CC BY
93
О.Н.Пьявченко ИНТЕЛЛЕКТУАЛЬНЫЕ ДАТЧИКИ ФИЗИЧЕСКИХ ВЕЛИЧИН -ПЕРСПЕКТИВНЫЕ БАЗОВЫЕ КОМПОНЕНТЫ РАСПРЕДЕЛЕННЫХ МИКРОПРОЦЕССОРНЫХ СИСТЕМ УПРАВЛЕНИЯ И НАБЛЮДЕНИЯ
Для расширения задач управления технологическими процессами и объектами, мониторинга и диагностики их состояний в течение длительного времени применялись централизованные одномашинные и многомашинные вычислительные комплексы. Однако с интенсивным развитием и распространением микропроцессоров со встраиваемой архитектурой [1] на их место пришли распределенные микрокомпьютерные системы (РМКС).
РМКС представляет собой объединенное промышленной сетью [2] множество узлов - локальных микрокомпьютерных систем (ЛМКС), независимо обрабатывающих локальные данные и принимающих соответствующие решения в реальном масштабе времени. ЛМКС располагаются в непосредственной близости от датчиков физических величин и исполнительных механизмов. Взаимодействие независимых, но связанных между собой ЛМКС, производится по сетевым протоколам.
РМКС имеют особенности, которые обеспечивают неоспоримое превосходство таких архитектурных решений:
■ их отличает высокая производительность, которая поддерживается организацией параллельного решения множества задач в реальном масштабе времени и высокой степенью совмещения процессов вычислений, обмена информацией и системного управления;
■ для них характерна оперативность принятия и реализации решений, так как в этих процессах наряду с вычислительными средствами более высокого уровня участвуют ЛМКС низкого уровня, расположенные непосредственно у объекта. На эти ЛМКС возлагаются не только обработка считываемой с датчиков информации, но и ее оценка, принятие решений в рамках установленных полномочий и выдача указаний на реализацию этих решений;
■ они имеют открытую архитектуру и допускают наращивание количества сетевых узлов в пределах проектных возможностей. Если необходимо расширить круг решаемых задач, возможна адаптация функционирующей РМКС путем подключения к ней дополнительных ЛМКС. Подключаемые ЛМКС могут отличаться от уже имеющихся в составе сети. Допускается также "мягкая" модернизация РМКС в результате замены по мере необходимости устаревших узлов;
■ они обладают высокой надежностью и живучестью, так как в них каждый из узлов значительно проще (и надежнее) централизованного многомашинного вычислитель-
ного комплекса, используется резервирование особо ответственных узлов, применяются надежные цифровые методы передачи информации и дублируются маршруты ее прохождения в сети;
■ немалое практическое значение имеет оперативная реализация в них установки полномочий, ограничений и режимов работы ЛМКС, настройки и калибровки оконечных устройств;
■ в экономическом плане их разработка, отладка и постановка на эксплуатацию являются относительно дешевыми, так как отличаются высокой степенью децентрализации работ, не нуждаются в применении дополнительных сложных монтажных изделий и дорогих медных кабелей для соединений.
Одними из основных компонентов РМКС являются ЛМКС, содержащие датчики различных физических величин. В таких ЛМКС осуществляется не только первичное преобразование измеряемых величин в электрические сигналы, но и оцифровка и обработка значений этих сигналов с последующей передачей результатов по каналам связи.
Следует заметить, что независимо от технических систем, в состав которых интегрируются эти ЛМКС, их часто называют "интеллектуальными датчиками" [3].
Под этим термином различные разработчики понимают как те изделия, в которых обработка ограничивается аналого-цифровым преобразованием сигнала, так и те, в которых после такого преобразования реализуется развитая обработка полученных данных на микропроцессорах со встраиваемой архитектурой.
Применение в РМКС в качестве сетевых узлов ЛМКС, в которых цифровая обработка сводится по существу к аналоговому и аналого-цифровому преобразованию, концентрации данных в памяти и их передаче по каналам связи, приводит к существенному снижению производительности систем. Более целесообразно использовать ЛМКС, в которых считанная с датчиков информация подвергается глубокой микропроцессорной обработке и в сетевом обмене участвуют насыщенные полезной информацией данные.
В связи с этим представляет практический интерес формирование обобщенного облика перспективных интеллектуальных датчиков, способных в ближайшие годы войти в списки базовых компонентов РМКС мониторинга, диагностики и управления.
С этой целью рассмотрим сложившиеся тенденции совершенствования датчиков физических величин.
Прежде всего отметим применение в современных датчиках новых материалов и технологий, обеспечивающих одновременное формирование двух и более различных сигналов, отличающихся высокой точностью и линейностью в широком диапазоне измерений.
Благодаря этому, при включении в состав датчиков микропроцессоров со встраиваемой архитектурой и необходимого объема памяти появилась возможность использовать эффективные численные методы для компенсации температурных, временных и других погрешностей первичных преобразователей.
При этом в современных функционально развитых датчиках сокращается количество аналоговых операций и все в большей степени преобладают процедуры, реализуемые микропроцессорами. Одним из позитивных последствий этого является уменьшение чувствительности к помехам и уровня собственных шумов на этапе предварительной обработки сигнала.
Применение интеллектуальных датчиков позволяет сократить количество каналов передачи аналоговой информации в пользу цифровых каналов и снизить чувствительность к внешним помехам. Обеспечивается независимость метрологических характеристик каналов измерения от внешних каналов обмена информацией. Все больше внимания уделяется увеличению объема и глубины самоконтроля интеллектуальных датчиков.
Т аким образом, объединение аналоговых датчиков физических величин с микропроцессорами со встраиваемой архитектурой приводит к созданию качественно новых датчиковых локальных микропроцессорных систем, обладающих гибкими функциональными возможностями и высокими техническими характеристиками.
Логично предположить, что следующим шагом на пути совершенствования интеллектуальных датчиков будет усиление функций, связанных с интеллектуальной обработкой информации. Это, прежде всего, развитие обработки показаний аналоговых датчиков в темпе реального времени, направленной на получение интегральных функционально полных результатов при сокращении объемов избыточной информации, хранимой в памяти и участвующей в обменах по каналам связи. Уже сегодня имеет место реализация и хранение информации о выходах измеряемой переменной за установленные пределы. В недалеком будущем введение в интеллектуальные датчики более развитых процедур оценки состояния процесса в пространстве измеряемых величин и тенденций его изменения. При этом естественно наделение интеллектуальных датчиков возможностями принятия решений по результатам проведенных оценок и передачи этих решений для исполнения.
Для того чтобы интеллектуальные датчики вошли в реестр базовых компонентов, они должны быть в полной мере обеспечены системными средствами интеграции в РМКС. В связи с этим определим основные системные требования к перспективным интеллектуальным датчикам.
Во главе списка находится наличие средств организации протокольного обмена данными через сетевые каналы. Причем во время оценок ситуаций и выработок решений необходимо обеспечивать двусторонний обмен данными для учета информации других узлов РМКС.
Интеграция - это не только участие в сетевом обмене информацией, но и активное подчинение общим правилам поведения как на этапе подготовки в работе, так и в процессе реализации выполнения целевой функции РМКС. На этапе подготовки интеллектуальный датчик должен, прежде всего, проконтролировать состояние собственных программно-аппаратных средств и оповестить о результатах контроля соответствующие органы системного управления. Если результаты самопроверки положительные, то интеллектуальный датчик должен выполнить дистанционно программируемую калибровку измеряемых величин, программные конфигурирование и форматирование, а также установку граничных условий принятия решений и списка разрешенных действий.
Переход интеллектуального датчика к функционированию в рабочем режиме выполняется по специальной системной команде. В этом режиме он в реальном масштабе времени реализует основные функции, связанные со считыванием и обработкой показаний сигналов, оценкой состояния процесса и тенденций его изменения, принятием и выполнением решений, обменом информацией через сеть. Во время работы интеллектуальный датчик должен синхронизировать свои действия с другими узлами РМКС и иметь возможность, по необходимости, менять наборы и последовательности решаемых задач.
Тенденциям развития и особенностям функционирования в составе РМКС соответствует приведенная на рисунке обобщенная структура интеллектуального датчика.
Модуль первичного преобразования и аналоговой обработки
Модуль системного управления
Модуль оценки состояния и принятия решения
В основу построения структуры положены следующие принципы:
- микропроцессорная и микрокомпьютерная организация;
- структуризация вычислительного процесса, базирующаяся на выделении проблемных, управляющих и коммуникационных процедур;
- аппаратно-программная поддержка основных процедур;
- конвейеризация и распараллеливание обработки информации в реальном масштабе времени;
- модульная структура программных и аппаратных средств.
Для обеспечения возможности реализации проблемных, системных и коммуникационных функций в обобщенной структуре интеллектуального датчика предусмотрены: модуль первичного преобразования и аналоговой обработки, модуль цифровой обработки данных, модуль оценки состояния и принятия решений, модуль памяти, модуль сетевого обмена и модуль системного управления. За исключением схемотехнического модуля первичного преобразования и аналоговой обработки все модули реализуются программно-аппаратно. Уровень их аппаратной реализации определяется сложностью решаемых задач и требованиями, предъявляемыми к характеристикам интеллектуального датчика. В упрощенном варианте интеллектуальный датчик может состоять из модуля первичного преобразования и аналоговой обработки, универсального модуля цифровой обработки данных, оценки состояния, принятия решений, системного управления, построенного на основе микропроцессора с достаточными вычислительными возможностями и внутренней памятью, и модуля сетевого обмена. Очевидно, что такой датчик будет иметь невысокую производительность при хороших технико-экономических показателях. В противоположность минимизированному решению, в предельном случае все модули интеллектуального датчика, за исключением аналогового, могут быть построены на основе микропроцессоров, поддерживающих реализацию соответствующих проблемных, системных и коммуникационных функций. Такому решению может быть отдано предпочтение тогда, когда другие варианты менее эффективны из-за более низкой производительности, высокой тактовой частоты и значительной потребляемой мощности. Очевидно, что между выделенными структурными решениями лежит целый спектр пригодных для практической реализации структур.
Таким образом, для решения сформированного набора задач возможно построение разнообразных версий перспективных интеллектуальных датчиков. Одним из требований к ним является то, что введение цифровой обработки не должно приводить к увеличению трансформируемой на выход предельно допустимой погрешности ед аналоговой части датчика.
Остановимся на этом более подробно. Допустим, что множество участвующих в обработке алгоритмов А может быть разделено на подмножество алгоритмов Аь обеспечивающих уменьшение погрешности ед, и подмножество алгоритмов А2, не обладающих такими свойствами, т.е.
А = А! и А2 (А! N А2 = 0). (1)
Обработка показаний аналоговой части датчика приводит к формированию на выходе интеллектуального датчика трансформированной погрешности V. Для предельно допустимого значения этой погрешности еп справедливо соотношение
£п < е*п , (2)
где е*п - предельно допустимая трансформированная погрешность, которая имеет место при отсутствии корректирующих алгоритмов А! (А! =0).
Кроме трансформированной погрешности V в интеллектуальном датчике образуются методическая погрешность |т, источником которой являются численные методы, и инструментальная погрешность р, порождаемая представлением данных ограниченным количеством разрядов. Поскольку эти погрешности независимые, то предельно допустимая погрешность интеллектуального датчика определяется суммой
£х = £п + £т + е р . (3)
Принимая во внимание соотношение (2), потребуем, чтобы предельно допустимая погрешность интеллектуального датчика (3) превышала трансформированную погрешность не более чем в близкое к единице число Л, т.е.
ех < леп (Л>1). (4)
Требование выполняется, если сумма методической и инструментальной погрешностей
ецр = ец + ер < (л -1К . (5)
Обеспечить это условие можно на этапе системного проектирования при выборе
численных методов и разрядных сеток данных [4].
В упрощенном виде технология выбора заключается в следующем.
Поскольку аналоговый датчик (первичный преобразователь с усилителем) задан и известна его предельно допустимая погрешность ед, а также известны используемые в обработке математические зависимости, то предельно допустимая трансформированная погрешность еп может быть рассчитана аналитическим методом или методом компьютерного моделирования. После вычисления значение еп используется для определения суммарной предельно допустимой погрешности етр (5).
Затем подбираются приближенные вычислительные формулы и аналитическим методом или методом компьютерного моделирования оцениваются их методические погрешности е^ ( = 1,2,3,...,1). Среди формул отбираются те, методические погрешности которых удовлетворяют условию
еи < ецр ( е {I}). (6)
На основе отобранных формул строятся квантованные алгоритмы [5], в которых данные представляются в пределах ограниченных разрядных сеток. Аналитическим ме-
тодом или методом компьютерного моделирования оцениваются инструментальные погрешности квантованных алгоритмов и выполнение условия
ep; < £mß (l = 1,2,3,...,L). (7)
Отбираются R алгоритмов (R с L), инструментальные погрешности которых удовлетворяют условию (7).
Проектирование завершается выбором тех алгоритмов среди R, суммы погрешностей которых удовлетворяют условию (5).
Предпочтение отдается алгоритму, который имеет минимальную вычислительную сложность.
Использование описанной технологии создает условия для строительства интеллектуальных датчиков, отличающихся высокими техническими характеристиками. В свою очередь, применение интеллектуальных датчиков с различным быстродействием, сложностью и другими техническими характеристиками позволит находить оптимальные решения проблемы поддержки высокой производительности, адаптации и развития РМКС с учетом особенностей решаемых задач.
В завершение заметим, что в настоящее время имеются условия, необходимые для проектирования высокоточных функционально развитых интеллектуальных датчиков, обобщенный облик которых предложен в настоящей работе. Включение таких датчиков в базовые наборы типовых узлов способно оказать существенное влияние не только на улучшение технических характеристик, но и на расширение функциональных возможностей и областей применения распределенных микрокомпьютерных систем.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Шлетт М. Тенденции индустрии встроенных микропроцессоров// Открытые системы. 1998. № 6.
2. Кругляк К. Промышленные сети: цели и средства// СТА. 2002. №4.
3. Алексеев В.А., Вахрушев В.И. Структура цифровых автономных средств регистрации мониторинговой информации при чрезвычайных ситуациях// Приборы и системы управления. 1996. № 6.
4. Пьявченко О.Н. Системное проектирование микропроцессорных устройств цифровой обработки информации: Учебное пособие. Таганрог: Изд-во ТРТУ, 1996.
5. Пьявченко О.Н. Алгоритмические основы выполнения математических операций в микропроцессорах: Учебное пособие. Таганрог: Изд-во ТРТУ, 1998.
И.П. Мирошниченко, В.И. Мирошниченко, Н.А. Евтушенко МЕТОДИКА СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ФРАГМЕНТОВ ОПТИЧЕСКИХ ИНТЕРФЕРОГРАММ
Одним из направлений совершенствования средств измерения малых перемещений является применение в качестве чувствительных элементов объемных голограмм. Изготовление отмеченных голограмм представляет собой сложный процесс, при этом на каждом из его этапов в фотопластинку вносится случайная погрешность, искажающая ее структуру, что при использовании ее в измерительном устройстве непосредственно отражается на результатах измерений, снижая их точность.
Разработана методика статистической обработки фрагментов оптических интер-ферограмм, позволяющая минимизировать снижение точности результатов измерений за счет использования статистических методов обработки графической информации, применяемых при анализе информации.
