Цифровой контроль тенденций изменения сенсорных параметров в интеллектуальных системах

Текущие состояния мехатронных систем и состояния объектов управления в каждом цикле функционирования обычно оцениваются с помощью набора значений контролируемых параметров, которые формируются измерительными трактами системы на основании сигналов сенсоров. В настоящее время в мехатронике широко применяются методы анализа трендов изменения системных параметров и контроля их нахождения в границах предупредительных и аварийных интервалов. Однако это обеспечивает выявление фактов развития уже сформировавшихся негативных тенденций, когда требуется незамедлительное принятие экстренных управленческих решений и технических мер по предотвращению аварийных ситуаций. Более эффективное управление может быть реализовано при ранней оценке динамики развития событий, что крайне важно для мехатронных систем, в которых имеет место сравнительно быстрое протекание системных процессов. В связи с этим рассмотрено циклическое использование трехшагового процесса непрерывного динамического отслеживания временных рядов контролируемых параметров и применение аппарата нечеткой логики c кодовой фаззификацией для принятия оперативных решений о выявлении негативной направленности трендов на каждом из пяти последовательных интервалов наблюдения. Выработка в мехатронной системе решений об устойчивости нарастания или убывания отдельных параметрических трендов или о наличии трендовых флэтов может осуществляться с помощью конечного набора продукционных правил, которые образуют последовательную структуру логических выводов. В логическом отношении наиболее просто процедуры отслеживания миграций параметров и продукционные правила выработки решений реализуются на процессорах, которые поддерживают операции с плавающей точкой и логические поразрядные операции.

интеллектуальная система, сенсорный контроль, цифровое управление, миграция параметров, тренд краткосрочный, intelligent system, sensor control, digital control, migration of parameters, short-term trend

1. Тихонов В. И., Харисов В. Н. Статистический анализ и синтез радиотехнических устройств. M.: Радио и связь, 1991.

2. Фомин В. Н. Рекуррентное оценивание и адаптивные фильтры. М.: Наука, 1984.

3. Willski A. S. A survey of design methods for dynamical systems // Automatic Journal of IFAC. 1976. Vol. 12, N. 6. P. 601-611.

4. Sastri T., Flores B., Valdes J. Detection points of change in time series // Computers and Operations Research. 1989. Vol. 16, N. 3. P. 271-273.

5. Szeliski R. Computer Vision Algorithms and Applications. Washington: Springer, 2011.

6. Постон Р., Стюарт И. Теория катастроф и ее приложения. М.: Мир, 1980.

7. Арнольд В. И. Теория катастроф. М.: Наука, 1990.

8. Том Р. Структурная устойчивость и морфогенез. М.: Логос, 2002.

9. Gilmore R. Catastrophe Theory for Scientists and Engineers. N. Y.: Dover, 1993.

10. Карибский В. В., Пахоменко П. П., Согомонян Е. С., Халчев В. Ф. Основы технической диагностики. М.: Энергия, 1976.

11. Питерс Т., Барлетта М. Основы. Тренды. СПб.: Издательство Стокгольмской школы экономики в С.-Петербурге, 2006.

12. Мэрфи Д. Технический анализ фьючерсных рынков. М.: Альпина Паблишер, 2011.

13. Вентцель Е. С. Теория вероятностей. М.: Наука, 1969.

14. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976.

15. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия, 2007.