В настоящее время в системах автоматического управления используют готовые микроэлектронные интегральные схемы, на основе которых созданы микропроцессоры и микро-ЭВМ. Микропроцессор представляет собой программно-управляемое устройство, осуществляющее процесс обработки поступившей информации и управление этим процессом. Наличие микропроцессорной техники позволило создать и использовать в подъемно-транспортных, строительных и дорожных машинах и оборудовании бортовые микропроцессорные системы. Они выполняют программируемые последовательности арифметических и логических операций, управление аппаратурой комплекса, исполнительными устройствами, системой в целом, программами и режимами, сбором, хранением, обработкой и выдачей информации.
Основой микропроцессорного управления является модель реального процесса при работе машины (рис.188). Она содержит три основных компонента, к которым относятся модельное состояние (описывающее процесс работы в каждый момент времени), функция модификации состояний (переход от одного модельного состояния к другому на основании сигналов датчиков) и функция предсказания
(устанавливающая требуемое модельное состояние и формирующая набор команд на исполнительные органы). Значительную роль играет и стратегия, определяющая последовательность состояний, через которые проходит управляемый процесс.
Программным обеспечением бортовой микро-ЭВМ являются программы, осуществляющие связь между машинистом и аппаратным обеспечением и хранящиеся в постоянном запоминающем устройстве. Носителем памяти являются гибкие диски из майлара, на концентрические дорожки (из микроскопических намагниченных участков) которых записывается информация. Использование микропроцессорных бортовых систем в машинах позволяет значительно улучшить качество и безопасность выполняемых работ, увеличить производительность, продолжительность работы машины в исправном состоянии (за счет оптимизации режимов всей машины и ее узлов и агрегатов, связанных с расходом топлива, электроэнергии и действующими нагрузками) и вести постоянный контроль за состоянием как отдельных узлов, так и всей машины в целом.
Математические модели цифровых систем управления.
Цифровой САУ можно назвать такую, в состав которой включено цифровое вычислительное устройство (ЦВУ) в виде отдельных схем на базе элементов цифровой логики, микропроцессоров, микроконтроллеров и в наиболее сложных случаях в виде специализированных управляющих вычислительных машин (комплексов).
При классификации САУ по виду математических моделей под цифровой САУ будем понимать такую, в которой хотя бы один из сигналов в контуре управления подвергается одновременной дискретизации (квантованию) по уровню и времени. С этой точки зрения цифровая САУ является подклассом дискретных систем.
На ЦВУ возлагаются следующие основные функции: формирование программы управления (для систем стабилизации, позиционирования и программного управления), реализация цифровых алгоритмов управления и реализация дискретной коррекции. Кроме этого ЦВУ можно применять и для выполнения других функций: контроля элементов и состояния всей системы в целом, некоторых сервисных функций (учет времени работы и т.п.).
В настоящее время информационные технологии (ИТ) обработки и передачи данных нашли широкое применение во многих областях. Проведенный системный анализ основных проблем существующих при внедрении ИТ систем управления показал, что успешное решение данных проблем возможно лишь на основе комплексного подхода.
Достоинства цифровых методов представления, обработки, передачи и хранения информации, бурное развитие элементной базы - все это способствует тому, что цифровые методы обработки и передачи информации стали основным направлением развития телекоммуникационных систем. Эффективность методов цифровой обработки сигналов (ЦОС), составляющих основу многих ИТ, полностью определяется математической моделью ЦОС.
Существующая в последние годы тенденция в цифровой вычислительной технике к распараллеливанию вычислений связана с непрерывным ростом требований к производительности вычислительных устройств ЦОС.
Однако предъявляемые жесткие временные ограничения и отсутствие высокопроизводительной нейросетевой базы ЦОС является основным сдерживающим фактором широкого внедрения методов цифрового преобразования сигналов в системах передачи речи со сжатием, статистическим уплотнением, пакетной коммутацией, IP-телефонии и других инфотелекоммуникационных системах.
При анализе сигналов и цифровых методах их обработки особое внимание привлекают ортогональные преобразования благодаря простоте вычисления координат разлагаемых функций в пространстве. Такие преобразования определены над полем комплексных чисел,
где - поворачивающий коэффициент;
x(n)- количество отсчетов, k=0,...,N-1, n=0,...,N-1.
Известно, что реализация прямого и обратного ДПФ предопределяет значительные погрешности при вычислении значений спектральных коэффициентов в поле комплексных чисел. С этой точки зрения наиболее привлекательными являются преобразования, определенные над расширенным полем Галуа GF(pv). Так как элементы поля представляют собой целочисленные элементы расширенного поля Галуа, то при реализации выражений (1) и (2 будут полностью отсутствовать шумы округления [1-3].
Рассмотрим возможность выполнения обобщенного ДПФ в расширенных полях Галуа с использованием конечных полиномиальных колец, полученных с помощью неприводимых полиномов.
Пусть имеем конечное кольцо полиномов P(z), с коэффициентами в виде элементов поля GF(p), определяющего точность вычисления ортогональных преобразований сигналов. Положим, что данное кольцо разлагается в виде P(z) = P1(z) + P2(z) +...+ Pk(z), где P1(z) - локальное кольцо полиномов, образованных неприводимым полиномом pl(z) над полем GF(p); l=1, ...,k. Тогда справедлива теорема.
Теорема: Пусть P(z) - конечное кольцо полиномов с коэффициентами поля GF(p) представляет собой прямую сумму локальных колец полиномов
P(z) = P1(z) + P2(z) +...+ Pm(z),
Тогда в данной системе существует ортогональное преобразование, представляющее собой обобщенное ДПФ, если выполняются следующие условия:
β 1(z) - первообразный элемент порядка d для локального кольца p1(z), где l=1, ...,m.
d имеет мультипликативный обратный элемент d*.
Доказательство: Ортогональное преобразование является обобщенным ДПФ для кольца вычетов P(z) если существуют преобразования вида
над конечным кольцом p 1(z).
Полученная циклическая группа имеет порядок d. Поэтому дискретное преобразование Фурье над p1 (z) можно обобщить над кольцом P(z), если конечное кольцо p1 (z) содержит корень d-ой степени из единицы и d имеет мультипликативный обратный элемент d*, такой что справедливо
d*d=pv-1. (5)
Доказательство закончено.
Основным преимуществом теоремы является возможность организации ортогональных преобразований сигналов на основе обобщенного ДПФ в расширенных полях Галуа при различных значениях разрядности сетки, задаваемой значением конечного кольца P(z). При этом вычисления организуются параллельно, независимо друг от друга, что значительно повышает быстродействие ЦОС.
Практическая часть.
Программа SamSim предназначена для моделирования линейных и нелинейных цепей в системах автоматического управления. Работает с моделями, которые можно представить в форме блок-схем.
Программа имеет 48 типовых блоков. С помощью данной программы возможно:
- построение любых схем моделей из библиотек элементов,
- задание параметров интегрирования и параметров элементов,
- сохранение в файле и считывание из файла модели,
- построение зависимостей от времени в любых точках схемы,
- построение фазовых портретов для любых схем, - построение частотных характеристик для любых линейных схем,
- вывод результатов расчёта в графической и табличной форме,
- вывод на печать схемы и её параметров, результатов расчёта.
На рисунке представлен общий вид программы автоматизированного моделирования SamSim.
Рис.1. Общий вид программы SamSim
Рис. 2 Вид главного меню программы.
Рис.3. Амплитуду входного сигнала и задержка
Рис.4. Последовательное соединение
Рис.5. Численные значения К и Т
Рис.6. Влияние параметров К и Т на переходную
характеристику
Рис.7. Выходные сигналы звена на входные сигналы
Рис.8. Выходные сигналы звена на входные сигналы
Рис.9.
Рис.10.
Рис11.
Рис.12.
Рис.13.
Рис.14. Переходная характеристика системы
Рис.15. Переходная характеристика системы
Рис.16. Переходная характеристика системы
Рис.17.
Рис.18.
Рис.19.
Рис.20.