Способ и устройство для калибровки приемника данных измерения

Техническое решение относится к способам калибровки измерительных средств, а более конкретно – к способам калибровки измерительных средств в приложении к нестационарным процессам. Предложенный способ калибровки приемника данных измерения, исполняемый на компьютерном устройстве, имеющем доступ к базе данных, включает в себя: получение данных от приемника данных измерения; определение вида данных; получение из базы данных области допустимых значений и минимального количества значений для определенного вида данных; проверку данных в ответ на то, что определены данные, входящие в область допустимых значений; получение из базы данных моделей определенного вида данных и модели процесса; обработку данных, в частности: построение модели процесса, фильтрацию входного сигнала на основе полученной модели процесса, построение модели приемника данных измерения; определение параметров калибровки для приемника данных измерения; сохранение параметров калибровки для приемника данных измерения. От реализации заявленного способа обеспечивается следующий технический результат: повышение точности калибровки приемника данных измерения для нестационарных процессов. 2 н. и 5 з.п. ф-лы, 2 ил.

 

Область техники

Техническое решение относится к способам калибровки измерительных средств. Более конкретно – к способам калибровки измерительных средств в приложении к нестационарным процессам.

Предшествующий уровень техники

Нерегулярные хаотические процессы широко распространены в природе и в технике. К ним следует отнести турбулентное движение жидкостей и газов, связанное с процессами дыхания живых организмов, кипение жидкостей, а также колебания зданий и т.п., например, поведение температуры при ее измерениях в турбулентных течениях жидкостей или газов имеет нерегулярную и хаотическую модель, что осложняет точное ее измерение.

Предельно точное описание хаотических процессов необходимо для контроля технических объектов исключительной важности (АЭС, ТЭС, колебаний зданий, состояния газовых турбин и др.), в метеорологии, в медицине, в экономике и во многих других областях. Такие задачи, как правило, требуют оценки устойчивости поведения систем и процессов или, содержат неустановленные элементы и взаимосвязи. Они могут решаться методами динамического моделирования, однако его применение к реальным системам все еще представляет известную сложность. Ограниченные характеристики физических средств измерения (инерционность, низкая чувствительность, высокий уровень шумов) часто затрудняют получение достоверной информации о процессе. Следовательно, существует актуальная задача повышения точности и достоверности приемников данных измерения, например, сенсоров температуры, датчиков давления, используемых для получения модели и характеристик нестационарного хаотического процесса.

Из уровня техники известно несколько способов измерения хаотических процессов с помощью динамического моделирования.

Например, в патентной заявке США № US2009113049 описано использование встроенных динамических моделей резонаторов, реле, прерывателей, стабилизаторов мощности, предоставленных производителями этих электронных компонентов. В патенте США № US5828567 описано использование авторегрессии для сравнения получаемого физического сигнала сенсора с сохраненным и определения его остаточного ресурса. В патентной заявке США № US2015302313 описано предсказание измерений быстродействующего датчика ветроэлектрической установки на основе самообучающейся модели авторегрессии скользящего среднего (ARMA, Autoregressive-moving-average model).

В авторегрессионных моделях временных рядов выделяют модели авторегрессии с внешними входами. Авторегрессонные модели с внешними входами - это такие модели, которые работают как некое устройство, например, физический прибор, преобразующее внешний входной сигнал в готовую динамическую модель на выходе. Авторегрессионные модели с внешними входами могут быть как линейными (ARX, ARMAX), так и нелинейными (NARX, NARMAX). Для получения достоверной модели нестационарного хаотического процесса используют авторегрессию скользящего среднего с внешними входами (ARMAX), которая позволяет адаптивно подстроить получаемую динамическую модель под исследуемый процесс. Например, в патенте США № US5513649 описано использование модели ARMAX для фильтрации сигнала электроэнцефалограммы, однако, используемая в нем линейная модель, плохо подходит для описания нелинейного сигнала от головного мозга. То же касается и фильтра Калмана (используемого, например, в способе, описанном в патенте Германии № DE60106045 для обработки нестационарного сигнала с сенсора), имеющего локальную линеаризацию. Фильтр Калмана не может подстраиваться под реальные быстроизменяющиеся процессы и адекватно их описывать. Особенно, если необходимо построить нелинейные динамические модели процессов, которые имеются в природе и технике, так как реальные процессы в природе и технике являются нелинейными и динамическими в подавляющем большинстве случаев. Не подходят для описания нелинейных процессов также преобразование Фурье, вейвлеты, сплайн-интерполяция, модели на основе дифференциальных уравнений, требующие громоздких вычислений.

Метод нелинейной авторегрессии NARMAX позволяет с высокой достоверностью моделировать нелинейные нестационарные процессы. На основе полученной модели может осуществляться фильтрация сигнала или калибровка средств измерения. Например, известно использование моделей NARMAX, выполненных по алгоритму метода наименьших квадратов (OLS) для адаптивной нелинейной фильтрации GSM-сигналов (Costa J. P., Pitarque T., Thierry E. Using orthogonal least squares identification for adaptive nonlinear filtering of GSM signals //Acoustics, Speech, and Signal Processing, 1997. ICASSP-97., 1997 IEEE International Conference on. – IEEE, 1997. – Т. 3. – С. 2397-2400). Сигнал фильтруется при подборе соответствующих коэффициентов в модели.

Однако, как показала практика, это решение не позволяет достичь необходимого уровня фильтрации – происходит сглаживание характерных особенностей сигнала, но в то же время нежелательные частоты могут быть не выявлены.

Раскрытие

Задачей настоящего изобретения является повышение точности измерения в нерегулярных хаотических процессах, в частности, за счет повышения точности калибровки приемника данных измерения.

Первым объектом настоящего изобретения является способ калибровки приемника данных измерения, исполняемый на компьютерном устройстве, имеющем доступ к базе данных, включающий:

- получение данных от приемника данных измерения;

- определение вида данных;

- получение из базы данных области допустимых значений и минимального количества значений для определенного вида данных;

- проверку данных

в ответ на то, что определены данные, входящие в область допустимых значений;

- получение из базы данных моделей определенного вида данных и модели процесса

- обработку данных, в частности:

- построение модели процесса;

- фильтрация входного сигнала на основе полученной модели процесса;

- построение модели приемника данных измерения;

- определение параметров калибровки для приемника данных измерения;

- сохранение параметров калибровки для приемника данных измерения.

Возможен вариант осуществления изобретения, в котором на этапе получения данных от приемника данных измерения выполняют получение данных от по меньшей мере одного дополнительного приемника данных измерения.

Возможен вариант осуществления изобретения, в котором данные от приемника данных измерения и данные от по меньшей мере одного дополнительного приемника данных измерения являются данными одного вида.

Возможен вариант осуществления изобретения, в котором данные от приемника данных измерения и данные от по меньшей мере одного дополнительного приемника данных измерения являются данными различного вида.

Возможен вариант осуществления изобретения, в котором обработку данных выполняют по меньшей мере частично на основе предварительно обученного алгоритма машинного обучения.

Возможен вариант осуществления изобретения, в котором алгоритм машинного обучения предварительно обучен осуществлять построение модели процесса, фильтрацию входного сигнала и построение модели приемника данных измерения; причем в качестве входных параметров алгоритма машинного обучения задают набор данных, полученных от приемника данных измерения, входящих в область допустимых значений, и вид данных, а обучение алгоритма машинного обучения представляет собой обучение с учителем на основе обучающей выборки.

Другим объектом настоящего изобретения является компьютерное устройство для калибровки приемника данных измерения, включающее в себя коммуникационный интерфейс, процессор, функционально связанный с модулем определения вида данных, модулем проверки данных, модулем обработки данных и коммуникационным интерфейсом, процессор выполнен с возможностью осуществлять способ калибровки приемника данных измерения.

Применение способа не ограничено калибровкой приемников измерения, он также может использоваться, в частности, для определения работоспособности и остаточного ресурса приемников измерения, для определения параметров качества и/или свойств процесса, а также в других случаях, очевидных для специалиста.

Технический результат - повышение точности калибровки приемника данных измерения за счет уточнения модели описания хаотического процесса, получаемого фильтрацией сигнала от приемника данных измерения с применением нелинейной авторегрессионной модели NARMAX.

В предлагаемом варианте фильтрации в методе NARMAX применен принцип двух скользящих окон, позволяющий добиться более точной подстройки модели под описываемый процесс. При этом сохраняются характерные особенности процесса.

Система включает базу данных (БД), содержащую модели процессов для различных видов данных. В процессе калибровки приемника данных или фильтрации сигнала подгружается актуальная информация из БД.

Предлагаемый метод позволяет калибровать сложные измерительные приборы, например, приемники тепловых потоков (ПТП). К динамическим характеристикам различных типов ПТП относятся переходная, импульснопереходная, амплитудно- и фазочастная, переходная матрицы, характеризующие тепловые связи в ПТП, матричная импульснопереходная передаточная функция, определяющая соотношения входов U и выходов Y, а также матрица передаточных функций. Каждый тип ПТП может иметь отличия в характеристиках, которые следует учитывать.

Получаемые модели описания процессов могут быть применены для определения качества оборудования, прогнозирования событий и во многих других случаях.

В контексте настоящего описания, если четко не указано иное, "электронное устройство", "компьютерное устройство", "клиентское устройство", "сервер", "удаленный сервер" и "компьютерная система" подразумевают под собой аппаратное и/или системное обеспечение, подходящее к решению соответствующей задачи. Таким образом, некоторые неограничивающие примеры аппаратного и/или программного обеспечения включают в себя компьютеры (серверы, настольные компьютеры, ноутбуки, нетбуки и так далее), смартфоны, планшеты, сетевое оборудование (маршрутизаторы, коммутаторы, шлюзы и так далее) и/или их комбинацию.

В контексте настоящего описания, если четко не указано иное, «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. База данных может находиться на том же оборудовании, которое выполняет процесс, который сохраняет или использует информацию, хранящуюся в базе данных, или же она может находиться на отдельном оборудовании, например, выделенном сервере или множестве серверов.

В контексте настоящего описания, если четко не указано иное, термин «модуль» подразумевает под собой программное обеспечение (соответствующее конкретному аппаратному контексту), которое является необходимым и достаточным для выполнения конкретной(ых) указанной(ых) функции(й).

В контексте настоящего описания, если конкретно не указано иное, термин «приемник данных измерения» подразумевает одно или группу устройств, предназначенных для выработки сигнала измерительной информации в форме, удобной для передачи, дальнейшего преобразования, обработки и (или) хранения. Неограничивающими вариантами приемника данных измерения, являются электронные датчики, предназначенные для измерения (контроля) и преобразования одной физической величины или одновременно нескольких физических величин в цифровой сигнал. Например, датчики температуры, датчики давления, датчики вибрации, датчики влажности, датчики концентрации различных газов.

В контексте настоящего описания, если конкретно не указано иное, термин «машиночитаемый носитель» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.

В контексте настоящего описания, если четко не указано иное, термин «модель приемника данных», «модель процесса», «модель вида данных» подразумевают динамическую модель.

Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления настоящей технологии станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.

Краткое описание чертежей

Сущность изобретения поясняется чертежами, на которых изображено:

на Фиг. 1 – принципиальная схема системы, выполненной с возможностью реализации изобретения;

на Фиг. 2 – блок-схема способа в соответствии с вариантом осуществления настоящего изобретения.

Осуществление изобретения

На Фиг. 1 представлена принципиальная схема системы 100, выполненной в соответствии с вариантами осуществления настоящего изобретения, не ограничивающими его объем. Важно иметь в виду, что нижеследующее описание системы 100 представляет собой описание иллюстративных вариантов осуществления настоящей технологии. Таким образом, все последующее описание представлено только как описание иллюстративного примера настоящего изобретения. Это описание не предназначено для определения объема или установления границ настоящего изобретения. Некоторые полезные примеры модификаций системы 100 также могут быть охвачены нижеследующим описанием. Целью этого является также исключительно помощь в понимании, а не определение объема и границ настоящего изобретения. Эти модификации не представляют собой исчерпывающий список, и специалистам в данной области техники будет понятно, что возможны и другие модификации. Кроме того, это не должно интерпретироваться так, что там, где не были изложены примеры модификаций, никакие модификации невозможны, и/или что то, что описано, является единственным вариантом осуществления этого элемента настоящего изобретения. Как будет понятно специалисту в данной области техники, это, скорее всего, не так. Кроме того, следует иметь в виду, что система 100 представляет собой в некоторых конкретных проявлениях достаточно простой вариант осуществления настоящего изобретения, и в подобных случаях представлен здесь с целью облегчения понимания. Как будет понятно специалисту в данной области техники, многие варианты осуществления настоящего изобретения будут обладать гораздо большей сложностью.

Со ссылкой на Фиг. 1 система 100 включает в себя компьютерное устройство 102, приемник данных измерения 104 и базу данных 106. Компьютерное устройство 102 выполнено с возможностью получения данных от приемника данных измерения 104 и обмена данными с базой данных 106. То, как именно компьютерное устройство 102 связано с приемником данных измерения 104 и базой данных 106 никак конкретно не ограничено.

Возможен вариант осуществления настоящего технического решения, в котором система 100 включает в себя по меньшей мере один дополнительный приемник данных измерения (не показан), причем компьютерное устройство 102 выполнено с возможностью получения данных от по меньшей мере одного дополнительного приемника данных (не показан).

Возможен вариант осуществления настоящего технического решения, в котором тип приемника данных измерения 104 и тип дополнительного приемника данных измерения (не показан) совпадают.

Возможен вариант осуществления настоящего технического решения, в котором тип приемника данных измерения 104 и тип дополнительного приемника данных измерения (не показан) отличаются. Например, приемник данных измерения 104 представляет собой датчик температуры, измеряющий температуру паровой турбины, а дополнительный приемник данных измерения представляет собой датчик давления паровой турбины.

В качестве примера, но не ограничения, компьютерное устройство 102 может быть связано с приемником данных измерения 104 и/или базой данных 106 по проводной сети передачи данных (соединение на основе сети Ethernet). Компьютерное устройство 102 может быть связано приемником данных измерения 104 и/или базой данных через беспроводную сеть связи (например, среди прочего, соединение сети 3G, соединение сети 4G, беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и тому подобное).

Альтернативно компьютерное устройство 102 может быть связано с приемником данных измерения 104 и получать данные от него посредством машиночитаемого носителя (не показан), на который предварительно сохраняют (записывают) данные от приемника данных измерения 104 и затем считывают данные на компьютерном устройстве 102.

Возможен вариант осуществления системы 100, в котором компьютерное устройство 102 и источник данных измерения 104 являются единым устройством, имеющим доступ к базе данных 106 и выполненным с возможностью осуществления этапов заявляемого способа.

Компьютерное устройство 102 включает в себя процессор 108, по меньшей мере один коммуникационный интерфейс (не показан) выполненный с возможностью получения данных от приемника данных измерения 104 а также обмена данных с иными устройствами, например, с по меньшей мере одним дополнительным приемником данных измерения, базой данных 106 и т.д.. Процессор 108 функционально связан с модулем 110 определения вида данных, модулем 112 проверки данных и модулем 114 обработки данных.

Согласно неограничивающему варианту осуществления системы 100 на Фиг. 1 модули 110, 112, 114 являются частью компьютерного устройства 102. Однако, возможны варианты осуществления системы 100, в которых по меньшей мере один из модулей 110, 112, 114 не является частью компьютерного устройства 102, а, например, находится на отдельном сервере (не показан) и связан с компьютерным устройством 102 по сети передачи данных (не показана). Таким образом, то как именно процессор 108 компьютерного устройства 102 функционально связан с модулями 110, 112, 114 не является ограничивающим условием настоящего технического решения. При использовании модулей 110, 112, 114, процессор 108 выполнен с возможностью осуществлять различные операции, описанные ниже.

Компьютерное устройство 102 может представлять собой обычный компьютерный сервер, например, сервер Dell™ PowerEdge™, на котором используется операционная система Microsoft™ Windows Server™. Важно иметь в виду, что компьютерное устройство 102 может быть реализовано на любом подходящем аппаратном и/или прикладном программном, и/или системном программном обеспечении или их комбинации. В представленном варианте осуществления настоящего технического решения, не ограничивающем его объем, компьютерное устройство 102 является одиночным сервером. В других вариантах осуществления настоящего технического решения, не ограничивающих его объем, функциональность компьютерного устройства 102 может быть разделена, и может выполняться с помощью нескольких компьютерных устройств.

Модификации коммуникационного интерфейса (не показан) хорошо известны в данной области техники. То, как именно компьютерное устройство 102 соединено с приемником данных измерения 104 и базой данных 106, никак конкретно не ограничено. В качестве примера, но не ограничения, компьютерное устройство 102 может быть связано с приемником данных измерения 104 по проводной сети передачи данных, беспроводной сети связи или их комбинации (например, среди прочего, соединение на основе сети Ethernet, соединение сети 3G, соединение сети 4G, беспроводной интернет Wireless Fidelity или коротко Wi-Fi®, Bluetooth® и тому подобное). Компьютерное устройство 102 может быть связано с базой данных 106, размещенной на отдельном сервере через беспроводную сеть связи, проводную сеть связи или их комбинацию.

Со ссылкой на Фиг. 1 один или несколько из модулей 110, 112, 114 компьютерного устройства 102 может быть в данном контексте физическим устройством, аппаратом или множеством модулей, выполненных с использованием аппаратного обеспечения, например, с помощью, интегральной схемы специального назначения (ASIC) или программируемой логической интегральной схемы (FPGA), или же комбинации аппаратного и программного обеспечения, например, с помощью микропроцессорной системы и набора инструкций, реализующих функционал модуля, которые (при выполнении) трансформируют микропроцессорную систему в устройство специального назначения. Один или несколько из модулей 110, 112, 114 также может быть реализован в виде комбинации аппаратного и программного обеспечения, причем некоторые конкретные функции реализуются за счет аппаратного обеспечения, а другие функции реализуются комбинацией аппаратного и программного обеспечения.

В других вариантах осуществления настоящей технологии один или несколько из модулей 110, 112, 114 может также быть реализован как программное обеспечение для выполнения различными типами процессоров. Один или несколько из модулей 110, 112, 114 может, например, включать один или несколько физических, или логических блоков компьютерных инструкций, которые могут быть организованы, например, как объект, процедура или функция. Однако данные исполнимые модули не должны быть физически расположены вместе, и они могут включать в себя различные инструкции, сохраненные в различных местах, которые, при логическом соединении друг с другом, включают в себя данный модуль и выполняют заявленную задачу для данного модуля.

Процессор 108, посредством модуля 110 определения вида данных, то есть анализа данных, выполнен с возможностью на основе сравнения данных, полученных компьютерным устройством 102 от приемника данных измерения 104 с данными различных типов, которые были предварительно сохранены в базе данных 106, определения вида данных. Альтернативно или дополнительно модуль 110 определения вида данных выполнен с возможностью извлечения информации о виде данных из способа их представления.

Процессор 108 посредством модуля 112 проверки данных выполнен с возможностью проверки данных, полученных от приемника данных измерения 104 на вхождение в область допустимых значений. Область допустимых значений является первым скользящим окном, позволяющим осуществить первичную фильтрацию полученных данных. Вторым скользящим окном является количество данных определенного вида, необходимых для обработки данных и построения динамической модели приемника данных.

Процессор 108 посредством модуля 114 обработки данных выполнен с возможностью построения модели процесса; фильтрации входного сигнала на основе полученной модели процесса, построения модели приемника данных измерения, определения параметров калибровки для приемника данных измерения.

Процессор 108 выполнен с возможностью на основе полученной модели приемника данных измерения и полученных данных от приемника данных измерения 104 определять и сохранять параметры калибровки для приемника данных измерения 104 в базе данных 106, которые могут быть извлечены оператором (не показан) для осуществления ручной калибровки приемника данных измерения 104. Возможен вариант осуществления настоящего технического решения, в котором процессор 108 выполнен с возможностью осуществлять автоматическую калибровку приемника данных измерения 104, связанного с компьютерным устройством 102 по сети передачи данных.

Возможен вариант осуществления настоящего технического решения, в котором модуль 114 обработки данных выполнен по меньшей мере частично на основе предварительно обученного алгоритма машинного обучения.

В некоторых вариантах осуществления настоящего технического решения алгоритм машинного обучения предварительно обучен осуществлять построение модели процесса, фильтрацию входного сигнала и построение модели приемника данных измерения; причем в качестве входных параметров алгоритма машинного обучения задают набор данных, полученных от приемника данных измерения, входящих в область допустимых значений, вид данных и модель процесса данных, а обучение алгоритма машинного обучения представляет собой обучение с учителем на основе обучающей выборки или обучение на основе авторегрессионных моделей. В качестве дополнительных входных параметров алгоритма машинного обучения может быть задан один или несколько из: тип приемника данных измерения; параметры калибровки для данного типа приемника данных измерения, полученные ранее.

На Фиг. 2 представлена блок-схема способа 200, выполняемого в рамках системы 100, изображенной на Фиг. 1, и выполняемого в соответствии с вариантом осуществления настоящего технического решения.

Этап 202 - получение данных от приемника данных измерения

Способ 200 начинается на этапе 202, на котором компьютерное устройство 102 получает данные от приемника данных измерения 104.

Данные включают, по крайней мере, измерения, выполненные через равные промежутки времени, информацию о частоте измерений, значения измеряемых величин в момент каждого измерения.

Например, для случая, когда приемник данных измерения 104 представляет собой датчик температуры, установленный на паровой турбине АЭС, компьютерное устройство 102 получает данные температуры, за заданный период времени измерения. Например, суточные измерения температуры лопаток паровой турбины с частотой измерений 15 минут. Возможен вариант осуществления настоящей технологии, в котором компьютерное устройство 102 получает данные по меньшей мере от одного дополнительного приемника данных измерения (не показан). Например, для случая, когда дополнительный приемник данных измерения представляет собой датчик давления, установленный на паровой турбине АЭС, компьютерное устройство 102 получает данные давления за заданный период времени измерения. В качестве примера, но не ограничения, допустим, что период и частота измерений температуры и давления паровой турбины совпадают.

Данные могут быть получены компьютерным устройством 102 как напрямую с приемника(ов) данных измерения так и посредством машиночитаемого носителя, на который предварительно сохраняют упомянутые данные. Возможен также вариант осуществления, в котором данные с одного приемника данных измерения поолучают напрямую по сети передачи данных, а данные с другого приемника данных измерения получают посредством машиночитаемого носителя. вида данных. Формат данных обусловлен моделью и типом приемника данных измерения. Формат данных может быть дополнительно преобразован компьютерным устройством 102 перед выполнением последующих этапов способа 200.

Затем способ переходит к этапу 204.

Этап 204 - определение вида данных, вида процесса, частоты опроса измеряемой величины; получение из базы данных области допустимых значений и минимального количества значений для определенного вида данных

На этапе 204 процессор 108 компьютерного устройства 102, посредством модуля 110 определения вида данных, выполняет определение вида данных, полученных от приемника данных измерения 104.

Определение вида получаемых измерительных данных позволяет выбрать наиболее подходящую модель процесса. Кроме того, разделение получаемых данных по видам позволяет накапливать их и применять для уточнения существующих моделей.

На этапе 204 процессор 108 посредством модуля 110 определения вида данных извлекает из данных, полученных от приемника данных измерения 104, по меньшей мере часть информации, обеспечивающей определение вида данных.

Определение вида данных также способствует более точному описанию измеряемого процесса. Так, например, каждый тип терморезистора имеет свою зависимость сопротивления от температуры. Использование неподходящей градуировочной кривой дает неверные результаты.

Затем процессором 108 выполняется получение области допустимых значений для определенного вида данных. Для определенного вида данных получают из базы данных 106 область допустимых значений, а также минимальное количество значений для определенного вида данных,

Например, согласно неограничивающему варианту осуществления настоящей технологии, область допустимых значений температуры паровой турбины АЭС составляет от 100С до 600С, а минимальное количество значений составляет 200. Область допустимых значений давления паровой турбины АЭС составляет, например, от 0,1 до 20 Мпа, а минимальное количество значений составляет 200.

Область допустимых значений позволяет осуществлять дополнительную фильтрацию, а минимальное количество значений определяет пороговое значение количества данных необходимых для построения модели процесса и модели приемника данных измерения для осуществления его калибровки с заданной точностью.

Затем способ переходит к этапу 206.

Этап 206 – проверка данных

На этапе 206 процессор 108 посредством модуля 112 проверки данных осуществляет проверку соответствия полученных данных области допустимых значений, а также достаточность данных для выполнения обработки.

В ответ на то, что полученных данных от приемника данных измерения 104, входящих в область допустимых значений, недостаточно, способ завершается.

В ответ на то, что полученных данных от приемника данных измерения 104, входящих в область допустимых значений, достаточно, способ переходит на этап 208.

Следует отметить, что при измерениях одинаковой длительности число полезных значений, которые могут быть использованы в калибровке может быть различным. Достаточность полученных данных зависит в том числе от ошибок измерения, ошибок записи измерений, частот опроса датчиков.

Возможен вариант осуществления способа, в котором калибровка осуществляется с различной степенью точности в зависимости от количества значений для определенного вида данных. Так, например, минимальное количество значений для данных температуры составляет 200, при наличии большего количества значений, например, 500 точность калибровки возрастет.

Этап 208 – получение из базы данных моделей для определенного вида данных и модели процесса, в ответ на то, что определены данные, входящие в область допустимых значений

На этапе 208 в ответ на то, что определены данные, входящие в область допустимых значений процессор 108 осуществляет получение из базы данных 106 моделей вида данных, который был определен на этапе 204.

Так для рассматриваемого неограничивающего примера измерения температуры и давления паровой турбины АЭС модель данных температуры и давления получают из базы данных 106. Упомянутые модели для каждого вида данных для каждого вида процесса сохраняют предварительно в базе данных 106.

Затем способ переходит к этапу 210.

Этап 210 – обработка данных, в частности:

- фильтрация входного сигнала на основе полученной модели процесса;

- построение модели приемника данных измерения

На этапе 210 процессор 108 посредством модуля 114 обработки данных осуществляет построение модели процесса на основе потока данных, то есть зарегистрированных рядов наблюдений, одновременно с этим осуществляется фильтрация входного сигнала и построение модели приемника данных измерения.

На основе полученных данных, входящих в область допустимых значений, полученной модели процесса осуществляют фильтрацию полученных данных. Выполняют сглаживание нежелательных частот с сохранением характерных особенностей процесса. В рассматриваемом неограничивающем примере реализации способа с учетом модели процесса изменения температуры и давления в паровой турбине АЭС выполняют фильтрацию входного сигнала и построение модели приемника данных измерения 104.

Возможен вариант осуществления настоящего технического решения, в котором модуль 114 обработки данных выполнен по меньшей мере частично на основе предварительно обученного алгоритма машинного обучения.

В некоторых вариантах осуществления настоящего технического решения алгоритм машинного обучения предварительно обучен осуществлять построение модели процесса, фильтрацию входного сигнала и построение модели приемника данных измерения; причем в качестве входных параметров алгоритма машинного обучения задают набор данных, полученных от приемника данных измерения, входящих в область допустимых значений, вид данных и модель процесса данных, а обучение алгоритма машинного обучения представляет собой обучение с учителем на основе обучающей выборки или обучение на основе авторегрессионных моделей. В качестве дополнительных входных параметров алгоритма машинного обучения может быть задан один или несколько из: тип приемника данных измерения; параметры калибровки для данного типа приемника данных измерения, полученные ранее.

На выходе алгоритма машинного обучения получают модель приемника данных измерения 104, входные и выходные характеристики значений хаотических инвариант для вида процесса. В качестве входных и выходных характеристик определяют корреляционную размерность D2вх. D2вых. и корреляционную энтропию K2вх. и K2вых. Причем входные характеристики значений хаотических инвариант определяют на основе полученных (необработанных) данных измерений, вида процесса и частоты опроса измеряемой величины. Выходные характеристики значений хаотических инвариант определяют на основе обработанных данных измерений, построенной модели приемника данных измерения 104, вида процесса и частоты опроса измеряемой величины.

Затем способ переходит к этапу 212.

Этап 212 – определение параметров калибровки для приемника данных измерения

На этапе 212 осуществляют сравнение входных и выходных характеристик значений хаотических инвариант.

Процессор 108 компьютерного устройства 102 посредством модуля обработки данных 114 осуществляет сравнение входных и выходных характеристик значений хаотических инвариант.

Возможен вариант осуществления, в котором предварительно задают пороговое значение для осуществления калибровки приемника данных измерения. Например, в случае отличия входных и выходных характеристик значений хаотических инвариант на 1% и более - осуществить калибровку, а в случае отличия менее, чем на 1%- не осуществлять калибровку приемника данных измерения. Возможен вариант осуществления, в котором для различных видов данных могут быть установлены различные пороговые значения. Так, например, для датчика температуры паровой турбины АЭС пороговое значение может составлять 5%, а для датчика давления- 2%.

Определение параметров калибровки для приемника данных измерения осуществляют на основе метода авторегрессии, использующего ортогональную оценку метода наименьших квадратов.

Затем способ переходит к этапу 214.

Этап 214 – сохранение параметров калибровки для приемника данных измерения

Параметры калибровки могут сохраняться на машиночитаемом носителе и/или в базе данных, в том числе, например, базе 106, и/или на самом приемнике данных измерения напрямую.

На этапе 214 процессор 108 компьютерного устройства 102 осуществляет сохранение параметров калибровки для типа приемника данных в базе данных 106.

Возможен вариант осуществления настоящего технического решения, в котором процессор 108 сохраняет параметры калибровки в памяти соответствующего приемника 104 данных измерения.

На этапе 214 способ 200 может завершаться.

Модификации и улучшения вышеописанных вариантов осуществления настоящего технического решения будут ясны специалистам в данной области техники. Предшествующее описание представлено только в качестве примера и не несет никаких ограничений. Таким образом, объем настоящего технического решения ограничен только объемом прилагаемой формулы изобретения.

1. Способ калибровки приемника данных измерения, исполняемый на компьютерном устройстве, имеющем доступ к базе данных, включающий:

- получение данных от приемника данных измерения;

- определение вида данных;

- получение из базы данных области допустимых значений и минимального количества значений для определенного вида данных;

- проверку данных

в ответ на то, что определены данные, входящие в область допустимых значений;

- получение из базы данных моделей определенного вида данных и модели процесса;

- обработку данных, в частности:

- построение модели процесса;

- фильтрация входного сигнала на основе полученной модели процесса;

- построение модели приемника данных измерения;

- определение параметров калибровки для приемника данных измерения;

- сохранение параметров калибровки для приемника данных измерения.

2. Способ по п. 1, в котором на этапе получения данных от приемника данных измерения выполняют получение данных от по меньшей мере одного дополнительного приемника данных измерения.

3. Способ по п. 2, в котором данные от приемника данных измерения и данные от по меньшей мере одного дополнительного приемника данных измерения являются данными одного вида.

4. Способ по п. 2, в котором данные от приемника данных измерения и данные от по меньшей мере одного дополнительного приемника данных измерения являются данными различного вида.

5. Способ по п. 1, в котором обработку данных выполняют по меньшей мере частично на основе предварительно обученного алгоритма машинного обучения.

6. Способ по п. 5, в котором алгоритм машинного обучения предварительно обучен осуществлять построение модели процесса, фильтрацию входного сигнала и построение модели приемника данных измерения; причем в качестве входных параметров алгоритма машинного обучения задают набор данных, полученных от приемника данных измерения, входящих в область допустимых значений, и вид данных, а обучение алгоритма машинного обучения представляет собой обучение с учителем на основе обучающей выборки.

7. Компьютерное устройство для калибровки приемника данных измерения, включающее в себя коммуникационный интерфейс, процессор, функционально связанный с модулем определения вида данных, модулем проверки данных, модулем обработки данных и коммуникационным интерфейсом, процессор выполнен с возможностью осуществлять способ по любому из пп. 1-6.