Курсовая работа: Обработка данных в автоматизированных системах
⚡ 👉🏻👉🏻👉🏻 ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻
Министерство образования и науки Украины
Севастопольский национальный технический университет
«Обработка данных в автоматизированных системах»
на курсовой проект (работу) студента
Тема проекта (работы) Обработка данных в автоматизированных системах
Срок сдачи студентом законченного проекта (работы)
Исходные данные проекта (работы): внутреннее сопротивление датчика Rи = 100 (Ом); выходное напряжение датчика Uс = 2.5 (mВ), эффективное значение синфазной помехи Uсф = 1,1 (В), частота АЦП f = 500 (Гц), разрешение по частоте b = 5 (Гц), период дискретизации Т=0.002 (с), максимальная погрешность синфазной помехи e=20%.
Содержание расчетно-пояснительной записки (список вопросов, которые подлежат разработке)
1. Разработка технического обеспечения: расчет информационно-измерительного канала автоматизированной системы, состоящего из дифференциального усилителя и активного фильтра, по исходным данным. 2. Разработка методического обеспечения: краткие теоретические сведения. 3. Разработка программного обеспечения: алгоритм и программа оценивания спектральной плотности.
Список графического материала (с точными определениями обязательных чертежей) схема электрическая принципиальная измерительного канала, схема алгоритма работы основной программы.
1.1 Расчет информационно-измерительного канала САУ
2.2 Спектральный анализ на основе преобразования Фурье
3. Разработка прикладного программного обеспечения
Целью курсового проекта является разработка технического и программного обеспечения автоматизированной системы научных исследований (АСНИ).
АСНИ предназначена для спектрального анализа данных, поступающих от первичных преобразователей физических величин, характеризующих некоторый технологический процесс. В состав АСНИ входят следующие подсистемы:
· подсистема измерений – информационно-измерительный канал (ИИК);
· подсистема визуализации и документирования результатов.
Аналого-цифровые преобразователи (АЦП) являются устройствами, которые принимают входные аналоговые сигналы и генерируют соответствующие им цифровые сигналы, пригодные для обработки микропроцессорами и другими цифровыми устройствами.
Принципиально не исключена возможность непосредственного преобразования различных физических величин в цифровую форму, однако эту задачу удается решить лишь в редких случаях из-за сложности таких преобразователей. Поэтому в настоящее время наиболее рациональным признается способ преобразования различных по физической природе величин сначала в функционально связанные с ними электрические, а затем уже с помощью преобразователей напряжение - код - в цифровые. Именно эти преобразователи имеют обычно в виду, когда говорят об АЦП.
Современный этап характеризуется массовым использованием больших и сверхбольших интегральных схем ЦАП и АЦП обладающими высокими эксплуатационными параметрами: быстродействием, малыми погрешностями, многоразрядностью.
Включение АЦП единым, функционально законченным блоком упростило внедрение их в приборы и установки, используемые как в научных исследованиях, так и в промышленности и дало возможность быстрого обмена информацией между аналоговыми и цифровыми устройствами.
Подсистема сбора данных состоит из нескольких информационно-измерительных каналов и каналов управления (если система активного типа). Подсистему сбора данных (ПСД) в ряде случаев компонуют в виде подсистемы УСО.
Рисунок 1.1 – Подсистема сбора данных
ИИК – информационно-измерительный канал;
Датчик предназначен для преобразования физических величин в аналоговые: сигнал – напряжение (или ток).
Дифференциальный усилитель предназначен для решения двух задач: подавление синфазной помехи и усиление сигнала от датчика.
Коэффициент подавления синфазного сигнала:
Подавление синфазной помехи зависит от качества операционного усилителя. Значение Кос приводится в паспортных данных и зависит от навесных элементов (от разброса их номинальных значений).
ФНЧ. В электрических, радиотехнических и телемеханических установках часто решается задача: из совокупного сигнала, занимающего широкую полосу частот, выделить один или несколько составляющих сигналов с более узкой полосой. Сигналы заданной полосы выделяют при помощи частотных электрических фильтров.
К частотным электрическим фильтрам различной аппаратуры предъявляются разные, порой противоречивые требования. В одной области частот, которая называется полосой пропускания, сигналы не должны ослабляться, а в другой, называемой полосой задерживания, ослабление сигналов не должно быть меньше определенного значения. Фильтр считают идеальным, если в полосе пропускания отсутствует ослабление сигналов и фазо-частотная характеристика линейна (нет искажения формы сигналов), а вне полосы пропускания сигналы на выходе фильтра отсутствуют.
В зависимости от диапазона частот, относящихся к полосе пропускания, различают низкочастотные, высокочастотные, полосовые, полосно-подавляющие, избирательные (селективные) и заграждающие (режекторные) фильтры. Свойства линейных фильтров могут быть описаны передаточной функцией, которая равна отношению изображений по Лапласу выходного и входного сигналов фильтра. ФНЧ предотвращает попадание высокочастотных помех.
Фильтр низких частот применяется как противомаскировочный (противоподменный) фильтр для исключения эффекта подмены, так как предстоит дискретизация аналогового сигнала с частотой f АЦП
, то задача заключается в предотвращении эффекта подмены. Ошибки дискретизации проявляются в возможности проявления эффектов подмены частот.
Параметры АЦП: частота Найквиста и частота дискретизации:
Эффект подмены частот возникает в том случае, когда fmax, которая находится в спектре исследуемого сигнала, fmax > F.
Если эффект подмены частот имеет место, то полученную выборку в виде цифровых отсчётов можем пропустить через цифровой фильтр высоких частот.
Для того чтобы предотвратить проявление эффекта подмены частот, необходимо перед АЦП поставить фильтр нижних частот, частота среза которого равнялась бы частоте Найквиста.
1.1 Расчет информационно-измерительного канала САУ
· Дифференциальный измерительный усилитель:
В простейшем случае в качестве измерительного усилителя может быть использован ОУ в дифференциальном включении (рисунок 1.3). При выполнении условия R1/R2=R3/R4 усиление дифференциального сигнала намного больше усиления синфазного сигнала и коэффициент ослабления синфазного сигнала (КОСС) будет максимальным.
Рисунок 1.3 - Схема простейшего измерительного усилителя
Uc.max = 2.5 мВ – выходное напряжение датчика;
Uсф = 1.1 В – эффективное значение синфазной помехи;
d = 5% – допустимый процент подавления (максимальная погрешность) синфазной помехи;
Rc = 100 Ом – внутреннее сопротивление датчика;
Если КООС = 15000 (и выше) по найденному значению выбирают тип операционного усилителя. Требуемый коэффициент ослабления синфазной помехи:
Если не удается найти, то задача решается на 3-х операционных усилителях.
Определяется минимальный допустимый коэффициент усиления дифференциального сигнала:
определяется из следующих соображений: если резисторы имеют допуск:
Для наилучшего согласования датчика с усилителем принимаем сопротивление датчика равным входному сопротивлению:
Находим сопротивление обратной связи:
В качестве операционного усилителя DA принимаем K140УД9, который имеет коэффициент подавления синфазного сигнала не менее 80 дБ.
Схема простейшего фильтра нижних частот приведена на рисунке 1.1.2. Передаточная функция этого фильтра определяется выражением:
Рисунок 1.4 - Простейший фильтр нижних частот первого порядка
Заменив s на , получим частотную характеристику фильтра. Для реализации общего подхода целесообразно нормировать комплексную переменную s. Положим
где – круговая частота среза фильтра. В частотной области этому соответствует
Частота среза фильтра на рисунке 1.4 равна:
Используя передаточную функцию для оценки зависимости амплитуды выходного сигнала от частоты, запишем:
При , т.е. для случая, когда частота входного сигнала » , |W(j )| = 1/ . Это соответствует снижению коэффициента передачи фильтра на 20 дБ на декаду.
Если необходимо получить более быстрое уменьшение коэффициента передачи, можно включить n фильтров нижних частот последовательно. Передаточная функция такой системы имеет вид:
где , ,..., – действительные положительные коэффициенты. Из этой формулы следует, что |W(j )| ~ 1/ при . Полюса передаточной функции вещественные отрицательные. Таким свойством обладают пассивные RC-фильтры n-го порядка. Соединив последовательно фильтры с одинаковой частотой среза, получим:
-этот случай соответствует критическому затуханию.
Передаточная функция фильтра нижних частот (ФНЧ) в общем виде может быть записана как
где , ,..., – положительные действительные коэффициенты;
– коэффициент усиления фильтра на нулевой частоте.
Порядок фильтра определяется максимальной степенью переменной S. Для реализации фильтра необходимо разложить полином знаменателя на множители. Если среди нулей полинома есть комплексные, то рассмотренное ранее представление полинома (1.5) не может быть использовано. В этом случае следует записать его в виде произведения квадратных трехчленов:
где и – положительные действительные коэффициенты. Для полиномов нечетных порядков коэффициент b1 равен нулю.
Реализация комплексных нулей полинома на пассивных RC-цепях невозможна. Применение индуктивных катушек в низкочастотной области нежелательно из-за больших габаритов и сложности изготовления катушек, а также из-за появления паразитных индуктивных связей. Схемы с операционными усилителями позволяют обеспечить комплексные нули полиному без применения индуктивных катушек. Такие схемы называют активными фильтрами. Рассмотрим различные способы задания характеристик ФНЧ.
Широкое применение нашли фильтры Бесселя, Баттерворта и Чебышева, отличающиеся крутизной наклона амплитудно-частотной характеристики (АЧХ) в начале полосы задерживания и колебательностью переходного процесса при ступенчатом воздействии.
Амплитудно-частотная характеристика фильтра Баттерворта имеет довольно длинный горизонтальный участок и резко спадает за частотой среза. Переходная характеристика такого фильтра при ступенчатом входном сигнале имеет колебательный характер. С увеличением порядка фильтра колебания усиливаются.
Амплитудно-частотная характеристика фильтра Чебышева спадает более круто за частотой среза. В полосе пропускания она, однако, не монотонна, а имеет волнообразный характер с постоянной амплитудой. При заданном порядке фильтра более резкому спаду амплитудно-частотной характеристики за частотой среза соответствует большая неравномерность в полосе пропускания. Колебания переходного процесса при ступенчатом входном воздействии сильнее, чем у фильтра Баттерворта.
Фильтр Бесселя обладает оптимальной переходной характеристикой. Причиной этого является пропорциональность фазового сдвига выходного сигнала фильтра частоте входного сигнала. При равном порядке спад амплитудно-частотной характеристики фильтра Бесселя оказывается более пологим по сравнению с фильтрами Чебышева и Баттерворта.
Тот или иной вид фильтра при заданном его порядке определяется коэффициентами полинома передаточной функции (1.24) фильтра.
· Реализация фильтров на операционных усилителях:
С ростом порядка фильтра его фильтрующие свойства улучшаются. На одном ОУ достаточно просто реализуется фильтр второго порядка. Для реализации фильтров нижних частот, высших частот и полосовых фильтров широкое применение нашла схема фильтра второго порядка Саллена-Ки. На рисунке 1.5 приведен ее вариант для ФНЧ. Отрицательная обратная связь, сформированная с помощью делителя напряжения R3, ( – 1)R3, обеспечивает коэффициент усиления, равный . Положительная обратная связь обусловлена наличием конденсатора С2. Передаточная функция фильтра имеет вид:
Рисунок 1.5 - Активный фильтр нижних частот второго порядка
Расчет схемы существенно упрощается, если с самого начала задать некоторые дополнительные условия. Можно выбрать коэффициент усиления . Тогда ( – 1)R7 = 0, и резистивный делитель напряжения в цепи отрицательной обратной связи можно исключить. ОУ оказывается включенным по схеме неинвертирующего повторителя. В простейшем случае он может быть даже заменен эмиттерным повторителем на составном транзисторе. При = 1 передаточная функция фильтра принимает вид:
Находим значение емкости конденсатора С1:
В соответствии с методикой принимаем следующие параметры фильтра для расчёта элементов схемы Саллена – Ки: А = 1, В = 1.4142, С = 1
(фильтр Баттерворта второго порядка с коэффициентом передачи А = 1).
Находим значение емкости конденсатора С2:
Находим сопротивление резистора R2:
В случае, если коэффициент передачи фильтра А>1, то величины R 3
и R 4
выбираются из условия R 4
/R 3
= А–1. В качестве ОУ можно выбрать микросхему К140 УД9.
В качестве нормирующего усилителя выбираем операционный усилитель LM 741:
Рисунок 1.6 – Схема нормирующего усилителя
Коэффициент усиления рассчитывается по формуле:
Максимальное значение амплитуды входного сигнала, приемлемое для АЦП, равно , максимальное значение амплитуды входного сигнала датчика равно , коэффициент усиления ФНЧ , коэффициент усиления ДУ . Тогда
Выбираем сопротивления: R9=1 кОм, R10=23 кОм.
Одной из важнейших задач, решаемых автоматизированными системами, является сбор и обработка данных, поступающих от первичных преобразователей (датчиков), установленных на объектах автоматизации. Эти данные рассматривают как временные ряды.
Временной ряд - это множество наблюдений, генерируемых последовательно во времени. В зависимости от того, как изменяется время: непрерывно или дискретно, различают временные ряды непрерывные и дискретные.
Современные автоматизированные системы обрабатывают данные с помощью компьютеров, поэтому все данные, которые поступают в виде аналоговых сигналов, преобразуются в цифровую форму.
При исследовании процесса аналого-цифрового преобразования будут рассматриваться следующие временные ряды:
Х(t) - исходная физическая величина (непрерывный ряд);
х(t) - выходной сигнал датчика в вольтах, соответствующий функции Х(t) (непрерывный ряд);
С(t) - выход х(t) датчика, переведенный в непрерывные отсчёты (непрерывный ряд);
С(iT) - выход х(t) датчика, переведенный в непрерывные отсчёты, выполненные в дискретные моменты времени с периодом Т (дискретный ряд);
с(i) - выход х(t) датчика, переведенный в округленные отсчёты, полученные после операции квантования (дискретный временной ряд);
е(i) - погрешность, равная С(iT) - с(i).
Фиктивный временной ряд С(t) введен здесь только для удобства. Как временной ряд С(t), так и ряд с(i) измеряются в одних единицах - отсчётах. Временной ряд С(t) есть просто результат линейного преобразования функции х(t) вида:
Например, если динамический диапазон изменения значений временного ряда х(t) на входе АЦП лежит в пределах от -5В до + 5В и ему соответствует интервал изменения значений временного ряда С(t) от 0 до 1023 на выходе (АЦП имеет 10 разрядов), то А = 102.3 (отсч/В) и В = 511.5 (отсч/В).
2.2 Спектральный анализ на основе преобразования Фурье
Дискретное преобразование Фурье (финитное) определяется следующим соотношением:
где X(k) - значение (комплексное) дискретного преобразования Фурье, определенное в частоте с номером k;
x(i) - значение (вещественное) исходного временного ряда, определенное в момент времени с номером i;
N - количество отсчетов (длина) временного ряда.
Дискретное преобразование Фурье связывает спектральную характеристику (комплексный спектр) X(k), определенную в дискретных значениях частоты (с номером k), с дискретными значениями временного ряда (сигнала) x(i), определенными в дискретные моменты времени (с номером i).
Точность представления спектральной характеристики определяется разрешением по частоте:
Обратное дискретное преобразование Фурье определяется следующим соотношением:
Из сравнения формул (2.2) и (2.4) следует, что они отличаются знаком показателя экспоненты, множителем перед знаком суммы, а также переменной суммирования. Это позволяет строить единые программы для прямого и обратного преобразований Фурье.
Применяя формулу Эйлера, выражение (2.2) можно привести к виду:
Оценивание спектральной плотности мощности (СПМ) с помощью дискретного преобразования Фурье осуществляется по формуле:
где X(k) - дискретное преобразование Фурье (спектральная характеристика) временного ряда , соответствующего процессу x(t), обладающего свойством эргодичности;
T - период дискретизации процесса x(t);
Черта в правой части формулы (2.7) означает операцию осреднения. Применение формулы (2.7) без операции осреднения приводит к получению "грубой" оценки СПМ. Формула (2.6) позволяет вычислить оценку СПМ посредством статистического осреднения модуля спектральной характеристики совокупности данных, поделенного на длину записи данных. Статистическое осреднение необходимо здесь потому, что ординаты спектральной характеристики являются случайными величинами, изменяющимися для каждой используемой реализации случайного временного ряда .
Операция осреднения уменьшает статистическую изменчивость, или повышает статистическую устойчивость. В спектральном анализе случайных временных рядов на статистическую устойчивость влияют два параметра - разрешение по частоте и длина записи .
Можно показать, что оценки ПСМ приближенно имеют распределение с n степенями свободы, где . Более того, для достаточно больших n, например, , распределение аппроксимируется гауссовским (нормальным) распределением. В этом случае нормированное стандартное отклонение (стандартное отклонение, связанное с оцениваемой величиной, т.е. процентная ошибка, или, в статистической терминологии, "коэффициент разброса") определяется соотношением:
Величину называют стандартной ошибкой. Если , то
Результат означает, что вычисление оценки СПМ с использованием полной длины временного ряда имеет стандартную ошибку, равную 100%.
Если отрезок поделить на m участков, то в этом случае:
Подставляя полученный результат в (2.7), найдем:
Таким образом, для повышения точности оценивания СПМ необходимо исходный временной ряд длины N разбить на m участков длины Nу, вычислить для каждого i-го участка по формуле (1), а затем найти осредненную оценку по формуле:
Следует иметь в виду, что разрешение по частоте в рассмотренном случае определяется из соотношения . Число степеней свободы для найденной оценки СПМ можно найти следующим образом:
Следовательно, для повышения степеней свободы и, соответственно, статистической устойчивости оценок СПМ необходимо увеличивать число участков для осреднения.
Повышение числа степеней свободы можно достичь другим способом - осреднением по частотам.
полученная осреднением - соседних оценок спектральной характеристики, имеет распределение с числом степеней свободы, равным примерно 2l. Это следует из теории о сложении величин, имеющих распределение .
Следует отметить, что разрешение по частоте в данном случае определится из соотношения:
Поскольку операция осреднения линейная, оценку СПМ можно найти, комбинируя осреднение по участкам с осреднением по частотам. При этом сначала выполняется осреднение по участкам, а затем - по частотам. При осреднении по m участкам с последующим осреднением соседних спектральных оценок в итоге получаются оценки, число степеней свободы которых равно . Разрешение в этом случае равно .
3. РАЗРАБОТКА ПРИКЛАДНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
Программное обеспечение разрабатывается в виде стандартного приложения для операционной системы Windows. Она наиболее распространена среди потенциальных пользователей разрабатываемого программного продукта, а использование оконного интерфейса позволяет сделать приложение наглядным и простым в использовании.
Разрабатываемая программа предназначена для моделирования работы системы обработки информации, состоящая из АЦП и блока анализа. Блок анализа позволяет находить характеристики генерируемого временного ряда, производить прямое и обратное преобразование Фурье и анализировать полученные результаты, оценивать спектральную плотность мощности несколькими способами. В программе так же предусматривается блок, генерирующий исходный временной ряд (поступающий на вход АЦП).
Входными данными для программы являются: разрядность АЦП; динамический диапазон напряжений АЦП; период дискретизации АЦП; амплитуда входного сигнала; число отсчетов (элементов генерируемого временного ряда); число гармоник и их величины; разрешение по частоте; % погрешность оценивания спектральных плотностей; база усреднения.
Выходными данными являются ряды: исходный временной ряд, дискретный временной ряд, ошибка квантования, грубая и сглаженные оценки спектров мощности и т.д.
Программа состоит из одного основного модуля Unit1 и дополнительного модуля Unit2. Также в программе используются функции ftt и mo, оформленные в одноименные модули.
Модуль Unit1 представляет собой главное окно программы и содержит основные функции: tsg – генерации временного ряда, grub- анализа грубой оценки и оценки осредненной по частоте, sred – анализа оценки осредненной с помощью разбиения на участки и smooth – анализа оценки со спектральным окном.
Модуль Unit2 является вспомогательным и содержит только информативные сообщения.
Модуль FFT содержит функцию быстрого преобразования Фурье.
Модуль MO содержит функцию, выполняющую нахождение математического ожидания временного ряда.
При запуске программы открывается окно следующего вида
Рисунок 3.1 – Общий вид окна программы
Окно состоит из нескольких основных частей. Блок ввода исходных данных, где необходимо ввести параметры временного ряда, подлежащего генерации. Все данные вводятся в численном виде, знак разделения – запятая. Число гармоник задается компонентой SpinEdit, и сразу после изменения ее значения в таблице под ней устанавливается соответствующее число ячеек для ввода значений гармоник. Число гармоник в данной программе можно устанавливать в пределах от 1 до 20.
Исходные данные для спектрального анализа вводятся аналогичным образом. Это процентная ошибка, разрешение по частоте и база осреднения.
Блок операций позволяет осуществлять три операции. Это генерация ряда, спектральный анализ и очистка графиков и таблиц.
Генерация ряда проводится на основе введенных данных для ряда. Данные дискретного временного ряда сохраняются в файл. При этом выводятся графики исходного ряда, ряда на выходе АЦП, ошибки квантования, а также численные данные по этим рядам. Последнее будет выглядеть так:
Рисунок 3.2 – Вид окна программы после генерации ряда
Вид окна с графиком, например, исходного врем. ряда, будет таким:
Рисунок 3.3 – Исходный врем. ряд после его генерации
Осуществив ввод данных для спектрального анализа, нажимаем на кнопку «Спектральный анализ». Будут построены графики грубой и осредненной оценок спектральной плотности мощности, а также выведены численные данные по ним, спектры построены в виде гистограмм.
В таблицу выводятся как значения ординат спектров, так и частоты, соответствующие им, отдельно для грубой оценки СПМ и для оценки осредненной по участкам. Для оценки осредненной по частотам частоты те же, что и для грубой оценки СПМ.
Так будет выглядеть окно с численными данными после спектрального анализа:
Рисунок 3.4 – Вид окна программы после спектрального анализа
Эти данные сохраняются в файл, чтобы обеспечить возможность построения их впоследствии, в том числе и в других прикладных программах.
Окно с графиком, например, грубой оценки СПМ, будет выглядеть так:
Рисунок 3.5 – Вид окна программы после спектрального анализа
void __fastcall tsg (int Nt, int Ng, float amp, float dt, float *fi, float *vr) - служит для генерации временного ряда. Алгоритм получения временного ряда заключается в суммировании значений всех гармоник в каждый конкретный момент времени. Количество отсчетов времени задается, и конец временного интервала получается путем умножения числа отсчетов на период дискретизации.
fi – входной массив частот гармоник;
vr – выходной массив (временной ряд);
void smooth(int N, float *mas, float *mas1, int num)
Функция окон сглаживания в зависимости от передаваемого ей индекса применяет алгоритм сглаживания либо с помощью окна Гудмена, либо окна Гудмена-Эноксона-Отнеса. Используется в качестве вспомогательной функции при вычислении оценки спектральной плотности мощности.
num – индекс вида окна. num=1 – окно Гудмена, num=2 – окно Гудмена-Эриксона-Отнеса
float fft (float *x, float *y, Int N, Int m, Int Ind) – быстрое преобразование Фурье.
m – степень двойки (разрядность АЦП);
Ind – показатель преобразования БПФ: Ind =1 – прямое, Ind =2 – обратное.
void sred (float *x, float *y, float *vr, int Nt, float dt, float amp, float b) – предполагает вычисление сглаженной оценки методом усреднения по отрезкам (участкам).
vr – входной массив (временной ряд);
void __fastcall grub (float *x, float *y, float *vr, int Nt, float b, float dt, float amp) – содержит в себе вычисление грубой оценки спектральной плотности, а так же вычисляет в зависимости от заданных условий сглаженную по частотам оценку плотности.
vr – входной массив (временной ряд);
· Частоты гармоник: 60, 80, 100, 120, 140;
· Диапазон входных напряжений от -2,5 В до +2,5 В;
Результатами работы программы являются исходный (рис. 3.6) и дискретный (рис. 3.7) временные ряды, грубая (рис. 3.8) оценка СПМ, сглаженные оценки СПМ методами осреднения по участкам (рис. 3.9), по частотам (рис. 3.10) и оценка СПМ со спектральным окном (рис. 3.11)
Рисунок 3.6 – Исходный временной ряд
Рисунок 3.7 – Дискретный временной ряд
Рисунок 3.9 - Сглаженная оценка СПМ методом осреднения по участкам
Рисунок 3.10 - Сглаженная оценка СПМ методом осреднения по частотам
Рисунок 3.11 - Оценка СПМ со спектральным окном
Уже при анализе грубого спектра мы можем наблюдать пять всплесков, соответствующих пяти гармоникам входного сигнала. Соответствующие всплескам частоты, как мы можем заметить, равны частотам гармоник сигнала. В нашем примере это частоты 60, 80, 100, 120, 140 Гц.
При осреднении грубой оценки двумя методами выявляются следующие закономерности. Во-первых, наблюдается эффект размывания частот. Для метода осреднения по частотам, например, он зависит от выбора базы осреднения. Во-вторых, можно заметить выравнивание всплесков по амплитуде или же, по крайней мере, сокращение разброса значений. Отметим, что наиболее наглядно эффект осреднения грубой оценки СПМ прослеживается при наличии в ней случайной составляющей (зашумления).
В данном курсовом проекте разработали техническое и программное обеспечение автоматизированной системы научных исследований (АСНИ).
Был выполнен расчет информационно-измерительного канала АСНИ, состоящего из дифференциального усилителя и активного фильтра по исходным данным. Определили необходимый КООС (коэффициент ослабления синфазного сигнала), минимально необходимый коэффициент усиления дифференциального сигнала Кдиф, выбрали схемотехническое решение, нашли подходящий тип операционного усилителя и рассчитали элементы схемы в соответствии с найденным Кдиф. Порядок фильтра приняли равным 2.
Разработали программное обеспечение и алгоритмы, программу оценивания спектральной плотности с разрешением по частоте b. При этом рассчитали необходимую длину исходного временного ряда для периода дискретизации Т и ошибки оценивания e.
Воспользовались языком программирования С++ и готовым программным модулем быстрого преобразования Фурье.
Разработанная программа позволяет моделировать работу АСНИ:
· генерирует исходный временной ряд;
· анализирует грубую оценку спектральной плотности мощности;
· анализирует улучшенную оценку спектральной плотности мощности двумя методами – разбиением на участки, осреднением по частотам.
1. Моделирование и обработка данных, поступающих от аналого-цифровых преобразователей: Методические указания к выполнению лабораторной работы по дисциплине "Обработка данных в автоматизированных системах" / Сост. Л.А. Краснодубец. – Севастополь: Изд-во СевНТУ, 2002.–11с.
2. Исследование дискретного преобразования Фурье: Методические указания к выполнению лабораторной работы по дисциплине "Обработка данных в автоматизированных системах" / Сост. Л.А. Краснодубец. – Севастополь: Изд-во СевНТУ, 2002.– 13с.
3. Оценивание спектральных плотностей при помощи быстрого преобразования Фурье: Методические указания к выполнению лабораторной работы по дисциплине "Обработка данных в автоматизированных системах" / Сост. Л.А. Краснодубец. – Севастополь: Изд-во СевНТУ, 2002.– 13с.
4. А.Я. Архангельский – Программирование в Delphi 6.– М.: ЗАО "Издательство БИНОМ", 2002 г. – 1120 с.
5. Х.М. Дейтл, П. Дж. Дейтл – Как программировать на С++. – М.: ЗАО «Издательство БИНОМ», 2003 г. – 1031с.
6. ГОСТ 2.105-95 ЕСКД. Общие требования к текстовым документам.
7. ГОСТ 2. 701–84 ЕСКД. Схемы. Виды и типы. Общие требования к выполнению.
//---------------------------------------------------------------------------
//---------------------------------------------------------------------------
//---------------------------------------------------------------------------
void smooth(int N,float *mas,float *mas1,int num)
if (num==1) {a[1]=0.1817;a[2]=-0.1707;a[3]=0.1476;}
if (num==2) {a[1]=0.35;a[2]=-0.0875;a[3]=0.0625;}
mas1[k]=mas1[k]+a[i]*(mas[l1]+mas[l2]);}
if (num==1) mas1[k]=mas1[k]*1.1679;
//---------------------------------------------------------------------------
__fastcall TADC::TADC(TComponent* Owner)
//---------------------------------------------------------------------------
void __fastcall tsg(int Nt,int Ng, float amp,float dt,float *fi,float *vr)
s=0.0;for(i=0;iMessageBox("Проверь себя!!!","Ошибочка вышла", MB_OK);
void __fastcall TADC::HarmonicNumberChange(TObject *Sender)
Freq->RowCount=HarmonicNumber->Value;
//---------------------------------------------------------------------------
void __fastcall TADC::Button1Click(TObject *Sender)
float dt, *vr, *fi, b, eps, ti, amp, Umin, Umax, Cx;
SaveDialog->Title = "Сохранение файла временного ряда";
if((eps = StrToFloat(Error->Text))<=0) eps=1;
if((b = StrToFloat(BText->Text))<=0) b=1;
Ng=StrToInt(HarmonicNumber->Value);
Nt = pow(2,ceil(log(Nt/sqrt(eps))/log(2)));
Cx=(pow(2,StrToInt(CapacityText->Text))-1)/(Umax-Umin);
outfile = std::fopen(SaveDialog->FileName.c_str(), "w");
{fprintf(outfile,"%f\n%d\n%f\n",dt,Nt,amp);
fi=(float*)malloc(Ng*sizeof(float));
for(i=0;iCells[0][i]);
vr=(float*)malloc(Nt*sizeof(float));
ListView1->Column[2]->Caption="Исходный временной ряд";
ListView1->Column[3]->Caption="Дискретный временной ряд";
LineSeries1->AddXY(ti,vr[i],"",clRed);
ListItem->SubItems->Add(FloatToStr(ti));
ListItem->SubItems->Add(FloatToStr(vr[i]));
level=floor(Cx*(vr[i]-Umin)+0.4999999);
ListItem->SubItems->Add(IntToStr(level));
Series1->AddXY(i,level,"",clGreen);
fclose(outfile);free(fi);free(vr);}
Application->MessageBox("Проверь себя!!!","Ошибочка вышла", MB_OK);
//---------------------------------------------------------------------------
void __fastcall TADC::Button2Click(TObject *Sender)
float *vr, *x, *y, amp, dt, mx, *Sxx,*Sxx1;
OpenDialog->Title="Загрузка файла с временным рядом";
VR=std::fopen(OpenDialog->FileName.c_str(),"r");
fscanf(VR,"%f\n%d\n%f\n",&dt,&Nt,&);
vr=(float*)malloc(Nt*sizeof(float));
x=(float*)malloc(Nt*sizeof(float));
y=(float*)malloc(Nt*sizeof(float));
Sxx=(float*)malloc(Nt*sizeof(float));
Sxx1=(float*)malloc(Nt*sizeof(float));
ListView1->Column[2]->Caption="Дискретный временной ряд";
ListView1->Column[3]->Caption="Центрированный временной ряд";
for(i=0;iAddXY(i,vr[i],"",clGreen);
ListItem->SubItems->Add(FloatToStr(ti));
ListItem->SubItems->Add(FloatToStr(vr[i]));
SaveDialog->Title = "Сохранение файла грубой оценки";
int N1=pow(2,ceil(log(Nt)/log(2)));
DR = std::fopen(SaveDialog->FileName.c_str(), "w");
fprintf(DR,"%f\n%d\n%f\n",dt,N1,amp);
for(i=0;iItems->Item[i];
ListItem->SubItems->Add(FloatToStr(x[i]));
//smooth(N1,Sxx,x,1); smooth(N1,Sxx1,y,1); //
for(i=0;iAddXY(i*b1,Sxx[i],"",clTeeColor);
ListItem=ListView1->Items->Item[i];
ListItem->SubItems->Add(FloatToStr(i*b1));
ListItem->SubItems->Add(FloatToStr(Sxx[i]));
SaveDialog->Title="Сохранение файла оценки методом частотного осреднения";
{DR = std::fopen(SaveDialog->FileName.c_str(), "w");
fprintf(DR,"%f\n%d\n%f\n",dt,N1,amp);
BarSeries2->AddXY(i*b1,s/l,"",clTeeColor);
ListItem=ListView1->Items->Item[i];
ListItem->SubItems->Add(FloatToStr(i*b1));
ListItem->SubItems->Add(FloatToStr(s/l));
}else if(RadioGroup1->ItemIndex==0){
SaveDialog->Title = "Сохранение файла оценки методом разбиения на участки";
DR = std::fopen(SaveDialog->FileName.c_str(), "w");
fprintf(DR,"%f\n%d\n%f\n",dt,Ny,amp);
for(i=0;iNt) {x[i]=0;y[i]=0;} else {x[i]=vr[j*Ny+i];y[i]=0;}
mx=me(x,Ny);for(i=0;iAddXY(i*b1,Sxx[i]/m,"",clTeeColor);
ListItem=ListView1->Items->Item[i];
ListItem->SubItems->Add(FloatToStr(i*b1));
ListItem->SubItems->Add(FloatToStr(Sxx[i]/m));
free(vr); free(x); free(y); free(Sxx);
Application->MessageBox("Проверь себя!!!","Ошибочка вышла", MB_OK);}
//---------------------------------------------------------------------------
void __fastcall TADC::Help1Click(TObject *Sender)
//---------------------------------------------------------------------------
void __fastcall TADC::N5Click(TObject *Sender)
//---------------------------------------------------------------------------
void __fastcall TADC::N6Click(TObject *Sender)
//---------------------------------------------------------------------------
Название: Обработка данных в автоматизированных системах
Раздел: Рефераты по информатике, программированию
Тип: курсовая работа
Добавлен 04:46:56 17 мая 2010 Похожие работы
Просмотров: 479
Комментариев: 14
Оценило: 4 человек
Средний балл: 4.3
Оценка: неизвестно Скачать
Название этапов курсового проекта (работа)
Срок выполнения этапов проекта (работы)
Разработка технического обеспечения
Разработка методического обеспечения
Разработка прикладного программного обеспечения
Привет студентам) если возникают трудности с любой работой (от реферата и контрольных до диплома), можете обратиться на FAST-REFERAT.RU , я там обычно заказываю, все качественно и в срок) в любом случае попробуйте, за спрос денег не берут)
Да, но только в случае крайней необходимости.
Курсовая работа: Обработка данных в автоматизированных системах
Дипломная работа по теме Праздничная культура Японии. Традиция и современность
Реферат: Длительное отсутсвие работника на рабочем месте
Дипломная работа: Управление персоналом средствами ЕК АСУТР
Контрольные Работы 6 Класс 2022
Сочинение 9.3 Примеры Из Жизни
Реферат по теме Консолидация данных в Excel
Контрольная Работа По Английскому Модуль 1
Реферат: Застосування основних засобів виправлення і ресоціалізації
Отчет по практике по теме Характеристика предприятия ОАО 'Сбербанк России'
Белгородская Крепость В Жизни Гринева Сочинение 8
Практическая Расчеты Режимов Работы Нефтепроводов
Примерные Темы Сочинений По Направлениям 2022 2022
Сочинение по теме Исследование метафоры в творчестве С. Есенина
Курсовая работа по теме Особенности кооперации труда работников в ОАО КБ 'Агропромкредит'
Курсовая работа: Проект портового элеватора
Курсовая работа по теме Проектирование системы автоматического регулирования
Административное Реформирование В Соединенных Штатах Америки Реферат
Реферат по теме Банкрутство
Примеры Сочинений На Тему Искусство И Ремесло
Курсовая работа: Старовавилонське суспільство за кодексом законів Хаммурапі
Реферат: Налогообложение религиозных организаций
Реферат: Прогрессивные деятели педагогики второй половины XIX века
Реферат: Девиантное поведение