Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...

Статьи Чертежи Таблицы О сайте Реклама

Алгоритм эталонный

Значительно снижают технические возможности и сокращают период нормальной эксплуатации неблагоприятные динамические характеристики станков. Например, неправильная отладка моментов переключения фрикционных муфт и их износ приводят не только к увеличению времени холостых ходов, но и к изменению динамических нагрузок. Не всегда соответствует техническим условиям точность исполнения цикла, что вызывает необходимость проверки теоретических циклограмм станков-автоматов кинематическими и динамическими методами. На динамические условия взаимодействия механизмов значительное влияние оказывают скорость вращения РВ и угол поворота шпиндельного блока (одинарная и двойная индексация). При диагностировании технологического оборудования с едиными валами управления выбираются диагностические параметры, несущие наибольшую информацию о работе различных целевых механизмов. Одним из таких параметров является крутящий момент на РВ, на основе которого разработаны алгоритмы и программы диагностирования механизмов подъема, поворота и фиксации шпиндельного блока подачи, упора и зажима материала суппортной группы, а также оценки работы автоматов с технологическими наладками [21, 22]. Сущность способа выявления дефектов механизмов без их разборки с помощью этого параметра заключается в том, что на РВ проверяемого автомата между приводом и кулачками управления устанавливается съемный тензометрический датчик крутящего момента, который через преобразователь соединяется с регистрирующей аппаратурой. Качество изготовления и техническое состояние различных узлов и механизмов, управляемых от одного РВ, оценивается сравнением осциллограмм крутящего момента на РВ проверяемого станка с эталонной, полученных в одном масштабе. Если величина и характер изменения кривой крутящего момента на отдельных участках циклограммы проверяемого станка не соответствуют эталонной осциллограмме, то по типовым динамограммам дефектов и дефектным картам механизмов определяются виды дефектов, причины их возникновения и способы устранения. Для удобства проверки станков в цеховых условиях эталонная осциллограмма наносится на линейку из оргстекла.  [c.105]


Для ускорения процесса осуществлен прямой доступ к памяти. Реализация любых алгоритмов в этом случае осуществляется только на программном уровне, поэтому время распознавания достигает порядка 3 с. Время распознавания, очевидно, в значительной степени зависит от алгоритмов распознавания, которые строятся по принципу анализа изображения или извлечения признаков. И в том и в другом случае эталонные значения искомых величин хранятся в памяти ЭВМ и могут быть занесены в нее на этапе обучения.  [c.192]

Пакет программ диагностики реализует процедуру построения матрицы Грама [5] и основанные на этой процедуре алгоритмы классификации, определения принадлежности к данному классу, дополнение массива эталонов, если вновь наблюдаемый параметр нельзя отнести ни к одному из известных классов, а также создание описаний известных классов состояний.  [c.82]

При построении системы комплексной оценки качества необходимо решить ряд принципиальных задач формирование классов (эталонов) различных состояний по результатам выходных испытаний устройств отбор наиболее информативных параметров из множества входных параметров контроля качества выбор метода классификации качественных состояний устройства и разработка алгоритмов для конкретных конструкций оптимизация всей системы оценок качественных состояний по критерию надежности и распознавания.  [c.116]

В КИР с адаптивным и интеллектуальным управлением программирование движений измерительной головки осуществляется в автоматическом режиме. При этом эталонная траектория измерительного наконечника задается аналитически или генерируется с помощью некоторого алгоритма, По этой траектории автоматически рассчитывается (а в ряде случаев оптимизируется) программное движение исполнительного механизма с учетом кинематических и динамических ограничений.  [c.288]

Алгоритм распознавания. Допустим, что в пространстве признаков используется диагностическая мера расстояния L и предъявлен для диагностики объект X. Для отнесения объекта х к одному из /г диагнозов определяются расстояния L до эталонных точек а, al,. . а,. Объект х относят к диагнозу если мера расстояния между точками х, а] минимальна  [c.88]

Принимая в качестве новой меры расстояния L = L, — N, получим, что алгоритм распознавания совпадает с алгоритмом по расстоянию до эталона. Этот результат, разумеется, связан с выбором квадратичной диагностической меры расстояния. При других условиях совпадения рассматриваемых методов не происходит, но результаты получаются практически близкими.  [c.93]

Степень близости вектора диагностических признаков (6) к одному из эталонных оценивают с помощью классифицирующих функций. Совокупность последовательных Действий при постановке диагноза называется алгоритмом распознавания. Алгоритмы распознавании частично основываются на диагностических моделях, устанавливающих связь между состояниями механизма и их отображениями в пространстве  [c.383]


Вместе с тем если реальную конструкцию удается свести к расчетной схеме, соответствующей одномерной задаче термоупругости, то возможностей аналитических методов часто оказывается достаточно для ее решения. Кроме того, точное аналитическое решение одномерной задачи может служить эталоном для тестирования сложного алгоритма численного решения задач термоупругости.  [c.219]

В механике сплошной среды среднеквадратичная погрешность Р определяется на классах эталонных задач, для которых удается построить аналитические решения. В каждой точке j величина AUj равна разности между численным и точным решением в этой точке. Такой подход требует не только построения математической модели, но и создания программы и проведения расчетов на ЭВМ. Следовательно, указанный алгоритм определения точности является апостериорным.  [c.215]

В случае получения продукта, не удовлетворяющего разработчика по микросистеме , разработка возвращается к дисперсионному анализу компонентов, к пересмотру компонентного состава и технологии до получения положительного результата. Окончательно выбрать концентрации компонентов, входящих в ПИНС, можно как по микро-, так и по макросистеме с использованием дробного или полного факторного эксперимента, например программы СИМПЛЕКС , реализующей алгоритм регрессионного анализа для оптимизации состава смесей [70]. Оценку суммарных функциональных свойств в сравнении с эталонами сравнения первого, второго и третьего порядка и вы-  [c.45]

Обычный оптический процессор является пространственно-инвариантной системой, и, следовательно, характеристики всех оптических систем распознавания образов, основанных на использовании преобразования Фурье, станут ухудшаться, если масштаб входной и эталонной функций будет различным. В цифровых процессорах эта проблема, имеющая практическое значение, решается применением изощренных алгоритмов средств программирования поэтому такие процессоры оказались значительно более пригодными, чем конкурирующие с ними оптические корреляторы, которые требуют точного согласования масштабов входной и эталонной функций во избежание уменьшения интенсивности корреляционного пика /р или отношения сигнал/шум на выходе. Новый подход к решению этой проблемы оптическими средствами состоит в использовании пространственно-неинвариантного коррелятора, в котором осуществляется преобразование координат входных данных. Полученные в результате координатного преобразования данные затем подаются на вход в обычный пространственно-инвариантный коррелятор.  [c.576]

Становится очевидной важность следующих задач — отыскание методов рационального подбора эталонов и методов такого их описания, которые позволили бы сократить объем исходной априорной информации без существенных потерь в эффективности распознавания. Вторая проблема особенно актуальна при реализации алгоритмов распознавания с использованием современных ЭВМ. При этом весьма важно рассматривать такие способы, которые позволили бы единым образом описывать эталоны различной физической природы.  [c.134]

Существенным моментом в рассматриваемой методике является не только то, что с ее помощью удается построить минимаксное правило, но и то, что этой методикой можно воспользоваться для рационального уменьшения числа эталонов. Действительно, как следует из предыдущего примера, если для двух заданных классов эталонных изображений оказывается возможным выделить такие два изображения, что для всех остальных выполняются соотношения (3.4.9), то тем самым этих эталонов оказывается вполне достаточно, чтобы описать всю первоначальную априорную информацию. Практически исходная априорная информация оказывается более богатой и для ее описания необходимо оставлять существенно большее число эталонов. Для этого случая можно выписать по аналогии с (3.4.6) более общие условия, однако точно удовлетворить им часто не удается. Вместе с тем для любой заданной совокупности эталонов можно всегда выделить такое их подмножество, для которого соответствующие соотношения будут выполняться (в некотором смысле) наилучшим образом. Это подмножество, суммарное число элементов которого выбирается из учета технических возможностей реализации алгоритма и может быть использовано в качестве сокращенной априорной информации.  [c.138]


Изложены основные подходы, методы и алгоритмы формирования облика интегрированных систем навигации и управления беспилотных маневренных летательных аппаратов различных классов. Понятие облик включает состав, структуру и алгоритмы соответствующей интегрированной системы. В состав формируемых интегрированных систем входят бесплатформенная инерциальная система и многоканальный GPS/ГЛОНАСС приемник. Обсуждаются вопросы комплексирования навигационных измерений, обработки изображений, включая формирование эталонов. Рассмотрена технология создания объектно-ориентированных программных комплексов для моделирования процессов функционирования рассматриваемых интегрированных систем. Приведены результаты моделирования интегрированных комплексов беспилотных маневренных летательных аппаратов различных классов.  [c.1]

В пятой главе рассматривается информационная технология навигации и наведения, альтернативная ГЛОНАСС/GPS-технологии — технология машинного зрения. Приводятся функциональные схемы интегрированных бортовых схем, использующих технологию машинного зрения, обсуждаются основные проблемы, возникающие при ее реализации, включая проблему формирования эталонных изображений, представляющую наибольшую трудность. Описаны основные способы и алгоритмы формирования эталонных изображений.  [c.7]

Разработка бортовых алгоритмов совмещения эталонных и текущих изображений, локализации и определения координат заданных объектов, обеспечивающих робастность к изменению априорных предположений о характеристиках изображений наблюдаемых сцен, оптимальную организацию вычислительного процесса в бортовых вычислительных устройствах и т. д.  [c.157]

Формирование системы управления, использующей бортовые сенсорные устройства различного типа и бортовые вычислительные устройства, реализующие алгоритмы совмещения эталонных и текущих изображений и определения координат заданных объектов сцены, для коррекции и наведения летательного аппарата на выбранную точку прицеливания.  [c.157]

Применительно к проблемам навигации и наведения беспилотных маневренных летательных аппаратов предметом данного рассмотрения являются системы второго класса (автономные). В таких системах подготовка эталонной информации осуществляется заранее, до вылета самолета-носителя, с помощью специализированного наземного комплекса подготовки полетных заданий. Среди многочисленных задач, решаемых таким комплексом, есть и задачи выбора оптимального маршрута автономного полета беспилотного летательного аппарата в вертикальной и горизонтальной плоскостях, выбора зон коррекции системы навигации, в том числе — с использованием характеристик физических полей Земли (поля рельефа, поля оптического контраста, и т.п.), определения зоны обнаружения, распознавания и целеуказания заданного объекта, формирования эталонного описания сцены и заданного объекта, нанесения точки прицеливания и т. д. При этом обязательно учитывается структура и характеристики автономной системы наведения беспилотного маневренного летательного аппарата, структура её алгоритмов обнаружения, распознавания и целеуказания, характеристики текущего изображения.  [c.158]

Как уже отмечалось выше, формирование эталонного и текущего изображений, соответствующих этим изображениям описаний и алгоритмов сравнения в значительной степени основывается на использовании методов и технологий машинного зрения [5.1]. При таком подходе входная информация представляет собой изображение рассматриваемой сцены (или несколько изображений, включая стереопары), а выходная состоит из информации о сцене, породившей это изображение (или изображения). Например, выходная информация может являться описанием сцены в какой-либо форме.  [c.160]

Отметим также существенную зависимость этих процедур, позволяющих с различной степенью точности, подробности и достоверности осуществлять построение трехмерных геометрических моделей, от постановки задачи локализации и определения координат объектов на сцене для целей управления и выбора соответствующих алгоритмов сопоставления эталонных и текущих изображений. Например при наведении летательного аппарата на выбранный элемент одного из объектов наземной сцены типа здания в предположении об известном направлении визирования сцены (ракурсе подлета) или возможном диапазоне значений этих направлений обоснованной является концепция постоянства точки наблюдения (или точек наблюдения) при формировании трехмерной геометрической модели.  [c.171]

Эталонное описание в этом случае представляет собой описание в символьной форме характерных черт полученного 2D-изображения (или набора изображений) сцены и практически однозначно связано с характером получаемого на борту текущего изображения и принятым алгоритмом обнаружения и локализации объектов сцены.  [c.178]

Как уже отмечалось выше, форма представления эталонного описания однозначно связана с типом реализованного в бортовой системе наведения алгоритма обнаружения и локализации объектов на наблюдаемой сцене. Это особенно относится к операциям формирования эталонного описания на указанных выше втором и третьем этапах.  [c.179]

Существенными преимуществами по сравнению с методами первого и второго типов, в смысле снижения трудоемкости вычислительной реализации бортовых алгоритмов, обладают методы, использующие в качестве характерных признаков контурные препараты эталонного и текущего изображений. Применение методов типа контурной корреляции, согласованной фильтрации контуров при сравнении соответствующих бинарных изображений сцены с низкой объектовой насыщенностью может привести к снижению трудоемкости вычислительной реализации (в основном потребного быстродействия) на один, два порядка.  [c.180]

Проиллюстрируем эти процедуры на примере построения эталонного описания сцены с объектовым составом фабричного типа, включающего здания, трубы, градирни (рис. 5.7) при использовании алгоритма структурно-лингвистического типа [5.6.  [c.181]


Например при реализации в бортовой аппаратуре для определения координат точек земной поверхности алгоритмов сравнения эталонного и текущего изображений корреляционного типа критерием информативности выбранного направления подлета может служить условие превышения значения радиуса корреляции яркостного поля некоторого заданного значения.  [c.188]

Таким образом, в результате предшествующих исследований устанавливают связи между характеристиками диагностических параметров и состоянием объекта и разрабатывают диагностические алгоритмы (алгоритмы распознавания), представляющие собой последовательность определенных действий, необходимых для постановки диагноза. Диагностические алгоритмы включают также систему диагностических параметров, их эталонные уровни и правила принятия решения о принадлежности объекта к тому или иному виду технического состояния.  [c.16]

Наконец, следует выделить случай определения величины приборами (п 2), из которых один можно принять за эталонный, поскольку его погрешность существенно меньше всех других используемых приборов. В частности, к этому случаю можно отнести рассмотренный в 1-11 метод повышения достоверности измерения расходов путем использования уравнений материального баланса. При этом алгоритм обнаружения неисправности заключается в сопоставлении показаний -го прибора [Хг(0] с эталонным текущим значением [ э(0]  [c.305]

Комплексные алгоритмы строятся на измерении выходных параметров реальной и эталонной систем, вычислении и формировании по ним оценки показателя качества. Далее эта оценка сравнивается с контрольными допусками и принимается решение о способности реальной системы выполнять свое назначение.  [c.240]

Для автоматизации процесса сравнения образцов металла с эталонами использован эффективный алгоритм распознавания структур. На первом этапе формируется база данных количественных характеристик изображений эталонных структур. Далее для полученных изображений вычисляются выбранные характеристики. Для каждого эталона формируется допустимый диапазон значений характеристик. Например, это может быть балльная шкала, каждому баллу которой соответствует диапазон количественных характеристик.  [c.518]

В четвертой главе изложены математические модели средств измерений (СИ) количественных величин. Главной особенностью средства измерения, отличающего его от других технических устройств, является способность воспроизводить единицу измеряемой величины. Разумеется, эту единицу величины СИ воспроизводят не идеально, а с некоторым отклонением (погрешностью) от единицы государственного эталона. Эта особенность отражается в математической модели СИ введением коэффициента чувствительности, значение которого равно обратному значению размера единицы величины, воспроизводимой этим средством измерения. Учет инерционных, диссипативных и иных свойств СИ осуществляется совокупностью взаимосвязанных линейных динамических математических моделей линейное дифференциальное уравнение, передаточная, весовая, переходная функции и частотная характеристика. Такое разнообразие динамических математических моделей СИ обеспечивает возможность разработки более простых алгоритмов расчета количественных характеристик погрешности результата измерения. Модель цифрового СИ представлена дискретной весовой функцией.  [c.4]

Диалоговое моделирование. Наличие в методике макромоделирования эвристических и формальных операций обусловливает целесообразность разработки моделей элементов в диалоговом режиме работы с ЭВМ. Язык взаимодействия человека с ЭВМ должен позволять оперативный ввод исходной информации о структуре модели, об известных характеристиках и параметрах объекта, о плане экспериментов. Диалоговое моделирование должно иметь программное обеспечение, в котором реализованы алгоритмы статистической обработки результатов экспериментов, расчета выходных параметров эталонных моделей и создаваемых макромоделей, в том числе расчета параметров по методам планирования экспериментов и регрессионного анализа, алгоритмы методов поиска экстремума, расчета областей адекватности и др. Пользователь, разрабатывающий модель, может менять уравнения модели, задавать их в аналитической, схемной или табличной форме, обращаться к нужным подпрограммам и тем самым оценивать результаты предпринимаемых действий, приближаясь к получению модели с требуемыми свойствами.  [c.154]

Для проверки алгоритма использонали 3(5 измерений таких параметров, как количество нефти и свободной емкости 1 резервуарных парках, плановая производительность. Результаты опробования алгоритма показали, что в 11 ситуациях из 36 рассмотренных было принято решение о необходимости смены технологического режима перекачки нефтн, причем в 5 случаях эталону не соответствовала производительность, в трех случаях — наличие нефти, в остальных случаях эталону не соответствовали оба параметра. В 25 ситуациях было принято решение о нормальном ходе технологического реп1ения.  [c.109]

На практике ПД формируются либо с помощью человека-опе-ратора, либо автоматически с помощью ЭВМ. В первом случае человек, управляя роботом и технологическим оборудованием, выполняет требуемую технологическую операцию, а соответствующее ПД как эталонное заносится в память системы управления. Этот режим работы по существу представляет собой процесс ручного программирования (обучения) РТК. Во втором случае речь идет об автоматическом программировании (самопрограммировании) ПД РТК по заданному технологическому процессу с учетом имеющихся ограничений. Организация режима автоматического программирования РТК требует прежде всего разработки соответствующих алгоритмов, которые должны быть программно реализованы в управляющей ЭВМ.  [c.36]

На основании предварительного обучения разрабатываются алгоритмы распознавании, включающие формирование системы информативных диагностических признаков, построение эталонных изображений для каждого класса технических состоиний и разработку правил принятия решений о принадлежности к тому или иному классу.  [c.384]

Эталонные ударные импульсы Типичные записи реальных ударов Корректирующие обратные связи по ускорению и скорости Предыскажение программы Алгоритмы АПП ЭГВ. ЭДВ Аналоговая или аиалогоцифровая  [c.483]

Типовая процедура ВЕРИФ, осуществляющая верификацию, содержит блок (подпрограмму) моделирования текстовой последовательности ТЕСТ, подпро1 рамму обработки результатов и обеспечения точности сравниваемых характеристик исследуемого и эталонного алгоритмов ОБТОЧН.  [c.508]

Эталонный алгоритм оформляется в виде процедуры ЭТАЛОН, которая либо вьршс-ляет точные значения исследуемых характеристик, либо обращается к реальному приведенному алгоритму с достаточной для проверки исследуемого алгоритма точностью.  [c.508]

Аналоговое оптическое вычислительное устройство выполняет требуемую математическую операцию над сформированным когерентным оптическим сигналом. Обычно оно содержит одну или несколько оптически связанных между собой линз (объективов) и оптические фильтры в виде амплитудных или фазовых масок либо голограмм, установленных в определенных плоскостях оптической системы. С помощью масок и голограмм требуемым образом осуществляют пространственную модуляцию обрабатываемого когерентного оптического сигнала или его спектра. Методы когерентной оптики и голографии позволяют относительно просто выполнять целый ряд математических операций и интегральных преобразований над двумерными комплекснозначными функциями (изображениями). Это прежде всего операции двумерного преобразования Фурье, взаимной корреляции и свертки, а также операции умножения и деления, сложения и вычитания, интегрирования и дифференцирования, преобразования Гильберта, Френеля и др. Легко реализуются также различные алгоритмы пространственной фильтрации изображений, в том числе согласованной, инверсной и оптимальной по среднеквадратичному критерию и критерию максимума отношения сигйал/шум. Следует отметить, что часто одну и ту же операцию можно реализовать с помощью разных оптических схем и различными способами. Запоминающее устройство (оптическое или голографическое) служит Для хранения набора эталонных масок или голограмм,  [c.201]


Следовательно, полученный результат можно интерпретировать следующим образом при достаточно мощном сигнале расчет статистических характеристик алгоритма распознавания (3.5.6) может быть сведен к расчету аналогичных статистических характеристик алгоритма, соответствующего простой двухальтернативной гипотезе, для формирования которой отбираются наиболее похожие между собой изображения из всех тех, которые входят в сложную гипотезу. Критерий похожести этих изображений устанавливается соотношениями (3.5.13) и (3.5.16). Аналогичный критерий похожести можно получить и для любых других эталонных образцов.  [c.146]

I — определение статистического описания входного сигнала 2 — система оперативного анализа параметров атмосферы 3 — система оперативного анализа фоновой обстановки 4 — анализ характеристик поверхности лоцируемой цели 5 — телескопическая система 6 — переключатель каналов 7 — управляемый фазовый транспарант 5 — контроль качества поступающей информации 9 — алгоритм управления W — решающее устройство П — алгоритм оценки неизвестных параметров — голографическая обработка — блок эталонных голограмм 14 — вычисление условного функционала 15 — формирование безопорной голограммы —свертка /7 — некогерентная согласованная фильтрация М — формирование атмосферной маски /9 — блок эталонных безопорных голограмм 20 — формирование голограммы 21 — препарирование голограммы 22 — формирование величины Zi 23 — формирование величины Zj 24 — блок амплитудных эталонов 25 — блок фазовых эталонов 26 — формирование изображения 27—блок эталонных изображений 28 — формирование масок 29 — восстановление 30 — блок эталонных киноформов 31 — формирование ка(у)  [c.154]

Л.ПГОЛ испо.чьзуется также как язык публикаций. В этом варианте д<м1устимы отклонения от эталонного языка, ( вя-за] пые с удобств( 1М печатания и чтения алгоритмов, записанных на АЛГОЛе (в частности, индексы и показатели степеней пишутся как обычно в ф-лах).  [c.574]

Одним из распространенных методов анализа ритмических процессов является определение кросс-корреляционных функций исследуемой и эталонной реализации.. Оценка корреляции измерительного сигнала с эталоном в иекоторых случаях может быть проведена при использовании в качестве последнего периодически повторяющейся кривой, заданной на интервале, равном упомянутому выше периоду [2]. При этом наиболее интересным вариантом алгоритма переработки информации (Ап) является такой, который за счет использования в нем синхросигнала S(i) позволяет избежать необходимости определения всех ординат корреляционной функции  [c.123]


Смотреть страницы где упоминается термин Алгоритм эталонный : [c.27]    [c.106]    [c.134]    [c.103]    [c.188]    [c.188]    [c.189]    [c.574]   
Машиностроение Энциклопедия Т IV-3 (1998) -- [ c.509 ]



ПОИСК



Алгоритм

Эталон



© 2025 Mash-xxl.info Реклама на сайте