ясницкий. - М.: Изд-во "Академия", 2005. - 176 с.
5. Нейрокомпьютеры / Л.Г.Комарцова, А.В.Максимов. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2002
6. Нейронные сети и нейрокомпьютеры: Учебное пособие по курсу "Микропроцессоры" для студентов, обучающихся по направлению "Информатика и вычислительная техника" / П.Г.Круг. - М.: Изд-во МЭИ, 2002. - 176 с.
7. Основы построения информационно-измерительных систем: Пособие по системной интеграции / Н.А.Виноградова, В.В.Гайдученко, А.И.Карякин, и др.: под ред. В.Г.Свиридова. - М.: Изд-во МЭИ, 2004. - 268 с.
8. Организация интеллектуальных вычислений. Курс лекций / В.П.Серебряков. - М.: Изд-во МТУ "Станкин", 2005.
9. П.Хоровиц, У.Хилл. Искусство схемотехники: Пер. с англ. - 5-е изд., перераб. - М.: МИР, 1998. - 704 с., ил.
10. Романов В.Н., Соболев В.С., Цветков Э.И. Интеллектуальные средства измерения. Под ред. Э.И.Цветкова.- М.: Татьянин день, 1994.- 280 с.
11. Искусственные нейронные сети. Теория и практика. - 2-е изд., стереотип. - М.: Горячая линия -Телеком, 2002. - 382 с.: ил.
12. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб: Питер, 2000.
13. Чикул В.М. Основы искусственного интеллекта.- М.: Диалог МГУ, 2000.
14. Статистические и динамические экспертные системы / Э.В.Попов, И.Б.Фоминых и др.- М.: Фин.и стат., 1996.
15. Искусственный интеллект: В 3-х кн.: Справочник.- М.: Радио и связь, 1990.
16. Искусственный интеллект: применение в интегрированных производственных системах / Под ред. Э.Кьюсиака.- М.: Машиностр., 1991.
17. Нейрокомпьютеры - архитектура и реализация. Часть 1. Элементы нейрологики с позиции аппаратной реализации / Шахнов В., Власов А., Кузнецов А, Ю.Поляков // ChipNews, 2000, N 5
18. Нейрокомпьютеры - архитектура и реализация. Часть 2. Элементная база нейровычислителей / Шахнов В., Власов А., Кузнецов А., Ю.Поляков // ChipNews, 2000, N 6
19. Нейрокомпьютеры - архитектура и реализация. Часть 3. Аппаратная реализация нейровычислителей (окончание) / В.Шахнов, А.Власов, А.Кузнецов, Ю.Поляков // Chip News (инженерная микроэлектроника), 2001, N1.-С.24-29