Подавление шума сигнала в SCADA TRACE MODE

0:02 Добрый день этот фильм продемонстрирует возможности обработки данных в канале Трэвис Мод с использованием как внутренних, так и внешних алгоритмов В. качестве внешнего алгоритма будем использовать центральную предельную теорему. Данный алгоритм позволяет получить нормальный распределенный шум, который мы. Будем накладывать на тестовый источник сигнала, причем будем подключать данный алгоритм к каналу как процедура трансляции. Ну а вот в качестве внутреннего. Алгоритма будем использовать экспоненциальное сглаживание фильтрация для избавления тестового источника сигнала от наложенного на него случайного шума.

0:42 Видно, что в качестве тестового сигнала будем использовать синусоид для разработки данного проекта можно использовать как профессиональную. Так и базовую версию инструментальной системы Трэсмалт. Загружаем интегрированную среду разработки, мы используем профессиональную. Версию далее с помощью известной иконки создаем новый проект в стандартном стиле, за соответственно слой системы создаем узел РТМ. Монитора реального времени перемещаемся в слой источники приемники, где создаем группу генераторы, в которой создаем компонент синусоида.

1:24 Перенесем нашу синусоиду из слой источников приемников, группа канала нашего узла. И давайте сразу изменим имя синусоиды, чистая. Для реализации внешнего алгоритма создадим слой шаблона программ программу. Которую назовем Нойс шум. Двойным кликом откроем созданную программу на редактирование. Выбрав в структуре программы Слой аргументы, создадим 2 новых аргумента с именами им и аут. Последнего изменим тип на аут тип данных. Оставим заданный по умолчанию для обрамления создаваемого алгоритма в качестве процедуры трансляции. Отметим оба аргумента флагами Эсель.

2:30 И кроме того, в привязке укажем для обоих аргументов виртуальную привязку. Граждан класса Флоуд к аппаратному для входного аргумента и реальному значению для выходного, а затем выполним разработку алгоритма на языке функциональных блоков.

3:01 Итак, Нам понадобится несколько. Случайной величины в диапазоне 0 1 равномерно распределенные на указанном интервале. Мы будем использовать, 4 хотя это может быть не совсем корректно, дальше мы их объединим с помощью сумматора. Далее поделим, на на 4 получим среднее, избавимся вот постоянный, то есть отцентрируем сигнал. Наконец мы его раскачаем до нужной нам амплитуда и наконец прибавим. К нашему источнику сигнал и так. Выполняем. Делим на 4 естественно.

4:08 Мы читаем 0 5 в. В центрируем. Умножаем, на 20 чтобы у нас шум был виден на фоне нашего тестового сигнала и наконец прибавляем полученный нормальный шум. К нашему входному аргументу результат выводим в аргумент выходной. Вот такая вот программка у нас с вами получается.

4:39 Ладно, и компилируем. И возвращаем видимость навигатора проекта. Итак, возвращаемся в группу канала с помощью механизма Дракантроп, создадим копию канала Санусоида, чистая. Назовем ее сразу. Синусоведа с шумом. Ну а чтобы не быть голословным, возьмем да и бросим на этот канал нашу программу. Нойс делаем это тоже с помощью драгон Дропа. Все. В нашем канале, но реальное значение чистой синусоиды накладывается тот самый случайный шум, что мы сделаем. Но обратить внимание в данном случае внешний алгоритм называется внутри канала. То есть работает у нас процедура трансляции, создаем займи еще 1 канал?

5:40 Тем же самым дракантропом назовем его синусоиды, синусоиды, фильтрованы. Откроем данный канал на редактирование. И для избавления исходного сигнала от наложенного на него шума выполним настройку внутреннего алгоритма фильтрации. Ну, перво наперво в секции. Обработка выставляем флаг, использовать внутренние алгоритмы, а далее для атрибута сглаживания выставляем. Ну, такое типовое значение 0 7. Визуальные оценки происходящего создадим в корневой группе нашего узла на экран.

6:19 Откроем на редактирование в качестве аргументов нашего экрана, будет все содержимое группы каналов. Берем группу канала, перетаскиваем аргумент. Чистая с шумом фильтрованы после установки в левый верхний угол нашего экрана логотипа Трейсмоут выполним размещение 2 универсальных трендов и.

6:41 1 И 2. На верхнем разместим 2 кривые по аргументам синусоиды, чистые синусоиды с шумом. А на нижнем тренде соответственно синусоида чистая и синусоида, отфильтрованная, ну. Ну, немножко поработаем с цветами кривых, чтобы они были у нас поконтрастнее. Чистую сделаем, белый. Потолще. С шумом Пускай будет красная и тоже потолще соответственно на нижнем тренде. Тренде мы сделаем также чистая. Ну наконец та, которая будет красной. Фильтрованная. Сохраним проект на диск с именем Процессинг.

8:32 Выполним процедуру сохранения для монитора реального времени. И запустим. Профайлер для нашего узла. Давайте понаблюдаем результат. Прекрасно видно, как на верхнем тренде на нашу чистую белую синусоиду накладывается случайно шум. Причем наложение шума практически не вносит никаких задержек на формирование зашумленной синусоиды. А вот фильтрация, и мы это прекрасно с вами видим на нижнем тренде, вносит задержку и весьма существенно. С учетом применения в рассмотренном случае относительно простого алгоритма фильтрации можно предположить, что использование более совершенных методов фильтрации. Ну, таких, как Бессель Баттерворт. Чебышев будет носить еще большую задержку при получении сигнала, и этот факт необходимо учитывать, особенно при организации управляющих функций. Таким образом, в созданном проекте мы применили 2 варианта. Внутренней обработки данных в канале и даже при обращении к внешнему алгоритму обошлись без создания дополнительного канала вызова программы. На этом мы наш ролик завершаем, спасибо вам за внимание.

Расшифровка сделана автоматически (Yandex SpeechKit) и может содержать ошибки в терминах.