Автореферат: Исследование и разработка диагностики состояния радиотехнической системы в рабочем режиме

На правах рукописи

ИССЛЕДОВАНИЕ И РАЗРАБОТКА ДИАГНОСТИКИ СОСТОЯНИЯ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ В РАБОЧЕМ РЕЖИМЕ

Специальность: 05.13.18 – Математическое моделирование, численные методы и комплексы программ;

АВТОРЕФЕРАТ

диссертации на соискание учёной степени

кандидат технических наук

Таганрог – 2008

Работа выполнена в Технологическом институте Южного федерального университета в г. Таганроге на кафедре Радиоприёмных устройств и телевидения

НАУЧНЫЙ РУКОВОДИТЕЛЬ: доктор технических наук,

профессор,

(ТТИ ЮФУ, г. Таганрог)

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ: доктор технических наук, профессор

(ТТИ ЮФУ, г. Таганрог)

кандидат технических наук, старший научный сотрудник

( “РИТМ”, г. Таганрог)

ВЕДУЩАЯ ОРГАНИЗАЦИЯ: ФГУП “ТНИИС”, г. Таганрог

Защита состоится " 28 " августа 2008г. в 1420 часов на заседании диссертационного совета Д 212.208.22 в Таганрогском технологическом институте Южного федерального университета г. Таганрог, Ростовской области, пер. Некрасовский, 44, ауд. Д-406.

С диссертацией можно ознакомиться в зональной научной библиотеке

Южного федерального университета по адресу: Ростов-на-Дону, .

Отзыв на автореферат, заверенный гербовой печатью организации, просим направлять Ростовская область, г. Таганрог, ГСП-17А, пер. Некрасовский, 44, ученому секретарю диссертационного совета

Д 212.208.22.

Автореферат разослан " " ___ 2008 г.

Ученый секретарь

диссертационного совета,

доктор технических наук

ОБШАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы:

Одним из основных направлений радиоэлектроники, которое предназначено для сбора и обработки информации на основе приема искусственных и естественных радиоизлучений является радиоконтроль (РК).

Для обеспечения высоких оперативности и достоверности РК все более широкое применение находят методы пространственно-временной обработки информации при решении таких задач как поиск, обнаружение, разрешение, пеленгование, определение местоположения источников радиоизлучений (ИРИ).

Для решения большинства из перечисленных задач РКвозникает необходимость в использовании многоканальных технических средств. К числу основных устройств, определяющих основные характеристики многоканальных технических средств, следует отнести фазированные антенные решетки (ФАР) и многоканальные супергетеродинные приемные устройства (МСПУ).

Вопросы построения одноканальных супергетеродинных приемных устройств в интересах РК в настоящее время хорошо отработаны как в теоретическом, так и практическом планах.

Однако при построении МСПУ состояние как теории, так и практики не в полной мере удовлетворяет требованиям настоящего времени. При этом одной из наиболее актуальных проблем является задача устранения неидентичности характеристик каналов МСПУ за счет неидеальности аппаратурной реализации и влияния климатических и механических воздействий.

Широко используемые в настоящее время пути решения данной задачи связаны: 1) с использованием схемотехнических и конструкторско-технологических приемов, 2) а также с использованием методов диагностики состояния радиотехнической системы (РТС) в рабочем режиме.

Первый из вышеперечисленных путей является малоперспективным, поскольку требует создания прецизионной аппаратуры в условиях, когда темпы достижений в области схемотехники и технологии отстают от темпов ужесточения технико-эксплуатационных требований к МСПУ.

Второй путь широко используется и приводит к решению поставленной задачи, но только в условиях стационарной радиообстановки при невысоких требованиях к пропускной способности комплекса радиоконтроля (КРК). КРК в настоящее время как обязательную составную часть аппаратуры включают в себя диагностические средства (комплексы).

Среди известных работ, посвященных данной тематике, можно выделить направление, использующие принцип разделения во времени режимов работы и измерения (контроля), отражённые в работах , , и других. Существенным недостатками разделения во времени режимов работы и контроля является снижение готовности КРК, потеря информации о РО на период проведения контроля, уменьшение достоверности контроля из-за получения оценок в КРК и диагностической системе эпизодически. Жёсткие требования к готовности и надёжности современных КРК обуславливают переход к распараллеливанию выполнения задач диагностики и работы.

Вопросам построения диагностических систем, позволяющих классифицировать состояния РТС в рабочем режиме, в литературе уделено недостаточно внимания. Данные обстоятельства указывают на необходимость разработки и анализа моделей систем диагностики состояния РТС без использования режимов разделения во времени.

Таким образом, тема диссертации, посвященная компьютерному моделированию и анализу алгоритмов диагностики состояния радиотехнических систем в рабочем режиме, является достаточно актуальной.

Целью работы является:

Построение математических моделей алгоритмов диагностики состояния линейной системы в рабочем режиме; формирование набора эффективных признаков, используемых в устройствах классификации состояния линейных трактов; исследование возможности оптимизации временных и пространственных параметров классификаторов состояний линейных систем.

Основные задачи диссертации вытекают непосредственно из её цели:

1. Формирование и обоснование системы эффективных признаков используемых в моделях алгоритмов классификации состояния линейной системы без отключения из рабочего режима.

2. Синтез и обоснование решающего правила для классификатора состояния линейной системы.

3. Исследование возможности оптимизации временных и пространственных параметров классификаторов состояний линейной системы.

4. Построение модели диагностической системы и экспериментальная проверка качества диагностики на её основе.

5. Разработка пакета программ для экспериментального исследования предложенных моделей и методов.

Решение поставленной задачи проводится в несколько этапов:

1. Определение моделей сигналов РТС

2. Разработка алгоритма формирования классификационных признаков.

3. Исследование влияния времени обучения и распознавания и размерности признакового пространства на показатели эффективности классификатора.

4. Экспериментальное исследование показателей качества разработанных алгоритмов при классификации математических моделей сигналов РТС.

Научная новизна. В работе получен ряд новых результатов, которые сводятся к следующему:

1. Разработана методика формирования системы признаков на основе корреляционного метода измерения импульсной характеристики модели линейного тракта радиотехнической системы.

2. Предложена методика диагностики состояния модели линейного тракта радиотехнической системы без отключения её из рабочего режима.

3. Разработан комплекс программ математического моделирования диагностики состояния линейной системы в рабочем режиме.

4. Выявлены закономерности показателей эффективности классификатора от времени обучения и распознавания, от размерности признакового пространства.

Практическая ценность состоит в возможности использования результатов работы для решения практических задач техники и науки:

– определены условия целесообразности использования предложенных алгоритмов в компьютерных системах диагностики состояния РТС;

– обеспечено получение улучшенных точностных характеристик при использовании программ параметрической классификации шумоподобных сигналов.

Реализация результатов работы. Результаты, полученные в работе, были использованы в учебном процессе при проведении лабораторных работ, курсовом проектировании по дисциплинам: “Устройства приёма и преобразования сигналов”, “Радиоприёмные устройства сверхвысоких частот”, “Основы компьютерного проектирования” на кафедре Радиоприёмных устройств и Телевидения Технологического института Южного федерального университета.

Результаты, полученные в кандидатской диссертации, реализованы в разработках отдела 24 НКБ моделирующих и управляющих систем ЮФУ (г. Таганрог) в рамках х/д 324057 при создании радиолокационного измерителя характеристик морского волнения (РИВ200), предназначенного для снабжения гидросамолёта Бе-200.

Методы исследования основаны на использовании численных методов, методов теории вероятности и математической статистики, статистической теории распознавания образов, функционального анализа.

Основные положения, выносимые на защиту, следующие:

- математические модели сигналов линейных трактов радиотехнических систем;

- алгоритм формирования системы эффективных признаков на основе корреляционного метода измерения импульсной характеристики линейной системы;

- зависимости дисперсий оценок признаков и ошибки распознавания от времени обучения, размерности признакового пространства;

- результаты моделирования разработанных алгоритмов диагностики состояния линейных трактов без отключения из рабочего режима.

Апробация работы. Основные положения диссертационной работы обсуждались и докладывались:

-на VIII Всероссийской научной конференции студентов и аспирантов «Техническая кибернетика, радиоэлектроника и системы управления» (Таганрог, ТРТУ, 2006 г.)

- на международной научной конференции «Статистические методы в естественных, гуманитарных и технических науках».(Таганрог, ТРТУ, 2006 г.)

- на LII научно-технической конференции.(Таганрог, ТРТУ, 2006 г.)

- на 6-й Всероссийской научно-практической конференции студентов, аспирантов и молодых учёных «Молодёжь XXI века–будущее Российской науки» (Ростов на Дону, ЮФУ, 15 мая 2008г.)

- на Всероссийской научно-технической конференции с международным участием: “Компьютерные и информационные технологии в науке, инженерии и управлении”«КомТех-2008»( Таганрог, ТТИ ЮФУ, 6.06.2008)

Публикации. Основные научные результаты диссертации опубликованы в 5-ти статьях, 3-х тезисах докладов.

Структура диссертации. Диссертационная работа состоит из введения, четырёх разделов, заключения и приложений, включающих 5 наименований.

Работа изложена на 151 стр. текста, 36 рисунках, 7 таблицах, списка литературы из 114 наименований и приложений.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ ПО ГЛАВАМ

Во введении обоснована актуальность темы, сформулирована цель, приведены задачи исследования, научная новизна диссертационной работы и полученные результаты, дана краткая аннотация работы.

В первой главе – “Анализ известных методов диагностики состояния радиотехнической системы без отключения из рабочего режима” дан теоретический обзор зарубежной и отечественной научной литературы по данной тематике и сделаны выводы о приоритетных направлениях развития. Анализ методов технической диагностики показал, что сигналы, получаемые при исследовании состояния РТС можно отнести к векторными случайными процессами. С учетом перспективности применения для диагностики РТС методов статистической теории распознавания образов является актуальной задача разработки моделей сигналов, адекватных с точки зрения использования этих моделей для распознавания. Произведен анализ методов теории распознавания образов, применяемых для решения задач диагностики. Установлено, что большинство методов распознавания и способов оценки их эффективности разработаны для случая неограниченно возрастающих объемов обучающих и контрольных выборок процессов. В связи с этим, необходима разработка новых методов диагностики, ориентированных на конечное (в том числе и малое) число обучающих и контрольных выборок, т. е. методов оптимизации временных и пространственных параметров систем распознавания.

Вторая глава – “Постановка задачи диагностики и анализ структуры радиотехнической системы” посвящена вопросам постановки задачи технической диагностики, анализа структуры РТС с учётом системы диагностики её состояния. Рассматриваются вопросы схемотехнической реализации многоканальных приёмных устройств со встроенной системой диагностики состояния. Здесь же рассматриваются вопросы формирования признаковых пространств, позволяющих строить системы диагностики. Математическую модель исследуемой РТС целесообразно представить импульсной характеристикой узкополосной линейной системы. В качестве основного метода получения вектора диагностически значимых признаков предлагается корреляционный метод измерения импульсной характеристики линейной системы, суть которого в следующем:

Импульсную характеристику целесообразно получать в виде реакции y(t) исследуемой линейной системы на стационарный широкополосный шум x(t) (рис.1). На рис.1 линия задержки, схема умножения и интегратор образуют коррелометр. Процесс на его выходе будет пропорционален взаимно корреляционной функции процессов, поступающих на его вход.

Рис. 1 Структурная схема корреляционного измерителя импульсной характеристики модели линейной системы

В работе показано, что если x(t) и s2(t) статистически независимы, то рабочий сигнал s2(t) не влияет на результат измерения и может быть выбран достаточно малым. Исследуемая линейная система не выключается из работы, поэтому на её входе кроме процесса x(t) будет так же рабочий сигнал s1(t). Корреляционная связь между входным и выходным сигналами определяется при помощи соотношения Винера — Ли :

, (1)

где – автокорреляционная функция процесса (шума) на входе линейной системы, – импульсная характеристика исследуемой линейной системы, – взаимно корреляционная функция входного x(t) и выходного y(t) процессов линейной системы.

Если х(t) — широкополосный шум, имеющий равномерный спектр в полосе частот, значительно превышающей полосу пропускания исследуемой системы, то можно заменить автокорреляционную функцию шума в выражении (1) импульсной характеристикой – автокорреляционной функцией идеального “белого” шума , где – функция Дирака, – масштабный коэффициент. При этом

. (2)

Как следует из выражения (2) взаимная корреляционная функция непосредственно дает выражение для оценки импульсной характеристики . Подобные корреляционные измерения обычно можно выполнять во время нормальной работы системы. Снижение случайных помех, свойственное корреляционному методу, позволяет использовать весьма малые испытательные сигналы х(t), не нарушающие по существу нормальный режим работы системы (отношение сигнал/шум >50 дБ).

Так как предположение о нормальности распределения выходного сигнала предполагает искать систему эффективных признаков в рамках корреляционной теории, – необходимо определить автокорреляционную функцию Ryy(τ) выходного процесса y(t). Корреляционные функции выходных сигналов линейных систем могут быть определены из общего выражения, связывающего корреляционную функцию Ryy(τ) выходного сигнала y(t) и корреляционную функцию Rxx(τ) входного сигнала x(t). Учитывая, что в данном случае входной сигнал x(t) – “белый шум”, то для линейных систем с постоянными параметрами можно определить корреляционную функцию на выходе системы с точностью до постоянного множителя по её импульсной характеристике.

,

где G0 – постоянный коэффициент (спектральная плотность мощности шума в заданной полосе), h(τ) – импульсная характеристика диагностируемой линейной системы.

Так же в данной главе была рассмотрена методика оценивания параметров диагностической системы и проведено исследование возможности оптимизации временных и пространственных параметров систем распознавания. Произведен анализ существующих методов оптимизации систем распознавания. Выяснено, что в достаточной мере эти методы разработаны лишь для случая параметрической априорной неопределенности относительно закона распределения признаков. Учитывая, что анализу подвергаются процессы на выходе узкополосных линейных радиотехнических трактов, можно полагать закон их распределения нормальным.

В третьей главе – “Разработка алгоритмов параметрического распознавания состояния радиотехнической системы” приведены данные о формировании моделей сигналов различных классов для оценки значений признаков каждого класса. В качестве моделей сигналов действующих на выходе РТС предложено использовать нормальные случайные процессы с экспоненциально-косинусной автокорреляционной функцией (АКФ). Такие процессы характерны для линейных систем второго и более высоких порядков. Нарушения в работе избирательных систем, связанные с изменением по различным причинам (температура, влажность и т. д.) номиналов элементов данной системы, зачастую приводят к ухудшению избирательных свойств системы: расширению полосы пропускания, уменьшению крутизны склонов амплитудно-частотной характеристики, уменьшению соотношения сигнал/шум на выходе системы и т. д. Параметр, наиболее ёмко описывающий данный класс нарушений в работе избирательной системы является добротность. Поэтому в качестве варьируемого параметра была выбрана добротность.

Рис. 2 Амплитудно-частотные характеристики модели линейной системы по классам.

Любые изменения номиналов элементов диагностируемой системы непосредственно отражаются на форме АКФ, поэтому в качестве вектора признаков предлагается использовать вектор отсчётных значений автокорреляционной функции процессов на выходе модели линейной системы:

, (3)

где N – количество отсчётных значений h(t) импульсной характеристики линейной системы взятые с интервалом дискретизации T0.

Произведен выбор и обоснование разделяющих поверхностей решающих правил, рассмотрены возможные подходы к решению задачи выбора решающего правила и осуществлён сравнительный анализ предложенных решающих функций. На основании проведённого анализа, а так же вследствие того, что в качестве вектора признаков используются отсчётные значения автокорреляционной функции нормального случайного процесса, прошедшего через узкополосную линейную систему, в соответствии с теорией статистических решений, принято целесообразным выбрать решающее правило, эквивалентное байесовскому решающему правилу, построенному на основании критерия минимума расстояния в виде:

(4)

где i=l,2,..,M, Ci, – ковариационная матрица и вектор математического ожидания образов i-ro класса; М – число классов образов; – определитель ковариационной матрицы. Причём образ зачисляется в класс , если для него выполняется условие при всех . Для реализации решающей функции необходимо для каждого класса хранить вектор средних, ковариационную матрицу, скаляр. Ковариационная матрица Ci является симметричной и положительно полуопределённой. Её диагональный элемент ckk есть дисперсия k-го элемента вектора образов. Элемент cjk не стоящий на диагонали матриц, представляет собой корреляцию случайных переменных xj и xk. Если эти элементы статистически независимы, то элемент cjk=0. Таким образом, элементы ckk располагаемые по главной диагонали ковариационной матрицы представляют собой дисперсию к-го элемента вектора образов или иначе – значение первого отсчёта автокорреляционной функции к-го образа. Остальные (неглавные) диагонали ковариационной матрицы представляют собой последующие отсчётные значения автокорреляционных функций процессов на выходе линейной системы. Структурная схема параметрического классификатора случайных процессов представлена на рис.3.

Рис.3 Структурная схема параметрического классификатора.

Методами цифрового моделирования найдены зависимости математических ожиданий и среднеквадратических отклонений признаков от времени обучения и классификации. На основе полученных зависимостей получены оценки достаточных объемов обучающих и контрольных выборок для достижения заданных показателей качества алгоритмов классификации.

В четвёртой главе – “Исследование алгоритмов параметрической классификации с целью диагностики состояния системы” рассмотрены вопросы моделирования алгоритмов параметрической классификации на ЭВМ. В результате моделирования работы системы диагностики при классификации случайных процессов с нормальными одномерными плотностями распределения вероятностей и различными корреляционными функциями разработаны оптимальные алгоритмы, на основе которых создан комплекс программ обучения и классификации (рис. 4, рис.5), определены значения суммарных вероятностей ошибки классификации при различных объемах обучающих и контрольных выборок и различных размерах признакового пространства.

В ходе численного моделирования корреляционного метода измерения импульсной характеристики линейной системы, были получены зависимости среднеквадратического отклонения оценок нормированной импульсной характеристики при различных соотношениях (С/Ш). В качестве моделей сигналов РТС в работе рассматривались: модель непрерывного гармонического колебания, последовательность радиоимпульсов, последовательность радиоимпульсов с линейной частотной модуляцией.

В результате моделирования было показано, что корреляционный метод позволяет получать результаты измерения высокой точности и не требует при этом отключения линейной системы из работающих комплексов. Жесткому контролю были подвергнуты статистические характеристики диагностируемых процессов.

В результате моделирования численными методами оптимальных алгоритмов классификации были получены зависимости ошибок классификации от числа объектов обучения по классам (рис. 6).

Были получены оценки статистической погрешности результатов моделирования алгоритмов параметрического распознавания, построенных на решающем правиле оптимального байесовского классификатора, и определены вероятности ошибок по классам по выборкам, объём которых варьировался от 10 до 100. Определено понятие статистической погрешности цифрового моделирования работы параметрических классификаторов при решении задачи классификации случайных процессов, определены вероятности ошибок распознавания по классам (табл. 1).

Таблица 1.

	Условный класс сигналов
	1	2	3	4
	0,05	0,09	0,1	0.08

Был произведён сравнительный анализ показателей качества параметрических алгоритмов диагностики, определены границы вероятностей ошибочной классификации для алгоритма основанного на решающем правиле “1 ближайший сосед” в сравнении с алгоритмом, базирующемся на решающем правиле классификатора Байеса.

Рис. 4 Структурная схема алгоритма подпрограммы обучения диагностической системы.

Рис. 5 Структурная схема алгоритма подпрограммы классификации.

Рис. 6. Зависимости оценок суммарных вероятностей ошибок классификации от числа объектов обучения по классам

Полученные при моделировании зависимости позволяют обоснованно с точки зрения аппаратурных и временных затрат подходить к выбору количества отсчетов сигнала для формирования одного признака и объемов обучающих выборок, необходимых для классификации процессов с заданной достоверностью.

В заключении сформулированы основные научные и практические результаты работы.

Приложения к диссертации содержат комплексы программ для расчета характеристик и моделирования алгоритмов параметрической классификации случайных процессов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

1. Разработан алгоритм получения оценок диагностически значимых признаков на основе корреляционного метода измерения импульсной характеристики линейной системы.

2. Предложена методика построения признаковых пространств, позволяющая повысить вероятность правильной диагностики при использовании параметрических алгоритмов классификации.

3. Разработаны математические модели алгоритмов параметрической классификации состояния линейного тракта радиотехнической системы. Определены показатели качества разработанных алгоритмов.

4. Получены зависимости основных показателей качества разработанных алгоритмов от времени обучения, распознавания и размерности признакового пространства, позволяющие оптимизировать временные и пространственные параметры систем технической диагностики.

5. Показано, что применение корреляционного метода для получения оценок диагностически значимых признаков не требует отключения системы из работающего комплекса на период контроля.

6. Результаты численного моделирования оптимальных алгоритмов классификации показывают, что разработанный пакет программ для диагностики состояния линейных систем без их отключения из рабочего режима, может использоваться в ряде различных смежных областей, требующих решения задач встроенного контроля и диагностики состояния систем.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В РАБОТАХ:

1.  Генерирование случайных процессов с заданными статистическими характеристиками. // Материалы VIII Всероссийской научной конференции студентов и аспирантов «Техническая кибернетика, радиоэлектроника и системы управления».– Таганрог: ТРТУ, 2006 г.– с.34-35.

2.  Метод диагностики линейных систем без их отключения из работающих комплексов. // Материалы VIII Всероссийской научной конференции студентов и аспирантов «Техническая кибернетика, радиоэлектроника и системы управления».– Таганрог: ТРТУ, 2006 г.– с.35-36.

3.  Измерение импульсной переходной характеристики корреляционным методом. // Материалы международной научной конференции «Статистические методы в естественных, гуманитарных и технических науках», ч. 4.– Таганрог: Изд. «Антон», ТРТУ, 2006 г.– с.50-55.

4.  Генерирование случайных процессов с известными статистическими характеристиками. . // Материалы международной научной конференции «Статистические методы в естественных, гуманитарных и технических науках», ч. 4.– Таганрог: Изд. «Антон», ТРТУ, 2006 г.– с.55-58.

5.  Использование псевдослучайного шума при измерении импульсной характеристики линейной системы. // Материалы международной начной конференции «Проблемы развития естественных, технических и социальных систем», ч. 4.–Таганрог: Изд. «Антон», ТТИ ЮФУ, 2007 г.– с. 71-76.

6.  Измерение импульсной характеристики корреляционным методом. // Известия ТРТУ №9 специальный выпуск «Материалы LII научно-технической конференции».–Таганрог:ТРТУ, 2006 г.–с 31-32.

7.  , Сидько импульсной характеристики линейной системы в рабочем режиме.//Ежемесячный научно-технический, информационно-аналитический и учебно-методический журнал Телекоммуникации №4, 2008 г.–с. 13-17.

8.  Контроль последовательности равномерно распределённых чисел на выходе модели генератора, реализованного по схеме сдвигового регистра.// Известия ЮФУ. Технические науки №1, 2008 г.–с.30-35.

В работе [7], опубликованной в соавторстве, лично принадлежат следующие результаты: - моделирование корреляционного метода измерения импульсной характеристики линейной системы.

Соискатель

Типография Технологического института

Южного федерального университета в г. Таганроге

Таганрог, ГСП-17А, ул. Энгельса, 1.