автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Интеллектуальная система диагностики информационно-измерительных систем асботехнического производства

На правах рукописи

Бсльчанская Елена Николаевна

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ДИАГНОСТИКИ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ АСБОТЕХНИЧЕСКОГО ПРОИЗВОДСТВА

05.11.16 - «Информационно-измерительные и управляющие системы (в машиностроении)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Волгоград - 2008

003453057

Работа выполнена на кафедре «Автоматики, электроники и вычислительной техники» Волжского политехнического института (филиала) Волгоградского государственного технического университета

Научный руководитель

доктор технических наук, профессор Шевчук Валерий Петрович.

Официальные оппоненты:

доктор технических наук, профессор Заяриый Вячеслав Петрович.

кандидат технических наук, доцент Чмутин Алексей Михайлович.

Ведущая организация

ООО «Региональный центр сертификации и метрологии».

Защита диссертации состоится 11 декабря 2008 г. в 12.часов на заседании диссертационного совета Д 212.028.05 при Волгоградском государственном техническом университете по адресу: 400131, г. Волгоград, пр. Ленина, д. 28, ауд. 209.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан

Ученый секретарь диссертационного совета

Авдеюк О.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. На асботехнических предприятиях парк используемых приборов контроля, управления и измерения насчитывает тысячи единиц. Перед службами встают сложные задачи по обслуживанию такого огромного количества приборов небольшим штатом отдела метрологии. Это невозможно без современных информационных технологий. Анализ проблем, решаемых метрологической службой в процессе своей профессиональной деятельности, показал, что перечень задач можно разделить на четыре группы: административные, исследовательские, экспериментальные и расчетные задачи. Все созданные, на сегодняшний день, информационно-экспертные системы, направлены на автоматизацию деятельности метрологической службы и не имеют возможности решать экспериментальные и исследовательские задачи. Как правило, решаются только задачи учета и документооборота, сводя все введенные оператором данные в статическую базу с формированием отчетов и бланков. При этом остается открытым вопрос количественной оценки текущего технического состояния средств измерения, а именно их текущих метрологических характеристик. Поэтому создание системы диагностики каналов измерения, которая представляет собой комплексную систему текущего мониторинга технического состояния приборного парка предприятия, является актуальной проблемой.

Целью работы является создание интеллектуальной системы диагностики измерительных каналов асботехнического производства и исследование ее работоспособности. Для достижения цели в работе решены следующие задачи:

• проведен анализ современных асботехнических производств, метрологических характеристик приборного парка и задач диагностики средств измерений; •разработана структура системы диагностики текущих метрологических характеристик каналов измерений;

• разработана математическая модель измерительной информации и проверена её адекватность по показаниям реальных средств измерений;

• выбрана математическая модель каналов измерения и управления; •разработаны математические модели формирования методических динамических погрешностей в линейных и нелинейных информационно-измерительных каналах;

•разработаны алгоритм и методика текущей диагностики каналов измерения нестационарных параметров;

• разработаны алгоритм и методика текущей диагностики каналов измерения стационарных параметров;

Методы исследования. Для решения поставленных задач и достижения намеченной цели использовались методы математического моделирования, теории вероятностей и теории случайных процессов, теория автоматического управления. При организации и проведении экспериментов для отображения результатов имитационного моделирования были использованы пакет прикладных программ MathCAD и отечественная SCADA система Trace Mode.

Научная новизна. Основные результаты диссертационного исследования, имеющие научную новизну, заключаются в следующем: 1 .Разработана структурная модель автоматизированного рабочего места метролога, отличающаяся от известных тем, что снабжена подсистемой текущей диагностики метрологических характеристик каналов измерения;

2.Разработаны математические модели формирования динамических методических погрешностей для линейных и нелинейных измерительных каналов, отличающиеся от известных тем, что учитывают влияние динамической характеристики цифро-аналогового преобразователя на погрешность измерения;

3.Разработана новая методика диагностики состояния каналов измерения нестационарных параметров технологического процесса, функционирующая в реальном масштабе времени;

4.Разработана новая методика диагностики состояния каналов измерения стационарных параметров технологического процесса, функционирующая в реальном масштабе времени.

Практическая_ценность_исследования. Разработанная

интеллектуальная система диагностики предназначена для проведения текущей диагностики каналов измерения, что позволяет в реальном масштабе времени определять их техническое состояние, а значит, предоставляется возможность проведения диагностики информационно-измерительных систем в ходе технологического процесса.

Апробаиия работы. Основные результаты диссертационной работы докладывались и обсуждались на Международной научно-технической конференции «Системные проблемы надежности, качества, информационных и электронных технологий» (ИННОВАТИКА-2006, г.Сочи), Всероссийской научно-технической конференции «Информационные системы и модели в научных исследованиях, промышленности и экологии» (г. Тула, 2006 г.), XII Межвузовской научно-практической конференции студентов и молодых ученых (г.Волжский, 2006 г.), Всероссийской научно-техническая конференции «Современные методы и средства обработки пространственно-временных сигналов» (г. Пенза, 2003 г.) Всероссийской заочной конференции «Перспективы развития Волжского региона» (г.Тверь, 2002 г.).

Внедрение результатов работы. Все разработанные алгоритмы, методики диагностики и математические модели включены в базу данных автоматизированного рабочего места метролога, внедренного в метрологической службе ОАО « Волжский завод асбестовых технических изделий» (ВАТИ). Разработанная экспериментальная установка используется филиалом МЭИ(ТУ) в г. Волжском, для проведения лабораторных занятий по дисциплинам «Интегрированные системы проектирования и управления» и «Технические средства автоматизации».

Достоверность результатов исследований подтверждена методом имитационного моделирования и результатами экспериментов. Эксперименты по проверке адекватности моделей сигналов и объектов проводились на ОАО «ВАТИ». Эксперименты по проверке работоспособности алгоритмов

диагностики проводились на экспериментальной установке, созданной специально для этих целей. Результаты работы внедрены в производство и учебный процесс, что подтверждается актами внедрения.

Положения, выносимые на защиту. 1 .Структурная модель автоматизированного рабочего места метролога;

2.Математические модели методических динамических погрешностей линейных и нелинейных измерительных каналов;

3. Алгоритм и методика диагностики состояния каналов измерения нестационарных параметров технологического процесса;

4.Алгоритм и методика диагностики состояния каналов измерения стационарных параметров технологического процесса.

Публикации. Основные результаты диссертационной работы опубликованы в 10 научных журналах и сборниках трудов международных и межвузовских конференций, из них одна работа в журнале по перечню ВАК Минобразования и науки РФ.

Лично автором проведены следующие этапы научного исследования:

1. При разработке методик диагностики состояния каналов измерения автором были сформулированы алгоритмы диашостики;

2. При выборе математических моделей сигналов, лично автором проведены все экспериментальные исследования и проверка адекватности выбранных моделей;

3. При разработке математических моделей методических динамических моделей погрешностей, лично автором проведены аналитические расчеты и выкладки, а также проверка адекватности моделей моделированием на физической экспериментальной установке.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка используемой литературы и приложений, общим объемом 165 страниц, из них 158 страниц основного текста, 49 рисунков, 71 источник литературы, 3 приложения.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и задачи исследования, научная новизна и практическая значимость результатов работы, кратко изложено содержание диссертационной работы, приведены данные о структуре и объеме работы.

В первой главе диссертации приводиться анализ особенностей производства асбестовых технических изделий, анализ систем автоматического управления асботехнических производств, анализ метрологических характеристик и задач диагностики средств измерений, анализ пакетов прикладных программ для диагностики каналов измерения.

Технический прогресс, совершенствование технологических процессов, производство точных, надежных и долговечных машин и приборов, повышение качества продукции, обеспечение взаимозаменяемости и кооперирования производства невозможны без развития метрологии и , постоянного

совершенствования техники измерений. Современные средства измерений невозможно представить без программного обеспечения, предназначенного для сбора, передачи, обработки, хранения и представления измерительной информации. При этом у пользователей таких средств измерений должна быть уверенность в том, что программное обеспечение адекватно выполняет свои функции и не вносит никаких искажений в потоки измерительной информации. Возможности современных программных средств позволяют вывести систему метрологического обеспечения на новый уровень эффективности, то есть существенно повысив производительность, оперативность и качество работы метрологов, поэтому многие предприятия заинтересованы во внедрении компьютерной системы автоматизации метрологического обеспечения [3,4]. В России разработаны достаточно мощные и универсальные системы для автоматизации метрологического учета и контроля, но эти системы не решают задач текущей диагностики каналов измерений.

Вторая глава посвящена планированию и проведению эксперимента для исследования свойств измерительной информации, исследованию адекватности математических моделей измерительной информации, выбору математических моделей каналов управления, разработке структуры автоматизированного рабочего места (АРМ) метролога.

Для построения математических моделей измерительных сигналов был проведен эксперимент на предприятии ОАО «ВАТИ», в результате которого были получены данные о текущих изменениях ряда параметров технологического процесса производства «Паронит-1» (давления и расхода пара на распределительном устройстве, давления и расхода воздуха КИП и многих других). При обработке экспериментальных данных использовалось время наблюдения, равное одним суткам. Для примера, на рисунке 1 представлен график изменения давления воздуха КИП. По данным экспериментальных реализаций для каждого технологического параметра были рассчитаны статистические характеристики: математическое ожидание, дисперсия и корреляционная функция:

В формулах (1), (2), (3) 1М- объем выборки, Р, ~ текущее значение давления, К* -Л-тое текущее значение корреляционной функции. Результаты расчетов и аппроксимации для одного из параметров процесса - давления воздуха КИП показаны на рисунке 2.

(1)

(2)

(3)

55 50 45 40 35

(V \Л \ , \ »1 ( ' 'V !• • ,/ ||

Л, ' 1 1 1

О 200 400 600 80П 1000 1200 1400

Оремя.мин

Рисунок 1 - Экспериментальная реализация изменения давления воздуха КИП

А

10

15

30

Врем а ,мин

Рисунок 2 - Экспериментальная (сплошная) и модельная (пунктир) корреляционные функции давления воздуха КИП

Основными компонентами математической модели погрешности измерительной информации являются динамические характеристики каналов обработки информации и свойства сигналов (полезного и помехи) [9]. Если динамические характеристики выбираются, то свойства сигналов должны моделироваться и, следовательно, необходимо сформировать математическую модель случайного сигнала. Любой стационарный случайный процесс может быть с необходимой степенью точности описан корреляционной функцией, а результаты математических расчетов, основанных на экспоненциальных корреляционных функциях, можно распространить на более широкий класс полученных на практике корреляционных функций. Поэтому в качестве модели измеряемого сигнала Д?) естественно использовать корреляционную функцию:

*,(0 = Аг*""1" (4)

Свойство эргодичности случайных процессов позволяет проводить все необходимые наблюдения для определения характеристик на одном объекте и дает возможность перейти от усреднения по ансамблю к усреднению по времени. Математическая модель каналов управления компонуется

согласно классической схеме многосвязного объекта и выбрана как неминимальнофазовое апериодическое звено [8]:

IV „ =-!—,

" Т,Р +1

(5)

где к] - коэффициент усиления по ¡-тому каналу управления , Т, -постоянная времени ¡-того канала управления, т1 - время запаздывания ¡-того канала управления. Модель наиболее приспособлена к случайному характеру изменения сигналов хотя бы потому, что имеет экспоненциальный характер изменения динамических характеристик, как и у корреляционных функций измерительных сигналов.

Исследования, проведенные с пятьюдесятью параметрами технологического процесса, позволили математическую модель измерительного сигнала (4) рекомендовать для всех измерительных сигналов асбестотехнического производства.

Таблица 1

Экспериментальные корреляционные функции четырех

Наименование Математическое ожидание, т0 Дисперсия, По Модель сигнала

Давление воздуха, Рв(1) 46,746 1,976 Кр, (0 = 1,976 •еч)278'

Расход воздуха, С>в(1) 39,723 0,928 К(>„ (0 = 0,928 ■ е~"

Давление пара, Рп(г) 61,723 1,128 «^(0 = 1,128 -е"027'

Расход пара, 0н(1) 52,723 0,928 ^„(0 = 0,928-е-036'

Значения математических ожиданий и дисперсий для четырех, самых распространенных хозрасчетных и моделированных измерительных сигналов представлены в таблице 1. Для примера на рисунке 2 (пунктирной линией) представлена модельная корреляционная функция давления воздуха КИП. Проверка адекватности математических моделей измерительного сигнала осуществлялась на созданной для этих целей экспериментальной установке. Результаты эксперимента по проверке соответствия моделируемых статистических характеристик случайного сигнала, формируемых генератором случайных процессов и эталонным (реальным) представлены в таблице 2. Сравнение рассчитанных значений критериев с табличными показало, что математическое ожидание, дисперсия и скорость изменения моделируемых сигналов отличаются от заданных значений несущественно и, следовательно, нулевая гипотеза о соответствии характеристик моделируемых случайных сигналов заданным верна.

Анализ проблем, решаемых метрологической службой предприятия показал, что перечень задач можно разделить на три группы: административные, исследовательские и расчетные задачи.

Таблица 2 - Критерии оценки адекватности математических моделей измерительных сигналов_____1_

Канал Давление воздуха, Рв Расход воздуха, Рв Давление пара, Рп Расход пара, Рп

Заданное математическое ожидание, ш0 46,16 39,723 61,723 51,723

Моделируемое математическое ожидание случайного процесса, т\ 45,12 40,02 60,62 52,18

Меритерий оценки адекватности расчетный 0,481 1,279 0,719 1,314

[-критерий оценки адекватности табличный, иг 2,01 2 1,97 2

Заданная дисперсии, По 1,976 0,928 1,128 0,928

Моделируемая дисперсия случайного процесса, О' , 1,92 0,97 1,16 0,92

Критерий Фишера расчетный, Р 1,098 1,203 1,187 1,147

Критерий Фишера табличный, Р-,Пгп 1,46 1,38 1,27 1,37

Заданный коэффициент корреляции при п=1 и Т5=1сек. 0,437 0,578 0,461 0,541

Модельный коэффициент корреляции при п=1 и Т,=1сек. 0,6 0,52 0,408 0,536

^критерий оценки адекватности корреляционных функций 1,594 1,106 1,474 0,063

Па сегодняшний день не создано ни одной системы диагностики, направленной на автоматизацию деятельности метрологической службы и касающейся такого вида задач как экспериментальные и исследовательские задачи. Таким образом, исследования показали, что автоматизированное рабочее место метролога должно представлять собой, комплексную систему текущего мониторинга технического состояния приборного парка предприятия.

Структура такой системы представлена на рисунке 3 (здесь, информационно-измерительная система - это система приборного оформления каждого производственного участка). Система состоит из трех следующих видов обеспечений: информационное, программное и техническое обеспечение [1,2,5,6]. Информационное обеспечение представляет собой базу экспериментальных данных и базу технических характеристик. База экспериментальных данных содержит информацию об основных показателях каналов измерения и предназначена для получения эмпирических моделей сигналов и отдельных динамических характеристик каналов управления. Совокупность этих двух баз данных образуют базу знаний данных автоматизированного рабочего места метролога и системы диагностики в целом. Программное обеспечение АРМ включает в себя систему управления базой экспериментальных данных, которая обеспечивает добавление, редактирование, удаление и поиск информации в базе экспериментальных данных. Система интеллектуального анализа данных обеспечивает построение эмпирических моделей на основе программ анализа, информации в базе экспериментальных данных и ведение базы технических характеристик.

Информашонно-измеркгельная система №1

Информационно-измерительная система Х°2

Информационно-измерительная система № N

Система управления базой экспериментальных данных

Система интеллектуальною анализа данных

Сисгема прогнозирования и принята решений

Формирование выходных документов

Система диагностики

Рисунок 3 - Структурная модель автоматизированного рабочего места метролога

Система прогнозирования и принятия решений обеспечивает

функционирование алгоритмов диагностики. Система формирования выходных документов предназначена для оформления отчетной документации [2,4].

В третьей главе представлены модели компонентов измерительного канала, модели методических динамических погрешностей типовых каналов измерения, проверка адекватности математических моделей.

Структура измерительного канала в современных измерительных системах обычно принимается такой как показано на рисунке 4.

Л—

ИЛ

- Каш 1 наций

К аза экспериментальных данных

База технических характеристик

уч.

т Первичный АЦП Цифровой Га& Восстанавл

преобразователь фильтр элемент

Л; йг л*

Рисунок 4- Структура типового измерительного канала

На этой обобщенной структурной схеме типового измерительного канала приняты следующие обозначения: Х(Г) — сигнал на входе измерительного канала, 2(г) - выходной сигнал измерительного канала, /г/СО - эквивалентная весовая функция аналоговой части канала (последовательное соединение термометра сопротивления и нормирующего преобразователя), эквивалентная весовая функция аналого-цифрового преобразователя, Нз((у- эквивалентная весовая функция цифровой части измерительного канала (цифровой фильтр), й/г) -весовая функция восстанавливающего элемента (ЦАП). Если несколько

ю

линейных аналоговых преобразователей соединены между собой последовательно, то весовая функция измерительного канала равна свертке весовых функций преобразователей:

Ь(1) - Л, 0) * /72 (0 * (/) * /74 (0 (6)

где * — символ операции свертки.

В соответствии с принятой аппроксимацией динамических свойств первичного преобразователя апериодическим звеном первого порядка (5), импульсная функция первичного преобразователя имеет вид:

I

А,(0 = ^е " (7)

Т\

Модель аналого-цифрового преобразователя, имеет вид: 112(1) = АчУ(0или ^(0 =

А/Тс, при 0 < I < Тс О, вне интервала,

(8)

где Тс- время измерения.

Динамические характеристики цифрового фильтра целесообразно выбрать в виде:

I

г

К 3

Аз(0 = -^е (9)

Т з

Учитывая условие физической реализуемости восстанавливающего элемента = 0 при / < 0, весовая функция восстанавливающего элемента выбирается в виде прямоугольного импульса:

1/7;,при о<1<7; 0, вне интервала,

где Т5 - интервал времени между соседними замерами (период опроса). На рисунке 5 представлена схема выделения погрешности обработки информации в интеллектуальном измерительном канале.

мо=

Рисунок 5 - Схема выделения погрешности обработки информации в безинерционном программно-аппаратном измерительном канале

Предполагая весовую функцию идеального канала нормированной, а все случайные сигналы стационарными и эргодическими, математическая модель формирования методической динамической погрешности в общем виде будет иметь вид:

щт) = 1 \К (^н (я)Кх(г-//+у>Лф+

V т

+ | |л(< (г)Ьи(//)Кх(т - м + v)dvdfl -

V т

- №„(/')Кх(г - // +у>Лф -

V т

~ ||/гц(^)Ьц(^)(Кх(г - ц + V) + Кп (г - // + у)>Лф (11}

у т

Для безинерционного измерительного линейного канала со статической и динамической характеристикой:

Г0) = А-Х(1) + В, й(0 = Л£(0, (12)

где А- коэффициент передачи; В - начало шкалы.

Подстановка моделей (6,7,8,9,10, 12) в (11) позволяет получить относительную погрешность цифровой обработки линейного канала в случае коррелированной помехи, наложенной на входной сигнал:

О =

С*2

-2-А

1 + -

а-Ь-Тс

1

а-Т,

(13)

где йе2 - дисперсия ошибки обработки данных; С*2- дисперсия обрабатываемого сигнала; Б - уровень помехи; а - скорость сигнала; Ь - быстрота помехи; Ты -период опроса датчиков.

Основным видом квадратической нелинейности является нелинейный преобразователь со статической и динамической характеристикой вида:

где А - коэффициент передачи; Х(0 -измеряемый сигнал, подаваемый в информационно-измерительную систему.

Подстановка (6,7,8,9,10, 14) в (11) позволяет получить относительную погрешность обработки и передачи данных сигнала при использовании в информационно-измерительном канале с квадратической нелинейностью в случае коррелированной помехи, наложенной на входной сигнал:

0 =

Се 2 А

Ох1 4Мх

1 + -

2-Ь-а-Тз

•(1 -е~Ьа7! )-

1

аТз

.(1-<ГвП)

(15)

где А - диапазон шкалы; Те - период опроса датчиков; 8 - уровень помехи; Ь -быстрота помехи; а - скорость изменения сигнала.

Основным видом полиномиальной нелинейности является нелинейный преобразователь со статической и динамической характеристикой вида:

У(0 = А-Хг(0 + В-Х(() + С, А(/) = (2-А-Мх + В)б(0 (16)

где А - коэффициент передачи; В - линеаризованное начало шкалы датчика; С -теоретическое начало шкалы; Х(0 -измеряемый сигнал, подаваемый в информационно-измерительную систему.

Подстановка (6,7,8,9,10, 16) в (11) позволяет получить относительную погрешность обработки и передачи данных сигнала при использовании в информационно-измерительном канале полиномиальной нелинейности, когда на сигнал обрабатываемый информационно-измерительной системой действует аддитивно коррелированная помеха:

о=

91.

Сх2

2-{2-А-Мх + В)г ■

1+-

2 -Ь-а-Тс

а-Г,

(17)

где Ое2 - дисперсия ошибки обработки данных; б*'- дисперсия обрабатываемого сигнала; А - чувствительность датчика; В- линеаризованное начало шкалы; Мх - точка линеаризации; Ь- относительная скорость помехи; а - скорость изменения полезного сигнала; Те - период опроса датчиков.

Проверка адекватности математических моделей проводилась экспериментально на установке и имитационным методом. На основе полученных результатов были построены графики, из которых видно, что в области средних значений периода опроса датчиков наблюдается ярко выраженный минимум зависимости погрешности от периода опроса датчиков. Таким образом, при наличии помехи измерения существуют оптимальные режимы функционирования программно-аппаратного канала обработки данных в информационно-измерительной системе. Причем, чем больше скорость изменения помехи, тем левее смешается положение оптимального режима (т.е. в область малых периодов опроса). Чем медленнее изменяется помеха, тем выше величина оптимума. Это связано с тем, что скорость помехи и скорость сигнала становятся соизмеримыми и информационно-измерительная система воспринимает помеху как полезный сигнал. Таким образом, коррелированная помеха при aTs —> 0 проявляет себя как «белый шум», а при aTs —кл проявляет себя как полезный сигнал, и лишь в области средних aTs помеха может быть эффективно отделена от полезного сигнала и учтена при проектировании информационно-измерительной системы. Следовательно, полученные во второй главе математические модели могут использоваться для оптимизации режимных параметров измерительных каналов путем минимизации дисперсии ошибки обработки.

Четвертая глава посвящена исследованию и разработке алгоритмов и методик диагностики стационарных и нестационарных параметров технологических процессов. Исследование работоспособности алгоритмов диагностики проводилось на специально созданной, для этих целей, экспериментальной установке.

Для диагностики каналов измерений разработан пакет прикладных программ в автоматизированном рабочем месте метролога при помощи пакета прикладных программ «DIAG». Пакет состоит их программы «DIAG 1» для диагностики технического каналов измерения по обработке нестационарных параметров; и программы «DIAG 2» для диагностики каналов измерения по обработке стационарных параметров. В начале диагностики принимается решение о диагностике по входным (X) или выходным (Y) параметрам технологического процесса. При выборе входного параметра осуществляется переход в подпрограмму «DIAG-1» При выборе выходного параметра осуществляется переход в программу «DIAG-2». По результатам диагностики принимается решение о состоянии прибора и формируется отчет о диагностике по входным и выходным параметрам на основании, которого можно принять решение о дальнейшей эксплуатации или ремонте и внеочередной поверке средств измерений.

Для проверки работоспособности предложенных методик использовалась экспериментальная установка, которая состоит из трех блоков: блок 1- Trace Mode , блок 2 - контроллер DeCont ,блок 3 - диагностируемый прибор. Исследование работоспособности проводилось методом сравнения показаний эталонного прибора с показаниями диагностируемого прибора по критерию Фишера. Анализ результатов эксперимента показывает, что на всем

интервале измерений прибора значение критерия Фишера меньше табличного, что позволяет сделать вывод об адекватности показаний прибора. Сравнение значений дисперсий, полученных опытным путем и вычисленных по математическим моделям, позволяет сделать вывод об адекватности математических моделей формирования погрешностей (13,15,17).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ

На основании исследований проведенных в диссертационной работе, получены следующие результаты и выводы:

1.Проведен анализ современных асботехнических производств, анализ метрологических характеристик приборного парка и задач диагностики, анализ существующих пакетов прикладных программ для диагностики средств измерения.

2.Разработаны математические модели измерительных сигналов и выбраны динамические характеристики каналов управления, адекватность которых проверена по показаниям реальных средств измерений. Модели включены в базу знаний автоматизированного рабочего места метролога;

3.Разработана структурная модель автоматизированного рабочего места метролога. Структура системы отличается от известных тем, что снабжена подсистемой текущей диагностики метрологических характеристик каналов измерения;

4.Разработаны математические модели формирования методических динамических погрешностей в типовых линейных и нелинейных информационно-измерительных каналах, отличающиеся от известных тем, что учитывают влияние динамической характеристики цифро-аналогового преобразователя на погрешность обработки измерительной информации.

5. Разработаны новые алгоритмы и методики диагностики каналов измерения нестационарных и стационарных параметров технологических процессов, функционирующие в реальном масштабе времени.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Научные труды в журналах из перечня ВАК РФ

1. Бельчанская E.H. Экспертная система диагностики технического состояния приборов. /Бельчанская E.H., Шевчук В.П., Кириенко Е.Н, Мазин Г.С. //Приборы и системы. Управление. Контроль. Диагностика.-2008.-№7.

Научные работы в других изданиях

2. Гудкова E.H. Экспертная система технического состояния приборов / Гудкова E.H., Кириенко E.H., Мазин Г.С. // Ресурсо-энергосбережение и эколого-энергетическая безопасность промышленных городов: Материалы Всероссийской научно-практической конференции / Сборник научных статей. -Волжский: Филиал ГОУ ВПО «МЭИ (ТУ)» в г. Волжском, 2007 - С. 148-151

3. Гудкова E.H. Информационные потоки в базе знаний автоматизированного рабочего места метролога/ Гудкова E.H., Кириенко E.H., Осипов П.В.// Ресурсо-энергосбережение и эколого-энергетическая безопасность промышленных городов: Материалы Всероссийской научно-практической конференции / Сборник научных статей. - Волжский: Филиал ГОУ ВПО «МЭИ (ТУ)» в г. Волжском, 2007 - С. 218-221

4.Гудкова E.H. Концептуальное проектирование интеллектуальных измерительных и управляющих систем / Гудкова E.H., Шевчук В.П., Мокичева Ю.В., Еремин Д.В., Коровина Е.В., Качегин Д.А., Грошев H.A., Загребин В.А., Бочаров М.Г., Кириенко E.H., // Системные проблемы надежности, качества, информационных и электронных технологий в инновационных проектах Инноватика-2006). / Материалы Международной конференции и Российской научной школы. Часть 1. - М.: Радио и связь, 2006 - С. 59-60

5.Гудкова E.H. Программное обеспечение экспертной системы диагностики автоматизированной системы управления / Гудкова E.H., Шевчук В.П., Кириенко E.H., // Системные проблемы надежности, качества, информационных и электронных технологий в инновационных проектах Инноватика-2006). / Материалы Международной конференции и Российской научной школы. Часть 1. -М.: Радио и связь, 2006 - С. 37-38

6.Гудкова E.H. Экспертная система диагностики технического состояния приборов// Тезисы докладов Всероссийской научно-технической конференции. Информационные системы и модели в научных исследованиях, промышленности и экологии - Тула, июнь, 2006 - Часть 1 - С. 160-161

7. Гудкова E.H. Обеспечение эффективности измерений на основе экспертной системы диагностики автоматизированных систем управления / Гудкова E.H., Шевчук В.П., Осипов П.В. // Двенадцатая межвузовская научно-практическая конференция молодых ученых и студентов: Тезисы докладов. В 4-х т. Т. 4. -Волжский: Филиал ГОУ ВПО «МЭИ (ТУ)» в г. Волжском, 2006 - С. 12-13

8. Гудкова E.H. Оптимизация управления процессом адсорбции // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей Всероссийской научно-технической конференции.- Пенза, 2003 - С. 89

9. Гудкова E.H. Анализ и синтез алгоритмов управления многосвязными технологическими объектами/ Гудкова E.H., Медведева Л.И.// Перспективы развития Волжского региона: Материалы Всероссийской заочной конференции.- Вып.4- Тверь: ТГТУ: Лилия Принт, 2002,- С. 119-120

10. Гудкова E.H. Исследование свойств средств измерения давления// II Межвузовская научно-практическая конференция студентов и молодых ученых, г. Волжский.: Тезисы докладов : Изд-во ТОО «Полиграфист, 1997 - С. 183

Подписано в печать Z0 10■ 2008 г. Заказ № Тираж 100 экз. Печ. л. 1,0. Формат 60x84 1/16. Бумага офсетная. Печать офсетная.

Типография РПК «Политехник» Волгоградского государственного технического университета 400131, Волгоград, ул. Советская, 35

Введение

СОДЕРЖАНИЕ

1. Анализ информационно-измерительных систем управления асботехнических производств

1.1 Анализ особенностей производства асбестовых технических изделий 15 1.2. Анализ систем автоматического управления асботехнических производств

1.3 Анализ метрологических характеристик приборного парка и задач диагностики средств измерений

1.4 Анализ существующих пакетов прикладных программ для диагностики средств измерений и измерительных каналов

1.5 Выводы. Постановка задачи

2. Математическое описание измерительной информации

2.1 Экспериментальные исследования свойств измерительной информации

2.2 Исследование адекватности математических моделей измерительной информации '

2.2.1. Описание экспериментальной установки

2.2.2. Проверка адекватности математических моделей измерительной информации

2.3 Выбор математических моделей каналов управления

2.4 Разработка структурной модели автоматизированного рабочего места метролога

Актуальность темы. На асботехнических предприятиях парк используемых приборов контроля, управления и измерения насчитывает тысячи единиц. Перед службами встают сложные задачи по обслуживанию такого огромного количества приборов небольшим штатом отдела метрологии. Это невозможно без современных информационных технологий. Анализ проблем, решаемых метрологической службой в процессе своей профессиональной деятельности, показал, что перечень задач можно разделить на четыре группы: административные, исследовательские, экспериментальные и расчетные задачи. Все созданные, на сегодняшний день, информационно-экспертные системы, направлены на автоматизацию деятельности метрологической службы и не имеют возможности решать экспериментальные и исследовательские задачи. Как правило, решаются только задачи учета и документооборота, сводя все введенные оператором данные в статическую базу с формированием отчетов и бланков. При этом остается открытым вопрос количественной оценки текущего технического состояния средств измерения, а именно их текущих метрологических характеристик. Поэтому создание системы диагностики каналов измерения, которая представляет собой комплексную систему текущего мониторинга технического состояния приборного парка предприятия, является актуальной проблемой.

Целью работы является создание интеллектуальной системы диагностики измерительных каналов асботехнического производства и исследование ее работоспособности. Для достижения цели в работе решены следующие задачи:

• проведен анализ современных асботехнических производств, метрологических характеристик приборного парка и задач диагностики средств измерений; •разработана структура системы диагностики текущих метрологических характеристик каналов измерений;

• разработана математическая модель измерительной информации и проверена её адекватность по показаниям реальных средств измерений;

• выбрана математическая модель каналов измерения и управления; •разработаны математические модели формирования методических динамических погрешностей в линейных и нелинейных информационно-измерительных каналах;

•разработаны алгоритм и методика текущей диагностики каналов измерения нестационарных параметров;

• разработаны алгоритм и методика текущей диагностики каналов измерения стационарных параметров;

Методы исследования. Для решения поставленных задач и достижения намеченной цели использовались методы математического моделирования, теории вероятностей и теории случайных процессов, теория автоматического управления. При организации и проведении экспериментов для отображения результатов имитационного моделирования были использованы пакет прикладных программ MathCAD и отечественная SCADA система Trace Mode.

Научная новизна. Основные результаты диссертационного исследования, имеющие научную новизну, заключаются в следующем: 1 .Разработана структурная модель автоматизированного рабочего места метролога, отличающаяся от известных тем, что снабжена подсистемой текущей диагностики метрологических характеристик каналов измерения;

2.Разработаны математические модели формирования динамических методических погрешностей для линейных и нелинейных измерительных каналов, отличающиеся от известных тем, что учитывают влияние динамической характеристики цифро-аналогового преобразователя на погрешность измерения;

3.Разработана новая методика диагностики состояния каналов измерения нестационарных параметров технологического процесса, функционирующая в реальном масштабе времени;

4.Разработана новая методика диагностики состояния каналов измерения стационарных параметров технологического процесса, функционирующая в реальном масштабе времени.

Практическаяценностьисследования. Разработанная интеллектуальная система диагностики предназначена для проведения текущей диагностики каналов измерения, что позволяет в реальном масштабе времени определять их техническое состояние, а значит, предоставляется возможность проведения диагностики информационно-измерительных систем в . ходе технологического процесса.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Международной научно-технической конференции «Системные проблемы надежности, качества, информационных и электронных технологий» (ИННОВАТИКА-2006, г.Сочи), Всероссийской научно-технической конференции «Информационные системы и модели в научных исследованиях, промышленности и экологии» (г. Тула, 2006 г.), XII Межвузовской научно-практической конференции студентов и молодых ученых (г.Волжский, 2006 г.), Всероссийской научно-техническая конференции «Современные методы и средства обработки пространственно-временных сигналов» (г. Пенза, 2003 г.) Всероссийской заочной конференции «Перспективы развития Волжского региона» ( г.Тверь, 2002 г.).

Внедрение результатов работы. Все разработанные алгоритмы, методики диагностики и математические модели включены в базу данных автоматизированного рабочего места метролога, внедренного в метрологической службе ОАО « Волжский завод асбестовых технических изделий» (ВАТИ). Разработанная экспериментальная установка используется филиалом МЭИ(ТУ) в г. Волжском, для проведения лабораторных занятий по дисциплинам «Интегрированные системы проектирования и управления» и «Технические средства автоматизации».

Достоверность результатов исследований подтверждена методом имитационного моделирования и результатами экспериментов. Эксперименты по проверке адекватности моделей сигналов и объектов проводились на ОАО «ВАТИ». Эксперименты по проверке работоспособности алгоритмов диагностики проводились на экспериментальной установке, созданной специально для этих целей. Результаты работы внедрены в производство и учебный процесс, что подтверждается актами внедрения.

Положения, выносимые на защиту. 1 .Структурная модель автоматизированного рабочего места метролога;

2.Математические модели методических динамических погрешностей линейных и нелинейных измерительных каналов;

3. Алгоритм и методика диагностики состояния каналов измерения нестационарных параметров технологического процесса;

4. Алгоритм и методика диагностики состояния каналов измерения стационарных параметров технологического процесса.

Публикации. Основные результаты диссертационной работы опубликованы в 10 научных журналах и сборниках трудов международных и межвузовских конференций, из них одна работа в журнале по перечню ВАК Минобразования и науки РФ.

Лично автором проведены следующие этапы научного исследования:

1. При разработке методик диагностики состояния каналов измерения автором были сформулированы алгоритмы диагностики;

2. При выборе математических моделей сигналов, лично автором проведены все экспериментальные исследования и проверка адекватности выбранных моделей;

3. При разработке математических моделей методических динамических моделей погрешностей, лично автором проведены аналитические расчеты и выкладки, а также проверка адекватности моделей моделированием на физической экспериментальной установке.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка используемой литературы и приложений, общим объемом 165 страниц, из них 158 страниц основного текста, 49 рисунков, 71 источник литературы, 3 приложения.

4.4 Выводы

Была разработана экспериментальная установка на основе SCADA системы Trace Mode и контроллера DeCont для исследования работоспособности алгоритмов диагностики и проведен эксперимент.

Сравнение значений погрешности, • полученных опытным путем и вычисленных теоретически, позволяет сделать вывод об адекватности математической модели формирования погрешности, полученной в главе 3.

Экспериментальная установка, применяемая для доказательства работоспособности алгоритмов и методик диагностики каналов измерения, состоит из ЭВМ с установленной системой Trace Mode, промышленного контроллера DeCont и прибора. Проведенный эксперимент доказывает также работоспособность методик в совокупности с контроллером и SCADA системой, то есть, в условиях промышленных технологических процессов. Таким образом, можно говорить о возможностях применения системы для диагностики каналов измерений в реальном масштабе времени.

Заключение

В диссертационной работе представлены результаты исследований на основе которых можно решать проблемы диагностики каналов измерений в реальном масштабе времени, это позволит персоналу по метрологическому обслуживанию предприятия принимать не только оперативные решения, но и располагать большей информацией о текущем состоянии каналов измерений, эффективности метрологического обеспечения и всеми данными для анализа и обеспечения точности измерений.

Цель представленной диссертационной работы - создание системы диагностики интеллектуальных измерительных каналов в реальном масштабе времени - достигнуты за счет разработанного автоматизированного рабочего места метролога , снабженного подсистемой диагностики приборного парка. При этом впервые предложены методики диагностики для контроля и анализа состояния измерительных каналов.

На основе построенной системы можно решать не только задачи документооборота, но и автоматизировать обработку больших объемов информации. АРМ позволяет оперативно находить и использовать любую необходимую информацию о конкретных средствах измерений.

С использованием СУБД базы технических характеристик приборов на протяжении всего срока существования прибора на предприятии автоматически ведется паспорт, содержащий информацию практически обо всех связанных с прибором работах. Формирование полного перечня средств измерений по различным условиям и полуавтоматического составление графиков поверки, калибровки, аттестации позволяют создавать план работ по метрологическому обслуживанию приборного парка.

В СУБД технических характеристик приборов решаются задачи регистрации передвижения средств измерений на предприятии и составления уведомлений на сдачу приборов в поверку, калибровку и аттестацию для каждого из подразделений организации, что позволяют сменить организующую роль метролога на роль, контролирующую процесс работы экспертной системы.

Анализ алгоритмического и программного обеспечения современных систем управления показывает, что в структуре информационно-измерительных систем, функционирующих в составе управляющих комплексов имеются линейные и нелинейные программно-аппаратные каналы обработки информации. При этом нелинейные свойства ИИС могут проявляться во-первых, из-за наличия в каналах обработки информации нелинейных преобразований над измеряемой величиной например извлечение квадратного корня или возведение в степень. Во-вторых не линейные свойства у ИИС обязательно проявятся в условиях, когда результатом функционирования ИИС является не линейное взаимодействие нескольких линейных каналов обработки информации, например, деление или умножение измерительной информации приходящей в систему по разным линейным каналам обработки информации.

В настоящее время процент нелинейных информационно-измерительных систем в управляющих комплексах постоянно растет из-за необходимости применения в алгоритмах управления технологических параметров, измеряемых косвенными методами (например, количество тепла, степень насыщения и др.).

В связи с этим при проектировании и диагностики программно -аппаратных информационно-измерительных систем необходимо учитывать следующее:

1. Квадратичная нелинейность (извлечение квадратного корня из измеряемой величины) в программно-аппаратном канале обработки информации оказывает на сигнал влияние подобное фильтрующему элементу с коэффициентами усиления меньше единицы, а увеличение диапазона шкалы измерения влечёт за собой увеличение погрешности программно-аппаратной обработки сигнала при неизменном периоде опроса датчиков. При этом следует отметить, что увеличение погрешности прямо пропорционально квадрату диапазона шкалы.

Для программно-аппаратных каналов обработки информации, содержащих квадратическую нелинейность необходимо иметь в виду, что чем больше уровень обрабатываемого сигнала, тем меньше сказывается влияние дискретности переработки информации и наоборот, чем меньше значения измерительной информации, тем большее влияние на погрешность оказывает дискретность обработки информации;

При этом следует учесть, что чем ближе математическое ожидание (окрестность точки линеаризации) к нулю, тем при меньших значениях коэффициента диапазона шкалы достигается уровень погрешности для линейной безинерционной обработки сигнала.

2. Полиномиальная нелинейность в программно-аппаратном канале обработки информации оказывает влияние на сигнал подобно фильтрующему элементу с коэффициентом усиления больше единицы. При этом, чем больше математическое ожидание сигнала (Мх), тем больше сказывается влияние дискретности переработки информации.

Чувствительность датчика является основным фактором, влияющим на погрешность обработки информации в программно-аппаратной канале обработки информации. При этом увеличение чувствительности влечет за собой увеличение погрешности дискретной обработки информации, причем увеличение погрешности прямо пропорционально квадрату чувствительности датчика.

С другой стороны, увеличением чувствительности датчика характеристики программно-аппаратного канала с полиномиальной нелинейность» можно привести к характеристикам программно-аппаратного канала с линейной безинерционной обработкой информации, что существенно упрощает проектирование информационно-измерительных систем.

3. Для программно-аппаратных каналов, содержащих квадратические нелинейности помеха тем опаснее, чем меньше уровень обрабатываемого сигнала, а в тех случаях когда дисперсия помехи соизмерима с дисперсией полезного сигнала погрешность информационно- измерительной системы не может быть меньше 20 %, что почти полностью исключает их применение в системах управления и, наоборот, в ИИС с большими уровнями обрабатываемых сигналов даже большие уровни помехи не могут привести к существенному увеличению погрешности.

С другой стороны, для программно-аппаратных каналов содержащих полиномиальные нелинейности помеха тем опаснее, чем больше уровень обрабатываемого сигнала, а в системах с малым уровнем обрабатываемых сигналов не страшны высокие уровни помех, даже если дисперсия помехи соизмерима с дисперсией полезного сигнала.

4. Для ИИС с нелинейными программно-аппаратными каналами обработки информации существуют оптимальные режимы функционирования программно-аппаратных каналов информационно-измерительной системы. При этом, чем больше скорость изменения помехи, тем дальше смещается положение оптимального режима в область малых значений периода опроса датчиков и тем меньше оптимальная величина относительной погрешности обработки информации в программно-аппаратном канале ИИС.

5. Математические модели процесса формирования погрешностей в программно-аппаратных ИИС с линейными программно-аппаратными каналами обработки информации полученные в 3 главе могут быть использованы для анализа и метрологических характеристик информационно-измерительных систем функционирующий в составе управляющих комплексов.

С целью проверки достоверности полученных результатов программно-аппаратный канал был имитирован на ЭВМ, для экспериментальных исследований использовалась экспериментальная установка на основе SCADA системы Trace Mode и контроллера DeCont.

Анализ экспериментальных данных показывает, что на всем диапазоне измерений прибора его показания адекватны.

Сравнение значений погрешности, полученных опытным путем и вычисленных теоретически, позволяет сделать вывод об адекватности математической модели формирования погрешности, полученной в главе 3.

Экспериментальная установка, применяемая для доказательства работоспособности алгоритмов и методик диагностики приборного парка, состоит из ЭВМ с установленной системой Trace Mode, промышленного контроллера DeCont и прибора. Проведенный эксперимент доказывает также работоспособность методик в совокупности с контроллером и SCADA системой, то есть, в условиях промышленных технологических процессов. Таким образом, можно говорить о возможностях применения экспертной системы для диагностики текущего состояния каналов измерения.

На основании исследований проведенных в диссертационной работе, получены следующие результаты и выводы:

1.Проведен анализ современных асботехнических производств, анализ метрологических характеристик приборного парка и задач диагностики, анализ существующих пакетов прикладных программ для диагностики средств измерения.

2.Разработаны математические модели измерительных сигналов и выбраны динамические характеристики каналов управления, адекватность которых проверена по показаниям реальных средств измерений. Модели включены в базу знаний автоматизированного рабочего места метролога;

3.Разработана структурная модель автоматизированного рабочего места метролога. Структура системы отличается от известных тем, что снабжена подсистемой текущей диагностики метрологических характеристик каналов измерения;

4.Разработаны математические модели формирования методической динамической погрешности в типовых линейных и нелинейных информационно-измерительных каналах, отличающаяся от известных тем, что учитывает влияние динамической характеристики цифро-аналогового преобразователя на погрешность измерения.

5. Разработаны новые алгоритмы и методики диагностики каналов измерения нестационарных и стационарных параметров технологических процессов, функционирующие в реальном масштабе времени.

Рассмотренные основные результаты и выводы позволяют классифицировать диссертационную работу как решение важной научной проблемы диагностики состояния каналов измерений в реальном масштабе времени.

1. Бенкин Н.Г., Шанин Н.П. Оборудование заводов резиновой промышленности. Л.: Химия, 1978.

2. Шанин Н.П., Бородулин М.М., Колбовский Ю.Я. производство асбестовых технических изделий.- Л.: Химия. 1983.

3. Бендат Дж., Пирсол А. Прикладной анализ случайных процессов. М.: Мир,1989.

4. Метрология интеллектуальных измерительных систем / В. П. Шевчук, В. И.

5. Капля, А. П. Желтоногов, Д. Н. Лясин. Волгоград: ВолгГТУ, 2005.210 с.

6. Новицкий П.В., Зограф. И.А. Оценка погрешностей результатов измерений.- Л.: Энергоатомиздат, 1991. 300 с.

7. Максимей И.В. Имитационное моделирование на ЭВМ М.: Радио и связь, 1988.

8. Лясин Д.Н., Данилов С.И., Шевчук В.П. Критерий качества линейных программно-аппаратных информационно-измерительных каналов / ВолгГТУ. Волгоград, 1999. - 16 с. - Деп. в ВИНИТИ 21.06.99, № 1990. -В99.

9. Гмурман В.Е. Теория вероятностей и математическая статистика- М.: Высшая школа, 1998.

10. Цветков Э.И. Основы теории статистических измерений Л.: Энергия, 1979.

11. Ю.Быков Ю.М. Основы обработки информации в АСУ химическихпроизводств-Л.: Химия, 1989.

12. Максимей И.В. Имитационное моделирование на ЭВМ — М.: Радио и связь, 1988.

13. Муха Ю.П., Шевчук В.П. Прикладные методы для автоматизированного проектирования АСУ ТП. Методы проектирования информационных подсистем АСУ ТП. (учебное пособие).- Волгоград, из-во «Полиграфист», 1992.

14. Автоматизация управления в химической промышленности: Учебник для вузов / Под ред. Дудникова Е. Г. М.: Химия, 1987. - 368 с.

15. Адаптивное управление технологическими процессами. / Ю.М. Соломенцев, В.Г. Митрофанов, С.П. Протопопов и др. — М.: Машиностроение, 1980. 536 с.

16. Анисимов И.В. Основы автоматического управления технологическими процессами нефтехимической и нефтеперерабатывающей промышленности. Л.: Химия, 1967. - 408 с.

17. Алиев Т.А., Мусаева Н.Ф. Алгоритм определения дисперсии помехи случайных сигналов. // Приборы и системы управления, 1997, № 12. С. 33-34.

18. Голубятников В.А., Шувалов В.В. Автоматизация производственных процессов в химической промышленности. — М.: Химия, 1972. 248 с.

19. Гультяев А.Н. Визуальное моделирование в среде Matlab. СПб.: Питер,2000.-432 с.

20. ГОСТ 21878 76. Случайные процессы и динамические системы. Термины и определения.

21. Дьяконов В.П. MathCAD 2001. Учебный курс. СПб.: Питер, 2001. - 624 с.

22. Муха Ю.П, Шевчук В.П. Прикладные методы для автоматизированного проектирования АСУ ТП. Методы проектирования управляющих подсистем АСУ ТП. (учебное пособие). Волгоград, из-во «Полиграфист», 1992.

23. Иванов В.А. и др. Математические основы теории автоматического регулирования: Учебн. пособие для вузов. / Под ред. Б.К. Чемоданова. — М.: Высшая школа, 1971. 808 с.

24. Иванченко H.H. Автоматическое регулирование. Теория и элементы систем:

25. Учебник для вузов. — М.: машиностроение, 1978. — 736 с.

26. Клюев A.C., Колесников A.A. Оптимизация автоматических систем управления по быстродействию. М.: Энергоиздат, 1982. - с.

27. Каримов Р.Н., Волгин B.B. Статистические характеристики случайных сигналов в системах автоматического управления. — Саратов: Изд-во СПИ, 1971.-164 с.

28. Кудрявцев Е.М. MathCAD 2000 Pro. М.: ДМК Пресс, 2001. - 576 с.

29. Данилов С.И. Параметрический синтез измерительных каналов в автоматизированной системе управления технологическим процессом.-Автореф. Канд. Дисс. Волгоград, ВолгГТУ, 2000.- 16 с.

30. Розенберг A.A. Введение в теорию точности измерительных систем.- М: Наука, 1971.-320 с.

31. Красовский A.A., Буков В.Н., Шендрик B.C. Универсальные алгоритмы управления непрерывными процессами. М.: Энергия, 1977. — 272 с.

32. Левин В.И. Структурно-логические методы исследования сложных систем с применением ЭВМ. М.: Наука, 1987. - 304 с.

33. Литовка Ю.В. Определение периодичности поиска оптимальных управлений. // Приборы и системы управления, 1998, № 4. С. 16-17.

34. Литовка Ю.В. Субоптимальное управление технологическими объектами. // Приборы и системы управления, 1998, № 1. — С. 13-14.

35. Макаров И.М., Менский В.М. Линейные автоматические системы. — М.: Машиностроение. 1982. 504 с.

36. Исследования в области методологии метрологического обеспечения ИИ С/ сб. науч. Трудов. Львов: ВНИИМИУС, 1984.- 84с.

37. MathCAD 6.0 PLUS. Финансовые, инженерные и научные расчеты в среде Windows 95. М.: Информационно-издательский дом «Филинъ», 1997. -712 с.

38. Гудкова E.H. Исследование свойств средств измерения давления// II Межвузовская научно-практическая конференция студентов и молодых ученых, г. Волжский.: Тезисы докладов : Изд-во ТОО «Полиграфист, 1997 -С. 183

39. Гудкова E.H. Оптимизация управления процессом адсорбции // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей Всероссийской научно-технической конференции.- Пенза, 2003 С. 89

40. Шамигулов П.В. Использование программы MathCAD для решения задачтеории автоматического управления: Учебное пособие по дисциплине «Теория автоматического управления». Волжский: Филиал ГОУВПО «МЭИ (ТУ)» в г. Волжском, 2004. - 38 с.

41. Сергеев А. Г. Метрология. М.: Логос, 2004. - 287 с.

42. Капля В. И., Капля Е. В. Теория эксперимента. Учебное пособие. -Волжский: филиал ГОУВПО МЭИ(ТУ) в г. Волжском. 2003. - 50 с.

43. Ордынцев В.М. Математическое описание объектов автоматизации. М.:

44. Машиностроение, 1965. 360 с.

45. Основы управления технологическими процессами / С.А. Анисимов, В.Н.

46. Дынькин, А.Д. Красавин и др.: под ред. Н.С. Райбмана. М.: Наука, 1978. -440 с.

47. Основы автоматизации управления производством: Учебн. пособие для вузов / И.М. Макаров, H.H. Евтихиев, Н.Д. Дмитриев и др.: Под общ. ред. И.М. Макарова. -М.: Высшая школа, 1983. 504 с.

48. Очков В.Ф. MathCAD 7 Pro для студентов и инженеров. М.: Компьютер1. Press, 1998.-384 с.

49. Первозванский A.A. Математические модели в управлении производством.-М.: Наука, 1975.-616 с.

50. Пискунов Н.С. Дифференциальное и интегральное исчисления: Учебник длявузов. Т.2. -М.: Наука, 1965. 312 с.

51. Полоцкий JIM., Лапшенков Г.И. Автоматизация химических производств.

52. Теория, расчет и проектирование систем автоматизации. — М.: Химия, 1982.-296 с.

53. Теория автоматического управления: Учебник для вузов по спец. «Автоматика и телемеханика» в 2-х ч. Ч. I: Теория линейных систем автоматического управления. / Под ред. A.A. Воронова. — М.: Высшая школа, 1986. 367 с.

54. Теория автоматического управления: Учебник для вузов по спец. «Автоматика и телемеханика» в 2-х ч. Ч. II: Теория нелинейных и специальных систем автоматического управления. / Под ред. A.A. Воронова. -М.: Высшая школа, 1986. — 504 с.

55. Теория автоматического управления: нелинейные системы автоматическогоуправления при случайных воздействиях: Учебник для вузов. / Под ред. A.B. Нетушила. — М.: Высшая школа, 1983. — 432 с.

56. Инноватика-2006). / Материалы Международной конференции и Российской научной школы. Часть 1. М.: Радио и связь, 2006 - С. 37-38

57. Шевчук В.П. Теория информационных каналов систем управления. Математические основы описания линейных и нелинейных программно-аппаратных каналов обработки информации: Учебное пособие.-Волгоград: ВолгГТУ, 1993.- 128 с.

58. Управление технологическими системами./ В.Н. Брюханов, С.П. Протопопов и др. Тверь: ТвГТУ, 1995. - 264 с.

59. Управление технологическими системами в машиностроении. / И.В. Абрамов, В.Н. Брюханов, А.Г. Схиртладзе и др. —Ижевск: ИжГТУ, 1995. -305 с.

60. Шевчук В.П. Теория информационных каналов систем управления. Часть 3. Математические основы описания линейных и нелинейных программно аппаратных каналов обработки информации: Учеб. пособие. Волгоград, 1993.- 128 с.

61. Цветков Э.И. Основы математической метрологии. Приборы и системы управления, 1996, № 11, с. 41-42.

62. Цветков Э.И. Методические погрешности статистических измерений. JL: Энергоатомиздат, 1984. - 144 с.

63. Математическое обеспечение сложного эксперимента. Т.1. Обработка измерений при исследовании сложных систем Киев: Наук думка, 1982.

64. Орнатский П.П. Автоматические измерения и приборы аналоговые и цифровые-Киев: Вища школа, 1980.

65. Рабинович С.Г. Погрешности измерений. Д.: Энергия, 1978. - 262 с.

66. Бельчанская E.H. Экспертная система диагностики технического состояния приборов. /Бельчанская E.H., Шевчук В.П., Кириенко Е.Н, Мазин Г.С. //Приборы и системы. Управление. Контроль. Диагностика.-2008.-№7.

67. Автоматизация настройки систем управления / В.Я. Ротач, В.Ф. Кузищин,

68. A.C. Клюев и др.; Под ред. В.Я.Ротача.-М.: Энергоатомиздат, 1984.-391 с.

69. Данилюк А.Г., Туманов М.П. Учет особенностей программной реализацииалгоритмов управления и переменного запаздывания при разработке САУ на ЭВМ. // Приборы и системы управления, 1998, № 11. С. 64-66.