Время перехода от одной комбинации до другой, определяемое частотой генератора тактовых импульсов, равно 0.43 мс.
Регистр в блоке управления, аналогичны регистру в логическом блоке, предназначен для поддержания постоянного сигнала до поступления новой команды.
Таблица 5.10
| 0000 | |
| 0001 | Сброс АЦП и начало преобразования |
| 0010 | Конец преобразований, считывание информации, запись её в регистр и обработка 1-ой посылки |
| 0011 | |
| 0100 | |
| 0101 | |
| 0110 | |
| 0111 | |
| 1000 | |
| 1001 | Конец обработки 1-ой посылки, считывание информации с регистра и обработка 2-ой посылки |
| 1010 | |
| 1011 | |
| 1100 | |
| 1101 | |
| 1110 | |
| 1111 |
6 Основные требования к алгоритмам диагностирования
Диагностирование объектов на основе допускового способа контроля параметров - задача построения алгоритмов диагностирования сводится к выбору составов контрольных точек.
Эффективность процессов диагностирования, оцениваемая, например, временем диагностирования или затратами аппаратуры на хранение и реализацию алгоритмов диагностирования, в некоторых случаях существенно зависит от качества последних.
Оптимизация алгоритмов диагностирования возможна тогда, когда число элементарных проверок, достаточных для решения конкретной задачи диагностирования, меньше числа всех допустимых (т. е. физически возможных и реализуемых) элементарных проверок данного объекта. Для разных элементарных проверок могут требоваться разные затраты на их реализацию; эти проверки могут давать разную информацию о техническом состоянии объекта. Кроме того, одни и те же элементарные проверки могут быть реализованы в различной последовательности.
Поэтому для решения одной и той же задачи диагностирования (например, проверки исправности) можно построить несколько алгоритмов, различающихся либо составом элементарных проверок, либо последовательностью их реализации, либо, наконец, тем и другим вместе и поэтому, возможно, требующих разных затрат на их реализацию.
Необходимость увеличения производительности труда на операциях диагностирования, сокращения времени обнаружения, поиска и устранения неисправностей, уменьшения объемов и сложности средств диагностирования вызывает интерес к разработке методов построения оптимальных алгоритмов, требующих минимальных затрат на их реализацию. Построение оптимальных алгоритмов во многих случаях сопряжено с трудностями вычислений и поэтому зачастую удовлетворяются оптимизированными алгоритмами диагностирования, затраты на реализацию которых как-то уменьшены, но не обязательно минимальны.
Задачи построения оптимальных алгоритмов диагностирования при невысокой размерности могут успешно решаться методами обработки таблиц покрытий (для безусловных алгоритмов) и методами теории вопросников (для условных алгоритмов).
Эффективность процессов диагностирования определяется не только качеством алгоритмов диагностирования, но и в не меньшей степени качеством средств диагностирования. Последние могут быть аппаратурными или программными, внешними или встроенными, ручными, автоматизированными или автоматическими. специализированными или универсальными.
Выбор или разработка средств тестового диагностирования должны осуществляться с учетом многих факторов:
- наличия серийного выпуска требуемых средств;
- наличия подходящих средств на заводе-изготовителе объекта;
- массовости выпуска объекта и его сложности;
- требуемой производительности средств и т. п.
Средства функционального диагностирования являются, как правило, встроенными и поэтому разрабатываются и создаются одновременно с объектом.
"Традиционные" подходы к организации диагностического обеспечения не могут быть успешно применены для объектов высокой сложности, в том числе для объектов вычислительной тех-
Контролепригодность обеспечивается в результате преобразования структуры проверяемого объекта к виду, удобному для диагностирования. Для этого в объект еще на этапе его проектирования вводят дополнительную аппаратуру — встроенные средства тестового диагностирования.
К встроенным средствам тестового диагностирования можно отнести дополнительные контрольные точки, дополнительные входы для блокирования сигналов и задания требуемых значении сигналов, а также специальную аппаратуру, которая при диагностировании изменяет структуру объекта, оставляя ее исходной в режиме эксплуатации, генерирует тесты и анализирует результаты их реализации.
Из-за отсутствия регулярных и экономичных методов повышения контроле-пригодности объектов на практике широко используются неформальные рекомендации, облегчающие диагностирование объектов.
7 Техническая диагностика и прогнозирование
Оценивая область, охватываемую технической диагностикой, рассмотрим три типа задач определения технического состояния объектов.
К первому тину относятся задачи определения технического состояния, в котором находится объект в настоящий момент времени Это - задачи диагностирования. Задачи второго типа - предсказание технического состояния, в котором окажется объект в некоторый будущий момент времени. Это — задачи прогнозирования. К третьему типу относятся задачи определения технического состояния, в котором находился объект в некоторый момент времени в прошлом. По аналогии можно говорить, что это задачи генеза.
Задачи первого типа формально следует отнести к технической диагностике, а второго типа - к технической прогностике (к техническому прогнозированию). Тогда отрасль знания, которая должна заниматься решением задач третьего типа, естественно назвать технической генетикой.
Задачи технической генетики возникают, например, в связи с расследованием аварий и их причин, когда техническое состояние объекта в рассматриваемое время отличается от состояния, в котором он был в прошлом, в результате появления первопричины, вызвавшей аварию. Эти задачи решаются путем определения возможных или вероятных предыстории, ведущих в настоящее состояние объекта. К задачам технической прогностики относятся, например, задачи, связанные с определением срока службы объекта или с назначением периодичности его профилактических проверок и ремонтов. Эти задачи решаются путем определения возможных или вероятных эволюции состояния объекта, начинающихся в настоящий момент времени.
Решение задач прогнозирования весьма важно, в частности, для организации технического обслуживания объектов по состоянию (вместо обслуживания по срокам или ста ресурсам). Непосредственное перенесение методов решения задач диагностирования на задачи прогнозирования невозможно из-за различия моделей, с которыми приходится работать:
при диагностировании моделью обычно является описание объекта, в то время как при прогнозировании необходима модель процесса эволюции технических характеристик объекта во времени. В результате диагностирования каждый раз определяется не более чем одна "точка" указанного процесса эволюции для текущего момента (интервала) времени. Тем не менее хорошо организованное диагностическое обеспечение объекта с хранением всех предшествующих результатов диагностирования может дать полезную и объективную информацию, представляющую собой предысторию (динамику) развития процесса изменения технических характеристик объекта в прошлом, что может быть использовано для систематической коррекции прогноза и повышения его достоверности.
В период эксплуатации весьма важным является индивидуальное прогнозирование технического состояния каждого конкретного экземпляра объекта, которое позволяет обслуживать объекты по их состоянию. При индивидуальном прогнозировании априорная информация должна быть индивидуальной для каждого экземпляра объекта. Если эту информацию получать в процессе эксплуатации, то она будет учитывать не только конкретные условия применения данного экземпляра объекта по назначению, условия его обслуживания, храпения и транспортирования, но также специфические особенности экземпляра, зависящие, в частности, от конкретных условий изготовления объекта и его составных частей.
Однако и при таком расчленении трудности разработки практически эффективных методов прогнозирования для сложных объектов остаются значительными.
Наиболее простой была бы явная аналитическая модель в которой отсутствует зависимость будущего технического состояния от случайных помех и погрешностей. Стремясь к "идеальной" модели, применяют различные способы математической обработки моделей с целью уменьшения зависимости окончательных результатов измерения прогнозирующих параметров и прогноза от случайных функций Y, X и W. Эти способы заключаются главным образом в сглаживании случайных процессов применением операторов сглаживания, таких, как опера- ' торы математического ожидания, текущего среднего, экспоненциального сглаживания, и некоторых других. Для применения операторов сглаживания необходимо знать характеристики сглаживаемых случайных процессов, например вероятности появления величин Y, X и W, интервалов сглаживания и др., что сопряжено с необходимостью получения и обработки больших объемов априорной информации, что практически далеко не всегда возможно.