Модели составных гармонических полуволн и связь дискретизации времени с энтропией временных параметров сигналов

Обложка

Цитировать

Полный текст

Аннотация

Целью данного исследования является определение связи энтропии временных параметров сигналов в робастной системе управления с величиной дискретизации системного времени (в развитие работ trspy 1185, trspy 1274). В качестве примера объекта исследования рассмотрен процесс и его сигналы экстренного торможения высокоскоростного состава при наличии скольжения колёс по рельсам. Решена задача нахождения абсолютной погрешности ступенчатой и линейной интерполяции сигнала управления по равномерным выборкам из него с применением моделей составных гармонических полуволн. Предварительно, при обследовании объекта управления, определяются максимальные величины параметров сигнала и полуволн: скорость, ускорение и резкость. Параметры спектра отсутствуют по причине большой инерционности объектов управления, процессов и сигналов. Для определения величин интервалов равномерной дискретизации времени рассмотрены две группы моделей «гармонических полуволн». Первая группа моделей описывается гармоническими функциями времени, параметры которых согласованы. Вторая группа моделей описывается составными гармоническими функциями времени, тем самым согласуются временные параметры сигналов. Доказано, что при увеличении энтропии максимальных величин параметров сигналов увеличивается величина интервала дискретизации времени без увеличения погрешности интерполяции. Таким образом, величина энтропии параметров сигналов служит индикатором их рассогласованности. Приведены результаты моделирования и графики, полученные в среде математического пакета MathCAD. Результаты предназначены для оптимизации загрузки задачами ввода и первичной обработки информации процессоров в робастных системах автоматики реального времени, например, используемых для управления высокоскоростными поездами при штатном экстренном торможении и экстренном торможении в условиях скольжения или юза.

Об авторах

Б. Г Майоров

Акционерное общество «Научно-производственное предприятие «Рубин»

Email: bgmayorov@yandex.ru
улица Байдукова 2

Список литературы

  1. Коберниченко В.Г. Основы цифровой обработки сигналов // Учеб. Пособие. Екатеринбург: Изд-во Урал. ун-та, 2018. 150 с.
  2. Курячий М.И., Гельчер А.А. Цифровая обработка сигналов // Томск: Изд-во Томск. Гос. ун-т, 2018. 234 с.
  3. Контрольно-измерительное оборудование R&S 2019. Каталоги Rohde&Schwarz. 2019. 256 c. URL: https://cdn.rohde-schwarz.com/ru/downloads_45/common_library_45/interactive_catalog_2018_19_ru.pdf (дата обращения: 12.03.2020).
  4. Infrastructure Status u-entwicklungsbericht 2019 // Deutsche Bahn. 2020. 124 p.
  5. ERTMS Level 3: the Game- Chander. 2022. Programme technical paper. London.
  6. Thales consortium to install ECTS Level 1 ATR system in Thailand // Railway Technology. 2019. 20 p. URL: https://www.railway-technology.com/news/thales-consortium-to-install-etcs-level-1-atp-system-in-thailand/ (дата обращения: 12.03.2020).
  7. Ehret Marc. Virtual Train Brakes. Eisenbahnwesen-Seminar // TU-Berlin. 2020. 49 p. URL: https://www.static.tu.berlin/fileadmin/www/10002264/ews/2020-sose/2020-05-11-folien.pdf (дата обращения: 12.03.2020).
  8. Introduction to ETCS Braking Curves. ERA ERTMS Unit. Version 1.5. 2020. 28 p.
  9. Майоров Б.Г. Свойства гармонических и составных полуволн, определение интервала равномерной дискретизации времени цифровых сигнальных процессоров // Информатика и автоматизация. 2022. Т. 21. № 1. С. 95–125. doi: 10.15622/ia.2022.21.4.
  10. Лазарев В.Л. Информационное шкалирование вариаций законов распределения параметров в приложениях к задачам мониторинга и управления // Научно-технические ведомости СПб ГПУ. Информатика. Телекоммуникации. Управление. 2019. Т. 12. № 2. С. 7–15.
  11. Лазарев В.Л., Спесивцев А.В., Захаров В.В. Оценка видов законов распределений на основе величины энтропийного коэффициента // Изв. Вузов. Приборостроение. 2020. Т. 63. № 2. С. 113–119.
  12. Шамолин М.В. Алгоритмы диагностирования в некоторых системах прямого и непрямого управления // Итоги науки и техники. Серия «Современная математика и ее приложения. Тематические обзоры. 2022. Т. 205. С. 107–118. doi: 10.36535/0233-6723-2022-205-107-118.
  13. Даринцев О.В., Мигранов А.Б. Аналитический обзор подходов к распределению задач в группах мобильных роботов на основе технологий мягких вычислений // Информатика и автоматизация. 2022. Т. 21. № 4. С. 729–757. doi: 10.15622/ia.21.4.4.
  14. Валиков П.И., Мусатов Р.Л., Степанов Б.В. Электрогидравлическая система управления движением робототехнического комплекса // Электронные информационные системы. 2020. № 2(25). С. 62–68.
  15. Петренко В.И., Тебуева Ф.Б., Гурчинский М.М., Антонов В.О., Павлов А.С. Прогнозная оценка траектории руки оператора для решения обратной задачи динамики при копирующем управлении // Труды СПИИРАН. 2019. Т. 18. № 1. С. 123–147. doi: 10.15622/sp.18.1.123-147.
  16. Григорьев И.С., Данилина И.А. Оптимизация траектории перелётов космических аппаратов с дополнительным топливным баком. II. Автоматика и телемеханика. 2018. № 2. С. 135–153.
  17. Manyam S.G. Optimal dubins paths to intercept a moving target on a circle // Proc. of the American Control Conference. 2019. pp. 828–834.
  18. Майоров Б.Г. Способ непрерывной оптической связи с низколетящей целью // Патент RU №2 715 499 С1. 2020. МПК G 01 S 13/66.
  19. Баунин В.Г., Землеханов А.Р., Швецов Н.В., Аверин Д.А. Система управления двухосным поворотным устройством оптико-электронной системы сопровождения целей // Электронные информационные системы. 2020. № 2(25). С. 43–49.
  20. Сенкевич Ю.И., Марапулец Ю.В., Луковенкова О.О., Солодчук А.А. Методика выделения информативных признаков в сигналах геоакустической эмиссии // Труды СПИИРАН. 2019. Т. 18. № 5. С. 1066–1092.
  21. Хлистунов В.Н. О погрешности интерполяции дискретных методов измерения // Приборостроение. 1960. № 5. С. 3–5.
  22. Майоров Б.Г. Обобщенный критерий наибольшего отклонения входных сигналов систем управления // Автоматика и телемеханика. 2005. № 10. С. 148–155.
  23. Майоров Б.Г. Восстановление сигнала в системах реального времени по равномерным выборкам с уменьшением интервала Найквиста // Системы и средства информатики. 2019. Т. 29. № 2. С. 95–112.
  24. Nyguist H. Certain topics in telegraph transmission theory // Transactions of the American Institute of Electrical Engineers. 1928. vol. 47. no. 2. pp. 617–644.
  25. Майоров Б.Г. Применение гармонических полуволн для автоматизации управления высокоскоростными поездами // Информатика и автоматизация. 2023. Т. 22. № 6. С. 1387–1414. doi: 10.15622/ia.22.6.5.
  26. Hartley R.V.L. Transmission of Information // Bell System Technical Journal. 1928. vol. 7. no. 3. pp. 535–563.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».