Последовательная процедура распознавания образов. Настраиваемые модели.

Распознавание образов – одно из направлений развития искусственного интеллекта. Развитие этого направления вызвано необходимостью разработки методов, позволяющих повысить эффективность взаимодействия человека с вычислительной машиной. Несмотря на внешнее разнообразие, в основе распознавания образа лежит 3 подхода:

· Сравнение с эталоном;

· Дискриминантный;

· Синтаксический, а также комбинации этих методов.

Метод сравнения с эталоном; в рамках этого подхода распознаваемый объект имеет форму описания, полученную непосредственно на самом объекте. В случае распознавания изображений форма представления объектов является матрица значений яркости. Распознавание свойства к прямому сопоставлению распознаваемого объекта с эталоном. Решение распознаваемого объекта по отнесению его к тому либо другому классу принимается с максимумом некоторой меры близости.

Настраиваемые модели.

Модели в адаптивных системах управления.

Принцип работы построения адаптивных систем управления основан на изменении параметров и структуры в результате обработки текущей информации так, чтобы адаптивная система улучшала своё функционирование, достигая в конечном итоге оптимальное состояние. В адаптивных системах управления недостаток априорной информации компенсируется благодаря целенаправленной обработке текущей информации. Под адаптацией понимается процесс изменения структуры алгоритмов и параметров системы С на основе информации, получаемой в процессе управления с целью достижения оптимального состояния или поведения системы при начальной неопределённости во взаимодействии с внешней средой Е. Адаптация использует обучение и самообучение для получения в условиях неопределённости информации о состоянии и характеристики объекта. Обучение понимается как процесс выработки в некотором объекте тех или иных свойств его реакции на внешнее воздействие. Самообучение отличается от обучения отсутствием внешней корректировки. Характерная черта адаптации – текущее накопление информации. Процесс накопления информации связан с затратами времени, что в итоге приводит к запаздыванию получения системой информации, необходимой для принятия решений. Поэтому актуальной является прогнозирование состояния системы и внешней среды. Такой прогноз может быть выполнен при использовании медленного моделирования в реальном масштабе времени.

Основные понятия теории надёжности

Неисправность – состояние объекта, при котором он не соответствует хотя бы одному своему параметру, указанному в эксплутационной документации

Неработоспособность -Состояние обьекта, при котором он не способен выполнять все свои функции

Дефект – Каждое несоответствие обьекта установленным требованиям

Отказом называется состояние заключающееся в нарушении работоспособности обьекта. Факт отказа устанавливается на основании некоторых примеров отказа, т. е признаков, позволяющих судить о нарушении работоспособности.

Наработкой называется продолжительность работы обьекта выраженная в единицах времени ли бо в количестве циклов. Разделим нароботку. Различают наработку до отказа (от начала работы до 1 отказа) и наработку между отказами (от ремонта до очередного отказа)

Среднюю наработку между отказами называют Наработкой на отказ

Коэффициент готовности – вероятность того, что обьект окажется работоспособным в произвольный момент времени, кроме запланированных периодов в течении которых его работа по назначению не предусмотрена

Надёжность – свойство обьекта сохранять во времени всех параметров и выполнять требуемые функции в заданных условиях применения.

Интенсивностью отказов называется условная плотность вероятности возникновения отказа обьекта при условии что до рассматриваемого момента времени отказы не возник

При испытаниях на надёжность количество исправных элементов n(t) с течением времени t уменьшается за счёт того, что часть из них n(t) – n(t+∆t) становится неисправным в результате отказа

Интенсивность отказа определяется пределом:

21 Классификация датчиков и основные требования предъявляемые к ним.

Датчики (измерительные преобразователи, сенсоры) являются элементами, с помощью которых получают информацию о параметрах контролируемой системы или устройств.

Датчик – элемент измерительного сигнального регулирующего или управляющего устройства, преобразующий контролируемую величину (температуру, давление, частоту…) в сигнал удобный для измерения передачи хранения, обработки, регистрации а иногда и для воздействия на управляющие процессы. Таким образом датчик это устройство преобразующее входное воздействие любой физической величины в сигнал, удобный для дальнейшего использования.

Используемые датчики могут быть классифицированы по различным признакам:

В зависимости от вида входной величины различают: Датчики скорости, ускорения, усилия, температуры, положения, электрические датчики…

По видам выходной величины различают неэлектрические и электрические датчики: Датчики постоянного тока, датчики амплитуды переменного тока, датчики частоты переменного тока, датчики сопротивления.

Большенство датчиков являются электрическими. Это обусловлено: 1-Электрические величины удобно передовать на расстояния с большой скоростю, 2 универсальность эл. Величин, которая заключается в том, что каждую из них можно выразить через другие. 3 Эл. Вел. Просто преобразуются в цифровой код

По принципу действия - Генераторные, параметрические. Генераторные датчики входную вел. Преобразуют в изменение какого либо параметра (R, L, C)

По принципу действия датчики так же можно разделить на: Оммические, реостатные, фотоэлектрические, индуктивные, ёмкостные и др.

Различают 3 класса датчиков: Аналоговые (датчики вырабатывающие аналоговый сигнал), Цифровые, Бинарные (вырабатывающие сигнал только 2х уровний 0 или 1)

Требования предъявляемые к датчикам: Однозначная зависимость выходной величины от входной, стабильность, Высокая чувствительность, малые размеры, отсутствие обратного воздействия на контролируемый процесс