CC BY
80
Для отдельных показателей качества вид функ- и погодными условиями. В этом проявляется свой-
циональной зависимости определяется достаточно ство эмерджентности системы, т. е. несводимости
просто. Например, масса соединяемых элементов, ее показателей к показателям качества объединя-
финансовые затраты и продолжительность последо- емых элементов.
вательно выполняемых операций просто суммиру- Таким образом, одна из основных задач любой ются. Но в общем случае вид функции может быть целенаправленной деятельности заключается в том, достаточно сложным, а получаемый результирующий чтобы обеспечить гарантированное качество целе-показатель даже по своей физической природе мо- вого результата. Для этого нужно уметь, во-пер-жет не совпадать ни с одним из исходных объеди- вых, от требований, предъявляемых к качеству це-няемых показателей. Так, дальность полета само- левого результата, перейти к требованиям значе-лета определяется совершенством используемых ний показателей качества подсистем и элементов, двигателей, энергетическими характеристиками и задействуемых ресурсов и выполняемых операций, а массой топлива, аэродинамическими характеристи- во-вторых, организовать процесс деятельности гаками и массой самолета, показателями атмосферы рантированно обеспечивающий необходимое качество целевого результата.
ЛИТЕРАТУРА
1. Фейенбаум А. Контроль качества продукции, М.: Экономика, 1986
2. Гришко А.К. Системный анализ параметров и показателей качества многоуровневых конструкций радиоэлектронных средств / А.К. Гришко, Н.К. Юрков, Д.В. Артамонов, В.А. Канайкин // Прикаспийский журнал: управление и высокие технологии. - 2014. - № 2 (26). - С. 77-84.
3. Гришко А.К. Динамическая оптимизация управления структурными элементами сложных систем / А.К. Гришко, Н.К. Юрков, Т.В. Жашкова // XXI век: итоги прошлого и проблемы настоящего плюс. - 2015. - № 4 (26). - С. 134-141.
4. Гришко А.К. Динамический анализ и синтез оптимальной системы управления радиоэлектронными средствами // XXI век: итоги прошлого и проблемы настоящего плюс. - 2015. - № 4 (26). - С. 141-147.
5. Гришко А.К. Теоретические и методологические основы понятия качества сложных технических систем / А.К. Гришко, В.А. Корж, В.А. Канайкин, А.С. Подсякин // Труды международного симпозиума Надежность и качество. - 2012. - Т. 1. - С. 132-134.
6. Гришко А.К. Анализ и оптимизация траектории поведения системы на основе прогнозирующего управления // Труды международного симпозиума Надежность и качество. - 2008. - Т. 1. - С. 291-292.
7. Гришко А.К. Алгоритм поддержки принятия решений в многокритериальных задачах оптимального выбора // Модели, системы, сети в экономике, технике, природе и обществе. - 2016. - № 1 (17). - С. 265-271.
8. Гришко А.К. Оптимизация размещения элементов РЭС на основе многоуровневой геоинформационной модели // Вестник Самарского государственного технического университета. Серия: Технические науки. - 2015. -№ 3 (47). - С. 85-90.
9. Гришко А.К. Анизотропная модель системы измерения и анализа температурных полей радиоэлектронных модулей / А.К. Гришко, Н.В. Горячев, И.И. Кочегаров // Измерение. Мониторинг. Управление. Контроль. -2016. - № 1. - С. 82-88.
10. Гришко А.К. Математическое моделирование системы обеспечения тепловых режимов конструктивно-функциональных модулей радиоэлектронных комплексов / А.К. Гришко, Н.В. Горячев, Н.К. Юрков // Проектирование и технология электронных средств. - 2015. - № 3. - С. 27-31.
11. Grishko A., Goryachev N., Yurkov N. Adaptive Control of Functional Elements of Complex Radio Electronic Systems. International Journal of Applied Engineering Research. Volume 10, Number 23 (2015), pp. 43842-43845.
12. Grishko A. Management of Structural Components Complex Electronic Systems on the Basis of Adaptive Model / A. Grishko, N. Goryachev, I. Kochegarov, S. Brostilov, N. Yurkov // MODERN PROBLEMS OF RADIO ENGINEERING, TELECOMMUNICATIONS, AND COMPUTER SCIENCE Proceedings of the XIIIth International Conference TCSET'2016 February 23 - 26, 2016 Lviv-Slavsko, Ukraine. DOI:10.1109/TCSET.2016.7452017.
13. Grishko A., Goryachev N., Kochegarov I., Yurkov N. Dynamic Analysis and Optimization of Parameter Control in Radio Systems in Conditions of Interference. 2016 International Siberian Conference on Control and Communications (SIBCON). Proceedings. - Moscow: Higher School of Economics. Russia, Moscow, May 12-14, 2016.
УДК 004.421
Михеев М.Ю., Семочкина И.Ю., Мещерякова Е.Н,
ФГБОУ ВПО «Пензенский государственный технологический университет», Пенза, Россия
МОДЕЛИРОВАНИЕ ПОВЕРХНОСТНО-АКУСТИЧЕСКИХ ВОЛН В СРЕДЕ MATLAB
Проведено моделирование аналитических моделей поверхностно-акустических волн в пакете математического моделирования Matlab. Получены коэффициенты смещение поверхностного слоя распространения волны.
Ключевые слова:
поверхностная акустическая волна, сигнал сложной формы, аналитическая модель, датчик на ПАВ, информационная система, Matlab.
В настоящее время особый интерес представляет сигнала ПАВ и структурируя полученную информа-анализ сигналов сложной формы. Это обусловлено цию, сигнал можно представить как информационный в первую очередь развитием науки и техники в объект, несущий информацию о протекающих физи-области нанотехнологий. Появление нанодатчиков, ческих процессах в техническом устройстве. новых сплавов материалов привело к необходимости В статье представлены наиболее распространен-анализа состояния объекта. Поверхностно-акусти- ные аналитические модели сигналов с датчиков на ческие волны дают возможность не только анали- ПАВ. Интеграция данных моделей в среду матема-зировать состояние объекта, но и прогнозировать тического моделирования Matlab / Simulink поз-его состояние и влияние на внешние воздействия. воляет выделить частотно-временной спектр, неПредставление сигнала сложной формы с помощью обходимый для идентификации и структурирования аналитических моделей дает общее представление информации о протекающих физических процессах не только о структуре и форме сигнала, но и об внутри объекта.
информации, которую содержит сигнал. В настоящее В статье [2] представлены типы поверхностно-
время, для анализа сложного технического объекта акустических волн: Релея, Стонли, Гуляева - Блю-используют поверхностно-акустические волны стейна (Блюхштейна), Марфельда-Турнуа, и волны
(ПАВ) [1-5], которые имеют сложную структуру, Лява. Рассмотрим один из наиболее распространен-
как во временной, так и в частотной областях. ный типов поверхностно-акустической волны -Используя частотно-временные характеристики
волны Релея. Волны Релея распространяются вдоль границы сред, имеющих разряженную структуру.
Плоская Релеевская волна описывается формулами (1, 2), где и - компонента смещения, направленная вдоль направления распространения волны (ось х), а ы - перпендикулярно свободной границе в глубь пространства (направление оси г с началом на границе).
и = W =
= Ак (г - ^^ - е~5г) &п(кх - , (1)
/ = Ац (е-Я2 --¡^ - е-52) соБ(кх - , (2)
где t - время, со- круговая частота, q = ^к2 - к2, 5 = ^ к2- кГ, к - волновое число Релеевской волны. к] - волновые числа продольных и поперечных
A -
произвольная постоян-
волн соответственно, ная.
Проведем моделирование аналитической модели волны Релея с помощью пакета математического моделирования Ма11аЬ.
В листинге 1 представлен код, для нахождения коэффициентов смещения волны Релея.
Листинг 1
la = 5;
T = 0:0.1:(la/2);
X = 0:(10*la);
[x, t] = meshgrid (X, T)
z = 3;
w = 1;
k = 0.5;
kl = 0.2;
kt = 0.25;
A = 0.1;
s = sqrt(k"2 - kt
q = sqrt(k"2 - kl
w = A.*q.*(exp(-q ,*z) -
exp( -u
s.*z)
s.*z) = A.*k.*(z -).*(sin(k.*x
2*q*s)/(k"2 + sA2) ft));
cos(k.*x -(z - (2*q*s)/(k"2 + sA2 -.*t));
exp (-
Построим графики значений смещений вдоль границы пространства и перпендикулярно и объединяя полученные графики, мы получаем графическое представление волны Релея (Рисунок 1.2)
Рисунок 1.2
волны Релея
1:1:
величина их скорости лежит между значениями скоростей звука в слое и в подложке.
Variables - Z1
j Z1 <26x51x51 double>
Columns 1 through 7
-0.0425 -0.0419 -0.0409 -0.0395 -0.0377 -0.0356 -0.0331 -0.0304 -0.0274 -0.0242 -0.0209 -0.0173 -0.0137 -0.0100 -0.0063 -0.0026 0.0011 0.0046 0.0081 0.0114
-0.0373 -0.0387 -0.0398 -0.0405 -0.0408 -0.0408 -0.0404 -0.0396 -0.0384 -0.0370 -0.0352 -0.0331 -0.0308 -0.0283 -0.0255 -0.0225 -0.0194 -0.0162 -0.0129 -0.0096
-0.0230 -0.0260 -0.0288 -0.0314 -0.0336 -0.0356 -0.0372 -0.0385 -0.0395 -0.0401 -0.0404 -0.0403 -0.0400 -0.0392 -0.0382 -0.0369 -0.0352 -0.0333 -0.0312 -0.0288
-0.0030 -0.0068 -0.0106 -0.0143 -0.0178 -0.0213 -0.0245 -0.0275 -0.0303 -0.0329 -0.0352 -0.0372 -0.0389 -0.0403 -0.0413 -0.0421 -0.0424 -0.0425 -0.0422 -0.0413
0.0177 0.0141 0.0104 0.0066 0.0027 -0.0013 -0.0053 -0.0093 -0.0132 -0.0171 -0.0209 -0.0245 -0.0279 -0.0311 -0.0341 -0.0369 -0.0393 -0.0414 -0.0432 -0.0446
0.0340 0.0317 0.0291 0.0261 0.0229 0.0194 0.0156 0.0117 0.0076 0.0034 -0.0009 -0.0053 -0.0097 -0.0140 -0.0183 -0.0225 -0.0266 -0.0304 -0.0341 -0.0374
0.0421 0.0416 0.0408 0.0395 0.0378 0.0357 0.0332 0.0304 0.0272 0.0236 0.0198 0.0157 0.0113 0.0068 0.0022 -0.0026 -0.0074 -0.0122 -0.0170 -0.0216
Рисунок 2 - коэффициенты смещения
Смещение в слое и в полупространстве описывается выражением: л
cos s (h - z)sin(tot - kx), (3)
cos sh
v2 = AeSl2 sin( tot - kx),
s
i=Vktl k
Лява, kti, kt
t -2
время,
s
--^k2 - kt
- круговая частота, k - волновое число
к/1, к12 - волновые числа поперечных волн в слое и полупространстве соответственно, Ь - толщина слоя, А - произвольная постоянная.
Рисунок 3
волна Лява
ssi Variables - Z1
J Z1 <26x51x51 double>
Columns 1 through 7
В результате вычислений с помощью т-файла, мы получаем значения векторов смещения по оси х и у, но для дифференциальных вычислений нам необходимо объединить полученные коэффициенты. Для этого воспользуемся следующим кодом (Листинг 2).
Листинг 2
: 1епд1МХ) м-; и;
for D(: S(: end
Z1 = S + D;
Переменная Z1 представляет собой матрицу коэффициентов, описывающих смещение поверхностного слоя, относительно границы пространства (ось х и у). На рисунке 2 представлена часть коэффициентов, полученных с помощью листинга программы.
Еще одним распространённым типом поверхностно акустической волны являются волны Лява. Волны Лява - поверхностные волны с горизонтальной поляризацией (SH типа), распространяются в тонком (порядка Азв) слое вещества, нанесенном на подложку, в которой скорость звука больше, чем в слое [1]. Эти чисто сдвиговые волны имеют «горизонтальную» поляризацию и проникают в подложку на глубину порядка Азв. Они обладают дисперсией,
0.0023 0.0047 0.0069 0.0092 0.0113 0.0133 0.0151 0.0169 0.0184 0.0198 0.0209 0.0219 0.0226 0.0232 0.0234 0.0235 0.0233 0.0229 0.0222
-0.0025 -0.0001 0.0022 0.0045 0.0068 0.0089 0.0111 0.0130 0.0149 0.0166 0.0182 0.0195 0.0207 0.0217 0.0224 0.0230 0.0233 0.0233 0.0231 0.0227
-0.0048 -0.0025 -0.0003 0.0020 0.0043 0.0065 0.0086 0.0107 0.0126 0.0145 0.0162 0.0177 0.0190 0.0202 0.0211 0.0219 0.0224 0.0227 0.0228 0.0226
-0.0068 -0.0047 -0.0025 -0.0004 0.0018 0.0040 0.0061 0.0082 0.0102 0.0121 0.0138 0.0155 0.0169 0.0182 0.0194 0.0203 0.0210 0.0215 0.0218 0.0219
-0.0084 -0.0065 -0.0045 -0.0025 -0.0004 0.0017 0.0037 0.0057 0.0077 0.0096 0.0114 0.0130 0.0146 0.0160 0.0172 0.0183 0.0191 0.0198 0.0203 0.0206
-0.0095 -0.0078 -0.0060 -0.0041 -0.0023 -0.0003 0.0016 0.0035 0.0053 0.0071 0.0089 0.0105 0.0121 0.0135 0.0148 0.0159 0.0169 0.0177 0.0184 0.0188
-0.0100 -0.0085 -0.0070 -0.0053 -0.0037 -0.0019 -0.0002 0.0015 0.0032 0.0049 0.0066 0.0081 0.0096 0.0110 0.0123 0.0135 0.0145 0.0154 0.0161 0.0167
Рисунок 4 - коэффициенты смещения волны Лява
В листинге 3 представлен код, для нахождения коэффициентов смещения волны Лява.
Листинг 1
la = = 5;
T = 0: 0.1:(la/2);
X = 0: (10*la);
[x, t] = meshgrid(X
z = 2;
w = 1;
k = 0. 25;
kt1 = 0.5;
kt2 = 0.2;
A = 0. 01;
to
кл2)
kt2^2)
A./cos(s1.*h)
^ cos(s1.*(h-
=
б2 = зяг1(кл2 к = 1; VI =
z)).*sin(w.*t-k.*x);
v2 = Д.*ехр(з2.*^).*з^^.*^-к.*х); Аналогично рассмотренному ранее способу построим график распространения волны Лява (Рисунок 3) и выгрузим коэффициенты смещения (Рисунок 4).
Необходимо отметить, что форма волны определяется материалом, в котором она распространяется, однако, разработанные модели позволяют подбирать входные параметры моделей, позволяя наиболее приближенно моделировать волны ПАВ, а полученные коэффициенты - наиболее точно вычислять дифференциальные уравнения и с их помощью проводить имитационные эксперименты в Ма^аЬ / З^и^пк.
ЛИТЕРАТУРА
1. Красовский Г.И., Филаретов Г.Ф. Планирование эксперимента.-Минск:ИздательствоБГУ,1982. -302с.
2. Михеев М.Ю., Мещерякова Е.Н. Разработка аналитических моделей сигналов датчиков на ПАВ // XXI век: итоги прошлого и проблемы настоящего плюс. - 2015. - № 4 (26). - С. 222-227.
3. Мурашкина Е.Н., Михеев М.Ю. Имитационное моделирование нейросетевой идентификации сигналов сложной формы // Труды международного симпозиума Надежность и качество. - 2014. -Т. 1. - С. 203206.
4. Мурашкина Е.Н., Михеев М.Ю. Разработка имитационных моделей функционирования подсистемы идентификации и структурирования информации сигналов с датчиков на поверхностно-акустических волнах // Труды международного симпозиума Надежность и качество. - 2015. - Т. 1. - С. 187-190.
5. Мещерякова Е.Н., Михеев М.Ю. Моделирование алгоритма идентификации сигналов датчиков на ПАВ // Теория и практика имитационного моделирования и создания тренажёров. - Пенза. - 2015. - С. 2933.
6. Murashkina E.N. Development sequence diagram of neural network identification of a complex signal using the unified modeling language UML 2.0 // Инновационные информационные технологии. -2014. - № 2. - С. 390-392.
УДК 621.396 Behzadfar Sh.
Samara National Research University, Samara, Russia
INCREASING THE RELIABILITY OF AIRPLANES' ATTITUDE DETERMINATION SYSTEMS WITH GLOBAL NAVIGATION SATELLITE SYSTEMS USING SOFTWARE RECEIVERS
Each year, we hear about tragic plane crash events while landing or take off. Some of these incidents would not happen if the attitude monitoring system on the plane could work accurate at that moment. The most commonly used type of navigation monitoring sensor in each flying object is Inertial Navigation Sensors. These good and anti-jamming devices sometimes suffer from integration drift like small errors in the measurement of acceleration and angular velocity or Gimbal lock. These errors warn engineers to use extra parallel attitude monitoring systems in case they happen. Using Global Navigation Satellite Systems can improve the reliability and quality of attitude estimations. The aim of this research is determining attitude angles by using only GNSS and improving the calculation using LAMBDA method in ambiguity resolution andKalman filter in case of satellite number variation and cycle slips. The overall objective oof this report is to investigate a very accurate solution for GNSS attitude determination system. At the moment, the research result contains only the navigation equations by GNSS and methods to eliminate the effects of different delays or errors in the computation following by LAMBDA method calculations to estimate the ambiguities, and flowchart diagram oof the final simulation code even though some codes have been written according to them but not tested yet. Getting good results and increasing the accuracy of attitude determination by using only GNSS can affect the quality of these computations in navigation monitoring and control systems of airplanes and any other kind of flying object in which only gyroscopes or INS systems have been used.
Key words:
Attitude determination, GNSS, LAMBDA method, Navigation reliability improvement
Introduction
Efficiency of a design is what an engineer should consider all the time. Efficiency can be divided into correct result, reliability, and less cost. To measure the attitude angles in navigation, usually Inertial Navigation Systems (INS) are being used which have correct and precise answers but expensive. Aforementioned, there are some reasons to not trust these methods of navigation all the time and check their results with another method. Recently, defining the attitude of a kinematic system by GNSS is another interesting field of research to solve the navigation system designer's problem. Scientists have tried different methods like using low cost hardware GPS receivers to determine the attitude. This report describes an investigation of a very accurate solution for GNSS attitude determination system. The navigation message in GNSS signal contains all the necessary information to allow users to perform the positioning service. This includes the ephemeris parameters, needed to compute the satellite coordinates with sufficient accuracy, the time parameters and clock corrections, needed to compute satellite clock offsets and time conversions, the service parameters with satellite health information, the Ionospheric parameters model, needed for single-frequency receivers, and the almanacs, allowing computation of the position of all satellites in the constellation , with a reduced accuracy , which is needed for acquisition of the signal by the receiver [1]. Travelling the
signal from space segment to user segment includes some errors which can affect the attitude determination and must be considered such as Satellite clock offset, Ephemeris errors, Ionospheric effects, tropospheric delay, multipath, receiver noise, and some other important errors [2].
Navigation Equations
Typically, code range measurement equation can be written as:
P = p + C(dtr - dts) + T + 1 + £p (1)
p is the geometric range between the satellite and receiver antenna phase centers at emission and reception time. The dtr and dts are the receiver and satellite clock offsets from the GNSS time scale, including the relativistic satellite clock correction. T is the tropospheric delay. 1 is the Ionospheric delay, and £p is error due to different factors like the receiver noise correspond to code range or instrumental delays and multipath effect. The other equation used in the calculation of navigation problems is Carrier phase:
$ = p + c(dtr - dts) + T - 1 + AN + ef (2)
A is the carrier wavelength (m), N is the unknown integer ambiguity (cycles), and €f is error due to different factors like the receiver noise correspond to carrier phase or instrumental delays and multipath effect.
The carrier phase measurements are much more precise than the code pseudorange measurements;
