Способ восстановления векторной информации в информационно-измерительных системах Российский патент 2021 года по МПК G05D1/00 G05B23/00 G06F11/00 

Изобретение относится к области бортового приборостроения и автоматики, может быть использовано для решения пилотажно-навигационных задач при управлении различными подвижными объектами с целью повышения точности, помехоустойчивости, отказоустойчивости и надежности получения и обработки векторной информации, как в штатных, так и резервно-аварийных режимах (PAP), а также в бортовой геофизике при исследовании аномалий и вариаций геофизических полей (ГФП) и геологоразведке, выполняемой с борта подвижного поискового аппарата (летательного, плавающего, подводного, наземного) при поиске залежей полезных ископаемых по аномалиям и вариациям ГФП.

В пилотажно-навигационной практике управления различными судами (воздушными, плавающими) и аппаратами (наземными, баллистическими, космическими) часто возникает задача необходимости восстановления фактической (действительной) информации о векторах, свободной от искажений под действием влияния внутренних и внешних возмущающих факторов (методических, технологических, инструментальных, эксплуатационных), а также восстановления виртуальной информации от векторных датчиков в случае их полных или частичных отказов.

Для измерительно-информационных систем ИИС (пилотажно-навигационных комплексов, систем управления, бортовой геофизической и геологоразведывательной аппаратуры) важно обеспечить работоспособность эксплуатации как в штатных, так и в РАР. При этом в реальных условиях могут появляться как полные инструментальные и информационные отказы систем и ее отдельных цепей, так и частичные отказы в виде сильного зашумления измерительно-информационных цепей.

Под восстановлением векторной информации в широком смысле слова обычно подразумевают:

- как процесс возобновления потока информации о восстанавливаемом векторе состояния (наблюдения) после полных инструментальных и информационных отказов,

- так и процесс повышения степени достоверности векторной информации в условиях появления сильных шумов и помех, дестабилизирующих факторов, влияния частичных инструментальных и информационных отказов.

При этом все известные способы восстановления векторной информации в условиях проявления полных или частичных отказов измерительно-информационных цепей принято делить на две группы [1]:

- статистические (вероятностные) способы восстановления информации путем статистической обработки информации датчиков (оценки, фильтрации),

- детерминированные способы восстановления векторной информации путем алгоритмической обработки доступной многомерной информации по детерминированным алгоритмам (комплексирование, коррекция, комбинирование).

Из научно-технической и патентной литературы известно, что любой процесс управления подвижным объектом (ПО) - процесс навигации, коррекции, а также любой объект геофизических исследований или геологоразведывательного поиска можно представить как обобщенную динамическую систему (ДС), состояние которой описывается с помощью математической модели в виде системы дифференциальных уравнений, представленных в форме Коши и векторно-матричном виде [2, с. 11-15, 3, с. 15-20]:

где - векторы состояния (n×1) управления (m×1) и возмущения (r×1) ДС, соответственно, В, С - матрицы коэффициентов эффективности влияния управления (m×n) и возмущений (r×n), соответственно.

В соответствии с моделью (1) процесс управления ПО, исследование явлений геофизики и геологоразведочный поиск представляют как динамический процесс n-го порядка. Для наблюдения за этим динамическим процессом (т.е. для решения пилотажно-навигационных задач, а также задач геофизических исследований и геологоразведочного поиска) используют различные измерительно-информационные системы (ИИС), в состав которых входят блоки датчиков первичной информации (ДНИ) (гироскопов, акселерометров, магнитометров, электромеров, градиентомеров и др.) и вычислительные устройства в виде микропроцессоров (МК) для обработки полученной многомерной векторной информации

К ИИС следует отнести различные пилотажно-навигационные комплексы (ПНК), системы управления (СУ), навигации (СН), ориентации (СО) и пилотирования (СП) ПО, а также геофизические системы исследования (ГСИ) и геологоразведочные поисковые комплексы (ГПК). Текущее состояние ИИС может быть описано с помощью математической модели измерений [2, с. 11, 3, с. 15-20]:

где - вектор состояния ИИС (вектор измерения, наблюдения (s×1)), A_u, B_u, C_u - собственная матрица (s×s) управления (s×m) и возмущения (s×r) измерительной системы, соответственно.

Связь вектора наблюдения ИИС с вектором состояния ДС определяется с помощью системы уравнений связей, которые обычно представляют в векторно-матричном виде [2, 3]:

где D - матрица измерений (s×n).

Структура матрицы измерений D определяется набором блоков векторных ДПИ в измерительной части ИИС.

Чем больше включено в состав ИИС блоков векторных датчиков, тем ближе размерность вектора измерений к размерности вектора состояния ДС (s→n) и тем более наблюдаемой становится динамическая система. Как известно, по соотношению размерности вектора наблюдений (s×1) и размерности вектора состояния ДС (n×1) все ИИС делят на три группы:

1. ИИС с неполным наблюдением (s<n),

2. ИИС с полным наблюдением (s=n),

3. ИИС со структурной и функциональной избыточностью информации (s>n),

Из научно-технической литературы известно, что используемые в настоящее время подходы и способы решения задач восстановления векторной информации на основе обработки доступной многомерной информации в значительной степени зависит от уровня и объема измеряемой и привлекаемой априорной информации об оцениваемом векторе и ошибках измерений

Известен способ восстановления векторной многомерной информации, основанный на приеме оценивания результатов многомерных измерений, полученных с помощью ИИС [1-5]. При этом решают проблему восстановления информации о векторе состояния ДС (s×1) путем вычисления оценки вектора состояния (n×1).

При этом, схему взаимодействия ИИС и ДС, подлежащей наблюдению и управлению, обычно представляют в виде замкнутой системы, содержащей звенья, включенные в прямую и обратные связи (фиг. 1).

Динамическая система (ДС) 1 включает в свой состав блоки В и С матрицы, через которые на систему оказывают воздействие управление и возмущение , а также блоки A₁ и А₂ (матрицы), характеризующие собственные динамические свойства системы.

Текущее состояние ДС в каждый момент времени t характеризуется вектором состояния , причем

где - наблюдаемая (r×1) и ненаблюдаемая ((n-r)×1) часть вектора состояния ДС.

Связь вектора наблюдения ИИС с вектором состояния ДС определяется векторно-матричным уравнением связи:

где D, D₁ - прямоугольная (n×r) и квадратная (r×r) матрицы наблюдения ИИС.

На фигуре 1 через обозначен вектор перекрестных связей, компонентами которого (y₁, у₂, …) являются все или часть наблюдаемого подвектора Вектор характеризует структурные связи, проявляемые в структуре ДС.

Из фигуры 1 наглядно видно, что подвектор нельзя оценить, используя только вектор измерений поскольку подвектор не влияет на подсистему A₁ и не учитывается при формировании вектора измерений Для ДС, схема которой представлена на фигуре 1, говорят, что она не является полностью наблюдаемой (т.е. для данной ДС невозможно восстановить полную информацию о векторе состояния ) на основе обработки доступной информации о векторе измерений

Если же структура вектора перекрестных связей такова, что она позволяет восстановить полностью информацию о векторе состояния ДС на основе обработки доступной информации о векторе измерений по алгоритмам оценивания, то в этом случае говорят, что ДС обладает свойством полной наблюдаемости.

Следовательно, для любой ДС (ПО, геофизической и геологоразведочной систем) необходимо разработать три типа алгоритмов обработки многомерной информации:

- алгоритм оценки свойства полной наблюдаемости ДС,

- алгоритм восстановления информации о векторе состояния ДС ,

- алгоритм оценки погрешностей восстановления вектора состояния ДС

В сложности алгоритмического обеспечения заключается основной недостаток способа восстановления векторной информации на основе теории оценивания [1, 4].

Для того, чтобы проверить, является ли данная ДС полностью наблюдаемой при данной структуре ИИС существуют два критерия оценивания свойства полной наблюдаемости [1 - 5]:

- матричный (в области времени t),

- операторный (в области оператора ).

На основе матричного подхода в качестве критерия полной наблюдаемости ДС используют оценки результатов анализа матрицы наблюдаемости [2, 3]:

Суждение о полной (или) неполной наблюдаемости ДС выносят на основании результатов вычисления и анализа ранга матрицы Q (rang Q). Если ранг матрицы наблюдаемости Q исследуемой ДС равен порядку n системы, то она обладает свойством полной наблюдаемости:

Если же ранг матрицы Q меньше n, то ДС неполностью наблюдаема, т.е. наблюдаемыми являются не все составляющие вектора состояния

На основе операторного подхода в качестве критерия полной наблюдаемости ДС используют оценки результатов анализа матричной передаточной функции замкнутой ДС, в которой сигналы с выходапередают через матрицу коррекции K отрицательной обратной связи (ООС) на вход ДС (фигура 1). ООС показана на фигуре 1 пунктиром.

Вектор входного воздействия на ДС управления и возмущения равен:

Вектор ООС

где K - матрица коэффициентов усиления ООС.

Коэффициенты матрицы ООС К выбирают исходя из условия удовлетворения заданному критерию качества с целью придания ДС свойств полной наблюдаемости и управляемости. При этом матричную передаточную функцию замкнутой ДС (фигура 1) вычисляют как обратную матрицу:

В выражении (11) указана присоединенная (союзная) матрица, формируемая из алгебраических дополнений A_ij операторной матрицы системы [p⋅E-(A-K⋅D)], а в знаменателе - детерминант этой матрицы, представляющий собой операторный многочлен n-ой степени:

С учетом нахождения матричной передаточной функции замкнутой ДС можно написать уравнение связи операторного изображения для каждой k-ой компоненты изображения вектора состояния , связанной с вектором управления и вектором возмущения :

Как известно, в соответствии с операторным (частотным) методом, основанным на преобразовании Лапласа, ДС обладает свойствами полной наблюдаемости и полной управляемости, если выполняется хотя бы одно из двух условий:

- выражения, указанные в скобках при управлении и возмущении , должны быть отличны от нуля,

- или в выражения для коэффициентов a_ij характеристического полинома (12) входят элементы произведения матриц K⋅D, соответствующие всем элементам вектора состояния .

На практике часто оказывается целесообразным выделить «хорошо» и «плохо» наблюдаемые переменные состояния ДС. С этой целью вводят количественную оценку в виде меры наблюдаемости [2, 3].

Значения плохо наблюдаемых или слабо наблюдаемых переменных в векторе состояния реальной ДС (ПО, ПНК, СУ, СН, СО, ГСИ и ГПК) в процессе реализации алгоритма оценки наблюдаемости системы могут оказаться за пределами вычислительной возможности бортового МК (ограничения длины разрядной сетки, ограничения по быстродействию и вычислительной производительности). Этот факт приводит к тому, что в реальных условиях для практического воспроизведения алгоритмов оценки наблюдаемости ДС необходимо обеспечить выполнение условия правильного выбора параметров бортового МК (разрядность, быстродействие, производительность) в соответствии с результатами оценки свойства наблюдаемости системы.

Это в свою очередь может потребовать использования сверхбыстродействующих, сверхпроизводительных, высокоразрядных многоядерных микропроцессорных систем с организацией параллельных вычислений. Таким образом, сложность программно-алгоритмического обеспечения способа оценивания часто приводит к усложнению технологического параметров МК и к усложнению технологического обеспечения ИИС.

Игнорирование этих ограничений может привести на практике к появлению неустойчивых вычислительных процессов и накоплению больших погрешностей вычислений.

Как известно, алгоритмы оценивания информации и восстановления вектора делят на три группы в зависимости от выбранного подхода к оценке погрешностей оценивания:

- алгоритмы на основе детерминированного подхода,

- алгоритмы на основе статистического классического (небайесовского) подхода,

- алгоритмы на основе статистического байесовского подхода.

При выполнении условий согласования параметров вычислительной части ИИС не только с параметрами ее измерительной части, но и с результатами оценки свойств полной наблюдаемости системы алгоритм оценивания вектора состояния при детерминированном подходе строят на основе реализации в МК вычислительного процесса, воспроизводящего получение решения уравнения оценивания [2,3]:

Алгоритмы оценивания вектора состояния на основе классического и байесовского статистических подходов формируют и используют в способе комплексирования и фильтрации многомерной информации в ИИС.

В способе восстановления векторной информации путем оценивания доступной многомерной информации обычно решают две задачи:

- задачу синтеза алгоритмов оценивания,

- задачу синтеза алгоритмов анализа точности оценивания.

Вторая задача сводится к тому, чтобы на основе полученных оценок восстанавливаемого вектора охарактеризовать уровень ошибок оценивания, определяемых в виде разности

Причем уравнение ДС формируют по алгоритму управления (фигура 1):

Вид и степень достоверности математического описания процессов функционирования ДС с использованием метода оценивания на основе выражений (4)-(16) диктуются задачами исследования - определением структурных, динамических и точностных характеристик системы.

Необходимость реализации в МК не только алгоритмов оценивания вектора состояния (14), но и алгоритмов оценивания свойств полной наблюдаемости ДС в соответствии с выражениями (4)-(13), а также алгоритмов оценивания погрешностей восстановления (15) и управления (16) приводит к ограничениям практического применения метода оценивания и является его основным недостатком.

Известен способ восстановления векторной информации путем ее расширения, обеспечиваемого за счет комплексирования средств измерений, имеющих единую физическую природу (резервирование ИИС) или разнородную физическую природу (интеграция ИИС в единый комплекс), с последующим использованием приема коррекции.

Сущность этого способа заключается в том, что путем резервирования или интеграции отдельные ИИС объединяют в единый измерительно-вычислительный комплекс (ИВК). Причем объединение ИИС в один ИВК может быть основано на различных принципах интеграции:

- принципе интеграции ИИС, обладающих различными уровнями помехоустойчивости и точности (грубых и прецизионных ИИС),

- принципе интеграции ИИС, имеющих различные диапазоны рабочих частот (высокочастотных и низкочастотных),

- принципе интеграции ИИС, работающих на различных физических принципах действия (инерциальным, радиотехническим, астрономическим и др.) и обладающих различными запасами надежности и отказоустойчивости, а также обладающих и необладающих свойством автономности.

Задача интеграции различных классов ИИС и построения на основе их объединения ИВК, более совершенного, чем отдельные ИИС, заключается в том, чтобы

- снизить степень проявления недостатков каждой ИИС

- и повысить значимость их достоинств.

Этот результат достигается путем коррекции отдельных недостатков менее совершенных ИИС за счет их компенсации достоинствами других более совершенных ИИС.

В частности, коррекция точностных и динамических характеристик замкнутой системы «ДС-ИВК» состоит в том, чтобы придать замкнутой системе требуемые свойства (точности, помехо- и отказоустойчивости, наблюдаемости, автономности на временном отрезке Δt и пр.).

Например, за счет интеграции инерциальных навигационных систем (ИНС), обладающих свойством автономности, помехоустойчивости и надежности, но не обладающих высоким уровнем точности, и спутниковых навигационных систем (СНС), способных реализовать высокую точность измерений, но не обладающих автономностью, помехоустойчивостью и высоким уровнем надежности, удается создавать интегрированный ИВК (инерциально-спутниковый), в котором:

- достоинства каждой навигационной системы усиливаются,

- а недостатки их подавляются за счет перекрестной коррекции (например, компенсации погрешностей ИНС путем сравнения данных автономных систем с высокоточными показаниями СНС).

Совместное использование данных разных ИИС в ИВК позволяет усиливать достоинства и снизить влияние недостатков каждой из них.

Расширения векторной информации в интегрированных ИНС достигают двумя путями:

- резервированием однородных ИИС (за счет структурной избыточности информации),

- интеграцией разнородных ИИС (за счет функциональной избыточности информации).

Как известно, в зависимости от степени связи отдельных ИИС в едином комплексе все ИВК делятся на четыре группы [5, с 247-251]:

- раздельные ИВК,

- слабосвязанные,

- сильносвязанные,

- глубоко-интегрированные.

В комплексированных ИИС можно исключить недостаток, связанный с необходимостью оценки и обеспечения свойства полной наблюдаемости ДС, если расширенный вектор наблюдения после интеграции будет иметь размерность, соответствующую размерности вектора состояния ДС , где (s≥n). Однако способ комплексирования обладает недостатком, связанным с необходимостью идентификации отказов в ИИС. Этот недостаток связан с проблемой защиты ИВК от отказов ИИС и их ДПИ, а также от неправильных показаний сверхгрубых ИИС и их ДПИ.

Как известно, проблема защиты ИВК от влияния неправильных показаний ДПИ, обусловленных их отказами, влиянием на них помехи или грубыми метрологическими характеристиками, обязательно должна решаться на основе принципа избыточности векторной информации [6, 7, 8]:

- структурной (за счет резервирования),

- функциональной (неортогональным расположением осей чувствительности векторных ДПИ).

При этом проблема защиты ИВК предполагает выполнение следующих дополнительных функций в комплексе:

- обработка избыточной информации,

- диагностика (обнаружение) отказа (определение отказов ДПИ),

- адаптация алгоритмов обработки избыточной информации к условиям проявления отказов (обеспечение отказоустойчивости за счет принципа самонастройки),

- реорганизация избыточной структуры ИВК (самонастройка к новым условиям).

Необходимость выполнения дополнительных функций в ИВК при реализации способа комплексирования ИИС и соответствующее усложение схемо-технической структуры комплекса и его программно - алгоритмического обеспечения является недостатком способа комплексирования и коррекции систем.

Вместе с этим, комплексирование ИИС обеспечивает широкие возможности для повышения эффективности систем за счет повышения точности их работы в комплексе, а также за счет повышения свойств помехо- и отказоустойчивости его и, следовательно, надежности комплекса.

Для обеспечения свойств помехо- и отказоустойчивости ИВК могут быть использованы различные принципы организации структуры комплекса и обработки избыточной информации:

- мажоритарный принцип (принцип голосования, принцип "два из трех" (2/3)) при реализации структурной избыточности информации [8, 9],

- многофункциональный принцип при реализации условия функциональной избыточности информации [6, 7].

С технической точки зрения мажоритарный и многофункциональный принципы обработки информации в ИВК реализуют с помощью систем встроенного контроля (СВК), предполагающих организацию в МК параллельных вычисления от нескольких ИИС (ДПИ), а также использование пороговых элементов сравнения (кворум-элементов) и логических схем управления с использованием алгоритмов идентификации отказов (в виде таблиц соответствия) [6, 8, 10].

При достаточно большом числе структурно (однородных) и функционально (разнородных) избыточных ДПИ с учетом дополнительного усложнения структуры и программно-алгоритмического обеспечения ИВК может оказаться, что комплексная эффективность надежности комплекса в эксплуатации не повышается (и даже снижается при определенных условиях). Этот факт характеризует недостаток способа восстановления векторной информации за счет комплексирования и коррекции ИИС.

Ко второму недостатку способа комплексной обработки многомерной векторной информации следует отнести то, что способ предполагает обработку детерминированной информации без учета того факта, что в действительности реальные сигналы ДПИ имеют как детерминированный (полезные сигналы), так и случайный (шумы, помехи, возмущения) характер.

Известен способ восстановления векторной информации, основанный на комплексной обработке многомерной информации от нескольких ИИС (ДПИ), с учетом последующей статистической обработки (путем фильтрации [1, 4, 5]). Этот способ отличается от предыдущего способа восстановления векторной информации только выполнением конечной операции в обработке комплексной многомерной информации (фильтрации вместо коррекции).

Фильтрация - один из основных способов совместной обработки многомерной векторной информации в ИВК в статистических условиях. Под фильтрацией в общем смысле понимают процесс выделения полезных сигналов из смеси "сигнал/шумы/помехи".

Реализация алгоритмов фильтрации не требует применения в ИИС СВК, кворум - элементов, логических схем сравнения сигналов и управления ИВК, а предполагает использование соответствующих линейных и нелинейных, непрерывных и дискретных формирующих фильтров (ФФ) (Калмана-Бьюси, Винера, адаптивного фильтра и др.).

Замкнутая структура ДС и ИИС, построенная по принципу фильтрации, соответствует схеме, представленной на фигуре 1, с той лишь разницей, что в цепь ООС включают соответствующий фильтр, т.е. с помощью ФФ (звено К) осуществляют операцию статистической коррекции системы через фильтрацию ее сигналов.

Сущность принципа фильтрации сигналов ИИС при их комплексировании заключается в разделении на составляющие реальных показаний ДПИ "сигнал/шумы/помехи" с использованием различных признаков селекции (частотного, временного и фазового запаздывания, полиномиального представления описания помехи (детерминированная фильтрация)).

Наиболее часто на практике используют частотный признак разделения показаний ДПИ на полезные сигналы, шумы и помехи с помощью формирующего фильтра (фиг. 2). На фиг. 2 введены следующие обозначения:

- реализации процессов, характеризуемых вектором состояния ДС , наблюдения ДС , шумов , и помехи ,

- оценки реализаций процессов, характеризующих изменение вычисляемых векторов состояния ДС , наблюдения , шума и помехи ,

- результирующий вектор, получаемый путем суперпозиции полезного сигнала, шума и помеха.

При использовании принципа частотного разделения полезного сигнала, шума и помехи в ДС формирующий фильтр (ФФ) в ИИС состоит из фильтра высоких частот (ФВЧ) (для подавления высокочастотных шумов и помех в рабочей полосе частот изменения полезного сигнала) и фильтр низких частот (ФНЧ) (для подавления влияния низкочастотных помех и шумов в этом диапазоне) [5, с. 213]. В результате частотной фильтрации на выходе ФФ выходной сигнал представлен в виде раздельных составляющих:

- оценки полезного сигнала ,

- оценки вектора ошибок , обусловленных помехой , проходящей прошедшей через ФВЧ ФФ,

- оценки вектора ошибок , обусловленных шумами , прошедшими через ФНЧ ФФ.

При этом выигрыш в точности и помехоустойчивости при комплексировании ИИС и использования приема фильтрации их выходных сигналов тем выше, чем больше различие в спектральных характеристиках полезных сигналов шумов и помех . ФФ является безинерциальным для вектора полезного сигнала .

Для случая частотной фильтрации алгоритмы фильтрации формируют в виде систем линейных дифференциальных уравнений, представленных в форме Коши, разрешенных относительно первых производных от координат вектора состояния .

Алгоритмы частотной фильтрации могут быть реализованы в различных схемах комплексирования ИИС:

- раздельных,

- слабо-связанных,

- сильно-связанных,

- глубоко интегрированных.

Проблема фильтрации сигналов в ИВК можно решать:

- как в статистической постановке (например, за счет частотной фильтрации),

- так и в детерминированной постановке.

К задачам фильтрации показаний ИВК "сигналы/шумы/помехи" в детерминированной постановке можно отнести:

- задачи определения временных и фазовых сдвигов запаздывания в реализациях многомерных измерений (спутниковая и наземная радиотехническая навигация, корреляционно-экстремальная навигация) [1, с. 117-120],

- задачи идентификации коэффициентов полиномиальных моделей при технологической калибровке ДПИ (метрологических, температурных, объектовых) [1, с. 113-114].

В частности, на основе принципа планирования и организации многовекторных экспериментов вектор показаний ДПИ можно представить в виде нелинейной полиномиальной модели [1, с. 113]:

где - коэффициенты полиноминальной модели, g, t⁰ - дестабилизирующие факторы (динамические возмущения, температура), t - текущее время реализации измерений, - векторы шумов и помех.

Значения коэффициентов и их зависимости от дестабилизирующих факторов (динамических возмущений g, температуры t⁰ и др.) определяют в ходе выполнения технологических калибровок ДПИ и идентификации свойств ПО [1, с. 114]. К недостаткам способа восстановления векторной информации на основе принципа комплексирования ИИС и фильтрации их показаний следует отнести:

- получение оценок доверительных интервалов статистических измерений шумов и помех при частотной фильтрации, а не оценок самих ожидаемых детерминированных измерений шумов и помех,

- достаточно сложное программно-алгоритмическое, схемо-техническое и технологическое обеспечения способа для реализации алгоритмов фильтрации, калибровок и идентификации.

Известен способ восстановления векторной информации на выходе ИВК, основанный на комбинированной обработке многомерной информации, получаемой от нескольких ИИС, включенных в ИВК, с учетом использования дополнительных уравнений связи [1,4, 5].

Принципиальное отличие способа комбинированной обработки многомерной информации в комплексе (КОМИК) от способа комплексирования средств измерений (КСИ) заключается в учете дополнительных уравнений связей. В способе КОМИК дополнительные уравнения связей могут быть построены различными путями:

- путем учета перекрестных связей, проявляемых в самой ДС [4, с. 59],

- путем учета перекрестных связей, характеризующих состояние внешней среды (например, в виде моделей ГФП) [11, с. 105],

- путем учета перекрестных связей, проявляемых в многомерных метрологических характеристиках многосвязанных ДПИ [1, с. 127, 7, 8],

- путем учета перекрестных связей, отражающих процесс формирования показаний векторных ДПИ при их установке на ПО по схеме неортогональной ориентации относитетельно ортогонального измерительного приборного базиса [6-8].

В основе построения комбинированных ИВК лежит принцип функциональной избыточности информации [6-8], предполагающий реализацию алгоритмов, формируемых на основе использования уравнений связей. Функциональная избыточность доступной векторной информации может быть обеспечена одним из четырех путей с учетом дополнительных уравнений связей. Физический смысл комбинированной обработки многомерной информации, получаемой от совокупности векторных ДПИ (ортогональных и неортогональных), заключается в том, что с учетом свойства их многомерности, обусловленного многосвязанностью метрологических характеристик измерителей или их установкой на ПО по неортогональной схеме измерений, заключается в том, что ДПИ могут использовать в ИВК многофункционально, т.е. как многомерные измерители нескольких переменных , входящих в вектор состояния ДС . Следовательно, в комбинированных ИВК могут быть реализованы условия как для технологической (структурной), так и информационной (функциональной) комбинации векторных ДПИ [1, с. 127].

К комбинированным ИВК, работающим по способу комбинированной обработки многомерной информации, можно отнести глубоко-интегрированные ИВК, в алгоритмах обработки информации которых учитывают свойства многомерности и многосвязанности ДПИ [1, с. 127].

Очень часто для динамических систем n-го порядка, состояние которых характеризуется с помощью n - мерного вектора, организуют измерения отдельных компонент вектора состояния таким образом, что результаты этих измерений удовлетворяют некоторым r уравнениям связей:

Систему уравнений связи (18) можно для краткости записать в векторно-матричной форме [4, с. 59]:

Путем обращения векторно-матричного уравнения (19) получают алгоритм комбинированной обработки доступной многомерной информации) [4, с. 59].

Другим примером построения комбинированного ИВК является ДС, предназначенная для решения задач автономной ориентации и навигации по ГФП [11, с. 105-108].

В этом случае уравнения связей системы (18) между координатами вектора состояния формируют за счет использования математического описания среды (а именно, моделей ГФП) [11, с. 105].

Наиболее близкими к предлагаемому способу является способ восстановления векторной информации в комбинированном ИВК путем пересчета координат вектора наблюдения из базиса q в базис m с учетом доступной информации о параметрах ориентации ПО [5]:

Однако к недостаткам этого способа следует отнести техническую и технологическую сложность реализации способа, а также сравнительно низкие эксплуатационные показатели точности комбинированного ИВК, реализующего алгоритм (20).

Особенность построения программно-алгоритмического обеспечения ИВК, реализующих способ комбинированной многомерной информации заключается в том, что алгоритмы комбинированной обработки информации формируют на основе решения так называемых обратных задач математической физики, характеризуемых как задачи определения компонент восстанавливаемого вектора на основе результатов многомерных измерений в условиях функциональной избыточности доступной информации. При этом алгоритмы КОМИК, формируемые как результат решения обратных задач математической физики, как правило, получаются вырожденными или плохо обусловленными, т.е. приводящими к неустойчивым вычислительным процессам. Для повышения степени вычислительной устойчивости при реализации этих алгоритмов приходится дополнительно решать задачу их регуляризации методами вычислительной математики. Этот факт приводит к усложнению программно-алгоритмического обеспечения способа КОМИК, что является его основным недостатком.

Задача настоящего изобретения заключается в разработке такого способа восстановления векторной информации в ИВК по доступной многомерной информации, который исключал бы недостатки известных способов (аналогов и прототипа), а именно:

- обеспечивал условия для реализации устойчивых алгоритмов обработки информации и вычислительных процессов в микроконтроллере,

- обеспечивал условия для минимизации необходимого объема первичной многомерной информации при ее функциональной избыточности,

- гарантировал сравнительно простое программно-алгоритмическое обеспечение, его доступную технологическую и эксплуатационную сложность при реализации,

- обеспечивал условия для достижения высоких показателей точности и надежности работы комбинированного ИВК в штатных и резервно-аварийных режимах работы.

Решение поставленной задачи достигается тем, что в способе восстановления векторной информации (прототипе) путем пересчета координат вектора наблюдения из одного измерительного базиса (q) в приборный базис (m), реализуют:

- условия минимизации объема первичной информации о параметрах ориентации ПО или условия полного исключения этой информации из алгоритмов КОМИК,

- разработку на основе двухвекторного, трехвекторного и многовекторного подходов к решению задачи многовариативных алгоритмов КОМИК, обладающих свойством вычислительной устойчивости, самопроверяемости с учетом пространственных соотношения для геометрических инвариантов совокупности векторов без использования дополнительных алгоритмов регуляризации решений уравнений ИМС,

- упрощение схемо-технического, программно-алгоритмического и технологического обеспечения воспроизведения алгоритмов КОМИК за счет использования в качестве первичной информации укороченной информации о двух разнородных векторах, получаемых от двух блоков ДПИ (в измерительной части ИВК), и обработки многомерной информации по многовариативным рабочим алгоритмам технологических калибровок измерительных блоков в МК (в вычислительной части ИВК),

- реализация условий для достижения высоких эксплуатационных показателей точности, надежности, отказо - и помехоустойчивости комбинированных ИВК в штатных и резервно-аварийных режимах работы за счет функциональной избыточности первичной и обрабатываемой информации.

Предлагаемое изобретение поясняется чертежами:

- на фигуре 1 представлены схема взаимодействия ИИС с динамической системой (ДС),

- на фигуре 2 указана схема взаимодействия формирующего фильтра с ДС и ИИС в способе комплексирования и фильтрации,

- на фигуре 3 представлена схема построения комбинированного ИВК, реализующего алгоритм КОМИК.

На фигуре 1 приняты следующие обозначения:

1 - динамическая система (ДС), подлежащая наблюдению (измерениям),

2 - информационно-измерительная система (ИИС), осуществляющая наблюдения за ДС (измерения),

3 - блок восстановления информации (БВИ),

4 - отрицательная обратная связь (ООС).

На фигуре 2 введены следующие обозначения:

1 - ДС,

2 - ИИС,

3 - формирующий фильтр (ФФ).

Обозначения, принятые на фигуре 3:

1 - ДС,

2 - ИВК,

3, 4, 5, 6 - блоки датчиков первичной информации (ДПИ - 1, 2, 3, 4),

7 - микроконтроллер (МК).

Предлагаемый способ восстановления векторной информации заключается в следующем. Допустим, что в состав ИВК входят четыре блока ДПИ - 1, 2, 3, 4 (измерительная часть комплекса) (фигура 3).

На входе ДС действуют воздействия:

- вектор управления (m×1),

- вектор возмущения (r×1),

- вектор шумов (n×1),

- вектор результирующего воздействия.

На выходе ДС фиксированы следующие реакции:

- вектор состояния ДС (n×1) (полезный сигнал),

- вектор шумов (n×1).

Каждый из блоков ДПИ, имеющих различную физическую природу, реагирует на свой набор переменных, входящих в вектор состояния ДС

К примеру, в качестве блоков ДПИ-1, 2, 3, 4 могут быть использованы блоки векторных датчиков (гироскопов, акселерометров, магнитометров, электромеров, градиентометров и др.). На выходе блоков ДПИ (3 - 6) формируются выходные сигналы в виде векторов имеющих различную физическую природу и доступных к оценке и последующей обработке информации в МК (7). Блоки ДПИ-1, 2, 3, 4 (3-6) и МК (7) входит в состав ИВК (2).

На выходе ИВК формируется многомерная информация в виде вектора наблюдения Допустим, что в какой-то момент времени в работе ИВК произошел полный или частичный (инструментальный или информационный) отказ блока ДПИ-4, в результате чего информация о векторе стала недоступной. Ставится задача восстановления векторной информации (информации о векторе ) путем определения оценки вектора с помощью предлагаемого способа КОМИК.

Способ КОМИК в зависимости от вида, характера и приема получения первичной приборной информации может быть реализован в различных вариантах с учетом различных способов комбинирования измеряемых векторов (СКИВ - 1, 2, 3) (таблица 1, 2).

Каждый из этих способов (СКИВ-1, 2, 3) по разному обеспечивает формирование уравнения ИИС:

- трехвекторный способ СКИВ без использования информации о параметрах ориентации ПО (СКИВ-1),

- двухвекторный способ СКИВ с частичным использованием информации о параметрах ориентации ПО (СКИВ-2),

- двухвекторный способ СКИВ без использования информации о параметрах ориентации ПО (СКИВ-3).

Способы СКИВ-1, 2, 3 используя разный набор векторов первичной информации (табл. 1) позволяют на первом этапе решения задачи восстановления информации о векторе в связанном базисе т сформировать модель ИМС в виде системы трех линейных алгебраических уравнений, которую можно записать в векторно-матричной форме:

где - восстанавливаемый вектор,

- вектор многомерных функций

N - матрица (3×3) идентификации восстанавливаемого вектора,

Способы СКИВ-1,2,3 отличаются друг от друга только способом формирования матрицы идентификации N (3×3) и вектора функций доступной многомерной информации в уравнении ИМС (21).

Характеристика способов СКИВ-1, 2, 3 и их сравнительный анализ приведены в таблицах 1, 2.

Исходные уравнения для построения ИМС основаны на использовании геометрических инвариантов векторов:

С учетом выполнения условия (25) в способах СКИВ - 1, 2, 3 используют в качестве исходных следующие системы уравнений:

На втором этапе решения задачи восстановления векторной информации способы СКИВ-1, 2, 3 совпадают друг с другом. Он сводится к формированию алгоритмов восстановления на основе решения уравнения (29) для ИМС:

Решение (29) существует, оно будет единственным и устойчивым, если выполняется условие невырожденности матрицы идентификации

Матрица N будет невырожденной, если векторы будут удовлетворять условиям:

- неколлинеарности,

- некомпланарности,

т.е. условиям (25).

Из таблицы 2 видно, что для практических целей наиболее эффективным является способ СКИВ-3.

В качестве примера практической реализации предлагаемого способа можно привести систему встроенного контроля СВК (самоконтролирования), которую можно построить на основе программно-алгоритмической обработки многомерной информации, получаемой от блоков векторных ДПИ (гироскопов, акселерометров, магнитомтров), используемых в составе бесплатформенной системы ориентации и реализующих алгоритмы аналитической пространственной ориентации. Такая СВК не требует дополнительных материальных затрат и схемно-технического усложнения основной системы, т.к. реализуется программным путем на основе аналитической обработки имеющейся и доступной информации. Аналитическая СВК значительно повышает показатели эксплуатационной точности, надежности, отказо- и помехоустойчивости работы бесплатформенной системы ориентации в штатных и резервно аварийных режимах, т.к. допускает инструментальный или информационный отказ одного (любого) из трех ДПИ и сохранение работоспособности системы на основе укороченной (двухвекторной, двублочной) схемы.

Датчики первичной информации такой бесплатформенной системы ориентации с аналитической СВК могут быть построены на основе использования доступной отечественной или импортной элементной базы (MEMS - гироскопов, MEMS - акселерометров, феррозондов или магниторезисторов.)

Список источников

1. Степанов О.А. Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч.1. Введение в теорию оценивания - Спб.: ГНЦ РФ ЦНИИ «Электроприбор», 2009. - 496 с.

2. Организация взаимодействия спутниковых и автономных навигационных средств морских объектов / В.И. Резниченко, В.И. Лапшина / Под редакцией д.т.н. В.И. Резниченко. - СПб.: ГНИНГИ МО РФ, 2004.-88 с.

3. Применение аппаратуры спутниковых навигационных систем на кораблях и судах морского флота / В.И. Резниченко, М.И. Калинов / Под ред. д.т.н. В.И. Резниченко - СПб.: ГНИНГИ МО РФ, 2005. - 96 с.

4. Обработка информации в навигационных комплексах / О.А. Бабич. - М.: Машиностроение, 1991. - 512 с.

5. Матвеев В.В., Распопов В.Я. Основы построения бесплатформенных инерциальных навигационных систем / Под общей ред. д.т.н. В.Я. Распопова. -СПб.: ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор». - 2009. - 280 с.

6. Епифанов А.Д. Надежность систем управления. Справочная библиотека инженера-конструктора. -М.: Машиностроение, 1975. - 180 с.

7. Епифанов А.Д. Избыточные системы управления летательными аппаратами. -М. Машиностроение, 1978. - 144 с.

8. Браславский А.А. Приборы и датчики летательных аппаратов. - М.: Машиностроение, 1970. - 392 с.

9. Бортовые системы навигации и ориентации искусственных спутников Земли / О.А. Анучин, И.Э. Комарова, Л.Ф. Порфирьев. - СПб.: ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор», 2004. - 326 с.

10. Боднер В.А. Системы управления летательными аппаратами. - М.: Машиностроение, 1973. - 506 с.

11. Малогабаритная система ориентации / В.Я. Распопов, Д.М. Малютина, Ю.В. Иванов, P.P. Алалуев // Датчики и системы, 2014, №8, с. 2-5.

12. Самопроверяемые устройства и отказоустойчивые системы / Е.С. Сагомонян, Е.В. Слабаков, - М.: Радио и связь, 1989. - 208 с.

13. Патент RU N2653967 С1 РФ, МПК G01C 21/00, 23/00, G06F 17/00, G05D 1/00. Способ автономной ориентации подвижных объектов / Заявители Проскуряков Г.М., Голованов П.Н., Попов А.Н., Тетерин Д.П., патентообладатель ФГБОУ ВО «Саратовский государственный технический университет имени Гагарина Ю.А.», заявл. 03.02.2014, опубл. 10.04.2015. бюлл. №10.

Изобретение относится к способу восстановления векторной информации в информационно-измерительных системах транспортных средств. Для восстановления векторной информации производят комбинированную обработку определенным образом данных навигационных датчиков с учетом параметров ориентации транспортного средства, за счет формирования имитационной модели сигналообразования в виде системы трех линейных алгебраических уравнений, содержащих три неизвестные проекции искомого вектора на оси связанного базиса, с последующим вычислением этих проекций путем решения уравнений имитационной модели сигналообразования. Обеспечивается повышение точности, помехоустойчивости, отказоустойчивости и надежности получения и обработки векторной информации в информационно-измерительных системах. 3 ил., 2 табл.

Способ восстановления векторной информации в информационно-измерительных системах транспортных средств в осях связанного базиса (m), потерянной полностью или частично в результате проявления инструментальных и информационных отказов блоков навигационных или других датчиков и измерительных устройств, а также в результате действия на них дестабилизирующих факторов (шумов, помех, возмущений и ошибок измерений), основанный на комбинированной обработке доступной многомерной информации о k векторах (k≥2), имеющих иную физическую природу, отличную от физической природы восстанавливаемого вектора, заданных в неподвижном (q) и измеренных в связанном (m) базисах, с учетом информации о параметрах ориентации подвижного основания, отличающийся тем, что процесс восстановления информации о проекциях восстанавливаемого вектора на оси связанного базиса (m) строят на основе комбинирования измеряемых векторов без возможного и полного использования информации о параметрах ориентации основания в условиях функциональной избыточности исходной многомерной информации за счет формирования имитационной модели сигналообразования в виде системы трех линейных алгебраических уравнений, содержащих три неизвестные проекции искомого вектора на оси связанного комбинированного базиса (m), с последующим вычислением этих проекций путем решения уравнений имитационной модели сигналообразования.