Автоматизация физических экспериментов на тритиевых комплексах исследовательских установок «Тритон», «Акулина» и «Прометей» (стр. 6 )

Рис.9. Модель взаимодействия потоков визуализации и управления в пакете CRW-DAQ.

При реализации графического интерфейса (Рис.9) целью ставилась в первую очередь быстрая реакция программы на события в системе управления в реальном времени. Поэтому все окна (консоли, мнемосхемы, таблицы, графики кривых) оптимизированы для работы в многопоточном режиме и не влияют на работу высокоприоритетных измерительных потоков. Для этого поток визуализации и измерительные потоки изолированы друг от друга и взаимодействуют не прямо, а только через промежуточный компонент – тщательно оптимизированную и хорошо защищенную базу данных реального времени RTDB, содержащую общие для потоков данные (теги, кривые, FIFO буферы). Сбор данных и управление идет в измерительных потоках с высоким приоритетом и периодом опроса ~1÷10 мс, данные записываются в RTDB. Для обновления изображения применяется низкоприоритетный поток с таймером ~55 мс, выбранным исходя из типичного времени реакции человека. Это снижает взаимное влияние потоков до минимума.

Главным достоинством такой организации GUI является независимость потоков друг от друга, позволяющая измерительным потокам с высоким приоритетом вытеснять низкоприоритетные потоки визуализации, когда потребуется, что необходимо для задач управления в реальном времени.

2.4.2.2.  Компоненты для математического анализа данных

Одним из необходимых инструментов физика-экспериментатора являются средства цифровой фильтрации и сглаживания, так как измеренные данные обычно дискретны по времени и амплитуде, зашумлены и искажены помехами.

Для online обработки измеряемых данных в реальном времени, а также для offline обработки измеренных данных в интерактивном режиме в пакете разработан компонент CRW Math (Рис.5). Он содержит математические библиотеки, программные интерфейсы, а также графически-ориентированные средства для математического анализа измеренных данных, фильтрации, сглаживания, импорта и экспорта данных в стандартные математические пакеты (Excel, Origin и т. д.).

Пусть имеется массив измеренных данных,, дающий дискретное приближение к неизвестной зависимости . Измеренный сигнал обычно содержит помехи (электромагнитные наводки, электронный шум, квантование по амплитуде и т. д.), поэтому его можно представить в виде

,

(

2

)

где - обобщенная ошибка, включающая все виды помех.

Восстановление сигнала (2) с помехами является некорректной задачей, разрешимой лишь при наличии дополнительной априорной информации о нем. Это может быть параметрическая модель, когда искомая кривая подгоняется модельной функцией с обобщенным параметром , или общие свойства сигнала: непрерывность, монотонность и т. д. Соответственно методы сглаживания делятся на параметрические, требующие аналитической модели зависимости , и непараметрические, использующие лишь качественную информацию о сигнале.

Задачу сглаживания можно сформулировать как процедуру получения устойчивой по отношению к помехам оценки значения в произвольной точке с помощью некоторого метода с обобщенным параметром , которая с одной стороны удовлетворяет априорной информации о сигнале, а с другой наиболее близка к измеренным данным. В частности, делая оценки в узловых точках , получаем сглаженный массив . В качестве критерия близости к измеренным данным берется, например, невязка

(

3

)

т. е. взвешенная сумма квадратов отклонений с некоторыми весами . Таким образом, при сглаживании всегда присутствует компромисс между априорной (теоретической) и апостериорной (экспериментальной) информацией о сигнале.

Задачи управления связаны с выработкой сигналов управления в петле обратной связи на основе оценки . Они требуют обработки в режиме online, в реальном времени, и это накладывает на методы обработки особые требования.

Своевременность оценки требует, чтобы она получалась за предсказуемое, ограниченное время, чтобы АСКУ успела вовремя выдать управляющий сигнал. Некоторые итеративные методы не имеют предсказуемого времени расчета.

Однозначность оценки требует, чтобы метод давал единственную оценку, иначе система управления не сможет выработать реакцию. Например, метод наименьших квадратов (МНК), может давать несколько решений (локальных минимумов), поэтому может оказаться непригодным для задач управления.

Надежность оценки требует гарантии получения разумного значения при любых, даже сильно поврежденных входных данных, т. к. АСКУ в любом случае обязана выработать какой-то сигнал управления. Некоторые итеративные методы ненадежны, т. к. итерации могут не сходиться.

Оценка должна выполняться на основании выборки , которая может быть ограничена причинно и исторически. Причинное ограничение связано с тем, что при получении оценки в момент доступны только прошлые по времени данные, а не вся зависимость, как в offline режиме. Будущие измерения еще не выполнены, поэтому выборка может содержать только данные о прошлом:

:

(

4

)

Историческое ограничение возникает, если из-за недостатка времени или памяти для обработки доступен только небольшой объем данных не более точек:

:

(

5

)

Выборки в задачах управления часто расположены на случайной сетке, когда условие постоянства шага по времени не соблюдается:

(

6

)

Так, неравномерность поступления данных наблюдается в распределенных АСКУ, где измерения идут на нескольких независимых компьютерах или контроллерах, а измеренные данные поступают по сети Ethernet, RS-232, RS-485, CAN и т. д. Неравномерность сетки ограничивает применение таких методов, как цифровые фильтры или wavelet анализ, рассчитанных на постоянную сетку по времени.

В то же время выборки в измерительных задачах практически всегда монотонны по времени, т. е. содержат упорядоченные по абсциссе данные:

(

7

)

так как они получены в реальном времени, в ряде последовательных измерений. Это позволяет применять процедуры быстрого двоичного поиска в массивах данных, что резко ускоряет вычисления.

Указанные особенности обработки данных в реальном времени сильно повлияли на выбор алгоритмов, включенных в пакет CRW-DAQ.

Для использования параметрических методов сглаживания в пакете CRW-DAQ реализована библиотека функций минимизации по МНК для линейных и нелинейных моделей. Он относится к нелокальным, нелинейным параметрическим методам, может работать с данными на случайной сетке. В качестве оценки принимается значение , где искомый параметр находится процедурой минимизации функции невязки в виде взвешенной суммы квадратов: