Технические средства метрологических поверок
Имеются два основных пути реализации поверок, проводимых в целях установления соответствия характеристик поверяемой системы метрологическим нормам. Первый путь – путь а на рис. 27 связан с использованием для поверки калибраторов, формирующих образцовые сигналы, подаваемые на вход контролируемой ИИС.
Второй путь – путь б на рис. 27 предусматривает применение образцовых приборов или преобразователей для измерения сигналов, подаваемых на вход контролируемой ИИС, и сравнения результатов измерения, полученных образцовыми средствами измерения и поверяемой ИС.
Рис. 27. Структурная схема автоматизированной испытательной системы с устройством формирования образцовых сигналов (а) или образцовым прибором (б)
Технические средства метрологической поверки могут быть внешними (автономными) по отношению к поверяемым ИС и встроенными в них.
Наличие специализированных и встроенных образцовых средств дает возможность выполнения метрологической аттестации ИИС на месте эксплуатации, ее периодических поверок, а иногда поверок в процессе эксплуатации, накопления и анализа метрологической информации и в конечном счете поддержания характеристик ИС на установленном метрологическом уровне.
16. Оценка эффективности ИИС
Критерии оценки технической эффективности
При разработке технического задания и технического предложения на проектируемую ИИС нужно, чтобы были определены критерии оценки эффективности работы системы и их конкретные значения. Под технической эффективностью понимается степень приспособленности средств информационной техники к выполнению поставленных задач (функций).
|
|
|
Эффективность оценивается критериями, или показателями, эффективности. Выбор конкретных критериев эффективности зависит от назначения системы и требований, предъявляемых к ней.
Критерий эффективности должен:
· отражать основное назначение системы;
· быть критичен по отношению к параметрам системы, позволяющим его варьировать;
· обладать определенной конструктивностью, позволяющей относительно просто определять его численное значение для системы;
· быть достаточно универсальным, позволять сравнивать эффективность систем одного назначения и выбирать наилучший вариант.
При выборе критерия необходимо всесторонне взвешивать назначение системы, ее взаимосвязь с другими частями, если система не автономна, последствия того или иного выбора критерия.
В общем виде критерием эффективности ИИС является функционал
где Х=(х1, х2, …, хn) – вектор, характеризующий параметры системы, которыми можно управлять, а следовательно, изменять численное значение критерия; Y=(y1, y2,…,yn) – вектор параметров системы, не поддающихся управлению, но влияющих на значение критерия эффективности.
|
|
|
Значение критерия определяется алгоритмическими, структурными, схемными и конструктивными решениями системы, а также условиями применения.
Число параметров, влияющих на критерий эффективности, может быть очень велико. Но для конкретного варианта системы лишь некоторые из них в значительной мере изменяют критерий, а большая часть влияет относительно слабо или почти не влияет. Для упрощения исследования необходимо выбирать минимальное число параметров, т.е. ограничиться только существенными.
Если критерием является точность ИИС, то управляемыми переменными (параметрами) могут быть коэффициенты передачи отдельных частей системы, число уровней квантования, полоса пропускания, коэффициенты обратной связи, постоянные времени и т.д. Неуправляемыми параметрами, влияющими на точность системы, являются окружающие условия: температура, влажность, уровень помех, радиация и др.
Конкретное выделение параметров, в особенности управляемых, зависит от степени детализации модели системы.
|
|
|
Большинство из управляемых параметров может быть изменено только в определенных пределах. Неуправляемые параметры полезно разделить на 3 группы:
1. фиксированные, значения которых известны, но изменяться не могут;
2. случайные параметры, законы распределения которых известны;
3. неопределенные случайные параметры, для которых известны только области изменения, но неизвестны законы распределения вероятностей.
Фиксированные факторы для конкретной системы можно не учитывать. Если согласно проведенному выше разделению обозначить через YI вектор случайных неуправляемых параметров, законы распределения которых известны, а через YII – вектор неопределенных случайных параметров, то выражение для u можно переписать в виде
Оно может использоваться для оценки эффективности проектируемых и функционирующих систем.
Обобщенным критерием эффективности называется критерий, измеряющий общую эффективность системы в целом.
Частный критерий эффективности характеризует отдельную сторону системы. Он совпадает с той или иной характеристикой системы – точности, быстродействия, надежности и т.д. Система, оптимальная по одному из частных критериев, может оказаться далеко не оптимальной по другим критериям. При проектировании систем необходимо стремиться не к экстремальному значению какой-либо частной характеристики, а к общей оптимальности системы, т.е. к экстремуму обобщенного критерия.
|
|
|
Обобщенный критерий, очевидно, является функцией частных критериев:
Кроме того, обобщенный критерий в некоторых задачах можно представить как функционал от соответствующих управляемых и неуправляемых параметров системы. При этом особой необходимости введения частных критериев нет.
Как обобщенные, так и частные критерии могут быть качественными и количественными.
Качественный критерий характеризует, достигнута или не достигнута цель (эффект), поставленная перед системой. Этот критерий эффективности можно трактовать как принимающий только 2 значения: 1 – если цель достигнута, 0 – в противоположном случае.
Количественный критерий есть некоторая величина, характеризующая выполнение системой ее функций. Этот критерий принимает непрерывный или дискретный ряд значений. Примерами количественных критериев являются максимальная или средняя квадратическая ошибка, быстродействие, достоверность контроля, вероятность выполнения задачи в определенные интервалы времени и др.
Помимо такого разделения критериев можно еще указать так называемый условный критерий. Условным называют критерий, вычисляемый в предположении, что произошли какие-либо события или приняли определенные значения случайные величины, влияющие на критерий эффективности. Условные критерии чаще всего используются в задачах исследования надежности сложных технических систем. Безусловный критерий определяется как математическое ожидание условного.
До сих пор рассматривались критерии эффективности, характеризующие систему в целом. Для системы, состоящей из l подсистем (частей), общий (суммарный) критерий может определяться через критерии отдельных подсистем u(i) как
где 
причем X(i) – вектор управляемых параметров i-ой подсистемы, Y(i) – вектор неуправляемых параметров i-ой подсистемы.
Критерий эффективности системы в общем случае зависит не только от управляемых и неуправляемых параметров с известными законами распределения, но и от неопределенных неуправляемых параметров (факторов). По этой причине в ряде случаев нельзя найти даже статистические характеристики критерия и возникает статистическая неопределенность в нахождении его числовых значений.
Как правило, неопределенные факторы игнорируются и задачи вычисления критериев рассматриваются в детерминированной либо в статистической постановке. В детерминированной постановке каждому варианту системы с выбранной структурой и параметрами ставится в соответствие единственное значение критерия. В статистической постановке выбранному варианту соответствует значение критерия с определенной вероятностью; в этом случае говорят также о риске, возникающем из-за статистического характера неуправляемых параметров. В обеих этих постановках неопределенные факторы не учитываются, в критерий эффективности принимает более простой вид
Цена этого упрощения – неточное вычисление истинного значения критерия. В правильно сформулированной модели должны учитываться все существующие неопределенные факторы.
Неопределенные факторы можно разделить на 2 подгруппы:
· факторы, появляющиеся из-за недостаточной изученности каких-либо процессов и величин; в теории исследования операций такие неопределенности называют природными;
· неопределенности, заключающиеся в неточном знании некоторых параметров критерия эффективности.
Примером первой подгруппы неопределенных факторов являются неопределенности в законах распределения вероятностей помех, параметров вибраций, радиационных воздействий, других внешних факторов и т.д. Примером второй подгруппы является неопределенность в разделении общей погрешности сложной измерительной системы на систематическую и случайную составляющие.
Неопределенности зависят от степени информированности проектировщика системы о неуправляемых параметрах, влияющих на эффективность системы. Увеличение информированности, например проведением специальных исследований или уточнением требований заказчика, может уменьшить влияние неуправляемых факторов на эффективность.
Основой для выбора варианта системы в условиях неопределенности является принцип гарантированного результата. Суть этого принципа заключается в том, что при данном критерии эффективности и данном уровне информированности о неопределенных факторах оценка эффективности вариантов системы должна осуществляться на основе получения гарантированного значения критерия эффективности.
В математической форме гарантированной оценки эффективности является
где N – область изменения неопределенных неуправляемых параметров (неконтролируемых факторов).
Т.о., при оценке эффективности системы в соответствии с принципом гарантированного результата значение рассматриваемого критерия будет обеспечено при любых значениях неуправляемых параметров, влияющих на эффективность. Примером использования принципа гарантированного результата в области измерительной техники является нормирование погрешностей измерительных средств по классам точности.
Основные идеи теории планирования эксперимента
Чтобы спланировать эксперимент, имеющий целью изучение некоторой системы (процесса, объекта), сначала необходимо достаточно ясно и четко сформулировать цель эксперимента, т.е. указать, какие именно параметры системы необходимо измерять, какие выбрать значения независимых переменных (входных величин) и т.п. Естественно, что при этом необходимо располагать некоторым математическим описанием (математической моделью) исследуемой системы. В зависимости от того, какая математическая модель является подходящей для описания той или иной системы, последние разделяют на хорошо организованные (детерминированные) и плохо организованные (диффузные, большие) системы.
В хорошо организованных системах можно выделить определенные процессы, зависящие от небольшого числа переменных, поддающихся изучению. Результаты в этом случае можно представить в виде функциональных связей, которым приписывается роль законов. Другими словами, хорошо организованные системы детерминированы, и при их исследовании предполагается, что значения всех независимых переменных (факторов), кроме одной, можно поддерживать на определенном уровне, а одну переменную (каждую по очереди) варьировать в целях установления ее влияния на интересующую нас выходную величину.
Чаще всего экспериментатору приходится иметь дело в плохо организованными (диффузными) системами, в которых действуют многие факторы, плохо поддающиеся стабилизации и, кроме того, многие из этих факторов вообще трудно заранее учесть при составлении математической модели и методы становятся непригодными, и в этих случаях необходимо использовать статистические методы и модели, в частности, методы многомерной математической статистики (многомерной потому, что приходится учитывать действие многих факторов). Суть этих методов сводится к тому, чтобы, изменяя возможно большее количество независимых переменных (факторов), найти оптимальные в определенном смысле условия протекания процесса. В этом и заключается методология так называемых многофакторных экспериментов, при планировании которых возникают типичные задачи математической статистики: выбор оптимальной стратегии эксперимента в условиях неопределенности, обработка результатов измерений, проверка гипотез и принятие решений.
При изучении даже детерминированных систем экспериментальными методами из-за погрешностей результатов измерений невозможно получить точные значения измеряемых величин, получаются лишь некоторые оценки этих значений. Поэтому и здесь необходимо применять методы математической статистики для получения «хороших» оценок, определения их достоверности и т.п.
Математическая модель должна с определенной точки зрения отражать исследуемый объект. Поэтому для одного и того же объекта может быть построено много математических моделей, отражающих разные подходы к описанию свойств исследуемого объекта.
Однако при описании сложных систем не всегда имеется возможность сформулировать и обосновать некоторые априорные гипотезы, поэтому в таких случаях широко используются так называемые полиномиальные модели. Система при этом представляется в виде некоторого «черного ящика» с доступными для измерения входными и выходными параметрами. Задача состоит в том, чтобы установить связь между выходным параметром и множеством входных параметров системы, ничего фактически не зная о механизме явлений в системе. При этом предполагается, что механизм этот можно описать дифференциальными уравнениями, но из-за сложности системы даже не делается попытка составить уравнения; предполагается, что дифференциальные уравнения можно решить, но решение неизвестно, неизвестен даже аналитический вид функции, являющийся решением дифференциального уравнения. В этих условиях зависимость выходного параметра системы от входных (искомая функциональная зависимость) представляется в виде полинома (линии регрессии), коэффициенты которого (коэффициенты регрессии) определяются по данным эксперимента. Методика получения решения и анализа экспериментальных данных при полиномиальной модели разработана в математической статистике: это регрессионный анализ.
При планировании экспериментов используется концепция рандомизации. Суть этой концепции состоит в том, чтобы обеспечить случайность действия различных факторов, т.е. план эксперимента составляется таким образом, чтобы все воздействующие факторы оказывали случайное влияние на изучаемое явление.
Математическая статистика внесла в теорию эксперимента идею оптимального использования пространства независимых переменных, или, как ее часто называют, идею многофакторного эксперимента. Суть этой идеи состоит в том, что при планировании экспериментов, в которых необходимо учитывать влияние многих независимых переменных, экспериментатору предлагается ставить эксперимент так, чтобы изменять все факторы сразу, тогда как при традиционном планировании экспериментатор изучает влияние каждого фактора в отдельности, изменяя только его значения при фиксированных значениях остальных факторов. Оказывается, что такое многофакторное планирование является более эффективным, чем однофакторное, т.е. позволяет значительно уменьшить погрешности определения интересующих экспериментатора величин.
Дата добавления: 2018-04-15; просмотров: 593; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!