Содержание к диссертации
Введение
1. Современное состояние исследований в области метрологического обеспечения информационно- измерительных систем 17
1.1. Исходные положения и принципы организации функционирования современных информационно-измерительных систем 17
1.2. Общая характеристика основных подходов к построению системы метрологического обеспечения 20
1.2.1. Применение алгоритмической теории измерений 21
1.2.2. Теория неопределенности в измерениях 26
1.2.3. «Мягкие» измерения, взгляд на погрешность как на нечеткую переменную 29
1.3. Программные средства имитационного моделирования 34
1.3.1. Пакеты «блочного моделирования» 35
1.3.1.1. прикладные пакеты виртуального проектирования измерительных средств 36
1.3.1.2. прикладной пакет matlab simulink 40
1.3.2. Пакеты «физического моделирования» 43
1.3.3. Моделирование на c/c++, visual basic и delphi 45
2. Оценивание метрологических характеристик измерительных средств с помощью имитационного моделирования 47
2.1.Имитационное моделирование как аппарат для проведения метрологического анализа 47
2.2.Принципы формирования состава априорных знаний метрологического анализа 51
2.2.1. Модель входного воздействия 52
2.2.2. Модель условий проведения эксперимента 55
2.2.3. Модель аналого-цифрового преобразования 56
2.2.4. Модели датчиков и нормализаторов 64
2.3. Этап воспроизведения виртуального измерительного эксперимента 67
2.4.этап обработки результатов имитационного моделирования 73
2.5. Характеристика сформированного алгоритмического обеспечения проведения метрологического анализа с использованием имитационного моделирования 74
3. Оценивание достоверности результатов метрологического анализа с помощью имитационного моделирования 76
3.1. Определение достоверности при использовании метрологического анализа с применением имитационного моделирования 76
3.1.1. Исследование влияния ошибки неадекватности моделей на результаты метрологического анализа 79
3.1.2. Исследование влияния ошибки из-за конечности объема выборочных данных на результаты метрологического анализа 82
3.1.3. Исследование влияния ошибки из-за неидеалыюсти алгоритма вычислений на результаты метрологического анализа 87
3.2. Проблемы формирования необходимого состава априорных знаний метрологического анализа 91
3.3. Методика оптимизации параметров моделей составляющих априорных знаний метрологического анализа на основе имитационного моделирования 95
3.3.1. Этап исследования неадекватности используемых моделей 98
3.3.2. Учет конечности объема выборочных данных в процедурах имитационного моделирования 100
3.3.3. Учет неидеальности алгоритма вычислений в процедурах имитационного моделирования 103
3.3.4. Результаты выполнения методики 107
4. Методы повышения достоверности результатов метрологического анализа с помощью имитационного моделирования 109
4.1. Выбор принятой в исследовании модели на множестве адекватных моделей составляющих априорных знаний метрологического анализа 109
4.2.Оптимизация необходимого числа машинных экспериментов с учетом смещения от нулевого значения вносимой ошибки 117
4.3. Описание программной системы настройки параметров моделей составляющих априорных знаний метрологического анализа 123
4.3.1. Общие сведения 123
4.3.2. Архитектура программной системы 124
4.3.2.1. Главное меню программной системы 127
4.3.2.2. Программный модуль для выбора модели по критерию «минимакса» 127
4.3.2.3. Программный модуль для установления оптимального объема выборки 132
4.3.3. Базовый программный модуль для проведения метрологического анализа на основе имитационного моделирования 140
4.3.4. Программный модуль для установления характеристик ошибки из-за конечности объема выборки 143
4.3.5. Программный модуль для исследования реализованного алгоритма вычислений 147
Заключение 152
Список литературы
- Общая характеристика основных подходов к построению системы метрологического обеспечения
- Модель аналого-цифрового преобразования
- Исследование влияния ошибки неадекватности моделей на результаты метрологического анализа
- Описание программной системы настройки параметров моделей составляющих априорных знаний метрологического анализа
Введение к работе
В настоящее время создание интеллектуального измерительного продукта неразрывно связано с решением задач представления измерительных знаний средствами современных информационно-измерительных технологий, с проработкой вопросов метрологического обеспечения результатов измерений, с решением задач обеспечения достоверности результатов метрологического аігализа и результатов метрологического синтеза.
Включение компьютера в состав сложных информационно-измерительных систем позволяет реализовать управление аналоговым и аналого-цифровым преобразованием сигналов измеряемых величин, выполнить косвенные, совокупные и совместные измерения, статистические измерения, измерения с коррекцией и адаптивные измерения. При этом информационные технологии, стремительно развиваясь, обогатившись мощными и универсальными программными продуктами, дают возможность использовать в разработке собственного программною обеспечения накопленный опыт миллионов ученых и инженеров (например, технология виртуальных инструментов и др.).
Многофункциональность современных информационно-измерительных сие гем, в том числе интеллектуальных и виртуальных измерительных средств, и открытый характер их функциональных возможностей в соединении с усложнением реализуемых алгоритмов измерений потребовали формирования адекватных методов метрологического анализа на теоретической основе с широким использованием расчетов и имитационного моделирования.
В настоящей диссертационной работе предлагается развитие разработанного в математической метрологии аппарата формального описания объектов, условий, процедур и средств измерений для оценивания с использованием имитационного моделирования достоверности нормируемых вероятностных характеристик погрешностей различных измерительных цепей, а также для организации процедур формирования на основе базы измерительных знаний необходимого состава априорных знаний в целях проведения качественного и эффективного метрологического анализа с применением аппарата имитационного моделирования.
Проведенный в настоящей работе анализ состояния проблемы позволил сделан» вывод о том, что на сегодняшний день наиболее приемлемой теоретической базой для описания измерений является подход, предложенный д.т.н., профессором Цветковым Э.И. в монографии "Основы математической метрологии", с использованием теоретико-вероятностного подхода алгоритмической теории измерений и теоретико-множественного подхода для струкіурирования и формализации составляющих априорных знаний.
При использовании метрологического анализа на основе метрологического эксперимента достоверность получаемых результатов обеспечивается тем, что образцовое средство измерения должно иметь класс точности в 3-5 раз выше класса точности анализируемого измерительного средства.
В силу объективных причин получаемые результаты теоретического метрологического анализа отличаются от истинных, т.е. полученные значения вероятностных характеристик погрешностей будут содержать в себе ошибку. Учет этих ошибок необходим не только с познавательной точки зрения, но и для обеспечения соответствия реальных вероятностных характеристик погрешностей измерительных средств нормируемым вероятностным характеристикам.
Этот факт обуславливает необходимость и безусловную актуальность темы диссертационной работы, ключевой задачей которой является создание средств имитационного моделирования для исследования достоверности оценивания вероятностных характеристик погрешности.
Предметом исследования является достоверность результатов теоретического метрологического анализа: совокупность ошибок оценок вероятностных характеристик погрешностей, полученных на расчетной основе или с использованием машинного эксперимента.
Целью работы является разработка методики определения с помощью имитационного моделирования достоверности результатов теоретического метрологического анализа.
В соответствии с поставленной целью в работе формулируются и решаются следующие основные задачи.
1. Исследование и обоснование выбора моделей составляющих предметной области метрологического анализа на основе имитационного моделирования информационно-измерительных систем с квадратичным преобразованием входного воздействия.
2. Формирование алгоритмического и программного обеспечения оценивания на основе имитационного моделирования достоверности результатов метрологическою анализа информационно-измерительных систем с квадратичным преобразованием входного воздействия.
3. Анализ процедур выбора необходимого состава априорных знаний метрологического анализа гга основе базы измерительных знаний с применением аппарата имитационного моделирования.
4. Исследование методов повышения достоверности нормируемых значений систематической погрешности и среднеквадратического отклонения погрешности результатов измерений с учетом выявленных источников ошибок оценивания результатов метрологического анализа.
Методы исследования основаны гга использовании общей теории вычислительных систем, математического и имитационного моделирования, теории оптимизации систем, теории неопределенности, теории нечетких множеств, теоретико-вероятностного подхода алгоритмической теории измерений и теоретико-множественного подхода для структурирования и формализации составляющих априорных знаний.
Научная новизна
В результате проведенных исследований получены следующие научные результаты.
1. Определен необходимый состав априорных знаний для проведения метрологического анализа информационно-измерительных систем с квадратичным преобразованием входного воздействия.
2. Сформировано алгоритмически-программное обеспечение исследования достоверности результатов метрологического анализа с использованием имитационного моделирования для информационно-измерительных систем с квадратичным преобразованием входного воздействия.
3. Разработана обобщенная методика оптимизации параметров моделей составляющих априорных знаний метрологического анализа посредством учета всех факторов, обуславливающих недостоверность оцениваемых характеристик.
4. Предложены методы повышения достоверности результатов расчетного метрологического анализа и метрологического анализа на основе имитационного моделирования.
Практическая ценность Разработанная программная система проведения метрологического анализа информационно-измерительных систем с квадратичным преобразованием входного воздействия и оценивания достоверности полученных результатов для использования в составе интеллектуальных измерительных систем, при синтезе требуемых измерительных процедур на основе виртуальных измерительных средств, при эксплуатации измерительных средств в отсутствие возможности использования метрологического эксперимента.
На защиту выносятся;
1. Методика определения достоверности результатов метрологического анализа с использованием имитационного моделирования.
2. Предложенный состав априорных знаний для проведения метрологического анализа информационно-измерительных систем с квадратичным преобразованием входного воздействия и определения достоверности полученных результатов.
3. Методы повышения достоверности результатов расчетного метрологического анализа и метрологического анализа на основе имитационного моделирования.
Общая характеристика основных подходов к построению системы метрологического обеспечения
Общие принципы МО современных ИИС опираются на разработанную методологию аттестации и поверки информационно-измерительных систем и информационно-вычислительных комплексов и являются ее развитием. Упомянутая методология представлена в [17], [49], [53], [57]. В последние годы се развитием могут служить МИ 2439-97 [50] и РМГ 29-99 [63].
В рекомендуемый список MX входят характеристики систематической и случайной составляющих погрешностей, характеристики основной погрешности без разделения на систематическую и случайную, полные и частные динамические характеристики, а также функции влияния [16], [50]. В каждом конкретном случае из числа этих характеристик должны быть выбраны такие, которые учитывают особенности состава, структуры и алгоритма функционирования ИИС, обеспечивают достоверное определение характеристик погрешностей результатов измерений, при этом трудоемкость определения и контроля отмеченных характеристик при метрологических испытаниях оказывается приемлемой [29].
В целях обеспечения соблюдения фундаментальных требований законодательной метрологии для современных ИИС в [71] вводится принцип метрологического автосопровождения результатов измерений, полученных с помощью ИнИС, под которым понимается совокупность принципов, методов, аппаратных и программных средств, обеспечивающих определение характеристик погрешностей результатов измерений ИнИС, получаемых с помощью алгоритмического обеспечения МА и синтезированных измерительных пенсії в конкретных ситуациях с использованием содержащихся в НИЗ математических моделей объектов, условий и средств измерений, а также необходимой дополнительной информацией, поступающей извне или получаемой в процессе вспомогательных измерений.
Следует отметить, что еще с конца 70-х годов ([74], [95] и др.) делались попытки разработать обобщенный математический аппарат для нужд метрологии. Однако, стройной теории математической метрологии, позволяющей решать задачи МЛ на современном уровне информационных технологий на базе данных работ не появилось.
В моноірафии [86] д.т.н., профессора Цветкова Э.И. «Основы математической метрологии» предложена теоретическая база для описания измерений с использованием теоретико-вероятностного подхода алгоритмической теории измерений и теоретико-множественного подхода для структурирования и формализации составляющих априорных знаний.
Из традиционной теории метрологии известно, что метод измерений - это прием или совокупность приемов сравнения измеряемой физической величины с ее единицей в соответствии с реализованным принципом измерений; процедура измерений (методика выполнения измерений) - установленная совокупность операций и правил при измерении, выполнение которых обеспечивает получение результатов измерений с гарантированной точностью [63].
В развивающемся подходе к формированию математического обеспечения МЛ объектом исследования становится измерение квантифицируемых величин с верификацией достоверности получаемых результатов с помощью действующей системы обеспечения единства измерений [8].
В качестве аксиоматического базиса математической метрологии могут быть приняты следующие две аксиомы [11]: 1. Величина измерима, т.е. существует действительное число, представляющее отношение величины к принятой единице измерений. 2. Процедура измерений, обеспечивающая установление истинного значения измеряемой величины, физически реализована быть не может.
Из первой аксиомы следует, что истинное значение измеряемой величины может быть представлено математическими средствами. Для этой цели вводятся так называемые гипотетические уравнения, которые в силу своего назначения и предельного уровня абстракции могут содержать физически не реализуемые преобразования. Из второй аксиомы следует, что реальные и идеальные процедуры измерений описываются соответствующими уравнениями, объективно отличающимися от гипотетических, что предопределяет появление погрешностей. При этом уравнения, представляющие идеальные и реальные процедуры измерений, включают в себя только физически реализуемые преобразования [11].
Базовая модель математической метрологии служит- для описания математической модели процедуры измерений. Процедура измерений составляется последовательностью элементарных измерительных преобразований входного воздействия, содержащего информацию о значении измеряемой величины. Представив /-е элементарное измерительное преобразование оператором /?,-, входное воздействие - /.(/), а измеряемую величину - символом Я, можно прийти к обобщенному уравнению измерений [86]: A j=Rm...Rirj(t). (1.1) Последовательность элементов (модулей), реализующих составляющие процедуру измерений преобразования, образуют измерительную цепь.
Как указывалось выше для описания погрешностей помимо уравнения (1.1) вводится так называемое гипотетическое уравнение измерений, представляющее истинное значение измеряемой величины: Aj = R?„...R\rj(t), (1.2) где Rf - i-e гипотетическое преобразование. Тогда погрешность может быть представлена в виде разности:
Модель аналого-цифрового преобразования
Типовая структура модели условий измерений может быть представлена в виде [86]: Муа = \ai {ays )} /= О , (2.7) S=\,Iy где {а,} - параметры моделей входного воздействия и измерительных модулей. зависящих от условий; jar,.Л параметры модели условий, влияющие на входное воздействие и измерительные модули (влияющие факторы).
Для разработки программного обеспечения проведения МЛ с использованием ИМ предлагается составляющие ЛЗ условий проведения эксперимента {А3\/ ) определять моделью согласно выражению (2.7), для которой формализуется высказывание, описывающее условия измерений. Так, возможны воздействия шума на входные цепи АЦП или помех, вызванных пеидеальностыо реализующих АЦП узлов и элементов (сравнивающего устройства, дискретных делителей, источников образцовых напряжений, ключей). В зависимости от источника возникновения помехи делятся на два вида: аддитивные и мультипликативные.
Примерами аддитивных помех моїут служить наложение на измерительный сигнал напряжения, наведенного переменным магнитным полем, и смещение нуля прибора.
Мультипликативными или деформирующими, помехами называют помехи, влияющие на функцию преобразования измерительного устройства. Соответственно характеру воздействия помехи на измерительный сигнал разделяют аддитивную и мультипликативную составляющие погрешности измерения.
В связи с тем, что мультипликативные погрешности, возникающие в большинстве измерительных устройств, поддаются коррекции, а их воздействие можно свести к воздействию эквивалентной аддитивной помехи [2], в разработанном программном модуле проведения МА с использованием процедуры ИМ анализируется влияние помехи на основные характеристики полезного сигнала при их аддитивном взаимодействии.
Наряду с помехами различного происхождения на результат измерения влияют изменения условий измерительного эксперимента (температуры, давления, влажности окружающего воздуха, параметров сетевого питания и др.). Зависимость измеряемой величины Л от параметров внешних факторов ау\,ау2 a\i, описывается функциями влияния [2]: с ays где Aavs =avs -avs - отклонение влияющего фактора avs or нормальных условий проведения измерений. Согласно выражению (2.8), отклонение влияющего фактора avs в процессе j-ro измерительного эксперимента на Aays приводит к изменению значения измеряемой величины Я,- па величину ——Дог..... При разработке программного модуле проведения МЛ с использованием ИМ зачади учета функций влияния на результаты МЛ не рассматривались.
Измерительными преобразованиями называют преобразования измеряемой величины в другую величину или сигнал измерительной информации (удобный для обработки, хранения, дальнейших преобразований, индикации или передачи по каналам связи), осуществляемые с заданной точностью [2].
Особая роль аналого-цифрового преобразования обусловлена тем, что оно выполняется в любой измерительной процедуре и представляет собой простейший ее вид. При этом именно в рамках аналого-цифрового преобразования производится сравнение входного воздействия с мерой [12].
Измерительные модули аналого-цифрового преобразования но типам разделяются на аналого-цифровой преобразователь (ЛЦП) поразрядного уравновешивания, сигма-дельта ЛЦП, параллельные ЛЦП. конвейерные ЛЦП. ЛЦП последовательного счета.
Наибольшее распространение получили ЛЦП поразрядного уравновешивания. К основным характеристикам таких ЛЦП относятся число разрядов, величина временного такта преобразования, общее время преобразования, допустимый диапазон изменения входного сигнала по амплитуде и частоте [76], [78].
Для разработки программного обеспечения проведения МЛ с использованием ИМ предлагается составляющие ЛЗ аналого-цифрового преобразования (Л31Щ) определять моделью согласно выражению (2.10), которая формализовано описывает вид процедурі,! аналого-цифрового преобразования: ЛЦП поразрядного уравновешивания и параллельные АЦП.
При использовании процессора [84] простейшая структура измерительной цепи ЛЦП представляется в виде последовательного соединения дискретизатора //, квантователя Кв, процессора Яр (см. рис. 2.1). Косвенным подтверждением данного подхода к построению модели ЛЦП (квантование выполняется после завершения дискретизации) могут служить работы [4] и [24], где рекомендуется для организации простейшего ЛЦП использовать виртуальный блок устройства выборки и хранения (Zero-Order-Hold) с заданным шагом дискретизации и виртуальный блок квантователя (Quantizer). Согласно способу, описанному в [30], процедуру аналого-цифрового преобразования можно представить в виде последовательности операций дискретизации R(), квантования RK, переноса кодовой комбинации Rn и масштабирования RM: Ma, - U mij = Л„R„RKR()U j(/), (2.11) где Uj{t) - сигнал на входе АЦП; Uatfj - результат аналого-цифрового преобразования.
В ЛЦП поразрядного уравновешивания и параллельного действия дискретизатор работает как накопитель. Операция дискретизации характеризуется импульсной переходной характеристикой [5]. В разработанном программном модуле для
Исследование влияния ошибки неадекватности моделей на результаты метрологического анализа
Поскольку 5кв0цщ АА) носит случайный характер, в качестве меры достоверности ее опенки обычно используется вероятность P,)[SO ) для интервала [-кО, ко], где -кО, кв- соответственно нижняя и верхняя границы доверительного интервала ошибки 50 =0 -в. Согласно общим принципам теории вероятности: кО P()(S0 )= \cu[sO )cIS0 , -кО где гоШМ - распределение плотности вероятности ошибки SO .
Для оценок ВХ, полученных с использованием (2.47), (2.48) и (2.49). математическое ожидание ошибки определения M\SO \ = 0 , в свою очередь, дисперсия ошибки 50 является функцией от объема выборки, т.е. ст . = J {N).
Учитывая также, что при Лг 30 распределения т\50 \, согласно предельным теоремам, сходится к распределению Гаусса для несмещенных оценок, можно положить [84]: ш[дО ) = f2K-aS(f exp в 2-а2 . , 50 J (ДО 2 Ф x і T где Ф(х)=- r-- - je 2 (It (3.6) табулированная функция Крампа; к - коэффициент разброса, характеризующий границы доверительного интервала.
Исходя из вида зависимости дисперсии ошибки SO от объема выборки для введенных в рассмотрение ВХ, представленного, например, в [84], задаваясь значением параметра кО /сг »(N), являющегося аргументом функции Крамна, устанавливается значение оценки доверительной вероятности Р( [50 ): при оценке математического ожидания погрешности ДЛу с помощью (2.47) тш. (N) = (4Щ / )1/2 = Л)( Л/ ) = p(lN к М Ш[АА } / о-;/д/[дя}]); (3.7) при оценке дисперсии погрешности AAj с учетом выражения (2.48) стю {N) = {і D2[АЛ ] / (N -1)) Г ,[бй ) = Ф(Ш к І П); при оценке доверительной вероятности с помощью выражения (2.49)
Таким образом, при фиксированных N и к доверительная вероятность Р() \50 ) определяется непосредственно из таблиц функции Крампа, при этом в случае, если в качестве принятой ВХ #//д/ АХ) используется оценка доверительной вероятности, получаемое значение РД %М зависит только от оценки Р()ПМ- определяемой согласно установленной целевой функции. С другой стороны, если в качестве ПРИНЯТОЙ ВХ 0//д/ ЛЯ/ используется оценка математического ожидания погрешности AAj, состав A3MAmi должен иметь в своем составе наряду со значением Л/у./д/ АЛ і , определяемым согласно установленной целевой функции. АД; , определяемую в также оценку среднеквадратичсского отклонения оу/д/ соответствии с выражением (2.48), в свою очередь, при оценивании дисперсии погрешности AAj получаемое значение оценки доверительной вероятности / , \80 I определяется только заданным объемом выборки и требуемым доверительным интервалом.
Оценка ошибки 8К110цм представляется в виде: А-в 0/ш [ ДЛу 1 = Є]ш [ А Я АЯ , обусловленной конечностью объема выборки. АЯ предлагается В качестве критерий достоверности оценки ошибки 8т0ц\\ следующее соотношение: К) Л)_тіп (3-Ю) где Рд min - минимальное допустимое значение доверительной вероятности Р( \80 ), обеспечивающее качество получаемых оценок принятой ВХ 0//д/ ДЯу с учетом конечности объема выборочных данных. На рис. 3.2 показаны графики зависимости оценки доверительной вероятности Р( \8.\Г) от объема выборки N при k = 0.1 для измерительной ситуации, определяемой составом АЗццнм согласно (3.5), с учетом введенных уровней неадекватности.
Описание программной системы настройки параметров моделей составляющих априорных знаний метрологического анализа
По сути, здесь предлагается методика исследования достоверности результатов виртуальных измерительных экспериментов на основе ИМ с целью нахождения необходимого состава A3 теоретического МА (см. рис. 3.4).
Следует отметить, что процедура поиска необходимого состава A3 МА должна выполняться в рамках конкретных измерительных ситуаций, характеристик и технологических ограничений конкретных измерительных средств. Таким образом, решение поставленной задачи связано с организацией теоретико-множественного пространства принятия решений на множестве комбинаций сцепленных номинальных свойств предметной области измерений и их значений.
Предварительно перед началом выполнения предложенной методики необходимо установить отправную точку в исследовании и функцию критерия качества МА.
Разработанная методика основана на сужении пространства поиска путем включения комплекса условно «центральных» моделей (У//Л/,), характеризующих A3 о тех составляющих предметной области МА, для которых можно с уверенностью утверждать о соответствии описаний предметной области и описаний формальных моделей. В разрезе значений параметров УЦМ-, следует осуществлять процедуру поиска необходимого состава A3 МА.
Из второй главы диссертации известно, что при организации процедуры МА ВИЦ необходимо тщательно анализировать модели объектов и процедур измерения, модели измерительных преобразователей, модели погрешностей, модели характеристик погрешностей и модели условий измерений. Как правило, современные ИИС обладают открытым характером функциональных возможностей и имеют в своем составе широкий комплекс измерительных преобразователей, модулей аналоговой и цифровой обработки для большого круга аналоговых сигналов. При этом следует заметить, что любое измерение связано с процедурой аналого-цифровою преобразования. Модуль ВИЦ аналого-цифрового преобразования является ядром любой измерительной процедуры.
Для того, чтобы при дальнейшем изложении уйти от обезличенного понятия УЦМ,-, пусть в качестве отправной точки исследования используется модуль ВИЦ аналого-цифрового преобразования, определяемый в соответствии с (2.25). Применение ММД типа (1.9) связано с оценкой истинного значения принятой ВХ погрешности результатов измерений в\ АЛ , которое рассчитывается для адекватных моделей составляющих предметной области МА.
Исходя из выше сказанного, функцией критерия качества проведения ИМ при исследовании достоверности результатов МА должна стать минимизация ММД в разрезе конкретных значений параметров АЦП при варьировании значений составляющих АЗ мт представленных в виде (2.2).
Таким образом, на входе предлагаемой методики оптимизации моделей составляющих A3 МЛ на основе ИМ должны быть предосгавлепы следующие данные: ( )м ЛЗциии - набор составов A3 МЛ, сформированных на основе НИИ в соответствии с целями функционирования, принятыми критериями, ограничениями и структурой; комплекс УЦМ І - пусть это модуль ВИЦ аналого-цифрового преобразования; вид О ДЯ - принятая ВХ погрешности результата измерения и заданный объем выборки N; Рщп целевая функция, установленная на этапе формулировки задачи N машинной имитации, пусть F1)ei определяется согласно выражению (3.16); min 5# [ ДЛу - функция критерия качества. Весь процесс исследования моделей направлен на оптимизацию заданного критерия качества: mini 59 AAj \.
Основная проблема при оптимизации в установлении области поиска кортежа параметров «адекватных» моделей составляющих A3 МА с заданным шагом м варьирования из полученного на входе набора составов АЗШи\\
Сначала формализуется комплекс УЦМ; - включенному в состав анализируемого измерительного канала типу АЦП сіавится в соогветствие модуль ВИЦ аналого-цифрового преобразования АЗац согласно (2.25), иными словами, задаются конкретные значения для параметров модели АЦП (число разрядов, время установления при дискретизации, допустимые диапазоны изменения входного сигнала по амплитуде и частоте и др.). На первом этапе исследования достоверности результатов МА на основе ИМ из і ) м имеющегося набора вариантов составов A3 МА \ A3 мл им отсекаются составы
A3цмим в количестве A/g, которые не соответствуют формализованному комплексу УЦМ,-. Затем очерчиваются границы области поиска адекватной имитационной модели A3 МА (АЗмлІім) на основе рассматриваемого набора вариантов составов A3 МА \АЗШ1Шт)т : 1) Определяется круг измерительных сигналов A3\f , в границах которого предполагается наличие адекватной модели входного воздействия, иными словами, нужно задать варианты вида закона распределения случайного измерительного сигнала &i\Yit\tj)- после чего установить интервалы (/р\ тш, ур\ тах и ЇР2 min УР2 max ), внутри которых находятся оптимальные значения параметров (Уп» ЇР2) закона распределения случайного измерительного сигнала шлуимп 2) Следующим шагом при определении границ области поиска АЗа иім является учет изменения измерительного сигнала во времени. По сути, измерительный сигнал в ВИЦ может иметь достаточно широкий комплекс функциональных зависимостей (функция синуса, линейная, квадратическая и т.д.), определяющих поведение сигнала па временной плоскости. В параграфе 2.2.1 при формировании модели входного воздействия в рассмотрение включен учет только линейного изменения измерительного сигнала во времени, т.е. в данном случае 1С кг Л1тах min Л1тах max , В следует говорить о том, что требуется задание диапазона іраницах которого предполагается наличие оптимального значения максимального допустимого коэффициента линейной зависимости измеряемой величины от времени К\тах с учетом выражения (2.5).
Варьирование параметров модели входного воздействия требует обязательного согласования с моделью описания процедуры измерения. Так включение в исследование достоверности результатов МА измерительного сигнала неэлектрической величины предполагает дополнительно наличие в процедуре измерения модулей ВИЦ первичного измерительного преобразования и номинального обратного преобразования.
3) Формируется комплекс моделей датчиков А3ц , определяемых в
соответствии с выражением (2.28), в іраницах которого предполагается наличие адекватной модели первичного измерительного преобразования. При этом фиксируется взаимосвязь между сигналом на входе модели ЛЦП и измерительным сигналом случайного вида неэлектрической величины, а также тип номинального обратного преобразования.
4) В случае, если модель процедуры измерения предполагает включение в исследование модулей ВИЦ нормализации АЗц , фильтрации и т.д., границы области поиска /0,ш//д/ могут быть легко расширены за счет формирования комплекса соответствующих моделей по аналогии с модулем ВИЦ первичного измерительного преобразования.
