вестник южно...

Учредитель – Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования «Южно-Уральский государственный университет» (национальный исследовательский университет)

Редакционная коллегия серии:

д.т.н., профессор Шестаков А.Л. (отв. редактор); д.т.н., профессор Казаринов Л.С. (зам. отв. редактора); к.т.н., доцент Плотникова Н.В. (отв. секретарь); д.ф.-м.н., профессор, чл.-кор. РАН Ушаков В.Н.; д.т.н., профессор Войтович Н.И.; д.т.н., профессор Карманов Ю.Т.; д.т.н., профессор Логиновский О.В.; д.т.н., профессор Лысов А.Н.; д.ф.-м.н., профессор Танана В.П.; д.т.н., профессор Тележкин В.Ф.; д.ф.-м.н., профессор Ухоботов В.И.; к.т.н., доцент Кафтанников И.Л.

Серия основана в 2001 году. Свидетельство о регистрации ПИ № ФС77-26455

выдано 13 декабря 2006 г. Федеральной службой по надзору за соблюдением законодательства в сфере массовых коммуникаций и охране культурного на-следия.

Журнал включен в Реферативный журнал и Базы

данных ВИНИТИ. Сведения о журнале ежегодно публикуются в международной справочной системе по периодическим и продолжающимся изданиям «Ulrich’s Periodicals Directory».

Решением Президиума Высшей аттестационной

комиссии Министерства образования и науки Рос-сийской Федерации от 19 февраля 2010 г. № 6/6 жур-нал включен в «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук».

Подписной индекс 29008 в объединенном каталоге

«Пресса России». Периодичность выхода – 4 номера в год.

Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»

СОДЕРЖАНИЕ

КЛЫГАЧ Д.С., ХАШИМОВ А.Б. Метод оптимизации геометрии зеркальных антенн с диаграммой направленности специального вида ......................................................................... 4 БОТОВ Д.С. Обзор современных средств создания и поддержки предметно-ориентиро-ванных языков программирования ................................................................................................... 10 САДОВ В.Б. Моделирование динамограмм с различными дефектами оборудования нефтя-ной скважины ...................................................................................................................................... 16 БЕЛОУСОВ М.Д., ДЬЯЧУК В.В., МИРЗАЕВ Д.А., ШЕСТАКОВ А.Л. Самокалибрующий-ся термометр на основе точек плавления. Конструкция и алгоритмы работы ............................. 26 ХАНКИН К.М. Сравнение эффективности технологий OpenMP, nVidia CUDA и StarPU на примере задачи умножения матриц .................................................................................................. 34 ПАНФЕРОВ С.В., ПАНФЕРОВ В.И. Автоматическое управление системами отопления с элеваторным присоединением .......................................................................................................... 42 БЕССОНОВА В.А., КУЗНЕЦОВ В.Л., СКОМОРОХОВ Д.С., ЧЕПУСОВ А.С. Автоматиза-ция эксперимента с помощью устройства ввода-вывода RL-88AC .............................................. 48 САЛИХОВ Р.Р., ХАШИМОВ А.Б. Суперкомпьютерное моделирование полей рассеяния на объектах сложной формы .................................................................................................................. 55 САДОВ В.Б. Определение дефектов оборудования нефтяной скважины по динамограмме ..... 61 КУЗНЕЦОВА Я.В., УМАНЕЦ К.А., БЕЛОУСОВ М.Д., ДЬЯЧУК В.В., МИРЗАЕВ Д.А., ШЕСТАКОВ А.Л. Экспериментальная проверка алгоритма определения точки Кюри элек-трода термопары по результатам измерения термоЭДС ................................................................ 72 ВСТАВСКАЯ Е.В., КОНСТАНТИНОВ В.И., ХАЖИЕВ Р.А. Дистанционный контроль со-стояния управляемых осветительных систем .................................................................................. 76 АСТАХОВА Л.В. Проблема идентификации и оценки кадровых уязвимостей информацион-ной безопасности организации ......................................................................................................... 79

Краткие сообщения ХАНКИН К.М. О методе оценки соответствия энергозатратности вычислительной задачи требованиям к энергопотреблению и его реализации с помощью StarPU .................................... 84 АРГУТИН А.В. Метод оптимизации энергии с помощью механизма передачи сообщений в задачах стереозрения ....................................................................................................................... 87 КАЗАРИНОВ Л.С., БАРБАСОВА Т.А., ЗАХАРОВА А.А. Оптимальное прогнозирование потребления энергетических ресурсов по стоимостному критерию ............................................. 90 КОШИН А.А., НУРКЕНОВ А.Х. Оценка работоспособности статистического регулирова-ния при токарной обработке на станке с ЧПУ ................................................................................. 94

© Издательский центр ЮУрГУ, 2013


CONTENTS

KLYGACH D.S., KHASHIMOV A.B. Optimization method for geometry of mirror antennas with special pattern ............................................................................................................................... 4 BOTOV D.S. Review of modern development and support tools for domain-specific program-ming language ...................................................................................................................................... 10 SADOV V.B. Simulation of dynamometer cards with various defects of oil well equipment ............ 16 BELOUSOV M.D., DYACHUK V.V., MIRZAEV D.A., SHESTAKOV A.L. Self-calibrating thermometer based on melting points. Construction and operation algorythms .................................. 26 KHANKIN K.M. Efficiency comparison of OpenMP, nVidia CUDA and StarPU technologies by the example of matrix multiplication ................................................................................................... 34 PANFEROV S.V., PANFEROV V.I. Automatic control for heating systems with water jet pump accession ............................................................................................................................................... 42 BESSONOVA V.A., KUZNETSOV V.L., SKOMOROKHOV D.S., CHEPUSOV A.S. Automa-tization of experiments by means of input-output device RL-88AC .................................................... 48 SALIKHOV R.R., KHASHIMOV A.B. Supercomputer simulation of scattered fields on complex shape objects ......................................................................................................................................... 55 SADOV V.B. Definition of defects of equipment of oil well on dynomometer card .......................... 61 KUZNETSOVA Ya.V., UMANETS K.A., BELOUSOV M.D., DYACHUK V.V., MIRZAEV D.A., SHESTAKOV A.L. Experimental check of Curie point determination algorithm of thermocouple electrode in accordance with results of thermoelectric power measurements ...................................... 72 VSTAVSKAYA E.V., KONSTANTINOV V.I., KHAZHIEV R.A. Remote control of lighting systems condition ................................................................................................................................ 76 ASTAKHOVA L.V. Problem of identification and evaluation of personnel exposure of informa-tion security .......................................................................................................................................... 79

Brief reports KHANKIN K.M. Method of conformance evaluation of energy consumption of computing task and requirements to energy consumpion, its implementation with the help of StarPU ....................... 84 ARGUTIN A.V. Energy optimization method based on message passing mechanism applied for stereo-vision problems ......................................................................................................................... 87 KAZARINOV L.S., BARBASOVA T.A., ZAKHAROVA A.A. Effective prediction of energy resources consumption by cost criterion .............................................................................................. 90 KOSHIN A.A., NURKENOV A.K. Workability evaluation of statistical control for CNC machine ..... 94


Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника» 4

Введение1 Зеркальные антенны с диаграммами направ-

ленности (ДН) специального вида широко исполь-зуются при построении радиолокационных и ра-дионавигационных комплексов, радиотехнических систем дистанционного зондирования и картогра-фирования [1]. Для систем связи особое значение имеют зеркальные антенны со сверхнизким (до –60 дБ) уровнем боковых лепестков ДН. Форми-рование таких ДН с помощью зеркальных антенн имеет ряд преимуществ в сравнении с фазирован-ными антенными решетками, прежде всего вслед-ствие компактности и простоты конструкции зер-кальных антенн, состоящих из рефлектора специ-альной формы и облучателя. ДН специального вида в радиолокационных и радионавигационных комплексах должны обеспечивать равномерность мощности излучения в пределах заданной угловой области. В этом случае цели, характеризуемые одинаковыми рассеивающими свойствами (напри-мер, радиолокационным сечением рассеяния), в

Клыгач Денис Сергеевич – аспирант кафедры конст-руирования и производства радиоаппаратуры, Южно-Уральский государственный университет; [email protected] Хашимов Амур Бариевич – канд. физ.-мат. наук, до-цент кафедры конструирования и производства радио-аппаратуры, Южно-Уральский государственный универ-ситет; [email protected]

одинаковой степени воспринимаются в границах зоны перекрытия, обеспечивая высокую эффек-тивность обработки радиолокационной информа-ции. Примером ДН специального вида может слу-жить косекансная ДН, которая используется как для наземных, так и для бортовых комплексов.2

Для синтеза поверхности рефлектора зеркаль-ной антенны с ДН специального вида наиболее часто используются методы геометрической опти-ки (ГО) [1, 2], следовательно, результаты синтеза тем точнее, чем больше размеры и радиус кривиз-ны рефлектора по сравнению с длиной волны . Вместе с тем, методы ГО принципиально не могут быть использованы для анализа дифракционных явлений, возникающих на кромках рефлектора и существенно искажающих ДН. Кроме того, эти методы неприменимы для оптимизации поверхно-сти рефлектора в заданном частотном диапазоне. Следовательно, методы ГО являются приближен-ными методами синтеза, и в основном использу-ются для нахождения профиля сечения цилиндри-

Klygach Denis Sergeevich – Post-Graduate Student of Ra-dio Equipment Design and Production Department, South Ural State University; [email protected] Khashimov Amur Barievich – Candidate of Science (Physics and Mathematics), Associate Professor of Radio Equipment Design and Production Department, South Ural State University; [email protected]

УДК 621.396.6(07), 537.8(07)

МЕТОД ОПТИМИЗАЦИИ ГЕОМЕТРИИ ЗЕРКАЛЬНЫХ АНТЕНН С ДИАГРАММОЙ НАПРАВЛЕННОСТИ СПЕЦИАЛЬНОГО ВИДА Д.С. Клыгач, А.Б. Хашимов

OPTIMIZATION METHOD FOR GEOMETRY OF MIRROR ANTENNAS WITH SPECIAL PATTERN D.S. Klygach, A.B. Khashimov

Предложен метод оптимизации геометрии рефлектора зеркальной антенны двой-ной кривизны. Рассматривается формирование косекансной диаграммы направленно-сти в полосе частот, определяемой свойствами облучателя. Математическая модель зеркальной антенны основана на использовании методов геометрической оптики. Использование вычислительных методов повышенной точности позволяет существен-но ускорить предложенный метод последовательных приближений.

Ключевые слова: зеркальная антенна, косекансная диаграмма направленности, мате-матическая модель, геометрическая оптика.

This paper proposes the optimization method for geometry of the double curvature re-flector of mirror antenna. The forming of the cosecant pattern for given frequency range, which is determined by irraditor properties, is considered. Mathematical model of the mirror antenna is based on the methods of geometrical optics. The usage of computational methods of high accuracy allows to accelerate the proposed method of successive approximation.

Keywords: mirror antenna, cosecant pattern, mathematical model, geometrical optics.


Метод оптимизации геометрии зеркальных антенн с диаграммой направленности специального вида

2013, том 13, № 1 5

ческого рефлектора. При этом для расчета ДН в вертикальной плоскости используется апертурный метод, не учитывающий строгую картину фазовых распределений в апертуре антенны. Поэтому на практике полученные результаты часто приходит-ся корректировать, но простота и ясность физиче-ских концепций, лежащих в основе методов ГО, определила их широкое применение в инженерной практике проектирования зеркальных антенн.

Методы расчёта профиля зеркальной антенны двойной кривизны с заданной ДН Рассмотрим методы оптимизации геометри-

ческих характеристик рефлектора зеркальной ан-тенны двойной кривизны для формирования косе-кансной ДН в вертикальной плоскости. В прибли-жении ГО обычно определяют профиль сечения цилиндрического рефлектора, профиль рефлектора в горизонтальной плоскости выбирают параболи-ческим, исходя из заданных требований к ДН в горизонтальной плоскости. Основные геометриче-ские характеристики профиля центрального сече-ния рефлектора в вертикальной плоскости и лучи в апертуре антенны изображены на рис. 1.

Для кривой сечения, которая предполагается дифференцируемой, из рис. 1 следует дифферен-циальное уравнение [2]

ln tg

2d

d

, (1)

где – расстояние в сечении профиля от точ-ки расположения облучателя до точки отражения на кривой; – угол, образуемый падающим лу-чом с горизонтальной плоскостью; – угол, об-разуемый отраженным лучом с горизонтальной плоскостью. Уравнение (1) путем интегрирования в заданном угловом секторе можно преобразовать в нелинейное интегральное уравнение

2

11ln tg

2d

, (2)

для решения которого необходимо знание функ-ции . Необходимо отметить, что решение нелинейных интегральных уравнений затруднено вследствие существования неопределенных точек ветвления, поэтому решение (2) обычно проводят методом последовательных приближений [3].

В другом методе функцию находят как решение нелинейного дифференциального урав-нения второго порядка [2]:

22

212

dPd dP d dd

1 0

dGG d

, (3)

где P – заданная косекансная ДН по мощно-

сти; G – заданная ДН облучателя по мощно-сти. Дифференциальное уравнение (3) можно по-лучить из условия баланса энергии электромаг-нитного поля облучателя и отраженного от реф-лектора электромагнитного поля в единичном те-лесном угле. Решить это уравнение можно мето-дом последовательных приближений, на каждом шаге которого производится линеризация уравне-ния, приводящая к краевой задаче с заданными граничными условиями.

После определения функции уравнение профиля центрального сечения рефлектора можно записать в следующем виде:

2

1

1 exp tg2

d

, (4)

где расстояние 1 определяется из условия допустимого уровня ДН облучателя в секторе уг-лов 2 1 .

Решение дифференциального уравнения (1) можно упростить, используя основные закономер-ности метода геометрической оптики. Вводя усло-вие баланса энергии электромагнитного поля в

Рис. 1. Геометрия задачи


Д.С. Клыгач, А.Б. Хашимов


единичных телесных углах для падающего поля облучателя и отраженного поля от рефлектора, получим калибровочное соотношение равенства полной мощности излучения, падающей на реф-лектор, и мощности излучения:

2

1 1

1

G d G d

2 2

1

1

P d P d

. (5)

С учетом этого условия решение дифферен-циального уравнения (1) для косекансной ДН при-нимает следующий вид [2]:

1 2 1ctg ctg ctg ctg

2

1 1

1

G d G d

. (6)

Следует отметить, что рассмотренные методы являются приближенными, поэтому практическая реализация расчетного профиля рефлектора может потребовать определенной коррекции, особенно для рефлекторов относительно небольших разме-ров, при этом внутри допустимой области измене-ния размеров рефлектора существует оптимальное расстояние до облучателя. Угловой сектор 2 1 обычно выбирают с учетом требования небольших уровней мощности первичного поля облучателя за пределами рефлектора (ослабление плотности по-тока мощности на 10 дБ) и равномерности ДН об-лучателя в апертуре антенны. Изменяя в неболь-ших пределах расчетный профиль рефлектора, можно получить приемлемый уровень искажений ДН антенны.

Общим недостатком рассмотренных методов является раздельное определение функции и уравнения профиля рефлектора. При этом приме-няемые численные методы имеют разные уровни точности, что приводит дополнительным погреш-ностям синтеза ДН антенны. В приближенных ме-тодах особую важность имеют численные методы с контролем точности промежуточных вычисле-ний для введенной математической модели антен-ны, когда синтез геометрии профиля рефлектора и синтез ДН антенны производится одновременно на каждом шаге последовательных приближений с заданной точностью.

Метод последовательных приближений для синтеза профиля рефлектора Рассмотрим развитие метода последователь-

ных приближений для решения нелинейного инте-грального уравнения (2). Введем модифицирован-ное уравнение баланса полной мощности излуче-ния, падающей на рефлектор, и мощности излуче-ния [2]:

2

1 1

1G G

d d

2 2

1

1

P d P d

. (7)

Это уравнение учитывает реальную картину распределения плотности потока мощности поля облучателя, отвечающую условию излучения [2]. В дальнейших вычислениях будем использовать квадратурные формулы Гаусса, число узлов в ко-торых будем определять из заданной точности синтеза. Выбор этих формул обусловлен требова-нием контроля точности и простотой программной реализации. Структура программного комплекса для синтеза заданной ДН выглядит следующим образом.

1. Введем номер шага 1n и начальное при-ближение уравнения профиля рефлектора в виде параболической функции

1

1 cos1 cosn

. (8)

2. Из соотношения (7) находим функцию с использованием подпрограмм нахождения кор-ней нелинейных уравнений и квадратурных фор-мул Гаусса с числом узлов 28N . Вычислитель-ные эксперименты показывают, что относительная погрешность вычислений этого этапа имеет поря-док 10–9 . Вычисления производятся в цикле для углового сектора 2 1 с заданным дискретом , для каждого угла решается нелинейное уравнение (7) для нахождения соответствующего значения .

3. Присваиваем номер шага 1n n , из вы-ражения (4) находим уравнение профиля 1n .

4. Находим норму разности 1n n , на-пример, в виде чебышевского критерия.

5. Если величина меньше заданной точно-сти синтеза, то программа завершает работу; иначе

1n n и переходим к пункту 2. Отметим, что вычисления с повышенной точ-

ностью обеспечивают меньшее количество шагов метода последовательных приближений в сравне-нии с менее точными расчетными соотношениями. Для рефлекторов относительно небольших разме-ров количество итераций не превышает 10.

Расчет ДН антенны апертурным методом производится по следующему выражению:

2

1

exp 1 cosF G ik d

, (9)

где 2k , следовательно, частотные свойства антенны зависят как от поля излучения облучате-ля, так и от расчетного профиля рефлектора. Для оптимизации ДН антенны в заданном частотном


Метод оптимизации геометрии зеркальных антеннс диаграммой направленности специального вида

2013, том 13, № 1

диапазоне синтез профиля рефлектора необходимо проводить на нескольких фиксированных тах, одновременно контролируя ДН антенны. С пмощью среднеквадратичного критерия можно оределить оптимальный вариант профиля, если ткой выбор затруднен, то производится коррекция профиля. Эта коррекция заключается в процедуре сегментации профиля, так как в болчаев удается выделить общую, слабо меняющуюся в диапазоне частот параболическую часть рефлетора. Варьируя сегментами, соответствующих отимальным ДН для фиксированных частот, в большинстве случаев удается получить синтезирванный профиль, для которого ДН антенны наиблее полно соответствует заданным требованиям. Кроме того, существует еще одна характерная особенность рассматриваемой задачи

Рис. 2. Синтезированная косекансная ДН для частоты 1750 МГц



диапазоне синтез профиля рефлектора необходимо проводить на нескольких фиксированных часто-

дновременно контролируя ДН антенны. С по-среднеквадратичного критерия можно оп-

ределить оптимальный вариант профиля, если та-кой выбор затруднен, то производится коррекция профиля. Эта коррекция заключается в процедуре сегментации профиля, так как в большинстве слу-чаев удается выделить общую, слабо меняющуюся в диапазоне частот параболическую часть рефлек-тора. Варьируя сегментами, соответствующих оп-тимальным ДН для фиксированных частот, в большинстве случаев удается получить синтезиро-

которого ДН антенны наибо-лее полно соответствует заданным требованиям. Кроме того, существует еще одна характерная особенность рассматриваемой задачи – возмож-

ность выбора расположения облучателя, так как в отличие от зеркальных параболических антенн с фиксированным расположением облучателя в токе фокуса для косекансной ДН можно варьировать координаты облучателя в вертдля оптимизации ДН антенны в полосе частот.

Примеры синтеза ДН и профиля рефлектораВ качестве примера рассмотрим следующую

задачу: синтезировать профиль центрального счения цилиндрического рефлектора для получения косекансной ДН в угловом секторе 7ный диапазон 1750–2250 МГц; облучатель порный с горизонтальной поляризацией; ширина ДН в горизонтальной плоскости

Примеры синтезированных ДН приведены на рис. 2–4.



7

ность выбора расположения облучателя, так как в отличие от зеркальных параболических антенн с фиксированным расположением облучателя в точ-ке фокуса для косекансной ДН можно варьировать координаты облучателя в вертикальной плоскости для оптимизации ДН антенны в полосе частот.

Примеры синтеза ДН и профиля рефлектора В качестве примера рассмотрим следующую

задачу: синтезировать профиль центрального се-чения цилиндрического рефлектора для получения

ловом секторе 7–85°; частот-2250 МГц; облучатель – ру-

порный с горизонтальной поляризацией; ширина ДН в горизонтальной плоскости – 3°.

Примеры синтезированных ДН приведены на




Вестник ЮУрГУ8

Из этих графиков следует, что в верхней чати частотного диапазона в ДН антенны появляюся дополнительные осцилляции, амплитуда котрых относительно невелика и в целом ДН больше соответствует заданным требованиям. Это можно объяснить быстрым изменением приведенного фокусного расстояния для верхних частот, что в свою очередь приводит к дополнительным фазвым искажениям в апертуре антенны. Наибольшие отклонения в ДН наблюдаются в интервале углов 10–20°, особенно на нижних частотах диапазДля заданного набора исходных данных целесооразно синтез профиля произвести на нижней чатоте диапазона. Если эти отклонения превышают заданные, то необходимо произвести коррекцию профиля по предложенной методике.

Рис. 5. Синтезированный рефлектор

Рис. 4. Синтезированная косекансная ДН для

Д.С.

ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника»

Из этих графиков следует, что в верхней час-ти частотного диапазона в ДН антенны появляют-ся дополнительные осцилляции, амплитуда кото-рых относительно невелика и в целом ДН больше соответствует заданным требованиям. Это можно

быстрым изменением приведенного фокусного расстояния для верхних частот, что в свою очередь приводит к дополнительным фазо-вым искажениям в апертуре антенны. Наибольшие отклонения в ДН наблюдаются в интервале углов

, особенно на нижних частотах диапазона. Для заданного набора исходных данных целесооб-разно синтез профиля произвести на нижней час-тоте диапазона. Если эти отклонения превышают заданные, то необходимо произвести коррекцию профиля по предложенной методике.

двойной кривизны

На рис. 5 приведена форма синтезированного рефлектора двойной кривизны для формирования ДН с заданными свойствами в полосе частот.

Практическая реализация проектируемой атенны требует выполнения определенного допуска на точность соответствия геометрии рефлектора и синтезированного профиля. В соответствии с [2] этот допуск определяется следующим образом:

1

8 1 cos

.

Следовательно, наибольшую точность сооветствия поверхности рефлектора антенны неоходимо обеспечивать для центральной части, на краях рефлектора требования к точности могут быть несколько снижены, что упрощает практичскую реализацию антенны.

Необходимо отметить, что, оставаясь в раках апертурного метода и основных положений метода ГО, принципиально невозможно опредлить искажения ДН антенны, вызванные дифрационными явлениями на кромках рефлектора. Строгие электродинамические методы для расматриваемой задачи приводят к интегральным уравнениям для распределений токов на поверхнсти рефлектора. Для рефлекторов больших элетрических размеров эти уравнения приводят к нобходимости решения систем линейных алгебраческих уравнений очень большой размерности, требующих вычислительных ресурсов суперкопьютеров. Вместе с тем, как показано в статье [4],для решения поставленной задачи строгими элетродинамическими методами, учитывающими ральные фазовые распределения в апертуре антены и векторный характер задачи, можно восползоваться результатами решения более простой двумерной скалярной задачи для При этом ДН в вертикальной плоскости будут совпадать.


Клыгач, А.Б. Хашимов

«Компьютерные технологии, управление, радиоэлектроника»

форма синтезированного рефлектора двойной кривизны для формирования ДН с заданными свойствами в полосе частот.

Практическая реализация проектируемой ан-тенны требует выполнения определенного допуска

соответствия геометрии рефлектора и синтезированного профиля. В соответствии с [2] этот допуск определяется следующим образом:

(10)

Следовательно, наибольшую точность соот-ветствия поверхности рефлектора антенны необ-

обеспечивать для центральной части, на краях рефлектора требования к точности могут быть несколько снижены, что упрощает практиче-

Необходимо отметить, что, оставаясь в рам-

ках апертурного метода и основных положений пиально невозможно опреде-

лить искажения ДН антенны, вызванные дифрак-ционными явлениями на кромках рефлектора. Строгие электродинамические методы для рас-сматриваемой задачи приводят к интегральным уравнениям для распределений токов на поверхно-

. Для рефлекторов больших элек-трических размеров эти уравнения приводят к не-обходимости решения систем линейных алгебраи-ческих уравнений очень большой размерности, требующих вычислительных ресурсов суперком-пьютеров. Вместе с тем, как показано в статье [4], для решения поставленной задачи строгими элек-тродинамическими методами, учитывающими ре-альные фазовые распределения в апертуре антен-ны и векторный характер задачи, можно восполь-зоваться результатами решения более простой двумерной скалярной задачи для E-поляризации. При этом ДН в вертикальной плоскости будут

частоты 2250 МГц



2013, том 13, № 1 9

Выводы 1. Предложенный метод синтеза профиля

рефлектора двойной кривизны позволяет произво-дить контроль точности вычислений и соответст-вия ДН в вертикальной плоскости на каждом шаге последовательных приближений.

2. Использование вычислительных процедур повышенной точности ускоряет сходимость пред-ложенного метода последовательных приближе-ний.

3. Синтез профиля рефлектора и ДН в полосе частот требует предварительных расчетов на сетке фиксированных частот. Сегментация профиля реф-лектора и компоновка его из различных участков профилей для разных частот позволяет выбрать наиболее приемлемый вариант для выбранного критерия соответствия.

4. Более точные методы синтеза должны ос-новываться на строгих электродинамических

принципах, так как они позволяют учитывать ди-фракционные явления, которые для рефлекторов относительно небольших размеров приводят к су-щественным искажениям ДН.

Литература

1. Галимов, Г.К. Зеркальные антенны: в 3 т. / Г.К. Галимов. – М.: Адвансет Солюшенз, 2010. – Т. 1. – 204 c.

2. Кюн, Р. Микроволновые антенны / Р. Кюн. – М.: Судостроение, 1967. – 520 с.

3. Драбкин, А.Л. Антенно-фидерные устрой-ства / А.Л. Драбкин, В.Л. Зузенко, А.Г. Кислов. – М.: Советское радио, 1974. – 536 с.

4. Войтович, Н.И. О соответствии асим-птотических решений двумерных и трехмерных задач в антенной технике / Н.И. Войтович, А.Б. Ха-шимов // Радиотехника и электроника. – 2010. – Т. 55, № 12. – С. 1471–1476.

Поступила в редакцию 3 декабря 2012 г.



Введение1 В современной индустрии разработки про-

граммного обеспечения постепенно набирает силу и становится все более популярной новая парадиг-ма, новый подход – языково-ориентированное про-граммирование (ЯОП). ЯОП – это такой подход к программированию, который основывается на соз-дании специальных языков программирования – предметно-ориентированных языков (domain-specific language, DSL) для решения задач в конкретной предметной области [1]. В ЯОП программист сна-чала создает один или несколько DSL для решения определенного набора задач, а затем применяет соз-данные DSL при разработке программной системы.

Различают два основных вида предметно-ориентированных языков: внешние (external DSL) и внутренние (internal DSL или embedded DSL). Внешние DSL имеют собственный синтаксис, отде-ленный от основного языка приложения. Внутрен-ние DSL используют в своей основе язык програм-мирования общего назначения, но отличаются тем, что используют конкретное подмножество возмож-ностей этого языка в определенном стиле [2].

В статье приведен обзор современных средств (языки, платформы, среды разработки), позволяю-щих создавать как внешние, так и внутренние DSL.

Стоит отметить, что одной из важных проблем в создании и дальнейшем использовании DSL

Ботов Дмитрий Сергеевич – аспирант кафедры ЭВМ, Южно-Уральский государственный университет; dm@ comp.susu.ac.ru

является наличие языкового инструментария (language workbench). Языковые инструментальные средства представляют собой специализированные интегрированные среды разработки (integrated development environment, IDE) для определения и создания DSL [2]. Именно сложность создания языковой инфраструктуры, необходимой для реа-лизации DSL различного рода и комфортной рабо-ты с ними, является одной из причин малого при-менения DSL в промышленной разработке про-граммного обеспечения (ПО), где важна высокая производительность разработчиков.2

В данном обзоре особое внимание уделяется технологиям, позволяющим обеспечить поддержку разработки в стиле ЯОП средствами языкового инструментария.

1. Средства поддержки разработки внешних DSL Процесс создания языка с собственным син-

таксисом, т. е. внешнего DSL, можно представить в виде последовательности из трех шагов:

– определение семантической модели; – определение синтаксической модели (абст-

рактный и конкретный синтаксис); – определение правил трансформации (прави-

ла, по которым абстрактное представление транс-лируется в исполнимое).

Botov Dmitry Sergeevich – Post-Graduate Student of Elec-tronic Computer Department of South Ural State University; [email protected]

УДК 004.423

ОБЗОР СОВРЕМЕННЫХ СРЕДСТВ СОЗДАНИЯ И ПОДДЕРЖКИ ПРЕДМЕТНО-ОРИЕНТИРОВАННЫХ ЯЗЫКОВ ПРОГРАММИРОВАНИЯ Д.С. Ботов

REVIEW OF MODERN DEVELOPMENT AND SUPPORT TOOLS FOR DOMAIN-SPECIFIC PROGRAMMING LANGUAGE D.S. Botov

Приводится обзор современных средств создания предметно-ориентированныхязыков программирования и языкового инструментария для их поддержки.

Ключевые слова: предметно-ориентированный язык программирования, языковой ин-струментарий, языково-ориентированное программирование, метапрограммирование, рас-ширяемое программирование.

In this article the review of modern development tools for domain-specific programming languages and language workbenches is given.

Keywords: DSL, domain-specific language, language workbench, language-oriented pro-gramming, metaprogramming, extensible programming.


Обзор современных средств создания и поддержки предметно-ориентированных языков программирования

2013, том 13, № 1 11

Если для определения конкретного синтаксиса языка и задания правил трансформации путем по-строения транслятора языка есть готовые средства различного рода, начиная от связки программ lex + yacc, входящих в стандарт POSIX, для генерации лексического и синтаксического анализатора соот-ветственно и заканчивая современными средства-ми автоматизации построения трансляторов языка, например ANTLR.

ANTLR [3] – генератор парсеров, позволяю-щий конструировать компиляторы, интерпретато-ры, трансляторы с различных формальных языков по описанию LL(*)-грамматики на языке, близком к РБНФ. ANTLR предоставляет визуальную среду разработки, которая позволяет создавать и отлажи-вать грамматики с поддержкой подсветки синтак-сиса, автодополнения, с визуальным отображением грамматик, отладчиком, инструментами для рефак-торинга и т. д.

Для определения же семантической модели языка [2] (той части языка, описывающей семан-тику предметной области или определенный ас-пект системы, для конфигурирования которого разрабатывается внешний DSL) не существует специальных программных средств, каждая ко-манда разработчиков решает проблему представ-ления семантики DSL самостоятельно, обычно описывая метамодель языка на одном из языков программирования (как правило, языков програм-мирования общего назначения). Кроме того, не существует и средств отображения семантики DSL на синтаксис. Задача такого отображения опять же решается конкретной группой разработчиков са-мостоятельно.

Из-за отсутствия языкового инструментария для поддержки семантической модели языка и поддержания отображения семантики на синтак-сическую модель возрастают затраты на создание внешних DSL. Сами внешние DSL становятся замкнутыми языками для решения узких задач, и на практике практически невозможно и нерацио-нально их повторное использование для решения задач в других предметных областях (смежных, аналогичных по характеру или по содержанию).

Среду разработки, которая поддерживала и облегчала бы написание сценариев на внешнем DSL, обычно разрабатывают либо с нуля, либо как плагин к уже существующей современной IDE. Практически все современные среды разработки (например, Eclipse IDE, Microsoft Visual Studio и др.) имеют гибкую плагинную архитектуру и по-зволяют добавлять поддержку новых языков про-граммирования.

2. Средства поддержки разработки внутренних DSL, основанных на грамматиках языков программирования общего назначения В простейшем случае при создании внутрен-

него DSL мы выбираем один из языков програм-мирования общего назначения в качестве базового

языка и разрабатываем на его основе библиотеку, своего рода надстройку над языком [4], которую затем используем в определенном стиле, как пра-вило, для управления отдельными аспектами раз-рабатываемой программной системы.

Нужно понимать, что в отличие от внешнего DSL при разработке внутреннего DSL грамматика базового языка накладывает ограничения на выра-зительные возможности языка. Чем менее гибка грамматика базового языка, тем менее удобен и эф-фективен будет внутренний DSL. Таким образом, выразительные возможности базового языка долж-ны соответствовать сфере и способу применения создаваемого на его основе внутреннего DSL.

При создании внутренних DSL чаще всего ос-новываются на грамматике современных языков программирования общего назначения, предостав-ляющих гибкие возможности, которые позволяют создавать удобные DSL. Например, это такие языки как Ruby, Python, Scala, C#, F#, Haskell. Можно за-метить, что в списке таких языков преимуществен-но языки мультипарадигмальные, как правило, на-следующие выразительные возможности от не-скольких, чаще всего неродственных языков. За счет такого сочетания разнообразных возможностей в грамматике языка мы получаем эффективный гиб-кий инструмент для создания внутренних DSL. Особенно стоит отметить эффективность исполь-зования выразительных возможностей парадигмы функционального программирования, хотя даже на нефункциональных языках со статической типиза-цией можно создавать удобные внутренние DSL, например, на C++ за счет механизма шаблонов (templates).

Выбирая современный язык программирова-ния общего назначения как основу для создания внутреннего DSL, мы сразу получаем и готовый набор средств поддержки разработки – современ-ные IDE, которые поддерживают базовый язык.

Таким образом, создавая внутренние DSL, мы жертвуем полной свободой определения граммати-ки, оставаясь в рамках грамматики базового языка, но при этом получаем возможность использовать современные интегрированные среды разработки.

3. Средства поддержки разработки DSL, основанных на языках и средствах программирования с настраиваемой грамматикой Еще одним подходом для создания DSL (по

сути внутренних DSL) является использование языков программирования с настраиваемым син-таксисом, т. е. языков, ориентированных на техни-ки метапрограммирования. Такой подход называ-ется «extensible programming»; он активно разви-вался в 1960-х годах, потом его развитие приоста-новилось, и интерес к этому подходу вновь возник только в XXI веке [4].

«Extensible programming» – это стиль про-граммирования, ориентированный на использова-


Д.С. Ботов


ние механизмов расширения языков программиро-вания, трансляторов и сред выполнения [5].

Примерами языков программирования, кото-рые могут использоваться в качестве базовых язы-ков для создания внутренних DSL в стиле «extensi-ble programming», могут служить:

– Forth – один из первых конкатенативных языков программирования (появился в 1971 году), в котором программы записываются последова-тельностью лексем в виде постфиксной записи при использовании стековой нотации. Язык имеет простую грамматику и ориентирован на исполь-зование механизмов метарасширения синтаксиса. У Forth существует преемник – язык Factor [6]. Оба языка достаточно сложны в изучении и ис-пользовании.

– Common Lisp [7] – диалект языка Lisp, стандартизированный ANSI. Common Lisp вклю-чает в себя CLOS – систему Lisp-макросов, позво-ляющую вводить в язык новые синтаксические конструкции, использовать техники метапрограм-мирования и обобщенного программирования. Существуют текстовые среды разработки на Common Lisp (например, SLIME, Superior Lisp Interaction Mode for Emacs [8] – режим Emacs для разработки приложений на Common Lisp).

– Nemerle [9] – статически типизированный язык, сочетающий в себе возможности функцио-нального и объектно-ориентированного програм-мирования, для платформ .NET и Mono с макроса-ми и расширяемым синтаксисом. Nemerle имеет бесплатную полноценную IDE, основанную на Visual Studio 2008 Shell, а также может интегриро-ваться с полноценной Visual Studio 2008, Visual Studio 2010. Однако на возможности расширения синтаксиса наложены существенные ограниче-ния.

– Racket [10] – это язык и платформа про-граммирования, являются реализацией и расшире-нием языка Scheme – еще одного диалекта Lisp. Платформа поддерживает концепцию переключе-ния между разными языками и позволяет создавать новые языки, используя при этом генератор парсе-ров в стиле yacc. Интегрированная среда разработ-ки (DrRacket) и ее отладчик работают с этими язы-ками. Более того, DrRacket также написан на языке Racket, что открывает возможности для модифика-ции среды под язык и распространения ее в каче-стве IDE для создаваемого DSL.

– Helvetia [11] – инструментарий, интегриро-ванная среда, написанная на Smalltalk, для произ-вольного расширения синтаксиса языка Smalltalk. Позволяет расширять и адаптировать среду разра-ботки под расширение языка с сохранением отлад-ки, с подсветкой синтаксиса, автодополнением. Это становится возможным благодаря однородно-сти базового языка и среды. В качестве недостатка можно отметить, что Helvetia работает только на Pharo Smalltalk версии 1.1 и не портирована на современную версию Pharo 1.3.

4. Языки для поддержки разработки DSL без текстовых грамматик Синтаксис всех популярных языков програм-

мирования общего назначения (в том числе приве-денные в качестве примеров выше в п. 2 и 3) осно-вывается на текстовых грамматиках. У таких грамматик есть один существенный недостаток: при попытке расширения грамматики она может стать неоднозначной, т. е. возможно несколько ин-терпретаций одной и той же строки исходного кода на таком расширенном языке [12]. Особенно остро данная проблема встает в случае, если мы пытаем-ся соединить несколько разных расширений грам-матики одного и того же языка, которые в отдель-ности являются однозначными, но при их совме-щении результирующая грамматика вполне может потерять однозначность и ее дальнейшее исполь-зование будет уже невозможно.

Проблема неоднозначности грамматик может быть решена путем отказа от использования тек-стовой грамматики как таковой и в этом случае программа будет задаваться как экземпляр некото-рой синтаксической метамодели. Обычно метамо-дель программы представляется в виде абстракт-ного синтаксического дерева [4]. Создание нового DSL в таком подходе сводится к заданию метамо-дели DSL средствами базового языка. Ярким при-мером использования такого подхода к разработке DSL является семейство языков Lisp: Common Lisp [7], Scheme [13], Clojure [14] (Common Lisp уже упоминался выше, так как его можно исполь-зовать и в подходе «extensible programming»).

Lisp (от англ. LISt Processing language – «язык обработки списков») – семейство языков програм-мирования, программы и данные в которых пред-ставляются системами линейных списков симво-лов. Lisp является вторым в истории (после Фор-трана) используемым по сей день высокоуровне-вым языком программирования [15]. Изначально Lisp создавался как средство моделирования раз-личных аспектов искусственного интеллекта, но затем сфера применения языка расширилась.

Благодаря минималистичному собственному синтаксису языка, его динамической типизации, развитой системе компилируемых макросов, куль-туре инкрементальной разработки и другим осо-бенностям языкам семейства Lisp, пожалуй, нет равных в быстроте и удобстве создания внутрен-них (встроенных) DSL. Однако при создании DSL на Lisp мы сталкиваемся с другой проблемой – сложностью создания языковой инфраструктуры, необходимой для реализации нового DSL и ком-фортной работы с ним.

5. Современные языковые инструменталь-

ные средства для поддержки разработки DSL без текстовых грамматик

Языковые инструментальные средства, по су-ти, представляют собой инструменты, которые не только помогают создать собственный DSL, но и



2013, том 13, № 1 13

обеспечивают его поддержку в стиле современных интеллектуальных сред разработки, предоставляя возможности для построения современных IDE под создаваемые языки [2]. В результате програм-мисты, которые будут писать сценарии на DSL, получат такую же инструментальную поддержку, как и программисты, разрабатывающие на языках программирования общего назначения (C/C++, Java, C# и т. д.). Среды разработки для DSL смогут предоставлять такие возможности, без которых немыслима современная промышленная разработ-ка ПО, как например:

– автодополнение, генерация кода, средства рефакторинга;

– средства удобной отладки сценариев на DSL;

– средства управления версиями; – средства модульного и интеграционного тес-

тирования; – средства обратной разработки (reverse engi-

neering). Существуют фреймворки для создания интел-

лектуальных редакторов, например, IntelliJ IDEA Language API [16], Xtext [17] (на базе платформы Eclipse) и другие, но ни один из этих фреймворков не поддерживает расширяемые языки на должном уровне. Даже если нам не нужна расширяемость, создание поддержки языка с использованием этих средств требует хороших знаний в области языков программирования и занимает очень много време-ни [12].

Частично проблему создания языковой ин-фраструктуры для DSL решала система Helvetia, кратко описанная выше. Разберем еще один из подходов для решения проблем при создании DSL, который предлагает компания JetBrains в своем продукте JetBrains MPS.

JetBrains MPS (MetaProgramming System) [18] – это система метапрограммирования, которая реа-лизует парадигму языково-ориентированного про-граммирования, является средой разработки язы-ков и в то же время IDE для разрабатываемых языков.

Для того чтобы поддержать совместимость расширений языка друг с другом, MPS не работает с программами как с текстом. Вместо этого MPS хранит их как синтаксическое дерево, и редакти-рование происходит напрямую, без промежуточно-го использования текста. В результате вместо кон-кретного синтаксиса языка в MPS определяется абстрактный синтаксис (структура синтаксическо-го дерева) для создаваемого DSL [12]. Способ опи-сания структуры абстрактного синтаксического дерева чем-то напоминает XML Schema – язык описания структуры XML-документа.

Система JetBrains MPS позволяет вставлять код на языке программирования общего назначе-ния внутрь относительно замкнутого DSL. Наи-большее число экспериментов проводится с рас-ширением и использованием вставок на Java, так

как сама MPS написана на этом языке программи-рования.

Поскольку в MPS не используется традицион-ное текстовое представление, то вместо обычного текстового редактора для работы с кодом на DSL предлагается использовать специальный проекци-онный редактор [12]. Для каждого узла синтакси-ческого дерева, он создает проекцию – часть экра-на, с которой может взаимодействовать пользова-тель. Такой редактор ведет себя достаточно близко к тестовому редактору, но чтобы освоить его в полной мере требуется время на обучение (по сло-вам разработчиков из JetBrains на освоение проек-ционного редактора может потребоваться около 2 недель).

Такой подход позволяет существенно упро-стить создание IDE, поскольку постоянное нали-чие синтаксического дерева и созданного для ра-боты с ним проекционного редактора позволяет легко реализовать подсветку ошибок, автоматиче-ское дополнение, контекстные подсказки и т. п.

Среда разработки JetBrains MPS была создана на основе IntelliJ IDEA [16], в которой была реали-зована поддержка интеллектуального редактирова-ния для многих языков. Реализация такой под-держки для нового DSL, создаваемого вне MPS, потребовала бы больших усилий. С MPS анало-гичные возможности могут быть реализованы с минимальными затратами. Это возможно, по-скольку для разработки языков используются спе-циальные языки, которые конфигурируют сущест-вующую языковую инфраструктуру. Таким обра-зом, MPS – это не просто редактор кода, а среда для создания полноценных IDE для DSL.

Компания JetBrains сама в свою очередь ак-тивно использует MPS в своих разработках. Так, например, с помощью MPS был создан багтрекер YouTrack и Realaxy ActionScript Editor – первая IDE, основанная на MPS.

Заключение Подводя итоги обзора, можно отметить, что

весьма невелико число языков и средств, которые позволяют не только создавать DSL, но и могут обеспечить эффективные средства и способы мо-дернизации самих DSL и поддержки разработки на созданных языках. Пожалуй, только JetBrains MPS и частично Helvetia (но в отличие от JetBrains MPS эта система практически не развивается) представ-ляют собой современные языковые инструмен-тальные средства, покрывающие не только этапы создания, но и этапы эксплуатации и модерниза-ции DSL, без чего невозможно представить их эф-фективное использование в индустрии разработке ПО сегодня.

Использование языкового инструментария требует детального изучения и наработки опыта применения таких инструментов при создании DSL. Продукт JetBrains MPS, рассматриваемый в данном обзоре, имеет достаточно высокий порог


Д.С. Ботов


вхождения, что затрудняет его широкое распростра-нение и применение. Кроме того еще одним недос-татком современных языковых инструментариев является отсутствие стандартов и возможности пе-реноса разрабатываемых DSL между различными средами. Так, начав создание DSL в JetBrains MPS, разработчик языка становится заложником этого инструментария, так как в нем отсутствуют воз-можности экспорта создаваемого DSL. Это обу-словлено отсутствием каких-либо общепринятых форматов для представления DSL и существенным различием в подходах к созданию DSL [2, 4].

Стоит обратить особое внимание на то, что ни один из инструментов для создания DSL не позво-ляет в полной мере представить семантическую модель языка и настроить отображение семантики языка на синтаксис. В основном все средства со-средоточены на представлении текстовой грамма-тики DSL либо на представлении метамодели, под которой обычно понимается абстрактное синтак-сическое дерево. Однако М. Фаулер в [2] справед-ливо отмечает, что семантические модели DSL, как правило, отличаются от абстрактного синтаксиче-ского дерева. Если синтаксическое дерево соответ-ствует структуре сценариев DSL – форме (как на-пример, в JetBrains MPS), то семантическая модель языка в свою очередь основывается на том, как будет обрабатываться информация сценария – это смысл, содержание.

Семантическая модель должна отражать суть, специфику предметной области. И именно наличие семантической модели является одним из важных отличий работы с DSL от работы с языками про-граммирования общего назначения. Можно пред-положить, что отсутствие эффективных средств представления семантики DSL и отображения се-мантики на синтаксис осложняет широкое приме-нение DSL в разработке ПО.

Разнообразие подходов к созданию DSL на-глядно представлено на рисунке. Как обобщение данного обзора на схеме изображены подходы и средства создания и поддержки DSL, которые бы-ли рассмотрены выше.

На схеме также упомянут подход визуального метапрограммирования, рассмотрение которого выходит за рамки данной статьи, так как он суще-ственно отличается по своим принципам и инст-рументарию от других подходов и требует отдель-ного детального изучения и рассмотрения.


1. Language-oriented programming. – http:// en.wikipedia.org/wiki/Language_oriented_programming

2. Фаулер, М. Предметно-ориентированные языки программирования: пер. с англ. / М. Фаулер. – М.: ООО «И.Д. Вильямс», 2011. – 576 с.

3. ANTLR, ANother Tool for Language Recogni-tion. – http://www.antlr.org

Подходы к созданию внешних и внутренних DSL, языки и инструментарий

создания и поддержки DSL



2013, том 13, № 1 15

4. Как создавать DSL. – http://shmat-razum. blogspot.ru/2011/09/dsl.html

5. Extensible programming. – http://en.wikipedia. org/wiki/Extensible_programming

6. Factor programming language. – http:// factorcode.org/

7. Common Lisp. – http://common-lisp.net/ 8. SLIME, The Superior Lisp Interaction Mode

for Emacs. – http://common-lisp.net/project/slime/ 9. Nemerle, programming language. – http://

nemerle.org/ 10. Racket, programming language. – http://

racket-lang.org/ 11. Helvetia. – http://scg.unibe.ch/research/helvetia 12. Соломатов, К. Как система JetBrains MPS

позволяет достичь более широкого использования DSL-й (языков специфичных для предметной об-ласти) / К. Соломатов. – http://habrahabr.ru/post/ 66094/

13. Scheme, dialect of Lisp. – http://schemers.org/ 14. Clojure, dialect of Lisp. – http://clojure.org 15. LISP, LISt Processing language. – http://

ru.wikipedia.org/wiki/Lisp 16. IntelliJ IDEA, code-centric IDE. – http://

www.jetbrains.com/idea/ 17. Xtext, framework for development of pro-

gramming languages and domain specific languages. – http://www.eclipse.org/Xtext/

18. JetBrains MPS, MetaProgramming System. – http://www.jetbrains.com/mps/

Поступила в редакцию 27 ноября 2012 г.



Введение1 При синтезе алгоритмов диагностики состоя-

ния скважины и добывающего оборудования по динамограмме (график зависимости усилия на по-лированном штоке от его перемещения) возникает одна специфическая проблема: виды динамограмм даже при одном виде дефектов сильно отличаются друг от друга. Поэтому накопление информации по динамограммам может занимать очень дли-тельное время. Например, в [1] описан алгоритм определения параметров скважин. При этом для достижения достоверности классификации дина-мограммы с точностью 70 % и более количество обработанных динамограмм превышало 1200 (в эксперименте было задействовано 483 насосные установки). Поэтому отладка алгоритмов диагно-стики требует либо наличие базы данных по дина-мограммам, полученным с различных скважин, либо наличие модели, с помощью которой можно получить варианты динамограмм с разными де-фектами. Для получения же модели необходимо в первую очередь определить виды дефектов сква-жины, диагностируемых по устьевым динамо-граммам.

Виды динамограмм Типовая (нормальная) динамограмма приве-

дена на рис. 1 [2, с. 650].

Садов Виктор Борисович – канд. техн. наук, доцент кафедры систем управления, Южно-Уральский государ-ственный университет; [email protected]

Рис. 1. Типовая динамограмма

В ходе съема динамограммы могут получать-

ся разные ее формы, которые говорят о различных неисправностях насоса, колонны штанг, скважины и неправильно выбранных режимах работы обору-дования. Типовые формы динамограмм приведены на рис. 2–8 [2, с. 649–654].

Рис. 5 и 6 характеризуют влияние свободного газа на работу насоса. Причем линии 1, 2, 3 на рис. 6 расположены в порядке уменьшения давле-ния, линия 4 – срыв подачи насосом.2

Рис. 7 и 8 характеризуют неправильную уста-новку штока привода глубинного штангового на-соса.

Sadov Viktor Borisovich – Candidate of Science (Techni-cal), Associate Professor of Control System Department of South Ural State University; [email protected]

УДК 622.276: 519.688

МОДЕЛИРОВАНИЕ ДИНАМОГРАММ С РАЗЛИЧНЫМИ ДЕФЕКТАМИ ОБОРУДОВАНИЯ НЕФТЯНОЙ СКВАЖИНЫ В.Б. Садов

SIMULATION OF DYNAMOMETER CARDS WITH VARIOUS DEFECTS OF OIL WELL EQUIPMENT V.B. Sadov

Рассматривается задача моделирования динамограммы в системе оборудование скважины – станок-качалка. Приведены основные формулы моделирования для раз-личных дефектов скважины и оборудования и результаты моделирования.

Ключевые слова: динамограмма, моделирование.

In the article the task of simulation of the dynamometer cards in the system of oil well equipment - beam pumping unit is considered. The basic formulas of simulation for various defects of oil well and equipment and the results of simulation are presented.

Keywords: dynamometer card, simulation.


Моделирование динамограмм с различнымидефектами оборудования нефтяной скважины

2013, том 13, № 1

Рис. 2. Утечка в нагнетательной части насоса

Рис. 4. Подача насоса превышает приток продукции в скважину (2–4, 1 – норма

Рис. 6. Небольшие давления газа у

Рис. 8. Высокая посадка плунжера и срыв нижнего конуса захватным штоком

Моделирование динамограмм с различными дефектами оборудования нефтяной скважины

Рис. 2. Утечка в нагнетательной части насоса Рис. 3. Утечка в приемной

Рис. 4. Подача насоса превышает приток продукции

норма) Рис. 5. Большое давление газа у приема насоса

Рис. 6. Небольшие давления газа у приема насоса Рис. 7. Удар плунжера о всасывающий клапан

Рис. 8. Высокая посадка плунжера и срыв

нижнего конуса захватным штоком Рис. 9. «Запарафинивание» скважины

17

Рис. 3. Утечка в приемной части насоса

Рис. 5. Большое давление газа у приема насоса

Рис. 7. Удар плунжера о всасывающий клапан

Рис. 9. «Запарафинивание» скважины


В.Б. Садов


Рис. 9 характеризует случай «запарафинива-ния» скважины, когда резко увеличивается трение колонны штанг в жидкости скважины.

Можно также выделить случай обрыва колон-ны штанг. Динамограмма при этом похожа на слу-чай «запарафинивания» скважины, но разница ме-жду максимальным и минимальным значениями усилия на штоке очень мала.

На рисунках пунктиром показана идеальная динамограмма.

Рис. 4, 5 и 6 по своей форме очень близки, по-этому будем рассматривать только следующие формы неисправности оборудования скважины:

1. Заедание плунжера глубинного насоса вверху.

2. Заедание плунжера глубинного насоса внизу. 3. Неверная установка глубинного штангово-

го насоса – выход плунжера из корпуса насоса вверху.

4. «Запарафинивание» скважины. 5. Утечка в нагнетательной части насоса. 6. Утечка в приемной части насоса. 7. Подача насоса превышает приток продук-

ции в скважину. 8. Обрыв колонны штанг. Моделирование динамограммы Схема скважинной насосной установки при

использовании в качестве насоса традиционного станка-качалки приведена на рис. 10 [2].

Общий вид насоса приведен на рис. 11.

Ставится задача вычисления нагрузки на по-лированном штоке. Закон движения полированно-го штока имеет вид

1 2( ) 1 sin2

tU t LT

, (1)

где L – длина хода штока; T – период качаний; t – текущее время.

Известны также характеристики оборудова-ния скважины.

Вычисляются попутно закон движения на плунжере глубинного штангового насоса, нагрузка на плунжере.

Вносимые зависимости: 1) ограничение хода плунжера при движении

вниз (например, при неверной установке глубин-ного штангового насоса);

2) изменение нагрузки на плунжере при дви-жении вверх (например, при выходе плунжера из внешнего цилиндра насоса при неправильной ус-тановке глубинного штангового насоса);

3) изменение нагрузки при движении вверх и вниз (например, при заедании плунжера, влияние попутного газа и пр.).

При движении плунжера вверх нагнетающий клапан закрыт, всасывающий клапан открыт и жидкость из скважины заполняет пространство под плунжером объемом всасывания, равным про-изведению площади цилиндра на ход плунжера. При этом происходит слив жидкости из области над плунжером объемом слива при движении

Рис. 10. Принципиальная схема СШНУ: 1 – станция управления, 2 – балансир, 3 – головка балансира, 4 – стойка балансира, 5 – шатун, 6 – кривошип, 7 – редук-тор, 8 – приводной двигатель, 9 – тормоз, 10 – противо-весы, 11 – металлическая рама, 12 – бетонный фунда-мент, 13 – канатная подвеска, 14 – траверсы, 15 – поли-рованный шток, 16 – устьевая арматура, 17 – колонна штанг, 18 – колонна НКТ, 19 – плунжер насоса, 20 – нагне-тательный клапан, 21 – всасывающий клапан, 22 – ци-линдр насоса, 23 – хвостовик

Рис. 11. Общий вид глубинного штангового насоса



2013, том 13, № 1 19

штока вверх, равным разности произведения пло-щади цилиндра на ход плунжера и площади штока на ход штока, поскольку часть штока выходит из цилиндра, освобождая тем самым часть объема над плунжером.

При движении плунжера вниз нагнетающий клапан открыт, а всасывающий клапан закрыт и жидкость из области под плунжером заполняет пространство над плунжером объемом нагнетания, равным произведению площади цилиндра на ход штока. При этом происходит слив жидкости из области над плунжером объемом слива при дви-жении штока вниз, равным произведению площа-ди штока на ход штока, поскольку часть штока входит в цилиндр, занимая тем самым часть объе-ма над плунжером. Таким образом, при нормаль-ной работе насоса объем нагнетания равен объему всасывания и равен сумме объема слива при дви-жении штока вверх и объема слива при движении штока вниз.

Данную систему можно рассматривать, ана-лизируя баланс сил на плунжере глубинного штан-гового насоса и на полированном штоке [3].

При нормальной работе насоса усилие, дейст-вующее на плунжер, можно определить как [4]

1 тр ж cP P P P , (2)

где трP – сила трения скольжения по закону Ку-

лона, принимается постоянной тр1P при движении

плунжера вверх ( 1 0V ) и тр2P при движении

плунжера вниз ( 1 0V ); жP – жидкостная нагруз-ка, действующая на плунжер от столба жидкости в насосных и обсадных трубах и от устьевого и за-трубного давления газа; с 1P V – сила сопротив-ления, пропорциональная скорости, 2bM , где M – масса штанг, b – константа вязкостного тре-ния.

Жидкостная нагрузка при движении плунжера вверх ( 1 0V ) определяется как

ж1 ж у з плP Hg P P F , (3)

где H – длина штанги (глубина погружения насо-са); g – ускорение свободного падения; ж – плотность жидкости; уP – устьевое давление газа;

зP – давление газа в затрубном пространстве;

плF – площадь плунжера насоса. При движении вниз ( 1 0V ) ж2 0P . При

этом при движении вверх (попытке движения вверх) скорость 1V будет равна нулю, если усилие на плунжере 1P не превысит величины ж1 тр1P P .

При попытке движения вниз скорость 1V будет равна нулю, если усилие на плунжере 1P не пре-высит величины тр2P .

Следует заметить, что поскольку инерцион-ными свойствами плунжера из-за их малости мож-но пренебречь, то направление скорости движения плунжера 1V однозначно определяется знаком усилия на нем 1P .

Усилие, действующее на шток, можно опре-делить как

1 ин штжP P P P , (4)

где инP – силы инерции штанг, ин 1( )P M V V , M – масса колонны штанг, 1 1( )V V V V – ускорение; штжP – сила тяжести колонны штанг в жидкости, штж штжP gM , штжM – масса колонны штанг в жидкости.

При этом нагрузка, скорость и перемещение на плунжере выражаются через нагрузку, скорость и перемещение на полированном штоке как

1

1

1

0 0

( ) 0,5 ( ) ( )

0,5 ( ) ( ) ;

( ) 0,5 ( ) ( )

0,5 ( ) ( ) ;

( ) 0,5 ( ) ( )

0,5 ( ) ( ) ,t t

P t P t P t QEfV t V ta

V t V t V taP t P t

EfU t U t U t

aP t dt P t dtEf

(5)

где t – переменная времени; Ha

– время рас-

пространения волны перемещений от одного кон-ца штанги до другого ( a – скорость звука в штан-ге); f – площадь сечения штанги; E – модуль упругости материала штанги; Q – вес штанг в жидкости (в нефти).

Обратные уравнения имеют вид:

1 1

1 1

1 1

1 1

1 1

1 10 0

( ) 0,5 ( ) ( )

0,5 ( ) ( ) ;

( ) 0,5 ( ) ( )

0,5 ( ) ( ) ;

( ) 0,5 ( ) ( )

0,5 ( ) ( ) .t t


V t V t V taP t P t

EfU t U t U t

aP t dt P t dtEf

(6)

Попытка использования при численном ре-шении разностных уравнений (5) с постоянным шагом показала, что решение его неустойчиво, так как происходят постоянные скачки с одного част-ного решения на другое. Поэтому предлагается модифицировать формулы (5).


В.Б. Садов


Из первых двух уравнений (5) можно получить:

1

1

( ) 0,5 ( ) ( 2 )

0,5 ( ) ( 2 ) ;

( ) 0,5 ( ) ( 2 )

0,5 ( ) ( 2 ) .


V t V t V taP t P t

Ef

(7)

Отсюда, вынеся в левую часть 1( )P t в обоих уравнениях, имеем:

1

1

( ) ( ) ( 2 )

( 2 ) 2 ( ) 2 ;

( ) ( ) ( 2 )

( 2 ) 2 ( ) .

EfP t V t V ta

P t P t QEfP t V t V ta

EfP t V ta

(8)

Сложив оба уравнения и поделив обе части получившегося уравнения на 2, имеем:

1 1( ) ( ) ( ) ( ) .EfP t P t Q V t V ta

(9)

Усилие, действующее на плунжер, определя-ется по закону Гука как

1LEfPH

, (10)

где L – удлинение колонны штанг от действия внешней нагрузки.

Постоянными при решении задачи вычисле-ния динамограммы при известном законе движе-ния полированного штока (1) являются:

– количество ходов полированного штока в минуту (определяет период качаний T );

– длина хода полированного штока L ; – длина колонны штанг H ; – масса колонны штанг M ; – устьевое давление уP ;

– давление в затрубном пространстве зP ; – константа вязкостного трения b (принима-

ем равной 0,2 ед./с); – плотность жидкости ж принимаем равной

0,8 г/мл; – эффективное сечение штанги f принимаем

равной 5 см2 (средняя штанга диаметром примерно 25 мм);

– площадь плунжера насоса плF принимаем равной 15,55 см2 (диаметр плунжера примерно 44,5 мм);

– модуль упругости материала штанги (сталь) E принимаем равным 2·105 МПа;

– плотность материала штанги (сталь) прини-маем равной 5,3 г/см3;

– скорость звука в штанге a принимаем рав-ным 4900 м/с (двухступенчатая штанга);

– ускорение свободного падения 9,807 м/с2.

Алгоритм моделирования динамограмм Исходя из того, что решается разностное

уравнение, шаг решения t принимаем кратным, но значительно меньшим величины , т. е.

/ ; 1t k k . Алгоритм решения задачи будет следующим [5]. 1. Принимаем нагрузку на штоке в моменты

времени 2 ; t P Q ; перемещение на плун-жере 1 0U ; скорость на плунжере 1 0V ; нагруз-ку на плунжере 1 0P .

2. Начинаем решение при значении времени 0t . 3. Меняем значение перемещения на плунже-

ре 1 1 1( ) ( ) ( )U t U t t V t t t . 4. Вычисляем 1( )P t по (10). 5. Из решения уравнения (2) получаем значе-

ние 1 1 тр ж( ) ( ) (2 )V t P P P bM .

6. На шаге решения получаем ( )P t согласно (9), где величина 1( )P t является известной, а

( )V t вычисляется по (1): 2( ) ( ) cos tV t U t LT T .

При этом значения при времени, меньше нуля, принимаются нулевыми.

7. Увеличиваем значение времени t t t . 8. Переходим на шаг 3. Примечание. Согласно формулам для реали-

зации процесса вычислений на каждом шаге алго-ритма запоминаются значения 1 1 1, , ,P P V U .

Моделирование дефектов работы насоса и привода Известны статьи по моделированию отдель-

ных видов дефектов насоса и привода, например [6]. Здесь анализируются причины появления тех или иных дефектов. Формулы, описанные в [6] только для одного дефекта (утечки в клапанах) очень сложны для реализации. Нам же для отладки алгоритмов выделения дефектов по динамограм-мам совершенно необязательно в точности соблю-дать в формулах физику процессов, происходящих в скважине. Достаточно просто обеспечить форму динамограммы, близкую к заданной, при воз-можности получения динамограмм с отличающи-мися значениями параметров глубинного оборудо-вания, имитируя работу оборудования на разных скважинах.

Рассмотрим моделирование выделенных де-фектов.

1. Заедание плунжера вверху. При этом дефекте насоса при достижении ка-

кого-то конкретного значения перемещения пU при ходе вверх плунжер упирается в преграду. В нашем случае это будет обозначать то, что при попытке движения вверх в дальнейшем скорость движения плунжера будет равна нулю. При мо-



2013, том 13, № 1 21

делировании будет меняться только п. 5 алго-ритма:

1 1 п

1 1 тр ж

1

0, ( 0) ( );( ) ( ) (2 )в остальных

случаях при 0.

P U UV t P P P bM

P

2. Заедание плунжера внизу. К этому же случаю сводится неправильная ус-

тановка насоса, когда при движении плунжер упи-рается в дно глубинного насоса.

При этом дефекте насоса при достижении ка-кого-то конкретного значения перемещения пU при ходе вниз плунжер упирается в преграду. В нашем случае это будет обозначать то, что при попытке движения вниз в дальнейшем скорость движения плунжера будет равна нулю. При моде-лировании будет меняться только п.5 алгоритма:

1 1

1 1 тр ж

1

0, ( 0) ( );( ) ( ) (2 ) в остальных


пP U UV t P P P bM

P

3. Неверная установка глубинного штангового насоса – выход плунжера из корпуса насоса вверху.

При этом дефекте при достижении какого-либо конкретного значения перемещения вU в ходе движения вверх пропадают составляющие

трP и жP из (2). При моделировании п. 5 алгорит-ма будет выглядеть, как

1 1 1 в

1 1 тр ж

1

(2 ) , ( 0) ( );( ) ( ) (2 ) в остальных


P bM P U UV t P P P bM

P

4. «Запарафинивание» скважины. При этом возрастает вязкостное трение и,

возможно, сила трения скольжения. То есть фор-мулы для моделирования не изменяются относи-тельно нормальной работы насоса, только резко возрастает коэффициент вязкостного трения b при вычислении скорости согласно п.5 алгоритма.

5. Утечка в нагнетательной части насоса. Эти утечки приводят к более медленному на-

растанию нагрузки при движении полированного штока вверх и более быстрому спаданию нагрузки при движении полированного штока вниз [3]. Бо-лее подробный анализ процессов приведен в [3]. Нам достаточно будет при моделировании данного дефекта уменьшить скорость движения плунжера глубинного насоса при движении его вверх в n раз, где назовем n коэффициентом изменения скорости (n меняется от 1 до максимального значения). Данный дефект учитывается в п. 5 алгоритма при вычислении значения скорости на плунжере.

6. Утечка в приемной части насоса. Эти утечки приводят к более быстрому нарас-

танию нагрузки при движении полированного што-ка вверх и более медленному спаданию нагрузки при движении полированного штока вниз [6]. Более

подробный анализ процессов приведен в [6]. Нам достаточно будет при моделировании данного де-фекта уменьшить скорость движения плунжера глубинного насоса при движении его вниз в n раз, где назовем n коэффициентом изменения скорости (n меняется от 1 до максимального значения). Данный дефект учитывается в п. 5 алгоритма при вычислении значения скорости на плунжере.

7. Подача насоса превышает приток продук-ции в скважину.

В данном случае в начале движения полиро-ванного штока вниз до определенного значения перемещения штока глубинного насоса – конечная точка петли зU (меняется от 0 до максимального значения – хода штока глубинного насоса) слабо меняется нагрузка на полированном штоке. При дальнейшем движении полированного штока вниз нагрузка на полированном штоке изменяется обычным образом. Данный дефект учитывается в п. 5 алгоритма при вычислении скорости движения плунжера глубинного насоса как

1 з

1 тр ж

1 1

1 тр

1

( ), ( ( ) 0) ( );( ) (2 ) , в остальных

( ) случаях при 0;( ) (2 ) , в остальных


V t V t U UP P P bM

V t PP P bM

P

8. Обрыв колонны штанг. Этот дефект приводит к тому, что на плунже-

ре пропадает жидкостная нагрузка и, возможно, уменьшаются составляющие трения. При модели-ровании данного дефекта из (2) исключается со-ставляющая жP . П. 5 алгоритма будет выглядеть как

1 тр 11

1 тр 1

( ) (2 ) , 0;( )

( ) (2 ) , 0.

P P bM PV t

P P bM P

Примечание. Формулы для моделирования дефектов утечек нефизичны, то есть не отражают действительные процессы при нефтедобыче, но дают при моделировании вид динамограммы, близкий к требуемому. Формулы для моделирова-ния дефекта «подача насоса превышает приток продукции в скважину» являются приближенны-ми, так как не учитывают скорости распостране-ния звука в материале штанг, но также при моде-лировании дают близкие к действительным ре-зультаты.

Автором была разработана программа, реали-зующая описанный алгоритм моделирования де-фектов скважинного оборудования. На рис. 12–17 показаны результаты моделирования некоторых видов дефектов динамограмм.

Вывод Приведенный подход к моделированию де-

фектов динамограммы и алгоритмы моделирова-ния позволяют отлаживать методы определения дефектов скважины по динамограмме с помощью


В.Б. Садов


Рис. 12. Нормальная динамограмма

Рис. 13. Заедание плунжера вверху



2013, том 13, № 1 23


Рис. 15. Утечка в нагнетательной части насоса


В.Б. Садов


Рис. 16. Подача насоса превышает приток жидкости в скважину

Рис. 17. Обрыв колонны штанг



2013, том 13, № 1 25

математических моделей, чем сильно сокращают сроки отладки этих методов. Для окончательной проверки полученных методов будет достаточно проверить их на небольшом числе практических динамограмм.


1. Тагирова, К.Ф. Автоматизация управления технологическим процессом добычи нефти из ма-лодебитных скважин на основе динамических мо-делей: автореф. дис. … д-ра техн. наук / К.Ф. Та-гирова. – Уфа, 2008. – 32 с.

2. Мищенко, И.Т. Скважинная добыча нефти: учеб. пособие для вузов / И.Т. Мищенко. – М: ФГУП «Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2003. – 816 с.

3. Касьянов, В.М. Аналитический метод кон-троля работы глубинных штанговых насосов / В.М. Касьянов. – М.: Изд-во ВНИИОЭНГ, 1973. – 95 c.

4. Ковшов, В.Д Моделирование динамограммы станка-качалки. Нормальная работа насоса / В.Д. Ковшов, М.Е. Сидоров, С.В. Светлакова // Нефтегазовое дело. – 2004. – Т. 2. – С. 75–81.

5. Садов, В.Б. Моделирование динамограмм при добыче нефти глубинными штанговыми насо-сами / В.Б. Садов // Информационно-измеритель-ные и управляющие системы и устройства: сб. тр. приборостроит. фак. – 2011. – С. 172–177.

6. Ковшов, В.Д Моделирование динамограммы станка-качалки. Утечки в клапанах / В.Д. Ковшов, М.Е. Сидоров, С.В. Светлакова // Нефтегазовое дело. – 2005. – Т. 3. – С. 47–54.




Введение. Постановка задачи1 Для самодиагностики средств измерения тем-

пературы в процессе работы принципиально воз-можно использовать точки плавления чистых ве-ществ или эвтектических сплавов, если поместить в конструкцию термометра ампулу с веществом (или сплавом), точка плавления которого известна с высокой точностью. При этом для полной экст-раполяции индивидуальной зависимости сопро-

Белоусов Михаил Дмитриевич – инженер кафедры информационно-измерительной техники, Южно-Ураль-ский государственный университет; [email protected] Дьячук Виталий Владимирович – зав. лабораторией кафедры физической химии, Южно-Уральский государ-ственный университет; [email protected] Мирзаев Джалал Аминулович – д-р физ.-мат. наук, профессор, заслуженный работник высшей школы, ка-федра физического металловедения и физики твердого тела, Южно-Уральский государственный университет; [email protected] Шестаков Александр Леонидович – д-р техн. наук, профессор, заслуженный работник высшей школы, зав. кафедрой информационно-измерительной техники, рек-тор, Южно-Уральский государственный университет; [email protected]

тивления платинового термосопротивления от тем-пературы в области положительных температур [1] необходимо использовать 3 калибровочные точки.2

В процессе исследований, были выявлены и проанализированы зарубежные научные разработ-ки, направленные на создание самокалибрующихся сенсоров температуры на основе точек плавления – разновидности фазовых переходов 1-го рода [2]. Представленные конструкция нетехнологичны, так

Belousov Mikhail Dmitrievich – Engineer of Equipment for Information and Measuring Department, South Ural State University; [email protected] Dyachuk Vitaly Vladimirovich – Head of Laboratory of Physical Chemistry Department, South Ural State Universi-ty; [email protected] Mirzaev Dzhalal Aminulovich – Doctor of Science (Physico-Mathematical), Professor, Honored Worker of Higher School, Physical Metallurgy and Solid-State Physics De-partment, South Ural State Univercity; avangard-susu@ mail.ru Shestakov Aleksandr Leonidovich – Doctor of Science (Engineering), Professor, Honored Worker of Higher School, Head of Equipment for Information and Measuring Department, Rector, South Ural State University; admin@ susu.ac.ru

УДК 621.317.39+681.586.6+681.2.08+669.15:669-157.8

САМОКАЛИБРУЮЩИЙСЯ ТЕРМОМЕТР НА ОСНОВЕ ТОЧЕК ПЛАВЛЕНИЯ. КОНСТРУКЦИЯ И АЛГОРИТМЫ РАБОТЫ М.Д. Белоусов, В.В. Дьячук, Д.А. Мирзаев, А.Л. Шестаков

SELF-CALIBRATING THERMOMETER BASED ON MELTING POINTS. CONSTRUCTION AND OPERATION ALGORYTHMS M.D. Belousov, V.V. Dyachuk, D.A. Mirzaev, A.L. Shestakov

В связи с широким использованием микропроцессоров в средствах измерения воз-никает задача совершенствования характеристик средств измерения за счёт появив-шихся вычислительных возможностей. Наиболее перспективным направлением этого развития сегодня считается создание средств измерения с оценкой собственного состоя-ния в процессе работы, в том числе самостоятельная калибровка и градуировка средст-ва измерения. В данной работе предлагаются конструкция и принцип работы само-калибрующегося сенсора температуры на основе точек плавления.

Ключевые слова: метрологический самоконтроль, оценка собственного состояния, фазовый переход, точка Кюри.

There is a problem of characteristics perfection of measurement means due to the ap-peared computing opportunities and with wide use of microprocessors in measurement means. The creation of measurement means with an estimation of own condition during work, inclu-ding independent calibration and graduation is the most perspective direction of this devel-opment today. The design and a work principle of a selfcalibrated temperature sensor is offered on the basis of melting points.

Keywords: metrological self-monitoring, evaluation of proper state, phase transition, Curie point.


Самокалибрующийся термометр на основе точек плавления. Конструкция и алгоритмы работы

2013, том 13, № 1 27

как в процессе плавления / затвердевания изменя-ется объём вещества, что приводит к появлению механических напряжений, способных разрушить термометр. Кроме того, использование нескольких веществ с различными температурами плавления в выявленных конструкциях не представляется воз-можным.

Существенной проблемой создания сенсоров на основе точек плавления является загрязнение эталонного вещества вследствие диффузии. По-этому создание конкурентоспособных сенсоров с оценкой собственного состояния в процессе рабо-ты видится возможным лишь в области относи-тельно низких температур, примерно от –50 до +250 °С. Данный температурный диапазон широко востребован в технике.

Конструкция и принцип работы термометра Созданный нами сенсор представляет собой

серийно изготовляемый платиновый пленочный сенсор с нанесенным специальным покрытием, состоящим из смеси порошков специальных спла-вов, замешанных в самотвердеющей жидкости. В качестве порошков используются сплавы с низкой температурой плавления. Физически вещество сплава будет представлять собой порошок, заме-шанный в затвердевающем упругом основании (например, в автомобильном герметике), сохра-няющем свои свойства во всём диапазоне рабочих температур термометра. Платиновый чувствитель-ный элемент будет покрыт слоем полученной суб-станции.

В процессе калибровки термометра после из-готовления, при переходе температуры сплава че-рез точку плавления, температура и сопротивление платинового сенсора будут на некоторое время стабилизированы. Это вызвано тем, что тепловые потоки, проходящие через плавящееся вещество специального сплава, приводят к изменению агре-гатного состояния вещества практически без из-менения температуры последнего. Точку стабиль-ности сопротивления сенсора можно обнаружить с помощью микропроцессора термометра, а темпе-ратуру плавления используемого сплава измерить с помощью эталонного термометра. Значение тем-пературы плавления будет записано в память мик-ропроцессора.

В процессе эксплуатации термометра, при пе-реходе измеряемой температуры через точку плав-ления, температура и сопротивление платинового сенсора также будут на некоторое время стабили-зированы по вышеназванным причинам. Точку стабильности сопротивления сенсора также можно обнаружить с помощью микропроцессора термо-метра, а температуру плавления используемого сплава, записанную в памяти процессора термо-метра, можно будет сравнить с температурой, из-меренной с помощью платинового термосопро-тивления. Разница этих температур будет являться абсолютной погрешностью термометра при дан-

ной измеренной температуре, что позволит скор-ректировать зависимость платинового сопротив-ления от температуры и увеличить тем самым точ-ность измерения.

Данное техническое решение охраняется па-тентом РФ на полезную модель [3], ведется даль-нейшая патентная работа [4].

Физическая модель При помещении термометра в среду, обла-

дающую более высокой температурой Тс, чем сен-сор термометра, через внешнюю поверхность тер-мометра начнёт протекать тепловой поток:

Q = Sq, (1) где S – площадь поверхности; q – удельный тепло-вой поток, зависящий от разности температуры среды Тс и температуры сенсора T. При малой раз-ности температур этот поток всегда можно запи-сать в форме

q = (Tс – T), (2) где – коэффициент теплообмена, который в об-щем случае может зависеть от температуры.

Введём V – объём термометра, Ĉ – его удель-ную, среднюю теплоёмкость. Составим уравнение теплового баланса:

ĈVdT = S(Tс – T)dT. (3) Отсюда следует уравнение нагрева термодатчика

c ˆdT S dt

T T CV

, (4)

где T – температура, t – время нагрева. Проинтег-рировав (4), получим:

–ln (Tc–T) = t – ln (C), (5) где

ˆS

CV

; (6)

C – константа интегрирования, которую не-сложно найти из начального условия: при t = 0 температура сенсора равна начальной температуре Tн. Следовательно С = (Tс – Tн), а решение примет вид

c

c н

tT Te

T T

. (7)

При t → ∞ температура сенсора стремится к температуре среды. Из выражения (3) следует, что скорость нагрева W0 зависит от разности Tс – Tн:

0 c( )dTW T Tdt

. (8)

Поэтому для решения задачи в окрестности точки плавления требуется постоянное по времени при-ращение температуры. Широко встречающаяся на практике экспоненциальная зависимость темпера-туры от времени, присущая процессам скачкооб-разного изменения мощности (в большом разре-шении вблизи точки плавления весьма близка к требуемой линейной зависимости) может быть использована для решения поставленной задачи.

В случае, если сенсор термометра имеет теп-ловой контакт с веществом (металлом или спла-


М.Д. Белоусов, В.В. Дьячук, Д.А. Мирзаев, А.Л. Шестаков


вом), температура плавления которого лежит меж-ду начальной температурой термометра Tн и тем-пературой среды термостата Tc, то в процессе на-грева будет происходить плавление – процесс, идущий с поглощением тепла. Плавление проис-ходит не мгновенно, оно начинается с образования зародышей жидкой фазы, которые затем растут, постепенно увеличивая во времени превращённый в жидкость объём. Обозначим через V* величину превращённого в жидкость объёма, зависящую от времени t1, отсчитанного от первого момента дос-тижения температуры плавления. Обычно величи-ну f обозначают как объёмную долю или степень превращения (оплавления):

*VfV

. (9)

Учтём также, что плавление сопровождается поглощением теплоты. Пусть h – теплота плавле-ния, рассчитанная не на единицу объёма сплава, а на единицу объёма термометра, т. е.

спл0

Vh h

V , (10)

где h0 – удельная теплота плавления сплава; Vспл – объём порошка сплава, введённого в термометр; V – объём рабочей части сенсора термометра.

Если плавление началось, то условие теплово-го баланса (3) теперь изменится:

ĈVdT + hVdf = αS(Tс – T)dt. (11) Скорость нагрева, которая чуть ниже Tпл, оп-

ределялась из выражения (8), а выше Tпл – прини-мает вид

01ˆ

dT h dfWdt dtC

. (12)

Очевидно, что dt1 = dt. Итак, начиная с темпе-ратуры плавления, скорость нагрева уменьшается и может стать равной нулю, если скорость образо-вания жидкой фазы df /dt окажется достаточно большой, чтобы выполнялось условие:

0 0ˆh dfW

dtC . (13)

Кривая нагрева в этом случае должна иметь вид, показанный на рис. 1.

Рис. 1. Схема изменения температуры при нагреве образца, испытавшего плавление. Тонкая линия – касательная к графику, проведённая слева от точки плавления

Существует горизонтальная площадка, на ко-торой dT/dt = 0. Такие кривые характерны при за-писи температуры плавящихся металлов, когда сенсор температуры в защитной арматуре опущен в глубь металла.

Выдающийся шведский термохимик и физик Матс Хиллерт считает, что для такого варианта измерения точку плавления следует измерять по температуре горизонтальной площадки T1. Наши исследования подтверждают его гипотезу.

В разрабатываемом нами методе внутрь об-разца помещается относительно небольшое коли-чество плавящегося порошка. Поэтому фактиче-ская величина удельного теплопоглощения h, оп-ределённого выражением (11), оказывается малой, недостаточной, чтобы удовлетворить условию (13), значит при температуре плавления должна наблю-даться минимальная, хотя и не равная нулю, ско-рость охлаждения.

Для проверки полученной физической модели работы сенсора создан макет, представляющий из себя сенсор из трёх специально подобранных сплавов для перекалибровки платинового сенсора.

Изготовление макета сенсора температуры Для изготовления сенсора использовалось

платиновое плёночное термосопротивление. Про-вода изолированы фарфоровой соломкой, часть проводов порядка 30 мм, прилегающих к сенсору, оставлены открытыми от соломки.

Для изготовления макета сенсора использова-лись следующие сплавы.

1. Сплав Розе. Химический состав: висмут 50 %, свинец 28 %, олово 22 %. Справочная температура плавления 100 °С.

2. Сплав Вуда. Химический состав: висмут 51 %, свинец 25 %, олово 14 %, кадмий 10 %. Справоч-ная температура плавления 67 °С.

3. Сплав без названия. Химический состав: висмут 47,7 %, индий 19,1 %, олово 8,3 %, кадмий 5,3 %, свинец 22,6 %. Справочная температура плавления 47 °С.

Сплавы подбирались таким образом, чтобы входящие в их состав элементы имели минималь-ную химическую инертность и были минимально ядовитыми.

Порошки перемешивались с автомобильным герметиком ABRO RED [5], с максимальной рабо-чей температурой 343 °С, а затем полученной суб-станцией был покрыт платиновый сенсор и приле-гающая к нему часть открытых проводов, после чего происходила полимеризация состава. Фото-графия полученной субстанции отдельно приведе-на на рис. 2.

Выбитый из центра субстанции образец ис-пользован для дифференциально-термического анализа. Фотография макета сенсора, покрытого полученной субстанцией, приведена на рис. 3.

Этапы изготовления макета сенсора приведе-ны на рис. 4, 5.


Самокалибрующийся термометр на основе точек плавления.Конструкция и алгоритмы работы

2013, том 13, № 1

Полученный макет подвергся дальнейшим иследованиям.

Дифференциально-термический анализ образца смеси порошков с герметикомРезультаты дифференциально

анализа приведены на рис. 6. В результате испытаний на установке дифф

ренциально-термического анализа получдующие данные:

– три точки фазовых переходов исследуемого материала обнаружены и различимы;

– точки затвердевания сплавов не совпадают с точками плавления.

Рис. 2. Фотография полученной смеси порошков в самотвердеющей жидкости

Рис. 4. Макет сенсора с соединительными проводами

термометр на основе точек плавления. Конструкция и алгоритмы работы

подвергся дальнейшим ис-

термический анализ образца смеси порошков с герметиком Результаты дифференциально-термического

В результате испытаний на установке диффе-термического анализа получены сле-

три точки фазовых переходов исследуемого материала обнаружены и различимы;

точки затвердевания сплавов не совпадают с

Наличие различных точек плавления и зтвердевания объясняется следующим:

1) в малых каплях жидкости, вследствие сил поверхностного натяжения, возникают большие давления, которые смещают точку затвердевания в область более низких температур

2) в малых каплях жидкости при остывании, вследствие отсутствия очагов затвердевания (кторыми обычно являются какиености, в том числе внешние), образуется переолаждённая жидкость.

На основе полученных данных в исследуемой конструкции необходимо ограничиться использванием только точек плавления.

полученной смеси порошков в само- Рис. 3. Фотография макета сенсора, покрытого пол

ченной смесью порошков в самотвердеющей жидкости

Рис. 4. Макет сенсора с соединительными проводами

Рис. 5. Готовый макет сенсора

29

Наличие различных точек плавления и за-твердевания объясняется следующим:

жидкости, вследствие сил поверхностного натяжения, возникают большие давления, которые смещают точку затвердевания в область более низких температур;

в малых каплях жидкости при остывании, вследствие отсутствия очагов затвердевания (ко-

ются какие-либо неоднород-ности, в том числе внешние), образуется переох-

На основе полученных данных в исследуемой конструкции необходимо ограничиться использо-ванием только точек плавления.

Рис. 3. Фотография макета сенсора, покрытого полу-ченной смесью порошков в самотвердеющей жидкости


Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника»30

На основании вышеизложенного в пункте испытания на установке дифференциальнотермического анализа следует считать успешными промежуточными испытаниями.

Испытания работающего макета сенсора С помощью эталона температуры были пол

чены индивидуальнае зависимости сопротивления

Рис. 6. Результаты дифференциально

Рис. 7. Температура макета сенсора от времени при нагреве в окрестности температуры точки плавления 1-го сплава

М.Д. Белоусов, Д.А. Мирзаев, А.Л. Шестаков

Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника»

На основании вышеизложенного в данном пункте испытания на установке дифференциально-термического анализа следует считать успешными

Испытания работающего макета сенсора С помощью эталона температуры были полу-

чены индивидуальнае зависимости сопротивления

сенсора от температуры в окрестности точек плаления сплавов, а затем с их помощью в процессе нагрева с разными скоростями были измерены знчения точек плавления вышеназванных сплавов.

Результаты в окрестности точки плавления 1-го сплава в графическом виде п

Горизонтального участка на кривой нет, но изменение наклона налицо. Полученная закон

6. Результаты дифференциально-термического анализа

Температура макета сенсора от времени при

нагреве в окрестности температуры точки плавления Рис. 8. Приращение температуры макета сенсора в орестности точки плавления 1-го



ора от температуры в окрестности точек плав-ления сплавов, а затем с их помощью в процессе нагрева с разными скоростями были измерены зна-чения точек плавления вышеназванных сплавов.

Результаты в окрестности точки плавления го сплава в графическом виде приведены на рис. 7.

Горизонтального участка на кривой нет, но изменение наклона налицо. Полученная законо-

Рис. 8. Приращение температуры макета сенсора в ок-

го сплава



2013, том 13, № 1 31

мерность становится еще более явной, если по-строить численную зависимость приращения температуры между измерениями от времени на рис. 8.

Результаты в окрестности точки плавления 2-го сплава в графическом виде приведены на рис. 9, 10. Скорость нагрева и в этом случае не достигает

нулевого значения. Наблюдается минимум, соот-ветствующий моменту времени примерно 64 с.

Аналогичные кривые изменения температур и скоростей нагрева сплава 3 через точку плавления, показаны на рис. 11, 12 соответственно.

Характер поведения кривых температур и скоростей нагрева остался таким же, как для спла-


Рис. 10. Приращение температуры макета сенсора в ок-рестности точки плавления 2-го сплава


Рис. 12. Приращение температуры макета сенсора в ок-рестности точки плавления 3-го сплава

Измеренные точки плавления сплавов для различных циклов нагрева

Точки плавления в циклах при различных скоростях нагрева, °С 1-й сплав 2-й сплав 3-й сплав

0,62 °С/с 0,2 °С/с 0,055 °С/с 0,32 °С/с 0,13 °С/с 0,02 °С/с 0,1 °С/с 0,08 °С/с 0,005 °С/с

55,88 56,38

56,01

72,08 72,06

71,79

96,25 96,41

96,41 56,02 71,80 96,41 56,05 71,79 96,41 56,00 71,78 96,40 56,02 71,80 96,41 56,04 71,79 96,41




ва 1: перегиб на кривой температур и минимум на кривой скорости нагрева.

Найденные температуры плавления различ-ных скоростей для циклов нагрева от +10 до +110 °С приведены в таблице.

Ожидается, что при снижении скорости изме-нения температуры либо увеличении массы соот-ветствующих сплавов могут быть достигнуты лю-бые необходимые точности для всех точек плавле-ния.

Таким образом, с высокой точностью получе-ны значения температур плавления созданных сплавов, помещённых в конструкцию макета тер-мометра. Значения сопротивления сенсора в точ-ках плавления вместе со значениями полученных температур плавления позволят перекалибровать термометр в процессе работы в области положи-тельных температур.

Старение макета сенсора Для оценки долговременной стабильности ха-

рактеристик предложенной конструкции было произведено старение макета сенсора в течение 1000 часов эксплуатации при температуре +110 °С.

В промежуточных точках старения по вышеопи-санной методике производились индивидуальные калибровки сенсора с помощью эталона температу-ры и измерялись точки плавления сплавов. Резуль-таты приведены в графическом виде на рис. 13–15.

Из приведенных рисунков видно, что харак-теристики 1-го сплава подверглись существенному изменению вследствие старения, однако они ста-билизировались во времени. Характеристики 2-го и 3-го сплава не подверглись существенному из-менению в процессе старения. Поэтому при искус-ственном старении сенсоров рассматриваемые сплавы годны для создания сенсоров с самостоя-тельной калибровкой в процессе работы. Более того, использование сенсоров одной серии позво-лит создать парные термометры для измерения разности температур с еще лучшими характери-стиками вследствие их синхронного старения в однотипных условиях.

Заключение 1. Разработан принципиально новый метод

измерения температур плавления эталонных ме-таллов и сплавов, включенных в конструкцию

Рис. 13. Старение 1-го сплава сенсора Рис. 14. Старение 2-го сплава сенсора

Рис. 15. Старение 3-го сплава сенсора



2013, том 13, № 1 33

термометра. Температура измеряется по положе-нию минимума скорости нагрева, которая рассчи-тывается микропроцессором термометра как про-изводная от температуры по времени. Установ-ленная точность определения температуры этим методом (при необходимой малой скорости изме-нения температуры по времени) значительно пре-вышает точность используемого сенсора.

Была предложена, изготовлена и проверена экспериментально конструкция сенсора термометра, в которой были одновременно введены порошки всех трёх упомянутых выше сплавов, что позволя-ет полностью восстановить индивидуальные ко-эффициенты полинома преобразования сопротив-ления сенсора в температуру. При этом предло-женная конструкция самокалибрующегося сенсора не увеличивает существенным образом себестои-мость изготовления термометра.

Запись кривых изменения во времени нагрева электросопротивления с последующим пересчётом последнего в температуру позволила установить, что все три температуры плавления надёжно фик-сировались на кривых «скорость нагрева – время (температура)». Положение минимумов скорости нагрева по температуре при необходимых скоро-стях изменения температуры не изменялось суще-ственным образом в процессе эксперимента. Точ-ки плавления точно соответствовали данным таб-лицы.

2. Предложена и создана конструкция сенсора на базе микропроцессора и платинового термо-сопротивления с тремя легкоплавкими эвтектиче-скими сплавами, которые зарекомендовали себя как точки воспроизведения эталонной температу-ры, с помощью которых возможна самостоятель-ная калибровка сенсора термометра в процессе эксплуатации.

3. Показана принципиальная возможность соз-дания сенсоров нового поколения, когда сразу не-сколько точек плавления различных металлов и

сплавов, включенных в состав термометра, позво-лят производить полную перекалибровку сенсора в процессе работы.

4. Произведено старение макета сенсора в те-чение 1000 часов эксплуатации при температуре +110 °С. Полученные результаты подтверждают ста-бильность точек плавления исследуемых сплавов.

5. На основании вышесказанного предложен-ную конструкцию сенсора на основе проведённых опытов следует признать весьма успешной, годной к началу опытно-конструкторских работ. Однако требуется НИР для уточнения зависимости скоро-сти нарастания температуры и количества сплава на точность калибровки.


1. ГОСТ Р 8.625–2001. Государственная систе-ма обеспечения единства измерений. Термометры сопротивления из платины, меди и никеля. Общие технические требования и методы испытаний.

2. APPLICATION OF SELF-CALIBRATING THERMOCOUPLES WITH MINIATURE FIXED-POINT CELLS IN A TEMPERATURE RANGE FROM 500 °C TO 650 °C IN STEAM GENERATORS – http://www.imeko.org/publications/wc-2003/PWC-2003-TC12-005.pdf

3. Пат. 91426 Российская Федерация, G01K7/00. Контактный измеритель температу-ры с самостоятельной градуировкой / М.Д. Бело-усов, А.Л. Шестаков, А.С. Семёнов, В.В. Дьячук; заявитель и патентообладатель Гос. образоват. учреждение высш. проф. образования «Юж.-Урал. гос. ун-т» (ГОУ ВПО «ЮУрГУ») (RU). – № 2009140943/22; заявл. 05.11.09 ; опубл. 10.02.10, Бюл. № 27. – 13 с.: ил.

4. Заявка на полезную модель «Контактный из-меритель температуры» зарегистрирована в Рос-патенте под № 2012138019 (061635) от 05.09.2012.

5. Силиконовый герметик – прокладка ABRO. – http://www.abro.ru/ prod_abro4_uid6.htm




Введение1 В докладе на 64-й научной конференции

«Наука ЮУрГУ», которая состоялась в апреле 2011 года, было обращено внимание на технологии OpenMP, nVidia CUDA и систему диспетчеризации StarPU, позволяющие автоматизировать распреде-ление задач между узлами вычислительной систе-мы и потенциально за счёт этого снизить энерго-потребление. Так как эти три технологии исполь-зуют различные подходы к решению задачи рас-пределения вычислений, имеет смысл сравнить, насколько эффективна, универсальна и проста в использовании каждая из них.

Технология OpenMP OpenMP (Open Multiprocessing) – это при-

кладной интерфейс программирования (API), предназначенный для параллельного программи-рования с применением разделяемой памяти. Под-держиваются языки программирования C, C++ и Fortran, операционные системы Solaris, AIX, HP-UX, Linux, Max OS X, Windows. Разработка OpenMP ведётся с участием крупных ИТ-компа-ний, таких как AMD, Intel, IBM, Cray и др. На момент написания статьи последняя версия стан-дарта – 3.1 [1]

OpenMP представляет собой набор директив для компилятора, библиотечных вызовов и пере- Ханкин Константин Михайлович – аспирант кафедры ЭВМ, Южно-Уральский государственный университет; [email protected]

менных окружения, соответственно для использо-вания OpenMP нужен компилятор, умеющий учи-тывать директивы OpenMP. Работа по задейство-ванию параллелизма возлагается на программиста, который должен указывать среде времени испол-нения и компилятору, что они должны делать. OpenMP не занимается обнаружением конфликтов данных, поиском состояний состязания и т. д. Та-ким образом, OpenMP позволяет создавать перено-симые программы, в которых за корректность па-раллельного алгоритма отвечает программист.2

OpenMP использует модель fork-join. API до-пускает написание программ, которые корректно работают, исполняясь и параллельно, и последова-тельно. Если запрашивается последовательное ис-полнение программы, библиотека OpenMP подме-няет реальные функции заглушками, то есть такты на работу OpenMP всё же тратятся.

Для создания нового потока необходимо ука-зать директиву parallel. Эта директива приводит к созданию набора (team) из потока, который обра-ботал директиву, и любого количества новых пото-ков (в том числе и ни одного), при этом поток, об-работавший директиву, становится главным в на-боре. Внутри блока parallel могут располагаться несколько заданий (task), каждое задание будет присвоено отдельному потоку. В конце блока parallel находится неявный барьер, позволяющий Khankin Konstantin Mikhaylovich – Post-Graduate Stu-dent of Electronic Computer Department of South Ural State University; [email protected]

УДК 004.4422

СРАВНЕНИЕ ЭФФЕКТИВНОСТИ ТЕХНОЛОГИЙ OpenMP, nVidia CUDA И StarPU НА ПРИМЕРЕ ЗАДАЧИ УМНОЖЕНИЯ МАТРИЦ К.М. Ханкин

EFFICIENCY COMPARISON OF OpenMP, nVidia CUDA AND StarPU TECHNOLOGIES BY THE EXAMPLE OF MATRIX MULTIPLICATION K.M. Khankin

Приведено описание технологий OpenMP, nVidia CUDA и StarPU, варианты реше-ния задачи умножения двух матриц с задействованием каждой из технологий и резуль-таты сравнения реализаций по требовательности к ресурсам.

Ключевые слова: технологии OpenMP, CUDA, StarPU; энергосбережение.

In the article the description of OpenMP, nVidia CUDA and StarPU technologies, pro-bable solutions of two matrix multiplication problem applying these technologies and the re-sult of solution comparison by the criterion of resource consumption are considered.

Keywords: OpenMP, CUDA, StarPU technologies; energy saving.


Сравнение эффективности технологий OpenMP, nVidia CUDA и StarPU на примере задачи умножения матриц

2013, том 13, № 1 35

синхронизировать потоки, работающие над зада-чами. Вся программа сама по себе уже находится в неявно заданном блоке parallel.

Таким образом, OpenMP позволяет програм-мисту указывать блоки, которые можно распарал-лелить, и задания, которые должны выполняться параллельно. OpenMP не способен задействовать средства GPGPU. В библиотеку также входят при-митивы синхронизации, отличные от барьера. Так как для исполнения используется модель потоков, то память является общей для всех порождённых потоков. OpenMP можно рассматривать как стан-дартизованное средство создания переносимых параллельных программ, исполняемых на цен-тральном процессоре (или процессорах), позво-ляющее программисту не задумываться об особен-ностях средств параллельного программирования на каждой платформе.

Технология nVidia CUDA CUDA (Compute Unified Device Architecture) –

это программно-аппаратная платформа для парал-лельных вычислений, задействующая ресурсы графического процессора nVidia для неграфиче-ских вычислений [2]. Разработка CUDA была нача-та в 2006 году. Поддерживаются языки програм-мирования С, С++ и Fortran, операционные систе-мы Windows 7, Windows XP, Windows Vista, Linux, Mac OS X. Все поддерживаемые графические про-цессоры nVidia разбиты на несколько классов в зависимости от аппаратных средств и поддержи-ваемых операций, поддерживается обратная со-вместимость. CUDA доступна как на бытовых ви-деоадаптерах, так и в виде специализированных сопроцессоров Tesla и Fermi. CUDA используется и при построении кластеров, например, в кластере Tianhe-1A, что позволило ему попасть на 1 место 36 редакции списка Top500 и оставаться на 2 месте в 37 и 38 редакциях при энергопотреблении 4 МВт [3], тогда как кластер, опередивший его, потребля-ет около 12,5 МВт и имеет почти в 4 раза больше вычислительных ядер общего назначения и в 7 раз больше ОЗУ при выигрыше в производительности всего почти в 3 раза [4].

CUDA использует модель SIMD, что наклады-вает ограничения на алгоритмы, которые можно эффективно исполнять на такой платформе. Так, например, при выполнении условного оператора возникает проблема с обработкой альтернативной ветки – приходится выполнять операции, результат которых будет отброшен. Однако CUDA маскирует эту проблему, программисту не приходится решать её самому. Из-за особенностей процессора CUDA может работать только с ограниченным набором данных – одномерные, двумерные и трёхмерные блоки с данными одного типа. Каждый блок может обрабатываться несколькими потоками, исполь-зующими разделяемую память. CUDA позволяет выполнять вычисления одновременно на цен-тральном и графическом процессорах за счёт

асинхронности вызова вычислительного ядра. С технологией GPUDirect возможно осуществлять прямой доступ к памяти (DMA) графического процессора.

С точки зрения программиста программа с использованием CUDA состоит из нескольких фаз, каждая из которых выполняется на центральном или графическом процессоре. Функции, которые могут быть исполнены на графическом процессо-ре, помечаются специальными ключевыми слова-ми (расширение языка) и называются ядрами. За-действованные структуры данных также помеча-ются ключевыми словами. При компиляции специ-альный препроцессор разделяет фазы на две части, эти части компилируются отдельно, то есть моди-фикация компилятора исходного языка програм-мирования не требуется. Адресные пространства центрального и графического процессоров незави-симы друг от друга, что вызывает задержку при копировании данных между ними. Опять же из-за архитектуры графического процессора память раз-деляется на несколько видов – регистры (на каж-дый поток), локальная (на каждый поток), разде-ляемая (на набор потоков), глобальная (на сетку данных), константная (на сетку данных). Разные типы памяти имеют разную производительность и область видимости, некоторые виды памяти не имеют кэша, некоторые имеют.

Таким образом, CUDA позволяет программи-сту ускорять выполнение участков кода, хорошо ложащихся на модель исполнения SIMD, с при-влечением ресурсов графического процессора. Не требуется модификация уже используемых средств разработки, нужно только настроить связь с препроцессором и компилятором от nVidia. Нега-тивными сторонами являются необходимость на-личия графического процессора именно от nVidia (что, впрочем, исправляется использованием обобщённой библиотеки OpenCL) и необходи-мость в копировании данных между адресными пространствами, а также сложность модели памя-ти на графическом ядре.

Система диспетчеризации StarPU StarPU – система, позволяющая прозрачно для

программиста задействовать средства центрально-го процессора и других вычислителей, маскируя низкоуровневые операции (например, пересылки между устройствами памяти) и автоматически распределяя задачи в гетерогенной среде [5]. Под-держиваются языки С, С++, SMP-процессоры ар-хитектур x86, PowerPC и др., графические процес-соры nVidia, устройства, совместимые с OpenCL, процессоры Cell, операционные системы Linux, Windows, Mac OS X. На момент написания статьи последней версией является 1.0.1 от мая 2012 года.

StarPU является библиотекой времени испол-нения. Обращение к этой библиотеке возможно либо через API, либо с помощью директив для компилятора. На момент написания статьи под-


К.М. Ханкин


держка компиляторных директив была реализова-на только для GCC в виде расширения (plugin) и имела экспериментальный статус, поэтому в экс-перименте используется API. StarPU реализует программную модель, ориентированную на задачи: программист производит декомпозицию алгоритма на отдельные участки, называемые задачами, реа-лизует их средствами центрального или графиче-ского процессора, а StarPU выполняет диспетчери-зацию этих задач, самостоятельно выполняя необ-ходимые пересылки между устройствами памяти. В StarPU реализовано несколько алгоритмов дис-петчеризации, по умолчанию используется жад-ный приоритетный диспетчер (eager), есть воз-можность реализации собственных диспетчеров.

С точки зрения программиста программа со-стоит из так называемых кодлетов (codelet) – вы-числительных участков кода, которые могут быть исполнены на центральном, графическом процес-соре или другом сопроцессоре. Задачей (task) явля-ется привязка кодлета к наборам данных, специ-фических для архитектуры, для которой реализо-ван кодлет. Запуск новой задачи выполняется асинхронно, может быть определена функция от-клика (callback). Также задача может содержать указания планировщику. Зависимости задач авто-матически наследуются от зависимостей данных, однако программист может определить зависимо-сти задач вручную. Пересылки данных между уст-ройствами памяти выполняются по требованию, а не предварительно.

Таким образом, StarPU позволяет создавать программы, автоматически распределяемые между доступными исполнителями. Однако для достиже-ния максимальной эффективности требуется реа-лизовывать задачи для всех доступных архитектур.

Эксперимент Будем решать задачу умножения двух квад-

ратных матриц размером 1024×1024 действитель-ных чисел типа float (размер матрицы выбран с целью кратности 2, тип данных выбран в связи с ограничениями имеющегося GPU). Решать будем «в лоб», без оптимизаций. Будем отслеживать вре-мя выполнения, использованные ресурсы (загрузка процессора, количество загруженных процессоров, объём потреблённой памяти) и энергопотребление, а также субъективно оценим трудозатраты на реа-лизацию. Затраченное время, загрузка процессора и объём потреблённой памяти учитываются утили-той GNU time, мощность подсчитывается ваттмет-ром производства НПИ «Учебная техника и техно-логии» ЮУрГУ с выходом USB. Одинаковость исходных данных обеспечивается одинаковостью начального зерна ГПСЧ. Время генерации исход-ных данных учитывается, но не влияет на соотно-шение результатов, так как генерация исходных данных всегда выполняется на центральном про-цессоре до начала работы вычислительных блоков программ.

Измерения проводились на двух платформах. Параметры первой платформы:

процессор AMD Athlon 64 X2 Dual Core 4400+ 2.30 ГГц (2 ядра);

2 ГБ оперативной памяти DDR2 677 МГц, шина ОЗУ 128 бит;

видеокарта nVidia GeForce 8600 GT, CUDA Compute 1.1;

ОС CentOS 6.2 x86_64, linux 2.6.32-220.17.1.el6, GCC/libgomp 4.4.6 20110731, StarPU 1.0.1, CUDA Toolkit 4.2 V0.2.1221;

мощность в простое 75 Вт. Параметры второй платформы: Intel Atom 330 1.60 ГГц (2 ядра), Hy-

per-Threading включен; 2 ГБ оперативной памяти DDR2 667 МГц,

шина ОЗУ 64 бит; видеокарта nVidia ION (GeForce 9400M),

CUDA Compute 1.1; ОС CentOS 6.2 x86_64, linux 2.6.32-

220.17.1.el6, GCC/libgomp 4.4.6 20110731, StarPU 1.0.1, CUDA Toolkit 4.2 V0.2.1221;

мощность в простое 35 Вт. Каждая программа запускалась по 10 раз, в

качестве результата бралось среднее арифметиче-ское полученных данных. Между запусками очи-щался кэш ОЗУ и запускалась генерация случай-ных чисел для сброса кэша процессора. Компиля-ция CUDA-кода производилась для платформы 1.1. При использовании CUDA полученные показатели энергопотребления могут не соответствовать дей-ствительности, так как ваттметр может выдавать результат только раз в секунду. При измерении результатов для StarPU производилось два запуска: в одном запрещалось использование CUDA, в дру-гом разрешалось. Перед запуском программы с использованием StarPU проводился пробный за-пуск (не учитывался), чтобы StarPU создал модель производительности для каждого вычислителя. (См. листинг 1–6).

Сырые результаты эксперимента и средства об-работки доступны по адресу http://hc.comp.susu.ac.ru/ omp_cuda_starpu/. Обработанные результаты сведе-ны в таблицу.

Кратко сравним варианты реализации по тру-дозатратам:

при использовании OpenMP модификации свелись к добавлению нескольких директив ком-пилятору, все необходимые библиотеки уже рас-пространяются с компилятором GCC;

при использовании CUDA обязательно на-личие графического процессора от nVidia не старше серии 8000, а также требуется изучение расширений языка и установки средств разра-ботки;

при использовании StarPU необходимо пи-сать отдельные реализации для каждого исполь-зуемого типа процессора и иметь соответствую-щие средства разработки, а также саму библиотеку StarPU.



2013, том 13, № 1 37

Листинг 1. Решение задачи в один поток на центральном процессоре

#include <stdio.h> #include <stdlib.h> #define SIZE 1024 int main() { float *a, *b, *c, x; int i,j,r; a = (float *) malloc(SIZE*SIZE*sizeof(float)); b = (float *) malloc(SIZE*SIZE*sizeof(float)); c = (float *) malloc(SIZE*SIZE*sizeof(float)); for (i=0;i<SIZE*SIZE;i++) { a[i] = random()/random(); b[i] = random()/random(); c[i] = 0; } for (i=0;i<SIZE;i++) for (r=0;r<SIZE;r++) { x = 0; for (j=0;j<SIZE;j++) x += a[SIZE*i+j]*b[r+SIZE*j]; c[SIZE*i+r] = x; } printf ("[ %f, %f, ...\n", c[0], c[1]); printf (" %f, %f, ... ]\n", c[SIZE], c[SIZE+1]); free(a); free(b); free(c); return 0; } Листинг 2. Решение задачи в несколько (по числу процессорных ядер) потоков на центральном процессоре

#include <stdio.h> #include <stdlib.h> #include <omp.h> #define SIZE 1024 int main() { float *a, *b, *c, x; int i,j,r; a = (float *) malloc(SIZE*SIZE*sizeof(float)); b = (float *) malloc(SIZE*SIZE*sizeof(float)); c = (float *) malloc(SIZE*SIZE*sizeof(float)); for (i=0;i<SIZE*SIZE;i++) { a[i] = random()/random(); b[i] = random()/random(); c[i] = 0; } #pragma omp parallel shared(a,b,c) private(x,i,j,r) { #pragma omp for schedule (static) for (i=0;i<SIZE;i++) for (r=0;r<SIZE;r++) { x = 0; for (j=0;j<SIZE;j++) x += a[SIZE*i+j]*b[r+SIZE*j]; c[SIZE*i+r] = x; } }


К.М. Ханкин


printf ("[ %f, %f, ...\n", c[0], c[1]); printf (" %f, %f, ... ]\n", c[SIZE], c[SIZE+1]); free(a); free(b); free(c); return 0; } Листинг 3. Решение задачи в несколько (по одному на ячейку таблицы) потоков только на графическом процессоре

#include <stdio.h> #include <stdlib.h> #define SIZE 1024 #define BLOCK_SIZE 16 __global__ void multiply(float *a, float *b, float *c) { int elem_x = blockIdx.x * BLOCK_SIZE + threadIdx.x; int elem_y = blockIdx.y * BLOCK_SIZE + threadIdx.y; int i = 0; float x = 0; for (i=0; i<SIZE; i++) x += a[elem_y*SIZE + i] * b[elem_x + i*SIZE]; c[elem_y*SIZE + elem_x] = x; } int main() { float *a, *b, *c; float *ca, *cb, *cc; int i; a = (float *) malloc(SIZE*SIZE*sizeof(float)); b = (float *) malloc(SIZE*SIZE*sizeof(float)); c = (float *) malloc(SIZE*SIZE*sizeof(float)); for (i=0;i<SIZE*SIZE;i++) { a[i] = random()/random(); b[i] = random()/random(); c[i] = 0; } cudaMalloc(&ca, SIZE*SIZE*sizeof(float)); cudaMemcpy(ca, a, SIZE*SIZE*sizeof(float), cudaMemcpyHostToDevice); cudaMalloc(&cb, SIZE*SIZE*sizeof(float)); cudaMemcpy(cb, b, SIZE*SIZE*sizeof(float), cudaMemcpyHostToDevice); cudaMalloc(&cc, SIZE*SIZE*sizeof(float)); dim3 threads(BLOCK_SIZE, BLOCK_SIZE); dim3 grid(SIZE / threads.x, SIZE / threads.y); multiply<<<grid,threads>>> (ca, cb, cc); cudaMemcpy(c, cc, SIZE*SIZE*sizeof(float), cudaMemcpyDeviceToHost); printf ("[ %f, %f, ...\n", c[0], c[1]); printf (" %f, %f, ... ]\n", c[SIZE], c[SIZE+1]); cudaFree(ca); cudaFree(cb); cudaFree(cc); free(a); free(b); free(c); return 0; }



2013, том 13, № 1 39

Листинг 4. Решение задачи с применением StarPU

#include <stdio.h> #include <stdlib.h> #include <starpu.h> #define SIZE 1024 extern void multiply_cpu(void *buffers[], void *args); extern void multiply_cuda(void *buffers[], void *args); struct starpu_codelet cl = { .where = STARPU_CPU | STARPU_CUDA, .cpu_funcs = { multiply_cpu, NULL }, .cuda_funcs = { multiply_cuda, NULL }, .nbuffers = 3, .modes = { STARPU_R, STARPU_R, STARPU_RW } }; int main() { float *a, *b, *c; int i; a = (float *) malloc(SIZE*SIZE*sizeof(float)); b = (float *) malloc(SIZE*SIZE*sizeof(float)); c = (float *) malloc(SIZE*SIZE*sizeof(float)); for (i=0;i<SIZE*SIZE;i++) { a[i] = random()/random(); b[i] = random()/random(); c[i] = 0; } starpu_init(NULL); starpu_data_handle_t a_handle; starpu_vector_data_register(&a_handle, 0, (uintptr_t)a, SIZE*SIZE, sizeof(float)); starpu_data_handle_t b_handle; starpu_vector_data_register(&b_handle, 0, (uintptr_t)b, SIZE*SIZE, sizeof(float)); starpu_data_handle_t c_handle; starpu_vector_data_register(&c_handle, 0, (uintptr_t)c, SIZE*SIZE, sizeof(float)); struct starpu_task *task = starpu_task_create(); task->synchronous = 1; task->cl = &cl; task->handles[0] = a_handle; task->handles[1] = b_handle; task->handles[2] = c_handle; starpu_task_submit(task); starpu_data_unregister(a_handle); starpu_data_unregister(b_handle); starpu_data_unregister(c_handle); starpu_shutdown(); printf ("[ %f, %f, ...\n", c[0], c[1]); printf (" %f, %f, ... ]\n", c[SIZE], c[SIZE+1]); free(a); free(b); free(c); return 0; }


К.М. Ханкин


Листинг 5. Функция, решающая задачу на CPU для кодлета StarPU из листинга 4

#include <starpu.h> #define SIZE 1024 int multiply_cpu(void *buffers[], void *cl_arg) { int i,j,r; float x; struct starpu_vector_interface *a_handle = (struct starpu_vector_interface

*) buffers[0]; struct starpu_vector_interface *b_handle = (struct starpu_vector_interface

*) buffers[1]; struct starpu_vector_interface *c_handle = (struct starpu_vector_interface

*) buffers[2]; float *a = (float*) STARPU_VECTOR_GET_PTR(a_handle); float *b = (float*) STARPU_VECTOR_GET_PTR(b_handle); float *c = (float*) STARPU_VECTOR_GET_PTR(c_handle); for (i=0;i<SIZE;i++) for (r=0;r<SIZE;r++) { x = 0; for (j=0;j<SIZE;j++) x += a[SIZE*i+j]*b[r+SIZE*j]; c[SIZE*i+r] = x; } return 0; } Листинг 6. Функция, решающая задачу на GPU для кодлета StarPU из листинга 4

#include <starpu.h> #include <starpu_cuda.h> #define SIZE 1024 #define BLOCK_SIZE 16 __global__ void multiply(float *a, float *b, float *c) { int elem_x = blockIdx.x * BLOCK_SIZE + threadIdx.x; int elem_y = blockIdx.y * BLOCK_SIZE + threadIdx.y; int i = 0; float x = 0; for (i=0; i<SIZE; i++) x += a[elem_y*SIZE + i] * b[elem_x + i*SIZE]; c[elem_y*SIZE + elem_x] = x; } extern "C" void multiply_cuda(void *buffers[], void *args) { struct starpu_vector_interface *a_handle = (struct starpu_vector_interface

*) buffers[0]; struct starpu_vector_interface *b_handle = (struct starpu_vector_interface

*) buffers[1]; struct starpu_vector_interface *c_handle = (struct starpu_vector_interface

*) buffers[2]; float *ca = (float*) STARPU_VECTOR_GET_PTR(a_handle); float *cb = (float*) STARPU_VECTOR_GET_PTR(b_handle); float *cc = (float*) STARPU_VECTOR_GET_PTR(c_handle); dim3 threads(BLOCK_SIZE, BLOCK_SIZE); dim3 grid(SIZE / threads.x, SIZE / threads.y); multiply<<<grid,threads,0,starpu_cuda_get_local_stream()>>> (ca, cb, cc); cudaStreamSynchronize(starpu_cuda_get_local_stream()); }



2013, том 13, № 1 41

Сделаем выводы по полученным результатам эксперимента:

применение CUDA позволило примерно в 12 раз для первой и в 40 раз для второй платформы сократить время выполнения программы, при этом примерно в 13 раз для первой и в 30 раз для второй платформы снизилось энергопотребление;

применение OpenMP даёт экономию време-ни и электроэнергии пропорционально количеству ядер;

применение StarPU неоднозначно: с одной стороны, если код выполняется на центральном процессоре, то это не даёт выигрыша, так как одно процессорное ядро отдаётся под работу самого StarPU, если задача не разбивается на несколько независимых подзадач, то выгоднее использовать код только для графического процессора, но с дру-гой стороны, если задача разделяется на несколько независимых подзадач, то StarPU может дать вы-игрыш засчёт одновременного задействования всех доступных процессоров. Вероятно, из-за недоста-точной отлаженности алгоритмов диспетчеризации StarPU не всегда корректно выбирает тип процес-сора для выполнения кода. Эффект от StarPU тре-бует дополнительного изучения на других задачах и платформах.

Выводы Дадим следующие рекомендации: если платформа не имеет графического про-

цессора с поддержкой ускорения вычислений (nVidia CUDA / AMD Fusion / OpenCL), но имеет многоядерный (или несколько) процессор, то при-менение OpenMP – простой способ добиться по-

вышения производительности и снижения энерго-затрат пропорционально количеству процессоров / ядер;

если платформа имеет графический процес-сор, задача является SIMD-реализуемой, но пред-ставляет собой набор последовательных участков параллельного SIMD-кода, то применение графи-ческого процессора даёт увеличение производи-тельности и снижение энергозатрат на порядок (в литературе описаны случаи прироста производи-тельности на несколько порядков), однако потре-бует значительной модификации кода;

если алгоритм можно разложить на несколь-ко участков, не зависящих друг от друга, то при-менение StarPU позволяет получить прирост про-изводительности и снижение энергозатрат, причём можно разделить последовательный код (отдав его выполнение центральному процессору) и парал-лельный код (перенеся его на графический процес-сор), однако придётся включать в код обращение к StarPU и реализовывать кодлеты для графического процессора.


1. OpenMP Application Program Interface. Ver-sion 3.1 July 2011. – http://www.openmp.org/ mp-documents/OpenMP3.1.pdf

2. What is CUDA. – http://developer.nvidia.com/ what-cuda

3. Tianhe-1A. – http://i.top500.org/system/176929 4. K computer. – http://i.top500.org/system/177232 5. StarPU. A Unified Runtime System for Hetero-

geneous Multicore Architectures. – http://runtime. bordeaux.inria.fr/StarPU/


Результаты экспериментов

Реализация Время, с Загрузка процессора, %

Занятая оперативная память, КБ

Потреблённая мощность, Вт

Энергопот-ребление,

(кВт·ч)·103

Пла

тфор

ма 1

CPU 34,08 99,00 51 083,20 3 858,08 1,072 OpenMP 25,16 197,60 53 316,80 3 112,35 0,865 CUDA 2,80 81,40 119 265,60 289,33 0,080 StarPU/CPU 35,38 193,80 135 208,00 5 214,74 1,449 StarPU/CUDA 11,13 146,70 243 329,60 1 310,20 0,364

Пла

тфор

ма 2

CPU 157,33 99,00 51 196,80 5 449,58 1,514 OpenMP 51,06 394,80 55 180,80 1 894,73 0,526 CUDA 3,97 59,20 102891,2 189,56 0,053 StarPU/CPU 155,76 196 121644,8 5225,45 1,452 StarPU/CUDA * * * * *

* При исполнении программы в варианте с использованием StarPU и задействованием CUDA на второй платфор-ме среда StarPU для выполнения кодлета периодически выбирала центральный процессор вместо графического по неизвестным причинам. Возможно, это связано с программными ошибками в StarPU.



Анализ существа проблемы1 В работе [1] рассматривается система управ-

ления тепловым режимом здания (ТРЗ) с элева-торной схемой присоединения к тепловым сетям, построенная с использованием принципа обратной связи: управление осуществляется по температуре в контрольных помещениях каждого фасада. Авто-матический регулятор – двухпозиционный, в каче-стве исполнительного устройства используется соленоидный вентиль, изменяющий «неполным притоком» (используется небольшой постоянный базовый расход, подаваемый через байпасную по отношению к элеватору линию [2]) подачу тепло-носителя из подающей магистрали тепловой сети на элеваторный узел смешения. Выбор двухпози-ционного закона регулирования авторы работы объясняют тем, что «…пропорциональное… регу-лирование расхода теплоносителя в силу недопус-

Панферов Сергей Владимирович – канд. техн. наук, доцент кафедры теплогазоснабжения и вентиляции, Южно-Уральский государственный университет; tgsiv@ mail.ru Панферов Владимир Иванович – д-р техн. наук, про-фессор, заведующий кафедрой теплогазоснабжения и вентиляции, Южно-Уральский государственный универ-ситет; [email protected]

тимой разрегулировки… систем отопления непри-менимо» [1]. Такая система автоматического регу-лирования (САР) вообще-то решает проблему управления отоплением здания, в том числе и в период «срезки» погодного графика. Однако инер-ционность локального контура с обратной связью достаточно велика, поэтому не следует рассчиты-вать на высокое качество поддержания температу-ры внутреннего воздуха здания.2

Если рассматривать любой другой период, кроме периода «срезки», то качество управления можно повысить, применяя «хороший» погодный график. В этом случае контур, работающий по отклонению температуры внутреннего воздуха от задания, должен будет исправлять лишь неболь-шие величины этих отклонений, обусловленные как неидеальностью погодного графика, так и дей-ствием других неосновных возмущений теплового

Panferov Sergey Vladimirovich – Candidate of Science (Engineering), Associate Professor of Heat and Gas Supply and Ventilation Department of South Ural State University; [email protected] Panferov Vladimir Ivanovich – Doctor of Science (Engi-neering), Professor, Head of Heat and Gas Supply and Ven-tilation Department of South Ural State University; [email protected]

УДК 621.311.22.011

АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ СИСТЕМАМИ ОТОПЛЕНИЯ С ЭЛЕВАТОРНЫМ ПРИСОЕДИНЕНИЕМ С.В. Панферов, В.И. Панферов

AUTOMATIC CONTROL FOR HEATING SYSTEMS WITH WATER JET PUMP ACCESSION S.V. Panferov, V.I. Panferov

Рассматривается проблема автоматического управления элеваторными системами отопления зданий. Предлагается импульсный алгоритм управления, позволяющий ис-ключить «перетопы» зданий, в том числе и в период «срезки» температурного графика централизованного теплоснабжения. Скважность управляющих импульсов вычисляет-ся по результатам измерения либо температуры сетевой воды и ее расхода, либо тепло-носителя на входе системы отопления и его расхода в ней.

Ключевые слова: система автоматического регулирования, элеваторная отопительная установка, скважность управляющих импульсов, температурный режим, расход теплоно-сителя.

The problem of automatic control of elevator heating systems in the buildings is consi-dered. The pulse control algorithm which eliminates “overheating” of buildings, including the period of the “cut-off” temperature chart of central heating, is proposed. The duty cycle of the control pulses is calculated by measuring the temperature of network water and its flow rate or the heat-transfer fluid at the inlet of the heating system and its flow rate.

Keywords: automatic control system, water jet pump heating system, duty cycle of control pulses, temperature mode, water flow.


Автоматическое управление системами отопления с элеваторным присоединением

2013, том 13, № 1 43

режима здания. Вследствие этого, даже и при большой инерционности замкнутого контура каче-ство регулирования может быть достаточно хоро-шим. В период «срезки» отработка основного воз-мущения ТРЗ – температуры наружного воздуха – возлагается только на замкнутый контур, канал компенсации этого возмущения, реализующий алгоритм погодного регулирования, в этом случае не работает, поэтому и качество регулирования в такой системе заметно снижается.

В работе [3] рассматривается задача управле-ния системой отопления, имеющей два параллель-но включенных элеватора, один из элеваторов считается базовым и работает в обычном нерегу-лируемом режиме, на выходе другого – регули-руемого элеватора устанавливается электромаг-нитный вентиль, управляемый двухпозиционным регулятором. При этом двухпозиционный регуля-тор отрабатывает погодный график «температура наружного воздуха – температура воды в общем для группы зданий обратном трубопроводе тепло-вой сети». Система автоматизации работает сле-дующим образом. При высоких температурах на-ружного воздуха, соответствующих участку «срез-ки», температура обратной воды будет завышена, вследствие этого двухпозиционный регулятор вы-ключит регулируемый элеватор, система отопле-ния будет работать только с базовым элеватором. Подача теплоты на отопление сокращается. При этом поступление прямой воды из камеры смеше-ния выключенного регулируемого элеватора в об-ратную линию системы отопления блокируется обратным клапаном [3]. Кроме того, системой ав-томатизации предусматривается сокращение пода-чи теплоты на отопление и в часы большого водо-разбора из системы горячего водоснабжения (ГВС) зданий. Для этого используется специальный про-граммный блок. Обоснованность выбора импульса о температуре обратной воды для целей автомати-ческого регулирования, как нам представляется, объясняется следующими соображениями.

С помощью несложных выкладок нетрудно показать, что температура обратной воды ОБРt является функцией вида:

СО СООБР СО

СО СО

1 ( ) (2 )1 ( ) (2 )

kF cGt t

kF cG

СО СОВ

СО СО

( ) ( )1 ( ) (2 ) /

kF cGt

kF cG

, (1)

где СОt – температура воды на входе системы ото-пления (после элеваторов); Вt – температура внут-реннего воздуха; c – удельная теплоемкость теп-лоносителя; СОG – массовый расход теплоносите-ля через систему отопления; СО( )kF – произведе-ние коэффициента теплопередачи на площадь по-верхности теплообмена для всей системы отопле-ния, это тот параметр, который подлежит опреде-лению при идентификации модели системы ото-

пления. Таким образом, при постоянных СОG и

СОt температура обратной воды ОБРt однозначно характеризует температуру внутреннего воздуха Вt , следовательно, данную систему управления в оп-ределенной мере можно отнести к системам с об-ратной связью по Вt , что, в общем-то, является дос-таточно положительным качеством этой системы.

Кроме того, по ОБРt можно судить и о расхо-де теплоносителя на данный абонентский ввод, поддержание этого параметра на заданном уровне является важной задачей эксплуатирующих орга-низаций. Дело в том, что при уменьшении гидрав-лического сопротивления какого-либо абонента расход воды на этот абонент увеличивается, вследствие этого ОБРt вырастет, при этом пьезо-метрический график сети, образно говоря, «сужа-ется», потери напора на других абонентских вво-дах заметно снижаются, что приводит к резкому сокращению расхода воды на эти абоненты, т. е. к их «недотопу». Также из-за «подъема» пьезомет-рического графика обратной магистрали возможно разрушение отопительных приборов абонентов с зависимым присоединением к тепловой сети и низкими геодезическими отметками. Поэтому кон-троль ОБРt является важнейшей функцией систе-мы автоматизации.

В работе [4] проблему «перетопа» в период «срезки» в открытых системах теплоснабжения предлагают решать путем уменьшения температу-ры точки излома с 70 °С до 60 °С , по данным ав-тора этой работы теоретическая величина «пере-топа» в этом случае снизится с 71 до 36,6 %. Однако при этом будет происходить уменьшение теплофикационной нагрузки ТЭЦ и повышение доли конденсационной выработки электроэнергии, что является достаточно нежелательным обстоя-тельством.

Следует заметить, что проблема «перетопа» в период «срезки» реализуемого на источнике теп-лоты температурного графика порождается при-менением на неавтоматизированных абонентских вводах зданий нерегулируемых, как правило, эле-ваторных узлов смешения. Если же на индивиду-альный тепловой пункт (ИТП) здания смонтиро-вать регулируемый узел смешения, например, на базе насосов с частотно-регулируемым электро-приводом, то такой проблемы просто не возникает. Однако при этом необходимо учитывать следую-щие обстоятельства.

Согласно данным автора работы [5], выпус-каемые ведущими мировыми фирмами насосы «…характеризуются удивительно низким значе-нием КПД», имеют «…недостаточно высокую надежность» и высокую стоимость. Вместе с тем, по оценкам автора той же работы [5], «…единственный недостаток элеватора, в целом очень простого, надежного и непритязательного в эксплуатации» заключается в том, что он имеет


С.В. Панферов, В.И. Панферов


постоянный (нерегулируемый) коэффициент сме-шения. Однако, по мнению автора работы [5], этот недостаток можно устранить, если применить так называемое прерывистое отопление. При этом под термином «прерывистое отопление» в данном слу-чае понимается поддержание заданного графика зависимости температуры обратной воды от тем-пературы наружного воздуха с помощью двухпо-зиционного регулятора. Двухпозиционный регуля-тор включает электромагнитный клапан на по-дающем трубопроводе перед элеватором, причем параллельно клапану устанавливается байпасная линия, обеспечивающая некоторый расход прямой воды на элеватор при закрытом клапане, т. е. осу-ществляется двухпозиционное регулирование не-полным притоком. Перед клапаном с байпасной линией устанавливается регулятор перепада дав-ления между подающим и обратным трубопрово-дами абонентского ввода, устраняющий избыток перепада давления между подающей и обратной магистралями тепловой сети. Схема данной САР приведена на рис. 1.

По оценкам автора работы [5] технические средства для реализации данного подхода доста-точно просты, надежны и имеют значительно меньшую стоимость, чем насосные системы и сис-темы с клапанами пропорционального регулиро-вания. Опыт применения таких систем регулиро-вания по данным [5] показал их высокую эконо-мическую эффективность. Вместе с тем, необхо-димо отметить, что указанная система автоматиче-ского регулирования процесса отопления решает задачу отработки погодного графика и поддержа-ния должного значения температуры внутреннего воздуха достаточно приближенно. Дело в том, что при полном отключении системы отопления от тепловой сети сигнал датчика температуры, уста-новленного на обратном трубопроводе, вообще не несет никакой информации о ТРЗ. Попытка разра-ботчиков данной системы устранить этот недоста-ток пропуском через байпасную по отношению к регулирующему клапану линию 20%-ного расхода воды через систему отопления в период отключе-

ния (хотя и неполного) мало что дает, так как со-гласно уравнению (1) ОБРt однозначно характери-зует ТРЗ только при постоянном значении СОG . При 100%-ном расходе эта зависимость одна, а при 20%-ном совершенно другая, да и погодный график указывается для расчетного расхода воды через систему отопления. Кроме того, как уже от-мечалось выше, неизбежна и гидравлическая раз-регулировка системы. Поэтому необходима разра-ботка других способов решения проблемы.

Возможные схемы регулирования элеватор-ных систем отопления обсуждаются также и в ра-боте [6], здесь указываются приемлемые способы решения проблемы отработки погодного графика отопления зданий, в том числе и в период «срез-ки». Причем весьма интересны предложения авто-ров, касающиеся того, как можно регулировать коэффициент смешения элеватора.

Как известно [7], коэффициент смешения эле-ватора зависит только от его геометрических раз-меров и сопротивления подключенной гидравли-ческой цепи. Коэффициент смешения не зависит от перепада давления между сетевой водой перед соплом и обратной водой в приемной камере эле-ватора. Изменение указанного перепада давления вызывает изменение расхода сетевой воды, пере-пада давления, создаваемого элеватором, и про-порциональное изменение расхода воды в системе отопления, коэффициент смешения остается при этом постоянной величиной. Но это имеет место только при постоянном сопротивлении подклю-ченной к элеватору гидравлической цепи. Если же это сопротивление изменять, то будет меняться и коэффициент смешения элеватора. В работе [6] предлагается изменять коэффициент смешения элеватора, меняя сопротивление клапана, установ-ленного либо на элеваторной перемычке, либо за диффузором элеватора. Таким образом, погодный график регулирования отопления поддерживается должным образом во всем диапазоне изменения температур наружного воздуха. Недостатком тако-го способа регулирования является то, что в под-

Рис. 1. Схема двухпозиционной САР: 1 – контроллер, 2 – двухходовой клапан с электроприводом и байпасной линией, 3 – датчик темпера-туры наружного воздуха, 4 – датчик температуры обратной воды, 5 – элеватор, 6 – регулятор перепада давления

1

2

3

4

5

6



2013, том 13, № 1 45

ключенную к элеватору гидравлическую цепь вво-дится дополнительное сопротивление, а это при-водит к дополнительным энергетическим затратам по сравнению с прерывистым способом регулиро-вания отопления. При этом, конечно, в точке под-ключения к тепловой сети должен быть достаточ-ный избыточный перепад давления [6].

Тем не менее автор работы [8] считает непри-емлемым применение элеваторов в энергоэффек-тивных системах отопления. Вышеуказанные спо-собы автоматического регулирования элеваторных систем почему-то оказались не принятыми во внимание. Пропагандируются широко используе-мые в Западной Европе автоматизированные на-сосные узлы смешения. Однако в нашей стране и в странах СНГ удельный вес находящихся в экс-плуатации элеваторных узлов достаточно велик, поэтому актуальна разработка высококачествен-ных систем управления отоплением именно с та-кими узлами смешения.

Предлагаемые решения Как нам представляется, эффективное реше-

ние данной проблемы все-таки существует и за-ключается в применении прерывистого отопления, только реализуемого не с помощью двухпозици-онного регулятора и погодного графика или об-ратной связи по Вt , а в режиме импульсного управления системой отопления.

В работе [9, с. 35] указывается, что при «…двухпозиционном (прерывистом) регулирова-нии… регулирующим воздействием является… период включения (отключения) нагревательных приборов».

В том случае, когда фактическая мощность системы отопления СОW при данных значениях параметров теплоносителя и температуры наружно-го воздуха является избыточной, в здании устанав-ливается некоторая температура max

Вt , которая бу-

дет заметно превышать свое заданное значение ЗВt .

При этом подчеркнем, что такая ситуация может иметь место не только в период «срезки» темпера-турного графика регулирования, но и в любой дру-гой период, так как «…построение графика ориен-тировано на обезличенное здание… при расчетной температуре внутреннего воздуха 18 °С» [10, с. 458]. В таком случае с целью экономии расхода теплоты на отопление и обеспечения приемлемых внутрен-них климатических условий может применяться импульсный режим отопления зданий, при кото-ром в течение некоторого периода длительностью T система отопления на время T включается на полную мощность СОW , а затем полностью от-ключается до конца периода. При этом возникает вопрос: как следует выбирать длительность пе-риода T и скважность импульсов , чтобы тем-пература внутри здания поддерживалась в задан-ных пределах?

Скважность можно определить следующим образом. Понятно, что в стационарном режиме мощность системы отопления СОW должна рав-няться теплопотерям здания при температуре, ус-тановившейся внутри него, и при температуре, которая наблюдается снаружи. Если потери тепло-ты оценивать по формуле Н.С. Ермолаева, то для случая, когда система отопления мощностью СОW работает в режиме постоянного включения, долж-но выполняться следующее соотношение:

maxСО В Н( )VW q t t V , (2)

где Vq – удельная тепловая характеристика зда-ния; V – его объем; Нt – температура наружного воздуха. В случае же, когда скважность импульсов подобрана должным образом, получим

ЗСО B Н( )VW q t t V . (3)

Здесь СОW – средняя за период T мощность сис-темы отопления в импульсном режиме. Разделив уравнение (3) на уравнение (2), получим, что скважность импульсов следует определять так:

З maxВ Н В Н( ) ( )t t t t . (4)

Температуру maxВt можно вычислить по мате-

матической модели теплового режима здания, ко-торая, очевидно, предварительно должна быть на-строена на реальный процесс. В частности, это можно сделать и по уравнению (2), которое пред-ставляет собой математическую модель стацио-нарного режима. Для этого только нужно иметь в виду, что мощность системы отопления можно вычислить по следующей формуле:

СО СО НСО

СО СО СО

( ) ( )1 ( ) ( ) ( ) (2 )V

kF t tW

kF q V kF cG

. (5)

Подставляя данное выражение в (2), найдем из него формулу для вычисления max

Вt :

max Н СО СО НВ

СО СО СО

( ) ( )( ) ( ) ( ) (2 ) ( )V V

t kF t tt

q V kF kF cG q V

, (6)

а затем и требуемую скважность управляющих импульсов :

ЗВ Н

СО Н

t tt t

СО СО1 ( ) ( ) ( ) (2 )V Vq V kF q V cG . (7)

Как это видно из формулы (7) скважность управляющих импульсов является функцией температуры наружного воздуха Нt , заданного

значения температуры внутреннего воздуха ЗВt ,

температуры воды на входе системы отопления СОt и расхода воды через систему отопления зда-

ния СОG . Кроме того, также зависит от харак-теристики системы отопления – параметр СО( )kF и теплозащитных свойств и размеров здания – па-раметр ( )Vq V .



На рис. 2 приведены кривые зависимости скважности управляющих импульсов туры наружного воздуха Нt для трех значений тепературы на входе системы отопления для СО 70 Ct , кривая 2 для СОtдля СО 30 Ct . При этом вычисления производ

лись по формуле (7) при Vq

СО( ) 1680 Вт/°СkF , ЗВ 18 Ct

СО 1,57 кг/сG . Как видно из рис. 2, с увеличением

туры наружного воздуха Нt скважность управлящих импульсов уменьшается, что и ожидалось.

Анализ формулы (7), в том числе и прямые вчисления по ней, показали, что скважность упраляющих импульсов растет в следующих случаях:

Рис. 2. Зависимость скважности управляющих импульсов

Рис. 3. Схема 11–6

6

С.В. Панфе


кривые зависимости скважности управляющих импульсов от темпера-

для трех значений тем-пературы на входе системы отопления СОt : кривая 1

СО 50 Ct и кривая 3 . При этом вычисления производи-

30,168 Вт/(м °С)q ,

18 C , 31700 мV ,

Как видно из рис. 2, с увеличением темпера-скважность управляю-

уменьшается, что и ожидалось. Анализ формулы (7), в том числе и прямые вы-

числения по ней, показали, что скважность управ-растет в следующих случаях:

1) с увеличением параметра с ухудшением теплозащитных свойств здания;

2) с уменьшением параметра с ухудшением теплотехнических характеристик системы отопления и вследствие этого ее мощнсти при прочих равных условиях;

3) с уменьшением расхода воды систему отопления.

Для вычисления , как это видно из формулы (7), требуется измерять температуру наружного водуха Нt , температуру СОt входе системы отопления (после элеваторов или кких-либо других нерегулируемых узлов смешения). Схема такой системы управления

Возможно, что более предпочтительным бдет измерение температуры вой воды в подающей магистрали, в этом случае

Рис. 2. Зависимость скважности управляющих импульсов от температуры наружного воздуха Нt

Рис. 3. Схема 1-го варианта импульсной системы управления: 6 – обозначения как на рис. 1; 7 – расходомер

31

2 5

6

4

7

С.В. Панферов, В.И. Панферов


с увеличением параметра ( )Vq V , т. е. с ухудшением теплозащитных свойств здания;

с уменьшением параметра СО( )kF , т. е. с ухудшением теплотехнических характеристик системы отопления и вследствие этого ее мощно-сти при прочих равных условиях;

с уменьшением расхода воды СОG через

, как это видно из формулы температуру наружного воз-

и расход СОG воды на входе системы отопления (после элеваторов или ка-

либо других нерегулируемых узлов смешения). управления приведена на рис. 3.

Возможно, что более предпочтительным бу-дет измерение температуры Ct и расхода CG сете-вой воды в подающей магистрали, в этом случае

3



2013, том 13, № 1 47

мощность системы отопления СОW следует выра-зить через температуру Ct , как это сделано в [11]. Данная формула будет иметь вид

С НСО C

C C

СО

0,51 ( ) V

t tW cG

cG cGkF q V

, (8)

где – коэффициент смешения. Схема системы управления для этого случая приведена на рис. 4.

При реализации предлагаемого способа сле-дует иметь в виду, что его эффективность во мно-гом зависит от точности модели, отражающей влияние возмущения на выходную величину объ-екта управления, т. е. от характеристик канала «температура наружного воздуха – регулируемая температура». Хорошо известно, что эти характе-ристики заметно меняются, например, из-за старе-ния здания и его системы отопления, при накопле-нии влаги в ограждающих конструкциях и т. п. Поэтому вполне понятно, что для построения вы-сококачественной системы управления необходи-мо своевременно отслеживать изменение этих ха-рактеристик, т. е. решать задачу идентификации модели канала. Способы решения данной пробле-мы достаточно детально изложены в работе [12].

Длительность периода T , позволяющую дос-тигать заданного качества процесса управления, следует определять по способу работы [13].

Заключение Разработан способ импульсного управления

температурным режимом зданий с элеваторным присоединением систем отопления. Приводятся два варианта структуры системы управления и процедуры вычисления скважности управляющих импульсов по данным измерения либо температу-ры сетевой воды и ее расхода, либо теплоносителя на входе системы отопления и его расхода в ней.


1. Грислис, В.Я. Автоматизация элеваторных узлов систем отопления / В.Я. Грислис, С.А. Чакш, И.А. Стуйт // Водоснабжение и санитарная тех-ника. – 1981. – № 7. – С. 22–23.

2. Богуславский, М.С. Эксплуатация инженер-

ного оборудования общественных зданий / М.С. Бо-гуславский. – М.: Стройиздат, 1990. – 239 с.

3. Драчнев, В.П. Автоматизированная систе-ма централизованного управления работой тепло-вых пунктов / В.П. Драчнев // Водоснабжение и санитарная техника. – 1982. – № 11. – С. 14–17.

4. Шелудько, Л.П. Анализ возможности со-кращения «перетопа» тепловых потребителей при «изломе» температурного графика теплосе-ти / Л.П. Шелудько // Новости теплоснабжения. – 2004. – № 05. – С. 41–44.

5. Гершкович, В.Ф. Так ли уж плох элеватор? / В.Ф. Гершкович, К.Д. Маргулис // Новости тепло-снабжения. – 2002. – № 4 (19). – С. 37–39.

6. Байбаков, С.А. О возможностях регулиро-вания элеваторных узлов систем отопления / С.А. Байбаков, К.В. Филатов // Новости тепло-снабжения. – 2010. – № 7. – С. 38–44.

7. Соколов, Е.Я. Теплофикация и тепловые сети: учеб. для вузов / Е.Я. Соколов – 7-е изд., стер. – М.: Изд-во МЭИ, 2001. – 472 с.

8. Грановский, В.Л. Энергоэффективные сис-темы отопления: тенденции, практика, проблемы / В.Л. Грановский // АВОК. – 2011. – № 8. – С. 40–44.

9. Зингер, Н.М. Повышение эффективности ра-боты тепловых пунктов. / Н.М. Зингер, В.Г. Бестол-ченко, А.А.Жидков. – М.: Стройиздат, 1990. – 188 с.

10. Сканави, А.Н. Отопление: учеб. / А.Н. Ска-нави, Л.М. Махов. – М.: Изд-во АСВ. – 2002. – 576 с.

11. Панферов, В.И. К теории управления ре-жимами централизованного теплоснабжения / В.И. Панферов, С.В. Панферов // Вестник ЮУрГУ. Серия «Строительство и архитектура». – 2011. – Вып. 12. – № 16 (233). – С. 41–45.

12. Панферов, С.В. Структурно-параметри-ческий синтез адаптивной системы управления температурным режимом отапливаемых зданий: автореф. дис. … канд. техн. наук / С.В. Панферов. – Челябинск, 2011 – 20 с.

13. Васильев, Ю.С. Об определении скважно-сти и периода при импульсном режиме отопления зданий / Ю.С. Васильев, В.И. Панферов // Вестник ЮУрГУ. Серия «Строительство и архитектура». – 2009. – Вып. 8. – № 16 (149). – С. 38–42.


Рис. 4. Схема 2-го варианта импульсной системы управления: обозначения как на рис. 3

3 1

5

6

7

4 2



Введение1 Существующая материальная база большей

части отечественных физических лабораторий создавалась во второй половине прошлого века. Используемое оборудование нередко актуально с точки зрения применяемых аналитических мето-дов, но не удовлетворяет современным требовани-ям по полноте, точности и достоверности полу-чаемых результатов. Одним из возможных путей решения этой проблемы может быть модернизация систем сбора данных существующей аппаратуры на базе современных устройств ЦАП/АЦП.

Запись быстроизменяющихся зависимостей, возможность регистрации нескольких параллель-

Бессонова Валентина Анатольевна – мл. науч. со-трудник, Институт электрофизики УрО РАН; valentina. [email protected] Кузнецов Вадим Львович – д-р техн. наук, зав. лабора-торией импульсных источников излучения, Институт электрофизики УрО РАН; [email protected] Скоморохов Денис Сергеевич – мл. науч. сотрудник, Институт электрофизики УрО РАН; [email protected] Чепусов Александр Сергеевич – мл. науч. сотрудник, Институт электрофизики УрО РАН; [email protected]

ных процессов, снижение нагрузки на оператора – далеко не полный перечень достоинств систем с автоматизацией сбора информации. Программа управления в среде Visual Basic пакета Microsoft Office может быть написана и запущена практиче-ски на любом персональном компьютере, что по-зволяет в короткое время адаптировать систему сбора информации для автоматизации нового экс-перимента.2

В настоящей статье описана автоматизация масс-спектрометрии газового состава отпаиваемых рентгеновских источников, измерений автоэмис-сионных характеристик углеродных материалов, исследований предпробойных процессов на по-

Bessonova Valentina Anatolevna – Junior Researcher of Institute of Electrophysics of the Ural Division of the Rus-sian Academy of Science (IEP UD RAS); valentina.bessonova @gmail.com Kuznetsov Vadim Lvovich – Doctor of Science (Enginee-ring), Head of Laboratory of Pulsed Irradiation Sources of IEP UD RAS; [email protected] Skomorokhov Denis Sergeevich – Junior Researcher of IEP UD RAS; [email protected] Chepusov Alexander Sergeevich – junior researcher of IEP UD RAS; [email protected]

УДК 53.087.4

АВТОМАТИЗАЦИЯ ЭКСПЕРИМЕНТА С ПОМОЩЬЮ УСТРОЙСТВА ВВОДА-ВЫВОДА RL-88AC В.А. Бессонова, В.Л. Кузнецов, Д.С. Скоморохов, А.С. Чепусов

AUTOMATIZATION OF EXPERIMENTS BY MEANS OF INPUT-OUTPUT DEVICE RL-88AC V.A. Bessonova, V.L. Kuznetsov, D.S. Skomorokhov, A.S. Chepusov

Рассмотрено применение устройства ввода-вывода RL-88AC для автоматизации физических экспериментов. Реализована возможность формирования необходимых сигналов управления и записи данных в ПК по 8 каналам. Осуществлена автоматиза-ция экспериментов по регистрации спектра масс, вольт-амперных характеристик, предпробойных процессов на поверхности изоляторов. Реализована система автомати-зации измерений рентгеновского фотоэлектронного спектрометра. Оригинальное про-граммное обеспечение для каждой задачи написано на языке VBA в среде MS Excel.

Ключевые слова: физический эксперимент, регистрация данных, сбор информации, про-грамма управления, многоканальный режим.

Applications of input-output device RL-88AC for physical experiments automation are considered. This device allows the formation of necessary control signals and provides data registration by PC up to 8 channels. The automation of experiments with registration of mass-spectra, volt-ampere characteristics and pre-breakdown insulator surface processes has been carried out. The measurement system for X-ray photoelectron spectrometer has been realized. The original software using VBA for MS Excel has been developed for every task.

Keywords: physical experiment, data registration, information acquisition, control program, multichannel mode.


Автоматизация эксперимента с помощьюустройства ввода-вывода RL-88AC

2013, том 13, № 1

верхности изоляторов, развертки и сбора данных при регистрации фотоэлектронных спектров на базе устройства ввода-вывода RL-88AC [1].

Устройство ввода-вывода данныхСистема ввода-вывода данных RL

пользует 12-разрядные цифроаналоговые преобрзователи (ЦАП) и аналого-цифровые преобразовтели (АЦП) и имеет 8 входных и 8 выходных кналов. Упрощенная функциональная схема усройства представлена на рис. 1. Переключениемежду каналами осуществляется аналоговыми коммутаторами. Для получения многоканального режима выходных сигналов используется аналогвое запоминающее устройство.

Время преобразования АЦП – 246,4 мкс, ЦАП 15 мкс. Уровни входного и выходного напряжения от –10 до +10 В, входное сопротивление Питание устройства осуществляется от выносного блока с напряжением 24 В и мощностью 3 Вт.

Масс-спектрометр Для исследования газового состава в объеме

вакуумной камеры при кондиционировании опаиваемых рентгеновских трубок применяется масс-спектрометр МХ-7403 (диапазон регистрации

1 300M e , скорость развертки до 10 Для непрерывного контроля газового состава окачиваемого изделия в процессе кондиционировния разработан аппаратно-программный комплекс на основе RL-88AC. Блок-схема подключения масс-спектрометра к персональному компьютеру (ПК) приведена на рис. 2.

Формирование сигнала управления произвдится по первому каналу цифроаналогового пробразователя (ЦАП). Развертка спектра определется напряжением с выхода ЦАП. Калибровка

Рис.

Автоматизация эксперимента с помощью 88AC

ерхности изоляторов, развертки и сбора данных при регистрации фотоэлектронных спектров на

88AC [1].

вывода данных данных RL-88AC ис-

разрядные цифроаналоговые преобра-цифровые преобразова-

тели (АЦП) и имеет 8 входных и 8 выходных ка-налов. Упрощенная функциональная схема уст-

на рис. 1. Переключение ществляется аналоговыми

коммутаторами. Для получения многоканального режима выходных сигналов используется аналого-

246,4 мкс, ЦАП – 15 мкс. Уровни входного и выходного напряжения

ое сопротивление – 1 МОм. Питание устройства осуществляется от выносного блока с напряжением 24 В и мощностью 3 Вт.

Для исследования газового состава в объеме вакуумной камеры при кондиционировании от-паиваемых рентгеновских трубок применяется

7403 (диапазон регистрации , скорость развертки до 10 м/с ) [2].

Для непрерывного контроля газового состава от-кондиционирова-

программный комплекс схема подключения

спектрометра к персональному компьютеру

Формирование сигнала управления произво-дится по первому каналу цифроаналогового пре-образователя (ЦАП). Развертка спектра определя-ется напряжением с выхода ЦАП. Калибровка

спектра выполняется по реперным массам (водрод, вода, азот, кислород, тяжелые углеводороды). По значениям реперных масс рассчитаны коэффциенты отношения M e . Измерительный коплекс обеспечивает выбор диапазона масс в вывдимых на запись спектрах. Запись данных проиводится с выхода масс-спектрометра на пишущий прибор и через первый канал преобразователя (АЦП) в ПК.

Рис. 2. Блок-схема подключения масс-спектрометра

Для всех реализованных измерительных ко

плексов использовано общее уравнение измерний:

A kN C , где A – измеряемая величина; АЦП; k, C – константы пересчета, вычисляемые по реперным точкам.

Один из получаемых массна рис. 3.

Регистрация вольт-амперных характеристик При исследовании автоэмиссионных свойств

углеродных материалов проводится регистрация вольт-амперных характеристик, давления остатоных газов в камере и температуры образца [3]. Для

Рис. 1. Функциональная схема RL-88AC

49

спектра выполняется по реперным массам (водо-род, вода, азот, кислород, тяжелые углеводороды). По значениям реперных масс рассчитаны коэффи-

M e . Измерительный ком-плекс обеспечивает выбор диапазона масс в выво-димых на запись спектрах. Запись данных произ-

спектрометра на пишущий канал аналого-цифрового

преобразователя (АЦП) в ПК.

схема подключения спектрометра

Для всех реализованных измерительных ком-плексов использовано общее уравнение измере-

измеряемая величина; N – число отсчетов константы пересчета, вычисляемые по

Один из получаемых масс-спектров приведен

амперных характеристик При исследовании автоэмиссионных свойств

углеродных материалов проводится регистрация актеристик, давления остаточ-

ных газов в камере и температуры образца [3]. Для



снятия вольт-амперных характеристик используеся ПО, позволяющее программно изменять выское напряжение на аноде. На рис.блок-схема установки для регистрации вольтамперных характеристик.

При регистрации вольт-амперных характерстик ЦАП RL-88AC формирует управляющий синал генератора развертки напряжения. Напряжние источника в диапазоне 0÷10анод измерительной ячейки через балластное спротивление (Rb). По каналам АЦП регистрируюся напряжение на электродах измерительной ячеки, ток эмиссии, давление в вакуумном объеме,

Рис. 3. Спектр масс, полученный при контроле герметичности

Рис. 4. Блок-схема подключения RL

В.А. БессоноваД.С. Скоморохов, А.С. Чепусов


амперных характеристик использует-позволяющее программно изменять высо-

. На рис. 4 приведена схема установки для регистрации вольт-

амперных характери-88AC формирует управляющий сиг-

нал генератора развертки напряжения. Напряже-÷10 кВ подается на

анод измерительной ячейки через балластное со-). По каналам АЦП регистрируют-

напряжение на электродах измерительной ячей-ки, ток эмиссии, давление в вакуумном объеме,

температура образца. Данные с вакуумметра (ВИТ-3) и термопары (ТП) предварительно усилваются операционными усилителями 1IDA200. Управление процессами и регистрация даосуществляется ПК через интерфейс RS

В качестве примера на рис.вольт-амперных характеристик вакуумного

Установка для исследования предпробойныхпроцессов на поверхности изоляторовУстановка предназначена для исследован

электрических характеристик высоковольтных изоляторов в условиях, имитирующих различные

Рис. 3. Спектр масс, полученный при контроле герметичности рентгеновского источника

схема подключения RL-88AC для регистрации вольт-амперных характеристик углеродных материалов

Бессонова, В.Л. Кузнецов, Д.С. Скоморохов, А.С. Чепусов


температура образца. Данные с вакуумметра 3) и термопары (ТП) предварительно усили-

ваются операционными усилителями 1IDA200. Управление процессами и регистрация данных осуществляется ПК через интерфейс RS-232.

В качестве примера на рис. 5 приведена серия амперных характеристик вакуумного диода.

Установка для исследования предпробойных процессов на поверхности изоляторов Установка предназначена для исследования

электрических характеристик высоковольтных изоляторов в условиях, имитирующих различные

амперных характеристик



2013, том 13, № 1

режимы работы рентгеновского источника с врщающимся анодом [4]. В ходе эксперимента неоходимо фиксировать 4 параметра и масс

Установка состоит из двух сверхвысоковакумных объемов. Вакуумный пост, снабженный форвакуумным и паромасляным насосом с остточным давлением 10–8 Торр для комплексных испытаний рентгеновского источника, а также вкуумный пост, оснащенный криогенными и маниторазрядными средствами откачки с остатоным давлением менее 10–9 Торр, для изучения электрической прочности катодных изоляторов.

Блок-схема измерительной системы приведна на рис. 6.

Сигнал управляющего напряжения с ЦАП пдается на источник высокого напряжения. напряжение, изменяющееся в диапазоне 0

Рис. 5. Серия вольт

Рис. 6. Блок


режимы работы рентгеновского источника с вра-щающимся анодом [4]. В ходе эксперимента необ-ходимо фиксировать 4 параметра и масс-спектр.

Установка состоит из двух сверхвысоковаку-умных объемов. Вакуумный пост, снабженный форвакуумным и паромасляным насосом с оста-

Торр для комплексных испытаний рентгеновского источника, а также ва-

й пост, оснащенный криогенными и маг-ниторазрядными средствами откачки с остаточ-

Торр, для изучения электрической прочности катодных изоляторов.

схема измерительной системы приведе-

Сигнал управляющего напряжения с ЦАП по-дается на источник высокого напряжения. Высокое напряжение, изменяющееся в диапазоне 0÷160 кВ,

подается на изолятор. Производится регистрация нескольких потоков данных по каналам АЦП: ощий ток, ток на фланец изолятора, ток на корпус, уровень вакуума, спектр масс. Массработает в режиме временной развертки.

Получаемые при регистрации данных зависмости приведены на рис. 7.

Рентгеновский фотоэлектронный спектрометр Устройство RL-88АС использовано для авт

матизации измерений магнитного энергоанализтора рентгеновского фотоэлектронного спектрметра ЭС ИФМ-4 [5]. Электроннома спектрометра приведена на рис. 8.

Под действием характеристического излучния рентгеновской трубки происходит возбужд

Рис. 5. Серия вольт-амперных характеристик вакуумного диода

Рис. 6. Блок-схема подключения RL-88AC для исследования пробоя изолятора

51

подается на изолятор. Производится регистрация нескольких потоков данных по каналам АЦП: об-щий ток, ток на фланец изолятора, ток на корпус, уровень вакуума, спектр масс. Масс-спектрометр работает в режиме временной развертки.

Получаемые при регистрации данных зависи-

вский фотоэлектронный

88АС использовано для авто-матизации измерений магнитного энергоанализа-тора рентгеновского фотоэлектронного спектро-

4 [5]. Электронно-оптическая схе-ма спектрометра приведена на рис. 8.

действием характеристического излуче-ния рентгеновской трубки происходит возбужде-



ние фотоэлектронов в анализируемом образце. Энергия рентгеновского кванта расходуется в сответствии с уравнением

эа т св сп ,h E U E где эаE – энергия настройки энергоанализатора;

тU – потенциал торможения; свE

сп – работа выхода спектрометра.Из (1) легко получается уравнение измерений

для спектрометра: св эа т спE h E U .

Фотоэлектроны, возбуждаемые хаческим излучением образца, попадают в энерганализатор, настроенный на заданную энергию

Рис. 7. Предпробойные процессы при поднятии напряжения

Рис. 8. Функциональная схема рентгеновского фотоэлектронного

В.А. БессоноваД.С. Скоморохов, А.С. Чепусов


ние фотоэлектронов в анализируемом образце. Энергия рентгеновского кванта расходуется в со-

(1) энергия настройки энергоанализатора;

свE – энергия связи; работа выхода спектрометра.

Из (1) легко получается уравнение измерений

(2) Фотоэлектроны, возбуждаемые характеристи-

попадают в энерго-анализатор, настроенный на заданную энергию

пропускания эаE , определяемую током фокусровки фI . Развертка спектра осуществляется и

менением потенциала торможения энергоанализатор. Сигнал, снимаемый с детектора, проходит через амплитудный дискриминатор и поступает в канал регистрации. Скорость счета характеризует интенсивность данной спектралной линии. Возможность многократного сканирвания заданного энергетического интервала с пследующим суммированием спектров обеспечивет необходимую статистику измерений.

Формирование сигнала управления спектрметра производится с помощью нескольких канлов ЦАП/АЦП. Блок-схема

Рис. 7. Предпробойные процессы при поднятии напряжения

Рис. 8. Функциональная схема рентгеновского фотоэлектронного спектрометра с магнитной фокусировкой

Бессонова, В.Л. Кузнецов, Д.С. Скоморохов, А.С. Чепусов


, определяемую током фокуси-. Развертка спектра осуществляется из-

менением потенциала торможения тU на входе в энергоанализатор. Сигнал, снимаемый с детектора, проходит через амплитудный дискриминатор и поступает в канал регистрации. Скорость счета характеризует интенсивность данной спектраль-

инии. Возможность многократного сканиро-вания заданного энергетического интервала с по-следующим суммированием спектров обеспечива-ет необходимую статистику измерений.

Формирование сигнала управления спектро-метра производится с помощью нескольких кана-

схема приведена на рис. 9.

Рис. 8. Функциональная схема рентгеновского фотоэлектронного



2013, том 13, № 1

По первому каналу ЦАП задается дискретный диапазон регулировки напряжения развертки (шаг 2 В). Внутри этого диапазона через делитель фомируется сигнал для плавной регулировки по втрому каналу ЦАП (минимальный шаг развертки 2 мВ). Суммирование производится на операцио

Рис. 9. Блок

Рис. 10. Спектры поверхности углеродного катода,


По первому каналу ЦАП задается дискретный диапазон регулировки напряжения развертки (шаг

В). Внутри этого диапазона через делитель фор-мируется сигнал для плавной регулировки по вто-рому каналу ЦАП (минимальный шаг развертки

мВ). Суммирование производится на операцион-

ном усилителе ОУ1. На третьем ЦАП и АЦПдля повышения точности определнапряжения развертки формируется последовтельно-параллельный АЦП. Формирование сигнла тока фокусировки производится по четвертому каналу ЦАП. По третьему каналу АЦП регистр

Рис. 9. Блок-схема для записи данных РФЭС

Рис. 10. Спектры поверхности углеродного катода,

рабочая и нерабочая стороны

53

ном усилителе ОУ1. На третьем ЦАП и АЦП 1, 2 для повышения точности определения значения напряжения развертки формируется последова-

параллельный АЦП. Формирование сигна-ла тока фокусировки производится по четвертому каналу ЦАП. По третьему каналу АЦП регистри-


В.А. Бессонова, В.Л. Кузнецов, Д.С. Скоморохов, А.С. Чепусов


руется ток, определяющий энергию настройки энергоанализатора.

Точность измерений обусловлена временем хранения выборки ЦАП3, временем срабатывания ОУ2 и АЦП2 (время измерения ~1 мс).

На рис. 10 приведены получаемые спектры с поверхности катода из искусственных углеродных материалов (рабочая и нерабочая стороны).

Метрологические характеристики Приведенная погрешность АЦП представлен-

ных измерительных комплексов, вычисляемая как 100NX (%) и определяемая верхним пре-

делом измерения – NX , составляет 0,05 %. Здесь Δ – ошибка квантования. Относительная погреш-ность определяется в процессе измерений физиче-ских величин и обусловлена в основном классом точности используемых делителей и шунтов.

Заключение Разработан аппаратно-программный комплекс

для автоматизации процесса управления и регист-рации данных в различных физических экспери-ментах. При использовании устройства ввода-вывода RL-88AC возможно формирование управ-ляющего сигнала по нескольким каналам, а также регистрация потоков данных по 8 каналам.

Для повышения точности измерений на базе устройства ввода-вывода RL-88AC возможно формирование последовательно-параллельных АЦП.

Управление процессами производится из сре-ды MS Excel, что позволяет использовать для про-ведения эксперимента и обработки результатов измерений общий пакет программ.


1. Денисенко, В.В. Серия модулей ввода-вывода «RealLab!» для автоматизации экспери-мента / В.В. Денисенко, Р.С. Кильметов, О.Е. Тру-бачев // Приборы и техника эксперимента. – 2009. – № 1. – С. 171–173.

2. Масс-спектрометр МХ-7304. Техническое описание. SELMI, г. Сумы.

3. Установка для измерения вольт-амперных характеристик углеродных материалов / Е.А. Кис-лов и др. // Альтернативная энергетика и эколо-гия. – 2010. – № 3. – С. 40–43.

4. Отчет по контракту ИЭФ №2/05. Руково-дитель: А.Л. Филатов. Исполнители: В.Л. Кузне-цов, С.Р. Корженевский, Д.С. Скоморохов и др.

5. Прецизионный безжелезный магнитный спектрометр ЭС ИФМ-4 / В.М. Гольдберг и др. // Электронная промышленность. – 1984. – № 2. – С. 84–89.



2013, том 13, № 1 55

Развитие современных радиолокационных и радионавигационных систем связано с повышени-ем точности определения радиолокационных ха-рактеристик объектов, имеющих сложную форму поверхности. Широкое применение стелс-техноло-гий [1, 2] требует от разработчиков использования строгих1 электродинамических подходов к по-строению математических моделей таких объек-тов, так как анализ полей рассеяния необходимо производить с очень высокой точностью. Кроме того, такие модели должны быть достаточно уни-версальными с точки зрения управления геометри-ей поверхности объектов и электрофизических параметров областей размещения композитных радиопоглощающих материалов (РПМ). Очень близки к таким задачам проблемы определения диаграмм направленности (ДН) бортовых антен-ных систем. Оптимизация ДН с учетом влияния объекта установки резко повышает эффективность работы систем ближней радиолокации [3].

Салихов Ринат Рафикович – заместитель главного конструктора ООО «НПО РТС», [email protected] Хашимов Амур Бариевич – канд. физ.-мат. наук, до-цент кафедры конструирования и производства радио-аппаратуры, Южно-Уральский государственный уни-верситет; [email protected]

Широко используемый в настоящее время ме-тод физической теории дифракции (ФТД) позво-лил получить фундаментальные результаты в об-ласти оценки рассеивающих свойств таких объек-тов, как ребра и двугранные вогнутые структуры [4, 5].2 Эти оценки позволили при моделировании реальных объектов выработать критерии скругле-ния резких изломов геометрии, при которых пол-ное поле рассеяния, определяемое методом ФТД и методом интегральных уравнений (ИУ), отлича-ются в пределах контролируемой точности. Об-щим вопросом для всех методов является оценка точности полученных результатов. Она может быть получена из сравнения расчетных и экспери-ментальных результатов, но создание эксперимен-тального образца часто затруднено, стоимость на-турных испытаний, требующих специальных ус-ловий, оказывется очень высокой. Второй способ оценки точности моделирования заключается в решении серии тестовых задач для объектов из-

Salikhov Rinat Rafikovich – Deputy Chief Designer of JSC «NPO RTS», [email protected] Khashimov Amur Barievich – Candidate of Science (Physics and Mathematics), Associate Professor of Radio Equipment Design and Production Department, South Ural State University; [email protected]

УДК 621.396.6(07), 537.8(07)

СУПЕРКОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ПОЛЕЙ РАССЕЯНИЯ НА ОБЪЕКТАХ СЛОЖНОЙ ФОРМЫ Р.Р. Салихов, А.Б. Хашимов

SUPERCOMPUTER SIMULATION OF SCATTERED FIELDS ON COMPLEX SHAPE OBJECTS R.R. Salikhov, A.B. Khashimov

Рассмотрены методы расчета радиолокационных характеристик объектов сложной формы. Предложены математические модели антенных систем, устанавливаемых на таких объектах. Строгие электродинамические соотношения основаны на интеграль-ных уравнениях Фредгольма II рода. Показано, что применение суперкомпьютеров по-зволяет исследовать различные радиолокационные сценарии и оптимизировать диа-граммы направленности бортовых антенных систем.

Ключевые слова: математическая модель, интегральные уравнения, диаграмма рассея-ния, эффективная площадь рассеяния.

In this article the methods for determining of radar characteristycs of complex shape objects are considered. Also the mathematical models of antenna systems, which are usually disposed on such objects, are proposed. The rigorous electrodynamics formulations are based on Fredholm’s integral equations of II type. It is shown that the application of supercomputer simulation allows us to investigate different radar scenes and optimize the patterns of antenna systems.

Keywords: mathematical model, integral equations, scattering field, radar cross section.


Р.Р. Салихов, А.Б. Хашимов


вестной формы, допускающих аналитическое оп-ределение полей рассеяния, например, для идеаль-но проводящей сферы [6]. Здесь основные сложно-сти связаны с реализацией вычислительных про-цедур, требующих значительных компьютерных ресурсов. Широкое применение суперкомпьюте-ров позволило значительно расширить круг задач, решаемых строгими методами.

В строгой электродинамической постановке нахождение поля рассеяния от объекта заданной формы и известного электромагнитного поля воз-буждения можно сформулировать в виде инте-гральных уравнений (ИУ) I и II рода. Каждое из этих уравнений имеет свои специфические осо-бенности, которые определяют выбор численных методов решения. В частности, ИУ I рода с гипер-сингулярным ядром используется для задач с иде-ально проводящими незамкнутыми бесконечно тонкими пластинами [4]:

0

1 lim grad grad4

sc p q qp p

S

iZ p ds

n j

2 ,s iq

S

k ds p

j n E (1)

где c a aZ – волновое сопротивление среды распространения; n – вектор единичной внешней нормали к поверхности объекта S ; sj – распреде-ление электрического поверхностного тока на S ;

iE – вектор напряженности возбуждающего элек-трического поля; ,p q – координатные точки на-блюдения и источника соответственно; 2k ; – длина волны электромагнитного поля;

exp pq pqikr r . Отметим, что численное ре-шение таких ИУ относится к некорректным зада-чам математической физики. Используя предель-ный переход под знаком интеграла и аппроксима-цию решения функциями, удовлетворяющими ус-ловию Мейкснера на границе пластины, можно получить равномерную сходимость решения в классе функций, удовлетворяющих заданным тре-бованиям гладкости. Это требует предварительно-го исследования устойчивости численного метода решения ИУ I рода, что ограничивает его приме-нение для плоских конструктивных элементов ма-лой, но конечной толщины (в сравнении с длиной волны). В действительности любые практические конструкции объектов в местах сопряжения име-ют конечный радиус скругления, допускающий непрерывность нормали. Для замкнутых метал-лических поверхностей широко используется ИУ II рода [7]:

exp1 grad

2pqs s

q qpqS

ikrp q ds

r

j n j

2 ,i p n H (2)

где iH – вектор напряженности возбуждающего магнитного поля. В дальнейшем будем предпола-гать, что геометрические характеристики поверх-ности объекта S удовлетворяют условию непре-рывности нормали n – условию Гельдера [8]:

,p q c p q n n (3)

где , 0 1c – некоторые постоянные. Важно подчеркнуть, что ИУ II рода очень часто исполь-зуются для построения итерационных схем вида Гаусса – Зейделя, последовательной верхней ре-лаксации, что особенно эффективно при использо-вании суперкомпьютерных методов численного решения.

Вместе с тем необходимо отметить, что ИУ II рода сложно использовать для численного ис-следования поля рассеяния объекта, содержащего в своем составе плоские пластины очень малой электрической толщины (для 0,05kd , где d – толщина плоского элемента). Это связано с осо-бенностями ядра ИУ (2), так как при малой тол-щине векторное произведение в ядре ИУ стремит-ся к нулю для достаточно больших расстояний между точками наблюдения и источника. С точки зрения вычислительных процедур такие особенно-сти могут приводить к неконтролируемому пове-дению численного решения, что требует особо тщательного подхода к вычислению квадратур, которые используются для аппроксимации ядра ИУ. Эти квадратуры следуют из общей схемы чис-ленного решения ИУ проекционными методами.

В статье [9] показано, что для решения трех-мерных векторных электродинамических задач при выполнении соответствующих условий по поляризации поля излучения и размеров антенн возможен переход к значительно более простым двумерным скалярным задачам. Это означает, что вместо решения ИУ (2) возможен переход к его скалярному аналогу:

212

p pqv vpq q

pqL

ikj p j q H kr dlr

n r

2 ,iH p (4)

где vj – распределение электрического тока на контуре L , образованном сечением S плоскостью

0 ; 21 pqH kr

– функция Ганкеля первого по-

рядка второго рода от соответствующего аргумен-та; pqr

– радиус-вектор, соединяющий точки на-

блюдения и источника; iH – тангенциальная к контуру L составляющая возбуждающего маг-нитного поля. Такое приближение асимптотиче-ских решений двумерных задач позволяет опреде-лить оценки возможных искажений поля излуче-ния бортовых антенн и получить примерный уро-вень эффективной площади рассеяния (ЭПР) для заданных угловых интервалов.


Суперкомпьютерное моделирование полей рассеяния на объектах сложной формы

2013, том 13, № 1 57

Численное решение ИУ (2) или его скалярно-го аналога (4) дает возможность определить ЭПР объекта или ДН антенной системы, установленной на нем. Основные ограничения, возникающие при численном решении, обусловлены компьютерны-ми ресурсами и погрешностями, возникающими при решении задач очень большой размерности. В связи с этим большое распространение получи-ли итерационные методы численного решения ИУ. Используемая платформа MATLAB предоставляет разработчикам широкие возможности для состав-ления программ с использованием эффективного представления матричных форм Function Handle для метода сопряженных градиентов, обобщенно-го метода взвешенных невязок [10].

Одной из ключевых проблем, возникающих при использовании метода ИУ, является создание моделей объектов и их последующая дискретиза-ция. Необходимо отметить, что универсального метода дискретного представления S не сущест-вует, так как практические требования к исследуе-мым задачам рассеяния весьма разнообразны, на-пример, по степени формализации деполяризи-рующих свойств объекта, по частотным свойствам ЭПР. Наибольшее применение получили два мето-да дискретного представления поверхности S , первый из которых состоит в аппроксимации об-ласти построения численного решения ИУ тонко-проволочной сеточной моделью, имитирующей распределение поверхностного тока sj некоторой линейной структурой, с условиями непрерывности в узлах сопряжения сетки. Для численного реше-ния используется система ИУ Поклингтона [7], с помощью такого подхода решен широкий круг задач, имеющих важное практическое значение. Недостаток такого метода обусловлен его ограни-ченностью в представлении объектов сложной геометрической формы.

Второй метод – метод конечных элементов, получил очень широкое распространение в чис-

ленном решении задач прикладной электродина-мики. К достоинствам этого метода следует отне-сти возможность анализа объектов со сложными геометрическими характеристиками, адаптивное управление количеством и размерами элементов дискретизации исследуемого объекта, а также возможности внутренней манипуляции парамет-рами самого элемента. Разработаны и детально исследованы различные типы элементов дискрети-зации исследуемых поверхностей, допускающих соответствующие аппроксимации численного ре-шения ИУ. Общие оценки эффективности приме-нения конечных элементов различной конфигура-ции основаны на условиях универсальности ап-проксимации поверхности S , а также точности определения компонент вектора нормали к эле-менту декомпозиции, так как находится численное решение векторного ИУ. С точки зрения практиче-ского использования наиболее удобным является треугольный плоский конечный элемент, по гео-метрическим свойствам близкий к равносторонне-му треугольнику. Отметим, что именно это свой-ство обеспечивает высокую точность численного решения, так как вырожденные треугольники с одной стороной, значительно меньшей, чем две другие, могут пересекать линии поверхностных токов с большими вариациями, что резко увеличи-вает общую погрешность решения. На рис. 1 пред-ставлен пример декомпозиции поверхности само-лета Як-40.

Выбор треугольного элемента определяется простотой нахождения всех геометрических пара-метров: координаты вершин треугольника; пло-щадь элемента; компоненты нормали к элементу, необходимые для формирования вычислительного ядра задачи. Важным практическим достоинством триангуляции поверхности S является возмож-ность оперативного управления процессом деком-позиции, при которой определение общего коли-чества элементов задается минимальной площа-

Рис. 1. Типичная картина декомпозиции поверхности объекта




дью элемента, зависящей от требований к точно-сти численного решения задачи и возможностью введения элементов меньшей площади для эффек-тивной аппроксимации резких изломов геометрии поверхности. В ряде работ показано, что скругле-ние таких сингулярных участков цилиндрически-ми или тороидальными поверхностями не приво-дит к росту погрешности численного решения [2]. Большое количество вычислительных эксперимен-тов и сравнение их с известными аналитическими решениями, например, для рассеяния плоской волны на идеально проводящей сфере, показыва-ют, что для практических расчетов такой базовый параметр, как сторона треугольного элемента, можно выбирать в интервале 8 5 . Таким образом, перечисленные свойства треугольных элементов декомпозиции позволяют провести се-рию вычислительных экспериментов и выбрать такую дискретизацию, при которой достигается оптимальное соотношение между временем расче-тов и точностью полученных результатов.

Основным методом декомпозиции поверхно-сти объектов треугольными элементами является триангуляция Делоне [11]. Важной отличительной чертой этого метода является то, что триангуляция Делоне строит набор треугольников, которые «стремятся» к равноугольности, то есть этот набор обладает максимальной суммой минимальных уг-лов всех своих треугольников среди всех возмож-ных триангуляций на заданном наборе точек. Кро-ме того, триангуляция Делоне обладает мини-мальной суммой радиусов окружностей, описан-ных около треугольников, среди всех возможных триангуляций на заданном наборе точек. Эти свойства в большинстве случаев используются для построения алгоритмов триангуляции поверхно-сти. Отметим, что эти алгоритмы эффективно реа-лизованы в современных средствах автоматизиро-ванного проектирования и трехмерной графики. Это обстоятельство имеет практическое значение для разработчиков, так как позволяет быстро фор-мировать геометрию декомпозиции исследуемого объекта с возможностью адаптивной коррекции для участков резкого изменения геометрии по-верхности S . Следует особо подчеркнуть, что в ряде случаев автоматизированная триангуляция поверхности может приводить к существенной неравномерности декомпозиции, особенно для объектов сложной формы. Это проявляется в по-явлении «дефектных» элементов с выраженной неравномерностью сторон, углов и площадей тре-угольников. Поэтому необходима «ручная» кор-рекция отдельных участков триангуляции.

Процесс получения дискретной аппроксима-ции поверхности S с помощью современных про-граммных средств можно разбить на следующие этапы. Вначале модель исследуемого объекта соз-дается в системе трехмерного проектирования. Далее эта модель преобразуется в поверхностную

модель, состоящую из треугольных элементов. Эта процедура является стандартной для программно-го обеспечения трехмерного моделирования. На выходе этого этапа формируется файл с расшире-нием .stl , в котором содержатся данные о коор-динатах вершин треугольников и проекций нор-малей к плоскости каждого треугольника. Полу-ченный файл можно корректировать в зависимо-сти от результатов предварительного анализа ка-чества триангуляции, вводить дополнительные элементы для более точной аппроксимации. Про-граммные средства дают возможность локализо-вать расположение «дефектных» элементов, на-пример, для нахождения номеров элементов с ошибочным определением направления нормали. На рис. 2 представлен пример управления пара-метрами элементов для повышения точности чис-ленного решения ИУ, когда поверхность объекта имеет резкие изменения геометрии в пределах не-большого участка.

Рис. 2. Пример использования элементов

с разными параметрами

В настоящее время использование суперком-пьютеров позволило исследовать значительное количество задач, имеющих большое значение для практических задач радиолокации и радионавига-ции, синтеза бортовых антенных систем. Исполь-зование суперкомпьютеров позволяет получить в распоряжение разработчиков несколько десятков вычислительных ядер и десятки терабайт опера-тивной памяти. Стоит отметить, что это имеет ключевое значение для решения задач рассеяния прямыми численными методами, так как появля-ется возможность построения и вычисления мат-ричных уравнений сверхбольшой размерности.

Численное решение задач рассеяния прово-дилось на вычислительном кластере «СКИФ Урал» Южно-Уральского государственного уни-верситета с использованием программного ком-плекса MATLAB. Пакеты расширения MATLAB Distributed Computing Toolbox и MATLAB Distributed Computing Engine позволяют использо-вать эффективные программные реализации для распределенных вычислений. Вместе с тем, для получения ощутимого эффекта от использования


Суперкомпьютерное моделирование полей рассеяния на объектах сложной формы

2013, том 13, № 1 59

кластера потребовалось радикально изменить про-цедуры формирования и распределенного разме-щения сверхбольших матриц в оперативной памя-ти, решения распределенного матричного уравне-ния. В частности, формирование матриц уравне-ния производится с использованием стандартных программных средств MATLAB, таких как индек-сация и комплексное сопряжение матриц. Это по-зволило создать процедуру блочного формирова-ния для учета векторного характера задачи с по-следовательным объединением матриц в общую матрицу. Такое блочное формирование сущест-венно сокращает временные затраты на формиро-вание общей матрицы, так как здесь можно ис-пользовать эффективный прием работы с вложен-ными циклами, так называемые неявные циклы.

Распределенное размещение сверхбольших матриц матричного уравнения производится на платформе расширений MATLAB. При этом про-цедура размещения матрицы в памяти кластера построена таким образом, что для пользователя

это выражается в использование двух функций – создание распределённой матрицы и сопряжение распределённой матрицы с локальной. Все дейст-вия с этой матрицей не отличаются от действий с обычной матрицей. Распределённое формирование и хранение матриц позволило эффективно исполь-зовать вычислительные возможности кластера, а также провести ряд численных экспериментов для объектов различной размерности и геометрии.

В качестве примера рассмотрим определение ЭПР самолета Як-40 для частоты зондирующего поля 75 МГц. На рис. 3 представлена зависимость ЭПР объекта для 4096 элементов дискретизации поверхности, при этом на каждом элементе опре-деляются три комплексные скалярные компоненты вектора поверхностного тока sj .

Полученные зависимости для различного ко-личества элементов дискретизации хорошо согла-суются между собой в рамках равномерной схо-димости результатов.

Рис. 3. ЭПР самолета Як-40, частота 75 МГц

Рис. 4. Геометрия объекта с бортовой антенной Рис. 5. ДН антенной системы на объекте

200

400

600

800

1000

30

210

60

240

90

270

120

300

150

330

180 0

0.2

0.4

0.6

0.8

1

30

210

60

240

90

270

120

300

150

330

180 0




Второй пример численного решения задачи рассеяния показывает изменение ДН антенной системы в виде электрического диполя, ось кото-рого параллельна образующей корпуса объекта, приведенного на рис. 4. Размеры объекта: диаметр большого торца 2 , диаметр малого торца 0,4 , высота 2, 2 .

На рис. 5 приведена ДН антенны в плоскости, проходящей через оси диполя и объекта. Расчеты показывают существенное влияние поля рассеяния на объекте на ДН диполя, что подчеркивает необ-ходимость проведения математического модели-рования таких задач. Проводя серию таких расче-тов, можно оптимизировать расположение антен-ной системы на объекте.

Выводы 1. Применение ИУ II рода позволяет постро-

ить эффективные математические модели задач рассеяния электромагнитных полей на объектах сложной формы. Квадратурные формулы повы-шенной точности и триангуляция поверхности объекта по методу Делоне обеспечивает высокую точность численного решения с возможностью адаптивного управления процессом декомпозиции. Применение принципа соответствия асимптотиче-ских решений двумерных и трехмерных электро-динамических задач значительно расширяет воз-можности математического моделирования слож-ных практических задач радиолокации, радиона-вигации, проектирования бортовых антенных сис-тем. Сравнение полученных результатов с извест-ными тестовыми решениями показывает высокую эффективность и универсальность предложенных математических моделей.

2. Применение суперкомпьютеров и програм-много обеспечения платформы MATLAB дает возможность исследовать объекты больших элек-трических размеров. Программная реализация ме-тодов формирования блочных матриц обеспечива-ет оптимальное использование кластера. Исполь-зование распределенных вычислений для итераци-онных методов численного решения ИУ еще больше расширит круг задач, имеющих важное практическое значение.

Авторы выражают искреннюю признатель-ность сотрудникам лаборатории суперкомпьютер-ного моделирования ЮУрГУ за ценные консуль-тации по использованию прикладного програм-много обеспечения кластера «СКИФ Урал».

Литература 1. Лагарьков, А.Н. Фундаментальные и при-

кладные проблемы стелс-технологий / А.Н. Ла-гарьков, М.А. Погосян // Вестник Российской ака-демии наук. – 2003. – Т. 73, № 9. – С. 848–862.

2. Сотников, А.М. Оценка отражающих свойств наземных и воздушных объектов с пас-сивной защитой на основе композитных радио-изотопных покрытий / А.М. Сотников, Р.Г. Сидо-ренко, Г.В. Рыбалка // Системы управления, нави-гации и связи: сб. / Харьковский университет Воз-душных Сил им. И. Кожедуба. – 2009. – Вып. 1 (9). – С. 70–74.

3. Борзов, А.В. Цифровое моделирование вход-ных сигналов систем ближней радиолокации от сложных радиолокационных схем конфигурации / А.В. Борзов, А.В. Соколов, В.Б. Сучков // Журнал радиоэлектроники. – 2004. – № 4. – С. 17–58.

4. Захаров, Е.В. Интегральные уравнения с ядрами типа Адамара в задачах дифракции / Е.В. Захаров, А.Г. Давыдов, И.В. Халеева // Актуаль-ные вопросы прикладной математики / под ред. А.Н. Тихонова, А.А.Самарского – М.: Изд-во МГУ, 1989. – С. 164–179.

5. Борзов, А.В. Анализ радиолокационных ха-рактеристик объектов сложной пространствен-ной конфигурации / А.В. Борзов, Р.П. Быстров, А.В. Соколов // Журнал радиоэлектроники. – 1998. – № 1. – С. 34–63.

6. Хенл, Х. Теория дифракции / Х. Хенл, А. Мауэ, К. Вестпфаль. – М.: Мир, 1964. – 333 с.

7. Вычислительные методы в электродина-мике / под ред. Р. Митры. – М.: Мир, 1977. – 486 с.

8. Захаров, Е.В. Численный анализ дифракции радиоволн / Е.В. Захаров, Ю.В. Пименов. – М: Ра-дио и связь, 1982. – 184 с.

9. Войтович, Н.И. О соответствии асим-птотических решений двумерных и трехмерных задач в антенной технике / Н.И. Войтович, А.Б. Ха-шимов // Радиотехника и электроника. – 2010. – Т. 55, № 12. – С. 1471–1476.

10. Ануфриев, И.В. MATLAB 7 / И.В. Ануфри-ев, А.Б. Смирнов, Е.Н. Смирнова. – СПб.: БХВ-Петербург, 2005. – 1090 с.

11. Скворцов, А.В. Эффективные алгоритмы построения триангуляция Делоне / А.В. Скворцов, Ю.Л. Костюк // Геоинформатика. Теория и прак-тика. – Томск: Изд-во Томского ун-та, 1998. – Вып. 1. – С. 22–47.



2013, том 13, № 1 61

Введение1 Значительная часть фонда нефтяных скважин

оснащена скважинными штанговыми насосными установками. Условия эксплуатации глубинно-насосной установки требуют организации пра-вильной ее эксплуатации и постоянного контроля. В настоящее время практически единственным методом контроля состояния глубинного насоса и скважинного оборудования является динамомет-рирование. Гораздо реже для этих целей исполь-зуются ваттметграммы или токограммы. Поэтому вопрос определения дефектов глубинного обору-дования по динамограмме является актуальным. В настоящей статье ставится задача синтеза алго-ритма определения дефектов скважины по дина-мограмме для реализации в контроллере системы управления насосной установки.

Методы обработки динамограмм Существует два класса методик диагностики

работы скважинной штанговой насосной установ-ки (СШНУ) по динамограмме: распознавание об-разов практических динамограмм, основанное на сравнении с эталоном, и определение неисправно-сти исходя из физических законов получения ди-намограммы ненормальной работы насоса.

Садов Виктор Борисович – канд. техн. наук, доцент кафедры систем управления, Южно-Уральский государ-ственный университет; [email protected]

Для первого класса методик можно выделить несколько подходов к решению этой задачи:

– матричное представление практической ди-намограммы;

– анализ признаков Фурье, полученных из практической динамограммы;2

– вычисление признаков на базе рядов, отлич-ных от рядов Фурье;

– анализ отклонения практической динамо-граммы от эталонной;

– выделение релевантных точек на практиче-ской динамограмме.

Пример обучаемой нейронной сети с матрич-ным представлением практической динамограм-мы приведен в [1]. Здесь практическая динамо-грамма переводится в матричную форму цифрово-го представления в бинарном коде с разрешением 14×8, как показано на рис. 1.

Далее на основе данных, полученных в ре-зультате указанного преобразования графического изображения, путем последовательной записи строк «слева направо – сверху вниз», формируется бинарный код динамограммы, представляющий собой вектор-строку из 112 элементов. Для дина-мограммы, показанной на рис. 1, этот вектор будет иметь значение:

Sadov Viktor Borisovich – Candidate of Science (Engi-neering), Associate Professor of Control System Department of South Ural State University; [email protected]

УДК 622.276: 62.7

ОПРЕДЕЛЕНИЕ ДЕФЕКТОВ ОБОРУДОВАНИЯ НЕФТЯНОЙ СКВАЖИНЫ ПО ДИНАМОГРАММЕ В.Б. Садов

DEFINITION OF DEFECTS OF EQUIPMENT OF OIL WELL ON DYNOMOMETER CARD V.B. Sadov

Рассматривается задача анализа динамограммы с целью обнаружения дефектов скважинного оборудования. Приведен обзор разных методов диагностики скважинного оборудования по динамограмме. Дан простой алгоритм, позволяющий определять раз-личные дефекты с возможностью реализации его в контроллере системы управления привода насосной установки.

Ключевые слова: динамограмма, диагностика.

In the article the task of dynamometer card analysis is considered with the purpose of detection of defects of the oil well equipment. The review of different methods of diagnostics of oil well equipment on dynamometer card is presented. The simple algorithm, which allows to detect various defects with an opportunity of its realization in the controller of the control sys-tem of pump unit drive, is given.

Keywords: dynamometer card, diagnostics.



0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 1 1 1 1 1 1 1 1 1 1 00 0 0 1 0 0 0 0 0 0 0 0 1 00 0 1 0 0 0 0 0 0 0 0 1 0 0

din1 .0 0 1 0 0 0 0 0 0 0 0 1 0 00 1 0 0 0 0 0 0 0 0 1 0 0 00 1 1 1 1 1 1 1 1 1 1 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0

Для реализации задачи распознавания динамграмм выбрана двухслойная сеть прямого распрстранения, которая отличается простотой связей между нейронами. Параметры сети получают исхдя из задачи распознавания необходимого числа динамограмм (в статье приведено 9 типов) и спосба их цифрового представления (вектор112 элементов). Сформулированные условия прводят к структуре, изображенной жащей 112 входных нейронов, 9 нейронов выхоного слоя, во внутреннем слое на основе результтов вычислительных экспериментов предлагается использовать 26 нейронов. В качестве функций ативации применена смещенная в положительную область сигмоидальная (логистическая) функция.

Рис. 2.


0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 1 1 1 1 1 1 1 1 1 1 00 0 0 1 0 0 0 0 0 0 0 0 1 00 0 1 0 0 0 0 0 0 0 0 1 0 0

din1 .0 0 1 0 0 0 0 0 0 0 0 1 0 00 1 0 0 0 0 0 0 0 0 1 0 0 00 1 1 1 1 1 1 1 1 1 1 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0

Для реализации задачи распознавания динамо-двухслойная сеть прямого распро-

странения, которая отличается простотой связей между нейронами. Параметры сети получают исхо-дя из задачи распознавания необходимого числа динамограмм (в статье приведено 9 типов) и спосо-ба их цифрового представления (вектор-строка из 112 элементов). Сформулированные условия при-водят к структуре, изображенной на рис. 2, содер-

112 входных нейронов, 9 нейронов выход-ного слоя, во внутреннем слое на основе результа-тов вычислительных экспериментов предлагается

ейронов. В качестве функций ак-тивации применена смещенная в положительную область сигмоидальная (логистическая) функция.

Обучение сети проводится итеративным грдиентным методом с помощью комбинированного алгоритма обратного распространения ошибки с возмущением и адаптацией параметра скорости настройки.

Нейросетевой подход использует также и методика Оганезова [2]. Она была протестирована в Тбилисском государственном университете и в отличие от аналогичных методик выделяется всокой скоростью и точностью клразов. Динамограмма представляется в виде бнарной матрицы. Практическая динамограмма разбивается на M×N ячеек. Ячейка, которая содежит в себе часть динамограммы, обозначается как единица, а пустая ячейка – неисправности используется нейронная сеть, обченная на нескольких эталонных динамограммах, которые также представлены в матричном виде. Обучение производится по нескольким динамграммам, соответствующим одной и той же неиправности. На каждую неисправность строится суммарная матрица, полученная суммированием значений в соответствующих ячейках. В результте путем деления каждого значения в суммарной матрице на количество эталонных образов получется вероятностная матрица. Для распознавания

Рис. 1. Пример оцифровки динамограммы

Рис. 2. Структура двухслойной прямонаправленной

нейронной сети для анализа динамограмм

В.Б. Садов


Обучение сети проводится итеративным гра-диентным методом с помощью комбинированного алгоритма обратного распространения ошибки с

ением и адаптацией параметра скорости

Нейросетевой подход использует также и [2]. Она была протестирована

в Тбилисском государственном университете и в отличие от аналогичных методик выделяется вы-сокой скоростью и точностью классификации об-разов. Динамограмма представляется в виде би-нарной матрицы. Практическая динамограмма

ячеек. Ячейка, которая содер-жит в себе часть динамограммы, обозначается как

как 0. Для диагностики ти используется нейронная сеть, обу-

ченная на нескольких эталонных динамограммах, которые также представлены в матричном виде. Обучение производится по нескольким динамо-граммам, соответствующим одной и той же неис-правности. На каждую неисправность строится суммарная матрица, полученная суммированием значений в соответствующих ячейках. В результа-те путем деления каждого значения в суммарной матрице на количество эталонных образов получа-ется вероятностная матрица. Для распознавания


Определение дефектов оборудованиянефтяной скважины по динамограмме

2013, том 13, № 1

фактической динамограммы на каждую неиспраность строятся так называемые конгруэнтные марицы. Они получаются в результате операции уножения значений точек фактической матрицы на соответствующие по позиции значения точек из вероятностных матриц. После этого строятся дверсивные матрицы. Они получаются следующим образом: если разница между значением точки из матрицы фактической динамограммы и соответсвующим значением точки из вероятностной марицы равно 1, то в диверсивной матрице соотвествующая по позиции точка принимает значение, равное 1, в противном случае – записывается знчение, равное 0. Далее в результате вычитания значений точек вероятностных матриц с соотвествующими по позиции значениями точек из когруэнтных матриц создаются пассивные матрицы. Наконец, на последнем этапе строятся симбиозные матрицы. Они получаются в результате перенесния значений точек, не равных 0, из конгруэнтных, диверсивных и пассивных матриц в одну общую матрицу. Блок-схема алгоритма представлена на рис. 3 [2].

Определение неисправности основано на гпотезе: чем больше конгруэнтных и нулевых точек и меньше диверсивных и пассивных точек в сибиозной матрице, тем ближе изображение матрцы рецепторов к искомой сумматорной матрице образа, то есть к реальному изображению. Другми словами, из всех симбиозных матриц неиправности выбирается матрица с наибольшим кличеством конгруэнтных и нулевых точек.

Данная методика предполагает получение матрицы рецепторов M×N из практической динмограммы. Можно использовать разбиение облати динамограммы, например, на 30 столбцов.

Ввиду того, что значения перемещения и нгрузки на различных динамограммах могут варьровать в очень широких диапазонах, для коррекного использования метода каждая динамограмма нормируется. Все тестируемые динамограммы представляют собой дискретный набор точек «п

Рис. 3. Блок

Определение дефектов оборудования нефтяной скважины по динамограмме

каждую неисправ-ность строятся так называемые конгруэнтные мат-рицы. Они получаются в результате операции ум-ножения значений точек фактической матрицы на соответствующие по позиции значения точек из вероятностных матриц. После этого строятся ди-

ицы. Они получаются следующим образом: если разница между значением точки из матрицы фактической динамограммы и соответст-вующим значением точки из вероятностной мат-рицы равно 1, то в диверсивной матрице соответ-ствующая по позиции точка принимает значение,

записывается зна-чение, равное 0. Далее в результате вычитания значений точек вероятностных матриц с соответ-ствующими по позиции значениями точек из кон-груэнтных матриц создаются пассивные матрицы.

строятся симбиозные матрицы. Они получаются в результате перенесе-ния значений точек, не равных 0, из конгруэнтных, диверсивных и пассивных матриц в одну общую

схема алгоритма представлена на

Определение неисправности основано на ги-потезе: чем больше конгруэнтных и нулевых точек и меньше диверсивных и пассивных точек в сим-биозной матрице, тем ближе изображение матри-цы рецепторов к искомой сумматорной матрице образа, то есть к реальному изображению. Други-

х матриц неис-правности выбирается матрица с наибольшим ко-личеством конгруэнтных и нулевых точек.

Данная методика предполагает получение из практической дина-

мограммы. Можно использовать разбиение облас-ти динамограммы, например, на 30 строк и 30

Ввиду того, что значения перемещения и на-грузки на различных динамограммах могут варьи-ровать в очень широких диапазонах, для коррект-ного использования метода каждая динамограмма

Все тестируемые динамограммы представляют собой дискретный набор точек «пе-

ремещение – нагрузка». При переводе этих динмограмм в матричное представление возникает «разорванный» образ, то есть образ, содержащий пустоты, что оказывает влияние на результат рпознавания. Исходя из этого, одним из этапов поготовки данных должна быть работа по аппроксмации точек на матрице рецепторов. Новое маричное представление динамограммы лишено рарывов и представляет собой замкнутый контур.

Методика Алиева – Тер-Хачатуна аппроксимации сигналов динамограммы усченным рядом Фурье, вычислении и классификции признаков Фурье. Алгоритмы сравнения с эталоном основаны на логических признаках опсания формы динамограммы. В процессе принятия решения о принадлежности динамограммы к оределенному классу полученный набор признаков динамограммы сравнивается с эталонными кодвыми наборами классов, в том числе до полного их совпадения. Проблемы при использовании этой методики связаны с тем, что определенные классы неисправностей СШНУ, такие как утечки в клапнах, откачка с газом и другие нельзя назвать «чекими» классами. Кроме того, формы динамограмм, относящиеся к одному классу состояния оборудвания, зависят от большого числа параметров станка-качалки, основные из которспуска насоса, число качаний, компоновки штаговой колонны, свойства добываемой продукции и др. В этих условиях качество любого алгоритма распознавания определяется возможностью раздлить классы неисправностей независимо от укзанных факторов. Сегодня существует много алгритмов распознавания образов, однако отсутствует единый подход к выбору классификационных прзнаков. Для реализации и тестирования часто ипользуется методика, предложенная Т.М.вым и А.А. Тер-Хачатуровым [3]. Данная методка полностью раскрывает алгоритмы диагностики динамограмм с помощью признаков Фурье. Она содержит рекомендации по преобразованию прзнакового пространства с целью минимизации внутриклассового и максимизации межклассовых

Рис. 3. Блок-схема алгоритма Оганезова

63

нагрузка». При переводе этих дина-мограмм в матричное представление возникает «разорванный» образ, то есть образ, содержащий пустоты, что оказывает влияние на результат рас-познавания. Исходя из этого, одним из этапов под-готовки данных должна быть работа по аппрокси-мации точек на матрице рецепторов. Новое мат-ричное представление динамограммы лишено раз-рывов и представляет собой замкнутый контур.

-Хачатурова основана на аппроксимации сигналов динамограммы усе-ченным рядом Фурье, вычислении и классифика-ции признаков Фурье. Алгоритмы сравнения с эталоном основаны на логических признаках опи-сания формы динамограммы. В процессе принятия

и динамограммы к оп-ределенному классу полученный набор признаков динамограммы сравнивается с эталонными кодо-выми наборами классов, в том числе до полного их совпадения. Проблемы при использовании этой методики связаны с тем, что определенные классы

такие как утечки в клапа-нах, откачка с газом и другие нельзя назвать «чет-кими» классами. Кроме того, формы динамограмм, относящиеся к одному классу состояния оборудо-вания, зависят от большого числа параметров

качалки, основные из которых – глубина спуска насоса, число качаний, компоновки штан-говой колонны, свойства добываемой продукции и др. В этих условиях качество любого алгоритма распознавания определяется возможностью разде-лить классы неисправностей независимо от ука-

Сегодня существует много алго-ритмов распознавания образов, однако отсутствует единый подход к выбору классификационных при-знаков. Для реализации и тестирования часто ис-пользуется методика, предложенная Т.М. Алие-

Хачатуровым [3]. Данная методи-ка полностью раскрывает алгоритмы диагностики динамограмм с помощью признаков Фурье. Она содержит рекомендации по преобразованию при-знакового пространства с целью минимизации внутриклассового и максимизации межклассовых


В.Б. Садов


расстояний. Данный метод предполагает обучение по нескольким динамограммам для каждой неис-правности. Для каждого класса неисправностей строится эталонный вектор, координатами которо-го является математическое ожидание данного признака по всем образам класса. Блок-схема ал-горитма представлена на рис. 4 [2].

Одной из основных проблем, требующих ре-шения в ходе реализации метода, является про-блема выбора количества признаков Фурье. Авто-ры методики не предлагают какого-то оптималь-ного числа признаков, поэтому их число подбира-ется экспертно. В ходе тестирования метода на одном из предприятий рассматривалось от 80 до 500 признаков [2]. Другой проблемой является отсутствие в методике способа представления комплексного числа, каким является признак Фу-рье, а именно: экспоненциальная форма, алгебраи-ческая форма, отдельно амплитуда или частота. Адаптация метода заключается в том числе и в выборе представления. В [2] был выбран вектор, составленный из компонентов алгебраического представления признаков Фурье. Важным элемен-том адаптации послужило использование плун-жерных динамограмм для диагностики, в резуль-тате чего процесс диагностики состоял их двух этапов: выделения плунжерной динамограммы и непосредственно диагностики.

В качестве примера использования рядов, от-личных от Фурье, можно привести методику [4, 5], где для определения параметров скважин данные

динамограммы представлялись в форме вэйвлетно-го разложения. Далее полученные коэффициенты анализировались, используя нейросетевой подход.

Методика GRID PATTERN относится к классу методик, базирующихся на сравнении практиче-ской динамограммы и эталонной. Она основана на элементарном алгоритме наложения фактической динамограммы на эталон и последующего вычис-ления значений отклонения. Соответственно чем меньше отклонение фактической динамограммы от эталона неисправности, тем больше вероятность наличия данной неисправности в СШНУ. В мето-диках используется как обыкновенное вычисление общей дельты отклонения, так и более разверну-тый подход. Практическая динамограмма равно-мерно делится на ячейки. Тем ячейкам, которые содержат часть динамограммы или расположены внутри границы динамограммы, присваивается зна-чение 1, в ином случае – 0. Эталонная динамограм-ма строится по следующему принципу: ячейкам, содержащим кусок динамограммы, присваивается значение 1; ячейкам, находящимся внутри кривой, присваиваются значения 2, 3, …, N в зависимости от удаленности ячейки от границы; ячейкам, нахо-дящимся вне границы, – значения 0, –1, …, –M в зависимости от удаленности ячейки от границы. Значения N и M определяются экспертно, исходя из размерности матрицы. Метод диагностики ос-нован на вычислении величины С (А, В). Она вы-числяется для всех эталонов, и тот эталон, где зна-чение С (А, В) будет минимальным, и покажет ис-

Рис. 4. Блок-схема алгоритма Алиева – Тер-Хачатурова

Рис. 5. Блок-схема метода GRID PATTERN



2013, том 13, № 1 65

комую неисправность. Несмотря на простоту, этот метод показывает хорошие результаты. Динамо-граммы обычно нормируются. В качестве пара-метра для матрицы эталонов, определяющего уда-ленность ячейки матрицы от контура, можно рас-сматривать значение кратчайшего расстояния до контура. Матричное представление динамограммы предполагает, что градация цвета определяет уда-ленность ячейки от контура. Блок-схема метода представлена на рис. 5 [2].

Адаптация метода заключается в нормирова-нии образа динамограммы, увеличении размерно-сти матрицы и более точном расчете расстояния от ячейки матрицы эталонов до контура динамо-граммы. Интересно отметить, что в искомом алго-ритме предполагается сравнение предъявляемой динамограммы с фиксированным набором эталон-ных динамограмм. В [2], например, количество эта-лонных динамограмм было выбрано равным 153.

При использовании нейросетевого подхода в процессе сравнения с эталоном одним из основных возникает вопрос о необходимом количестве ди-намограмм с различными вариантами неисправно-стей и значений эталонов. Например, для методи-ки, приведенной в [4, 5], для достижения досто-верности классификации динамограммы с точно-стью 70 % и более количество обработанных ди-намограмм превышало 1200 (в эксперименте бы-ло задействовано 483 насосные установки); для методик, приведенных в [2], было использовано от 150 до 200 тестовых динамограмм и анализи-ровалось до 500 признаков. Понятно, что хране-ние такой информации требует большого количе-ства памяти и время обработки становится доста-точно велико даже для персональных компьюте-ров. Использование же подобных алгоритмов во встраиваемых системах на базе контроллеров вообще проблематично.

Методика Белова – Гилаева относится к клас-су методик, анализирующих отклонения от теоре-тической динамограммы. Он использует выделен-ные на практической динамограмме релевантные точки. Метод предполагает определение неис-правности, исходя из физических законов получе-ния динамограммы ненормальной работы насоса.

Он основан на визуальном сравнении фактической и идеальной (теоретической) динамограмм. Любое существенное отклонение фактической динамо-граммы от теоретической свидетельствует о не-нормальной работе насоса. Способы диагностики работы СШНУ путем визуального сравнения формы кривой динамограммы детально описаны в рабо-тах И.Г. Белова [6] и Г.Г. Гилаева. В основу алго-ритма положено руководство И.Г. Белова по рас-шифровке динамограмм. Посредством этой мето-дики определяются семь наиболее характерных точек динамограмм, по значениям которых со-гласно предложенным критериям задаются после-довательности арифметических операций и срав-нений, позволяющие делать конкретное заключе-ние о работе насоса. Координаты характерных то-чек определяются при совмещении теоретической динамограммы с практической динамограммой. Вместе с тем в этом описании не приводятся фор-мализованные признаки, которые можно было бы соотнести с той или иной неисправностью. В каче-стве примера можно рассмотреть диагностику утечки жидкости в нагнетательной части насоса. Среди признаков динамограммы, по которым можно обнаружить утечку, следует назвать: ото-бражение процесса восприятия нагрузки наклон-ной кривой, имеющей меньший угол наклона к горизонтали по сравнению с линией восприятия нагрузки при нормальной работе насоса; острое очертание левого нижнего угла динамограммы, закругление ее правого верхнего угла рис. 6 (для динамических динамограмм этот признак может отсутствовать).

Кроме того, на утечку обычно указывают большая кривизна линии снятия нагрузки по срав-нению с линией восприятия нагрузок, меньшая интенсивность колебаний нагрузки при ходе плунжера вверх по сравнению с интенсивностью колебаний нагрузки при ходе вниз. Данная мето-дика изначально не содержала формализованных признаков. Можно решить задачу их формализа-ции (получение численных величин, характери-зующих каждый признак на каждую неисправ-ность), а также их последующей классификации. После этого анализ динамограммы сводится к по-

Рис. 6. Диагностика утечки жидкости в нагнетательной части насоса


В.Б. Садов


строению экспертной системы, где все формализо-ванные признаки указывают на наличие опреде-ленной неисправности. Данная методика, как пра-вило, требует данных по параметрам скважины.

К типу методик, анализирующих поведение динамограммы в/между релевантными точками, относится и описанная в [7], при котором вся дина-мограмма делится на 24 участка и рассматриваются симптомы на каждом участке (всего было выделено 16 характерных динамограмм). Подобные методики использованы при создании таких программ анали-за динамограмм, как DINAMOGRAPH [8, 9] разра-ботки НПП «Грант».

Второй класс методик описывает теоретиче-ские основы получения практической динамо-граммы какой-либо неисправности, но при этом не дает формализованных признаков той или иной неисправности. Иными словами, в этой методике описано, каким образом получается динамограмма неисправности, но нет математических подходов описания ее признаков [10, 11].

Обоснование подхода к анализу динамограмм в контроллере системы управления приводом ШНУ Практически все методы анализа динамо-

грамм рассматривают случай, когда диагностика производится либо на персональных ЭВМ, распо-ложенных в цеховых помещениях, либо при диаг-ностике требуется вводить большое количество данных по скважине и добывающему оборудова-нию (глубина погружения насоса, уровень нефти, ее вязкость и плотность, тип и характеристики погружного насоса, текущее количество двойных ходов и величину хода полированного штока, ха-рактеристики колонны штанг и т. п.). При этом эти характеристики могут непрерывно меняться в дос-таточно широких пределах. Например, в процессе нефтедобычи резко меняется величина текущего уровня жидкости в скважине, ее характеристики по плотности и вязкости, давления в трубах, со временем серьезно изменяются характеристики погружного насоса. Поэтому применение алгорит-мов, использующих динамическую модель сква-жина – насосная установка, в контроллере системы управления привода насосной установки является спорным. Рассмотрим случай диагностирования

непосредственно на скважине. Алгоритмы диагно-стики здесь должны удовлетворять следующим требованиям:

– не должны требовать хранения больших массивов информации по параметрам различных типов характерных динамограмм;

– быть просты в реализации, не предъявлять больших требований к быстродействию приме-няемых в системах управления насосных устано-вок контроллеров;

– не должны использовать (или использовать с малым влиянием) динамически изменяющиеся параметры насосной установки и скважины;

– должны позволять менять настройку пара-метров диагностики, чтобы на скважине при необ-ходимости можно было изменить эти параметры с целью получения наилучших результатов анализа динамограмм.

Исходя из этих требований, в качестве алго-ритма желательно использовать одну из методик, анализирующих поведение динамограммы в/между релевантными точками. Подобный алгоритм, реа-лизованный в пакете программ DINAMOGRAPH, приведен в [9]. Можно использовать поведение динамограммы в/между точками перегиба ее ха-рактеристики. В этом случае алгоритмы определе-ния дефектов скважины становятся достаточно простыми. Определить точки перегиба динамограм-мы можно, используя способ, описанный в [12].

Алгоритмы выделения дефектов по динамограмме Рассмотрим простейшие случаи, когда на уча-

стках движения вверх и вниз определилось по две или максимум три точки перегиба (рис. 7). Алго-ритмы с использованием большего количества точек перегиба также легко формализуются.

На рисунке цифрами помечены участки дви-жения полированного штока вверх и вниз. Вооб-ще, на динамограмме можно выделить несколько участков, например, участок I делится на участок возрастания нагрузки на полированном штоке (Ia) и участок относительной стабильности этой на-грузки (Ib). То же самое происходит и на втором участке (при движении штока вниз).

Будем рассматривать только дефекты, выде-ленные в статье автора «Моделирование динамо-

Рис. 7. Типовая динамограмма развернутая



2013, том 13, № 1 67

грамм с различными дефектами оборудования нефтяной скважины» в настоящем Вестнике.

Обрыв колонны штанг Это самый простой определяемый по динамо-

грамме дефект. В этом случае нужно просто опре-делить средние значения усилий при движении полированного штока вверх и вниз и вычислить их разницу. Если это значение меньше, чем заданное (его заранее задать, исходя из данных скважины, насоса и привода), то это говорит о наличии дан-ного дефекта. Но, если посмотреть на вид динамо-граммы с дефектом типа «недостаточный приток жидкости в скважину», то можно убедиться, что в данном случае разница средних усилий при дви-жении вверх и вниз тоже невелика. Однако при данном дефекте разница между максимальным и минимальным усилиями за двойной ход практиче-ски не меняется относительно нормальной дина-мограммы. Поэтому можно предложить следую-щий алгоритм определения данного дефекта:

– вычисляются максимальные и минимальные усилия динамограммы. Если их разница больше какой-то уставки a, то гипотеза о дефекте типа «обрыв колонны штанг» отвергается. В противном случае идем на следующий пункт алгоритма;

– вычисляются по динамограмме средние усилия на полированном штоке при движении вверх и вниз. Если разница меньше какой-то ус-тавки b, то гипотеза о дефекте типа «обрыв колон-ны штанг» принимается.

Величины уставок a и b могут отличаться друга. При этом a > b.

Данный алгоритм выделения дефекта типа «обрыв колонны штанг» дает практически стопро-центную вероятность его правильного определения.

«Запарафинивание» скважины В этом случае наблюдается либо отсутствие

участков при движении штока вверх или вниз, или участки Ia и IIa сильно затянуты с начала движе-ния вверх и вниз. При этом не наблюдается силь-ной асимметрии размеров участков Ia и IIa. Также, для четкой идентификации данного дефекта, сле-дует учесть, что в точках перелома здесь не на-блюдается перерегулирования процесса изменения нагрузки на полированном штоке. Поэтому можно предложить следующий алгоритм определения данного дефекта:

– если на участках I и II не наблюдается точек перегиба, то гипотеза о дефекте типа «запарафини-вание скважины» принимается. Остальные пункты алгоритма не проверяются;

– если величина участка Ia меньше заданной уставки (в процентах от величины участка I), то гипотеза о дефекте типа «запарафинивание сква-жины» отвергается;

– если величина участка IIa меньше заданной уставки (в процентах от величины участка II), то гипотеза о дефекте типа «запарафинивание сква-жины» отвергается;

– если величина |Ia–IIa| больше уставки (в про-

центах от величин участков I и II), то гипотеза о дефекте типа «запарафинивание скважины» отвер-гается;

– если величина нагрузки на штоке в точке пе-рехода участков Ia и Ib больше величины maxG , где maxG – максимальная нагрузка на штоке для данной динамограммы, а [0;1] , то гипотеза о дефекте типа «запарафинивание скважины» отвер-гается;

– если величина нагрузки на штоке в точке перехода участков IIa и IIb меньше величины

minG , где minG – минимальная нагрузка на штоке для данной динамограммы, а [0;1] , то гипотеза о дефекте типа «запарафинивание скважины» от-вергается;

– если гипотеза о дефекте типа «запарафини-вание скважины» не была отвергнута предыдущи-ми пунктами алгоритма, то она принимается.

Недостаточный приток жидкости (продук-ции) в скважину (влияние газа)

Здесь можно рассмотреть два варианта. 1. Вид развернутой динамограммы является

обычным, то есть содержит четыре точки перегиба характеристики. Наблюдается также смещение точки перегиба характеристики динамограммы, характерное для точки стыковки участков I и II, на участок II. Также видно, что в этой точке нагрузка не больше, чем в конце участка I. Можно предло-жить следующий алгоритм определения данного дефекта:

– если в третьей точке перегиба характери-стики динамограммы нагрузка больше, чем в точке конца участка I, то гипотеза о дефекте типа «Не-достаточный приток жидкости в скважину» отвер-гается. Остальные пункты алгоритма не проверя-ются;

– если разница между абсциссой третьей точ-ки перегиба характеристики динамограммы и абс-циссой точки стыковки участков I и II больше ве-личины maxS , где maxS – величина хода штока, а

[0;1] , то гипотеза о дефекте типа «Недостаточ-ный приток жидкости в скважину» принимается, в противном случае отвергается.

2. Вид развернутой динамограммы не являет-ся обычным, и содержит две точки перегиба на участке I и три точки перегиба на участке II. При-чем в четвертой точке перегиба усилие больше, чем в пятой, а участок между точками 3 и 4 явля-ется заметным. Можно предложить следующий алгоритм определения данного дефекта:

– если в пятой точке перегиба характеристики динамограммы нагрузка больше, чем в четвертой, то гипотеза о дефекте типа «Недостаточный при-ток жидкости в скважину » отвергается. Осталь-ные пункты алгоритма не проверяются;

– если разница между абсциссой четвертой точки перегиба характеристики динамограммы и абсциссой точки стыковки участков I и II (третьей


В.Б. Садов


точкой перегиба) больше величины maxS , где

maxS – величина хода штока, а [0;1] , то гипо-теза о дефекте типа «Недостаточный приток жид-кости в скважину» принимается, в противном слу-чае отвергается.

Утечка в нагнетательной части насоса В этом случае вид развернутой динамограммы

является обычным, то есть содержит четыре точки перегиба характеристики. Первая точка перегиба близка к точке начала I участка, а третья точка перегиба близка к точке конца I участка динамо-граммы. Величина участка Ia значительно превы-шает величину IIa. Алгоритм определения данного дефекта будет выглядеть следующим образом:

– если величина участка Ia меньше участка IIa, то гипотеза «Утечка в нагнетательной части насоса» отвергается;

– если величина участка Ia по величине боль-ше участка IIa и в относительных единицах боль-ше установленной величины [0;1] , то гипотеза о дефекте типа «Утечка в нагнетательной части насо-са» принимается, в противном случае отвергается.

Утечка в приемной части насоса В этом случае вид развернутой динамограммы

является обычным, то есть содержит четыре точки перегиба характеристики. Первая точка перегиба близка к точке начала I участка, а третья точка – к точке конца I участка динамограммы. Величина участка IIa значительно превышает величину Ia. Алгоритм определения данного дефекта будет вы-глядеть следующим образом:

– если величина участка IIa меньше участка Ia, то гипотеза «Утечка в приемной части насоса» отвергается;

– если величина участка IIa по величине боль-ше участка Ia и в относительных единицах больше установленной величины [0;1] , то гипотеза о дефекте типа «Утечка в приемной части насоса» принимается, в противном случае отвергается.

Выход плунжера из корпуса насоса В этом случае динамограмма имеет петлю при

движении вверх. Но, если посмотреть на разверну-тую динамограмму, можно заметить, что при дви-жении вверх, не доходя до верхней точки движе-ния штока, имеется еще одна точка перегиба. По-этому можно сформулировать алгоритм определе-ния данного дефекта:

– если при движении вверх мы имеем меньше трех точек перегиба (считая и точку начала дви-жения вверх), то гипотеза типа «Выход плунжера из корпуса насоса» отвергается;

– если величина интервала от третьей точки перегиба до точки конца I участка в относитель-ных единицах от величины I участка больше уста-новленного порога [0;1] , то гипотеза о дефекте типа «Выход плунжера из корпуса насоса» прини-мается, в противном случае отвергается.

Заедание плунжера вверху Здесь динамограмма имеет петлю при движе-

нии вверх. Имеет смысл этот дефект определять путем простого анализа поведения точек динамо-граммы. Алгоритм определения данного дефекта будет иметь вид:

– просматриваем все точки динамограммы при движении вверх, начиная с какой-то точки, в которой перемещение штока больше, чем A , где A – величина I участка, а [0;1] . Считаем ко-

личество точек, где нагрузка меньше, чем в точке с этим же значением перемещения штока, но при движении вниз;

– если полученное количество точек превы-шает заданный предел (его можно задавать в про-центах от общего количества точек динамограммы при движении вверх), то гипотеза о дефекте типа «Заедание плунжера вверху» принимается, в про-тивном случае отвергается.

Заедание плунжера внизу Здесь динамограмма имеет петлю при движе-

нии вниз. Имеет смысл этот дефект определять путем простого анализа поведения точек динамо-граммы. Алгоритм определения данного дефекта будет иметь вид:

– просматриваем все точки динамограммы при движении вниз, начиная с какой-то точки, в которой перемещение штока меньше, чем A , где A – величина II участка, а [0;1] . Считаем ко-

личество точек, где нагрузка больше, чем в точке с этим же значением перемещения штока, но при движении вверх;

– если полученное количество точек превы-шает заданный предел (его можно задавать в про-центах от общего количества точек динамограммы при движении вниз), то гипотеза о дефекте типа «Заедание плунжера внизу» принимается, в про-тивном случае отвергается.

Проверка синтезированных алгоритмов на модельных примерах Автором была разработана программа, реали-

зующая описанные алгоритмы выделения дефек-тов. В качестве входных динамограмм были ис-пользованы полученные с помощью программы, описанной в статье автора «Моделирование дина-мограмм с различными дефектами оборудования нефтяной скважины» в настоящем Вестнике. Оп-ределение некоторых видов дефектов с помощью разработанной программы показано на рис. 8–10, где в окне справа вверху приведены использован-ные параметры модели при построении динамо-граммы, а справа снизу – результат анализа в про-грамме. При этом исходные данные генерирова-лись, исходя из возможного получения реальной динамограммы, то есть использовалось ограни-ченное количество точек динамограммы, а усилие бралось квантованным по уровню.



2013, том 13, № 1 69

Рис. 8. Заедание плунжера внизу



В.Б. Садов


Выводы Приведенный алгоритм выявления дефектов

скважины и погружного оборудования является принципиально новым, отличным, например, от описанного в [9], где динамограмма делится на четко фиксированное число участков и задаются критерии оценки параметров на каждом участке. В синтезированной же методике количество уча-стков определяется числом точек перегиба, кото-рых даже для волнообразной динамограммы не бывает более десяти, и на основании значений усилий в точках перегиба и между ними делается вывод о виде дефекта. При этом можно использо-вать и подход, описанный в [9], где высчитывается общий критерий с весовыми коэффициентами по каждому из признаков.

Синтезированный алгоритм анализа данных динамограммы позволяет получать выводы по ти-пу динамограммы, не требует большого количест-ва параметров для своей работы и легко реализу-ется на базе современных микроконтроллеров. Все это позволяет утверждать, что задача, поставлен-ная во введении данной статьи, может быть реше-на при использовании описанного подхода. Этот метод может быть также использован в случае по-лучения ваттметграммы или токограммы.


1. Зюзев, А.М. Система диагностики штанго-вой глубинно-насосной установки на основе ней-

ронной сети / А.М. Зюзев, А.В. Костылев // «Проек-тирование научных и инженерных приложений в среде MATLAB»: тр. Всерос. науч. конф. – М.: ИПУ РАН, 2004. – С. 1266–1272.

2. Мансафов, Р.Ю. Новый подход к диагности-ке работы УСШН по динамограмме / Р.Ю. Ман-сафов // Инженерная практика. – 2010. – № 9. – С. 82–89.

3. Алиев, Т.М. Автоматический контроль и диагностика скважинных штанговых насосных установок / Т.М. Алиев, А.А. Тер-Хачатуров. – М.: Недра, 1988. – 232 с.

4. Тагирова, К.Ф. Автоматизация управления технологическим процессом добычи нефти из ма-лодебитных скважин на основе динамических мо-делей: автореф. дис. … д-ра техн. наук / К.Ф. Та-гирова. – Уфа, 2008. – 32 с.

5. Дунаев, И.В. Диагностика и контроль со-стояния скважинной штанговой насосной уста-новки на основе динамометрирования и нейросе-тевых технологий: автореф. дис. … канд. техн. наук / И.В. Дунаев. – Уфа, 2007. – 16 с.

6. Белов, И.Г. Исследование работы глубин-ных насосов динамографом / И.Г. Белов. – М.: Гостоптехиздат, 1960. – 126 с.

7. Светлакова, С.В. Информационно-измери-тельная система динамометрирования скважин, оборудованных штанговыми глубинными насоса-ми: автореф. дис. … канд. техн. наук / С.В. Свет-лакова. – Уфа, 2008. – 16 с.

Рис. 10. Недостаточный приток жидкости в скважину



2013, том 13, № 1 71

8. Сравнительный анализ возможностей отечественных и импортных систем автомати-зации скважин, эксплуатируемых ШГН / М.И. Ха-кимьянов, С.В. Светлакова, Б.В. Гузеев и др. // Нефтегазовое дело. – 2008. – № 2. – С. 1–22.

9. Ковшов, В.Д. Динамометрирование, моде-лирование и диагностирование состояния глубин-ной штанговой насосной установки / В.Д. Ковшов, М.Е. Сидоров, С.В. Светлакова // Известия вузов. Нефть и газ. – 2011. – № 3. – С. 25–29.

10. Ковшов, В.Д Моделирование динамо-граммы станка-качалки. Нормальная работа

насоса / В.Д. Ковшов, М.Е. Сидоров, С.В. Свет-лакова // Нефтегазовое дело. – 2004. – Т. 2. – С. 75–81.

11. Ковшов, В.Д Моделирование динамограм-мы станка-качалки. Утечки в клапанах / В.Д. Ков-шов, М.Е. Сидоров, С.В. Светлакова // Нефтегазо-вое дело. – 2005. – Т. 3. – С. 47–54.

12. Садов, В.Б. Определение границ участков динамограммы при ее обработке / В.Б. Садов // Вестник ЮУрГУ. Серия «Компьютерные техно-логии, управление, радиоэлектроника». – 2012. – Вып. 17. – № 35 (294). – С. 11–16.




Введение. Постановка задачи1 Для оценки собственного состояния в средст-

вах измерения температуры могут использоваться вещества с фазовыми переходами. Наибольшую распространённость на сегодня получили техниче-

Кузнецова Яна Валерьевна – аспирант кафедры инфор-мационно-измерительной техники, Южно-Уральский государственный университет; [email protected] Уманец Константин Александрович – аспирант кафедры информационно-измерительной техники, Южно-Ураль-ский государственный университет; [email protected] Белоусов Михаил Дмитриевич – инженер кафедры информационно-измерительной техники, Южно-Ураль-ский государственный университет; [email protected] Дьячук Виталий Владимирович – зав. лабораторией кафедры физической химии, Южно-Уральский государ-ственный университет; [email protected] Мирзаев Джалал Аминулович – д-р физ.-мат. наук, профессор, заслуженный работник высшей школы, ка-федра физического металловедения и физики твердого тела, Южно-Уральский государственный университет; [email protected] Шестаков Александр Леонидович – д-р техн. наук, профессор, заслуженный работник высшей школы, зав. кафедрой информационно-измерительной техники, рек-тор, Южно-Уральский государственный университет; [email protected]

ские решения на основе точек плавления – разно-видность фазовых переходов2 1-го рода [1]. Но уже проведены успешные опыты контроля показа-ний термопары по положению точек Кюри для фазовых переходов 2-го рода [2].

Kuznetsova Yana Valerevna – Post-Graduate Student of Equipment for Information and Measuring Department, South Ural State University; [email protected] Umanets Konstantin Aleksandrovich – Post-Graduate Student of Equipment for Information and Measuring De-partment, South Ural State University; [email protected] Belousov Mikhail Dmitrievich – Engineer of Equipment for Information and Measuring Department, South Ural State University; [email protected] Dyachuk Vitaly Vladimirovich – Head of Laboratory of Physical Chemistry Department, South Ural State Universi-ty; [email protected] Mirzaev Dzhalal Aminulovich – Doctor of Science (Physics and Mathematics), Professor, Honored Worker of Higher School, Physical Metallurgy and Solid-State Physics De-partment, South Ural State University; avangard-susu@ mail.ru Shestakov Aleksandr Leonidovich – Doctor of Science (Engineering), Professor, Honored Worker of Higher School, Head of Equipment for Information and Measuring Department, Rector, South Ural State University; admin@ susu.ac.ru

УДК 621.317.39+681.586.6+681.2.08+669.15:669-157.8

ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА АЛГОРИТМА ОПРЕДЕЛЕНИЯ ТОЧКИ КЮРИ ЭЛЕКТРОДА ТЕРМОПАРЫ ПО РЕЗУЛЬТАТАМ ИЗМЕРЕНИЯ ТЕРМОЭДС Я.В. Кузнецова, К.А. Уманец, М.Д. Белоусов, В.В. Дьячук, Д.А. Мирзаев, А.Л. Шестаков

EXPERIMENTAL CHECK OF CURIE POINT DETERMINATION ALGORITHM OF THERMOCOUPLE ELECTRODE IN ACCORDANCE WITH RESULTS OF THERMOELECTRIC POWER MEASUREMENTS Ya.V. Kuznetsova, K.A. Umanets, M.D. Belousov, V.V. Dyachuk, D.A. Mirzaev, A.L. Shestakov

В предыдущих работах авторов показана принципиальная возможность создания самокалибрующихся сенсоров на основе фазовых переходов 2-го рода. В данной работе производится оценка погрешности измерения для никель-платиновой термопары по известной точке Кюри никеля.

Ключевые слова: метрологический самоконтроль, оценка собственного состояния, фазовый переход, точка Кюри

In the previous works of the authors the possibility of creation of self-calibrating sensors on the basis of phase transition of II type. In this article the evaluation of measurement accuracy for nickel-platinum thermocouple by the mentioned Curie point of nickel has been performed.

Keywords: metrological self-monitoring, evaluation of proper state, phase transition, Curie point.


Экспериментальная проверка алгоритма определения точки Кюри электрода термопары по результатам измерения термоЭДС

2013, том 13, № 1 73

Эталонные вещества для калибровки термо-метров на основе фазовых переходов 2-го рода, по сравнению с аналогичными эталонными вещест-вами на основе точек плавления обладают важным преимуществом – они находятся в твердом со-стоянии при всех рабочих температурах термомет-ра. Коэффициент диффузии вещества в твёрдой фазе по сравнению с коэффициентом диффузии в жидкой фазе меньше на несколько порядков, по-этому эффекты загрязнения эталонного вещества оказывают гораздо меньшее влияние на темпера-туру фазового перехода. Важным преимуществом такого технического решения является его техно-логичность, в том числе при реализации в одном измерительном устройстве нескольких точек фа-зового перехода, используемых затем для полной самостоятельной перекалибровки датчика темпе-ратуры в процессе эксплуатации. Отметим, что при фазовых переходах 2-го рода не происходит выделения и поглощения энергии, а потому не изменяется температурная инерция сенсора.

В работе [2] была показана принципиальная возможность создания сенсоров с оценкой собст-венного состояния в процессе работы на основе термопары, но точные значения температуры Кю-ри полученных сплавов не были известны заранее. Поэтому оценить погрешность измерения термо-парой точки Кюри по результатам работы [2] не представлялось возможным. Целью данной работы является уточненная оценка погрешности измере-ния температуры Кюри на основе термоЭДС тер-мопары, одним из электродов которой является никель высокой чистоты – металл с заранее точно известной точкой Кюри, а вторым электродом яв-ляется неферромагнитная платина – инертный ме-талл, относительно которого принято измерять термоЭДС остальных металлов.

Физическая модель Фазовый перехода 2-го рода протекает в ши-

рокой области изменения температуры, но закан-чивается при строго определённой критической температуре Тс переходом в разупорядоченное состояние атомов сплава или магнитных момен-тов. При критической температуре происходит лишь изменение симметрии кристаллической ре-шётки, сопровождаемое скачком производных от основных термодинамических характеристик: теп-лоёмкости, сопротивления, термоЭДС и др. К фа-зовым превращениям 2-го рода относятся перехо-ды: парамагнетик – ферромагнетик, парамагнетик – антиферромагнетик, диэлектрик – сегнетоэлект-рик, сопровождающиеся появлением самопроиз-вольной поляризации вещества, порядок – беспо-рядок в расположении атомов в решётке сплавов, а также переход от нормальной проводимости к сверхпроводимости. Известно, что наклон кривых температурной зависимости сопротивления и тер-моЭДС при Тс изменяется так, что производные d dT и dS dT обнаруживают лямбда-пик при

Тс, то есть вблизи Тс температурное изменение этих величин можно представить одним и тем же законом [3]:

с

с с

1 1 ,T Td A B

dT T

(1)

где А, В и – константы, сT – критическая темпе-ратура. Поскольку > 0, то из (1) следует, что при

сT T производные d dT и dS dT стремятся к бесконечности (пик). Но так как измерения прово-дятся через конечный интервал по температуре, то реально при сT T должен наблюдаться макси-мум. Следует иметь в виду, что если aS есть абсо-лютная дифференциальная термоЭДС электрода А, а bS – электрода В, то измеряемая (интегральная) термоЭДС Е пары А–В при данной температуре Т:

0

.T

a bE S S dT (2)

Примем, что металл А – ферромагнитный ни-кель, а В – неферромагнитный металл, например, платина. Тогда продифференцировав выражение (2), найдём величину абсолютной дифференциальной термоЭДС никеля:

Ni Pt .dES SdT

(3)

Данные об абсолютной дифференциальной термоЭДС платины для многих температур приве-дены в монографии [4]. Аппроксимация числен-ных значений полиномом третьей степени приво-дит к выражению:

3

Pt0

,ii

iS A t

мкВ/К, (4)

где А0 = 2,39763; А1 = –2,894000∙10–2; А2 = 1,105310∙10–5; А3 = –2,513250∙10–9. Эксперимент Для эксперимента была изготовлена никель-

платиновая термопара, использовался никель чис-тоты 99,999 %. «Горячий» конец термопары вме-сте с эталонным термометром помещали в преци-зионный термостат, «холодные» концы термопары подвергали термостабилизации в водно-ледяном термостате. ТермоЭДС термопары и термосопро-тивление эталонного термометра измерялись с помощью прецизионного преобразователя сигна-лов термосопротивлений и термопар. В экспери-менте использовался неравномерный шаг задавае-мой температуры, уменьшающийся в точке Кюри до 0,5 К. Результаты измерений приведены в виде графиков на рис. 1.

Обработка результатов эксперимента Переводя измеренную температуру в Кельви-

ны, как это принято в физике, проведем численное дифференцирование термоЭДС по температуре, а на основе формулы (3) рассчитаем абсолютную


Я.В. Кузнецова, К.А. Уманец, М.Д.Белоусов, В.В. Дьячук, Д.А. Мирзаев, А.Л. Шестаков


дифференциальную термоЭДС никеля, учитывая, что абсолютная дифференциальная термоЭДС платины в [4] приведена в мкВ/К. Для повышения точности численного дифференцирования в каче-стве абсциссы использовали среднее значение температур соседних точек. Результаты приведены в виде графиков на рис. 2. Справочное значение точки Кюри никеля составляет 627,4 К [5].

Температура главного максимума составляет 629,68 К, а погрешность определения точки Кюри составляет соответственно 2,28 К.

На графике вблизи точки излома отчётливо на-блюдается главный максимум, а также несколько локальных экстремумов. Эти экстремумы не могут быть объяснены наличием в измерительном тракте шумов, либо каких-нибудь других воздействий на измерительную аппаратуру. Природа данных экс-тремумов, по мнению авторов статьи, в следующем: поскольку в точке Кюри производная термоЭДС от

температуры имеет точку разрыва, то при умень-шении шага дифференцирования численные расче-ты решение становится нестабильными. Данная гипотеза подтверждается тем, что при достаточном увеличении шага численного дифференцирования указанные экстремумы полностью пропадают, од-нако при этом точность вычисления точки Кюри становится недостаточной. Данные локальные экс-тремумы численного дифференцирования, по мне-нию авторов работы, напротив, заключают в себе информацию о положении точки Кюри и должны использоваться в алгоритме её нахождения.

Для более точного нахождения точки Кюри производится второе численное дифференцирова-ние данных графика на рис. 2. Его результаты приведены на рис. 3.

Для повышения точности численного диффе-ренцирования в качестве аргумента полученной зависимости также используем средние значения

Рис. 1. Измеренная термоЭДС никель-платиновой термопары

Рис. 2. Собственная термоЭДС никеля, полученная численным дифференцированием


Экспериментальная проверка алгоритма определения точки Кюри электрода термопары по результатам измерения термоЭДС

2013, том 13, № 1 75

аргументов, по которым производилось диффе-ренцирование.

Очевидно, что точка Кюри находится в облас-ти возмущений графика на рис. 3. Среднее значе-ние температур максимума и минимума графика даёт значение 355,03 К, а погрешность определе-ния точки Кюри составляет соответственно 0,78 К. Среднее значение крайних экстремумов, величина которых превышает 25 % от наибольшего экстре-мума, составляет 355,41 К, а погрешность опреде-ления точки Кюри составляет соответственно 1,17 К.

Порядок полученных погрешностей опреде-ления точки Кюри соответствует погрешностям термопар промышленного применения при иссле-дуемых температурах [6].

Заключение В результате данного исследования подтвер-

ждена работоспособность алгоритмов для оценки собственного состояния термометров на основе термопар с фазовым переходом 2-го рода.

Приведенное исследование показывает, что метод термоЭДС позволяет зафиксировать темпе-ратуру фазового перехода 2-го рода. Оцененные погрешности метода составляют от 0,7 до 2,2 К и соизмеримы с погрешностями термопар, наиболее распространённых в промышленных измерениях при данных температурах.

Однако, вследствие существования лямбда-пика термоЭДС, для дальнейшего уменьшения погрешности, требуется специальные методы об-работки экспериментальных данных, развитие ко-торых, с точки зрения авторов, является дальней-шей задачей исследования.


1. APPLICATION OF SELF-CALIBRATING THERMOCOUPLES WITH MINIATURE FIXED-POINT

CELLS IN A TEMPERATURE RANGE FROM 500 °C TO 650 °C IN STEAM GENERATORS [Электронный ресурс]. – Режим доступа: http://www.imeko.org/ publications/wc-2003/PWC-2003-TC12-005.pdf

2. Сенсоры температуры с функцией само-стоятельной калибровки и градуировки в процессе работы на основе фазовых переходов 2-го рода / М.Д. Белоусов, В.В. Дьячук, Д.А. Мирзаев, А.Л. Шес-таков // Труды Третьей российской конференции с международным участием «Технические и про-граммные средства систем управления, контроля и измерения [Электронный ресурс]: труды и пле-нарные доклады участников конференции УКИ’12. – Электрон. дан. – М.: ИПУ РАН, 2012. – 1 элек-трон. опт. диск (CD-ROM). – С. 1786–1794.

3. Термоэлектродвижущая сила металлов: пер. с англ. / Ф.Дж. Блатт, П.А. Шредер, К.Л. Фойлз и др.; под ред. Д.К. Белащенко. – М.: Металлургия, 1980. – 248 с.

4. Исследования материалов с необходимыми фазовыми переходами. Разработка алгоритмов обнаружения точек фазовых переходов. Разра-ботка макетов сенсоров с фазовыми переходами: отчет о НИР / ООО «Авангард»; ЮУрГУ; рук. Белоусов М.Д.; исполн.: Белоусов М.Д. [и др.]. – Челябинск, 2011. – 106 с. – Библиогр.: с. 86–87. – № ГР 01201172993. – Инв. № 02201159837.

5. Физические величины: справ. / А.П. Бабичев, Н.А. Бабушкина, А.М. Братковский и др.; под. ред. И.С. Григорьева, Е.З. Мейлихова. – М.: Энерго-атомиздат, 1991. – 1232 с.

6. ГОСТ Р 8.585–2001. Государственная сис-тема обеспечения единства измерений. Термопа-ры. Номинальные статистические характери-стики преобразования.


Рис. 3. Производная собственной термоЭДС никеля, полученная

повторным численным дифференцированием



На сегодняшний день решение задач энерго-сбережения в России является одним из приори-тетных направлений технологического развития. В связи с тем, что более 10 % вырабатываемой в стране электрической энергии расходуется на цели освещения, то оптимизация энергопотребления в осветительных системах является одной из акту-альных технических задач.1

Известны несколько способов, позволяющих сократить расход электроэнергии в осветительной технике.

Первый способ предполагает переход на бо-лее эффективные преобразователи электрической энергии в световую. Среди них наиболее часто используются: светодиодные излучатели, которые имеют достаточно большую стоимость, и газораз-рядные, которые имеют несколько меньшую эф-фективность, но и гораздо меньшую стоимость.

Второй способ – более эффективное, автома-тизированное управление осветительными прибо-рами, включающее в себя:

Вставская Елена Владимировна – канд. техн. наук, доцент кафедры автоматики и управления, Южно-Ураль-ский государственный университет; elena_vstavskaya@ mail.ru Константинов Владимир Игоревич – доцент кафедры информационно-измерительной техники, Южно-Ураль-ский государственный университет; [email protected] Хажиев Рамиль Адгамович – магистрант кафедры информационно-измерительной техники, Южно-Ураль-ский государственный университет; ramil_khazhiev@ mail.ru

возможность «диммирования», то есть сни-жения мощности, подводимой к светильнику при-мерно на 50 % в ночные и утренние часы, что по-зволяет не только снизить энергопотребление, но также и резко увеличить сроки эксплуатации осве-тительных приборов;2

адресное управление осветительными при-борами, позволяющее выполнять выборочное включение или регулирование потребляемой мощности только необходимых в определенный момент светильников. Данный подход позволяет существенно снизить эксплуатационные расходы и увеличить срок службы осветительного оборудо-вания.

Современные системы освещения обычно ра-ботают под управлением диспетчерского пункта, который формирует сигнал, например, включения группы уличных фонарей. Для передачи этого сигнала на исполнительные устройства (обычно электронные балласты уличных фонарей) исполь-зуются следующие средства [1]: слаботочные сиг-

Vstavskaya Elena Vladimirovna – Candidate of Sciences (Engineering), Associate Professor of Automation and Con-trol Department of South Ural State University; elena_ [email protected] Konstantinov Vladimir Igorevich – Associate Professor of Equipment for Information and Measuring Department of South Ural State University; [email protected] Khazhiev Ramil Adgamovich – Post-Graduate Student of Equipment for Information and Measuring Department of South Ural State University; [email protected]

УДК 681.518.5+621.32:681.518.5

ДИСТАНЦИОННЫЙ КОНТРОЛЬ СОСТОЯНИЯ УПРАВЛЯЕМЫХ ОСВЕТИТЕЛЬНЫХ СИСТЕМ Е.В. Вставская, В.И. Константинов, Р.А. Хажиев

REMOTE CONTROL OF LIGHTING SYSTEMS CONDITION E.V. Vstavskaya, V.I. Konstantinov, R.A. Khazhiev

Предложена методика дистанционного контроля состояния управляемых освети-тельных систем, позволяющая определить наличие неисправностей. Методика основа-на на определении диапазона потребляемой мощности газоразрядной лампы. Выход за пределы данного диапазона текущего измеренного значения мощности позволит судить о наличии неисправностей в системе освещения.

Ключевые слова: осветительная система, дистанционный контроль, измерение мощности.

In the article the method of remote control of lighting systems condition, which allows to detect the defects, is considered. This method is based on the determination of the power range of gas-discharge lamp. The overrange of power will mean the existence of defects in the lighting system.

Keywords: lighting system, remote control, power measurement.


Дистанционный контроль состояния управляемых осветительных систем

2013, том 13, № 1 77

нальные линии, радиоканал, передача ВЧ сигнала по силовому кабелю (PLC-модемы).

Каждое из вышеперечисленных средств пере-дачи управляющего сигнала на исполнительное устройство имеет свои недостатки:

– необходимость монтажа дополнительных проводов для передачи данных;

– высокая стоимость радиопередатчика; – высокое затухание сигнала в линиях пи-

тающей сети при использовании PLC-модемов. Для устранения указанных недостатков пред-

лагается применить метод передачи данных по проводам питающей сети с использованием ши-ротной модуляции основной гармоники питающе-го напряжения [2].

Однако система, реализованная на основе данного метода, в настоящее время – однонаправ-ленная. То есть передача информации возможна только от передающего пункта к приёмному уст-ройству (светильнику). Поэтому актуальной явля-ется задача организации обратной связи приёмно-го устройства с передающим, введение которой позволит осуществить анализ работоспособности светильника (группы светильников) и контроль технического состояния системы освещения в процессе её эксплуатации.

В данном случае наиболее целесообразно реа-лизовать обратную связь, используя информацию о текущей потребляемой мощности осветительной сети. Дело в том, что современные электронные балласты при помощи частотного управления обеспечивают стабилизацию выходной мощности, подаваемой на лампу. Следовательно, находясь в режиме фиксированной выходной мощности и высоком значении коэффициента полезного дей-ствия, они имеют входную потребляемую мощ-ность, однозначно определяемую текущим задани-ем. Поэтому информация о входной потребляемой мощности в данном случае наиболее достоверно характеризует состояние нагрузки.

В общем виде это можно представить сле-дующим образом. После подачи управляющего сигнала с диспетчерского пункта, например, о включении светильника (или группы светильни-ков), производится измерение ответной реакции системы, в качестве которой будет выступать пе-репад активной потребляемой мощности. Далее, сопоставляя результат измерения с заранее опре-деленным значением уставки, принимать решение о работоспособности светильника.

Значение уставки формируется по результа-там экспериментальных исследований с некото-рым количеством газоразрядных ламп с использо-ванием аппарата математической статистики. То есть имея N-газоразрядных ламп, проведем вклю-чение каждой из них, измерив при этом значение потребляемой мощности при выходе лампы в ра-бочий режим. В итоге получим выборку малого объема (N ≈ 15) 2 31, , , , NP P P P .

Обрабатывать результаты измерений будем как «прямые многократные» для нормально рас-пределенных данных [3].

За результат измерения примем среднее ариф-метическое значение результатов наблюдения, то есть

1

1 ,N

ii

P PN

(1)

где N – число измерений; Pi – результаты измере-ний (значения потребляемой мощности лампы).

Далее определим среднеквадратическое от-клонение результатов наблюдения:

2

1

1 .1

N

ii

S P PN

(2)

Найдем оценку среднеквадратического от-клонения окончательного результата:

,kP

M SS

N (3)

Mk – коэффициент, зависящий от числа измерений (табличное значение).

Доверительные границы случайной погреш-ности ε результата измерения, если известно, что результаты наблюдений принадлежат нормально-му распределению, находятся по формуле

,PtS (4) где t – коэффициент Стьюдента, зависит от числа результатов наблюдений и доверительной вероят-ности p (табличное значение).

Проверку нормальности распределения ре-зультатов измерений можно провести с помощью критерия Шапиро – Уилка [4], так как в нашем слу-чае, число результатов наблюдений 8 < (N ≈ 15) < 50. Данный критерий основан на упорядоченных на-блюдениях. Если серию из n-независимых наблю-дений, расположенную в порядке возрастания, обозначить как 2 31, , , , NP P P P , то вычисляется

промежуточная сумма S вида:

1 ,k kN kS a P P (5)

где k – индекс, имеющий значения от 1 до N/2 или от 1 до (N–1)/2 при четном и нечетном N соответ-ственно; ak – коэффициент, имеющий специальные значения для объема выборки n (ak – табличные значения).

В этом случае статистика критерия W прини-мает вид

2 2

22

ˆ ˆ,

i

S SWnm P P

(6)

где N – объем выборки; 2m – выборочный цен-тральный момент второго порядка.

Полученное значение W статистики сравни-вается со значением p -квантиля для n = 15. Если это значение меньше значения W , то гипотеза о нормальном распределении не отклоняется.


Е.В. Вставская, В.И. Константинов, Р.А. Хажиев


Истинное значение измеряемой величины по-требляемой мощности светильника с доверитель-ной вероятностью p лежит внутри интервала P :

; .P PP P tS P tS (7)

В результате имеем некоторый диапазон P , попадание в который текущего измеренного зна-чения позволит достоверно судить о работоспо-собности светильника в момент пуска лампы. По-лученное значение диапазона P сохраняется в память управляющего микроконтроллера.

При одновременном включении группы све-тильников специализированным узлом схемы про-изводится измерение перепада мгновенной мощ-ности осветительной сети. При помощи управ-ляющей программы данное измеренное значение сравнивается с ранее определенным значением уставки (7), умноженным на количество светиль-ников в группе N P . В том случае если измерен-ное значение попадает в полученный доверитель-ный интервал, то с вероятностью p можно судить о том, что произошло успешное включение каждого из N светильников. В противном случае, система продолжает свою работу, подавая сигнал оператору о наличии неисправностей в системе и о необходи-мости проведения дальнейшей её диагностики.

Выводы В рамках данной статьи предложена методика

экспериментального определения диапазона по-требляемой мощности газоразрядной лампы. Вы-ход за пределы данного диапазона текущего изме-

ренного значения мощности позволит судить о наличии неисправностей в системе освещения, которые на следующем этапе контроля должны быть выявлены и устранены. Поэтому существует необходимость в разработке алгоритма, который при помощи малого воздействия на систему по-зволит проводить диагностику и поиск неисправ-ного оборудования осветительной сети.


1. Выбор оптимального режима работы светодиодных излучателей / В.И. Константинов, Е.В. Вставская, Т.А. Барбасова, В.О. Волков // Вестник ЮУрГУ. Серия «Компьютерные техно-логии, управление, радиоэлектроника». – 2010. – Вып. 11. – № 2 (178). – С. 46–51.

2. Вставская, Е.В. Способ передачи информа-ции по питающей сети и его применение в по-строении систем автоматизированного управле-ния наружным освещением / Е.В. Вставская, Е.В. Костарев // Вестник ЮУрГУ. Серия «Компь-ютерные технологии, управление, радиоэлектро-ника». – 2011. – Вып. 13. – № 2 (219). – С. 81–85.

3. ГОСТ 8.207–76. Прямые измерения с мно-гократными наблюдениями. Методы обработки результатов наблюдений. – М.: Изд-во стандар-тов, 1976. – 8с.

4. ГОСТ Р ИСО 5479–2002. Статистические методы. Проверка отклонения распределения ве-роятностей от нормального распределения. – М.: Изд-во стандартов, 2002. – 27 с.



2013, том 13, № 1 79

Аксиомой теории управления рисками ин-формационной безопасности (ИБ) является необ-ходимость идентификации угроз и уязвимостей, оценки вероятности реализации угроз и успешного осуществления угрозы с использованием конкрет-ной уязвимости.1

Устойчивой тенденцией становится тот факт, что более двух третей ущербов в результате ИТ-инцидентов, имеющих злонамеренный характер, исходит от персонала организации. При этом про-блема идентификации и оценки кадровых уязви-мостей информационной безопасности объекта остается весьма острой и в теории, и в практике.

Кадровые уязвимости относятся к организа-ционным уязвимостям. Для идентификации орга-низационных уязвимостей проводится проверка их источников, к которым относятся: процессы уп-равления информационной безопасностью, орга-низационная структура, распределение ролей и ответственности, документированные процедуры и записи, физические меры защиты и физическое окружение, соответствие требованиям законода-

Астахова Людмила Викторовна – д-р пед. наук, про-фессор кафедры «Безопасность информационных сис-тем», Южно-Уральский государственный университет; [email protected]

тельства, нормативной базы, договоров, стандар-тов и бизнеса. Важнейшими источниками организа-ционных уязвимостей являются квалификация, ос-ведомленность и обученность персонала [1, с. 154]. Уязвимости, источником которых являются фак-торы, связанные с кадровыми ресурсами организа-ции, назовем кадровыми уязвимостями.2

В нормативных документах государственных регуляторов методы идентификации и оценки кад-ровых уязвимостей информационной безопасно-сти, к сожалению, не представлены. Основным источником идентификации кадровых уязвимо-стей, как и других организационных уязвимостей, является Mеждународный стандарт ISO 27001, который устанавливает требования к системе ме-неджмента информационной безопасности для демонстрации способности организации защищать свои информационные ресурсы [5]. Согласно стандарту для анализа организационных уязвимо-стей составляется таблица соответствия, в которой для каждого требования, содержащегося в стан-дарте, отмечается текущее состояние с выполне-

Astakhova Lyudmila Viktorovna – Doctor of Education, Professor of Information Systems Security Department, South Ural State University; [email protected]

УДК 658.3.018+Ч86

ПРОБЛЕМА ИДЕНТИФИКАЦИИ И ОЦЕНКИ КАДРОВЫХ УЯЗВИМОСТЕЙ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ОРГАНИЗАЦИИ Л.В. Астахова

PROBLEM OF IDENTIFICATION AND EVALUATION OF PERSONNEL EXPOSURE OF INFORMATION SECURITY L.V. Astakhova

Обоснована проблема идентификации и оценки кадровых уязвимостей информа-ционной безопасности. Представлен разработанный метод идентификации кадровых уязвимостей информационной безопасности организации на основе личностно-ценностных компетенций ее сотрудников. Разработана математическая модель оценки кадровых уязвимостей информационной безопасности.

Ключевые слова: информационная безопасность, кадровая безопасность, кадровые уязвимости, компетенции, оценка персонала, управление рисками.

In the article the problem of identification and evaluation of personnel exposure of in-formation security is considered. The developed method of identification of personnel expo-sure of company information security on the basis of personal competence of its employees is presented. The mathematical model of evaluation of personnel exposure of information securi-ty is developed.

Keywords: information security, personnel security, personnel exposure, competence, evalua-tion of personnel, risk management.


Л.В. Астахова


нием этого требования. Оценочные мероприятия включают, наряду с другими, интервьюирование персонала. Для анализа этой группы уязвимостей используется также оценочная таблица соответ-ствия названных в стандарте механизмов контро-ля и текущего статуса их реализации. Результа-том идентификации кадровых уязвимостей явля-ется отчет о несоответствиях, в котором для каж-дой области контроля определяется степень соот-ветствия, перечисляются соответствующие меха-низмы безопасности, сильные и слабые стороны, а также даются рекомендации по усилению защи-ты [1, с.156].

Безопасность кадровых ресурсов включена в перечень типовых уязвимостей информационной безопасности, представленный в разделе 8 Между-народного стандарта ISO/IEC 27002. К числу кад-ровых уязвимостей отнесены: недостаточное обу-чение безопасности, неосведомленность в вопро-сах безопасности, отсутствие механизмов монито-ринга, отсутствие политик в области корректного использования средств телекоммуникаций и пере-дачи сообщений, отсутствие отмены прав доступа при увольнении, отсутствие процедуры, гаранти-рующей возврат ресурсов при увольнении, немо-тивированный или недовольный персонал, безнад-зорная работа внешнего персонала или персонала, работающего в нерабочее время [6].

Руководства по аудиту и внедрению СУИБ BIP 0072 и BI P 0073 Британского института стан-дартов также описывают, каким образом можно оценивать соответствие ISO 27001 и идентифици-ровать организационные уязвимости. Для опреде-ления качественного уровня организационных уязвимостей отечественные специалисты предла-гают трехуровневую шкалу: вероятно (вероятность успешной реализации угрозы 0,9–1), возможно (вероятность 0,5) и маловероятно (вероятность 0–0,1). Для определения итогового уровня уязви-мости последние соотносятся с уровнями меха-низмов контроля [1, с. 165–166].

Для идентификации и определения уровней кадровых уязвимостей, как правило, используются экспертные оценки, что, безусловно, отражается на уровне объективности результатов. Попытки найти более точные методы – вывести формулы, построить модели – до сих пор не привели к эф-фективному результату, который был бы жизне-способен на практике.

Новый стандарт ГОСТ Р ИСО/МЭК 31010–2011 «Менеджмент риска. Методы оценки риска» (М., 2012), введенный в действие с 01.12.2012, оп-ределяет следующие общие (не только для инфор-мационной безопасности) методы оценки риска на основе идентификации и анализа угроз и уязвимо-стей: Мозговой штурм; Структурированные или частично структурированные интервью; Метод Дельфи; Контрольные листы; Предварительный анализ опасностей (PHA); Исследование опасно-

сти и работоспособности (HAZOP); Анализ опас-ности и критических контрольных точек (HACCP); Структурированный анализ сценариев методом «Что, если?» (SWIFT); Анализ сценариев; Анализ воздействия на бизнес (BIA); Анализ первопричи-ны (RCA); Анализ видов и последствий отказов (FMEA); Анализ дерева неисправностей (FTA); Анализ дерева событий (ETA); Анализ причин и последствий; Причинно-следственный анализ; Анализ уровней защиты (LOPA); Моделирование методом Монте-Карло; Байесовский анализ и сети Байеса; Кривые FN; Индексы риска; Матрица по-следствий и вероятностей и др. [2].

Наряду с перечисленными методами в стан-дарте назван и метод анализа влияния человече-ского фактора – Human Reliability Assessment (HRA). Примечательно, что этот метод может быть использован не только в качественном, но и в количественном виде. Так качественная оценка действий оператора может быть использована для идентификации его возможных ошибок и их при-чин. Метод HRA может быть также использован для получения количественных данных об отказах, связанных с ошибками оператора. Однако на прак-тике чаще применяются следующие не описанные в стандартах методы оценки риска: Метод отрица-ния необходимости и/или возможности оценки риска; Метод отрицания наличия риска; Метод интуитивной оценки риска; Метод интуитивного принятия решений; Метод голосования; Метод голословных утверждений; Метод общих рассуж-дений; Моделирование угроз (российский метод). Полагаем, что интуитивный характер ряда нестан-дартных методов обусловлен потребностью оцен-ки кадровых уязвимостей, наиболее сложно под-дающихся формализации.

Большой вклад в развитие теории кадровых уязвимостей и методологии их идентификации и оценки внес Центральный банк России, разработав систему отраслевых стандартов по информацион-ной безопасности. В Стандарте ЦБ РФ СТО БР ИББС-1.0-2010 «Обеспечение информационной безопасности организаций банковской системы РФ. Общие положения» подчеркивается приоритетность антропогенных источников угроз [4, п. 5.4].

Стандарт отличается наличием наиболее пол-ных на сегодняшний день требований к обеспече-нию доверия к персоналу. К числу таких требова-ний относится принцип «знать своего служащего» (Know your Employee) – принцип, демонстрирую-щий озабоченность организации по поводу отно-шения служащих к своим обязанностям и возмож-ных проблем: злоупотребление имуществом, афе-ры или финансовые трудности, которые могут приводить к проблемам с безопасностью и др. Также в п. 7.2 [4] в числе общих требований по обеспечению информационной безопасности при назначении и распределении ролей и обеспечении доверия к персоналу названы: выделение и доку-


Проблема идентификации и оценки кадровых уязвимостей информационной безопасности организации

2013, том 13, № 1 81

ментальное определение роли работников; персо-нификация и установление ответственности; до-кументальное определение процедуры приема на работу, влияющую на обеспечение ИБ (проверка подлинности предоставленных документов, заяв-ляемой квалификации, точности и полноты био-графических фактов; проверка в части профессио-нальных навыков и оценка профессиональной пригодности); регулярная проверка (с докумен-тальной фиксацией результатов) в части профес-сиональных навыков и оценки профессиональной пригодности работников, а также внеплановой проверки (с документальной фиксацией результа-тов) – при выявлении фактов их нештатного пове-дения, участия в инцидентах ИБ или подозрений в таком поведении или участии; письменное обяза-тельство работников о соблюдении конфиденци-альности, приверженности правилам корпоратив-ной этики, включая требования по недопущению конфликта интересов [3].

Столь пристальный интерес разработчиков стандарта к персоналу как антропогенной угрозе информационной безопасности не мог не сказаться и на методике оценки последней. Вполне законо-мерно, что в стандарте ЦБ РФ СТО БР ИББС-1.2-2010 «Обеспечение информационной безопасно-сти организаций банковской системы РФ. Методи-ка оценки соответствия информационной безопас-ности организаций банковской системы Россий-ской Федерации требованиям СТО БР ИББС-1.0» в качестве одного из показателей информационной безопасности назван групповой показатель M1 «Обеспечение информационной безопасности при назначении и распределении ролей и обеспечении доверия к персоналу». Дается характеристика ча-стных показателей, соответствующих вышена-званным требованиям, обозначены обязательность их выполнения и коэффциенты значимости каждо-го из показателей. Например, показатель М1.10 – выполнение процедур контроля деятельности ра-ботников, обладающих совокупностью полномо-чий (ролями), позволяющих получить контроль над защищаемым информационным активом орга-низации имеет коэффициент значимости 0,1001; М1.11 – определение в документах организации процедуры приема на работу, влияющей на обес-печение информационной безопасности (проверка подлинности предоставленных документов, заяв-ляемой квалификации, точности и полноты био-графических фактов; проверка в части профессио-нальных навыков и оценка профессиональной пригодности) – 0,0513; М1.12 – указание в частном показателе М1.11 процедуры документальной фиксации результатов проводимых проверок – 0,0371 [4].

Считаем, что некоторые показатели (напри-мер, М.1.11) должны иметь гораздо большие ко-эффициенты значимости, поскольку качественно реализованные защитные меры, содержащиеся в

них, могут обеспечить эффективную безопасность информационных ресурсов без дополнительных рекомендуемых стандартом защитных мер.

В состав показателей ИБ, кроме показателя, связанного с доверием персоналу, включен и групповой показатель М18 «Разработка и органи-зация реализации программ по обучению и повы-шению осведомленности в области ИБ», содержа-щий более традиционные защитные меры, связан-ные с повышением квалификации кадров.

Анализ перечисленных и других стандартов показал, что ни в одном из них в качестве уязви-мостей информационной безопасности не названы личностные качества персонала и не определены методы их оценки. Между тем, человеческий фак-тор зависит не только от профессиональных ком-петенций сотрудников организации, т. е. способ-ности конвертации их знаний, умений и навыков в практику, но и от личностно-ценностных компе-тенций. К числу последних относятся: готовность не преступать этические нормы при выполнении профессиональных обязанностей; порядочность, честность, принципиальность, дисциплинирован-ность, ответственность, эмоциональная устойчи-вость, самоконтроль в поступках и действиях, склонность к риску, умение хранить секреты, ус-тойчивость к алкоголизации и наркотизации, бди-тельность, коммуникативные навыки и др.

Эти компетенции можно назвать общекуль-турными, поскольку, на наш взгляд, они опреде-ляют сущность всех профессиональных видов дея-тельности, включают описание свойств и характе-ристик личности, выражающих ее нравственно-мировоззренческие и гражданские позиции с уче-том современных требований общества и лично-сти. Это определяющие универсальные компе-тенции, поскольку ими должен обладать выпуск-ник любой специальности, сотрудник любой ор-ганизации, в которой защищается информация. Однако обязательное наличие названных харак-теристик является еще и специфической особен-ностью профессиональных компетенций специа-листов по защите информации, выступающих в роли главных хранителей секретов организации. Названные личностно-ценностные компетенции крайне необходимы для идентификации и оценки уязвимостей информационной безопасности ор-ганизации.

Разработанная нами математическая модель, описывающая зависимость уязвимостей информа-ционной безопасности от личностно-ценностных компетенций персонала, позволяет изучить дина-мику уровня кадровых уязвимостей информаци-онной безопасности организации в зависимости от личностных характеристик ее сотрудников. Свое-временная идентификация кадровых уязвимостей на основе оценки личностно-ценностных компе-тенций сотрудников даёт возможность ставить вопрос о нахождении оптимальных способов за-


Л.В. Астахова


щиты. Понимание данной зависимости менедже-ром информационной безопасности является од-ним из ключевых требований к его профессиона-лизму.

Каждая из личностно-ценностных компетен-ций может быть отдельным показателем уязвимо-сти информационной безопасности, каждому из которых руководством организации должны быть присвоены разные (либо одинаковые) коэффици-енты значимости. Далее проводятся тестирование всех сотрудников организации и анализ результа-тов по вышеприведенным компетенциям. Для дан-ных целей может быть использована авторитетная международная система независимой оценки лич-ности Hogan, которая является признанным миро-вым лидером в области разработки инструментов личностной оценки для прогноза эффективности деятельности на различных должностях. Оценка по системе Hogan представляет собой онлайн-независимое тестирование по основным компе-тенциям. В системе Hogan существуют три вида опросников: 1) Личностный опросник (HPI) оцени-вает поведение человека в нормальных ситуациях, определяет фундаментальные факторы, от кото-рых зависят профессиональные и карьерные успе-хи оцениваемого; 2) Анализ зон развития (HDS) оценивает поведение в стрессовых ситуациях, оп-ределяет профессиональные и рабочие риски на основании особенностей личности в межличност-ном взаимодействии; 3) Мотивационный опросник (MVPI) исследует основные ценности, цели и интересы человека, обеспечивает исчерпываю-щую, бизнес-обоснованную таксономию ценно-стей [7]. Периодически получаемые результаты оценки личостно-ценностных компетенций со-трудников организации сравниваются со стати-стической информацией о количестве выявлен-ных инцидентов в сфере информационной безо-пасности организации.

Математическое моделирование заключается в построении c использованием методов корреля-ционно-регрессионного анализа функции, опре-деляющей зависимость количества выявленных ИТ-инцидентов (у) от факторов – значений лично-стных характеристик персонала (хi, i = 1, …, 27).

Функцию ищем в аддитивном виде: у = а0 + а1х1 + а2х2 + … + а27х27. В процессе нахождения функции производим

отбор факторов по уровню их корреляции между собой (оставляем только независимые факторы) и по степени достоверности коэффициентов регрес-сии аi (анализируя t-статистику). Например, в про-цессе использования модели и обработки данных по организации получен результат:

у = 13,6 – 0,027х1 – 0,074х5 – 0,044х8 + + 0,055х9 – 0,032х10 – 0,018х20 – 0,064х22,

где у – количество инцидентов информационной безопасности в квартал, х1 – готовность не престу-

пать этические нормы при выполнении профес-сиональных обязанностей, х5 – дисциплинирован-ность, х8 – самоконтроль в поступках и действиях, х9 – склонность к риску, х10 – умение хранить сек-реты, х20 – умение работать в группе, х22 – лично-стное развитие.

В результате анализа в данном примере наи-более значимыми факторами оказались дисципли-нированность, личностное развитие и склонность к риску, причем, при повышении дисциплинирован-ности и уровня личностного развития количество преступлений снижается, а при повышении склон-ности к риску повышается. Остальные факторы оказались зависимыми от названных с коэффици-ентами корреляции ≥ 0,85. Оказывая воздействие на выбранные факторы, субъект управления ин-формационной безопасностью получает возмож-ность изменить и остальные.

Из сказанного следует, что в процессе управ-ления информационной безопасностью очевидна острая необходимость в использовании психолого-педагогических технологий в работе с персоналом. Этот вывод подтверждается тем, что одним из обя-зательных видов деятельности, к которому соглас-но государственному образовательному стандарту должен быть подготовлен специалист по защите информации, является педагогическая деятель-ность. Однако педагогические компетенции в но-вых стандартах представлены весьма поверхност-но и не отражают специфики профессиональной деятельности.

Таким образом, анализ стандартов по инфор-мационной безопасности показал, что проблемы идентификации и оценки кадровых уязвимостей информационной безопасности исследованы не-достаточно. В процессе обеспечения кадровой безопасности внимание экспертов акцентируется в большей степени на повышении квалификации сотрудников. Ценностные аспекты личности пер-сонала в силу сложности их формализации не яв-ляются объектом идентификации и оценки спе-циалистами по защите информации. Службы управления персоналом и защиты информации не всегда координируют свою деятельность. Даль-нейшая разработка и внедрение метода и техноло-гии идентификации кадровых уязвимостей ин-формационной безопасности в организации на основе личностно-ценностных компетенций ее сотрудников, а также метода и технологии оценки кадровых уязвимостей, в основу которых положе-на предлагаемая в данной работе математическая модель, способны помочь в решении «вечной» проблемы человеческого фактора в информацион-ной безопасности объектов.


1. Астахов, А.М. Искусство управления ин-формационными рисками. – М.: ДМК Пресс, 2010. – 312 с.


Проблема идентификации и оценки кадровых уязвимостей информационной безопасности организации

2013, том 13, № 1 83

2. ГОСТ Р ИСО/МЭК 31010–2011. Менедж-мент риска. Методы оценки риска (Risk manage-ment. Risk assessment methods). Дата введения в действие: 01.12.2012. – М., 2012.

3. Стандарт ЦБ РФ СТО БР ИББС-1.0-2010. Обеспечение информационной безопасности орга-низаций банковской системы РФ. Общие положе-ния. – М., 2010.

4. Стандарт ЦБ РФ СТО БР ИББС-1.2-2010. Обеспечение информационной безопасности орга-низаций банковской системы РФ. Методика оцен-ки соответствия информационной безопасности организаций банковской системы Российской Феде-рации требованиям СТО БР ИББС-1.0. – М., 2010.

5. ISO/IEC 27001:2005/BS 7799-2:2005. Infor-mation technology. Security techniques. Information security management systems. Requirements – Ин-формационные технологии. Методы обеспечения безопасности. Системы управления информаци-онной безопасностью. Требования. – М., 2005.

6. ISO/IEC 27002:2005, BS 7799-1:2005,BS ISO/IEC 17799:2005. Information technology. Securi-ty techniques. Code of practice for information securi-ty management – Информационные технологии. Методы обеспечения безопасности. Практиче-ские правила управления информационной безо-пасностью. – М., 2005.

7. HOGAN. – http://www.hoganassessments.com




Введение1 В современных объектах информатизации и

народного хозяйства актуальной является пробле-ма снижения потребления энергии. Ведущие про-изводители бытовой, компьютерной и прочей тех-ники разрабатывают различные технологии энер-госбережения, например [1]. Разрабатываются ми-ни-платформы, обладающие, с одной стороны, низким энергопотреблением, а с другой стороны – вычислительной мощью, сравнимой с настольны-ми системами [2]. Однако не менее актуальной является проблема проверки соответствия задач установленному ограничению на энергозатраты. Например, эта задача актуальна для спутниковых систем, где ресурсы ограничены энергией, выраба-тываемой системой электроснабжения на солнеч-ных батареях, например [3]. Для систем с ограни-чениями на максимум энергопотребления важно убедиться в том, что задача, возложенная на сис-

Ханкин Константин Михайлович – аспирант кафедры ЭВМ, Южно-Уральский государственный университет; [email protected]

тему, может быть этой системой выполнена до то-го, как запускать систему в эксплуатацию.

В источниках описывается метод оценки энер-гопотребления задач путём её пробного исполне-ния. Например, Intel предлагает следить за разря-дом батареи ноутбука [4]. Однако не всегда воз-можно оценить энергозатраты таким способом, поэтому появляется необходимость в инструмен-тах оценки энергозатратности задания. Для созда-ния таких инструментов необходимо предвари-тельно выработать методы проведения «энергети-ческой» оценки кода задачи.2

Один из подходов к оценке энергозатрат В исходном коде задачи можно выделить ос-

новные алгоритмические единицы – циклы, услов-ные операторы и т. д. Можно предположить, что энергозатраты на исполнение программы будут примерно равны (или меньше за счёт оптимиза-

Khankin Konstantin Mikhaylovich – Post-Graduate Stu-dent of Electronic Computer Department of South Ural State University; [email protected]

Краткие сообщения УДК 004.051

О МЕТОДЕ ОЦЕНКИ СООТВЕТСТВИЯ ЭНЕРГОЗАТРАТНОСТИ ВЫЧИСЛИТЕЛЬНОЙ ЗАДАЧИ ТРЕБОВАНИЯМ К ЭНЕРГОПОТРЕБЛЕНИЮ И ЕГО РЕАЛИЗАЦИИ С ПОМОЩЬЮ StarPU К.М. Ханкин

METHOD OF CONFORMANCE EVALUATION OF ENERGY CONSUMPTION OF COMPUTING TASK AND REQUIREMENTS TO ENERGY CONSUMPION, ITS IMPLEMENTATION WITH THE HELP OF StarPU K.M. Khankin

Приведено описание возможного метода для проверки соответствия энергозатрат-ности вычислительной задачи требованиям к энергопотреблению, выставляемым це-левой вычислительной системой, а также описан подход к реализации приведённого метода с использованием StarPU.

Ключевые слова: StarPU, энергопотребление.

In the article the description of a possible method for checking a compliance of compu-ting task energy consumption level to the consumption limits of computing system and its im-plementation with the help of StarPU are considered.

Keywords: StarPU, energy consumption.


О методе оценки соответствия энергозатратности вычислительной задачи требованиям к энергопотреблению и его реализации с помощью StarPU

2013, том 13, № 1 85

ций) сумме энергозатрат на исполнение отдельных алгоритмических единиц. Таким образом, один из возможных подходов заключается в энергетиче-ской оценке каждой алгоритмической единицы и суммировании этих оценок. Рассмотрим, как мож-но оценить энергозатраты каждой алгоритмиче-ской единицы.

Вообще для оценки энергозатрат требуется предварительно знать, какую мощность потребляет вычислительная система на единичную операцию. Это можно выяснить, выполняя элементарные операции (сложение, умножение, деление и пр.) и снимая данные об энергопотреблении во время их выполнения. Причём если вычислительная систе-ма имеет несколько вычислителей, а возможно, и разнородных, то такую оценку производить надо для каждого вычислителя на таких наборах дан-ных, которые являются типичными для данного вычислителя (например, для оценки CUDA-совместимого вычислителя следует учитывать размеры вычислительной сетки и количество про-цессоров).

Без оптимизаций последовательный код мож-но представить в виде набора элементарных ко-манд и соответственно оценить энергозатраты на его выполнение как сумму энергозатрат на выпол-нение каждой элементарной единицы. При оценке условного оператора целесообразно оценивать все ветки, разворачивая условие в последовательный код. Полученные оценки укладываются в некото-рый диапазон, который и будет являться результа-том оценки. Однако при оценке циклов всё не так очевидно. Если цикл имеет ограниченное число итераций, то оценить его энергоёмкость легко по методу, применимому для условных операторов, развернув такой цикл в последовательный код. Если вся программа заключена в бесконечный цикл (как, например, основной цикл в микропро-цессорных системах), можно оценить энергоём-кость одной итерации такого цикла и, зная время, за которое исполняется эта итерация, получить оценку. Для циклов с заранее неизвестным или переменным числом итераций можно разработать эвристики, которые будут давать оценку с более высокой погрешностью, чем для других алгорит-мических единиц, но всё же позволят оценить всю задачу целиком.

Ещё более сложным является анализ исходно-го кода, включающего в себя библиотеки, исходно-го кода которых мы не имеем. В случае с динами-ческим связыванием нельзя будет даже оценить энергозатраты по бинарному коду. Для такого ва-рианта предлагается сделать набор готовых энер-гооценок часто применяемых функций из различ-ных библиотек путём предварительного выполне-ния тестовых прогонов на разных объёмах данных с целью выявления зависимости энергопотребле-ния от количества и размера аргументов. В случае, если для какой-то функции не окажется оценки в тот момент, когда она будет необходима, надо бу-

дет выполнить такой тест до исполнения посту-пившей задачи.

Применение StarPU для оценки Для реализации описанного выше подхода

можно применять систему диспетчеризации бло-ков вычислительной задачи StarPU. StarPU при первом запуске выполняет оценку быстродействия всех вычислителей в системе для реализации алго-ритма диспетчеризации. Можно совместить эту оценку с оценкой энергозатрат на элементарные операции, если оснастить вычислительную систе-му оборудованием для измерения энергопотребле-ния, аналогичным использованному в [5], и доба-вить в StarPU возможность использования изме-ренной величины. Дальнейшую работу StarPU вы-полняет на основе одного из алгоритмов диспетче-ризации, критерии для которого записаны в блоках кода. Можно добавить дополнительный критерий – энергозатратность, который будет либо вычислять-ся (оцениваться), либо задаваться пользователем и модифицировать алгоритм диспетчеризации, из-менив целевую функцию на достижение минимума энергопотребления. При этом можно оставить вто-рым критерием оптимизации минимум времени выполнения задачи, получив тем самым решение, оптимальное по энергопотреблению в первую оче-редь, и по времени выполнения – во вторую. StarPU включает в себя множество алгоритмов диспетчеризации [6] и позволяет реализовывать собственные диспетчеры, что даёт возможность выбирать целевую функцию на этапе выполнения задачи.

Выводы Для проверки возможности выполнения зада-

чи с затратой предложенного объёма энергии мож-но использовать энергооценку исходного кода за-дачи. Для такой оценки код можно разбить на эле-ментарные операции и алгоритмические конструк-ции и, используя имеющуюся энергетическую оценку операций и конструкций, оценить энерго-затратность задания, сделав вывод о возможности его выполнения на предложенном объёме энерго-ресурса. Для автоматизации этого процесса можно использовать StarPU, изменив алгоритмы диспет-черизации блоков кода и добавив к блокам новый критерий диспетчеризации – «энергоёмкость».


1. Low Power Embedded Systems with Intel Power Management Technology / Intel Corporation – http:// www.intel.com/p/ru_RU/embedded/hwsw/technology/ power-management

2. Raspberry Pi. An ARM GNU/Linux box. – http://www.raspberrypi.org/

3. Системы электроснабжения / КБ «Юж-ное». – http://www.yuzhnoye.com/?id=58&path= Aerospace%20Technology/aerospace_systems_and_


К.М. Ханкин


components/sc_components/power_supply_systems/ power_supply_systems

4. Intel Developer Zone. Способы оценки энер-гопотребления программы / Intel Corporation – http://software.intel.com/ru-ru/articles/Energy_ Con-sumption_Tools

5. Ханкин, К.М. Оценка влияния аппаратных технологий энергосбережения персонального ком-

пьютера на производительность и энергопотреб-ление / К.М. Ханкин // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радио-электроника». – 2012. – Вып. 16. – № 23 (282). – С. 225–227.

6. Task scheduling policy. StarPU Handbook. – http://runtime.bordeaux.inria.fr/StarPU/starpu.html#Task-scheduling-policy



2013, том 13, № 1 87

Введение1 Большинство современных научных работ по

стереозрению для построения математической модели используют два предположения о структу-ре наблюдаемой сцены [1]:

1) предположение о кусочной гладкости; 2) предположение о сегментированности. Первое утверждает, что соседние пиксели

имеют схожие значения диспаритета (разницы между положением объекта на левом и правом изображениях), поскольку объекты сцены являют-ся кусочно-гладкими. Второе предположение гла-сит о том, что однотонным участкам сцены соот-ветствуют плоские поверхности в 3D.

Общая оценка методов оптимизации энергии Согласно терминологии [2] распространен-

ным подходом к решению задачи стереозрения является метод глобальной оптимизации, основан-ный на поиске аргумента, при котором некая функция энергии принимает минимальное значе-ние. В наиболее общем случае функция энергии может быть записана следующим образом:

data smoothΕ d = Ε d + λΕ d , (1)

где dataΕ d есть функция, описывающая штраф, накладываемый на пиксели левого и правого изо- Аргутин Александр Вячеславович – аспирант кафед-ры ЭВМ, Южно-Уральский государственный универси-тет; [email protected]

бражения, приводимые в соответствие текущим значением диспаритета d, в зависимости от того, насколько они различаются по значению цвета, интенсивности, либо в зависимости от степени их соответствия более сложным критериям [3];

smoothΕ d – функция, описывающая штраф, на-кладываемый на пару пикселей, приводимых в соответствие текущим значением диспаритета d, если для них нарушается условие непрерывности функции диспаритета.2

Поскольку минимизация функции (1) в об-щем случае является NP-сложной задачей, суще-ствует подход, значительно упрощающий мини-мизацию функции энергии и переводящий функ-цию smoothΕ d из пространства 2D в пространст-во 1D. Другими словами, данный подход учитыва-ет кусочную непрерывность функции диспаритета только в горизонтальном направлении. Такие ме-тоды оптимизации функции энергии в литературе по стереозрению [4–6] принято называть методами «Оптимизации вдоль сканлайна» (сканлайном на-зывается пара строк с одним индексом, получен-ных со стереопары). Функцию энергии в таком случае можно записать отдельно для каждого сканлайна в отличие от единой функции энергии для изображения со стереопары в 2D-методах гло-бальной оптимизации: Argutin Aleksandr Vyacheslavovich – Post-Graduate Stu-dent of Electronic Computer Department of South Ural State University; [email protected]

УДК 004.021

МЕТОД ОПТИМИЗАЦИИ ЭНЕРГИИ С ПОМОЩЬЮ МЕХАНИЗМА ПЕРЕДАЧИ СООБЩЕНИЙ В ЗАДАЧАХ СТЕРЕОЗРЕНИЯ А.В. Аргутин

ENERGY OPTIMIZATION METHOD BASED ON MESSAGE PASSING MECHANISM APPLIED FOR STEREO-VISION PROBLEMS A.V. Argutin

Рассматривается алгоритм оптимизации функции энергии вдоль сканлайна, его особенности и способ реализации с использованием механизма передачи сообщений. В проведенном обзоре рассмотрен метод поиска минимума функции энергии, а также метод поиска аргумента, при котором достигается это значение.

Ключевые слова: стереозрение, алгоритмы на графах, минимизация энергии, передача сообщений.

In the article the scanline energy optimization algorithm, its characteristics and imple-mentation method with the help of message passing mechanism is considered. The method of searching for energy function minimum and the method of searching for the argument at which this minimum occurs have been observed in the review.

Keywords: stereo-vision, graph algorithms, energy minimization, message passing.


А.В. Аргутин


0 data 0 smooth 0Ε d, y = Ε d, y + λΕ d, y , (2) где 0y – индекс сканлайна, для которого осущест-вляется оптимизация.

Рис. 1. Горизонтальные артефакты на карте глубины

Положительными качествами таких методов

являются простота реализации, быстродействие и эффективность, однако общим недостатком явля-ется наличие горизонтальных артефактов, пред-ставляющих собой шум, ошибку работы алгоритма на результирующей карте глубины (рис. 1), вы-званную упрощением (2) изначальной функции энергии (1).

Оптимизация энергии с помощью механизма передачи сообщений В данной статье рассматривается один из ме-

тодов оптимизации вдоль сканлайна, использую-щий механизм передачи сообщений. Вид функций

dataΕ d и smoothΕ d не рассматривается в дан-ной статье, однако имеет смысл сообщить, что в качестве функции dataΕ d может применяться один из существующих методов формирования цены сопоставления, например SAD, SSD, NAC, BT [3].

Функция smoothΕ d может иметь следующий вид:

1 1smooth i i+ i iΕ d ,d = sign d d , (3)

211

i ismooth i i+

d dΕ d ,d =

K

. (4)

Рис. 2. Вид функции smoothΕ d

Следует отметить, что в случае (3) любое из-менение (в том числе плавное) величины диспари-тета будет восприниматься алгоритмом как резкий скачок. Это означает, что изменение величины диспаритета на 1 облагается штрафом за наруше-ние условия непрерывности функции диспаритета в той же мере, что и изменение величины диспари-тета на 10. В каких-то случаях такое условие мо-жет быть слишком строгим, поэтому имеет смысл применять функцию вида (4) (рис. 2).

Принцип действия одного из методов оптими-зации вдоль сканлайна описывается ниже. Для данного метода удобной математической сущно-стью для представления сканлайна является граф, вершины которого – потенциально возможные соответствия между пикселем на изображении со стереопары и величиной диспаритета. При такой формулировке задача стереосопоставления может быть преобразована к задаче поиска кратчайшего пути на графе, в котором длина пути определяется функцией энергии в целом и ценой сопоставления

dataΕ d совместно с критерием кусочной непре-рывности функции диспаритета, определяемым функцией smoothΕ d в частности (рис. 3).

Рис. 3. Поиск кратчайшего пути на графе

Величина функции энергии для всего скан-

лайна может быть записана следующим образом: 1 1 2 2data smooth dataΕ d = Ε d + Ε d ,d + Ε d +

2 3smooth data NΕ d ,d + + Ε d . (5)

В данном случае data iΕ d является длиной пути, добавляемой текущей вершиной графа, а

1smooth i i+Ε d ,d – длиной пути, добавляемой те-кущим ребром графа. Такая запись функции энер-гии позволяет сделать предположение, что поиск кратчайшего пути на данном графе может быть реализован с помощью механизма передачи сооб-щений. В таком случае сообщение является ин-формацией о длинах пути по графу от начала сканлайна до текущего пикселя для всех возмож-ных значений величины диспаритета, передавае-мой от пикселя к пикселю (рис. 4).


Метод оптимизации энергии с помощью механизма передачи сообщений в задачах стереозрения

2013, том 13, № 1 89

Рис. 4. Поиск кратчайшего пути с помощью

механизма передачи сообщений

Сообщение, передаваемое от пикселя i – 1 к пик-селю i, может быть записано следующим образом:

1min1

Li i data smooth

Dm k = m j + Ε j + Ε k, j

j = . (6)

Для того чтобы минимизировать функцию энергии Ε d , достаточно применить механизм передачи сообщений в одном направлении для графа сканлайна, на котором производится мини-мизация. Сообщение, переданное в последний пиксель, будет хранить в себе D (по количеству допустимых значений диспаритета) кратчайших длин путей для всех анализируемых величин дис-паритета. Минимальное значение, передаваемое в этом сообщении, является кратчайшей длиной пути по графу и одновременно минимальным значением функции энергии для всего сканлайна. В дальней-шем эта величина будет называться minΕ .

Однако минимизация функции энергии не яв-ляется решением задачи стереозрения, необходимо знать аргумент функции энергии, при котором функция принимает минимальное значение, дру-гими словами, необходимо вычислить сам мини-мальный путь, а не только его длину. В [7] для решения данной проблемы предлагается произве-сти процесс передачи сообщений в двух направле-ниях. Тогда к уравнению (6) можно добавить уравнение, выражающее сообщение, приходящее в пиксель i из пикселя i + 1:

1min1

Ri i+ data smooth

Dm k = m j + Ε j + Ε k, j

j =

. (7)

В таком случае формула (6) выражает крат-чайший путь до текущего пикселя от левого края сканлайна, а формула (7) – кратчайший путь до текущего пикселя от правого края сканлайна. При сложении этих двух величин со значением

data iΕ x ,k для данного пикселя получается функ-ция энергии в целом:

L Ri data iΕ d = m d + Ε d +m d . (8)

Таким образом, для каждого пикселя из всех допустимых значений диспаритета становится воз-можным выбрать то, при котором значение энергии, получающееся в (8), равно минимальному значению функции энергии minE . Значения диспаритета в со-вокупности с номерами пикселей, которым они соот-ветствуют, и формируют кратчайший путь по графу.


1. Wang, L. Global stereo matching leveraged by sparse ground control points / L. Wang, R. Yang // CVPR. – 2011. – P. 3033–3040.

2. Scharstein, D. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms / D. Scharstein, R. Szeliski // IJCV. – 2002. – Vol. 47, no. 1–3. – P. 7–42.

3. Hirschmüller, H. Evaluation of Cost Functions for Stereo Matching / H. Hirschmüller, D. Scharstein // IEEE Conference on Computer Vision and Pattern Recognition. – 2007. – Vol. 1. – P. 1–8.

4. Birchfield, S. Depth discontinuities by pixel to-pixel stereo / S. Birchfield, C. Tomasi // IJCV. – 1999. – Vol. 35, no. 3. – P. 269–293.

5. Ohta, Y. Stereo by intra- and inter-scanline search / Y. Ohta and T. Kanade // TPAMI. – 1985. – Vol. 7, no. 2. – P. 139–154.

6. Cox, I. A maximum likelihood stereo algorithm / I. Cox, S. Hingorani, S. Rao, and B. Maggs // Compu-ter Vision, Graphics and Image Processing. – 1996. – Vol. 63, no. 3. – P. 542–567,

7. Оптимизация энергии в задачах компью-терного зрения и алгоритмы на графах, лекция 1 [Электронный ресурс]. – http://www.lektorium.tv/ lecture/?id=12997




Введение1 Прогнозирование потребления энергетиче-

ских ресурсов является актуальной задачей энер-гетического менеджмента промышленных пред-приятий [1–6]. На основе прогноза потребления энергетических ресурсов осуществляется плани-рование потребления и формирование заявок на объемы поставок энергетических ресурсов. Ошиб-ки прогнозирования, с одной стороны, приводят к необходимости дополнительной закупки ресурсов по повышенным ценам, с другой стороны – непол-ное использование заявленных ресурсов приводит также к экономическим потерям предприятия.

Существующие методы прогнозирования [7, 8] основываются на минимизации ошибки прогнози-рования в натуральных величинах. Однако данная задача имеет технико-экономический характер. При этом цена ошибки прогнозирования зависит от знака ошибки. Поэтому целесообразно решать

Казаринов Лев Сергеевич – д-р. техн. наук, профессор, декан приборостроительного факультета, Южно-Ураль-ский государственный университет; [email protected]. ac.ru Барбасова Татьяна Александровна – канд. техн. наук, доцент кафедры автоматики и управления, Южно-Ураль-ский государственный университет; tatyana_barbasova @mail.ru Захарова Александра Александровна – аспирант ка-федры автоматики и управления, Южно-Уральский го-сударственный университет; [email protected]

задачу прогнозирования исходя из минимума цены ошибки прогнозирования. Кроме того, задача про-гнозирования решается с использованием данных эксплуатации, которые могут не содержать доста-точное количество информации для решения зада-чи прогнозирования. В этом случае необходимо осуществлять регуляризацию постановки задачи прогнозирования.2

В данной работе предлагается метод, свобод-ный от указанных выше недостатков.

Построение оптимальной модели прогнозирования Прогнозная модель строится в предположе-

нии, что функция потребления энергетических ресурсов имеет линейный характер, а именно:

0

n

i ii

y a x

, (1)

Kazarinov Lev Sergeevich – Doctor of Sciences (Enginee-ring), Professor, Dean of Computer Technologies, Control and Radio Electronics Faculty of South Ural State Univer-sity; [email protected] Barbasova Tatiana Alexandrovna – Candidate of Science (Engineering), Associate Professor of Automation and Con-trol Department of South Ural State University; tatyana_ [email protected] Zakharova Alexandra Alexandrovna – Post-Graduate Student of Automation and Control Department of South Ural State University; [email protected]

УДК 621, 620.9

ОПТИМАЛЬНОЕ ПРОГНОЗИРОВАНИЕ ПОТРЕБЛЕНИЯ ЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ ПО СТОИМОСТНОМУ КРИТЕРИЮ Л.С. Казаринов, Т.А. Барбасова, А.А. Захарова

EFFECTIVE PREDICTION OF ENERGY RESOURCES CONSUMPTION BY COST CRITERION L.S. Kazarinov, T.A. Barbasova, A.A. Zakharova

Предложен метод оптимального прогнозирования потребления энергетических ре-сурсов технологическими процессами по критерию минимума цены ошибки прогноза. Рассматривается регуляризация некорректно поставленных задач прогноза на основе использования нормативных характеристик процессов.

Ключевые слова: энергетические ресурсы, прогнозирование, факторный анализ, опти-мизация.

The method of effective prediction of energy resources consumption by technological processes by the criterion of minimizing cost of prediction error is proposed. The regulariza-tion of ill-formulated prediction problems on the basis of process standard characteristics is considered.

Keywords: energy resources, prediction, factor analysis, cost optimization.


Оптимальное прогнозирование потребления энергетических ресурсов по стоимостному критерию

2013, том 13, № 1 91

где y – объем потребления энергетических ресур-сов; ix – технологические факторы; ia – струк-турные параметры.

Будем предполагать, что 1x является ведущим показателем, характеризующим объем производи-мой продукции, ix – уточняющие технологиче-ские факторы.

Ошибка прогноза для k-го наблюдения опре-деляется как разность между фактическим значе-нием объема потребляемых энергетических ресур-сов и прогнозным значением для данного наблю-дения:

,0

n

k k j j kj

e y a x

, (2)

где ky – фактическое значение объема потребляе-мых энергетических ресурсов для k-го статистиче-

ского наблюдения; ,0

n

j j kj

a x – прогнозное значе-

ние объема потребляемых энергетических ресур-сов для k-го статистического наблюдения.

Суммарный штраф за неточный прогноз:

P Шk kk k

C c e c e , (3)

где P Ш,c c – стоимость ресурсов и штрафа соот-

ветственно; ke , ke – отрицательные и положи-тельные значения ошибки.

В качестве критерия эффективности задачи про-гноза будем использовать квадратичный критерий:

2 22 2P Ш0,5 0,5k k

k kS s e s e , (4)

где P Ш,s s – весовые коэффициенты, например,

P P Ш Ш,s c s c . В общем случае коэффициенты

P Ш,s s выбираются из минимума критерия (3) [9]. Для регуляризации постановки задачи будем

использовать нормативную модель потребления ресурсов. Указанная модель строится на основе нормативных методик расчета потребления ресур-сов технологическими процессами, нормативных энергетических характеристик процессов, карт рабочих режимов и т. п.

Будем различать следующие случаи норма-тивного расчета потребления ресурса:

а) простой случай: H 1 1y b x , (5)

где 1b – норматив энергоемкости технологическо-го процесса, уточняющие факторы 0ib ;

б) сложный случай, учитывающий уточняю-щие факторы:

H0

n

i ii

y b x

, 0ib . (6)

В качестве критерия регуляризации постанов-ки задачи будем использовать сумму квадратов

уклонения структурных параметров прогнози-рующей модели от нормативных значений:

2

0

n

i ii

R a b

, (7)

где R – критерий регуляризации. Задача определения структурных параметров

ia прогнозирующей модели из условия минимума критерия эффективности прогноза (4) с учетом критерия регуляризации (7) сводится к задаче ми-нимизации функции Лагранжа:

min

iaS R , (8)

где – коэффициент регуляризации; 2 22 2

P Ш0,5 0,5k kk k

S R s e s e

2

0

n

i ii

a b

, (9)

2P

01

n

k k j jk iki k j

S Rs e y a x x

a

2Ш

01

n

k k j jk ikk j

s e y a x x

0

2 0,n

i ii

a b

(10)

где 1 ,1u ue e – переключательные единичные

функции. Уравнение (10) является нелинейным и со-

держит в своем составе переключательные функ-ции. Для решения этого уравнения будем использо-вать алгоритм типа метода наискорейшего спуска.

В этом методе, если зафиксировать значения переключательных функций, уравнение становит-ся линейным вида (11), и его можно решить. В результате будет найден локальный минимум суммарного штрафа (9). Для нахождения глобаль-ного минимума используется итерационная про-цедура. В этой процедуре по результатам локаль-ных решений определяются соответствующие зна-чения переключательных функций, которые ис-пользуются на дальнейшем шаге решения. Так как функция (9) выпуклая и унимодальная, то процесс сходится к глобальному экстремуму:

0

n

ij j ij

g a d

, i = 0, n. (11)

2P 1ij k ik jk

kg s e x x

2Ш 1 2k ik jk

ks e x x , (12)

2P 1i k k jk

kd s e y x

2Ш

01 2

n

k k jk ik i

s e y x b

. (13)


Л.С. Казаринов, Т.А. Барбасова, А.А. Захарова


Таким образом, необходимо программно ре-шить систему линейных алгебраических уравне-ний (11), определяющих минимизацию целевой функции (10) методом наискорейшего спуска, и осуществить пересчет для каждого полученного решения значений переключательных функций.

Оценка точности найденных решений оцени-вается на основе исходного критерия – суммарно-го штрафа за неточный прогноз.

Пример. Рассмотрим задачу прогнозирования природного газа в кислородно-конвертерном цехе ОАО «ММК».

В результате обработки статистических дан-ных были получены структурные параметры про-гнозирующих моделей потребления природного газа для двух случаев: с регуляризацией постанов-ки задачи и без нее. Для оценки эффективности были построены зависимости величины суммарно-го штрафа от времени для обоих случаев. Полу-ченные зависимости представлены на рисунке.

Таким образом, в результате оптимального решения задачи прогноза, величина суммарного штрафа сократилась с 1 % до 0,2 %.

Выводы 1. Оптимальное решение задачи прогноза по-

требления энергетических ресурсов технологиче-скими процессами по критерию минимума стои-мостных потерь от ошибок прогноза позволяет снизить штрафы за недостоверную заявку на по-ставку энергетических ресурсов.

2. Регуляризация постановки задачи опти-мального прогноза позволяет эффективно решать задачу прогноза при неполных исходных данных эксплуатации.

Литература 1. Казаринов, Л.С. Упреждающее управление

энергетической эффективностью предприятий / Л.С. Казаринов, Т.А. Барбасова // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, ра-диоэлектроника». – 2012. – Вып. 17. – № 35 (294). – С. 85–98.

2. Казаринов, Л.С. Автоматизированная ин-формационная система поддержки принятия ре-шений по контролю и планированию потребления энергетических ресурсов / Л.С. Казаринов, Т.А. Бар-басова, А.А. Захарова // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радио-электроника». – 2012. – Вып. 16. – № 23 (282). – С. 118–122.

3. Казаринов, Л.С. Система управления энер-гетическими потоками в теплоэнергетическом комплексе металлургического предприятия / Л.С. Казаринов, Т.А. Барбасова // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, ра-диоэлектроника». – 2012. – Вып. 16. – № 23 (282). – С. 21–25.

4. Барбасова, Т.А. Пути повышения энерге-тической эффективности Челябинской области / Т.А. Барбасова, А.А. Захарова // Инновационный Вестник Регион. – 2012 – № 2. – С. 69–75.

5. Казаринов, Л.С. Оптимальное прогнозиро-вание потребления топливных газов на метал-лургическом производстве / Л.С. Казаринов, Л.А. Копцев, И.А. Япрынцева // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2007. – Вып. 5. – № 7 (79). – С. 24–26.

6. Автоматизированные системы управления в энергосбережении (опыт разработки): моногр. /

Динамика изменения суммарного штрафа во времени с учетом критерия регуляризации и без него


Оптимальное прогнозирование потребления энергетических ресурсов по стоимостному критерию

2013, том 13, № 1 93

Л.С. Казаринов, Д.А. Шнайдер, О.В. Колесникова и др.; под ред. Л.С. Казаринова. – Челябинск: Издат. центр ЮУрГУ: Изд-во Т. Лурье, 2010. – 228 с.

7. Никифоров, Г.В. Энергосбережение и уп-равление энергопотреблением в металлургиче-ском производстве / Г.В. Никифоров, В.К. Олей-ников, Б.И. Заславец. – М.: Энергоатомиздат, 2003. – 480 с.

8. Копцев, Л.А. Моделирование потребления топлива в ОАО «ММК» / Л.А. Копцев, И.А. Япрын-цева // Промышленная энергетика. – М.: НТФ «Прогресс», 2004. – Вып. 5. – С. 2–6.

9. Казаринов, Л.С. Системные исследования и управление (когнитивный подход): науч.-метод. пособие / Л.С. Казаринов. – Челябинск: Издат. центр ЮУрГУ: Изд-во Т. Лурье, 2011. – 524 с.




В серийном производстве с целью предвари-тельного обследования и построения контрольных карт регулирования технологического процесса объем исходной выборки составляет 100–200 из-мерений. Современное динамичное машинострое-ние, оснащенное станками с ЧПУ, характеризуется широкой номенклатурой выпускаемых изделий и мелкосерийными партиями. Поэтому объем выбо-рок, по которым производится статистический контроль технологического процесса, крайне мал. Таким образом, имея в качестве базовой выборку значительно меньшего объема, необходимо уста-новить влияние объема исходной выборки на на-дежность расчета контрольных карт.1

С целью определения влияния размера исход-ной выборки на результаты статистического регу-лирования на предприятии Челябинской области были произведены исследования технологической точности станка с ЧПУ в серийном производстве. По результатам контроля в процессе обработки была сформирована исходная нормальная выборка объемом 180 измерений.

Произвели первичную статистическую обра-ботку исходной выборки и определили числовые характеристики (рис. 1., табл. 1) [1].

Кошин Анатолий Александрович – д-р техн. наук, профессор кафедры технологии машиностроении, Южно-Уральский государственный университет; akoshin@ inbox.ru Нуркенов Антон Халилевич – аспирант кафедры тех-нологии машиностроения, Южно-Уральский государст-венный университет; [email protected]

В результате построения диаграммы рассеи-вания удаляем выбросы (резко отличающиеся по-казания измерений).2

Для определения естественного допуска тех-нологического процесса и обеспечиваемой точно-сти технологического процесса построили комби-нированную контрольную карту X/S (рис. 2). Ком-бинированная карта позволяет более точно иссле-довать информацию, полученную на этапе предва-рительного исследования [2]. По контрольной кар-те X выполняется суждение о величине настроеч-ного параметра. По карте S – величина и характер изменения дисперсии процесса, т. е. его стабиль-ность.

График рассеивания размеров и комбиниро-ванная контрольная карта показывают сущест-венные отклонения диаметров изделий. Наличие отрицательного тренда говорит о нарушении в технологическом процессе и необходимости под-настройки технологической системы, поэтому данные измерения нельзя включать в определе-ние собственного допуска технологического про-цесса. По результатам контроля удаляем часть проб.

Koshin Anatoly Alexandrovich – Doctor of Science (En-gineering), Professor of Mechanical Engineering Depart-ment of South Ural State University; [email protected] Nurkenov Anton Khalilevich – Post-Graduate Student of Mechanical Engineering Department of South Ural State University; [email protected]

УДК 621.9

ОЦЕНКА РАБОТОСПОСОБНОСТИ СТАТИСТИЧЕСКОГО РЕГУЛИРОВАНИЯ ПРИ ТОКАРНОЙ ОБРАБОТКЕ НА СТАНКЕ С ЧПУ А.А. Кошин, А.Х. Нуркенов

WORKABILITY EVALUATION OF STATISTICAL CONTROL FOR CNC MACHINE A.A. Koshin, A.K. Nurkenov

Рассмотрен метод статистического регулирования технологического процесса для станка с ЧПУ. Определено влияние объема исходной выборки на технологический допуск и предложены рекомендации по выбору объема исходной выборки.

Ключевые слова: станки с ЧПУ, статистический контроль, технологический допуск.

In the article the statistical control method of technological process for CNC machine is considered. The influence of volume of original sample on technological tolerances is deter-mined and also the recommendations for the choice of the original samples are given.

Keywords: CNC machine, statistical control, technological tolerances.


Оценка работоспособности статистического регулированияпри токарной обработке на станке с ЧПУ

2013, том 13, № 1

После удаления проб, превышающих котрольные границы, произвели расчет новых границ (рис. 3). В результате естественный допуск технологического процесса при объеме выборки n = 165 измерений составил 0,0302 мм.

Рис. 1. Диаграмма рассеивания размеров изделий

Числовые характеристики исходной выборки

№ п/п Числовая характеристика

1 Математическое ожидание

2 Среднегеометрическое

3 Медиана 4 Мода 5 Размах 6 Дисперсия 7 Среднеквадратичное отклонение

Рис. 2. Комбинированная контрольная карта

статистического регулирования при токарной обработке на станке с ЧПУ

После удаления проб, превышающих кон-трольные границы, произвели расчет новых

естественный допуск технологического процесса при объеме выборки

165 измерений составил 0,0302 мм.

Таким образом, для анализа влияния объема исходной выборки на естественный допуск технлогического процесса было сгенерировано слчайным образом несколько вариаций выборки объемом n = 150; 90; 60; 30 измерений и показана

1. Диаграмма рассеивания размеров изделий

Числовые характеристики исходной выборки

Числовая характеристика Обозначение Расчетное значение

Математическое ожидание X

X

X

mod X R S

Среднеквадратичное отклонение σ

Рис. 2. Комбинированная контрольная карта

95

Таким образом, для анализа влияния объема исходной выборки на естественный допуск техно-логического процесса было сгенерировано слу-

ко вариаций выборки 150; 90; 60; 30 измерений и показана

Таблица 1

Расчетное значение

5,00511

5,005089

5,1 5

0,1 0,000222 0,014892



динамика изменения технологического допуска от количества измерений в выборке (табл. 2, рис. 4).

На станках с ЧПУ при обработке малых патий изделий возникает вопрос в оценке надежнсти статистического регулирования. Преимущесвенно объем партии деталей не достигает требумого по уровню надежности объема предвартельного обследования (100–200 измерений). Для решения данной проблемы проведено исследовние и установлено допустимое значение для предварительного обследования, удовлетв

Рис. 3. Контрольная карта средних значений с исправленными

Изменение технологического допуска в результате усечения исходной выборки

№ выборки 150

1 0,0292 2 0,0361 3 0,0344 4 0,0312 5 0,0317

Среднее 0,03252

Рис. 4. Изменение технологического допуска в зависимости от объема выборки

А.А. Кошин, А.Х. Нуркенов


динамика изменения технологического допуска от выборке (табл. 2, рис. 4).

На станках с ЧПУ при обработке малых пар-тий изделий возникает вопрос в оценке надежно-

статистического регулирования. Преимущест-венно объем партии деталей не достигает требуе-мого по уровню надежности объема предвари-

200 измерений). Для решения данной проблемы проведено исследова-ние и установлено допустимое значение объема для предварительного обследования, удовлетво-

ряющее требованиям по надежности при проектровании контрольных карт.

В процессе регулирования объема исходной выборки очевидно, что уменьшение количества измерений приводит к увеличению мер рассеивния и соответственно к увеличению естественного допуска при расчете контрольных границ. Это пзволяет сделать вывод о том, что уменьшение вборки ведет к уменьшению надежности оценки. Уменьшение объема выборки с 165 до 150 измерний приводит к увеличению техноло

Рис. 3. Контрольная карта средних значений с исправленными контрольными границами

Изменение технологического допуска в результате усечения исходной выборки

Объем выборки 90 60 Технологический допуск

0,0324 0,038 0,0313 0,0368 0,0309 0,0336 0,0312 0,0322 0,0373 0,0297

3252 0,03262 0,03406


А.А. Кошин, А.Х. Нуркенов


ряющее требованиям по надежности при проекти-ровании контрольных карт.

В процессе регулирования объема исходной выборки очевидно, что уменьшение количества измерений приводит к увеличению мер рассеива-

соответственно к увеличению естественного допуска при расчете контрольных границ. Это по-зволяет сделать вывод о том, что уменьшение вы-борки ведет к уменьшению надежности оценки. Уменьшение объема выборки с 165 до 150 измере-ний приводит к увеличению технологического

Рис. 3. Контрольная карта средних значений с исправленными

Таблица 2 Изменение технологического допуска в результате усечения исходной выборки

30

0,0504 0,0424 0,0437 0,0336

0,03 0,04002



Оценка работоспособности статистического регулирования при токарной обработке на станке с ЧПУ

2013, том 13, № 1 97

допуска на 7,68 %; уменьшение до 90 измерений – на 8 %; уменьшение до 60 измерений – на 12,78 %; уменьшение до 30 измерений – на 32,51 %.

Таким образом, применительно к станкам с ЧПУ можно применять статистический контроль, если возможно провести предварительное обсле-дование на станке при объеме партии не менее 50 деталей с допустимой погрешностью в 12–15 %.

В дальнейшем при построении контрольной карты применяется традиционная методология, т. е. построение либо карты средних значений при объеме пробы в 5 измерений, либо, что более же-

лательно, построение карты индивидуальных зна-чений.


1. Гмурман, В.Е. Теория вероятностей и ма-тематическая статистика: учеб. пособие для вузов / В.Е. Гмурман. – М.: Высш. шк., 2003. – 479 с.

2. Смирнов, Н.В. Курс теории вероятностей и математической статистики для технических приложений / Н.В. Смирнов, И.В. Дунин-Барков-ский. – М.: Наука, 1969. – 511 с.



ИНФОРМАЦИЯ ДЛЯ АВТОРОВ

1. Тематика. В журнале публикуются статьи по следующим научным направлениям: управление в раз-личных отраслях техники, а также в административной, коммерческой и финансовой сферах; математическое, алгоритмическое, программное и аппаратурное обеспечение компьютерных технологий, в том числе компью-терных комплексов, систем и сетей; измерительные системы, приборостроение, радиоэлектроника и связь.

2. Предоставляемый материал. В редакцию предоставляются бумажная и электронная (документ Microsoft Word) версии статьи, экспертное заключение о возможности опубликования статьи в открытой печати, информационный листок авторов, где на русском и английском языке указываются: Ф.И.О., ме-сто работы и должность для всех авторов, контактная информация ответственного за подготовку рукопи-си (рабочий и мобильный телефон, адрес для рассылки авторских экземпляров).

3. Структура статьи. Статья содержит УДК, название (не более 12–15 слов), список авторов, аннота-цию (не более 300 знаков), список ключевых слов, введение, основной текст (структурированный по разде-лам), заключение (обсуждение результатов), литературу (в порядке цитирования, по ГОСТ 7.1–2003). В конце статьи следуют элементы на английском языке: название, аннотация, список ключевых слов. Бу-мажная версия статьи подписывается всеми авторами.

4. Параметры набора. Размеры полей: левое – 3 см, правое – 3 см, верхнее и нижнее – по 3 см. Текст статьи набирать шрифтом Times New Roman размером 14 пт. Выравнивание абзацев – по ширине. Отступ первой строки абзаца – 0,7 см. Междустрочный интервал – полуторный. Включить режим авто-матического переноса слов. Все кавычки должны быть угловыми («»). Все символы «тире» должны быть среднего размера («–», а не «-»). Ключевые элементы статьи – шапка, заголовки разделов – следует вы-делять полужирным. Знак разделения целой и десятичной части числа – запятая. Между числом и едини-цей измерения должен стоять неразрывный пробел (Ctrl + Shift + Пробел).

5. Формулы. Набираются в Microsoft Equation либо MathType с отступом 0,7 см от левого края. Раз-мер обычных символов – 10 пт, размеры индексов первого порядка – 71 %, индексов второго порядка – 58 %. Номер формулы размещается за пределами формулы, непосредственно после нее, в круглых скобках.

6. Рисунки и таблицы. Рисунки имеют разрешение не менее 300 dpi. Рисунки нумеруются и имеют названия (Рис. 1. Здесь следует название рисунка). Таблицы нумеруются и имеют названия (Табли-ца 1. Здесь следует название таблицы).

7. Адрес редакции. 454080, г. Челябинск, пр. им. В.И. Ленина, 76, корп. 3б, 4-й этаж – деканат ПС/КТУР-факультета, зам. отв. ред. д.т.н., проф. Л.С. Казаринову. Адрес электронной почты ответст-венного секретаря журнала: [email protected]

8. Подробные требования к оформлению. Полную версию требований к оформлению статей и пример оформления можно загрузить с сайта ЮУрГУ (http://www.susu.ac.ru), следуя ссылкам: «Наука», «Вестник ЮУрГУ», «Серии».

9. Плата с аспирантов за публикацию рукописей не взимается.

ВЕСТНИК ЮЖНО-УРАЛЬСКОГО

ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА

Серия «КОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ,

УПРАВЛЕНИЕ, РАДИОЭЛЕКТРОНИКА»

2013, том 13, № 1

Редактор Н.М. Лезина Компьютерная верстка С.В. Буновой

Издательский центр Южно-Уральского государственного университета

Подписано в печать 10.01.2013. Формат 6084 1/8. Печать трафаретная. Усл. печ. л. 11,62. Тираж 500 экз. Заказ 2/6.

Отпечатано в типографии Издательского центра ЮУрГУ. 454080, г. Челябинск, пр. им. В.И. Ленина, 76.


вестник южно...

Career