CC BY
20
УДК 621.396.67
СПОСОБ ОПИСАНИЯ ПРОЦЕССА ФОРМАЛИЗАЦИИ УРОВНЕЙ ДИАГНОСТИЧЕСКИХ МОДЕЛЕЙ И ПОСТАНОВКА ЗАДАЧИ ИХ ВЫДЕЛЕНИЯ ИЗ КОНФИГУРАЦИОННЫХ НАБОРОВ ТОПОЛОГИИ АНТЕННОЙ РЕШЕТКИ РЭС СВЧ ДИАПАЗОНА С ИСПОЛЬЗОВАНИЕМ
НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
Н.Л. Алымов, А.А. Горшков, М.Е. Елесин, В.А. Кочетков
В статье рассматриваются особенности математической формализации процессов формирования диагностических моделей контролируемых и диагностируемых параметров антенных решеток РЭС СВЧ диапазона. Представлена постановка задачи выделения уровней диагностических модулей наборов топологии антенной решетки с использованием искусственной нейронной сети. Предложен вариант оценки погрешности измерений контролируемых параметров на основе качественного описания алгоритма коррекции работы средств технического диагностирования.
Ключевые слова: антенная решетка, САПР, нейросетевые технологии, алгоритм коррекции, функциональный элемент, модель диагностирования, средство технического диагностирования, контролируемый параметр.
Введение
В настоящее время большинство средств беспроводного доступа радиосвязи СВЧ диапазона различного назначения имеют в своем составе антенные решетки (АР), используемые в качестве антенных систем. Область использования таких антенн достаточно широка: системы беспроводной связи, навигационные устройства, комплексы обеспечения безопасности на различных видах транспорта и специального назначения: средства радиомониторинга и радиоконтроля, системы радиопеленгации, которые реализуют возможности формирования многолучевых диаграмм направленности (ДН) или режимы сканирования ДН в заданном секторе пространства.
Как и в любому техническому объекту, АР свойственны отказы, возникающие вследствие нарушения работы трактов распределительной системы и излучателей антенны. Такие отказы нарушают согласование антенно-фидерного тракта(АФТ) с блоком приемопередатчика РЭС, что ведет к ухудшению технических характеристик АР. Для контроля технического состояния радиочастотного тракта используются средства технического диагностирования (СТД), регистрирующие коэффициент стоячей волны антенно-фидерной системы (КСВ, SWR-standing wave ratio), мощность сигнала, напряженность электрического поля. Однако точного значения параметра того или иного отказа фиксируемые СТД величины произвести не могут, так как к каждому элементу антенны подключить измерительный прибор невозможно. Поэтому, для диагностирования и контроля технического состояния АР применяют методы цифровой обработки сигналов и моделирования булевых выражений с использованием нейросетевых технологий [1].
Исходные данные для формализации процесса выделения уровней диагностических моделей из набора топологии антенной решетки
Отсутствие стандартных формализованных способов повышения контролепригодности антенных решеток и элементов АФТ на практике может приводить к созданию неформальных рекомендаций, успех использования которых зависит от уровня квалификации разработчиков. При этом разработка диагностического обеспечения таких сложных технических объектов, как правило, направлена на обеспечение однораз-личимости или максимальной глубины поиска места отказа.
9
В отношении кратных дефектов, имеющих место на стадии производства, существующие методы различимости не обладают достаточной степенью функциональности при большом количестве модулей и элементов АР и связей между ними из-за необходимости определения равных линейных комбинаций матрицы проверок и последующего их разбиения. Зачастую способы и методики обеспечения контролепригодности АР заключается в преобразовании структуры объекта для контроля технического состояния, а разработке универсальных автоматизированных процедур диагностирована не уделяется достаточного внимания [4].Исходя из представленного краткого обоснования необходимости разработки универсальной процедуры поиска места отказа АР РЭС СВЧ диапазона в качестве исходных данных для формализации процесса выделения уровней диагностических моделей используются следующие результаты моделирования и исследования, на основе САПР Оепезуз, 16-ти элементной антенной решетки (/р = 3 ГГц) с микрополосковой технологией изготовления излучателей, которая описана в статьях [1-3].
Топология антенной решетки представлена на рис.1.
Рис. 1. Топология диагностируемой АР
В ходе моделирования процессов появления отказов получены результаты зависимости характеристик исследуемой АР от отказов тех или иных ее элементов: одного излучателя, двух излучателей произвольно, трех излучателей произвольно, одного делителя, двух делителей, трех делителей. Примеры полученных результатов представлены в таблице. [1-3]
Зависимость изменения основных параметров АР от отказа излучающих
элементов (на/р=3 ГГц)
Параметры Номера отказавших модулей Номера отказавших делителей Номера отказавших излучателей Процент отказавших излучателей (%) КНД (авш) Ку (авш) КСВ VSWR КО S11 Ризл (mW)
Без отказа - - - 0 19,739 17,712 1,007 0,004 1,568
Отказ одного излучателя 1 1-2 дел 1 6,25 19,532 17,574 1,127 0,006 1,587
1 1-2 дел 2 6,25 19,62 17,615 1,134 0,063 1,569
2 3-4 дел 3 6,25 19,616 17,615 1,134 0,063 1,571
2 3-4 дел 4 6,25 19,527 17,573 1,132 0,062 1,588
1 5-6 дел 5 6,25 19,324 17,325 1,232 0,104 1,561
1 5-6 дел 6 6,25 18,728 17,009 1,151 0,07 1,675
2 7-8 дел 7 6,25 18,85 17,0 1,141 0,066 1,626
Продолжение таблицы
Параметры Номера отказавших модулей Номера отказавших делителей Номера отказавших излучателей Процент отказавших излучателей (%) КНД (dBm) Ку (dBm) КСВ VSWR КО S11 Pизл (mW)
Отказ одного излучателя 2 7-8 дел 8 6,25 19,293 17,324 1,234 0,105 1,572
3 9-10 дел 9 6,25 19,597 17,591 1,131 0,062 1,569
3 9-10 дел 10 6,25 19,641 17,595 1,124 0,059 1,555
4 11-12 дел 11 6,25 19,653 17,645 1,129 0,06 1,569
4 11-12 дел 12 6,25 19,609 17,597 1,128 0,06 1,567
3 13-14 дел 13 6,25 19,35 17,356 1,229 0,103 1,563
3 13-14 дел 14 6,25 18,889 17,102 1,132 0,062 1,651
4 15-16 дел 15 6,25 18,902 17,104 1,13 0,061 1,647
4 15-16 дел 16 6,25 19,354 17,363 1,228 0,102 1,564
Отказ двух излучателей, произвольно 1, 2 1-2 дел, 3-4 дел 1, 3 12,5 19,438 17,516 1,158 0,073 1,598
1 1-2 дел, 5-6 дел 1, 6 12,5 18,457 16,836 1,179 0,082 1,71
1, 2 1-2 дел, 7-8 дел 1, 8 12,5 19,045 17,156 1,265 0,117 1,596
1, 3 1-2 дел, 9-10 дел 1, 10 12,5 19, 405 17,441 1,151 0,07 1,583
1, 4 1-2 дел, 11-12 дел 1, 11 12,5 19, 406 17,48 1,151 0,07 1,597
1, 3 1-2 дел, 13-14 дел 1, 13 12,5 19, 087 17,171 1,259 0,115 1,587
1, 4 1-2 дел, 15-16 дел 1, 16 12,5 19, 092 17,177 1,258 0,114 1,588
Отказ трех излучателей, произвольно 1, 3 1-2 дел, 5-6 дел 13-14 дел 1, 6, 14 18,75 17,456 16,063 1,212 0,096 1,798
1, 3, 4 I-2 дел, 9-10 дел II-12 дел 2, 9, 11 18,75 19, 318 17,375 1,186 0,085 1,587
2, 1, 3 3-4 дел, 5-6 дел 9-10 дел 3, 5, 10 18,75 19, 017 17,049 1,28 0,123 1,565
2, 4, 3 3-4 дел, 11-12 дел13-14 дел 4, 12, 13 18,75 18,918 17,023 1,291 0,127 1,59
1, 2, 4 5-6 дел, 7-8 дел 15-16 дел 6, 8, 16 18,75 17,543 15,964 1,45 0,184 1,679
Отказ одного делителя 1 1-2 дел 1,2 12,5 18,762 17,053 1,731 0,268 1,566
2 3-4 дел 3,4 12,5 18,685 17,063 1,762 0,276 1,59
1 5-6 дел 5,6 12,5 14,09 12,849 5,823 0,707 0,939
2 7-8 дел 7,8 12,5 14,262 12,941 5,816 0,707 0,924
3 9-10 дел 9,10 12,5 18,669 16,965 1,833 0,294 1,543
4 11-12 дел 11,12 12,5 18,651 16,983 1,844 0,297 1,553
3 13-14 дел 13,14 12,5 13,598 12,126 5,283 0,682 0,954
4 15-16 дел 15,16 12,5 13,14 11,906 5,033 0,668 1,041
Отказ двух делителей 1, 2 1-2 дел, 3-4 дел 1,2, 3,4 25 18,832 17,165 2,477 0,425 1,396
1, 2 5-6 дел, 7-8 дел 5,6, 7,8 25 15,724 14,213 10,578 0,827 0,557
3, 4 9-10 дел, 11-12 дел 9,10, 11,12 25 18,777 17,075 2,691 0,458 1,335
3, 4 13-14 дел, 15-16 дел 13,14, 15,16 25 15,169 13,666 8,874 0,797 0,643
2, 3 3-4 дел, 13-14 дел 3,4, 13,14 25 13,997 12,578 5,315 0,683 0,961
2, 4 5-6 дел , 11-12 дел 5,6, 11,12 25 13,907 12,649 5,919 0,711 0,925
2, 4 7-8 дел, 15-16 дел 7,8, 15,16 25 15,201 13,912 9,71 0,813 0,629
Отказ трёх делителей 1, 2, 4 I-2 дел, 7-8 дел, II-12 дел I,2, 7,8, II,12 37,5 16,215 14,849 5,863 0,709 0,908
1, 3, 4 1-2 дел, 9-10 дел 15-16 дел 1,2, 9,10, 15,16 37,5 14,023 12,703 5,199 0,677 0,998
2, 1, 4 3-4 дел, 5-6 дел 11-12 дел 3,4, 5,6 11,12 37,5 15,437 14,146 6,06 0,717 0,903
2, 4, 3 7-8 дел, 11-12 дел,13-14 дел 7,8, 11,12, 13,14 37,5 15,761 14,293 9,808 0,815 0,598
Отказ одного модуля 1 1-2 дел, 5-6 дел 1,2,5,6 25 16,86 15,234 4,18 0,614 1,071
2 3-4 дел, 7-8 дел 3,4,7,8 25 17,337 15,524 4,273 0,621 1,012
3 9-10 дел, 13-14 дел 9,10,13,14 25 17,151 15,338 4,031 0,602 1,049
4 11-12 дел, 15-16 дел 11,12,15,16 25 17,242 15,52 4,02 0,602 1,073
Окончание таблицы
Параметры Номера отказавших модулей Номера отказавших делителей Номера отказавших излучателей Процент отказавших излучателей (%) кнд (<1Вт) Ку (<1Вт) КСВ КО 811 Ризл (т№)
Отказ двух модулей 1, 2 1-2 дел, 5-6 дел, 3-4 дел, 7-8 дел 1,2,5,6 3,4,7,8 50 13,875 12,284 12,342 0,85 0,408
3, 4 9-10 дел, 13-14 дел,11-12 дел, 1516 дел 9,10,13,14 11,12,15,16 50 13,369 11,748 10,869 0,831 0,531
1,3 1-2 дел, 5-6 дел, 9-10 дел, 13-14 дел 1,2,5,6, 9,10,13,14 50 13,001 11,493 11,6 0,841 0,516
2,4 3-4 дел, 7-8 дел 11-12 дел, 15-16 дел 3,4,7,8 11,12,15,16 50 14,147 12,57 12,182 0,848 0,487
1,4 I-2 дел, 5-6 дел, II-12 дел, 15-16 дел I,2,5,6 II,12,15,16 50 12,825 11,437 11,6 0,841 0,530
2,3 3-4 дел, 7-8 дел, 9-10 дел, 13-14 дел 3,4,7,8 9,10,13,14 50 13,379 11,648 12,019 0,846 0,475
Отказ трех модулей 2,3,4 3-4 дел, 7-8 дел, 9-10 дел, 13-14 дел11-12 дел, 15-16 дел 3,4,7,8 9,10,13,14, 11,12,15,16 75 9,673 8,058 22,285 0,914 0,283
1,2,3 1-2 дел, 5-6 дел, 3-4 дел, 7-8 дел, 9-10 дел, 13-14 дел 1,2,5,6 3,4,7,8 9,10,13,14, 75 10,551 8,941 23,014 0,917 0,275
Для базы данных образов отказов выбираются слабокоррелируемые параметры антенны (до пяти), каждый из которых определяется на одной из 100 частот рабочего диапазона АР. Для имитации случайнойприроды одного отказа расчет производится для различных точек отказа питающей линии распределительной системы решетки и излучающего элемента (до десяти точек). При этом ограничимся отказами единичных излучающих элементов, делителей мощности двух излучателей, делителей мощности модулей АР. Общее число выборки контролируемых параметров антенной системы составляет около 150000 значений.
Способ описания процесса формализации уровней диагностических моделей антенной решетки
При математической формализации процесса формирования топологических уровней диагностических моделей АР для каждого из них выделяется своеобразный диагностический класс, который в свою очередь, будет соответствовать ограниченному числу конфигурационных наборов проявления отказов, фиксируемых через конкретное значение параметра (характеристики) решетки.
Пусть имеется несколько классов р = 1, Р диагностических моделей, которые можно записать в виде набора
Я
ггдм ггдм ггдм ^
-<; л, ,л2 I >,
(1)
где Кр— конфигурационная функция диагностической модели АР, соответствующий классу р, причем
Кр
Кр
(1)
Кр — Р{Ьр , С(/^р)),
(2)
К
(я-1) _
(я-2)>
1- "р
где О- граф логических связей между всеми элементами решетки 1)- го топологического уровня диагностической модели класса р, которые образуют модуль д-го топологического уровня; конфигурационная функция, описывающая топологический уровень АР с порядковым номером дв диагностической модели класса р,которую удобно представлять в виде матрицы следующего вида:
К(ч) =
где элемент К^— логическая функция элемента q-гo топологического уровня диагностической модели АР, коэффициент лГк~ функция включения элемента решетки д-го топологического уровня в качестве множителя может принимать одно из двух значений: 1, если К^-"включен" и 0, если /¿"^-"выключен".
а11^П а12^12
а21К 2? 2 ^22
аг1К^ аг2
а1кКи а2кКы
агк^гк
(3)
П)
Матрица из (2) представляется в виде:
(1)
а11^11 а12^12
аг1Ьг1 лг 2^г2
а2к^2к
агк^гк
(4)
где множитель функция включения элемента решетки топологического элемента отражающая выполнение условия: значение измеренного параметра в классе соответ-
(1) (1) ствует или не соответствует норме, т.е.: 1, если > N 1щтм и 0, если!;,/ < Nnapaм.
Так как число всевозможных конфигураций множества диагностических моделей по топологическому признаку ограничено, то
5ТП = 50у5дм1у5дм2у У$дмр^ (5)
где Бтп- множество всех возможных топологических состояний АР; подмножество состояний, не реализующих диагностические модели; р = 1 ,р- подмножество множества топологических состояний, соответствующе реализации диагностических моделей по классу р.
Таким образом, для каждого класса диагностических моделейр, можно выделить свой диагностический кластер Ср , который будет описывать набор топологических состояний для той или иной диагностической модели АР и удовлетворять равенству
^р >
где <| = 1, С— номер диагностической модели по топологии АР, удовлетворяющей принадлежности к классу р.
Суть предложений по диагностированию отказов АР заключается в решении задачи нечеткой классификации. Решение задачи заключается в одновременном анализе ряда величин, характеризующих отклонение измеряемого параметра от его номинального значения, и определении принадлежности данного ряда к какому-либо множеству, которое характеризует определенный отказ.
Структурная схема процедур диагностирования приведена на рис. 2.
X Ах -^ Математическая модель-►
Измеряемые параметры
Рис. 2. Структурная схема процедур диагностирования
В качестве измеряемых параметров XK выступают:
- коэффициент направленного действия (КНД)
- ширина ДН главного лепестка (Ку) - 2Ппш;
- коэффициент стоячей волны (КСВ) - VSWR;
- уровень боковых лепестков ДН АР (УБЛ) -Fmb;
- мощность излучения (Ризл).
В настоящее время, благодаря совершенствованию вычислительной техники, для решения задач классификации широко применяются технологии нейросетевого моделирования Г51, имеющие следующие достоинства:
- высокую эффективность работы с большими объемами данных;
- способность воспроизводить сложные нелинейные соотношения;
- отсутствие ограничений на функцию распределения данных;
- возможность обработки разнотипных экспериментальных данных;
- сохранение работоспособности при наличии пропусков в таблице обучающей выборки.
Для решения задачи классификации предлагается использовать нейросети (НС) прямого распространения, реализованных на трехслойных перцептронах. В качестве активационной функции нейронов выходного слоя сети выбрана сигмоидальная функция вида:
(6)
Выходное значение нейрона с активационной функцией (6) лежит в диапазоне Г0,11 и показывает степень принадлежности входного вектора Ek = (Аxl,k,...,Аxlk,АFl,k,...,АFlk) какому-либо нечеткому множеству Aп. Так, значение активационной функции ЦAn(Ek) = 1 означает, что вектор Ek определенно принадлежит нечеткому множеству Aп, а значение JLLAn(Ek) = 0, что вектор Ek определенно не принадлежит нечеткому множеству An.
Для распознавания каждого класса используется трехслойный перцептрон, для обучения которого формируется индивидуальная обучающая выборка. Число нейронов промежуточного слоя принято равным сумме числа входных и выходных нейронов сети.
Для диагностирования вида отказа АР была построена НС вида, представленного на рис. 3.
(КНД) ДГ>
Вектор отказа
Рис.3. Топология нейросети для диагностирования отказов АР
14
Входами иейросети являются величины разностей между номинальным значением параметров АР и измеряемыми значениями, а выходами -значение функций принадлежности. В ходе обучения НС изменяются значения синаптических коэффициентов для каждого нейрона с целью минимизации среднеквадратичной ошибки сети между выходным и эталонными значениями. Обучение диагностической нейросети проводилось с использованием авторской версии модифицированного генетического алгоритма (МГА).
Анализ результатов оценивания показал, что на величины корректирующих поправок измеряемых параметров их вариации оказывают взаимное влияние. Поэтому число тренировочных шаблонов определялось как полный перебор всех сочетаний переменных.
Постановка задачи выделения из конфигурационных наборов диагностической моделей топологии антенной решетки сигнала отказа в виде булевой функции на основе искусственной нейронной сети
Получить модель булевой функции (БФ) на основе п— слойной искусственной нейронной сети (ИНС) с двоичными входами xi, Х2,..., хие {0,1}, единичным входом смещения F, синоптическими весами wo, w 1,..., w„, двоичным выходом ye {0,1} и заданной нелинейной функцией активации (ФА)/7?—>(0,1) (рис. 3)
Для задания БФ реализовать обучение ИНС с использованием:
1) всех комбинаций переменных xi, Х2,..., х„;
2) части возможных комбинаций переменных xi, Х2,..., х„; остальные комбинации являются тестовыми.
Рабочий режим ИНС.
Алгоритм функционирования ИНС с пороговой ФА имеет вид:
net = Z?=1WtXt + W0; (7)
J 10, net < 0,
где net— сетевой (комбинационный) вход;_}— реальный выход ИНС.
Алгоритм функционирования ИНС с логической ФА представляется в следующем виде:
N
net = ^ WtXt + W0
i=i
out = f(net) (8)
. .. (1, out > 0,5, y{OUt) = 0Mt < дд
где out- сетевой (недискретизированный) выход ИНС.
Режим обучения ИНС
Для необученной ИНС ее выход ув общем случае отличается от целевого выхода t, представляющего собой значения БФ нескольких переменных F(pci, Х2,..., хп): {0,1}"—>{0,1}, т.е. имеется хотя бы один набор сигналов (xi, Х2,..., х„) для которого ошибка
¿> = t-j*0 (9)
Каждый этап обучения £=1,2,... включает в себя цикл последовательного предъявления всех образцов обучающей выборки на вход ИНС.
Предъявление одного обучающего образца внутри этапа является элементарным шагом обучения /=0,1,2,... во время которого вектор весовых коэффициентов w=(w;);=0,.. .^корректируется согласно дельта-правилу (правилу Видроу-Хоффа):
W)
(i+i)
A W)
(О
= Wf + A Wf,
S{1) dfjnet) _ (Z) П dnet Xi '
(10)
где Г|е(0,1] - норма обучения; 8® - ошибка (9) на /-шаге; хг®(/= 0,...,п) - компоненты обучающего вектора на /-шаге обучения (при этом хо®=1).
В случае ИНС с пороговой ФА (7) коррекцию веса в (10) следует в виде:
AW\
(fc)
. „(0
(П)
При этом реальный выход совпадает с сетевым: у= out.
На каждом этапе ^суммарная квадратичная ошибка /',(^)равна расстоянию Хе-мминга между векторами целевого и реального выходов (разности М= 2") по всем входным векторам xi, Х2,..., х„.
В случае, если в качестве объекта диагностирования используется реальная антенная решетка, а в качестве средств измерений реальные приборы, то необходимо учитывать и погрешности измерения исследуемых параметров, т.к. данная погрешность может привести к ошибочному принятию решения при выборе типа отказа.
Эту неопределенность возможно частично компенсировать с помощью алгоритма коррекции, позволяющего проводить более глубокий анализ работы отдельных измерительных приборов. Если провести ряд циклов оценивания результатов измерения, определяя в каждом цикле относительную разность скорректированного и измеренного значений
U3M _ д
= ^Г^ = (l2)
где х— оценка истинного значения измеренного параметра х"зм, то можно более точно говорить о погрешности работы отдельных измерительных приборов. А наличие повторяющегося от цикла к циклу большого значения £г,- с постоянным знаком может указывать на систематическую составляющую погрешности измерения i -го параметра.
Нарушение параметра
|ДХ,; | < АХ,; *, (13)
*
является признаком отклонения показаний i -го измерительного прибора (Ах, , - допустимое значение погрешности измерения).
При этом может возникнуть ситуация, когда частичный отказ какого-либо измерительного прибора приведет к ложным диагностическим выводам. Разрешить создавшуюся ситуацию позволяет подход, основанный на алгоритмах классификации.
Компоненты вектора диагностируемых параметров в простейшем случае можно представить тремя нечеткими термами (рис.3) относительно значений начального сбалансированного режима [61:
- /(low) - если значение параметра занижается относительно значения в начальном режиме;
- ^(normal) - если отклонение параметра не выходит за пределы допустимого диапазона относительно начального режима;
- h (high) - если значение параметра завышается относительно значения в начальном режиме.
х,- dx х:
X"+dx
Рис.4. Графическое представление символьной нечеткой переменной с треугольной функцией принадлежности
Предлагаемый подход позволяет свести диагностику частичных отказов к задаче нечеткой классификации. Анализируя величины погрешностей и значения корректирующих поправок, можно говорить о степени принадлежности вектора измеренных параметров к какому-либо множеству.
Структурная схема проведения процедур диагностированиядля случая использования режима коррекции представлена на рис. 5.
Рис.5. Структурная схема проведения процедур диагностирования
Проведенные исследования показали, что на величину корректирующих поправок Axt и соответствующее им положение "облака" в факторном пространстве оказывают влияние те параметры, которые имеют наибольшую дисперсию изменения в случае отказа.
Для формирования обучающей выборки определялись диапазоны вариаций параметров, соответствующие термам l, n и h. В основу выбора положен экспертный подход, исходя из опыта эксплуатации.
Порог принятия (минимальное значение выхода сети, при котором наблюдение будет считаться принадлежащим классу h или l) можно считать равным 0.5. Значе-ние>0.5 будет говорить о частичном отказе в результате превышения погрешности измерения.
Более подробно алгоритм коррекции результатов измерений технологических параметров изложен в работе [7,8].
Заключение
Использование нейросетевых алгоритмов обработки экспертной информации позволяет в слабоструктурированных и неструктурированных задачах, характеризуемых наличием недостоверной информации, невозможно сформулировать лингвистические переменные и определить функции принадлежности.
При математической формализации процесса формирования топологических уровней диагностических моделей АР для каждого из них выделяется своеобразный диагностический класс, который в свою очередь, будет соответствовать ограниченному числу конфигурационных наборов проявления отказов, фиксируемых через конкретное значение параметра (характеристики) решетки.
Предлагаемая методика диагностирования позволит диагностировать отказы антенной решетки с учетом неопределенности вследствие погрешности средств измерений.
Предлагаемый подход с использованием нейросетевых технологий дает возможность достаточно быстро и в реальном масштабе времени проводить перенастройку диагностической системы и адаптироваться к изменениям ситуации.
Внедрение разработанной методики повысит достоверность получаемой информации при диагностировании, и тем самым, обеспечит повышение бесперебойности функционирования системы связи.
Список литературы
1. Кочетков В.А., Алымов Н.Л. Использование САПР Genesys при моделировании процессов диагностирования элементов антенно-фидерного тракта и антенных решеток РЭС СВЧ диапазона. Орел: Информационные системы и технологии, № 3, 2018.
2. Кочетков В.А., Елесин М.Е., Алымов Н.Л., Черкасов А.Е. Результаты электродинамического моделирования влияния изменения фазы возбуждения излучающих элементов на диаграмму направленности планарных антенных решеток СВЧ диапазона / Орел: Информационные системы и технологии, 2018. № 4.
3. Кочетков В. А., Тихонов А.В., Ремизов Ю.А., Алымов Н.Л. Результаты исследования влияния отказов излучателей антенных решеток РЭС СВЧ диапазона на изменение параметров антенно-фидерного тракта с использованием САПР Genesys / Орел: Информационные системы и технологии, 2018. № 6.
4. Соколова Э.М. Разработка и реализация моделей, методов и алгоритмов решения задач оптимального синтеза контролепригодных объектов. Диссертация на соискание уч.ст.д.т.н. Нижний Новгород: НГТУ, 2009. 338 с.
5. Паращук И.Б. и др. Нейросетевые методы в задачах моделирования и анализа эффективности функционирования сетей связи. СПб., "ВАС ", 2010.
6. Агамалов О.Н. Оценка технического состояния электрооборудования в реальном масштабе времени методом нейро-нечеткой идентификации. ExponentaPro. Математика в приложениях. 2003. №2. С.36-44.
7. Сабанин В.Р., Смирнов Н.И., Репин А.И., Аракелян Э.К., Макаров О.Н., Андреев С.Н. Математическое и программное обеспечение алгоритма коррекции измеряемых параметров для расчета технико-экономических показателей на ТЭЦ // Вестник МЭИ. 2003. №1. С. 21-27.
8. Репин А.И., Сабанин В.Р., Смирнов Н.И. Диагностика информационной подсистемы АСУТП с использованием технологий искусственного интеллекта. // Информатика в измерительных и управляющих системах. 2004.
Горшков Алексей Анатольевич, канд. техн. наук, сотрудник, n.alymovamail.ru, Россия, Орёл, в/ч 93872,
Алымов Николай Леонидович, сотрудник, n.alymova mail.ru, Россия, Орёл, в/ч
93872,
Кочетков Вячеслав Анатольевич, канд. техн. наук, сотрудник, huhtins a mail.ru, Россия, Орёл, в/ч 93872,
Елесин Максим Евгеньевич, канд. техн. наук, сотрудник, awgn@ramhler.ru, Россия, Орёл, в/ч 93872
METHOD OF PROCESS DESCRIPTION OF FORMALIZA TION OF THE DIAGNOSTICHEKY LEVELS OF MODELS AND PROBLEM DEFINITION OF THEIR SELECTION FROM CONFIGURATION SETS OF TOPOLOGY OF AERIAL
ARRAYS OF REM OF MICROWA VE WITH USE OF NEURAL NETWORK
TECHNOLOGIES
A.A. Gorshkov, N.L. Alymov, M.E. Elesin, V.A. Kochetkov
The most important task for any communication system in the market economy is obtaining only reliable information about the technical condition of its elements. In that regard, qualitative measurement of any communication system and timely detection of its failures are becoming the essential requirements. The methodology of diagnostic, proposed in this article, will allow diagnosing failures of antenna array taking into account uncertainty owing to error of measuring instruments. The possibility of using neural network technologies, evolutionary optimization algorithms and elements of fuzzy logic is being studied in order to carry out diagnostic examinations.
Key words: antenna array, CAD, neural network technology, correction algorithm, functional element, diagnostic model, technical diagnostics tool, controllable parameter.
Gorshkov Alexey Anatolevich, candidate of technical sciences, employee, n.alymovamail.ru, Russia, Oryol, M/d93872,
Alymov Nikolay Leonidovich, employee, n. alymovamail. ru, Russia, Oryol, M/d
93872,
Kochetkov Vyacheslav Anatolevich, candidate of technical sciences, employee, buhtins@,mail.ru, Russia, Oryol, M/d93872,
Elesin Maxim Evgenevich, candidate of technical sciences, employee, awgn@rambler.ru, Russia, Oryol, M/d 93872
УДК 621.391.31
РАБОТА С ПЛИС C ИСПОЛЬЗОВАНИЕМ ЯЗЫКА ОПИСАНИЯ АППАРАТУРЫ
VERILOG
А.В. Басс, М. А. Антонов
Рассматриваются преимущества моделирования и проектирования аппаратуры с использованием программируемой логический интегральной схемы. Так же рассматриваются базовые особенности и стандарты высокоуровнего языка программирования Verilog.
Ключевые слова: микроконтроллер, высокая производительность, интегральная схема, проектирование, разработка.
Программируемая логическая интегральная схема (ПЛИС) — электронный компонент, используемый для создания конфигурируемых цифровых электронных схем. В отличие от обычных цифровых микросхем, логика работы ПЛИС не определяется при изготовлении, а задаётся посредством программирования. Для программирования используются программатор и IDE (отладочная среда), позволяющие задать желаемую структуру цифрового устройства в виде принципиальной электрической схемы или программы на специальных языках описания аппаратуры: Verilog, VHDL, AHDL и другие. В отличие от VHDL, структура и синтаксис которого напоминают такие "сложные" языки, как АДА или АЛГОЛ, Verilog обеспечивает более лаконичный и удобочитаемый синтаксис, характерный для очень популярного в среде программистов и разработчиков встроенных систем языка Си.
Verilog позволяет достаточно эффективно выполнить описание и провести моделирование и синтез цифровых схем благодаря наличию развитых средств описания устройств, применению встроенных примитивов и примитивов пользователя, средств временного контроля, моделированию задержки распространения от входа до выхода, возможности задания внешних тестовых сигналов. HDLVerilog изначально предназначался для моделирования цифровых систем и как средство описания синтезируемых проектов стал использоваться с 1987г. Впоследствии этот язык начал применяться и для проектирования аналоговых схем.
