Обработка информации в системе измерения микроускорений на борту космического аппарата

Размещено на http://www.allbest.ru/

УДК 004.622

Обработка информации в системе измерения микроускорений на борту космического аппарата

М.В. Дроздов

ОАО «Концерн «ЦНИИ «Электроприбор», г. Санкт-Петербург

Рассматривается возможность применения объектно-ориентированного подхода к представлению информации, в системе измерения микровибраций на борту космического аппарата в целях расширения набора функций системы и сокращения объёмов хранимой информации при сохранении возможности восстановления исходного сигнала.

В ЦНИИ «Электроприбор» разработана и изготовлена система измерения микроускорений «Синус», предназначенная для измерения микровибраций на борту космического аппарата (КА). Для обеспечения этой задачи при обработке сигналов датчиков системы используется подход на основе спектральных информационных технологий, заключающийся в вычислении среднеквадратических значений в заданных наборах диапазонов частот. микровибрация космический сигнал

В качестве недостатка этого подхода можно указать невозможность восстановления исходного сигнала, и возникающее в связи с этим требование сохранять большие объемы исходной информации. Кроме этого, при применении спектральных информационных технологий практически отсутствует возможность исследования кратковременных ударно-импульсных вибраций.

Для устранения этих недостатков предлагается объектно-ориентированный подход, заключающийся в совмещении возможностей спектрального анализа на основе алгоритма быстрого преобразования Фурье (БПФ) [1, 2, 3], и метода ударных импульсов [4], позволяющего выделять в сигнале виброударные импульсы. В качестве основных задач рассматриваются следующие:

Расширение возможностей системы с использованием ее не только для измерения микроускорений на борту КА, но и для решения задач виброконтроля или функциональной вибродиагностики [5,6] бортовой аппаратуры и устройств.

Сокращение объёмов хранимой информации о вибрациях за счет исключения участков, на которых полезная информация отсутствует, при сохранении возможности восстановления исходного сигнала с заданной точностью.

Постановка задачи

Под объектно-ориентированным подходом к преобразованию информации понимается следующее преобразование виброакустического сигнала.

Пусть имеется дискретная выборка размерности N непрерывного сигнала X. Предположим, что случайные составляющие этого сигнала представляют собой белый шум, периодические составляющие описываются как синусоидальные сигналы частот, кратных некоторой заданной, а ударно-импульсные составляющие описываются быстро затухающими функциями S(t), удовлетворяющими свойству конечности энергии, причем предполагается, что длительность каждой функции S(t) многократно меньше N. Тогда сигнал X(t) можно представить в следующем виде:

, (1)

где фi - момент времени, в который функция S(t) принимает своё максимальное значение, N/2 - размерность выборки сигнала, делённая пополам (поскольку, подразумевается использование алгоритма БПФ), ш(t) - белый шум.

Требуется определить значения коэффициентов Ak, Bi, и фi.

Другими словами, основная идея подхода заключается в разложения исходного сигнала на наиболее значимые составляющие, а именно, периодические и ударно-импульсные, которые представляются в виде некоторых информационных объектов. Понятие информационного объекта, которое определяется как «совокупность данных и программного кода, обладающая атрибутами, позволяющими проводить полную идентификацию», широко используется в общей теории описания данных [7].

В случае реализации такого преобразования вибросигнала, сокращение объёмов хранимой информации достигается за счёт исключения шумовых составляющих. При этом, разделение ударно-импульсных и гармонических компонент позволяет исключить взаимное наложение этих компонент в частотной и временной областях. С учетом отсеивания шумовых составляющих, представление исходного вибросигнала в таком виде позволяет повысить наглядность представления информации и упростить анализ вибраций.

Алгоритм

Алгоритм преобразования представляет собой многоканальную циклическую структуру, представленную на рисунке 1.

На представленной блок-схеме под условиями входа подразумевается оценка приоритета соответствующего канала на текущей итерации цикла обработки выборки. Первыми необходимо находить те информационные объекты, энергетический вклад которых в общую смесь наибольший. Для установки приоритета между каналами обработки используются два широко применяемых в вибродиагностике параметра: пик-фактор и коэффициент формы. Пик-фактор - это отношение максимального по модулю значения Хmax дискретной выборки сигнала размерности N к её среднеквадратичному значению:

Коэффициент формы, определяется как отношение среднеквадратичного значения выборки сигнала к её среднему значению:

Рис. 1. Многоканальная структура алгоритма идентификации составляющих вибросигнала.

Если же среднее значение оказывается равным нулю, то в этом случае принимается, что в сигнале присутствуют только симметричные относительно нуля составляющие, т.е. гармонические.

Каждый канал алгоритма обработки информации также включает в себя процедуру удаления обнаруженных информационных объектов из смеси, для исключения повторной идентификации выделенного объекта на последующих итерациях.

Необходимо отметить, что удаление информационного объекта из смеси неизбежно приводит к искажению исходной информации, следовательно, переход к объектно-ориентированному представлению информации является преобразованием с частичной потерей данных.

Моделирование

Математическое моделирование проводилось как в среде Matlab, так и с помощью специально разработанного для исследований программного обеспечения. В качестве исходного вибросигнала задавалась дискретная смесь сигналов вида (1), состоящая из следующих компонентов:

периодические:

;

ударно-импульсные:

;

Случайные белый шум.

Графическое представление результатов преобразования вибросигнала представлено на рисунках 2-5

Рис. 2. Исходная смесь сигналов.

Рис. 3. Выделенные с помощью БПФ периодические составляющие.

Рис. 4. Графическое представление ударно-импульсных составляющих.

Рис. 5. Усреднённый SPM-спектр ударно-импульсных составляющих.

НА рисунке 5 представлен SPM-спектр исходного сигнала. Как инструмент исследования вибросигналов SPM-спектр, был предложен авторами метода ударных импульсов (фирмой SPM) для детальной диагностики и локализации дефектов. В целом, SPM-спектр представляет собой спектр сигнала, составленного из зарегистрированных ударно-импульсных составляющих, каждая из которых замещается прямоугольным импульсом с длительностью равной времени дискретизации и амплитудой равной размаху данной составляющей.

Моделирование показало, что после проведённых преобразований состав выделенных компонент из смеси полностью соответствует исходному. Таким образом, предлагаемый подход позволяет разделять различные по своей природе колебательные процессы. На основании чего был сделан вывод, что предлагаемый подход обладает всем необходимым потенциалом для использования в качестве инструмента функциональной вибродиагностики, и его применение в системе «Синус» расширит набор её функций, что весьма существенно, учитывая ограниченное пространство КА.

Практическая реализация

В качестве практического свидетельства возможностей предложенного подхода предлагаются результаты анализа технического состояния чувствительных элементов прибора СМО3, разработанного совместно ЦНИИ «Электроприбор» и компанией «Электромеханика». В скважинном модуле прибора СМО3 в качестве чувствительного элемента используется динамически настраиваемый гироскоп ГВК-16.

В ходе исследований, регистрируемые спектральные и ударно-импульсные составляющие виброакустического шума сопоставлялись с точностными характеристиками исследуемых приборов, для чего исследуемые приборы были соответствующим образом ранжированы. Результаты представлены в таблице 1.

Таблица 1. Сравнительная таблица составляющих виброакустических шумов

Как следует из таблицы, наблюдается достаточно определённая зависимость между характеристиками виброакустического шума и качеством работы гироскопа. Причём качество работы чувствительного элемента в значительной степени определяется характером присутствующих в сигнале ударно-импульсных составляющих.

В качестве показательных примеров можно выделить следующие два.

В случае с прибором №2010, который был возвращён на обследование после эксплуатации, было обнаружено, что крепление гироскопа было ослаблено, что и вызывало вибрации.

В случае с прибором №0507 было выявлено наличие значительных ударно-импульсных составляющих на частотах, кратных частоте вращения ротора гироскопа. Несмотря на то, что картина спектральных составляющих значительно не отличалась от аналогичных примеров из группы приборов со средней точностью, в ходе дальнейших исследований чувствительный элемент был признан негодным для эксплуатации.

Таким образом, при помощи предложенного подхода была произведена успешная отбраковка чувствительных элементов, что свидетельствует о возможности реализации диагностических функций в системах на основе предложенного объектно-ориентированного подхода к представлению информации.

Сокращение объёмов информации

Выполнение второй поставленной задачи - сокращение объёмов рабочей информации - может быть достигнуто за счёт отбрасывания неинформативных участков сигнала и соответствующего представления данных. Для оценки разработанного метода преобразования в части сокращения объёмов рабочей информации и степени её искажения, был использован следующий алгоритм.

В исходном сигнале X выделялись значимые периодические и ударно-импульсные составляющие. На основе зарегистрированных составляющих восстанавливался сигнал . Отличие нового сигнала в процентах от исходного рассчитывалось по формуле:

где Xmax и Xmin - максимальное и минимальное значение в выборке X; N - размер рабочей выборки сигнала.

Степень сокращения информации оценивалась из следующих соображений:

1) каждый элемент исходной выборки занимает одну единицу памяти;

2) каждая периодическая составляющая занимает две единицы памяти;

3) каждая ударно-импульсная составляющая занимает две единицы памяти (размах и смещение по времени);

4) группа подобных друг другу ударно-импульсных составляющих, может быть сохранена с помощью одного усреднённого сигнала. Ниже представлены результаты исследований для двух тестовых случаев.

Рис. 10. Восстановленный (вверху) и исходный (внизу) звук трубы.

Рис. 11. Представление базы данных, составленной из зарегистрированных импульсов.

В первом случае анализировался сигнал с преобладанием ударно-импульсных составляющих. В качестве исходного сигнала использовалась аудио запись игры на трубе. Такой сигнал состоит из ударно-импульсных составляющих следующих на определённой частоте, соответствующей некоторой ноте. В этом случае относительное искажение сигнала составило 2-3%, а относительное сокращение объёма информации составило 85-90%. Исходный сигнал Х и восстановленный сигнал X' представлены на рисунке 10.

На рисунке 11 отображаются импульсы, зарегистрированные в текущей выборке и приведённые к единичной амплитуде и общему (подобному) виду. Импульсы отображаются в масштабе относительно наибольшего по уровню импульса.

Во втором случае анализировался сигнал с преобладанием гармонических составляющих. В силу преобладания гармонических компонент, искажения на боковых участках восстановленного сигнала были весьма значительными и составляли 7-10%. Относительное сокращение информации для этого случая составило до 60-70%.

Как видно из представленных иллюстраций, несмотря на некоторые искажение сигнала возникающие в ходе преобразований, форма сигнала в целом сохраняется. Таким образом, при сохранении возможности восстановления исходного сигнала достигается сокращение хранимой информации 60-90%.

Предложенный подход к преобразованию информации, подтверждённый приведёнными результатами, рекомендуется использовать при обработке сигналов датчиков в системе измерения микроускорений «Синус», что позволит достичь следующих результатов:

сократить объёмы хранимой информации, при сохранении возможности частичного восстановления исходного сигнала;

расширить возможности системы за счёт функции диагностики состояния механических элементов бортового оборудования по измеренным вибрациям или по виброакустическим шумам на борту КА.

Литература

1. Р.Блейхут. Быстрые алгоритмы цифровой обработки сигналов. М.: Мир, 1989. - 448 с.

2. С.Л. Марпл-мл. Цифровой спектральный анализ и его приложения. М.: Мир, 1990.- 584 .

3. Русов В.А. Спектральная вибродиагностика. 1996.

4. Патент США № 311284 Метод и аппаратура для определения механического состояния машин/ Е. О. Сехоль. - Заявл. Швецией 29.02.68, № 709451. - Опубл. 12.01.71. Официальный бюллетень (США), т. 882, № 2.

5. Ширман А. Соловьёв А. Практическая вибродиагностика и мониторинг состояния механического оборудования, М.: 1996

6. Барков А.В., Баркова Н.А. Вибрационная диагностика машин и оборудования - Учебное пособие. Ассоциация ВАСТ, 2004.

7. Дьяченко В.А., Челпанов И.Б. CALS-технологии в машиностроении. СПб: Изд-во Политехнического университета, 2008.

Размещено на Allbest.ru