Гост р 8.734-2011 государственная система обеспечения единства измерений (гси). датчики интеллектуальные и системы измерительные интеллектуальные. методы метрологического самоконтроля

Возможно, вам также будет интересно

Системы автоматического управления и контроля для атомных электростанций

Системы автоматического управления и контроля являются неотъемлемой частью современных АЭС и играют ключевую роль в обеспечении их надежной и безопасной работы.

Облачными технологиями сегодня уже никого не удивить. Мы используем удаленные «облачные» серверы для хранения больших объемов информации, пользуемся электронной почтой, через мобильные приложения в реальном времени следим за движением общественного транспорта и т. п. А какие облачные технологии применяются в автоматизации?

В 2020 году в эксплуатацию будет введена информационная система «Умный лес», использующая технологии искусственного интеллекта (ИИ) для управления природными ресурсами, сообщает Министерство информационного развития и связи Пермского края.
Система решает целый комплекс задач: управленческий учет природных ресурсов, их структуры и качественного состава; мониторинг вырубки леса, в том числе выявление незаконных рубок на основе данных космического мониторинга; мониторинг перемещения древесины «от заготовки до переработки». Новая технология поможет контролировать лесной фонд, процесс вырубки и …

Инженерная задача

Инженерная задача состоит в том, чтобы удовлетворить всем нормативным требованиям к мониторингу оборудования и систем в отдаленных, возможно даже, враждебных условиях добычи углеводородов, при обеспечении безопасности персонала и окружающей среды. При этом инженеры хотят иметь надежные СС, которые просты в установке, настройке и могут предоставить полезные данные без больших финансовых затрат. А более точные данные приводят к более точному планированию и диспетчеризации для людей, составных частей и производственных процессов.

СС на месторождении могут обеспечить автоматическое обнаружение утечки с более ранним предупреждением, т. е. контролировать целостность трубопровода и поток углеводородов. Вращающиеся или, как их называют в этой отрасли, динамические механизмы являются обычными для всей нефтяной и газовой промышленности. Их мониторинг представляет собой процесс определения состояния оборудования во время работы, что позволяет осуществлять ремонт или замену проблемных компонентов еще до возникновения отказа. Датчики могут быть включены в общую систему мониторинга состояния оборудования для обнаружения, анализа и диагностики возможных отказов машин и механизмов.

Турбины, компрессоры и большие электродвигатели обычно оснащены проводными системами с мониторингом состояния и датчиками защиты, работающими в непрерывном режиме. Но динамически меняющиеся массивы данных, полученных при мониторинге вибрации, накладывают особые требования на беспроводные датчики, сети и связанные с ними компоненты — высокая пропускная способность, широкий динамический диапазон, низкий уровень собственных шумов, а так- же возможности обработки данных на высоком уровне.

Системы на основе накопленных данных

Системы на основе накопленных данных, или экспертные системы, являются компьютерными программами, содержащими знания, которые требуются для выполнения поставленной задачи. Экспертная система обычно состоит из двух элементов: база знаний и механизм принятия решений.

В базе знаний содержатся выражения в формате IF…THEN («условие — действие»), фактические утверждения, кадры, объекты, процедуры, описание ситуаций.

Механизм принятия решений вырабатывает алгоритм выполнения поставленной задачи на основе имеющихся знаний. Среди методов манипуляции с данными — использование наследований и ограничений (в пакетно- и объектно-ориентированных экспертных системах), выделение и адаптация примеров ситуаций (в системах на основе ситуаций), применение правил принятия решений (в системах на основе свода правил) в соответствии с процедурами управления (последовательная прямая или обратная передача) и стратегии поиска (выбор очередности — по глубине или ширине).

В системах на основе правил знания системы описаны в формате «ЕСЛИ, ТО, ИНАЧЕ». Для принятия решения могут понадобиться специфические знания.

Такие системы хороши для представления знаний и решений в форме, понятной человеку. Ввиду жесткой структуры правил они менее эффективны при обработке неопределенностей и неэффективны при обработке неточностей.

Типичная система на основе правил состоит из четырех компонентов:

  • список правил (база правил);
  • механизм принятия решений (блок семантических рассуждений), который делает выводы или предпринимает действия на основе взаимодействия между входным сигналом и базой правил);
  • временная рабочая память;
  • интерфейс пользователя или другой способ сообщения с внешним миром.

Концепция принятия решений на основе ситуаций позволяет подогнать решения отработанных ранее задач к текущей проблеме. Решения хранятся в виде базы данных и отражают опыт людей-экспертов. Когда возникает проблема, которая не встречалась ранее, система сравнивает ее с отработанными ситуациями и выбирает наиболее близко подходящую к текущей. Затем выполняется действие, указанное в решении отработанной задачи, и в базу заносится результат этого действия — успех или неудача. Часто данный тип систем рассматривается как расширение систем на основе правил. Они хороши для предоставления знаний в форме, понятной человеку, и могут обучаться по пройденным ситуациям путем генерирования новых.

Потенциал интеллектуальных устройств

Успех измерений зависит от надлежаще подобранной технологии оборудования, должным образом применяемой в правильном приложении.  Простое устройство не способно воспринимать какую-либо информацию о процессе, кроме сигналов, передаваемых его непосредственными датчиками. В свою очередь, интеллектуальные устройства имеют диагностический потенциал для обнаружения ошибок в установке или проблем, касающиеся данного приложения, каждое из которых способно негативно повлиять на качество и/или надежность измерений. Интеллектуальные устройства способны также отвечать на запросы или предоставлять информацию о состоянии оборудования в систему автоматизации, или на другие работающие в сети платформы.

Один из способов считывания информации, подготовленной интеллектуальным устройством, – это пользовательский интерфейс. Этим интерфейсом может быть локальный монитор устройства, локальный портативный интерфейс HMI (human machine interface – интерфейс человек-машина) или интерфейс, работающий в сети HMI. В отличие от локального монитора дисплей HMI облегчает обмен информацией между техником или инженером с одной стороны и устройством с другой.

Высший класс интеллектуальных устройств – это многофункциональные устройства, способные одновременно фиксировать несколько параметров процесса (PV) при помощи целого ряда внутренних датчиков и передавать данные в цифровом виде или без проводов.  Примером такого устройства является Кориолисов расходомер, измеряющий или рассчитывающий массу потока, его вязкость, плотность, температуру и общий объем.

Некоторые интеллектуальные устройства, оснащенные такими коммуникационными протоколами как HART 6+, WirelessHART или Foundation Fieldbus H1, могут напрямую обмениваться данными о переменных процесса (PV) между аналогично оснащенными устройствами.  Эти переменные процесса (PV) затем используются для выполнения дополнительных расчетов на месте, без применения каких-либо систем автоматизации или дополнительных способов выполнения вычислений.  Например, вихревой расходомер (vortex) может быть соединен с датчиком давления и сообщать откорректированные данные о расходе энергии, или два датчика относительного давления могут быть объединены для фиксации перепада давления.

Эпоха Интернета открыла широкий спектр новых возможностей для связи, управления информацией и доступа к ней.  Хотя многие из этих технологий были адаптированы к платформам автоматизации, платформы, как и в случае программируемых логических контроллеров, программируемых контроллеров автоматизации и распределенных систем управления, однако при подключении через Интернет или по связанным с ним технологиям устройств, управляющих критическими процессами, должны быть учтены вопросы безопасности и защиты.

READ  Формула коэффициента мощности: косинус фи для потребителей, единица измерения

Отчасти из-за опасений, связанных с безопасностью и защитой, большинство установленных устройств по-прежнему передают данные о переменной процесса (PV) в систему автоматизации с помощью традиционных сигналов 4×20 мА, которые преобразовываются и используются в системе автоматизации. Однако цифровые системы связи, такие как Foundation Fieldbus, Profibus и Ethernet/IP, и беспроводные сети, такие как WirelessHART, все шире используются для цифровой передачи данных о переменной процесса (PV) непосредственно с устройства на платформы автоматизации, что исключает необходимость использования электрического сигнала 4×20 мА и связанной с ним инфраструктуры входа/выхода.

Переменные процесса (PV), описывающие расход энергии, передающие информацию об окружающей среде, контролирующие электрическую цепь и технологические единицы, как правило, не являются частью систем управления, работающих в режиме реального времени. Следовательно, данные об этих переменных могут поставляться непосредственно из интеллектуальных устройств в соответствующие базы данных через точки доступа, сконструированные по технологиям IT, что значительно упрощает архитектуру систем автоматизации и информации.

Насколько надежен интеллектуальный датчик?

Довольно часто повреждение поверхности измеряющего устройства приводит потери им способности к нормальному выполнению своих функций. При использовании индуктивного датчика расстояния между измеряемым объектом и датчиком должны быть небольшие, а из-за износа машины это расстояние может изменяться, тем самым влияя на достоверность измерения. В большинстве случаев неисправность ограничивается корпусом измеряемого устройства и не затрагивает внутреннюю катушку. При появлении такого рода неисправностей обычные датчики не всегда способны диагностировать ее. Сигнальный светодиод может по-прежнему указывать на нормальную функциональность прибора (питание подается), но это не дает четкого понимания, в чем проблема и почему нарушена нормальная функциональность.

При установке интеллектуальных датчиков диагностируемая информация передается к микроконтроллеру, который предупреждает пользователей о необходимости проведения технических работ или замены устройства. В дополнение к обнаружению неисправностей расширенная диагностика способна предупреждать операторов в случае загрязнения линз (фото измерения), перекосов, перегревов и прочего. Интеллектуальные датчики способны использовать временные метки, изменение состояний процессов или событий, а также помогать отслеживать, когда устройство было переведено в автономный режим или когда рабочие параметры были изменены.

Ультразвуковые датчики

Ультразвуковой датчик используется для обнаружения присутствия объекта. Это достигается за счет излучения ультразвуковых волн от головки устройства и последующего приема отраженного ультразвукового сигнала от соответствующего объекта. Это помогает в обнаружении положения, присутствия и движения объектов.

Поскольку ультразвуковые датчики полагаются на звук, а не на свет при обнаружении, они широко используются для измерения уровня воды, медицинских процедур сканирования и в автомобильной промышленности. Ультразвуковые волны могут обнаружить невидимые объекты, такие как прозрачные пленки, стеклянные бутылки, пластиковые бутылки и листовое стекло, с помощью своих отражающих датчиков.

Сенсорный датчик

Это еще одна большая группа устройств. Классификация датчиков давления применяется для проведения оценки внешних параметров, отвечающих за появление дополнительных характеристик при действии определенного объекта либо вещества.

Датчик касания действует как переменный резистор в соответствии с местом, где он подключается.

Сенсорный датчик состоит из:

  1. Полностью проводящее вещество, такое как медь.
  2. Изолированный промежуточный материал, такой как пена или пластик.
  3. Частично проводящий материал.

При этом строгого разделения нет. Классификация датчиков давления устанавливается посредством выбора конкретного сенсора, который и оценивает появляющееся напряжение внутри либо снаружи изучаемого объекта.

Датчик приближения

Все чаще в современных транспортных средствах используют эту технологию. Классификация электрических датчиков с использованием световых и сенсорных модулей набирает популярность у автомобильных производителей.

Датчик приближения обнаруживает наличие объектов, которые находятся почти без каких-либо точек соприкосновения. Поскольку нет контакта между модулями и воспринимаемым объектом и отсутствуют механические детали, эти устройства имеют длительный срок службы и высокую надежность.

Различные типы датчиков приближения:

  1. Индуктивные датчики приближения.
  2. Емкостные датчики приближения.
  3. Ультразвуковые датчики приближения.
  4. Фотоэлектрические датчики.
  5. Датчики Холла.

Нуждается ли ваш механизм в постоянных перенастройках

Операции, которые нуждаются в частых изменениях настроек в связи с работой с изделиями, имеющими различные размеры, также могут осуществляться с помощью умных измерительных элементов.

Вместо того, чтобы вручную менять настройки машины для каждого отдельного продукта, интеллектуальный датчик с технологией IO-Link может хранить несколько профилей в микроконтроллере, которые могут быть изменены по мере необходимости. Такой поход дает несколько преимуществ: у пользователя продает необходимость хранить каждую конфигурацию измеряющего элемента. К смарт устройству посылаются данные  необходимой конфигурации, что исключает возможные варианты человеческих ошибок, которые могут быть допущены при ручной конфигурации. Также это способствует снижению времени конфигурации от нескольких минут до нескольких миллисекунд.

Миниатюризация – шаг в будущее

Технологические достижения в электронных системах управления, создание микроузлов типа «умной пыли» с улучшенными возможностями в части связи и снижения затрат будут стимулировать разработку датчиков и развитие их рынка в обозримом будущем. В скором времени мы сможем увидеть полностью интегрированные, встроенные датчики и стандартные промышленные протоколы. Тем не менее расширение беспроводных СС означает, что может быть собрано гораздо больше данных, чем это характерно на сегодня

Но в том и заключается основная проблема: нужно не просто собрать данные, важно, чтобы они были правильно проанализированы и имелась возможность управлять этими «большими данными»

Принятие решений на основе пройденных ситуаций

Процесс принятия решений на основе пройденных ситуаций состоит из четырех шагов:

  1. Выделение. Из базы ситуаций выбираются те, что наиболее близко похожи на поставленную задачу. Ситуация состоит из проблемы, ее решения и комментариев, описывающих, каким образом решение было получено.
  2. Повторное использование. Решение из отработанной ситуации применяется к текущей и по мере необходимости адаптируется.
  3. Проверка. Новое решение тестируется в реальных условиях или моделируется. При необходимости вносятся поправки.
  4. Сохранение. Адаптированное решение сохраняется в памяти вместе с комментариями и исходными условиями в виде новой отработанной ситуации.

Данный подход принимается неоднозначно. Критики полагают, что совпадение случаев нельзя использовать в качестве основного принципа работы. Без статистических данных и вытекающих из них заключений нет гарантии, что обобщения обоснованны. Это рассуждения от частного к общему, когда данные не имеют статистической релевантности и основаны только на совпадении примеров.

Рис. 1. Интеллектуальная система на основе базы ситуаций

READ  Организация и виды ремонта электрических машин

Концепция данного подхода заключается в адаптации решений успешно отработанных задач к текущим проблемам. Решения хранятся в базе и представляют собой опыт людей-экспертов. Когда возникает проблема, с которой система не сталкивалась ранее, она сравнивает ее с пройденными ранее ситуациями и выбирает те, что наиболее близки к новой проблеме. Затем система выполняет действие, предусмотренное для этой похожей проблемы, и в базу заносится результат: успех или неудача выполненного действия.

Данный алгоритм часто рассматривается как расширение систем на основе правил. Как и системы на основе правил, системы на основе ситуаций хорошо применимы тогда, когда знания необходимо представить в форме, понятной человеку. Системы данного типа обучаются на основе пройденных ситуаций и генерируют новые ситуации. На рис. 1 показана система на основе отработанных ситуаций.

Многие экспертные системы построены на программах, называемых оболочками. Они содержат ячейки памяти для заключений и знаний, но не имеют базы знаний в конкретной области. Некоторые экспертные системы построены с помощью «сред разработки». Они обладают большей гибкостью, чем системы-оболочки, и предоставляют пользователю применять собственные методы представления заключений и знаний.

Экспертные системы, вероятно, являются наиболее развитыми среди рассматриваемых инструментов. На рынке представлено множество коммерческих оболочек и инструментов разработки для облегчения их создания. После формирования базы знаний в конкретной области не остается ничего сложного. Именно поэтому данный тип систем широко применяется.

В области сенсорных систем можно отметить следующие приложения на основе отработанных ситуаций: выбор входов датчика; интерпретация сигналов; мониторинг условий; диагностика ошибок; управление процессом и машиной; разработка машины; планирование процесса; планирование производства; настройка системы. Специфическими задачами для экспертных систем являются сборка, автоматическое программирование, комплексное управление интеллектуальной машиной, планирование инспекций, предсказание риска заболевания, выбор инструментов и приборов, планирование последовательностей, управление развитием производства.

SICK

Разработка все более сложных «интеллектуальных» сенсоров и сенсорных систем, предназначенных для автоматизации производственных и технологических процессов, является основным направлением деятельности фирмы SICK AG. Примечательно, что контроль качества продукции, эффективное управление процессами производства и транспортировки являются важнейшими задачами, которые решаются благодаря использованию в автоматических устройствах бесконтактных сенсоров, датчиков угловых перемещений и измерителей расстояния и даже оттенков цвета.

С другой стороны, SICK это не только сенсоры для распознания бездушных коробок, контейнеров или упаковок с кетчупом. Чтобы полностью исключить риск получения человеком увечий при работе с технологическим оборудованием, применяются комплексные защитные системы с сложнейшим программным обеспечением. Примером может служить разработанные SICK фоторелейные завесы, световые барьеры, лазерные сканеры различной модификации. Такое оборудование предостережет работника, как и от пореза пальца, так и от несанкционированного доступа, например к формовочному прессу. А созданная фирмой SICK защитная сенсорная камера V 4000 press brake является первым предохранительным устройством бесконтактного действия с использованием системы обработки изображения. Ее разработка подтверждает технологическое лидерство фирмы SICK и ее огромный потенциал.  

Автоматическое распознавание двухмерных штриховых кодов, определение высоты, формы и объема при помощи конфигурируемых лазерных измерительных систем составляют третье приоритетное направление фирмы SICK в сегменте автоматизации производственных процессов. Такое оборудование работает на тех участках автоматической поточной линии, где требуется четкое соответствие. И будьте уверены, — на автомобиль популярной модели будут установлены колеса необходимого типа, а в косметичку уложена помада заданного цвета — SICK позаботится обо всем!

А как постоянно, быстро и главное максимально точно определять концентрацию газоконденсата в трубопроводе или градусность спирта в ректификационной колонне на ЛВЗ? Фирма SICK AG не менее активно развивает и этот сегмент автоматизации технологических процессов. Под маркой SICK-MAIHAK производятся сенсоры и полные комплексные интеллектуальные системы для газоанализа, определения уровня запыленности помещений или емкостей, анализа воды и других жидкостей, измерения потока и уровня наполнения. Перефразируя слова известного персонажа, можно сказать: спирт должен быть только одной градусности — 96%, или производство будет автоматически остановлено! Сенсоры SICK — беспристрастны.

Основные области промышленности, где крепко обосновались датчики немецкой компании SICK:

  • оборудование для производства напитков и продуктов питания;
  • разработка промышленных машин и установок;
  • полиграфическая и бумажная промышленность;
  • энергетика, промышленная контрольно-измерительная аппаратура;
  • автомобильная промышленность;
  • производство электроники и микроэлектроники;
  • складские и транспортировочные системы.

Точность датчиков SICK настолько высока, что сенсорные системы, пройдя соответствующую калибровку, могут передавать данные измерений в режиме реального времени через встроенный интерфейс.

И все же наиболее «ходовыми» в народе, были и остаются «простые» надежные труженики — датчики различных типов, модификаций и размеров.

JLCPCB – Прототипы печатных плат любого цвета всего за $2
Крупнейшее в Китае предприятие по производству прототипов печатных плат, более 600,000 клиентов и более 10,000 онлайн-заказов ежедневно
См. почему JLCPCB так популярна: https://jlcpcb.com

Для комментирования материалов с сайта и получения полного доступа к нашему форуму Вам необходимо зарегистрироваться.

Публикации по теме

  • Книги Интеллектуальные автоматизированные системы управления техническими объектами — 978-5-9729-0135-7
  • Статьи Современные сенсорные интерфейсы на основе датчиков S-Touch компании STMicroelectronics
  • Статьи Системы-на-кристалле компании Maxim для счетчиков электроэнергии и систем мониторинга
  • Статьи Датчики и системы технического зрения Omron
  • Статьи Интегральные датчики компании Maxim

Взгляд в будущее

Искусственный интеллект может повысить эффективность обмена, уменьшить количество ошибок и сбоев, продлить срок службы датчика (рис. 4, 5). За последние 40 лет был создан ряд инструментов с искусственным интеллектом, часть из которых рассмотрена в данной статье.

Рис. 4. Сбор данных от датчика изображения. Визуальные данные и модель САПР используются совместно для определения списка объектов. Список объектов отправляется в идентификатор сварки

Со временем появится множество новых сфер применения сенсорных систем. Более того, дополнительные преимущества обеспечиваются путем сочетания технологий и создания гибридных инструментов. Среди других разработок в области ИИ, влияющих на сенсорные системы, можно отметить глубинный анализ данных, системы с несколькими агентами, распределенные самоорганизующиеся системы. Должное применение технологий искусственного интеллекта приведет к появлению более конкурентоспособных сенсорных систем.

Рис. 5. Модуль идентификатора сварки оценивает предположения и находит оптимальную траекторию сварки. Предположения передаются в генератор программ для робота

Возможно, на осмысление преимуществ использования ИИ уйдет десятилетие. В настоящее время они мало распространены ввиду технологических сложностей. Поле исследования расширяется.

Рассмотренные инструменты и методы имеют минимальную вычислительную нагрузку и могут быть выполнены на небольших сборках, одиночных роботах или системах с мало функциональными микроконтроллерами. Рассмотренные подходы основаны на использовании внешнего интеллекта, а также сочетании различных интеллектуальных инструментов для наиболее полного использования их потенциала в различных процессах.

READ  Основные режимы работы электродвигателя в системе электропривода

Датчики становятся умнее

Датчики с поддержкой технологии IO-Link могут работать с большим количеством информации, что позволяет повысить эффективность промышленного оборудования. Обычные датчики больше основываются на принципе работы И/ИЛИ информации об объекте, то интеллектуальные датчики способны обеспечить до 32 байтов циклической информации включая способность диагностики состояния не только для самого измеряемого объекта, но и окружающей его среды. Например, индикация загрязнения линз (в случае фотоэлектрических измерений), измерение внутренней температуры (для датчиков приближения). Более того, эти смарт устройства делают установку, техническое обслуживание и устранение неисправностей гораздо более эффективной, включая хранение  нескольких профилей машины для упрощения конфигурации во время работы.

IO-Link является открытым стандартным протоколом IEC 61131-9, что позволяет пользователям вести подробный обмен опытом в отношении многих параметров и функций измерительных устройств. Шлюзы IO-Link позволяют устройствам подключатся к компьютерным сетям, таким как EtherNet/IP, которые передают информацию в систему управления. Это увеличивает количество данных о работе машин и различных механизмов, что значительно улучшает диагностику неисправностей и производственных процессов операторами и обслуживающим персоналом.

В то время как смарт датчики позволяют значительно расширить список наблюдаемых параметров, нет абсолютно никакой необходимости внедрять их во все механизмы. Например, если в механизме редко возникают неисправности  или он работает не в критических условиях (приложения, где сенсорные линзы работают в нормальных условиях и не склонны к частым загрязнениям) нет необходимости в установке интеллектуальных датчиков. В случае же когда работа происходит в загрязненных помещениях, неблагоприятных  климатических условиях или подвержена другим, не способствующими нормальной работе  факторами, установка «умных обратных связей» позволила бы повысить эффективности всего производственного процесса в целом. Для определения стоит ли переходить на умные датчики или нет, нужно рассмотреть несколько ключевых вопросов.

Автоматический сбор знаний

Получение знаний для записи в базу может быть непростой процедурой и занимать много времени. Это создает препятствия при создании экспертной системы. Для решения данной проблемы созданы алгоритмы автоматического сбора знаний. Они могут быть записаны в формате «ЕСЛИ…ТО…» или эквивалентных конструкций ветвления. Такой тип обучающих программ обычно требует создание набора примеров в качестве отправной точки. Каждый пример содержит значения атрибутов и класс, к которому они принадлежат.

Один из подходов основан на принципе «разделяй и властвуй», когда атрибуты выбираются по некоторому принципу (например, для максимизации объема информации), чтобы разделить исходный набор примеров на блоки. Обучающая программа создает дерево решений, которое точно классифицирует заданный набор примеров. Дерево представляет собой знания, обобщенные по специфичным примерам в наборе. Оно может быть использовано впоследствии при ситуациях, частично покрывающих набор примеров.

При другом подходе используются покрытия. Обучающая программа производит поиск групп атрибутов, которые однозначно общие у примеров в данном классе. На их основе формируется правило. В части, содержащей условие («ЕСЛИ»), содержится совокупность условий, указанных в группе, в части действия («ТО») — совокупность классов. Программа удаляет правильно классифицированные примеры и останавливается, когда правило сформировано для классификации примеров в наборе.

Другой подход заключается в использовании логических программ вместо логических высказываний для описания примеров и представления новых концепций. Этот подход использует более мощную логику предикатов для представления примеров, предпосылок и создания новых концепций. Логика предикатов позволяет использовать разные формы тренировочных примеров и предпосылок. Она позволяет описывать результаты (новые концепции) в виде общих высказываний первого порядка с переменными, а не только как высказывания нулевого порядка, которые содержат только значения атрибутов. Системы данного типа делятся на два класса: основанные на обобщениях сверху вниз и на инверсном решении.

Разработан ряд обучающих программ, например ID3 (по принципу «разделяй и властвуй»), AQ (принцип покрытия), FOIL (система ILP по методу обобщения и специализации), GOLEM (ILP на инверсном решении). Хотя большинство программ вырабатывают только четкие правила, существуют алгоритмы создания и нечетких правил.

Требование представления набора примеров в жестко заданном формате с известными атрибутами известных классов совпадает с требованиями сенсорных систем и сетей, поэтому автоматическое обучение широко применяется в системах датчиков. Данный способ обучения особенно хорошо подходит в случаях, когда атрибуты имеют дискретные или символические значения, а не являются непрерывными величинами, как это часто бывает в датчиках.

Примеры индуктивных обучающих программ: лазерная резка, обнаружение мин, робототехника.

Сети

Сетевые топологии — это, прежде всего, линейные массивы, «звезда» (центр и исходящие лучи) или гибридные ячеистые структуры (с использованием типовых решений из мощных и маломощных узлов). Все узлы маршрутизаторов (часто называемых роутерами) не обязательно должны быть постоянно активными.
Они могут быть запрограммированы так, чтобы «проснуться», собрать и передать информацию (например, через регулярные промежутки времени), а затем снова отключиться с целью экономии электроэнергии. Линейные массивы могут быть довольно длинными, с несколькими (25–50) ретрансляторами данных, пересылаемых к базовой станции.

Проникающие СС

Проникающие СС (Ubiquitous Sensor Network, USN) относятся к типу интеллектуальных, они имеют динамическую топологию с узловой неоднородностью и могут быть развернуты в широком масштабе и в любом месте. Такие сети включают в себя небольшие узлы датчиков и ограничены в требованиях к питанию, они мобильны и способны выдерживать суровые условия окружающей среды.

В USN входят:

  • сеть датчиков (датчики плюс источники питания, необходимые для передачи данных);
  • устройства доступа к сети USN (промежуточные, или «втекающие» узлы, которые собирают данные от группы датчиков);
  • сетевая инфраструктура;
  • промежуточная система USN (программное обеспечение для сбора и обработки данных);
  • платформа приложений USN.

Принцип действия

Классификация индуктивных датчиков строится на сфере их использования

Здесь важно учитывать физические и химические свойства объектов. Движение ультразвуковых волн различается в зависимости от формы и типа среды

Например, ультразвуковые волны движутся прямо в однородной среде и отражаются и передаются обратно на границу между различными средами. Человеческое тело в воздухе вызывает значительное отражение и может быть легко обнаружено.

В технологии используются следующие принципы:

  1. Мультиотражение. Многократное отражение имеет место, когда волны отражаются более одного раза между датчиком и объектом обнаружения.
  2. Предельная зона. Минимальное расстояние срабатывания и максимальное расстояние срабатывания можно регулировать. Это называется лимитной зоной.
  3. Зона обнаружения. Это интервал между поверхностью головки датчика и минимальным расстоянием обнаружения, полученным в результате регулировки расстояния сканирования.

Устройства, оборудованные этой технологией, позволяют проводить сканирование различных типов объектов. Ультразвуковые источники активно применяются при создании транспортных средств.

Рейтинг
( Пока оценок нет )
Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: