РОЗДІЛ 2
ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ ПОВЕДІНКИ ТА НАВЧАННЯ ЛЮДИНИ-ОПЕРАТОРА В АВТОМАТИЗОВАНІЙ НАВЧАЛЬНІЙ СИСТЕМІ
2.1. Основні принципи експериментальних досліджень поведінки та навчання людини-оператора в автоматизованій навчальній системі
В попередньому розділі була відзначена недостатня адекватність існуючих моделей сенсорно-моторної поведінки оператора в системі керування при їх застосуванні в АНС. З метою прояснення причин такого становища було вирішено провести експериментальне дослідження поведінки та навчання оператора в АНС. Для даного дослідження була вибрана схема одноканальної системи компенсаційного стеження показаній на рис.2.1. Задачею оператора є мінімізація відхилення регульованого параметра від заданого значення z(t) = x(t) - y(t) під дією випадкових збурень f(t).
Для аналізу роботи оператора використовується метод, що базується на таких основних припущеннях [133].
I. Вихідне значення регульованого параметра залежить від :
1) стійкості регульованої системи;
2) керованості регульованої системи;
3) інтенсивності та спектру збурень;
4) рівня майстерності оператора.
Таким чином, хороший результат (рис.2.2) може бути наслідком не тільки високого рівня майстерності оператора, але й низького рівня збурень чи хорошої стійкості та керованості регульованої системи.
Якщо будь-які три з чотирьох вказаних факторів задані, то по результату можна оцінити четвертий. А оскільки в будь-якому випадку знаходиться вклад одного з компонентів в кінцевий результат, то й критерій оцінки всіх вказаних факторів повинен бути одним і тим же.
II. Робоче навантаження оператора складається з [95,96]:
* навантаження сприйняття;
* розумового навантаження;
* мускульного навантаження.
В сучасних системах регулювання, завдяки застосуванню підсилювачів та вдосконаленню дисплеїв, м'язове навантаження та навантаження сприйняття незначні і основним навантаженням є розумове навантаження пов'язане з обробкою інформації, що надходить [95,5].
При цьому єдиною інформацією, яку обробляє оператор в одноканальній системі компенсаційного стеження є сигнал помилки стеження z(t).
III. Майстерність оператора можна оцінити :
* по досягнутому результату;
* по виконаній роботі;
* комбінованим способом.
Оцінка оператора по виконаній роботі є більш інформативною ніж оцінка по досягнутому результату, оскільки враховує не тільки сам результат, але й умови, в яких він був досягнутий.
Наприклад, оператор на рис.2.3б кращий ніж на рис.2.3а . Хоча він добився гіршого результату (через більший рівень збурень), але виконав більше корисної роботи.
2.2. Основні методи досліджень
Збурення, що діють на літальний апарат мають випадковий характер [26,97]. Питання динаміки систем керування при дії випадкових вхідних сигналів докладно освітлені в [98-102].Випадковий сигнал може вивчатися в часовій та частотній областях. Методом вивчення сигналу в частотній області є спектральний аналіз, який дозволяє охарактеризувати частотний склад сигналу, що вивчається. Питання спектрального аналізу випадкових процесів висвітлені, зокрема, в [103-109].
Математичною основою спектрального аналізу є перетворення Фур'є, що пов'язує часове та частотне представлення сигналу h(t).
(2.1)
f - частота (гц), t - час (с).
Зворотне перетворення Фур'є визначається як
(2.2)
Існування прямого та зворотного перетворень Фур'є визначається цілим рядом умов. Одна з достатніх умов заключається в тому, що сигнал h(t) повинен бути абсолютно інтегрованим в смислі
. (2.3)
Іншою менш обмежуючою достатньою умовою є конечність енергії сигналу
. (2.4)
Важлива властивість перетворення Фур'є встановлюється теоремою Парсеваля для двох функцій g(t) та h(t):
. (2.5)
Якщо g(t)=h(t), то теорема Парсеваля зводиться до теореми про енергію
, (2.6)
де E - повна енергія сигналу h(t). По суті (2.6) є формулюванням закону збереження енергії в двох областях - часовій і частотній. Тобто функція
, (2.7)
описує розподіл енергії детермінованого сигналу h(t) по частоті (спектральну щільність енергії).
Абсолютно точний спектр сигналу можна отримати лише для сигналу з безкінечною тривалістю. Для конечного сигналу (як у нашому випадку) можна отримати лише деяку оцінку спектру. Тому спектральний аналіз носить дещо суб'єктивний характер і в ситуації коли апріорі дійсні характеристики сигналу невідомі важко сказати котра з оцінок краща.
Основними проблемами спектрального оцінювання є:
* забезпечення достатньо високого розділення частот, особливо при аналізі коротких послідовностей даних;
* знаходження спектральних складових сигналів. Для отримання статистично стійких оцінок спектру необхідне згладжування одним зі способів якого є розбиття послідовності даних на сегменти з наступним усередненням відповідних відліків сегментів. Але при цьому можна взагалі загубити деякі складові спектру. Можливість знаходження спектральної складової по незгладженій послідовності перевищує можливість її знаходження по згладженій послідовності в корінь квадратний з числа сегментів раз. Тому, якщо ставиться задача знаходження невідомих складових процесу, то краще використовувати незгладжену послідовність.
Розрізняють дві задачі спектрального аналізу: задачу спектрального оцінювання тобто оцінювання деякої функції частоти (спектру в цілому) і задачу оцінювання параметрів (наприклад частоти окремої складової спектру). Ці задачі потребують різного статистичного підходу.
Оскільки практично спектральна оцінка виконується по одній реалізації випадкового процесу, що вивчається, то спектральні оцінки мають описуватися з допомогою статистичних термінів, наприклад зміщення та дисперсії. Аналітичне визначення цих величин наштовхується на певні труднощі, тому практично візуально суміщають графіки кількох реалізацій спектральних оцінок. На ти