Фильтрация измеряемых величин от помех

При автоматическом контроле большое значение имеет задача фильтрации выходного сигнала датчика для выделения значения измеряемой величины от искажающей ее помехи, присутствующей в полученном от датчика сигнале. Так, например, при измерении расхода газа в агрегатах на полезный сигнал накладываются пульсации газового потока, производимые газодувными устройствами. При измерении температуры материала или стенки агрегата пирометром сквозь пламя роль помехи в измеряемом сигнале играют колебания пламени и т.п.

Методы фильтрации с целью исключения случайной погрешности измерения датчика основаны на гипотезе о том, что спектр случайного процесса e(t) содержит более высокие частоты, чем спектр полезного сигнала x(t). Внешне фильтрация проявляется в том, что реализация процесса z(t) становится более плавной, чем исходная реализация y(t). Отсюда второе название той же процедуры - сглаживание.

Схема фильтрации приведена на рис. 1

Рис1. Схема фильтрации

Операция фильтрации может осуществляться аппаратно, т.е. с помощью специальных технических устройств, или программно на ЦВМ, как это обычно имеет место в АСУ ТП.

Качество фильтрации оценивается средним квадратичным отклонением сигналов Z (t) и Х (t)

(1)

где М -символ математического ожидания.

Различные типы фильтров дают разную погрешность восстановления полезного сигнала. Как правило, более точные фильтры являются более сложными устройствами, если они реализуются аппаратно. Реализация более точного фильтра в УВМ ведет обычно к увеличению объема памяти, занятого подпрограммой фильтрации и ее параметрами, а также к удлинению времени работы подпрограммы. При контроле работы установки, цеха и т.д. необходимо осуществлять фильтрацию сотен и тысяч сигналов датчиков, отсюда понятна важность вопроса обоснованного выбора типа используемых фильтров. Для решения этого вопроса требуется количественно оценить погрешность выделения полезного сигнала при использовании фильтров различных типов и выделить области возможного применения используемых на практике фильтров.

В АСУТП используют следующие типы фильтров:

1. Фильтр скользящего среднего.

2. Фильтр экспоненциального сглаживания

3. Статические фильтры нулевого порядка.

4. Статические фильтры первого порядка.

Фильтры. Алгоритмы фильтрации, области применимости

Задача построения оптимального или близкому к нему фильтра сравнительного узкого, но практически наиболее распространенного набора исходных данных. Корреляционная функция полезного сигнала Х (t), являющегося случайным стационарным процессом, аппроксимируется одной экспонентой

(2)

где - дисперсия полезного сигнала; a - коэффи­циент экспонента.

Искажающая сигнал помеха e(t), действующая на входе датчика, также является случайным, стационарным процессом, некоррелированным с сигналом X(t), имеющим нулевое математическое ожидание и корреляционную функцию вида

(3)

где k и m - коэффициенты

Рассматривается помеха более высокочастотная, чем полезный сигнал, поэтому всегда m > 1.

k – характеризует размах помехи и численно равна отношению дисперсий помехи и полезного сигнала.

m – характеризует частотный спектр помехи,.

В большинстве конкретных случаев получаемые оценки стати­стических характеристик полезного сигнала и, тем более, помехи слишком приближенны, чтобы принимать для их корреляционных функций более точныe, чем экспоненты аппроксимации, поэтому эти аппроксимации и приняты для дальнейшего анализа.

Фильтрация методом скользящего среднего

Фильтp, осуществляющий сглаживание по методу скользящего среднего описывается следующим выражением

(4)

где у(t) - исходный случайный процесс, содержащий помеху;

Т - интервал времени усреднения (параметр наст­ройки фильтра).

Погрешность этого метода фильтрации определяется путем подстановки выражения (4) в (I). В результате преобразования получим [1 ]

(5)

Оптимальное значение, интервала усреднения Т находится из условия минимизации погрешности фильтрации , т.е. и

В дискретной форме алгоритм фильтрации по методу скользящего среднего имеет вид

(6)

где n = Т/Т_о - число отсчетов функции у(t), по которому производится усреднение

Т_о -период опроса датчика

Простая по вычислениям формула (6) занимает, к сожалению, достаточно большой объем V оперативной памяти УВМ для хранения промежуточных значений суммы (6)

(7)

где u - интервал времени, через который требуется выдавать значения Z (t).

Обычно u ³ Т₀ и кратно ему. Наиболее распространенным является определение значения Z (t) каждый период опроса датчика. В этом случае V = T_o и V = n слов.

Погрешность фильтрацией дискретного варианта фильтра скользящегоo среднего определяется путем подстановки выражения (6), и (2) и (3) в (I). В результате преобразования получим

(8)

Оптимальное значение n находится из условия мини­мизации погрешности фильтрации . Оно зависит от заданных параметров помехи k, m, a и периода опроса То.

Качественная связь между погрешностью и параметрами помехи и полезного сигнала запишется в виде (непрерывный вариант):

Качественная связь между погрешностью и параметрами помехи и полезного сигнала запишется в виде(дискретный вариант):

Фильтрация методом экспоненциального сглаживания.

В непрерывном варианте экспоненциальный фильтр представ­ляет собой элементарно реализуемое одноемкостное звено с передаточной функцией вида

(9)

где g - коэффициент экспоненциального сглаживании (параметр настройки фильтра), выбираемыйиз условия минимизации средней квадратичной погрешности работы фильтра.

Погрешность работы фильтра определяется но формуле [l,2]

(10) Используя (10), можно определить оптимальное значение параметра настройки фильтра , т.е. значение, соответ­ствующее условиям

и

Реализуем экспоненциальный фильтр, должен иметь g > 0, что возможно при условии 1 / m < k £ m.

В дискретной форме алгоритм фильтрации по методу экспоненциального сглаживания представляет собой рекурентное соотноше­ние вида

Z (t) = Z (t - T_o ) + g [ y (t) - Z (t - T_o ) ], (11)

где y (t) -текущее значение входа; Z (t - Тo) - зна­чение выхода в момент предыдущего опроса.

Использование соотношения (11), независимо от требуемого интервала выдачи значения Z (t), позволяет для хранения промежуточных значений в оперативной памяти УВМ выделить всего одно слово.

Погрешность работы дискретного фильтра экспоненциального сглаживания определяется по формуле

(12)

При заданном периоде опроса Т_о значение параметра определяется минимизацией погрешности по g

Качественная связь между погрешностью и параметрами помехи и полезного сигнала запишется в виде:

при решении практических вопросов В АСУТП из аналоговых чаще всего применяют фильтры экспоненциального сглаживания, а из дискретных -- фильтры экспоненциального сглаживания, статические фильтры первого порядка.