החלפת אותות עבור מערכת מעקב ובקרה בזמן אמת

גרפים זרימת אותות (SFGs) הם אבן הפינה של הנדסת מערכות מודרניות, מתן מסגרת אינטואיטיבית אך קפדנית עבור מודלים, ניתוח, שליטה מערכות דינמיות מורכבות. על ידי ייצוג משתנים כמו צמתים ותלויים כמו הקצוות מכוונים עם רווחים קשורים, SFGs להפוך את היחסים המתמטיים המתפתחים לתוך מפות חזותיות כי מהנדסים יכולים לבדוק, לתמרן, ולדמיין בזמן אמתי. גישה גרפית זו היא חזקה במיוחד עבור זמן אמיתי ניטור אמיתי, ולשלוט על ידי שליטה, ותובנות מהירות, שבו אנו יכולים לחקור את הגרפים, בין המגמות בקרה מהירה, ואפקטים, בין הגרפים, לבין תפקוד עמוק בתוך מערכת בקרה, כדי לשפר את הגרפים, כדי לשפר את הגרפים, כדי לשנות את המשתנים, כדי לשפר את המשתנים, כדי לשנות את המשתנים, בין המשתנים, לבין גרף של המערכת, כדי לחקור את המגמות במהירות, כדי לנתח את הגרסאות מהירות, כדי לשפר את הגרפים, כדי לחקור את המשתנים, בין הגרפים של המערכת חלקה, לבין גרף עמוק לתוך גרף של המערכת, כדי לחקור את המגמות של המערכת, בין המגמות של המערכת, כדי לחקור את המגמות של תפקוד עמוק לתוך גרף, כדי לחקור את המגמות של המערכת, כדי לשנות את ה

מה הם אותות זרימה?

(ב) גרף של גלקסיות אלגבריות ליניאריות, בדרך כלל מתאר את הקשר בין משתנה מערכת.כל משתנה מיוצג על ידי צומת (לעתים קרובות נמשך כעיגול או dot), וכל תלות בין משתנים מיוצגת על ידי קצה מכוון (חץ) עם רווח או העברה קשורה.

SFGs קשורים הדוק דיאגרמות בלוק אבל הם לעתים קרובות יותר קומפקטי כי הם לא דורשים צומת מסיכום כמו אלמנטים נפרדים - summation הוא משתמע כאשר מספר הקצוות מתאחדים על צומת. יתרון מפתח של גרפים זרימת אותות הוא שהם ללוות עצמם כדי להפחית את ההפחתה שיטתית באמצעות הנוסחה של מייסון, אשר מאפשר מהנדסים כדי לחדד את התפקוד הכולל של ההעברה בין כל מקור לדה ללא כל מניפולציה ידנית, כמו גם עם השפעה על ידי אלרגימנטאלית.

המונחים: Signal Flow Graphs

Nodes

[ה]התערות מייצגות את שינויי המערכת כגון קריאת חיישן, פקודות אקטוטור, או מדינות ביניים. A node כי רק יש קצוות יוצאים נקרא AFLT:0source nodephFLT:1 ובדרך כלל מתאים למשתנה קלט. A node כי רק יש לו קצוות נכנסים הוא FLT:2sink nodeFLT3 ותואם למשתנה פנימי.

צוק ו-Gets

כל אחד מהם נקרא על ידי רווח (מספר אמיתי, ערך מורכב, או העברת תפקוד ב-FLT:0sFLT:1- או FLT:2zigFLT 3-Domain) הרווח מגדיר כיצד האות בצומת הזנב תורם לאות בראש.

שבילים ו- Loops

(ב) ויקרא י"א: "ה', רצף של קצוות ממקור לשקוע שמעולם לא מבקר בצומת יותר מפעם אחת: AFLT:2FLT:2back LuveFLT 3: (או פשוט לולאה) הוא דרך סגורה שמתחילה ומסתיים באותו צומת ללא לעבור דרך שום צומת כפול (מלבד תחילתה).

פורמולה של מייסון

הנוסחה של מייסון מספקת שיטה ישירה כדי למקם את הפונקציה ההעברה (FLT:0) 1 מקור לשקוע:

(ב) ⁇ (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

נוסחה זו הופכת את SFGs כלי יעיל לניתוח סמלי, במיוחד כאשר הוא מיושם על סימולציה בזמן אמת או עיצוב בקרה מוטבע.

בניית אותות ל-Fit Flow Graphs for System Modeling

(הופנה מהדף SFG מתחיל על ידי כתיבת המשוואות השולטות של המערכת (לעתים קרובות ממודלים המבוססים על פיזיקה או זיהוי מערכת) כל משוואה מגובשת כך שמשתנה עצמאי אחד מופיע בצד שמאל-יד 3 (החלק הימני) מ-(Fmain) ל-(L) {\displaystyle: LT/Fmain) {\displaystyle \ L-(L}=L}=R}1=F}

מהנדסים מודרניים משתמשים לעתים קרובות בכלי תוכנה כי אוטומטי-generate SFGs מ-block דיאגרמות או משוואות שונות.עם זאת, סקיצה ידנית הגרף מסייע לפתח אינטואיציה על נתיבי אות ומבנים משוב.

יישום מעקב בזמן אמת

ניטור מערכת בזמן אמת דורש את היכולת לצפות משתנים קריטיים, לזהות אנומליות, ולהגיב בתוך מגבלות זמן קפדניות.התתת אותות משפרת את היכולת הזו על ידי מתן מפה מבנית של תלות בנתונים.

כלכלה תעשייתית ובקרה תהליכים

במפעל כימי או זיכוך, חיישנים מודדים טמפרטורה, לחץ, קצב זרימה, וקומפוזיציה. המדידות האלה לזרום דרך לולאות בקרה שמתאים שסתום ומחממת.על ידי מודל הצמח כ- SFG, מהנדסים יכולים לעכב ערכי חיישן בזמן אמת על בלוטות הגרף ולעקוב אחר רווח של כל קצה.שינוי פתאומי ברווח (למשל, שסתום) יכול להצביע על קצבת חיישן בזמן אמת או לחסום את הסיכות של SF.

רשתות חכמות ומערכות חשמל

רשתות חשמל הן מערכות דינמיות בקנה מידה גדול עם מאות גנרטורים, עומסים, וקווי שידור. ניטור בזמן אמת באמצעות SFGs מאפשר למפעילים לראות כיצד זרימת החשמל בין צמתים (בוסים) לזהות נקודות גודש.כאשר מתרחשת תקלה, SFG יכול להיות מעודכן בזמן אמת כדי לשקף שינויים טופולוגיה (החלפת קו), עוזר למפעילים לשנות את הכוח במהירות.

רכב אוטונומי

כלי רכב אוטונומיים מסתמכים על היתוך חיישן (הגדלה, לידר, מכ"ם, IMU) כדי לתפוס את הסביבה.כל חיישן מספק זרם של נתונים שיש לשלב כדי לייצר הערכה של מדינה קוהרנטית. SFG של צינורות עיבוד חיישן מראה כיצד רעש, הטיה, ועיכובים דרך המערכת. ניטור בזמן אמת של SFG יכול דגל כאשר חיישן degrading (למשל, עלייה בשגיאה).

היתרונות של שימוש ב-Esal Flow Graphs for Real-Time Monitoring

• (FLT:0) וקלילות וירטואלית: FLT:1 SFGs דחוס מערכות מרובות-input מורכבות, רב- ⁇ (MIMO) לתוך תרשים יחיד אשר חושף תלות מוסתרת ומבנים משוב.
• (FLT:0)Rapid Anomaly Detection:FLT:1) על ידי השוואת רווחים צפויים (מהמודל) לנקודות נמדדות (מנתוני חיישן), מהנדסים יכולים לזהות השפלה, הטיה או כישלונ חיישן בזמן אמת.
• (FLT:0)Modularity and Scalability:FreaLT:1) ניתן להרחיב על ידי הצמדת נקודות חדשות ונקודות קצה מבלי להחזיר את הגרף כולו.זה שימושי במיוחד עבור מערכות מתפתחות כמו רשתות IoT.
• (FLT:0) ניתוח מוקדם: נוסחת הרווח של מייסון או סימולציה מספרית ניתן ליישם בזמן אמת כדי לחזות כיצד המערכת תגיב לקלטים היפותטיים או הפרעות, המאפשרת שליטה פרואקטיבית.
• (FLT:0) ,Reduced Computational Overhead:03FLT:1) בהשוואה לצופים במרחב המדינה (כמו מסננים קאלמן), ניטור מבוסס SFG יכול להיות פשוט יותר ליישום במערכות משובצות משאבים כאשר לינאריות מחזיקה.

מערכת בקרת אינטגרציה עם Signal Flow Graphs

מערכות בקרה אחראיות לשמירה על התנהגות רצויה למרות אי-וודאויות והפרעות.הגרפים של זרימת אותות הם שפה טבעית עבור מהנדסי בקרה כי הם מייצגים ישירות את מערכות היחסים סיבת-ואפקטים אשר מפקחים.

ניתוח יכולת

כדי להעריך יציבות, מהנדסים לזהות את כל לולאות משוב ב SFG ו לחשב את רווחי הלולאה.שימוש בנוסחה של מייסון, את הפולינומאלי האופייני של מערכת ה- SFG סגורה, ואת שורשיו (פולנים) ניתן לבדוק. בשליטה בזמן אמת, תאום דיגיטלי שנבנה מ-SFG יכול לחזות עלייה כרווחים (למשל, בשל רכיב), המאפשר להתאמה של בקר לפני חוסר יציבות.

עיצוב בקר באמצעות SFG Reduction

SFG הפחתה יכולה לפשט מערכות מרובות-loop לתוך טופס שווה ערך חד פעמי, מה שהופך אותו קל יותר לכוונון בקרים באמצעות שיטות קלאסיות (בסיס פעמוני בודה) לדוגמה, בקרים PID ב- טמפרטורה מערכת בקרת טמפרטורה - לולאה אדנית למעקב סטנקט ו-Lowve עבד עבור תגובה אקטוטור - יכול להיות מיוצג כ-SFG, ואת התגובה הכוללת ניתן לייעל על ידי ה-ידי ה-G.

עיצוב אומגה-Freep Loops Using Signal Flow Graphs

(הופנה מהדף SFG, מהנדסים יכולים לעצב לולאות משוב על ידי זיהוי הנתיב קדימה של רווח נתיב:0GIRFLT:1 והדרך של משוב להשיג FLT:2HFLT 3: 3 הפונקציה העברת הסגורה-loop הופכת FLT:4G / 1+)FIRLT:5 במערכות מורכבות יותר עם לולאות מרובות, הם צעדים:

1. (ב) ,0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
2. (ב) ויקרא י"ד: ויקרא י"ד): "ויאמרו [ב] מ' א-לֹא-ה' [ב], ב'"ו' [ב], ב'"ו' [ב], ב'"ה', ב'"ו', ב'"ו', ב', ב', ב'.
3. (FLT:0) חישוב פונקציית העברת ה-AutoFLT:1 (בשיתוף פעולה עם חוק או תוכנה של מייסון).
4. (ב) ⁇ 0) להעריך את התגובה הנראית כתגובה 1:1 כדי לקבוע שינויים והפרעות, התאמת רווחי בקר לעמוד רוחב פס, פתרון יתר, וקביעת דרישות זמן.
5. (ב) ,0) ,Verify ביצועים בזמן אמת, FLT:1 על ידי בדיקות על חומרת-ב-הפרפר או בקרים מוטבעים.

דוגמה בעולם האמיתי: במערכת בקרת גובה של רחפנים, הנתיב קדימה כולל את הדינמיקה המנועית, משוב מגיע מדחום ומד תאוצה. SFG עוזר לקבוע כיצד לשלב את החיישנים האלה (פילטרים שותפים) ולהפנות את היתרונות PID לדחות גורים תוך הימנעות oscillation.

דוגמאות אמיתיות בעולם

הפקה: Conveyor Belt Speed Control

מערכת משדרת משתמשת במנוע, קודר ותדירות משתנה כונן.ה-SFG מראה את הקשר בין המהירות הצומנת (node C), מתח המנוע (node V), המהירות בפועל (ללא ⁇ ), ואת מדידה קודר (לאde M) ב ניטור בזמן אמת, את הרווח מ C כדי ⁇ יכול להיות בהשוואה לרווח הצפוי; אם טיפות, זה עשוי להצביע על חגורת או לרחוץ על ידי דיונון (D) למרות שינויים.

מערכת בקרת טיסה: Flight Control System

מערכות בקרת טיסה מטוסים משתמשים ב-SFGs כדי מודל הדינמיקה של המגרש, רול, ו- yaw. לדוגמה, פקודת קצב הסימון עוברת דרך ממריצים, אווירודינמיקה, ו inertia מטוסים, עם משוב מgyroscopes. Real-Time SFG ניטור יכול לזהות תקלות אקטוטור (למשל, רגע he מופחת) על ידי התבוננות ביעילות של קבלת החוק יכול להשתמש מחדש.

רובוטיקה: חיישנים פיוז'ן עבור רובוטים ניידים

רובוטים ניידים משלבים את מקודמת הגלגל, IMU, ו- LiDAR כדי למקם. An SFG של תהליך סינון ה- kalman (צעדי עדכון ועדכונים) מראה כיצד כל אחד מתומכי הרעש של חיישן. ניטור בזמן אמת של אבני הגרף (התערוכה) ונקודות קצה (רווחי חדשנות) מאפשר רובוט לזהות כאשר חיישן הוא נותן נתונים פגומים (למשל, כמו החידושים), כמו "הת" החידושים" החידושים" החידושים" ," ,"מתעלם מטכנולוגיית הצבעה גבוהה).

כלי תוכנה עבור Signal Flow Graph Analysis

כמה פלטפורמות תוכנה לתמוך SFG מודלים וסימולציה בזמן אמת:

• (FLT:0)MATLAB / Simulink:FearLT:1 בעוד בעיקר מוכווני בלוק-diagram, תיבת הבקרה של MATLAB יכולה ליצור פונקציות העברה וליצור SFGs מ דיאגרמות בלוקים.
• (ב) ,0 (Lab Review: ⁇ FLT:1 , National Instruments' Lab Review מספק סביבה של זרימת נתונים גרפית הדומה מאוד ל-SFGs, המשמש לעתים קרובות למעקב ובקרה בזמן אמת בתאים ובקומה של המפעל.
• (ב) בספריית הבקרה וברשתX: ⁇ 1 (FLT:0) הספרייה יכולה למקם את פונקציות העברת הפונקציות, בעוד ש- NetworkX ניתן להשתמש כדי לבנות מבני נתונים גרפיים וליישם את חוקיו של מייסון באופן מתודולוגי.
• (FLT:0)Dymola / Modelica:FreaLT:1) עבור מודל acausal של מערכות פיזיות, כלים אלה מייצרים משוואות שניתן להציג כגרפים אג"ח (יחס קרוב של SFGs) סימולטורים בזמן אמת כמו dSPACE יכול לבצע את המודלים.

ברקע תיאורטי עמוק יותר, מתייחס ל-FLT:0 ויקיפדיה על גרף זרימת האותות: 1 או הטקסט הקלאסי "מערכות דלק" על ידי Nise.

אתגרים ושיקולים

בעוד ש-SFGs הם חזקים, הם לא תרופת פלא.חלק מהאתגרים כוללים:

• (FLT:0) Nonlinearity:FLT:1 SFGs להניח רווחים ליניאריים או לינאריים. מערכות בזמן אמת עם לא לינאריות (הטבעה, היסטריה, חיכוך) דורש ייצוג רווח אינטגרטיבי או הסתגלותי, מורכבות מוגברת.
• (FLT:0)Computational Scalability:FLT:1 עבור מערכות גדולות מאוד (מאותות של צמתים), עדכון ידני של הגרף או המחשוב של מייסון בזמן אמת הופך לא מעשי, אם כי אלגוריתמים מספריים יכולים לעזור.
• (FLT:0)Parameter Unquity: FLT:1 , מקבלי מתוך זיהוי מערכת עשויים להיות שגיאות. ניטור בזמן אמת חייב לשלב גבולות אי ודאות - צומת שחלות ניתן להוסיף ל- SFG.
• (FLT:0) Latency:FLT:1 בלחיות שליטה עם תזמון הדוק, ניתוח SFG חייב להיות משולב קו זמן הביצוע של לולאה.ניתוח Offline הוא לעתים קרובות בשילוב עם תזמון רווח מקוון.

מגמות עתידיות: AI, Digital Twins ו- Edge Computing

גרגרי זרימת אותות מתפתחים מעבר לדיאגרמות סטטיות.עם עליית תאומים דיגיטליים - העתקים וירטואליים של מערכות פיזיות הפועלות בזמן אמת -SFGs משמשים כעמוד השדרה לייצוג קישוריות מערכת ודינמיקה. אלגוריתמי למידת מכונה יכולים ללמוד את הרווחים מהנתונים ולעדכן את ה-SFG באופן הסתגלותי, המאפשר שליטה עצמית.

מחשוב Edge מביא ניתוח SFG קרוב יותר למקור הנתונים.לדוגמה, שער קצה בפריצת IoT תעשייתי יכול לארח מנוע SFG קל משקל הגורם אזעקה כאשר הקצוות עולים מתבניות נלמדות.בינתיים, תאומים מבוססי ענן משתמשים יותר SFGs מורכבים עבור אופטימיזציה לטווח ארוך. השילוב של SFG הדמיה עם נתונים של זרימת זמן אמת (באמצעות WebSock או MQ) הופך לאדריכלות סטנדרטית עבור ניטור.

אזור מבטיח נוסף הוא השימוש ברשתות עצביות גרפיות (GNN) כדי לעבד את ההתנצלות של SFG עבור זיהוי אנומלי. במקום להציב באופן ידני סף, GNN יכול ללמוד מה "נורמלי" נראה מעבר לגרפים מרובים, שיפור הדיוק בסביבות רועשות.

מסקנה

גרגרי זרימת אותות נשארים כלי חיוני עבור מהנדסים אשר צריך לפקח על מערכות בקרה בזמן אמת. על ידי מתן ייצוג ברור, גרפי של איך אותות propagate, שבו לולאות משוב שוכנים, וכיצד רווחים השפעה התנהגות, SFGs מאפשר אבחון מהיר, עיצוב חזק, זיהוי רחפנים פעיל של כלי נגינה גרף כדי לתקן כלי רכב אוטונומי ורשתות חכמות, היישומים הם רחב ולהגדיל את התוכנה AI ואינטגרציה, להעמיק את הגרף של פורמטים של מערכת ההפעלה כדי להמשיך את הגרף אמיתי כדי להמשיך גרף של כלי פעולה.