Информационная система проведения дистанционных измерений

назначением ИД и методом измерения  определяемых параметров.

     4. Осуществление интеллектуальной  процедуры оптимизации ре-

жимно-энергетических параметров измерений  и контроля свойств иссле-

дуемых материалов в условиях неопределенности.

     5. Разработка программного обеспечения измерительных датчиков,

включающее программирование применяемых  методов измерения, алго-

ритмов, измерительных процедур, методов  метрологического анализа, ко-

торое прошивается в память микроконтроллера ИД.

     6. Реализация интеллектуальной процедуры контроля исходного со-

стояния измерительного датчика, т.е. контроля параметров первичных из-

мерительных преобразователей (ПИП), например термопар при контроле

теплофизических свойств материалов, сопротивления нагревательных эле-

ментов, «нуля» на выходе операционных усилителей, применяемых при

сигналах микровольтового уровня из ПИП. Контроль осуществляется по

соответствующим значениям, заложенным в систему допускового контро-

ля, программным способом.

     7. Увеличение эксплуатационного  и метрологического ресурсов  ин-

теллектуальных датчиков предлагается увеличить за счет разработки ори-

гинальных надежных конструкций датчиков, позволяющих исключить ме-

ханическое повреждение, например, первичных измерительных преобразо-

вателей, нагревательных элементов  и подложки в измерительном зонде  при

контроле теплофизических свойств  материалов. Кроме того, необходимо

применять высокостабильные радиоэлементы в измерительных цепях дат-

чика с малым коэффициентом  старения и высокой устойчивостью  к воз-

действию дестабилизирующих факторов.

     Таким образом, исходя  из задач проектирования ИД, учета  требова-

ний, предъявляемым к интеллектуальным датчикам и задач интеллектуали-

зации, в структуру интеллектуального  датчика входят следующие блоки  и

устройства: система измерительных  преобразователей, микроконтроллер

(МК), блок усилителей (БУ) и устройство, реализующее алгоритм функ-

ционирования и управления проводимыми  измерениями (УРАФиУ).

Структурная схема интеллектуального  датчика приведена на рис. 2.3.

    Схема измерительных  преобразователей формируется в  соответствии

с назначением ИИС. Например, для  контроля теплофизических свойств

материалов в СИП используются термопары. Тип усилителей, коэффици-

енты усилений в блоке усилителей выбираются в процессе измерений  про-

граммным способом, используя информацию из базы знаний. Выбор алго-

ритма функционирования датчика и  управление проводимыми измерения-

ми осуществляется с помощью  блока принятия решений на основе априор-

ной информации, хранящейся в базе знаний, текущей информации, посту-

пающей из СИП, а также от пользователя и эксперта.

    Интеллектуальные процедуры,  которые реализуются в ИД, служат ос-

новой для оперативного контроля и  измерения определяемых параметров в

ИИИС, повышения точности и достоверности  результатов измерения.

     В интеллектуальных  системах знания хранятся в  специальном про-

граммном или программно-аппаратном блоке, называемом базой знаний.

Интеллектуальная система использует систему знаний, выполняя над ней

разнообразные операции, такие, как  поиск необходимых сведений, их моди-

фикация, интерпретация знаний, вывод  из имеющихся знаний новых и т.п.

Алгоритмы выполнения этих операций существенно зависят от особенностей

языка представления знаний от того, каким образом система знаний пред-

ставляется в ИИИС. Поскольку  система знаний ценна не сама по себе, а

именно возможностями ее применения и поскольку алгоритмизация опера-

ций с этой системой определяется языком представления знаний, любой  со-

временный метод представления  знаний представляет собой совокупность и

взаимосвязанность средств формального  описания знаний и манипулирова-

ния этими знаниями.

     База знаний является частью предлагаемой интеллектуальной системы

НК СМ и содержит исчерпывающий  объем априорной и апостериорной

информации, необходимый для реализации измерительной процедуры по

определению свойств твердых материалов для рассматриваемой предмет-

ной области, расчета параметров СМ, метрологического анализа результа-

тов измерения, поэтапного принятия решения  от процесса идентификации

исследуемого материала до получения  конечного результата, например

параметров ТФСМ.

В базе знаний формируется и хранится информация о классах исследуемых материалов (например, диапазоны теплопроводности, температуропроводности, теплоемкости, плотности, структура ИМ и др.), режимных параметрах измерительной ситуации, методах НК СМ и их параметрах, методах калибровки и тестирования ИИИС, методах метрологического анализа, математических зависимостях для определения качественных характеристик ИИИС (потерь точности и оперативности, мер доверия к результатам измерения), аппроксимирующих зависимостях для определения дестабилизирующих факторов, воздействующих на ИИИС, эталонных значениях параметров СМ и др.

Перспективной формой представления знаний являются фреймы, благодаря своей универсальности  и гибкости. Фрейм любого вида –  эта та минимально необходимая структурированная информация, которая однозначно определяет данный класс ИМ. Наличие фрейма позволяет отнести ИМ к тому классу, который им определяется. Фрейм можно представить в виде сети, состоящей из узлов и связей между ними.

В ИИИС НК СМ знания представляются в виде фреймовой модели, состоящей из кластеров знаний о предметной области, моделях исследуемых материалов, об измерительных ситуациях, измерительных каналах, измерительных процедурах и метрологическом обеспечении ИИИС [3,4].

База знаний ИИИС содержит априорную и апостериорную информацию, необходимую для реализации измерительных процедур для рассматриваемой предметной области, метрологического анализа (МА) результатов измерения, поэтапного принятия решения от процесса идентификации ИМ до получения параметров, сведения об эффективности измерения. В базе знаний формируется и хранится информация о классах ИМ, параметрах измерительной ситуации, методах измерения и их параметрах, методах калибровки и тестирования ИИИС, методах МА, математических зависимостях для определения качественных характеристик измерений с помощью ИИИС (потерь точности и оперативности, мер доверия к результатам измерения), аппроксимирующих зависимостях для определения ДФ, справочных значениях параметров, оценки результата измерений.

Для реализации интеллектуальных процедур в ИИИС необходимо составить фреймы-экземпляры, имена которых: «Предметная область», «Измерительная ситуация», «Измерительный канал», «Измерительная процедура», «Метрологическое обеспечение», «Принятие решений». Имя каждого слота изображенных фреймов-экземпляров позволяет определить конечную цель и назначение фреймов.

Целью проектирования ИИИС является повышение точности, оперативности и эффективности  информационно-измерительных систем в результате их интеллектуализации.

Применение искусственного интеллекта в информационно-измерительных системах НК СМ позволяет расширить функциональные возможности системы, улучшить характеристики и параметры в результате выполнения следующих требований к системе и решения проблем:

Проведение многоканальных измерений СМ с высокой точностью,

сбор информации с измерительных  датчиков (термопар), контроль температуры, автоматизация исследований и испытаний, градуировка и поверка датчиков, контроль параметров среды в производственных процессах. Автоматический контроль при разрешении по напряжению 0,1 мкВ. При использовании в качестве датчиков термопар типа хромель-копель вносимая погрешность составляет не более 0,1 К.

Выполнение  последовательности измерительных  процедур, управления и обработки  входной информации, принятия решений и представления результатов в цифровом виде. Возможность синтеза алгоритма функционирования ИИИС в текущей измерительной ситуации.

Идентификация информации об окружающей среде, используемом

материале и обеспечение в результате адаптации к воздействующим внешним и внутренним ДФ.

Обеспечение высокого быстродействия для выполнения в  системе

расчетов, оптимизации, принятия решений, прогноза и моделирования результатов  измерения.

Формирование  измерительной информации в частотно-импульсной

форме для последующего преобразования в цифровую форму, которая обеспечивает высокую помехоустойчивость при передаче сигналов, стабильность обработки параметров (независимость от времени и влияния

изменений в окружающей среде).

     Обеспечение гибкости системы в результате способности к пере-

стройке структуры аппаратных средств, измерительных и управляющих

функций посредством программ средств.

Вопросы обеспечения отказоустойчивости к ошибочным измерениям

интеллектуальных информационно-измерительных систем на примере сис-

тем неразрушающего контроля теплофизических  свойств материалов, ус-

тойчивых при функционировании в условиях воздействия дестабилизи-

рующих факторов рассмотрены в [21]. Результаты измерений предлагается

сопровождать значениями мер доверия, получаемым на основе метода

Демпстера-Шафера.

    Информационно-измерительные  системы неразрушающего контроля

теплофизических свойств материалов широко используются на предприятиях, производящих теплоизоляционные, полимерные и многие другие виды материалов для определения качества выпускаемой продукции. Как при массовом производстве продукции, так и при проведении исследова-

тельских работ по созданию новых  материалов, основными требованиями к

системам НК СМ являются гарантированная  точность получаемых резуль-

татов и высокая производительность (оперативность). Опыт эксплуатации

систем НК СМ показывает, что основная часть их отказов вызывается на-

рушениями работоспособности технических  средств и невыполнением тре-

бований к точности выполняемых измерений. За последние годы надеж-

ность ИИС по отношению к отказам  технических средств значительно  по-

вышена за счет введения избыточности для функциональных блоков,

включая измерительные зонды, усилители, источники питания и т.д. Для

наиболее ответственных блоков используется горячее резервирование.

     Вместе с тем значительного  прогресса в повышении надежности  по

отношению к метрологическим отказам, связанным с большими погрешно-

стями в процессе измерения, не достигнуто. Ошибки в определении пара-

метров свойств материалов могут  приводить к тяжелым последствиям, ава-

риям и даже катастрофам, например, если окажется, что тепловая защита

космического аппарата при его  снижении не соответствует задаваемым

требованиям.

Известно, что  случайная составляющая погрешности может быть уменьшена за счет проведения серии измерений, однако при этом, во-первых, снижается оперативность, во-вторых, это не гарантирует от больших значений систематической погрешности, вызываемых влиянием различных дестабилизирующих факторов. К таким ДФ, при использовании,

например, методов НК ТФС твердых  материалов, в первую очередь относятся  шероховатость поверхности исследуемого материала, на которую

устанавливается измерительный зонд, величина контактного термосопротивления, размеры и форма образца, неоднородность структуры исследуемого материала и др.     Поэтому с целью повышения устойчивости к ошибочным измерениям

предлагается в системах НК СМ использовать методы искусственного интеллекта для  уменьшения погрешности и определения  степени достоверности получаемых результатов

     Предложенная структура  интеллектуальных информационно-измерительных  систем НК СМ реализует достаточно  сложный алгоритм

функционирования (см. рис. 2.2).

     Определение 1. В предположении  исправности технических средств