close

Вход

Забыли?

вход по аккаунту

?

Методология и инструментальные вычислительные средства частотно-временного корреляционного анализа для технических систем контроля

код для вставкиСкачать
На правах рукописи
Аврамчук Валерий Степанович
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАЛЬНЫЕ
ВЫЧИСЛИТЕЛЬНЫЕ СРЕДСТВА
ЧАСТОТНО-ВРЕМЕННОГО КОРРЕЛЯЦИОННОГО АНАЛИЗА
ДЛЯ ТЕХНИЧЕСКИХ СИСТЕМ КОНТРОЛЯ
Специальность 05.13.05 – Элементы и устройства вычислительной техники и
систем управления
Автореферат
диссертации на соискание ученой степени
доктора технических наук
Томск - 2018
Работа выполнена в Федеральном государственном автономном
образовательном учреждении высшего образования
«Национальный исследовательский Томский политехнический университет»
Научный консультант Официальные оппоненты:
Мещеряков Роман Валерьевич,
доктор технических наук, профессор
Жмудь Вадим Аркадьевич, доктор технических
наук, доцент, зав. кафедрой автоматики
Новосибирского государственного технического
университета (г. Новосибирск)
Якунин
Алексей
Григорьевич,
доктор
технических наук, профессор, зав. кафедрой
информатики, вычислительной техники и
информационной безопасности Алтайского
государственного технического университета
им. И.И. Ползунова» (г. Барнаул)
Бехер Сергей Алексеевич, доктор технических
наук,
зав.
НИЛ
«ФМК»
Сибирского
государственного
университета
путей
сообщения (г. Новосибирск)
Ведущая организация
Федеральное
государственное
бюджетное
образовательное
учреждение
высшего
образования «Юго-Западный государственный
университет» (г. Курск)
Защита диссертации состоится 15 ноября 2018 г. в 15 час. 15 мин. на заседании
диссертационного совета Д 212.268.03 при Федеральном государственном
бюджетном образовательном учреждении высшего профессионального
образования «Томский государственный университет систем управления и
радиоэлектроники» (ТУСУР) по адресу: 634050, г. Томск, пр. Ленина, 40, ауд 201.
С диссертацией можно ознакомиться в научной библиотеке ТУСУРа по адресу:
г. Томск, ул. Красноармейская, 146, а также на официальном сайте ТУСУРа
https://postgraduate.tusur.ru/urls/o4v7onei
Автореферат разослан «
»
2018 г.
Ученый секретарь
диссертационного совета
Зыков Дмитрий Дмитриевич
2
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы
В последнее время наблюдается тенденция ко всё более масштабному
использованию программируемых вычислительных устройств во всех сферах
человеческой жизни, в особенности в науке и технике. Продолжающийся в
течение долгого времени рост производительности вычислителей и их
доступность сделали общепринятой практику реализации алгоритмов
преобразования информации на цифровых устройствах.
Начало повсеместного применения цифровых вычислительных устройств для
решения задач обработки сигналов совпало со временем появления интегральных
схем – середина 60-х годов. Это дало импульс развитию цифровой обработки
сигналов (ЦОС) – новому направлению науки и техники, исследующему задачу
создания математического обеспечения вычислительных устройств, являющихся
частью технических систем различного назначения.
Значимыми вехами в становлении ЦОС как самостоятельной области науки и
техники явились создание алгоритмов синтеза цифровых фильтров с заданными
характеристиками (Кайзер, 1965 г.) и быстрого метода вычисления дискретного
преобразования Фурье (ДПФ) (Кули и Тьюки, 1965 г.). Первоначально
вычислительные элементы находили применение преимущественно в
радиотехнических устройствах и системах в качестве цифровых фильтров.
Однако в начале 80-х годов прошлого века фирмой Texas Instruments был
создан первый специализированный процессор цифровой обработки сигналов,
способный выполнять 5 млн операций в секунду, предназначенный в том числе
для использования в системах управления в режиме реального времени.
Последнее явилось отправной точкой для постепенного расширения круга
практических задач, решаемых посредством методов ЦОС, и положило начало
появлению обширной номенклатуры специализированных элементов и устройств
вычислительной техники. Необходимо отметить, что данный период
охарактеризовался интенсивным развитием отечественной вычислительной
техники и учреждением специализированных институтов, внёсших существенный
вклад в данное направление. Так, на базе «Института точной механики и
вычислительной техники им. С.А. Лебедева» был создан «Московский центр
SPARC-технологий» (МЦСТ), в настоящее время являющийся ключевым
разработчиком российских вычислительных средств. В то же время
существенный вклад в развитие теоретических аспектов проектирования
микропроцессорных устройств внёс «Институт проблем проектирования в
микроэлектронике Российской академии наук».
Стоит отметить, что теоретическая основа методов, используемых в ЦОС,
была заложена в ходе развития статистической теории связи и других
приложений радиотехники. В частности, В.А. Котельниковым (1933 г.) было
установлено фундаментальное соответствие между непрерывными и
дискретными сигналами, которое послужило теоретической основой для
последующей реализации известных методов на новой элементной базе.
Заметный вклад в развитие теоретической базы обработки сигналов внёс Н.
Винер,
разработав
обширный
математический
аппарат
(1949 г.)
3
помехоустойчивой фильтрации, основанный на методах регрессионного анализа и
явно учитывающий статистические свойства сигнала и шума. Нельзя не отметить
также роль советских математиков и персонально А.Н. Колмогорова в развитии
статистического подхода к обработке сигналов.
Существенный вклад в исследование теоретических аспектов приёма и
преобразования сигналов, а также средств и способов их реализации внесли
В.И. Тихонов, Л.Е. Варакин, В.Д. Зубаков, Л. Рабинер, Д. Миддлтон, Г. Ван Трис,
Е.И. Куликов, В.В. Витязев, А.П. Трифонов, Ж. Макс и многие другие.
На практике одним из факторов улучшения технико-эксплуатационных
характеристик систем контроля, диагностики и управления является применение
эффективных алгоритмов получения актуальной и объективной информации о
контролируемом объекте и его функциональных элементах. Последнее
затруднительно без качественной программной и аппаратной реализации
алгоритмов преобразования сигналов. Вышеобозначенные тенденции и условия
определяют актуальность разработки новых методов, алгоритмов и программнотехнических средств цифровой обработки сигналов.
Так, например, для области технического контроля и диагностики
характерны задачи, связанные с выделением полезных сигналов на фоне помех, а
также с оценкой их временных и частотных параметров. Среди существующих
решений такого рода задач широкое практическое применение находят те из них,
которые основаны на использовании математического аппарата дискретного
преобразования Фурье, являющегося важным элементом архитектуры
специализированных устройств вычислительной техники.
Постоянная потребность в улучшении эксплуатационных характеристик
систем контроля, диагностики и управления требует программно-аппаратных
решений, реализующих новые методы оценки информативных параметров
сигналов элементов технических систем. Однако в силу большей вычислительной
и алгоритмической сложности таких методов, а также значительного
многообразия вычислительных платформ, выбор которых зачастую определяется
целевой системой и условиями эксплуатации, особую значимость имеет
эффективность использования имеющихся в распоряжении аппаратных ресурсов
вычислителей.
Таким образом, имеет место проблема несоответствия существующих
технико-экономических и эксплуатационных характеристик с характеристиками,
предъявляемыми к современным системам контроля, диагностики и управления,
которая может быть решена за счёт создания программно-аппаратных устройств
вычислительной техники, обеспечивающих эффективность использования
широкой номенклатуры микропроцессорных вычислителей.
Объектом исследования являются средства микропроцессорной техники и
алгоритмы преобразования информации, в качестве элементов вычислительных
устройств в составе систем контроля, диагностики и управления.
Предметом исследования являются методы и алгоритмы обработки
сигналов с целью извлечения информации об объекте контроля, а также
программно-аппаратная реализация этих методов и алгоритмов с применением
элементов и устройств вычислительной техники.
4
Цель работы – улучшение технико-экономических и эксплуатационных
показателей систем контроля, диагностики и управления за счёт создания
инструментальных вычислительных средств, эффективно использующих
архитектурные особенности и аппаратные ресурсы разнородных элементов
вычислительной техники, а также разработки теоретической базы и
методологических основ их программно-аппаратной реализации.
Для достижения указанной цели необходимо решить следующие задачи:
1. Провести анализ практики и перспектив применения современных элементов и
устройств вычислительной техники различного назначения для использования в
составе систем контроля, диагностики и управления с целью обеспечения их
высоких эксплуатационных характеристик.
2. Разработать метод оценки корреляционной взаимосвязи сигналов, позволяющий
выявлять характерные особенности сигналов, поступающих с измерительных
преобразователей, в частотно-временной области и определять частотные
границы составляющих сигнала, обеспечивающий более полное и точное
извлечение информации об объекте контроля.
3. На основе частотно-временного подхода к анализу сигналов, создать метод
определения частот гармонических составляющих сигнала в его смеси с
аддитивным шумом, обеспечивающий увеличение отношения сигнал/шум на
выходе частотно-временного
коррелятора
и
позволяющий
повысить
информативность анализа периодических сигналов, в том числе импульсного
характера, свойственных широкому классу механических объектов контроля.
4. Разработать метод определения частотных границ полезного сигнала,
позволяющий выявить наличие периодических и импульсных компонент сигнала, а
также формализовать задачу выделения информативных составляющих и снизить
трудоёмкость настройки цифровых фильтров.
5. Провести исследование эффективности функционирования элементов
вычислительной техники при реализации процедур расчёта и анализа частотновременных корреляционных функций, с целью улучшения производительности
устройств вычислительной техники в составе систем контроля, диагностики и
управления.
6. Создать устройства вычислительной техники, в том числе их алгоритмическое
и программное обеспечение, для контроля технического состояния
трубопроводных систем, упрощающие задачу оператора за счёт применения
интерактивной графической модели и обеспечивающие повышение точности
определения местоположения утечек.
7. Разработать универсальное вычислительное устройство для применения в
составе системы технического контроля двигателя внутреннего сгорания и
решения задачи диагностики неисправностей его цилиндро-поршневой группы.
8. Предложить
методологические
основы
создания
инструментальных
вычислительных средств частотно-временного корреляционного анализа сигналов
для повышения технико-экономических и эксплуатационных показателей систем
контроля, диагностики и управления.
Методы исследования. При решении задач диссертационного исследования
использованы: принципы проектирования устройств вычислительной техники и
5
теоретические основы цифровой схемотехники с применением систем
автоматизированного проектирования; методы вычислительной математики;
методы обработки информации и цифровой обработки сигналов; методы создания
программного обеспечения на процедурных и объектно-ориентированных языках
программирования; теория систем и системный подход к созданию
инструментальных вычислительных средств.
Инженерные расчёты, обработка экспериментальных данных и реализация
алгоритмов производись с применением: инструментальных систем вычислений с
визуальным сопровождением математических и инженерных расчетов PTC
MathCad и Matlab; интегрированных сред разработки Visual Studio2012,
Delphi XE 9; специализированных языков и интерфейсных устройств для
программирования микропроцессорных элементов и организации массивнопараллельных вычислений на графических процессорах.
Научную новизну полученных в работе результатов определяют:
1. Методология создания алгоритмического и программного обеспечения
инструментальных
вычислительных
средств
частотно-временного
корреляционного
анализа
сигналов,
обеспечивающего
эффективное
использование элементов и устройств вычислительной техники в системах
контроля, диагностики и управления, и улучшающего технико-экономические и
эксплуатационные характеристики последних.
2. Метод
вычисления
частотно-временных
корреляционных
функций,
являющийся основой алгоритмического и программного обеспечения элементов и
устройств вычислительной техники в составе систем контроля, диагностики и
управления,
отличающийся
тем,
что
обеспечивает
выраженность
корреляционного пика полезного сигнала на фоне случайных шумов более чем в 4
раза по сравнению с традиционным методом корреляционного анализа, а также
позволяет определить частотные границы полезного сигнала. Подтвержден
патентом РФ на изобретение.
3. Метод определения частот гармонических составляющих по частотновременной автокорреляционной функции, отличающийся тем, что обеспечивает
принципиальную возможность выявления наличия периодических и импульсных
компонент сигнала, за счёт увеличения отношения сигнал/шум на выходе
частотно-временного коррелятора более чем на порядок в сравнении с
классическим коррелятором. Подтвержден патентом РФ на изобретение.
4. Метод применения частотно-временного корреляционного анализа для
определения частотных границ полезного сигнала и автоматизированной
настройки
цифровых
частотных
фильтров,
положенный
в основу
алгоритмического и программного обеспечения элементов и устройств
вычислительной техники в составе систем контроля, диагностики и управления,
отличающийся тем, что позволяет идентифицировать различные моды
полигармонического сигнала. Подтвержден патентом РФ на изобретение.
5. Инструментальные решения, полученные с применением разработанного
комплексного подхода к созданию устройств вычислительной техники для
применения в составе систем контроля, диагностики и управления, и
реализующие оригинальные методы частотно-временного анализа сигналов,
6
отличающиеся эффективным использованием элементов вычислительной
техники и обеспечивающих ускорение вычислений на микропроцессорах общего
назначения до 3,7 раза.
6. Применение созданных частотно-временных методов и устройств
вычислительной техники для контроля функционального состояния элементов
систем двигателя внутреннего сгорания и целостности трубопроводных систем
жилищно-коммунального
хозяйства,
обеспечивающее
улучшение
эксплуатационных характеристик систем контроля, в частности, точности
определения местоположения трубопроводных утечек на 26 %.
Практическая значимость работы
Созданы устройства вычислительной техники, использующие в качестве
алгоритмической основы разработанные методы частотно-временного анализа
сигналов, предназначенные для применения в системах технического контроля,
диагностики и управления. Методы частотно-временного корреляционного
анализа,
реализованные
в
инструментальных
средствах
на
базе
микропроцессорных элементов вычислительной техники, позволяют повысить
эффективность извлечения информации из сигналов, поступающих от
технических объектов, и тем самым способствовали улучшению техникоэкономических и эксплуатационных характеристик систем (ускорение
вычислений до 3,7 раз, точность определения местоположения трубопроводных
утечек на 26 %). Эффективность программной реализации алгоритмов частотновременного
анализа
обусловлена
применением
специализированных
инструментальных средств программирования, а также следованию принципам
аппаратно-ориентированного подхода к разработке.
Произведены впервые теоретический анализ и экспериментальное
исследование эффективности
использования
элементов
и
устройств
вычислительной техники при реализации алгоритмов оценки информативных
параметров сигналов с применением частотно-временного корреляционного
анализа. Достигнуты следующие значения показателей эффективности: до 70 %
для ряда процессоров Intel, до 55 % для процессоров AMD. Это позволяет снизить
требования к характеристикам элементов вычислительных устройств и тем самым
уменьшить стоимость инструментальных средств на их базе в 2–4 раза.
Созданы аппаратно-ориентированные программные средства, позволяющие
эффективно использовать широкую номенклатуру элементов вычислительных
устройств общего назначения, а также графических вычислителей и
микроконтроллеров.
Представленные
решения
отличаются
высокой
эффективностью использования доступных ресурсов элементов вычислительной
техники, что позволяет повысить эксплуатационные характеристики систем
контроля, диагностики и управления. Созданное программное обеспечение
прошло процедуру государственной регистрации (получено 12 свидетельств).
Результаты
диссертационного
исследования
использованы
в
производственной и проектно-конструкторской деятельности следующих
предприятий: АО
«НПО
«Андроидная
техника»,
г. Москва;
ООО
«Александровский нефтеперерабатывающий завод», село Александровское
Томской области; ОАО «Томский электротехнический завод», г. Томск; ОАО
7
«Томский электромеханический завод им. В.В. Вахрушева», г. Томск; ООО
«Томскводоканал», г. Томск; НИИ «Автоматики и электромеханики», г. Томск;
ЕООД «Ивконсулт», г. София, Болгария; ООО «ТомскАСУпроект», г. Томск;
ООО «СибХайТекЦентр», г. Томск. Также результаты работы использованы при
реализации
следующих
научно-технических
проектов:
8.8184.2017/8.9
«Методология создания систем энергосберегающих и энергопреобразующих
устройств для наземных и бортовых комплексов наземного, космического и
подводного базирования» (НИИ «Автоматики и электромеханики», г. Томск);
«Разработка и исследование базовых принципов безопасного функционирования
интеллектуальных робототехнических систем с использованием естественноязыкового интерфейса Интернета вещей», поддержанного грантом Президента
Российской Федерации по государственной поддержке ведущих научных школ
Российской Федерации № НШ-3070.2018.8»; НИР № 01200510623 «Разработка
способов, алгоритмов и программного комплекс анализа спектральных портретов
несинусоидальных периодических сигналов с использованием решетчатых
периодических функций».
Достоверность и обоснованность
Достоверность и обоснованность научных положений, выводов и
рекомендаций, сформулированных в работе, обуславливаются:
 базированием результатов исследований на доказанных и корректно
используемых выводах фундаментальных и прикладных наук, положения
которых нашли применение в работе;
 строгим соблюдением принципов проведения научного исследования и
комплексным использованием общепринятых теоретических и эмпирических
методов исследования;
 проверкой теоретических положений, предлагаемых решений и рекомендаций в
ходе математического моделирования в математических пакетах Matlab, Mathcad;
 согласованием новых положений и полученных результатов с уже известными
теоретическими положениями и ранее опубликованными результатами;
 исследованиями предложенных методов и созданных на основе элементов
вычислительной техники инструментальных средств, при решении задач
технической диагностики трубопроводных систем и агрегатов автомобилей;
 публикациями основных результатов работы в ведущих российских и
зарубежных рецензируемых изданиях.
Защищаемые положения:
1. Алгоритмическое обеспечение методов извлечения информации на основе
частотно-временного
корреляционного
анализа,
предназначенное
для
использования на различных вычислительных устройствах: микроконтроллерах,
графических процессорах и процессорах общего назначения, обеспечивающее
улучшение выраженности корреляционного пика полезного сигнала на фоне
случайных шумов более чем в 4 раза, что достигается за счёт увеличения
отношения сигнал/шум на выходе частотно-временного коррелятора более чем на
порядок в сравнении с классическим коррелятором.
2. Теоретический анализ и результаты экспериментальных исследований
подходов к повышению качественных и эксплуатационных показателей
8
вычислителей общего назначения при решении задачи расчёта частотновременных корреляционных функций. Применение подходов позволяет достичь
ускорения вычислений до 3,7 раз, а также повысить эффективность
использования элементов вычислительных устройств: до 70% для ряда
процессоров Intel, до 55% для процессоров AMD.
3. Аппаратно-ориентированная
программная
реализация
визуализации
интерактивной графической 3D-модели для отображения результатов частотновременного анализа, позволяющая использовать аппаратные возможности
графических процессоров при этом обеспечивая частоту обновления изображения
не менее 30 кадров в секунду.
4. Инструментальные вычислительные средства для контроля технического
состояния трубопроводных систем, в том числе систем жилищно-коммунального
хозяйства, обеспечивающие улучшение эксплуатационных характеристик систем
контроля, в частности, точности определения местоположения трубопроводных
утечек на 26%.
5. Инструментальные вычислительные средства контроля функционирования
систем и элементов двигателя внутреннего сгорания, позволяющие обнаружить
неисправность системы подачи топлива двигателей внутреннего сгорания.
6. Методология создания математического и программного обеспечения для
применения в системах контроля, диагностики и управления, обеспечивающая
эффективное использование элементов вычислительной техники при решении
задач обработки сигналов в системах технического контроля.
Апробация работы
Основные положения и результаты работы докладывались на следующих
научных конференциях: Международная научно-техническая конференция
«Наука. Технологии. Инновации» (Новосибирск, 2017); «Электронные средства и
системы управления» (Томск, 2017); «Автоматический контроль и автоматизация
производственных процессов» (Белоруссия, Минск, 2015); «Наука и технологии»,
ХХХ Российская школа, посвященная 65-летию Победы (Екатеринбург, 2010);
«Junior Scientist Conference» (Vienna, Austria, 2010); International Conference on
Information Technologies in Business and Industry (Tomsk, 2016); International Forum
on Strategic Technology (Ulsan, Korea, 2010); International Conference on Advances
in Materials Science and Engineering (Seoul, Korea, 2012); Международная научнопрактическая конференция «Современные техника и технологии» (Томск, 2007,
2008, 2013, 2014); Всероссийская конференция «Информационные и
математические технологии в науке, технике, медицине» (Томск, 2012, 2014);
International Conference on Information Science and Computer Technology
(Shengyang, China, 2013); International Conference «Modern Techniques and
Technologies» (Томск, 2014); International Conference on Mechanical Engineering,
Automation and Control Systems (Томск, 2014); 18th International Scientific
Symposium on Problems of Geology and Subsurface Development (Tomsk, 2014).
Материалы диссертации докладывались на научно-технических семинарах
Института кибернетики НИ ТПУ в 2012–2016 гг.
Отдельные результаты диссертационного исследования были использованы в
учебном процессе ФГАО ВО НИ ТПУ, ФГБОУ ВО АлтГУ и ФГБОУ ВО СибГИУ.
9
Публикации. По материалам диссертационной работы опубликовано более
80 работ, в том числе 15 статей в журналах, входящих в перечень ВАК,
рекомендуемых для публикации основных результатов диссертаций на соискание
ученых степеней кандидата и доктора наук, 1 монография; 12 работ
проиндексированы в библиографической и реферативной базе данных SCOPUS.
Получено 12 свидетельств о государственной регистрации программ для ЭВМ и 6
патентов Российской Федерации на изобретение.
Личный вклад. Вынесенные на защиту результаты диссертационной работы
получены автором лично. Это относится к постановкам задач, выбору методов их
решения, созданию устройств вычислительной техники, их апробации и анализу
полученных результатов.
В работах, опубликованных в соавторстве, личный вклад автора состоит в
следующем: в публикациях [4, 6, 17, 21, 29] автором предложены основы и
математический аппарат частотно-временного корреляционного анализа; в
публикациях [2, 3, 5, 7–10, 12–15, 18–20, 22–28] автором поставлены задачи,
определены способы их решения, выбраны методы исследования и получены
основные теоретические результаты; в публикации [11] автором предложена
новая идея решения задачи определения фазового сдвига, её реализация и
постановка модельных экспериментов; в публикациях [32–34] автором
предложены новые способы спектрального анализа сигналов, а в публикации [16]
автором произведено обобщение соответствующих материалов. Инженерные
изыскания, в том числе разработка программного обеспечения и устройств
вычислительной техники, а также их апробация, выполнялись в разное время при
непосредственном участии автора или под его руководством.
В первой главе рассмотрены вопросы теории и практики применения
элементов и устройств вычислительной техники, в т.ч. специализированных
индустриального назначения, для обеспечения эксплуатационных и улучшения
технико-экономических характеристик систем контроля, диагностики и
управления. Произведён краткий обзор развития средств вычислительной техники
в контексте становления ЦОС как самостоятельной области науки.
Тенденция к усложнению задач обработки информации в технических
системах и интенсивное развитие микропроцессорной техники привели к
появлению сложных программируемых устройств, предназначенных для
реализации алгоритмов цифровой обработки сигналов и систем управления в
режиме реального времени.
Несмотря на наличие узкоспециализированных устройств, таких как
цифровые сигнальные процессоры и решений на базе программируемых
логических интегральных схем, отдельный интерес, с точки зрения производства
доступных программно-аппаратных решений, представляет использование
элементов вычислительных устройств общего назначения, доступных на рынке и
ориентированных на массовый спрос. Подобные элементы и устройства,
представленные графическими и центральными процессорами, а также
микроконтроллерами, отличаются низкой стоимостью и находят применение при
решении широкого круга задач технического контроля диагностики и управления.
Последнее требует разработки и применения специальных алгоритмов и их
10
реализаций. В частности научный и практический интерес представляет задача
организации массивно-параллельных вычислений средствами графических
ускорителей, а также обеспечение вывода существенного объёма разнородной
графической информации.
Во второй главе рассмотрено применение частотно-временного метода для
извлечения информации из сигналов, поступающих от первичных
преобразователей. Приведено описание нового метода анализа и алгоритмов
расчёта частотно-временных корреляционных функций (ЧВ КФ), являющихся
теоретической основой оригинальных программно-аппаратных решений,
потенциально позволяющих повысить надёжность функционирования элементов
и устройств систем контроля, диагностики и управления. Последнее достигается
за счёт принципиально лучшей помехоустойчивости частотно-временного
корреляционного метода и большей наглядности и информативности ЧВ КФ.
Представлены результаты теоретического анализа и вычислительных
экспериментальных исследований применимости метода для решения различных
обобщенных технических задач.
Контроль функционирования системы в целом и её элементов в отдельности
связан с решением задачи извлечения информации из сигналов, поступающих от
объектов контроля на вычислительное устройство. Устройство осуществляет
преобразование сигналов, причём в зависимости от решаемой задачи
применяются различные методы ЦОС. В общем случае имеет место задача оценки
значений одного или нескольких неизвестных параметров, несущих информацию
о функциональном состоянии контролируемого элемента или системы в целом.
В качестве задачи оценки неизвестного параметра сигнала далее
рассматривается определение частоты доплеровского сдвига Ω и времени
запаздывания
Классическое решение данной задачи сводится к
корреляционному приему сигнала сложной формы.
Пусть
– полезный сигнал сложной формы, где
показывает
зависимость от Ω. Процесс
, представляет собой смесь
полезного сигнала с квазибелым гауссовым шумом
. Спектр полезного
сигнала полагается более узким, чем спектр шума. Дискретизация
в течение
периода наблюдения происходит в равноотстоящие на интервал дискретизации
моменты времени
, где i = 0 ... N – 1, a – общее количество отсчетов.
Предполагается, что величина интервала дискретизации удовлетворяет условию
теоремы Котельникова.
Требуется измерить величину задержки
поступления сигнала и его
доплеровскую частоту Ω. При оценке для сигналов известной формы, то есть
при Ω = 0, применяется формула
где
– опорный сигнал коррелятора, соответствующий задержке
. Однако для решения задачи определения и Ω в общем случае эта
формула неприменима вследствие искажения спектра сигналов.
Следовательно, опорные сигналы, поступающие на корреляторы, должны
11
формироваться с учетом этой особенности. Пусть
– опорный сигнал,
соответствующий задержке
и частоте доплеровского сдвига
. Тогда КФ
может быть вычислена следующим образом:
Введение дополнительного аргумента в
увеличивает требуемое число
корреляторов и, следовательно, объем производимых вычислений. Программное
или аппаратное решения данной задачи затруднительны, поскольку требуют
реализации набора корреляторов и формирования опорных сигналов.
Вычисляемая функция времени и частоты
может быть графически
представлена как поверхность, простирающаяся над плоскостью, образованной
осями
Примерный вид поверхности представлен на рисунке 1. Пики на
поверхности соответствуют наиболее вероятным значениям доплеровской
частоты
и
задержки
и
могут
служить
их
оценками,
т. е.
.
Необходимо отметить, что в литературе формульная запись КФ
зависимой от временного смещения
и частоты
может называться
комплексной, совместной, обобщенной или
rs ξ τ
частотно-временной.
Основной идеей предлагаемого метода
f является вычисление и последующий анализ
ЧВ КФ
, имеющей два аргумента:
время задержки
и частоту ( ). Таким
образом, разработанный метод в некоторой
f k-1 f k f k+1
мере схож с описанным выше методом
Рисунок 1 – Семейство КФ
корреляционного
приёма
сигналов
с
неизвестной частотой и задержкой, применяемым в радиотехнике.
Основным отличием созданного метода является следующее: в соответствии
с (1) значения КФ определяются корреляцией принятого сигнала с опорным
сигналом
, зависящим от частотного смещения
и смещения по
времени
, являющимися аргументами полученной КФ. Таким образом, при
вычислении КФ по (1), производится вычисление корреляции между одной и той
же принятой реализацией сигнала и различными опорными сигналами. В тоже
время, предложенный метод получения ЧВ КФ предполагает вычисление на
нескольких различных частотных интервалах КФ исследуемых сигналов.
Схематически частотно-временной коррелятор представим в виде набора
последовательно соединённых полосовых фильтров и корреляторов, как это
представлено на рисунке 2. Аргументы функции
на выходе
коррелятора изменяются в следующих пределах:
где
(
– частота дискретизации);
;
;
.
12
Таким образом, вычисление ЧВ КФ сводится к последовательному
выполнению нескольких этапов.
Полосовой фильтр
s A (ti )
sB (ti )
[ f0 ... f1 )
Полосовой фильтр
[ f1... f 2 )
Полосовой фильтр
[ f M 1... f M )
s A(0) (ti )
(0)
B
s (ti )
Коррелятор
s A(1) (ti )
s (ti ) Коррелятор
(0)
RAB
( j )
(1)
RAB
( j )
(1)
B
s A( M 1) (ti )
s
( M 1)
B
(ti ) Коррелятор
rAB ( j , f k )
( M 1)
RAB
( j )
Рисунок 2 – Схема реализации частотно-временного коррелятора
На начальном этапе производится вычисление взаимного комплексного
спектра исследуемых сигналов
(
) в
соответствии с формулой
где
– оцифрованные с частотой дискретизации
сигналы
– операция оконного ДПФ ( – величина окна);
– комплексно-сопряженное представление результатов оконного ДПФ;
символом « » обозначено поэлементное умножение векторов комплексных чисел
размерностью
На втором этапе производится разбиение комплексного спектра
на
составляющих частотных интервалов, содержащих только спектральные отсчеты,
принадлежащие m-му рассматриваемому частотному интервалу
.
На заключительном этапе весь набор комплексных спектральных функций
подвергается обратному ДПФ (ОДПФ):
Полученный в результате массив содержит отсчёты ЧВ КФ, принадлежащие
различными её частотным компонентам
показывающим степень
коррелированности исходных сигналов в частотном диапазоне
и
соответствующие различным значениям временного смещения
(
).
Далее производится представление ЧВ КФ в виде, удобном для дальнейшего
отображения и интерпретации: нормирование, переопределение области значений
аргументов. Схема вычисления ЧВ КФ представлена на рисунке 3.
В соответствии с общепринятой практикой ЧВ КФ усредняется в случаях,
когда объём выборки сигнала больше величины окна преобразования Фурье.
Возможность определения зависимости двух сигналов на разных частотных
диапазонах продемонстрирована следующим примером. Анализируемые сигналы
s A (i) и sB (i) сформированы из двух стереофонических дискретизированных
записей: A(i)  {aL (i), aR (i)} и B(i)  {bL (i), bR (i)} , по следующему правилу:
s A (i)  aL (i)  bL (i)  0,5  aR (i  f d1), sB (i)  aR (i)  bR (i)  0,5  bL (i  f d 2 ),
где aL (i) и aR (i ) – сигналы левого и правого каналов записи A(i ) ; bL (i) и
13
s A (ti )
sB (ti )
Nx1
Nx1
bR (i) – сигналы левого и правого каналов записи
B(i ); fd  44,1 кГц – частота дискретизации сигДПФ
ДПФ
налов; 1  0,08 с и  2  0,04 с – задержки. Сигналы
S A ( fk )
SB ( fk )
с внесенными задержками добавлены с коэф(N/2+1)x1
(N/2+1)x1
фициентом ослабления амплитуды дискретизиz*
рованных значений 0,5. Размер выборки, на
S A* ( f k )
котором проведен расчет ЧВ КФ синтезированных
(N/2+1)x1
сигналов, задан 16384 отсчетами, а количество
интервалов разбиения M = 53. Поверхность,
S AB ( f k )
полученная в результате расчетов, приведена на
(N/2+1)x1
рисунке 4. Величины задержек, соответствующие
Разбиение
пикам на приведенной поверхности, совпадают с
(m)
S AB
( fk )
исходными значениями, внесёнными в анализи(N/2+1)xМ
руемый
сигнал
при
его
формировании.
Необходимо отметить, что выбор оптимального
ОДПФ
значения M осуществляется экспериментальным
RAB ( j , f m )
путем при решении конкретных задач оценки
NxМ
информативных параметров.
Представление
Разработанный метод может быть использоrAB ( j , f m )
ван для решения задач определения частотных
NxМ
границ полезного сигнала и настройки полос
Рисунок 3 – Схема получения пропускания программно-конфигурируемых цифЧВ КФ
ровых фильтров.
Для объективной оценки целесообразности применения ЧВ КФ произведено
количественное сравнение информативности функций на выходе корреляторов.
Для этого введена следующая формальная мера:
f, кГц
20
где
–
информативная
(детерминированная)
составляющая;
10
– шумовая (случайная) составляющая. Введённая мера характеризует
визуальную различимость пика детерми-80
0 40
нированной составляющей КФ на фоне
τ, мс
ее случайных составляющих.
Рисунок 4 – Поверхность ЧВ КФ
Оценка информативности ЧВ КФ
производилась экспериментально. Результаты исследований показали более
высокую информативность ЧВ КФ по сравнению с классической КФ.
Также в главе представлены результаты применения ЧВ КФ к решению
задачи определения гармонического состава синтезированных сигналов. Показана
принципиальная возможность использования представленного метода для
исследования периодических импульсных зашумлённых сигналов с целью оценки
их спектрального состава и определения их параметров: области частотной
локализации, периода появления импульсов.
rАВ
14
Рассмотренные задачи преобразования информации имеют важное
практическое значение и часто встречаются в системах контроля, диагностики и
управления. В то же время показано, что разработанный математический аппарат
частотно-временного корреляционного анализа может служить алгоритмической
основой решения рассмотренных задач.
Необходимо отметить, что вычисление ЧВ КФ требует дополнительно
-обратных преобразований Фурье.
Повысить
эффективность
использования аппаратных ресурсов и быстродействие можно за счет применения
специальных подходов (в том числе параллельных вычислений) к реализации
быстрого преобразования Фурье (БПФ) на элементах и устройствах
вычислительной техники. В то же время графическое представление ЧВ КФ
требует построения поверхности, что является более сложной вычислительной
задачей, чем построение графика на плоскости.
Для практического применения разработанного метода необходима
качественная реализация алгоритма БПФ, позволяющая наилучшим образом
использовать доступные ресурсы элементов и устройств вычислительной
техники. Также необходима разработка интерфейсной части программного
решения, обеспечивающего построение поверхностей ЧВ КФ и использующего
современные технологии графического отображения данных.
Предложенные в работе методы частотно-временного корреляционного
анализа позволяют повысить эффективность оценки информативных параметров
сигналов, за счёт увеличения отношения сигнал/шум на выходе частотновременного
коррелятора.
Обеспечивают
повышение
различимости
корреляционного пика на фоне случайных шумов более чем в 4 раза по
сравнению с традиционным коррелятором. Это снижает влияние шумов на
качество и точность определения информативных параметров сигналов и, тем
самым, способствует улучшению эксплуатационных характеристик систем
контроля, диагностики и управления.
Исходя из обозначенных в главе предпосылок, могут быть предложены
следующие этапы разрабатываемой методологии:
 анализ задачи - определение перечня информативных параметров,
содержащихся в сигналах и существенных в контексте поставленной задачи;
 разработка алгоритмов извлечения
необходимой
информации из
анализируемого сигнала, на основе предложенного в главе математического
аппарата частотно-временного корреляционного анализа.
В третьей главе, с целью улучшения технических и эксплуатационных
характеристик устройств вычислительной техники в составе систем контроля,
диагностики и управления, проведён теоретический анализ подходов,
обеспечивающих повышение эффективности использования элементов
вычислительных устройств при решении задачи получения ЧВ КФ. Представлен
обобщенный алгоритм вычисления ЧВ КФ, учитывающий возможность
параллельного выполнения арифметических операций. Рассмотрены различные
подходы к повышению эффективности реализации векторных преобразований
данных и других сложных операций, на основании чего предложено комплексное
решение задачи аппаратно ориентированной программной реализации алгоритмов
15
частотно-временного корреляционного анализа. Проведено экспериментальное
исследование методов и средств программной реализации алгоритмов с точки
зрения полноты использования ресурсов целевой вычислительной платформы.
Так, проведены обширные исследования применения компиляторной
векторизации инструкций, а также алгоритмического и архитектурного подходов
к повышению эффективности использования микропроцессорных элементов
вычислительной техники ведущих производителей (AMD, Intel). В завершении
главы представлены результаты исследования применения технологий массивнопараллельной обработки данных с использованием графических карт с целью
повышения быстродействия вычислений.
Известно, что вычислительная задача БПФ, положенная в основу вычисления
ЧВ КФ, требует
операций комплексного сложения и
операций комплексного умножения. В свою очередь, вычисление ЧВ КФ, в
соответствии с предложенным методом, требует одного прямого БПФ и
обратных БПФ. Таким образом, получение ЧВ КФ требует значительного объёма
вычислительных операций и делает необходимым поиск возможностей
применения параллельных вычислений.
В соответствии со схемой, приведённой на рисунке 3, разработан алгоритм
вычисления ЧВ КФ, представленный на рисунке 5.
Алгоритм вычисления предполагает выполнение значительного количества
преобразований Фурье. Несмотря на то, что для этого могут быть использованы
алгоритмы быстрого преобразования Фурье (БПФ), общая вычислительная
сложность задачи остаётся высокой. Последнее определяет необходимость поиска
дальнейших путей сокращения числа вычислительных операций и повышения
эффективности использования вычислительных ресурсов при их осуществлении.
При решении данной задачи был принят комплекс мер, заключающийся в
последовательном применении различных подходов к эффективной программной
реализации вычислений.
Алгоритмический подход к эффективному вычислению широко применялся
при программной реализации БПФ. В качестве исходного алгоритма, учитывая
структуру данных на входе, был выбран алгоритм преобразования с
фиксированным основанием 2 и прореживанием по времени. Проведены
исследования алгоритмов бит-реверсивной перестановки данных, в результате
которых выбран алгоритм, обеспечивающий максимальное быстродействие.
Набор комплексных значений поворотных множителей, соответствующий
выбранному размеру окна, рассчитывается единожды, непосредственно перед
расчётом ЧВ КФ. Результаты исследований последовательной реализации БПФ с
использованием алгоритмических подходов приведены в тексте работы.
Учитывая
архитектурные
особенности
современных
устройств
вычислительной техники, реализованы модифицированные алгоритмы БПФ,
ориентированные на многопоточное выполнение. На рисунке 6 представлены
результаты исследования алгоритмов с адаптивным изменением параметра
детализации (grainsize). Далее использованы следующие обозначения: БПФ1 –
реализация алгоритма, ориентированного на последовательное исполнение;
БПФ2 – реализация алгоритма, ориентированного на многопоточное исполнение,
16
с адаптивным параметром детализации. Необходимо отметить, что
соединительные линии на рисунке 6 и последующих графиках не несут
смысловой нагрузки и служат исключительно для удобства восприятия.
Начало
Возможно распараллеливание
только на уровне итераций цикла
Определить M число
частотных
составляющих
ЧВ КФ
Фрагмент кода вычисления вектора
SAB (k) при распараллеливании на ЦП
k = 0, 2n-1+1, 1
static void Calculate_Sab(int i)
{….}
…..
Parallel.For(0, (int)Math.Pow(2, n-1)+1,
Calculate_Sab)
Сформировать вектор
SAB (k) как произведение
БПФ[sA(i)] и БПФ*[sB(i)]
Фрагмент кода вычисления вектора
SAB (k) при распараллеливании на
графическом процессоре
m = 0, M-1, 1
// Выделяем память на GPU под Sab
cudaMalloc((void **)&Sab,
(int)Math.Pow(2, n-1)+1)
…
// Запускаем метод в 2n-1 +1 параллельных блоках
Calculate_Sab<<(int)Math.Pow(2, n-1)+1,
1 >> (Sab, bpf_x,kbpf_y)
…
Сформировать M
равноразмерных векторов
(m)
S AB
(k ) на основе вектора
S AB (k ), (k  0 ...2n1  1)
Данные рассчитываются
на основе результатов
предыдущих вычислений
1
m = 0, M-1 , 1
Определить
ЧВ КФ и представить
её в нужной форме
Выполнить ОБПФ
(m)
сигналов S AB
(k ),
n 1
(k  0 ...2  1)
Конец
1
Рисунок 5 – Алгоритм вычисления ЧВ КФ
Увеличение значений параметра детализации приводит к повышению
производительности. Тем самым, за счёт организации большего количества
параллельных
потоков,
повышается
эффективность
использования
вычислительных ядер устройства.
17
53
6
4
65
38
96
16
40
24
6
10
25
64
16
24
40
96
16
38
4
65
53
6
10
6
25
64
16
4
Ускорение
4
Параметр детализации
Оценка качества программного решения осуществлена с использованием
показателей ускорения
выполнения параллельного кода, эффективности
использования вычислителя и «накладных расходов»
на организацию
параллельных вычислений. Обозначенные показатели рассчитывались по
формулам:
, где p – количество
вычислительных ядер; – время выполнения последовательного кода;
– время
выполнения параллельного кода.
18000
Произведено сравнение
16000
Intel
различных многопоточных
14000 300
Core 2 Q6700
250
реализаций БПФ: с адаптив12000 200
Xeon 5160
ным и неадаптивным подбо10000 150
Core i5-750
100
ром параметра детализации.
8000 50
AMD
6000
0
Анализ эффективности расA10-4600M
4
16 64 256
4000
FX-9590
параллеливания проведен по
2000
приведённым выше показа0
N, отсчёт
телям. По результатам сравнительного анализа выбран
Рисунок 6 – Эффективные значения
алгоритм вычисления БПФ,
параметра детализации
обеспечивающий
лучшую
для различных размеров выборки
производительность и минимальное значение показателя «накладные расходы». Экспериментальным путем
установлена зависимость показателя ускорения выполнения программы от
размера выборки (рисунок 7).
4,0
Исследован также подIntel
3,5
БПФ1
БПФ2 БПФ3
Core 2 Q6700 ход к реализации параллель3,0
ного
вычисления
БПФ,
Xeon 5160
2,5
заключающийся в распаралCore i5-750
2,0
леливании алгоритма обхода
AMD
1,5
A10-4600M
рекурсии в ширину, обо1,0
FX-9590
значенного
как
БПФ3.
0,5
Основное преимущество та0
кого подхода перед предыдуN, отсчёт
щими реализациями БПФ
заключается в отсутствии
Рисунок 7 – Зависимость показателя ускорения
необходимости
проводить
выполнения программы от размера выборки
предварительный
тест
с
целью определения оптимальных значений степеней детализации для различных
выборок перед массивными математическими вычислениями. Проведен
сравнительный анализ распараллеленных реализаций БПФ с методом обхода
рекурсии в ширину и адаптивным расчётом параметра детализации.
Результаты экспериментальных исследований выполнения БПФ на
микропроцессорах общего назначения позволили сделать следующие выводы о
путях повышения эффективности использования вычислителей:
 при N < 128 следует использовать последовательную реализацию БПФ1;
 при N ≥ 128 и N ≤ 1024 следует применять параллельную реализацию БПФ2 с
18
120
БПФ1
БПФ1
100
БПФ2 БПФ3
Эффективность, %
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
БПФ2
БПФ3
Intel
Core 2 Q6700
Xeon 5160
Core i5-750
AMD
A10-4600M
FX-9590
80
60
40
20
N, отсчёт
6
4
38
53
65
6
96
16
40
10
25
64
16
4
6
4
38
96
16
6
24
40
10
25
64
16
4
0
24
N, отсчёт
0
53
Ускорение
адаптивным расчётом степени детализации;
 при N ≥ 2048 наибольший эффект достигается при использовании
параллельной реализации БПФ3 с распараллеливанием метода обхода
рекурсии в ширину.
Показатели качества программной реализации БПФ для рассмотренных
случаев представлены на рисунке 8.
65
а)
б)
Рисунок 8 – Показатели эффективности при использовании распараллеливания
вычислений: а) ускорение выполнения программы;
б) эффективность использования вычислительных ресурсов
В конце главы приведены результаты оценки производительности
вычислений БПФ на графических процессорах. Полученные результаты
позволяют утверждать, что графические адаптеры, обеспечивающие значительное
сокращение времени вычислений, являются перспективными устройствами для
массивно-параллельных вычислений БПФ (таблица 1).
Основываясь на полученных результатах, предложен подход к разработке
программных решений для эффективной эксплуатации широкой номенклатуры
элементов и устройств вычислительной техники при получении ЧВ КФ.
Таблица 1 – Вычисления на CPU и GPU
N
2048
4096
8192
16384
32768
Время выполнения, мс
Intel Core i5-750
NVidia GeForce 9600GT
CPU
GPU
CPU
GPU
(Visual Studio2012),
(CUDA C),
(Delphi XE3)
(CUDA C)
C++
c учетом передачи данных
173
189
8
10
370
412
17
21
639
711
31
37
1464
1829
80
98
3438
3820
159
192
Созданное аппаратно-ориентированное программное обеспечение позволило
достичь ускорения вычислений до 3,7 раз, а так же повысить эффективность
использования ресурсов элементов вычислительной техники: до 70% для ряда
процессоров Intel, до 55% для процессоров AMD. Что в свою очередь снизило
требования к вычислительным элементам и, соответственно, уменьшило
стоимость инструментальных средств и систем контроля, диагностики и
управления.
19
Резюмируя результаты исследований, предложены следующие этапы разработки
инструментальных средств обработки сигналов:
 определение ограничений и соответствующих требований к программному
обеспечению, исходя из возможностей вычислительных элементов и
устройства, характерных для сложившихся условий эксплуатации (ПЭВМ,
переносные
ЭВМ,
планшетные
ЭВМ,
промышленные
ЭВМ,
микроконтроллеры);
 реализация вычислительно-затратных подпрограмм (таких как БПФ и
векторные преобразования), учитывающая архитектуру и ориентированная на
использование аппаратных особенностей целевых вычислительных платформ,
на основе рассмотренных подходов.
В четвертой главе описан процесс разработки графического компонента
программной системы, предназначенного для отображения поверхности ЧВ КФ.
Программная реализация компонента соответствует принципу эффективного
использования ресурсов устройств вычислительной техники, обеспечивает
повышение эксплуатационных характеристик средств визуализации в составе
систем контроля, диагностики и управления. Кратко представлена информация о
прототипе геоинформационной системы. Рассмотрены возможные варианты
использования современных технологий, позволяющих эффективно использовать
аппаратные ресурсы графического процессора. В соответствии с предлагаемой
методологией рассмотрены и решены задачи эффективной интерпретации и
представления графических данных.
Современные комплексные устройства вычислительной техники имеют в
своем составе вспомогательные специализированные вычислительные элементы,
предназначенные для обработки графических данных. Использование центрального процессора для графических вычислений сводит на нет производительность
устройства в целом. При получении ЧВ КФ и построении её поверхности
необходимо задействовать все доступные вычислительные ресурсы ЭВМ.
При принятии решения о выборе пути реализации эффективного компонента
визуализации поверхности были учтены достоинства и недостатки технологий
DirectX и OpenGL.
Структура реализованного программного кода компонента может быть
представлена простой схемой связей, отражающей принцип взаимодействия
классов (рисунок 9).
Корневой класс компонента TTFCC3DVis отвечает за инициализацию во
время исполнения, а также реализует интерфейс компонента.
Класс TfrmGL наследует от класса TForm, представленного в библиотеке
компонентов визуализации Visual Component Library, и применяется для
представления результатов визуализации в окне пользовательского интерфейса.
Объект класса TfrmGL создаётся при инициализации компонента во время
исполнения, а ссылка на него передаётся объекту класса TRenderer, отвечающему
за основные процедуры процесса визуализации. Класс TRenderer включает
основные механизмы взаимодействия с сервером OpenGL и вывода результатов
визуализации, поддерживает список ссылок на объекты классов, наследующих от
абстрактного класса TRenderingObject.
20
TParamForm – класс окна параметров визуализации, реализуюTTFC3DVis
щего пользовательский интерфейс
настроек
компонента
времени
TParamForm
TRenderer
исполнения.
TfrmGL
Класс TScene предназначен для
1 TScene
хранения основных параметров
1..*
построения, таких как точка начала
TForm
TTextRenderer
TRenderingObject
координат и размерность объёма
построения, коэффициенты масРисунок 9 – UML-диаграмма классов
штаба по осям и углы поворота
графического компонента
поверхности относительно плоспрограммной системы
кости проекции.
Класс TTextRenderer реализует построение объектов, представляющих собой
текстовые строки.
Программный код, реализующий трёхмерные построения, представляет
собой набор объектов визуализации: независимых сущностей, осуществляющих
интерпретацию данных и формирование процедур построения.
Унификация интерфейсов объектов визуализации позволяет упростить код
формирования трёхмерных моделей. Диаграмма классов, иллюстрирующая
унификацию интерфейса объектов визуализации, приведена на рисунке 10.
Процедура инициализаTRenderingObject
ции каждого объекта визуаTAvgRO
1 1..* +Enabled
TRenderer
лизации включает извлечение
+Init()
TMerkRO
отображаемых
метрик
из
+Renderer()
исходного набора данных.
Ссылка на массив, хранящий
набор входных данных, переTSurfaceRO
TGridRO
TLightingRO
Рисунок 10 – Интерфейс объектов визуализации дается объектам визуализации
при создании объекта конструктором корневого класса компонента. Одновременно с этим объектам
визуализации передаётся необходимая для представления данных информация о
границах областей допустимых значений элементов в массиве.
Графический интерфейс разработанного компонента отражен на рисунке 11.
На представленной форме расположены элементы управления отображением
поверхности. Функциональность разработанных механизмов отображения
позволяет пользователю произвести интерпретацию результатов частотновременного корреляционного анализа: выявить корреляцию сигналов по
частотным областям, определить области присутствия шумовых составляющих, а
также получить другую информацию из анализируемых сигналов.
В результате работы создан графический компонент программной системы,
предназначенный для отображения поверхности ЧВ КФ и соответствующий
принципу эффективности использования ресурсов вычислительных устройств, с
целью повышения эксплуатационных характеристик средств визуализации в
составе систем контроля, диагностики и управления. Реализованный компонент
21
позволяет использовать аппаратные возможности графических процессоров, при
этом обеспечивая частоту обновления изображения не менее 30 кадров в секунду.
Создание программной подсистемы визуализации результатов анализа,
Рисунок 11 – Графический интерфейс компонента программной системы
учитывающей аппаратные возможности инструментальных средств визуального
отображения
информации,
а
также
доступные
специализированные
вычислительные элементы и технологии обработки графических данных, является
неотъемлемым этапом предлагаемой методологии.
В пятой главе приведено описание различных программных средств и
устройств вычислительной техники, созданных на основе предложенного метода,
для контроля состояния трубопроводных систем жилищно-коммунального
назначения. В ходе создания инструментальных средств для контроля
целостности трубопроводов применен комплексный подход к разработке
устройств вычислительной техники на базе микроконтроллеров Cortex.
Проведено экспериментальное сравнение эффективности применения различных
микроконтроллеров в составе создаваемого устройства с целью обеспечения
лучших технико-экономических и эксплуатационных характеристик последнего.
Рассмотрены перспективы дальнейшего развития предложенных программноаппаратных решений.
Применение ЭВМ в качестве вычислительного устройства в системе с
беспроводной конфигурацией подразумевает вторичное преобразование и
передачу данных, поступающих от первичных преобразователей по радиоканалу.
Подобная конфигурация предполагает реализацию и использование пары
оригинальных преобразователей информации, осуществляющих аналоговоцифровое преобразование, накопление и последующую пакетную передачу
данных.
Связь с вычислительным устройством организована посредством интерфейса
22
последовательных (COM) портов. Синхронизация работы вторичных
преобразователей (блок 1, блок 2) осуществляется по радиоканалу.
Функциональная схема созданной системы представлена на рисунке 12. Ниже
приведены основные технические характеристики разработанных вторичных
преобразователей: частота дискретизации АЦП – 19,2 кГц (разрядность – 16 бит);
объем памяти буфера накопления данных – 1 Мб; мощность излучения
радиомодема – 20 мВт; скорость передачи по радиоканалу – 4 кБ/с.
Slave
Master
Блок 2
Блок 1
Датчик
Датчик
Труба
Рисунок 12 – Функциональная схема системы и её общий вид
Комплекс практических испытаний созданной системы в лабораторных и
полевых условиях показал работоспособность всех элементов в отдельности и
системы в целом.
В то же время наличие ЭВМ в составе созданной системы накладывает
ограничения, т. к. они требуют бережного обращения, что затруднительно в
реальных условиях эксплуатации, тогда как ЭВМ в промышленном исполнении
имеют высокую стоимость. Это обстоятельство явилось основанием к созданию
устройств вычислительной техники на микроконтроллерах.
Выбор микроконтроллеров произведён с учётом нескольких факторов:
доступность, производительность и низкая стоимость. В результате выбраны
микроконтроллеры ST Microelectronics с процессорными ядрами Cortex-M3 и
Cortex-М4. Основное отличие выбранных элементов заключается в
дополнительном специализированном наборе инструкций цифровой обработки
сигналов, позволяющих значительно повысить эффективность выполнения
арифметических операций. Проверка созданных решений осуществлена на
отладочных комплексах, общий вид которых представлен на рисунке 13.
а)
б)
Рисунок 13 – Отладочный комплекс: а) STM32F103VET6; б) STM32F407VGT6
Производительность лабораторных образцов оценена на ряде тестовых
23
примеров. Так, в таблице 2 приведены сравнительные оценки времени
вычисления 1000 ВКФ на микроконтроллерах Cortex-M3 и Cortex-M4.
Таким образом, наличие
Время выполнения расчёта, мc
аппаратной поддержки инструкРазмер
окна выборки
Cortex-M3
Cortex-M4
ций цифровой обработки сигна256
351,4314
2,1061
лов ядром Cortex-M4 позволяет
512
728,7823
4,1792
эффективнее выполнять вычисле1024
1614,0127
9,1780
ние ВКФ.
2048
3559,6637
20,0056
На данном микроконтрол4096
Не хватает памяти
43,2343
лере реализован конечный вариант устройства вычислительной техники, обеспечивающего сохранение
поступающих от первичных преобразователей сигналов в энергонезависимую
память. Созданное устройство и его функциональная схема приведены на
рисунке 14.
Разработанное устройство вычислительной техники предназначено для
работы в двух режимах: динамическом (в реальном масштабе времени) и
статическом (анализируемые сигналы накапливаются на SD-карте памяти, после
чего происходит расчет ВКФ). Передача данных на ЭВМ для анализа сигналов с
большим размером окна выборки осуществляется по COM- или USBинтерфейсам.
Таблица 2 – Время вычисления ВКФ
Датчик 1
A(t)
Датчик 2
B(t)
A΄(t)
Усилитель
АЦП
B΄(t)
Ai
Блок управления
CM4
Средства для отображения
результатов, индикатор LCD
ЭВМ
Bi
RS-232
RS-485
DSP
Управляющее
устройство
Средства для хранения данных
(SD-карта)
Рисунок 14 – Вычислительное устройство и его функциональная схема
Созданные программно-аппаратные устройства вычислительной техники для
контроля технического состояния трубопроводных систем, в том числе систем
жилищно-коммунального хозяйства, обеспечивают улучшение эксплуатационных
характеристик систем контроля, в частности, повышение точности определения
местоположения трубопроводных утечек на 26%.
Таким образом, заключительным этапом методологии должно быть
проведение
комплексного
тестирования
созданных
инструментальных
вычислительных средств в составе систем контроля, диагностики и управления.
В шестой главе представлены результаты экспериментальных исследований
применения созданных инструментальных вычислительных средств контроля и
24
диагностики функционирования элементов технических систем. Так, показана
более высокая точность, по сравнению с классическим подходом, определения
местоположения течи при применении предложенных инструментальных
вычислительных средств. Предложено применение алгоритмов частотновременного анализа и программных средств на его основе в целях контроля и
диагностики функционирования систем управления подачей топлива в двигателе
внутреннего сгорания (ДВС).
Решение задачи определения наличия и местоположения течи в
трубопроводе произведено в следующих условиях: труба диаметром 273 мм
(толщина стенки 6 мм); расстояние между первичными преобразователями
(датчиками) 55 м; расстояние до утечки от первого датчика 3 м. Необходимо
отметить, что на расстоянии около 7 м от первого датчика располагался колодец
канализации, являющийся источником сильного шума. После вскрытия грунта
было установлено, что утечка представляла собой свищ, направленный вниз,
диаметром около 1 см.
Вследствие высокого уровня сигнала, регистрируемого первым датчиком, и
низкого уровня сигнала, регистрируемого вторым датчиком, в усилительном
тракте сигнал первого канала наводил шум на второй канал. Таким образом,
корреляционный пик располагался точно по центру; никаких других пиков,
которые могли бы соответствовать реальному положению утечки, не было
замечено. ВКФ сигналов представлена на рисунке 15 (при вычислении
r,
использовалась выборка длительотн. ед.
ностью 10 секунд с частотой
1
дискретизации 44,1 кГц).
Представленная на рисунке 15
КФ не информативна; дальнейшее
исследование предполагало определение частотных границ сигнала
0
утечки и последующую фильтра0
100 200 300 τ, мс
-300 -200 -100
цию в данной полосе частот. Для
Рисунок 15 – ВКФ сигналов
исследования спектра сигнала была
выбрана ширина окна БПФ
SXY(f)
Взаимный амплитудный спектр представлен на
рисунке 16.
По рисунку 16 определён
интервал частот от 8 до 21 кГц, на
котором наблюдаются высокие
0 1,5 4,4 7,4 10,3 13,2 16,2 19,1 22,1 f, кГц значения амплитуд гармонических
Рисунок 16 – Взаимный амплитудный спектр составляющих, и вероятно присутсигналов
ствие полезного сигнала. Данных
сведений недостаточно для настройки полосовых фильтров. Для определения
частотного интервала локализации сигнала утечки использована функция
когерентности, представленная на рисунке 17.
Из вида функции когерентности следует предположение о том, что полезный
25
сигнал локализован в полосе
частот 18…21 кГц, что может
0,8 γ(f)
быть использовано для настройки
0,6
фильтра.
Кроме
того,
из
рисунка 17 видно, что неслу0,4
чайные (стационарные) сигналы
0,2
присутствуют в области низких
0
частот и, возможно, связаны с
0 1,5 4,4 7,4 10,3 13,2 16,2 19,1 22,1 f, кГц
шумами, присутствующими в
Рисунок 17 – Функция когерентности
каналах усилительного тракта.
Наличие неслучайного сигнала в
φ(f)
π
полосе частот 18…21 кГц также
подтверждается видом фазовой
функции взаимного спектра,
0
представленной на рисунке 18.
Вид фазовой функции взаимного
спектра сигнала в полосе частот
-π
0 1,5 4,4 7,4 10,3 13,2 16,2 19,1 22,1 f, кГц 18...21 кГц
представлен
на
рисунке 19. Фильтрация сигнала
Рисунок 18 – Фазовая функция взаимного
в данном диапазоне позволит
спектра
сделать пик ВКФ, связанный с
φ(f)
π
утечкой, наиболее явным.
Осуществив фильтрацию в
найденном диапазоне частот,
0
получили ВКФ, представленную
на рисунке 20.
На графике ВКФ появился
-π
18 18,4 18,8 19,2 19,6 20 20,4 20,8 f, кГц второй пик, соответствующий
величине аргумента τ ≈ –34 мс.
Рисунок 19 – Фазовая функция взаимного
При скорости звука вдоль
спектра в полосе частот 18..21 кГц
трубопровода 1450 м/с получаем
r,
координаты утечки на расстоянии
отн. ед.
2,82 м от первого датчика.
1
Исследование сигнала утечки
τ ≈ -34 мс
также проведено с помощью
ЧВ КФ при ширине частотного
окна
Полученная в
результате расчетов ЧВ КФ пред0
ставлена на рисунке 21, на
τ,
мс
-300 -200 -100
0
100 200 300
котором отчетливо просматриваРисунок 20 – ВКФ сигналов в полосе частот ются диапазоны частот, содержащие помехи.
18..21 кГц
Определив
частотные
границы, можно задать частоты среза цифровых частотных фильтров и удалить
помеху из анализируемого сигнала. Таким образом, по поверхности ЧВ КФ
26
можно
определить
характер
составляющих сигнала в определенных частотных диапазонах,
что
является
несомненным
τ ≈ -33,8 мс
преимуществом над классической
формой представления КФ.
По полученной ЧВ КФ
определяем
время
задержки
f, кГц
τ ≈ –33,8 мс, что соответствует
расстоянию 3,02 м от первого
0 2 4 6 8 10 12 14 16 18 20 22
датчика. Этот результат близок к
Рисунок 21 – ЧВ КФ сигнала утечки
действительности (3 м). Вторая
линия на рисунке 21, параллельная оси частот, предположительно является
проявлением электрических наводок во вторичном преобразователе сигналов.
Таким образом, показано, что использование созданной программноаппаратной системы контроля позволило выявить наличие сигнала утечки и
определить её местоположение без применения функции когерентности и итерационной полосовой фильтрации входных сигналов.
Далее проведено исследование применимости созданных инструментальных
вычислительных
средств
для
вибрационной
диагностики
состояния
функционирования системы управления впрыском топлива и цилиндропоршневой группы (ЦПГ) ДВС.
Вибрация
корпуса
ДВС
обусловлена
возвратно-поступательными
движениями, связанными с функционированием ЦПГ. В случае исправности
двигателя и его работы в штатном режиме, вибрационный отклик на очередное
срабатывание любого из цилиндров идентичен в равноудаленных от источника
точках корпуса. Таким образом, все пики ЧВ АКФ сигнала вибрации исправного
двигателя сопоставимы по величине, что показано на рисунке 22а.
Если система управления или ЦПГ имеют дефект и ДВС работает
некорректно, вид ЧВ АКФ будет существенно отличаться. Так, например, при
нарушении подачи топлива в один из цилиндров за каждым выраженным пиком
ЧВ АКФ будут следовать три меньших по величине пика, как это показано на
рисунке 22б.
372
296
224
152
76
0
-76
-152
-224
-296
-372
τ, мс
f
f
1,0
0,8
0,4
1,0
0,8
τ 0,4
0 0
0,25
0,50
0,75
1,00
τ
0 0
0,25
0,50
0,75
1,00
а)
б)
Рисунок 22 – Вид ЧВ АКФ сигнала вибрации ДВС: а) исправного;
б) с одним нефункционирующим цилиндром
Чем ближе точка на корпусе ДВС находится по отношению к
срабатывающему цилиндру, тем выше интенсивность вибрации. В связи с этим
27
далее рассматриваются ЧВ АКФ сигналов вибрации в точках на корпусе ДВС,
расположение которых показано на рисунке 23.
В силу неидентичности вибрационных импульсов, вид поверхности ЧВ АКФ
будет определяться как функциональным
состоянием
каждого
из
четырёх
III
IV
цилиндров, так и расположением датчика.
Последнее делает поверхности ЧВ АКФ
II
I
весьма
характерными
и
позволяет
использовать их при диагностировании
неисправности
указанных
элементов
двигателя. В частности, подобным образом
может быть определён цилиндр, имеющий
дефект, или диагностирована неисправность системы управления подачей
Рисунок 23 – Расположение датчиков топлива. Стоит отметить, что формы
полученных поверхностей могут быть
на корпусе ДВС
использованы в качестве признаков
дефектов при построении автоматизированной системы контроля и диагностики.
На рисунке 24 представлен вид ЧВ АКФ для случаев неисправности первого,
второго, третьего и четвертого цилиндров соответственно при расположении
датчика в области первого цилиндра.
В целях проверки предложенного метода были проведены эксперименты с
автомобильными двигателями ВАЗ-2106, K20A-Honda, K20B-Honda. В ходе
экспериментальных исследований было установлено однозначное соответствие
вида наблюдаемых поверхностей ЧВ КФ представленным выше результатам
моделирования. Далее приведены результаты исследования сигнала вибрации
ДВС K20A-Honda.
I
III
f
f
1,0
0,8
0,4
0
0
0,25
0,50
0,75
1,0
0,8
 0,4
0
1,0
0

0,25
II
0,50
0,75
1,0
IV
f
f
1,0
0,8
0,4
0
0
0,25
0,50
0,75
1,0
0,8
 0,4
1,0
0

0
0,25
0,50
0,75
1,0
Рисунок 24 – Вид ЧВ АКФ сигнала вибрации ДВС с неисправными первым,
вторым, третьим и четвертым цилиндрами соответственно, при расположении
датчика в области первого цилиндра
28
В качестве первичных преобразователей сигналов использовались
пьезоэлектрические акселерометры ДН-3. Неисправность системы управления
подачей топлива имитировалась путём отключения форсунки четвёртого
цилиндра. Датчик в этом случае был установлен в позиции I (зона первого
цилиндра). Для примера на рисунке 25 представлена поверхность ЧВ АКФ,
полученная с применением созданного компонента визуализации.
IV
f,
кГц
22,1
17,6
13,2
8,8
4,4
0
300
100
200
0
-100
-200
τ, мс
-300
Рисунок 25 – ЧВ АКФ экспериментального сигнала вибрации ДВС
K20A-Honda с нефункционирующим цилиндром (IV) и датчиком
вибрации, расположенным в зоне I
Поверхность ЧВ АКФ на рисунке 25 схожа с поверхностью, представленной
на рисунке 24 (IV), что соответствует воспроизведенному в рамках эксперимента
дефекту. Аналогичным образом экспериментально было выявлено соответствие
между другими теоретически сформированными признаками дефектов и
действительными неисправностями системы управления подачей топлива.
Созданные устройства вычислительной техники прошли апробацию в
составе системы контроля целостности трубопроводов при решении задачи
определения положения утечек. Показано, что разработанные программноаппаратные инструментальные средства позволили повысить точность
определения положения утечки в городских условиях на 0,2 м. Предложенное
решение задачи диагностики функционирования ЦПГ формализовано и положено
в основу автоматизированной системы, обеспечивающей надёжность и контроль
технического состояния ДВС.
В заключении представлены ключевые результаты и подведены итоги
диссертационного исследования.
В приложениях приведены: копии патентов РФ на изобретения; копии
свидетельств государственной регистрации программ для ЭВМ; копии актов
внедрения и справок об использовании результатов работы; принципиальные
схемы созданного устройства вычислительной техники.
ЗАКЛЮЧЕНИЕ
В диссертации разработана методология, а также созданы с её применением
инструментальные
вычислительные
средства
частотно-временного
корреляционного анализа для систем контроля, диагностики и управления.
Результаты работы вносят вклад в совершенствование теоретической базы
создания устройств вычислительной техники, реализующих предложенные в
29
работе методы анализа, и улучшающих технико-экономические и
эксплуатационные характеристики систем контроля, диагностики и управления.
Аппаратная и программная реализация алгоритмов анализа в соответствии с
методологией позволяет, за счёт эффективного использования элементов
вычислительной техники, в частности многоядерных микропроцессоров общего
назначения, увеличить скорость вычислений до 3,7 раза. В тоже время
применение частотно-временного корреляционного анализа обеспечивает
повышение эффективности оценки информативных параметров сигналов, за счёт
увеличения отношения сигнал/шум на выходе частотно-временного коррелятора.
Так, в работе показано повышение различимости корреляционного пика на фоне
случайных шумов более чем в 4 раза по сравнению с традиционным
коррелятором, что существенно упрощает решение задачи оценки времени
запаздывания. Перечисленное в совокупности обеспечивает улучшение техникоэкономических и эксплуатационных показателей систем контроля, диагностики и
управления. В частности, применение созданных инструментальных
вычислительных средств для контроля целостности трубопроводных систем
позволило повысить точность определения местоположения утечек на 26%.
Методология создания вычислительных устройств, применяемых в составе
систем контроля, диагностики и управления, предполагает выполнение
следующих этапов:
1. Анализ задачи - определение перечня информативных параметров,
содержащихся в сигналах и существенных в контексте поставленной задачи.
2. Разработка алгоритмов извлечения необходимой информации из
анализируемого сигнала, на основе предложенного в главе 2 математического
аппарата частотно-временного корреляционного анализа.
3. Определение ограничений и соответствующих требований к программному
обеспечению, исходя из возможностей вычислительных элементов и устройства,
характерных для сложившихся условий эксплуатации (ПЭВМ, переносные ЭВМ,
планшетные ЭВМ, промышленные ЭВМ, микроконтроллеры).
4. Реализация вычислительно-затратных подпрограмм (таких как БПФ и
векторные преобразования), учитывающая архитектуру и ориентированная на
использование аппаратных особенностей целевых вычислительных платформ на
основе подходов, приведённых в главе 3.
5. Разработка программной подсистемы визуализации результатов анализа,
учитывающей аппаратные возможности инструментальных средств визуального
отображения
информации,
а
также
доступные
специализированные
вычислительные элементы и технологии обработки графических данных.
6. Проведение комплексного тестирования созданных инструментальных
вычислительных средств в составе систем контроля, диагностики и управления.
В процессе выполнения диссертационного исследования были получены
следующие результаты, имеющие самостоятельное научное теоретическое и
практическое значение:
1. Выполнен анализ применения современных элементов и устройств
вычислительной техники, используемых в составе систем контроля, диагностики
и управления, отвечающих высоким требованиям по быстродействию и
30
эффективности реализации сложных вычислительных алгоритмов обработки
сигналов.
2. Разработан метод частотно-временного корреляционного анализа,
позволяющий качественно и количественно оценить взаимную связь сигналов как
во временной, так и в частотной областях. Созданный метод обеспечивает
выраженность корреляционного пика полезного сигнала на фоне случайных
шумов более чем в 4 раза по сравнению с традиционным методом
корреляционного анализа. Отличительными особенностями метода являются его
применимость для локализации частотных границ полезного сигнала
непосредственно по корреляционной функции. Реализация метода на элементах и
устройствах вычислительной техники позволяет получить дополнительную
информацию о текущем состоянии объекта и тем самым повысить качество
решения задач контроля, диагностики и управления.
3. Разработан метод анализа компонентного состава смеси сигналов по частотновременной корреляционной функции, обеспечивающий увеличение отношения
сигнал/шум на выходе частотно-временного коррелятора более чем на порядок в
сравнении с классическим коррелятором, для построения вычислительных
устройств, эффективных по быстродействию и использованию элементов
вычислительной техники, ориентированных на применение в составе систем
контроля, диагностики и управления.
4. Разработан метод определения частотных границ полезного сигнала. Отличием
и важным преимуществом метода является возможность анализа сигналов,
содержащих в своём составе периодические импульсные компоненты. Так, по
коррелограмме могут быть определены периодический характер импульсных
сигналов, период их следования и их частотная локализация. Реализующие его
устройства
вычислительной
техники
обеспечивают
возможность
автоматизированной настройки цифровых частотных фильтров без использования
итерационной процедуры подбора их параметров. Это, в свою очередь, позволяет
снизить влияние шумов на качество и точность определения информативных
параметров сигналов и, тем самым, способствует улучшению техникоэкономических и эксплуатационных характеристик систем контроля, диагностики
и управления.
5. Произведён теоретический анализ и экспериментальные исследования
эффективности использования элементов вычислительных устройств при
реализации алгоритмов оценки информативных параметров сигналов с
применением частотно-временного корреляционного анализа. В ходе
исследования, достигнуты следующие значения показателей эффективности
использования ресурсов элементов вычислительной техники: до 70% для ряда
процессоров Intel, до 55% для процессоров AMD. Это позволяет снизить
требования к вычислительным элементам и, соответственно, уменьшить
стоимость инструментальных средств и систем контроля, диагностики и
управления в которых они используются.
6. В полном соответствии с предложенной методологией созданы устройства
вычислительной техники, используемые в системах контроля целостности
водопроводов под давлением, а также их алгоритмическое и программное
31
обеспечение,
обеспечивающие
повышение
точности
определения
местоположения утечек на 26% и при этом упрощающие эвристическую задачу
интерпретации результатов оператором за счёт применения визуальной
интерактивной графической модели. Вышеупомянутые устройства в
совокупности с разработанной геоинформационной системой образуют
программно-аппаратный комплекс, позволяющий повысить эксплуатационные
характеристики данных систем.
7. В соответствии с методологией на базе микроконтроллера разработано и
создано портативное универсальное устройство вычислительной техники,
осуществляющее приём, хранение, первичную и вторичную обработку
виброакустических сигналов. Предложенные методы анализа сигналов и новые
элементы математического и программного обеспечения реализованы в виде
динамических библиотек и исполняемых файлов, предназначенных для
применения на широком спектре элементов вычислительной техники общего
назначения, а также на специализированных вычислительных устройствах.
8. Предложены методологические основы создания инструментальных
вычислительных средств частотно-временного корреляционного анализа
сигналов,
обеспечивающих
повышение
технико-экономических
и
эксплуатационных показателей систем контроля, диагностики и управления.
9. Предложен подход к обеспечению надёжности, контроля и диагностики
функционирования элементов систем водоснабжения и систем двигателей
внутреннего сгорания, основанный на применении метода частотно-временного
корреляционного анализа. В частности, показана эффективность предложенного
подхода к решению важных народнохозяйственных задач обнаружения утечек в
трубопроводных системах и диагностики агрегатов автомобилей. Данный подход
обеспечивает улучшение эксплуатационных характеристик систем контроля,
диагностики и управления, в частности, повышение точности определения
местоположения трубопроводных утечек на 26%.
Результаты работы использованы на ряде производственных и сервисных
предприятий: АО «НПО «Андроидная техника», г. Москва; ООО
«Александровский нефтеперерабатывающий завод», село Александровское
Томской области; ОАО «Томский электротехнический завод», г. Томск; ОАО
«Томский электромеханический завод им. В.В. Вахрушева», г. Томск; ООО
«Томскводоканал», г. Томск; НИИ «Автоматики и электромеханики», г. Томск;
ЕООД «Ивконсулт», г. София, Болгария; ООО «ТомскАСУпроект», г. Томск;
ООО «СибХайТекЦентр», г. Томск, а также использованы в учебном процессе
ФГАО ВО НИ ТПУ, ФГБОУ ВО АлтГУ и ФГБОУ ВО СибГИУ.
Завершенность работы определяется наличием всех необходимых этапов: от
создания математической основы разработки алгоритмов преобразования
сигналов, определения подходов к эффективной реализации алгоритмов частотновременного корреляционного анализа для целевой вычислительной платформы и
создания методологических основ разработки соответствующего программного
обеспечения до использования перечисленных результатов при проектировании,
воплощении и внедрении микропроцессорных устройств в системы контроля и
диагностики.
32
ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОЙ РАБОТЫ
ОТРАЖЕНЫ В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ
Основные статьи в журналах из перечня ВАК
1. Аврамчук В.С. Определение наличия гармонических составляющих и их частот
в дискретных сигналах на основе автокорреляционной функции /
В.С. Аврамчук // Известия Томского политехнического университета. – 2012. –
Т. 321, № 5. – C. 113–116.
2. Аврамчук В.С. Метод определения неисправного цилиндра двигателя
внутреннего сгорания на основе частотно-временного корреляционного анализа
/ В.С. Аврамчук, В.А. Фаерман // Приборы и системы. Управление, контроль,
диагностика. – 2018. – № 3. – С. 37–43.
3. Аврамчук В.С. Повышение эффективности программной реализации алгоритма
вычисления корреляционной функции на процессорах общего назначения /
В.С. Аврамчук, В.А. Фаерман // Системы управления и информационные
технологии. – 2018. – № 1(71). – С. 73–77.
4. Аврамчук В.С. Частотно-временной корреляционный анализ в задачах
определения координат утечек в трубопроводах / В.С. Аврамчук,
В.И. Гончаров, В.Т. Чан // Известия Томского политехнического университета.
– 2010. – № 2. – С. 70–73.
5. Аврамчук В.С. Оптимизация расчета частотно-временной корреляционной
функции на центральном процессоре / В.С. Аврамчук, Е.Е. Лунева,
А.Г. Черемнов // Системы управления и информационные технологии. – 2014. –
№2 (56). – С. 58–62.
6. Аврамчук В.С. Частотно-временной корреляционный анализ цифровых
сигналов / В.С. Аврамчук, В.Т. Чан // Известия Томского политехнического
университета. – 2009. – № 5. – С. 112–115.
7. Аврамчук В.С. Анализ сигналов вибрации двигателя внутреннего сгорания /
В.С. Аврамчук, В.П. Казьмин // Известия Томского политехнического
университета. – 2013. – Т. 323, № 5. – C. 69–74.
8. Лунева Е.Е. Анализ путей повышения эффективности расчетов частотновременной корреляционной функции / Е.Е. Лунева, В.С. Аврамчук // Известия
Томского политехнического университета. – 2013. – Т. 322, № 5. – С. 33–36.
9. Лунева Е.Е. Технологии параллельных вычислений на многопроцессорных
системах в задачах корреляционного анализа / Е.Е. Лунева, В.С. Аврамчук //
Системы управления и информационные технологии. – 2012. – №3.1(49). –
С. 156–159.
10. Аврамчук В.С. Разработка компонента визуализации биомедицинских данных
на основе технологии OPENGL / В.С. Аврамчук, О.М. Гергет, Е.Е. Лунева //
Известия Волгоградского государственного технического университета. – 2013.
– Т. 17, № 14 (117). – С. 28–31.
11. Таскаев Д.М. Адаптивная система с частотным разделением канала
управления и самонастройки / Д.М. Таскаев, В.С. Аврамчук // Известия
Томского политехнического университета. – 2007. – № 2. – С. 189–194.
33
12. Аврамчук В.С. Визуализация частотно-временной корреляционной функции
на основе технологии OpenGL / В.С. Аврамчук, Е.Е. Лунева, В.Л. Карабин //
Системы управления и информационные технологии. – 2013. – №1.1(51). – С.
110–113.
13. Аврамчук В.С. Применение решетчатых периодических функций в
спектральном анализе узкополосных периодических сигналов / В.С. Аврамчук,
Е.М. Яковлева // Известия Томского политехнического университета. – 2006. –
№ 7. – С. 40–44.
14. Аврамчук В.С. Способы повышения эффективности вычисления быстрого
преобразования Фурье / В.С. Аврамчук, Е.Е. Лунёва, А.Г. Черемнов // Вестник
евразийской науки (Науковедение). – 2013. – №. 3. – С. 1–6.
15. Аврамчук В.С., Лунёва Е.Е., Черемнов А.Г. Повышение эффективности
использования аппаратных ресурсов ЭВМ при вычислении частотно-временной
корреляционной функции / В.С. Аврамчук, Е.Е. Лунёва, А.Г. Черемнов //
Вестник евразийской науки (Науковедение). – 2013. – №. 6. – С. 1–10.
Монографии
16. Функциональный контроль
и диагностика электротехнических и
электромеханических систем и устройств по цифровым отсчетам мгновенных
значений тока и напряжения / B.C. Аврамчук, Н.Л. Бацева, Е.И. Гольдштейн и
др.; под ред. Е.И. Гольдштейна. – Томск: Печатная мануфактура, 2003. – 240 с.
Индексируемые в SCOPUS
17. Avramchuk V.S. Time-frequency Correlation Method for Improving the Accuracy
in Detecting Leaks in Pipelines / V.S. Avramchuk, V.I. Goncharov // Advanced
Materials Research. – 2013. – Vol. 650. – P. 443–446.
18. Avramchuk V.S. Increasing the Efficiency of Using Hardware Resources for TimeFrequency Correlation Function Computation / V.S. Avramchuk, E.E. Luneva,
A.G. Cheremnov // Advanced Materials Research. – 2014. – Vol. 1040. –
P. 969–974.
19. Faerman V.A. Prospects of frequency-time correlation analysis for detecting
pipeline leaks by acoustic emission method / V.A. Faerman, A.G. Cheremnov,
V.S. Avramchuk, E.E. Luneva // IOP Conference Series: Earth and Environmental
Science. – 2014. – Vol. 21. – Iss. 1. – Article number 012041. – P. 1–8.
20. Faerman V.A. Overview of frequency bandwidth determination techniques of useful
signal in case of leaks detection by correlation method / V.A. Faerman,
V.S. Avramchuk, E.E. Luneva // IOP Conference Series: Materials Science and
Engineerin. – 2014. – Vol. 66. – Iss. 1. – Article number 012028.
21. Avramchuk V.S. Time–frequency Correlation Analysis / V.S. Avramchuk, Viet
Chau Tran // The 5th International Forum on Strategic Technology (IFOST), Ulsan,
October 13–15, 2010. – Ulsan: University of Ulsan, 2010. – P. 182–183.
22. Avramchuk V.S. New calculation method of correlation function applied to leak
localization / V.S. Avramchuk, A.A. Yefremov, V.I. Goncharov // Mechanical
Engineering, Automation and Control Systems: Proceedings of International
Conference, Tomsk, October 16–18, 2014. – Tomsk: TPU Publishing House, 2014. –
P. 1–4.
34
23. Avramchuk V.S. Optimization of calculating time-frequency correlation function on
the CPU / V.S. Avramchuk, E.E. Luneva, A.G. Cheremnov // Mechanical
Engineering, Automation and Control Systems: Proceedings of International
Conference, Tomsk, October 16–18, 2014. – Tomsk: TPU Publishing House, 2014. –
P. 1–5.
24. Faerman V.A. The leak location package for assessment of the time-frequency
correlation method for leak location / V.A. Faerman, A.G. Cheremnov,
V.S. Avramchuk, D.V. Shepetovsky // Journal of Physics: Conference Series. – 2017.
– Vol. 803. – Article number 012040. – P. 1–5.
25. Avramchuk V.S. The time-frequency method of signal analysis in internal
combustion engine diagnostics location / V.S. Avramchuk, V.P. Kazmin,
V.A. Faerman, Le V.T. // Journal of Physics: Conference Series. – 2017. – Vol. 803.
–Article number 012012. – P. 1–5.
26. Avramchuk V.S. Use of lattice functions at definition of spectral consisting of
nonsinusoidal periodic signals / Avramchuk V.S. Tsapko G.P. Ponomarev A.A. //
The 9th KORUS, 26th June - 2nd July 2005, Novosibirsk State Technical University.
– Novosibirsk: Russiaproceedings, 2005. – Vol. 1. – P. 801-803.
27. Avramchuk V.S., Yakovleva E.M. Spectral analysis of narrow band periodic signals
/ V.S. Avramchuk, E.M. Yakovleva // Key Engineering Materials. – 2016. – Vol.
685. – P. 225-229.
28. Avramchuk V.S. Estimation of combustion engine rotation speed based on vibration
signal analysis / V.S. Avramchuk, V.P. Kazmin // Key Engineering Materials. –
2016. – Vol. 685. – P. 436-440.
Патенты РФ на изобретения
29. Пат. 2405163 Российская Федерация, МПК7 G 01 R 23/16. Способ частотновременного корреляционного анализа цифровых сигналов / Аврамчук В.С.,
Гончаров В.И., Чан Вьет Тьяу; заявитель и патентообладатель ГОУ ВПО НИ
ТПУ. – № 2009118627/28; заявл. 18.05.09; опубл. 27.11.2010, Бюл. № 33 – 2 с.
30. Пат. 2533629 Российская Федерация, МПК7 G 06 F 17/14, 7H 03 H 17/00.
Способ определения частотных границ полезного сигнала и полос пропускания
цифровых частотных фильтров / Аврамчук В.С.; заявитель и патентообладатель
ФГБОУ ВПО НИ ТПУ. – № 2013122601/08; заявл. 17.05.2013; опубл.
20.11.2014, Бюл. № 32 – 2 с.
31. Пат. 2498324 Российская Федерация, МПК7 G 01 R 23/00. Способ определения
наличия гармонических составляющих и их частот в дискретных сигналах /
Аврамчук В.С.; заявитель и патентообладатель ФГБОУ ВПО НИ ТПУ. –
№ 2012116347/28; заявл. 23.04.2012; опубл. 10.11.2013, Бюл. № 31 – 2 с.
32. Пат. 2229139 Российская Федерация, МПК7 G 01 R 23/16. Способ
спектрального анализа сложных несинусоидальных периодических сигналов,
представленных цифровыми отсчетами / Аврамчук В.С., Гольдштейн Е.И.;
заявитель и патентооблидатель “Томский политехнический университет”. –
№ 2002133542/28; заявл. 10.12.02; опубл. 20.05.2004, Бюл. № 14. – 2 с.
35
33. Пат. 2229140 Российская Федерация, МПК7 G 01 R 23/16. Способ
спектрального
анализа
многочастотных
периодических
сигналов,
представленных цифровыми отсчетами / Аврамчук В.С., Гольдштейн Е.И.;
заявитель и патентообладатель “Томский политехнический университет”. –
№ 2003108753/28; заявл. 28.03.03; опубл. 20.05.2004, Бюл. № 14 – 1 с.
34. Пат. 2231076 Российская Федерация, МПК7 G 01 R 23/02. Способ определения
частоты сетевого напряжения / Аврамчук В.С., Гольдштейн Е.И.; заявитель и
патентообладатель
“Томский
политехнический
университет”.
–
№ 2003120287/28; заявл. 02.07.03; опубл. 20.06.2004, Бюл. № 17 – 2 с.
Свидетельства о регистрации программного обеспечения
35. Чан В.Т., Аврамчук В.С. Программное обеспечение корреляционного
течеискателя // Свидетельство о государственной регистрации программы для
ЭВМ № 2010615394.
36. Чан В.Т., Аврамчук В.С. Частотно-временной корреляционный анализ
цифровых сигналов // Свидетельство о государственной регистрации
программы для ЭВМ № 2010615395.
37. Аврамчук В.С., Лунева Е.Е. Определение наличия гармонических
составляющих и их частот в дискретных сигналах на фоне интенсивных помех
// Свидетельство о государственной регистрации программы для ЭВМ
№ 2012616729.
38. Аврамчук В.С., Лунева Е.Е. Частотно-временной автокорреляционный анализ
сигналов // Свидетельство о государственной регистрации программы для ЭВМ
№ 2012616731.
39. Аврамчук В.С., Лунева Е.Е., Карабин В.Л. 3D коррелятор // Свидетельство о
государственной регистрации программы для ЭВМ № 2012618711.
40. Аврамчук В.С., Пушкарев М.И. SPECTR // Свидетельство о государственной
регистрации программы для ЭВМ № 2012618713.
41. Аврамчук В.С., Лунева Е.Е., Лозяк А.М. Программа анализа сигналов
различного происхождения// Свидетельство о государственной регистрации
программы для ЭВМ № 2012660523.
42. Аврамчук В.С., Лунева Е.Е. HDD VibroDiagnostic // Свидетельство о
государственной регистрации программы для ЭВМ № 2013611290.
43. Аврамчук В.С., Лунева Е.Е. Геоинформационная система коммунальных
трубопроводов // Свидетельство о государственной регистрации программы для
ЭВМ № 2013617386.
44. Аврамчук В.С., Лунева Е.Е. Течеискатель // Свидетельство о государственной
регистрации программы для ЭВМ № 2013617731.
45. Буй Б.З., Аврамчук В.С. СМ3 Коррелятор // Свидетельство о государственной
регистрации программы для ЭВМ № 2014611375.
46. Буй Б.З., Аврамчук В.С. СМ4 Коррелятор // Свидетельство о государственной
регистрации программы для ЭВМ № 2014611376.
36
1/--страниц
Пожаловаться на содержимое документа