Engee + реальное железо: интеграция по SOCKET 🦾

Продолжаем серию полезных видео про работу с Engee. На этот раз о том, как связать модель с внешним оборудованием и обмениваться с ним данными.

В новом проекте показываем интеграцию по SOCKET на примере программно-определяемой радиоплатформы РИТМ SDR USRP.

В видео разбираем весь процесс:
🔸устанавливаем пакет поддержки и Engee Device Manager;
🔸создаём SOCKET-соединение;
🔸отправляем команды и принимаем ответы;
🔸используем расширенное логирование для отладки.

📹 Видео в ВК

Всё это можно повторить самостоятельно — проект с видео и исходными материалами уже есть в сообществе Engee.

➡️ Открыть проект

🏆 Школа анализа данных 24.08

Что делать, если параметр системы неизвестен, измерения шумят, а остановить процесс для экспериментов нельзя? 🤔

Для решения такой задачи в Engee в новом проекте мы использовали расширенный фильтр Калмана (РФК). Он позволяет одновременно оценивать состояние системы и уточнять неизвестные параметры по мере поступления новых измерений.

В качестве объекта взяли обычное апериодическое звено первого порядка:
x[n+1] = ax[n] + bu + bv[n]

Здесь a — неизвестный параметр. Мы специально дали фильтру неправильное начальное значение: 0.85 вместо настоящего 0.9. Измерения при этом зашумлены, а в сам процесс добавлен отдельный шум.

На каждом шаге РФК сначала делает прогноз состояния и его неопределённости, затем сравнивает прогноз с новым измерением и по этой разнице корректирует оценку. При этом параметр a включён прямо в расширенный вектор состояния, поэтому фильтр может уточнять его вместе с самим состоянием объекта.

📊 И результат хорошо виден на графиках:
• оценка параметра, начав с 0.85, быстро уходит к истинному значению 0.9 и после первых десятков итераций стабилизируется около него;
• неопределенность оценки параметра постепенно уменьшается по мере накопления данных;
• восстановленная траектория состояния хорошо совпадает с истинной, хотя исходные измерения заметно зашумлены.

Особенно нравится здесь именно практическая сторона подхода. Нам не нужно останавливать объект, отдельно определять его параметры, а потом возвращать систему в работу. Параметры можно оценивать непосредственно во время процесса.

Отсюда уже вполне реальные задачи:
⭐️оценка параметров объекта для адаптивного управления;
⭐️уточнение характеристик электрических машин и аккумуляторов;
⭐️калибровка параметров датчиков в навигационных системах;
⭐️проверка алгоритмов оценки состояния до выхода на реальный стенд.

И ещё один важный момент: такая оценка хорошо работает только тогда, когда математическая модель действительно соответствует объекту. Если модель не описывает реальный процесс, фильтр может вполне уверенно сойтись — но к неправильному параметру.

📎 Полный проект с кодом и моделью

Можно взять его за основу и заменить простое звено любой своей моделью.

А у вас какие параметры приходится оценивать непосредственно во время работы системы? 👇

🏆 Школа анализа данных 24.08

Релиз 26.8 – новое в августе 🏫🧑‍🏫🔔

Друзья,

Первое сентября уже совсем рядом. Кто-то идёт на первую пару, кто-то возвращается в лабораторию, а кто-то открывает Engee и начинает собирать первую модель нового учебного года. Августовский релиз выходит как раз к этому моменту. В нём мы добавили несколько вещей, которые пригодятся и в учебных проектах, и тем, кто использует Engee для серьёзных инженерных задач.

В последние дни лета мы уже выпустили для вас новое обновление на Engee.com.

Самое важное:
⭐️Улучшения конвертера моделей Simulink;
⭐️Новый раздел примеров «Электропривод» и крутые новые проекты в нем;
⭐️Документация и примеры по созданию пользовательских таргетов;
⭐️Автоматический подбор шага расчета глобального решателя;
⭐️Новая библиотека блоков — Автомобильные системы;
⭐️Ускорение всех фаз исполнения моделей;
⭐️Новая версия приложения РИТМ.Управление машинами;
⭐️Полностью переработанные и настраиваемые названия графиков и подписи осей;

А еще:
✅Новые блоки и функции в библиотеках Электричество, Автомобильные системы, Механика, Смешанный сигнал, Оборудование, ЦОС, РЧ, Спутниковые системы, Радары;
✅Пользовательская палитра для сигналов на графиках;
✅Единый модуль «Редактор данных модели»;
✅Отдельные окна для редактора кода Engee Function и C Function;
✅Новые статьи в Документации и новые Примеры;

Полный список обновлений доступен в разделе «Что нового 26.8».

Пусть новый учебный год будет с хорошими задачами, понятными моделями, удачными расчетами и проектами, которыми потом хочется поделиться в Сообществе. А мы постараемся, чтобы поводов открыть Engee в этом году было больше. Впереди новые примеры, вебинары, материалы и другие события.

Увидимся в новом учебном году!

😎 Школа Анализа Инженерных Данных уже идет
🧑‍🎓 Вебинар ПИД-регулятор в АСУ ТП 24.09

⚙️ Электропривод — отдельное направление в Engee

Мы активно развиваем в Engee направление электропривода: разрабатываем новые блоки, добавляем специализированные модели и расширяем набор инженерных примеров в Сообществе и Документации.

Для этого появился отдельный раздел «Электропривод». В нем уже собраны материалы по разным типам электрических машин, их параметрированию, системам управления и моделированию элементов привода.

Среди новых материалов — два проекта по скалярному управлению асинхронным двигателем. В них одну и ту же задачу можно рассмотреть сначала в разомкнутой системе, а затем добавить контуры регулирования скорости и момента.

В первом проекте сравниваются три закона скалярного управления:
🔸U/f — для приводов с постоянным моментом нагрузки;
🔸U/√f — для работы во второй зоне, выше номинальной частоты;
🔸U/f² — для насосов, вентиляторов и других механизмов, где момент сопротивления зависит от квадрата скорости.

Для закона U/f также можно сравнить три варианта: без компенсации, с IR-компенсацией активного падения напряжения и с IZ-компенсацией полного падения напряжения на сопротивлении статора. На малых скоростях это особенно заметно: падение напряжения становится существенным относительно ЭДС двигателя.

Исходная модель — асинхронный двигатель 164 кВт, 380 В, 50 Гц. Задание скорости — 800 об/мин, частота ШИМ — 2 кГц, шаг моделирования — 5 мкс.

При набросе нагрузки в разомкнутой системе скорость проседает примерно до 780 об/мин: изменение скольжения здесь ничем не компенсируется.

Во втором проекте используется тот же закон U/f, но в систему добавляются обратные связи:
🔸по скорости с ПИ-регулятором — для устранения статической ошибки;
🔸положительная обратная связь по моменту — для компенсации скольжения;
🔸отрицательная обратная связь по моменту — для ограничения момента и перегрузки привода.

В результате при изменении нагрузки скорость возвращается к заданным 800 об/мин, а электромагнитный момент ограничивается примерно на уровне 200 Н·м.

Получается наглядно сравнить, что происходит с приводом при разных законах управления и как меняется его поведение после добавления обратных связей — еще до перехода к более сложным структурам управления.

Параметры двигателя, нагрузки, компенсации и ПИ-регуляторов можно менять непосредственно в моделях и исследовать уже свою конфигурацию.

📎 [Раздел «Электропривод» в Документации]
📎 [Проекты по электроприводу в Сообществе]

Дальше будем расширять раздел новыми моделями электрических машин, компонентами привода и системами управления.

😎 Школа Анализа Инженерных Данных
🧑‍🎓 Вебинар ПИД-регулятор в АСУ ТП 24.09

📡 EngeeDSP: инструменты для ЦОС в Engee

Для ЦОС в Engee мы развиваем специализированную библиотеку EngeeDSP.

Один инструмент вместо набора разрозненных библиотек: единый API, единый подход к работе с сигналами и готовые функции для типовых задач ЦОС.

Сегодня расскажем о проекте, в котором на одном сигнале собрали довольно много таких задач.

📈 Сигнал состоит из трёх гармоник — 50, 120 и 200 Гц — с разными амплитудами и фазами. К нему добавлен гауссовский шум. Частота дискретизации — 1 кГц, длительность — 1 с.

Для начала применяем окно Ханна и считаем БПФ. На амплитудном спектре хорошо видны три частотные компоненты, а их пики можно выделить непосредственно из рассчитанного спектра.

Дальше считаем спектральную плотность мощности (PSD) методом периодограммы. Здесь уже можно посмотреть не только на амплитуды отдельных гармоник, но и на распределение мощности сигнала по частоте.

Отдельно разбираем фазовую составляющую: строим фазовый спектр, а из него рассчитываем групповую задержку как производную фазы по частоте.

Есть и анализ взаимосвязи сигналов. Для синусоиды 50 Гц в качестве эталона рассчитываем когерентность с исходным сигналом. Затем по спектральным оценкам строим передаточную функцию и смотрим отдельно её модуль и фазу.

Для анализа изменения спектра во времени используем STFT. В расчёте применено окно Ханна длиной 128 отсчётов, перекрытие 64 отсчёта и БПФ длиной 256. Это позволяет увидеть частотный состав сигнала не только в целом, но и на отдельных участках времени.

📊 В конце добавляем автокорреляционный анализ и собираем результаты в набор графиков. Получается довольно наглядная картина одного и того же сигнала сразу в нескольких представлениях: время, амплитуда, фаза, мощность, взаимосвязь сигналов и частотно-временная структура.

Весь расчёт собран в Engee с использованием EngeeDSP и Statistics.

🔗 Посмотреть проект и код

🚨 День Engee 21.10
🧑‍🎓 ПИД-регулятор в АСУ ТП 24.09