Спосіб адаптивної селекції об’єктів

Винахід відноситься до автоматики, зокрема до способів селекції об'єктів управління, і може бути використаний в адаптивних системах та системах ідентифікації технологічних, хімічних, електричних та інших об'єктів. Відомий "Способ спектрального анализа случайных сигналов и устройство его осуществления" за а.с. №1803880, МПК5 G01R 23/16, бюл. №11, 1993р., де для аналізу спектра використовується швидке перетворення Фур'є. Приведений винахід не дозволяє встановлювати точне частотно-часове положення змін в сигналі, як наслідок, - фронт зміни досліджуваного зразка виявляється "розмазаним" у спектрі. Найбільш близьким за технічним спрямуванням і прийнятий за прототип є "спосіб селекції об'єктів" за патентом UA 47843 А, бюл. №7, 2002р., МПК6 G06K 9/00, який включає вплив на об'єкт селекції вхідними сигналами, виділення значень інтегрованих сигналів на момент початку й закінчення заданих інтервалів часу селекції з наступним визначенням сигналу селекції для кожного об'єкта і їх порівняння. Недоліками приведених способів є: селекція об'єкта відбувається при активному впливі на об'єкт додаткових управляючих сигналів, що можуть спричиняти негативний вплив на систему; недостатній інформаційний базис для стійкої роботи системи розпізнавання при застосуванні до нелінійних залежностей із швидкою динамікою міжпараметричних зв'язків. В основу винаходу було покладено задачу розширення спектра використання та покращенню вибіркової здатності способу селекції об'єктів. Поставлена задача вирішується тим, що виділяються значення інтегрованих сигналів з наступним визначенням сигналу селекції для кожного об'єкту. Згідно з винаходом послідовності даних по входу та виходу об'єкта сегментуються за даними про час запізнення в досліджуваних каналах, подані у вигляді перетвореного, в ортогональному базисі, за обраною сплеск-функцією обробки та домінуючою частотою вхідного сигналу, для перетворення вихідного сигналу, спектри представляються за поведінкою у часі та підлягають аналізу, опрацьовані представлення подаються у компаратор для визначення конструкції та параметрів моделі, а визначений час запізнення в каналі передається на сегментацію. Причинно-наслідковий зв'язок між ознаками, що пропонується і результатом, що очікується наступний. Використовується пасивне спостереження за вхід-вихідними сигналами об'єкта з подальшим їх поділом за часом Tc на інформаційні блоки, причому Tc > Tmax ( Tc -час спостереження, Tmax - максимально можливе значення запізнення об'єкту, що встановлюється, попередньо, дослідником та коригується під час роботи системи розпізнавання T3 ). Такий підхід запобігає негативному впливу на об'єкт, що спричинюється контрольними сигналами активної ідентифікації і не може бути використаний при проведені оперативної ідентифікації під час функціонування технологічних об'єктів. За зазначених умов функціонування системи досить важливо вчасно визначити функцію відгуку на виході об'єкта. Отже робота блоку селекції починається із перевищенням встановленого, відповідно до точності використаного обладнання, значення максимальної дисперсії ID навколо значення середньої математичної сигналу спостереження. Використовуємо той факт, що при роботі замкненої системи регулювання (спробі вийти на задане значення) на вхід, за керуванням, поступає сигнал подібний "білому шуму" (велика амплітуда зменшується, а частота зміни знаку керуючого діяння зростає ). Задіюючи алгоритм лише на час, потрібний для проведення оперативної ідентифікації, - отримуємо економію апаратних ресурсів системи. Вхідні Ui та вихідні X i , сигнали підлягають розкладу у ортогональному базисі локально орієнтованих сплескфункцій W, що попередньо містяться в базі функцій перетворення (БДП) та обираються за здатністю опису сигналів будь-якої форми. Згадана властивість функцій оцінюється за критерієм негентропії IH розподілу послідовності вхідних сигналів Ui , у базисі обраної функції. Такий метод буде в даному випадку оптимальним для використання на ділянці вибору базисної функції, з точки зору швидкості підрахунків. За максимумом IH визначається і домінуюча частота f¶ відносно якої буде проводитись пошук відображення сигналу Ui ,у спектрі сигналу X i . Дані про обрану функцію перетворення W обр та f¶ передається у блок обробки (БОС) вихідного сигналу X i . Блок БОС вихідних сигналів, використовуючи функцію W обр, починає аналізувати перетворенні спектральні лінії, орієнтуючись: від послідовності на частоті f¶ ; поведінки енергетичного рівня сигнальних відліків на всіх лініях спектру. У порівнянні перемагає спектральна лінія з частотою f ³ f ¶ та максимальною кількістю енергетичних перетворень на лінії спектру у послідовності вихідних сигналів X i , корельованих із перетвореннями у спектрі послідовностей вхідних сигналів Ui . Перехід f¶ ® fгх ( fгх : - головна частота вихідного спектра, де була визначена присутність основної енергії сигналу Ui ) змінює частотні характеристики моделі представленого об'єкта. Відношення миттєвих енергетичних рівнів сигналу f¶ (для Ui ) та fгх (для X i ) дає оцінку коефіцієнту підсилення досліджуваного каналу у визначений момент часу. Ортогональний базис відомої функції створить неявний інформаційний простір, що забезпечить алгоритму розпізнавання додаткової стійкості та зменшить кількість помилок на етапі розпізнавання. Оцінка поведінки спектральних змін X i по відношенню до Ui дає представлення про конструкцію моделі об'єкта (КМО) та в подальшому визначає підстави для відокремлення еталон моделі. Спосіб здійснюється таким чином: Приклад використання №1 Досліджуємо процес, що неперервний у часі, математичний опис якого неможливий, використанням лінійних залежностей, параметри процесу - нестаціонарні. За наявністю початкових даних об'єкт відповідає визначенню "чорний ящик". Нормальний хід процесу, коли система регулювання "справляється" із завданням підтримання встановленої точності регулювання, - система селекції не працює. З часом (а об'єкт є нестаціонарним) спрацьовує умова: за великою дисперсією вихідної змінної, - вмикається система селекції. Сегментатор, отримуючи дані з датчиків, відрізає вибірки вхідних та вихідних сигналів у вигляді часових послідовностей. Блок БОС представляє ці послідовності у вигляді спектрів, вибравши при цьому за базисну функцію - сплеск-функцію W обр із БФП. Далі спектральні вибірки потрапляють у БАС (блок аналізу спектрів), де послідовності n ліній спектрів сегментуються AL i за ізоведінкою у дискретних координатах часу k , з подальшим кодуванням. Отримані образи порівнюються у компараторі. За даними компаратора коригується конструкція моделі, визначаються передаточні коефіцієнти та час транспортного запізнення в досліджуваному каналі. Приклад використання №2 Досліджуємо процес, що має швидкий рух міжпараметричних залежностей (хімікотехнологічний процес). Система не має можливості контролювати всі характеристики середовища, що відповідають за нормальний хід процесу. В даному випадку пропонується чітко слідкувати за співвідношенням технологічних змінних та їх впливом на результат, до того ж як на сукупний, так і окремий, що залежить від дії кожної вхідної величини у визначений момент процесу. Сегментатор, отримуючи дані з датчиків, відрізає вибірки вхідних та вихідних сигналів у вигляді часових послідовностей. Блок БОС представляє ці послідовності у вигляді спектрів, вибравши при цьому за базисну функцію - сплеск-функцію W обр з БФП. Далі спектральні вибірки потрапляють у БАС (блок аналізу спектрів), де послідовності n ліній спектрів сегментуються AL i за поведінкою у дискретних координатах часу k , з подальшим кодуванням. Отримані образи порівнюються у компараторі. За даними компаратора коригується конструкція моделі, визначаються відповідні міжпараметричні залежності. Висновок: спосіб має розширений спектр використання завдяки збільшенню інформаційного базису, покращенням вибіркової здатності, що у свою чергу гарантує підвищення точності роботи автоматизованих систем.