Исследование и разработка диагностики состояния радиотехнической системы в рабочем режиме тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Сидько, Иван Владимирович

• Сидько, Иван Владимирович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Сидько, Иван Владимирович

ВВЕДЕНИЕ

1. АНАЛИЗ ИЗВЕСТНЫХ МЕТОДОВ ДИАГНОСТИКИ СОСТОЯНИЯ РАДИОТЕХНИЧЕЧСКОЙ СИСТЕМЫ БЕЗ ОТКЛЮЧЕНИЯ ИЗ РАБОЧЕГО РЕЖИМА.

1.1. Известные методы диагностики состояния, нарамстрнмсское оценивание

1.2. Модели сигналов используемых при диагностических исследованиях для предварительного обучения системы диагностики

1.3. Анализ методов теории распознавания образов, применяемых для решения задач диагностики

1.4. Методы распознавания, основанные на теории статистических решений

Выводы по материалам первой главы

2. ПОСТАНОВКА ЗАДАЧИ ДИАГНОСТИКИ II АНАЛИЗ СТРУКТУРЫ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ.

2.1. Постановка задачи диагностики

2.2. Анализ структуры радиотехнической системы с учётом системы диагностики сё состояния

2.3. Рассмотрение методики оценивания параметров системы диагностики

2.4. Вопросы оптимизации временных и пространственных параметров диагностической системы

Выводы но материалам второй главы

3. РАЗРАБОТКА АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОГО РАСПОЗНАВАНИЯ СОСТОЯНИЯ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ.

3.1. Формирование моделей сигналов различных классов для оценки значений признаков каждого класса

3.2. Выбор вектора признаков для распознавания состояния системы

3.3. Выбор и обоснование разделяющих поверхностен и решающих правил

3.4. Исследование влияния размерности вектора признаков па эффективность классификации

Выводы по материалам третьей главы

4. ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОЙ КЛАССИФИКАЦИИ С ЦЕЛЬЮ ДИАГНОСТИКИ СОСТОЯНИЯ СИСТЕМЫ.

4.1. Методы моделирования устройств обработки сигналов

4.2. Моделирование работы систсмы диагностики

4.3. Моделирование алгоритмов параметрического распознавания

4.4. Сравнительный анализ показателен качества алгоритмов параметрической классификации

4.5. Оценка статистической погрешности результатов моделирования

Введение диссертации (часть автореферата) на тему «Исследование и разработка диагностики состояния радиотехнической системы в рабочем режиме»

В настоящее время возникает необходимость в разработке простых, эффективных и достаточно надежных методов диагностики (распознавания) объектов и систем по текущей информации о выходных сигналах. Это сводится к выбору определяющих параметров-признаков, подлежащих измерению и контролю, и методов обработки полученной информации.

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 РК возникает 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, использующее принцип разделения во времени режимов работы и измерения (контроля), отражённые в работах В.А.Долгова, А.С.Касаткина, В.Н.Сретенского, В.Д. Кудрицкого 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 сё 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.

Прастическая 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 Ы1 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 упфъъпыит"«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, включает 36 рисунков, 7 таблиц, список литературы из 115 наименований и 4 приложений.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Сидько, Иван Владимирович

Выводы по материалам четвёртой главы

В результате моделирования работы классификаторов, при классификации случайных процессов с нормальными одномерными плотностями распределения вероятностей и различными корреляционными функциями определены значения суммарных вероятностей ошибок классификации при различных объемах обучающих и контрольных выборок, различных размеров признакового пространства и различном количестве объектов обучения.

Осуществлено моделирование корреляционного метода измерения импульсной характеристики линейной системы. Установлено, что статистическая погрешность измерения нормированной импульсной характеристики не превышает 3%, методическая погрешность составляет порядка 2%. Измерения импульсной характеристики производилось по 96000 точек, частота дискретизации 48 кГц.

Произведен сравнительный анализ показателей качества предложенного и известного алгоритма параметрической классификации. Были установлены теоретические пределы вероятности ошибки 1-БС правила в сравнении с вероятностью ошибки Байесовского правила. Байесовская вероятность ошибки — наименьшая. Ошибка 1-БС правила превышает ошибку Байесовского правила не более, чем в 2 раза, что подтверждают результаты численного моделирования. Практическим неудобством в реализации 1-БС правила является то, что для достижения указанных границ необходимо сохранять в памяти большое количество образов, о которых известно принадлежность их некоторому классу. Кроме того, при осуществлении классификации необходимо вычислять расстояние между каждым классифицируемым образом и всеми образами, хранящимися в памяти системы, что существенно ■ сказывается на вычислительных затратах.

Определены понятия и численные значения статистической погрешности моделирования работы диагностической системы при решении задачи классификации объектов наблюдения.

Алгоритм классификации эффективно работает при объёмах обучающей выборки признаков , начиная от 10.20, при однократной процедуре предъявления контрольной выборки. Увеличение размерности вектора признаков приводит к уменьшению вероятности ошибки, однако более эффективным способом снижения вероятности ошибочной классификации является повышение количества векторов признаков, по которым принимается решение.

Результаты численного моделирования показывают, что разработанный комплекс программ может иметь область применения, выходящую за рамки исследования диагностических сигналов РТС. Разработанные алгоритмы могут быть использованы при построении любых диагностических систем, где объектом исследований являются нормально распределённые шумоподобные сигналы.

ЗАКЛЮЧЕНИЕ

В диссертационной работе рассмотрен комплекс теоретических и практических вопросов связанных с построением признаковых пространств, выбором оптимальных решающих правил классификаторов состояния линейных систем. Основную научную и практическую новизну имеют результаты моделирования корреляционного метода измерения импульсной характеристики линейной системы, подтвердившие возможность получения оценок вектора диагностически значимых признаков, при этом показавшие, что на данные оценки не оказывает влияния стационарный аддитивный сигнал, действующий на входе системы; результаты оптимизации временных и пространственных параметров диагностической системы имеют высокую научную и практическую ценность.

В работе получен ряд результатов:

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.

Список литературы диссертационного исследования кандидат технических наук Сидько, Иван Владимирович, 2008 год

1. Миленький A.B. Классификация сигналов в условиях неопределенности (Статистические методы самообучения в распознавании образов). М.: Сов. радио, 1975. — 328 с.

2. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.-132 с.

3. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы обучения). -М.:Наука, 1975. — 416 с.

4. Шибанов Г.И. Распознавание в системах автоконтроля. М.: Машиностроениеие, 1973. - 424 с.

5. Дружинин В.В., Конторов Д.С. Проблемы системологии. М.: Сов. радио, 1976.-350 с.

6. Сенин А.Г. Распознавание случайных сигналов. Новосибирск: Наука. Сибирское отделение, 1974. - 76 с. •

7. Васильев В.И. Распознающие системы: Справочник. 2-е изд., перераб. и доп. Киев: Наукова думка, 1983. — 423 с.

8. Фу К. Структурные методы в распознавании образов / Пер. с англ. Под ред. М.А. Айзермана. М.: Наука, 1977. — 319 с.

9. Журавлев Ю.И. Непараметрические задачи распознавания образов //Кибернетика. 1986. №6. С. 83 103.

10. Леман Э. Проверка статистических гипотез / Пер. с англ. Под ред. Ю.В.Прохорова. М.: Наука, 1979. - 408 с.34 .Биргер И. А. Техническая диагностика. — М.: Машиностроение, 1978. -240 с.

11. Голуб Дж., Ван Лоун Ч. Матричные вычисления: Пер. с англ. — М.: Мир,1999.-548 с.

12. Айвазян С. А., Ешоков И.С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных: Справ изд. М.:Финансы и статистика, 1983. - 471 с.

13. Исакссон А., Веннберг А., Зеттерберг Л. Машинный анализ ЭЭГ-сигналов на основе параметрических моделей. ТИИЭР. 1981. Т. 61. № 4. С.55 - 68

14. Корн Г. Электронные аналоговые и аналого-цифровыевычислительные машины. М.: Мир, 1967. - С. 239-245

15. Рубичев H.A. Оценка и измерение искажений радиосигналов. М.:

16. Советское радио, 1978.-С. 15-25.43 .Распознавание образов: Теория и приложения. М.: Наука, 1977. 128 с.4 4. Моисеев H.H., Иванилов IO.JL, Столярова Е.М. Методы оптимизации. М.: Наука, 1978. - 352 с.

17. Гладкий B.C. Вероятностные вычислительные модели. М.: Наука, 1973.-300 с.

18. Колмогоров А.Н. Основные понятия теории вероятностей. 3- изд. -М.:1. ФАЗИС, 1998.- 144с.

19. Мелешкин С.Н. Алгоритм экспериментальной оценки качества регрессионных зависимостей. 11 Материалы международной научной конференции «Оптимальные методы решения научных и практических задач», ч. 2.-Таганрог: Изд-во Антон, ТРТУ, 2005. с. 47-52.

20. Фомин В.Н. Математическая теория обучаемых опознающих систем. -Л.: Изд-во ЛГУ, 1976. 235 с.5 4. Омельченко В.А. Основы спектральной теории распознавания сигналов.-Харьков: Вища школа, 1983. 159 с.

21. Мирский Г.Я. Аппаратурное определение характеристик случайных процессов. Изд. 2-е перераб. и доп. — М.: Энергия, 1972. — 456 с.

22. Бб.Цыпкин Я.З. Основы теории обучающихся систем. М.:Наука,1970.- 252с.

23. Завьялов Ю.С., Квасов Б.И., Мирошниченко В.Л., Методы сплайн-функций. -М.: Наука, 1980, 352 с.58 .Мартынов Н. Н. Введение в MatLab 6.-М.: КУДИЦ-ОБРАЗ, 2002. -352 с.

24. Ануфриев И.Е. Самоучитель MatLaB 5.3/б.х-СПб.: БХВ-Петербург, 2004.-736с.60 .Вентцель Е. С. Теория вероятностей: Учеб для вузов.—7-е изд. стер. — М.: Высш. шк,, 2002. 575 с.

25. Галустов Г. Г. Моделирование случайных процессов и оценивание их статистических характеристик. М.: Радио и связь. 1999. — 119 с.

26. Патрик Э. Основы теории распознавания образов. — М.: Сов.радио. 1980-408 с.

27. Разумный В.М. Оценка параметров автоматического контроля — М.: Энергия, 1975-80 с.

28. Кривицкий Б.Х Автоматические системы радиотехнических устройств.-М.: Энергоиздат, 1962.-664с.

29. Пестряков В.Б., Афанасьев В.П. и др. Шумоподобные сигналы в системах передачи информации-М.: Сов. Радио, 1973. -424с.

30. Шибанов Г.П., Артеменко А.Е. и др. Контроль функционирования больших систем. М.: Машиностроение, 1977. - 360с.

31. Баумгарт В.Ф. Автоматизация контроля радиоприёмников. М.: Связь 1970.-84 с.

32. Быков В.В. Цифровое моделирование в статистической радиотехнике. -М: Сов. Радио, 1971.-328 с.72 .Галустов Г.Г. Укрупнение описания случайных процессов с целью их классификации// "Вопросы медицинской электроники". —, Вып.6. Таганрог, 1986.-С. 57-62.

33. Бакалов В.П. Цифровое моделирование случайных процессов. М.: САЙНС-ПРЕСС, 2002. - 88с: ил.7 6.Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. — М.: Радио и связь, 1988. 128с.

34. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы -М.'Лаборатория Базовых Знаний, 2000. 624 с: ил.

35. Бусленко Н.П. Моделирование сложных систем. М. Наука, 1988. -132 с.

36. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. радио, 1973. - 440 с.

37. Житецкий J1.C, Файзенберг J1.C. Об информационном подходе к оценкеполезности признаков при статистическом распознавании образов //Техническаякибернетика. 1983. №4-С. 120.

38. Каханер Д., Моулер К., Нэш С. Численные методы и программное обеспечение: Пер. с англ. Изд. второе, стереотип. - М.: Мир, 2001. - 575 с.

39. Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования. Д.: Энергия, 1980. - 108 с.

40. Клиот-Дашинский М.И. Алгебра матриц и векторов. Учебники для вузов. Специальная литература 3-е изд., стер. — СПб.: Изд-во Лань, 2001. — 160 е.91 .Колмогоров А.Н., Фомин СВ. Элементы теории функций и функционального анализа. -М.: Наука, 1981. 543 с.

41. Крамер Г. Математические методы статистики. Пер. с англ. A.C. Монини и A.A. Петрова под ред. академика А.Н. Колмогорова. Изд. 2-е, стереотипное. -М.: Мир, 1976. 648 с.

42. Корн Г. Моделирование случайных процессов на аналоговых и аналого-цифровых машинах. Пер. с англ. Е.В. Доброва и И.Б.Гуревича под ред.В.П. Яковлева. М.: Мир, 1968. - 298 с.

43. Миллер Б.М., Панков А.Р. Теория случайных процессов в примерах и задачах. М.: Физматлит, 2002. - 320 с.

44. Мирский Г.Я. Характеристики стохастической взаимосвязи и их измерения. М.: Энергоиздат, 1982. - 320 с.

45. Пугачев B.C. Теория вероятностей и математическая статистика: Учеб. пособие. 2-е изд. испр. и дополн. - М.: ФИЗМАТЛИТ, 2002. - 496 с.

46. Пугачев B.C. Теория случайных функций. -М.: Физматгиз, 1962. — 884 с.

47. Пугачев B.C., Синицын И.Н. Теория стохастических систем: Учеб. Пособие. М : Логос, 2000. - 1000 с.

48. Фомин Я.А., Савич A.B. Оптимизация системы распознавания многомерных нормальных совокупностей // Радиотехника. 1985. Т.40. №12. С.8-11.

49. ИЗ.Элиенс Антон. Принципы объектно-ориентированной разработкипрограмм. 2-е издание. : Пер. с англ. М. : Вильяме, 2002. - 496 с. ил. -Парал. тит. англ.

50. Rogowitz В., Treinish L. Data visualization: the end of the rainbow. IEEE