Научная статья на тему 'Автоматизированный регулятор входной мощности клистрона на основе стохастических вычислительных методов'

Автоматизированный регулятор входной мощности клистрона на основе стохастических вычислительных методов Текст научной статьи по специальности «Электроника. Радиотехника»

CC BY
19
1
Поделиться
Ключевые слова
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ / ARTIFICIAL INTELLIGENCE / СТОХАСТИЧЕСКИЕ МЕТОДЫ / STOCHASTIC METHODS / АДАПТИВНЫЕ СИСТЕМЫ / ADAPTIVE SYSTEMS / НЕЙРОКОМПЬЮТЕР / NEUROCOMPUTER / КЛИСТРОН / KLYSTRON / СВЧ / SHF

Аннотация научной статьи по электронике и радиотехнике, автор научной работы — Фомичева Ольга Евгеньевна, Барзиков Константин Васильевич, Степанян И.В.

Описана возможность применения уникальной отечественной разработки в области искусственного интеллекта и системного анализа – нейрокомпьютера «Эмбрион», для решения задачи по нахождению оптимального уровня мощности на клистронных усилителях и адаптивного поддержания оптимального режима работы. В основе описанного автоматизированного регулятора лежат методы, описанные В.Д. Цыганковым в его монографиях и основанные на принципе обратной афферентации акад. П.К. Анохина.

Похожие темы научных работ по электронике и радиотехнике , автор научной работы — Фомичева Ольга Евгеньевна, Барзиков Константин Васильевич, Степанян И.В.,

STO-CHASTIC COMPUTATION APPROACHES TO AUTO-MATED INPUT POWER CONTROL UNIT OF KLYSTRON TUBE

This article describes the unique opportunity of national development in the field of artificial intelligence and system analysis neurocomputer "Embryo" to solve the problem of finding the optimal level of power at klystron amplifiers and adaptive maintenance of an optimum mode of operation. The basis of the described automatic control based on the methods described by V.D. Tsygankov, in his monographs and based on the principle of reverse afferentation acad. P.K. Anokhin.

Не можете найти то, что вам нужно? Попробуйте наш сервис подбора литературы.

Текст научной работы на тему «Автоматизированный регулятор входной мощности клистрона на основе стохастических вычислительных методов»

- © O.E. Фомичева, K.B. Барзиков,

Степанян И.В., 2013

УДК 004.023

О.Е. Фомичева, К.В. Барзиков, И.В. Степанян

АВТОМАТИЗИРОВАННЫЙ РЕГУЛЯТОР ВХОДНОЙ МОЩНОСТИ КЛИСТРОНА НА ОСНОВЕ СТОХАСТИЧЕСКИХ ВЫЧИСЛИТЕЛЬНЫХ МЕТОДОВ

Описана возможность применения уникальной отечественной разработки в области искусственного интеллекта и системного анализа - нейрокомпьютера «Эмбрион», для решения задачи по нахождению оптимального уровня мощности на клистронных усилителях и адаптивного поддержания оптимального режима работы. В основе описанного автоматизированного регулятора лежат методы, описанные В.Д. Цыганковым в его монографиях и основанные на принципе обратной афферентации акад. П.К. Анохина. Ключевые слова: искусственный интеллект, стохастические методы, адаптивные системы, нейрокомпьютер, клистрон, СВЧ.

При тренировке и динамических испытаниях усилительных пролетных клистронов важным критерием является оптимальный уровень входной мощности [3]. Уровень подбирается оператором стенда динамических испытаний при помощи аттенюатора уровня входа по показаниям осциллографа «ОСЦ» или миллиамперметра, на который выводится огибающая выходного сигнала. Второстепенным параметром является также ток резонаторов [3], выводимый на соответствующий амперметр (см. рис. 1).

Зависимость уровня выходного сигнала (а следовательно и амплитуды огибающей) от входного имеет вид, близкий к функции, описывающей распределение Гаусса. Зависимость тока резонатора от него же - практически чистая сигмоидаль-ная функция (см. рис. 2). Зависимости для реального клистрона могут изменяться в процессе тренировки, настройки и эксплуатации, что связано с дрейфом параметров фокусирующей системы, напряжения и тока электронного луча, температурной деформации конструктивных элементов самого клистрона и высокочастотных трактов.

С точки зрения системного анализа, задача нахождения оптимального уровня СВЧ-мощности, подаваемой на вход клистрона (когда мощность на выходе клистрона максимальна при заданном напряжении катода), является классической минимаксной: для ее решения требуется минимизировать целевую

"у"

Рис. 1. Упрошенная схема включения клистрона (возбудитель, эквивалент нагрузки, источники питания и вспомогательные приборы не показаны): «КП» - вывод катода и подогревателя; «П» - вывод подогревателя; «У» - управляюший электрод; «Д» - детекторная головка; ОСЦ - осциллограф

Точка оптимума Ток резонатора

Рис. 2. График зависимости уровня выходного сигнала и тока резо-натора от уровня входного сигнала

функцию тока резонатора и максимизировать целевую функцию уровня выходного сигнала. Однако применение классических методов системного анализа не даст нужного эффекта, т.к. целевые функции имеют разный приоритет: в первую очередь нужно добиться максимума выходного сигнала, минимизация тока резонаторов - второстепенная задача, которая становится актуальной только после некоторого критического значения, либо в области перевозбуждения (слева от максимума выходного сигнала). Также, реализация таких методов требует избыточных аппаратных средств (например, микропроцессорный блок). В то же время, реализация данной задачи при помощи стохастических методов, описанных в [1], затруднений с аппаратной частью не вызывает (требуются несколько регистров и простые логические схемы, а также генератор белого шума).

Структурная схема разработанного регулятора представлена на рис. 3.

Входными параметрами для регулятора являются уровень выходного сигнала и ток резонатора, значения которых масштабируются, оцифровываются, преобразуются в 16-битное целое и подаются на регистры а1 и а2 соответственно. Затем

Не можете найти то, что вам нужно? Попробуйте наш сервис подбора литературы.

Рис. 3. Структурная схема стохастического регулятора на основе НК «Эмбрион»

Выходная характеристика

Кол-во итераций 50 : эе

| Запуск/Стоп |

Рис. 4. Внешний вид интерфейса тестовой программы

следует серия итераций, количество которых задается заранее при настройке устройства. При каждой итерации в соответствии с текущим значением сигнала, выдаваемого генератором белого шума ГБШ, один из разрядов 32-битного регистра р проверяется на соответствие с соответствующим ему разрядом регистра а1 или а2 (поразрядно, как показано на рисунке 3). Если значения разрядов совпадают, на данной итерации ничего не происходит, в противном случае значение рассматриваемого разряда регистра р приравнивается к соответствующему ему значению разряда регистра а1 или а2. Только после выполнения всей серии итераций значение регистра р посылается на блок управления входной мощностью (это может быть, например, блок управления шаговым двигателем, вращающим регулировочный винт заслонки аттенюатора или какое-либо другое устройство). Блок выдвижения гипотез (БВГ) представляет собой простой автомат, который «переключает» входы регистров а1 и а2 либо на входной сигнал, либо на константы 1 (на все разряды единицы) и 0 (также на все разряды). Переключения производятся в соответствии с текущим значением тока резонатора: если он превышает критическое значение или

наоборот меньше некоторого минимального значения (это означает, что на клистрон еще не подана входная мощность, выходной мощности, соответственно тоже нет и надо «стронуть» прибор с этой мертвой точки). При переключении входов регистров на константы на регистр а1, соответствующий выходной мощности, подаются единицы, т.к. значение выходной мощности необходимо минимизировать, а на регистр а2, соответствующий току резонатора, подаются нули, т.к. значение тока резонатора необходимо наоборот минимизировать. Во время работы регулятора значение его выхода, согласно теории вероятности, будет дрейфовать около точки оптимума. Деревья событий в подобных системах подробно рассмотрены в монографиях Цыганкова [1, 2].

Для демонстрации работы метода была разработана тестовая программа (см. рис. 4), в которой целевые функции отображаются графически, засечками на графике функции выходной мощности в процессе работы запущенного алгоритма отмечаются достигаемые значения. Состояния регистров а и р представлены числами внизу, рядом с цифровым полем ввода количества итераций. Как видно из рисунка, алгоритм достиг оптимума целевых функций и остановился, т.к. значения его входов (а1а2) равны значению выходов (р).

- СПИСОК ЛИТЕРАТУРЫ

1. В. Д. Цыганков. Виртуальный нейрокомпьютер «Эмбрион». Изд-во Синтег, Москва, 2005.

2. В.Д. Цыганков. Вселенский разум и квантовый нейрокомпьютер. Изд-во Синтег, Москва, 2001.

3. И.В. Лебедев. Техника и приборы СВЧ. Изд-во Высшая школа, Москва, 1972, т. 2. ЕШ

КОРОТКО ОБ АВТОРАХ -

Фомичева Ольга Евгеньевна - доцент, кандидат технических наук, Барзиков Константин Васильевич - аспирант, кафедры АСУ Степанян И.В. - кандидат технических наук, кафедра «Автоматизированные системы управления», Московский государственный горный университет, ud@msmu.ru