Книги по разным темам Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 41 |

Метод включает в себя как набор определенных действий, так и режимы, поэтому, если в системе управления меняется и то и другое (меняется программа), то система называется многопрограммной. Если реализация методов отличается только действиями, система управления станет многокомандной, если только режимами, то - многооперационной.

Режимы, в свою очередь, могут изменяться непрерывно в многофункциональной системе или дискретно в многорежимной системе. Подобная иерархия поясняется рисунком 2.4.

Можно пойти и в обратном порядке. Фиксированные режимы образуют уставки, меняющиеся режимы задаются функциями, совокупность функций в математике образует оператор, совокупность операторов выполняет команду, совокупность команд складывается в программу, программы реализуют некий метод, а методы решают поставленные задачи. Наконец, решением задач достигается цель. Цель же может поменять только человек, находящийся в контуре управления.

Важность выделения иерархических уровней обусловлена еще и спецификой управления в условиях разных частот возмущающих воздействий, действующих на объект управления. При этом высокочастотные возмущения, исходящие от изменения исходных свойств сырья, материалов и энергии, компенсируются нижними уровнями. Задачи верхних уровней низкочас- Матричные системы управления уровень задач методы решения реализующие программы команды операции функции уставки Рисунок 2.4 - Стратификация матричных систем тотного управления решают в терминах статической оптимизации, и при этом компенсируются возмущения скачкообразного типа, источниками которых являются изменения условий поставок сырья и отгрузки продукции, ремонтно-восстановительные работы на оборудовании и так далее /13/.

2) По числу уровней в дереве задающих блоков система может быть одноуровневой и многоуровневой. При этом, как рассмотрено в /2/, можно выделить четыре подтипа таких систем, а именно одноуровневые одноцелевые, одноуровневые многоцелевые, многоуровневые одноцелевые и многоуровневые многоцелевые. В первом случае примером могут служить одинаковые сборочные автоматы в гибкой производственной системе. Во втором - несколько людей одного уровня управления. Главной особенностью здесь является отсутствие конфликтов внутри системы.

Система, принадлежащая к классу многоуровневых одноцелевых, имеет несколько субъектов с собственными целями, которые не обязательно конфликтны и подчинены единой цели управления. Наконец, класс многоуровневых многоцелевых систем характеризуется наличием иерархических отношений между субъектами каждого уровня принятия решений.

Продолжение классификации проводится по признакам, связанным с метасистемностью.

3) По количеству источников управляющего воздействия многоуровневая система может быть с общим источником или с независимыми источниками. Примером последней может быть автоматическая линия, в которой присутствуют операции механической сборки, сварки, склейки и так далее. В этом случае источники управляющих воздействий в ветвях управления, связанных с указанными операциями, различны.

4) По количеству исполнительных устройств, входящих в многоуровневую систему, можно выделить системы с общим или с независимыми исполнительными устройствами. Системы последнего вида в теории управления названы многомерными, многокоординатными или многоканальными. Если при этом связь между воздействиями по координатам достаточно сильна, то систему называют многосвязной. Одним исполнительным устройством у нескольких линий предварительной подсборки может служить сложный сборочный робот.

5) По алгоритму работы задающих блоков (по процедурам замены) многоуровневые системы можно поделить на системы с параллельной (одновременной) работой, с последовательной (программной или цепной) работой и с произвольным выбором задающих блоков в зависимости от создавшихся условий. Примером первой системы может служить агрегатная автоматическая линия, ко второму типу систем можно отнести технологический процесс, осуществляемый на многооперационном сборочном автомате. Наконец, к третьему типу систем относятся все системы сортировки деталей перед сборкой.

Пользуясь предложенным выше двухпроцессным подходом к управлению, можно ввести более тонкую классификацию. При этом первый процесс - ведущий, играет роль источника возникновения управленческих ситуаций, а второй процесс, разворачивающийся внутри матричной системы, является реакцией на первый. В зависимости от способа порождения управленческой ситуации и ответа на нее - вероятностного или детерминированного, возможны четыре класса систем.

Детерминированное порождение и детерминированная реакция возможны при работе полных автоматов. В автоматической линии, например, заранее известно, в каком бункере какая деталь имеется, и алгоритм сборки из этих деталей также детерминированный.

Вероятностное (случайное) порождение в сочетании с детерминированной реакцией приводит в зависимости от фиксированной или переменной (переключаемой) внутренней структуры к системам массового обслуживания или к системам с переменной структурой.

Наконец, вероятностная реакция на детерминированную или вероятностную управленческую ситуацию порождает еще два класса систем, связанных с работой классифицирующих систем в режиме обучения и контроля (то есть в рабочем режиме классификации).

Последние три класса объединены за счет общей теории систем случайной структуры.

Ввиду значительной изученности первых двух классов, в данной работе исследуются системы, принадлежащие к последним двум классам. Дальнейшее уточнение классификации по обсуждаемому признаку (по процедуре замены) включает классификацию, рассмотренную в работе /14/.

Подводя итог исследованию классификации, видим, что выделение матричности систем управления позволяет провести классификацию в двух взаимно независимых направлениях: метасистемности и иерархичности, что естественно отражается на четкости выделяемых классов. Однако матрица, представляющая сложную систему управления, может быть и многомерной.

Для этого достаточно дополнительно классифицировать задающие блоки на всех уровнях. Например, ввести классификацию задач по их физической сущности (или какому-либо другому признаку). В таком случае появится плоскость задач (или даже пространство n измерений), плоскость методов, плоскость программ и так далее.

Конечно, матричные системы можно классифицировать по классическим признакам: по принципу управления, по типу объекта управления, по виду полученной системы управления, по применяемой в исполнительном устройстве энергии и так далее.

В заключение необходимо отметить, что матричность системы не связана с какими-либо ее математическими свойствами, а лишь отражает ее внутреннее строение, относительную независимость иерархичности от метасистемности, уровней иерархии - друг от друга, так же как и составляющих систем друг от друга. Это свойство позволяет достаточно просто отлаживать, диагностировать, модернизировать такие системы 2.3 Подсистема распознавания образов Проведенная выше классификация матричных систем по уровням позво- ляет разделить задачу распознавания управленческой ситуации на ряд этапов, на каждом из которых анализируется своя специфичная информация.

Рассмотрим эту специфику на примере обобщенной гибкой производственной системы. На первом этапе при выборе задачи анализируется состояние рынка с целью выявления ассортимента продукции, реализующейся с максимальной прибылью по имеющейся себестоимости.

На втором этапе осуществляется выбор технологии изготовления выявленного ассортимента продукции. При этом анализируются запасы сырья, инструмента, наличие квалифицированного персонала и так далее.

На третьем этапе выбирается конкретная программа работы оборудования в зависимости от его исходного состояния, наличия в нем инструментов и приспособлений. В дальнейшем программа выбирает команды, в которые обычно уже заложены проводимые операции, реализуемые функции и технологические режимы исполнения. На последних этапах возрастает роль локальных обратных связей при принятии управленческих решений и снижается роль опережающего управления. Кроме того, на верхних уровнях можно применять медленно действующие, но более точные методы принятия реше ний, тогда как на нижних уровнях все наоборот.

Таким образом, на разных уровнях иерархии при распознавании и принятии управленческого решения анализируется разная информация, используются соответственно различные признаки распознавания.

Под управленческой ситуацией здесь понимается /15/ совокупность всех сведений о состоянии объекта управления и внешней среды, достаточных для принятия управленческого решения (то есть включения определенной структуры адекватной данной управленческой ситуации).

Формальная постановка задачи распознавания состоит в следующем /10/. Пусть задано множество объектов или явлений = {1,...,z} (алфавит классов), а также множество возможных управлений (стратегий) L={l1,Е, lk}, которые могут быть приняты по результатам решения задачи распознавания, и на основании которых множество разбито на m непересекающихся классов Ap, где p=1,Е, m. Известны значения признаков, которыми характеризуются управленческие ситуации, относящиеся к соответствующим классам (связанным с необходимостью включения определенных структур), обраj зующие априорный словарь признаков. Обозначим через x - значения j-го pk признака k-го объекта p-го класса, j=1,Е, n; k=1,Е, kp. Горелик А.Л. ввел в рассмотрение величины kp kp n 1 j j S( )= (x - x ) (2.1) p j pk pl k k k =1 l=1 j=p p-и kp k1 n 1 j j R(,q)= (x - xql), (2.2) p j pk k kq k=1l=1 j=p которые назвал соответственно среднеквадратичным разбросом объектов внутри класса и среднеквадратичным разбросом объектов классов и p p ; представляют собой компоненты вектора = {1,...,n} и принимают q j значения 1 или 0 в зависимости от того, используется ли данный признак априорного словаря в рабочем словаре.

Наиболее общим предположением относительно затрат ресурсов на разработку измерительных средств системы распознавания является предположение относительно аддитивности расходов ресурсов, то есть n C = C(1...,n ) = C, (2.3) j j j=где Cj - затраты на создание технического средства, предназначенного для определения j-го признака.

Пусть на разработку измерительных средств системы выделены ресурn сы, величина которых равна C0. Если C0 C, то представляется воз j j j=можность в полном объеме реализовать априорный словарь признаков. Одn нако, еслиC0 < C, то возникает задача разработки такого словаря при j j j=знаков, который в условиях указанных ограничений обеспечивает наибольшее значение показателя эффективности проектируемой системы распознавания. В качестве критерия эффективности в общем случае Горелик А.Л.

предлагает использовать величину F = R2(,q)/ S( )S(q) (2.4), p p которая характеризует отношение расстояний между классами к разбросам объектов внутри классов. Максимизировать отношение можно за счет уменьшения знаменателя, который связан с точностью измерений признаков. Этого же можно добиться увеличением числителя, который зависит от расстояния между классами и определяется информативностью используемых признаков.

Многие свойства объектов по своей физической природе являются непрерывными и многомерными. Для классификации объектов неприемлемо измерение этих свойств во всем диапазоне изменения, тем более, что на больших участках эти свойства могут совпадать для объектов разных классов. Возникает проблема выбора точечных значений свойств, используемых в качестве признаков для максимально точной классификации.

Ситуацию, описанную выше, рассмотрим в отношении спектральной плотности мощности (СПМ) видеоизображения различных дефектов ткани.

Прежде чем применять рассмотренную далее методику /16, 17/, важно определиться с эталонами классов дефектов, то есть наиболее характерными представителями этих классов. Обычно это несложно сделать с помощью экспертного метода.

Пусть экспериментальным образом определены двумерные спектральные плотности мощности для эталонов GIIэi(x,y), где i = 1,Е,N (N - количество классов, учитываемых стандартом /18/). Сформируем все возможные парные сочетания и пронумеруем все пары из N классов, вводя индекс r = 1,Е,k, где k = N*(N-1)/2 - равно числу сочетаний из N по 2. Найдем модули разностей двумерных спектральных плотностей мощностей сформированных пар:

GIIr (x,y) = | GIIэi(x,y) - GIIэj (x,y)|, где i j, i,j = 1,Е,N; r = 1,Е,k. (2.5) Просуммируем эти выражения по всем парам дефектов и по всему диапазону изменения:

k (x,y) = GIIr(x,y). (2.6) r= Образованная суммарная поверхность будет иметь впадины и возвышения, несущие информацию о суммарном расстоянии между классами дефектов. Наиболее высокие точки этой поверхности будут самыми перспективными для использования в качестве признаков при классификации. Однако большие значения суммарного расстояния могут быть обусловлены значи тельным удалением лишь одного или нескольких дефектов от остальной группы. Признаки, основанные на таких значениях, будут хорошо выделять только эти несколько дефектов и будут "слепы" для остальных. Для исключения таких значений введем дополнительную процедуру.

В точках больших значений суммарной разности СПМ определим среднее расстояние между классами Lm :

GIIr(xm,ym) Lm(xm,ym) = -------------------, m = 1,Е,S, (2.7) k где xm,ym - частоты с большим суммарным значением двумерной спектральной плотности мощности на суммарной поверхности, S - количество больших значений, принятых во внимание.

Введем в рассмотрение относительную разность значений СПМ между классами, которая будет уже безразмерной величиной:

GIIr(xm,ym) Lmr(xm,ym) = -------------------, r = 1,Е,k. (2.8) Lm(xm,ym) Если теперь строить гистограмму этой разности для каждого значения суммарной разности, принятого за перспективное для использования в качестве признака, она будет иметь вид I или II, как изображено на рисунке 2.5.

Количество Относительная разность Кривая 1 - гистограмма селективного фильтра кривая 2 - гистограмма универсального фильтра.

Рисунок 2.5 - Гистограмма суммарных разностей Вид гистограммы II означает, что в данной сумме основной вклад имеют разности, большие среднего расстояния между классами, а оставшиеся разности меньше среднего. То есть хорошо будут классифицироваться лишь один или несколько дефектов. Таким образом, анализ гистограмм позволяет выделить значения частот, на которых классификация дефектов будет осуществляться примерно с одинаковой точностью (можно назвать признаки, основанные на значениях двумерной СПМ для этих частот, универсальными, в противоположность этому, признаки, основанные на значениях СПМ для частот, гистограмма суммарной разности для которых имеет вид II - селективными).

Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 41 |    Книги по разным темам