technika-i-nauka / samples /valid.jsonl
PiotrSty's picture
Add samples
2f6252f verified
Raw History Blame Contribute Delete
176 kB
{"id": "bibliotekanauki-automation:130654:0000", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\nArchiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 17b, 2007 \nISBN 978-83-920594-9-2\n\n505 \nSIECI NEURONOWE W PROCESACH AUTOMATYCZNEJ KORELACJI \nZDJĘĆ LOTNICZYCH \nNEURAL NETWORKS IN AUTOMATIC MATCHING PROCESSES \nON AERIAL IMAGES \nSławomir Mikrut1, Zbigniew Mikrut2 \n1 Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, AGH w Krakowie \n2 Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie \nSŁOWA KLUCZOWE: fotogrametria cyfrowa, sieci neuronowe, korelacja, spasowanie obrazów \nSTRESZCZENIE: Koncepcja opisywanych badań opierała się na wyborze kilku reprezentacji, które \nnastępnie korelowano przy pomocy metod klasycznych i neuronowych. W trakcie badań \nprzetestowano metody klasyczne spasowania obrazów i porównano je z powstałymi w trakcie badań \nmetodami neuronowymi. Przeprowadzono również eksperymenty polegające na pomiarach \nmanualnych, wykonanych przez niezależnych obserwatorów. \nIstota metodyki opartej o sieci neuronowe polegała na przygotowaniu odpowiednich reprezentacji \nfragmentów obrazów i zastosowaniu do ich klasyfikacji różnych typów sieci neuronowych. Jedna \nz przyjętych metod bazowała na rozkładzie wartości modułu gradientu obrazu oraz jego kierunku. \nSprawdzono przydatność tej reprezentacji do selekcji podobrazów przy pomocy sieci neuronowej \nSOM Kohonena. Druga metoda polegała na wykorzystaniu transformaty log-polar i log-Hough’a, \nktóre są uważane za uproszczone modele przetwarzania wstępnego, realizowanego przez systemy \nwzrokowe ludzi i zwierząt. Przydatność tej i następnej reprezentacji badano przy pomocy sieci \nneuronowej typu backpropagation. Do utworzenia trzeciej reprezentacji zastosowano sieć ICM \n(Intersecting Cortical Model), która jest jedną z wersji PCNN (Pulse Coupled Neural Network). Przy \npomocy tej sieci wygenerowano tzw. podpisy obrazów (signatures), czyli kilkudziesięcioelementowe \nwektory, opisujące strukturę obrazu. \n1. \nWSTĘP \nWykorzystanie sieci neuronowych do rozwiązywania problemów fotogrametrycznych \njest stosunkowo nowym kierunkiem badań, chociaż sieci stosuje się od dawna w analizie \nobrazów cyfrowych. Problem wynika nie tylko z braku popularyzacji tej techniki wśród \nfotogrametrów. Dodatkową trudność stanowi specyfika obrazów fotogrametrycznych, które \ncharakteryzują się stosunkowo dużą różnorodnością i rozdrobnieniem informacji. Im \nmniejsza skala zdjęć tym to rozdrobnienie jest większe. Stwarza to kłopoty z utworzeniem \nzbioru danych do uczenia i testowania, ponieważ zbiór ten powinien być przede wszystkim \nreprezentatywny. Dodatkową trudność stanowi fakt braku narzędzi neuronowych, przy \npomocy których można by zrealizować jeden z najważniejszych etapów analizy, czyli \npasowanie (korelowanie). Pozostają zatem zagadnienia związane z klasyfikacją obszarów\n\nSławomir Mikrut, Zbigniew Mikrut\n\n506 \ni detekcją \ncech, \nco \npokazują \nprzykłady \nzastosowań \nzaczerpnięte \nz \nliteratury \nzaprezentowane w rozdziale 2. \nW niniejszym artykule autorzy zaproponowali koncepcję wykorzystania sieci \nneuronowych do wstępnej selekcji podobrazów oraz – pośrednio - do ich dopasowywania. \nArtykuł jest podsumowaniem kilkuletnich prac. Koncepcja badań opierała się na wyborze \nkilku reprezentacji, które następnie użyto jako wejścia dla klasyfikujących sieci \nneuronowych. Szeroko rozumianych sieci neuronowych użyto także do tworzenia \nreprezentacji, które następnie korelowano. W trakcie badań przetestowano metody \nklasyczne spasowania obrazów i porównano je z powstałymi w trakcie badań metodami \nneuronowymi. Przeprowadzono również eksperymenty polegające na pomiarach \nmanualnych, wykonanych przez niezależnych obserwatorów. \nArtykuł zorganizowany jest następująco. W rozdziale 2 przedstawiono przykłady \nzastosowań sieci neuronowych w fotogrametrii i zagadnieniach pokrewnych, zaczerpnięte \nz literatury. W rozdziale 3 krótko przypomniano zasady działania najczęściej używanych \nsieci neuronowych oraz nieco dokładniej omówiono mniej znaną sieć impulsującą ICM \n(Intersecting Cortical Model). Główną część pracy stanowi rozdział 4, w którym \nzaprezentowano zrealizowane eksperymenty dotyczące zastosowań sieci neuronowych na \nróżnych etapach analizy obrazów fotogrametrycznych. Rozdział 5 zawiera zestawienie \nwyników i wnioski. \n2. \nPRZYKŁADY ZASTOSOWAŃ SIECI NEURONOWYCH W FOTOGRA-\nMETRII I TELEDETEKCJI \nPróby wykorzystania sieci neuronowych podejmowane były do rozwiązywania \nróżnych problemów w dziedzinie fotogrametrii i teledetekcji praktycznie od samego \npoczątku ich rozwoju. Możliwości wykorzystania sztucznej inteligencji w fotogrametrii, \nw ogólnym zarysie, przedstawił już w 1988 r. T. Sarjakoski (Sarjakoski, 1988). \nJednym z pierwszych zastosowań było użycie sieci do ekstrakcji cech (ang. feature \nextraction) (Zheng, 1992). Następnie metodę wykrywania dróg na obrazach zdjęć \nlotniczych z wykorzystaniem sieci Hopfielda do optymalizacji algorytmu matchingu \nprzedstawił Hu na kongresie ISPRS w Amsterdamie (Hu et al., 2000). \nJednak najpopularniejsze zastosowanie to użycie neuronów do klasyfikacji treści \nobrazów wielospektralnych. W jednym z przykładów autor (Vieira, 2000) wykorzystał sieci \njako jedną z metod do klasyfikacji. Metoda ANN (Artcifical Neural Network) była \nwykorzystana obok metod LCA, PTS i MDR. Sieci zostały również wykorzystane przy \nklasyfikacji obrazów radarowych typu INSAR, gdzie wykrywano rejony zniszczeń \npowstałych po trzęsieniach ziemi (Ito et al., 2000). Wykorzystywano je również do \nprodukcji map tematycznych z danych satelitarnych Landsat (Barsi, 2000). Kolejne \nprzykłady wykorzystania sieci do klasyfikacji obrazów teledetekcyjnych można znaleźć \nw pracy (Kamiya, 2000).\n\nInnym przykładem zastosowania sztucznych sieci neuronowych było użycie ich do \nautomatycznego uzupełniania opisów na mapach cyfrowych (Hong, 2000) czy rektyfikacji \nobrazów satelitarnych (Sunar et al., 2000).", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 2122, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:130654:0001", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\nPróbowano również wykorzystać sieci do korelowania obrazów. Jednak zagadnienie \nto jak do tej pory testowano głównie w dziedzinie robotyki. Autorzy (Pajares et al., 1998)\n\nSieci neuronowe w procesach automatycznej korelacji zdjęć lotniczych\n\n507 \npróbowali rozwiązać problem przez wykorzystanie strategii uczenia sieci bazującej na Self-\nOrganizing Feature Mapping (SOFM), która jest jednym z wariantów sieci Kohonena. \n3. \nZARYS TECHNIKI SIECI NEURONOWYCH \nWiększość zastosowań sieci neuronowych związana jest z szeroko rozumianą \nklasyfikacją. Stosowana standardowo metodyka polega na przygotowaniu odpowiednich \nreprezentacji fragmentów obrazów i zastosowaniu do ich klasyfikacji różnych typów sieci. \nNajczęściej do klasyfikacji używa się sieci typu backpropagation, którą uczy się metodą \n„z nauczycielem” lub sieci SOM Kohonena (Kohonen, 1997), która jest przykładem \nuczenia bez nadzorowania. W obu przypadkach uczenie sieci polega na zmianie wartości \nwag połączeń neuronów. Zmiany te zachodzą w wyniku podawania na wejście sieci \nkolejnych reprezentacji, zgromadzonych w zbiorze uczącym i stosowania odpowiednich \nreguł. Dla sieci backpropagation zmiany wag zależą od różnic odpowiedzi generowanej \nprzez sieć i odpowiedzi oczekiwanej, określonej przez eksperymentatora. W warstwie \nKohonena – po podaniu wektora uczącego - wyznaczany jest neuron, który wygenerował \nnajwyższą wartość. Wagi tego neuronu oraz jego sąsiadów są zmieniane tak, aby zbliżyły \nsię do wartości wektora wejściowego. \nTeoria opisująca działanie tych sieci została przedstawiona np. w publikacjach \n(Tadeusiewicz, 1993; Tadeusiewicz et al., 2007). Powstały także komputerowe programy \nułatwiające stosowanie sieci neuronowych nawet osobom o niezbyt dużym doświadczeniu \n(Duin, 2000; Matlab, 2006). Z tego powodu szersze przedstawianie zasad działania i metod \npostępowania z tymi sieciami wydaje się zbędne. \n3.1. Sieci neuronowe impulsujące \nImpulsująca sieć neuronowa (PCNN – Pulse Coupled Neural Network) to model sieci \nbiologicznej, a konkretnie model fragmentu sieci wzrokowej kota (Eckhorn et al., 1990). \nSieci te służą do przetwarzania cyfrowych obrazów. Przy ich pomocy można realizować \ntakie operacje jak segmentacja obrazu czy też detekcja konturów. Teoria i możliwości \nzastosowań tych sieci zostały najpełniej opisane w (Lindblad et al., 2005).\n\nImpulsująca sieć neuronowa jest siecią jednowarstwową. Składa się z neuronów, \nz których każdy jest połączony z jednym pikselem obrazu wejściowego. Schemat blokowy \npojedynczego neuronu przedstawiono na rysunku 1. Jest to uproszczony model sieci \nPCNN, wprowadzony w pracy (Kinser, 1996) i nazwany ICM (Intersecing Cortical \nModel). \nPojedynczy neuron generuje impuls w momencie, gdy sumaryczny poziom \npobudzenia F przekracza wartość progową. Po wygenerowaniu impulsu próg gwałtownie \nrośnie a następnie stopniowo opada do wartości spoczynkowej. Na pobudzenie F neuronu \nma wpływ – oprócz wartości piksela obrazu S – także sygnał sprzężenia zwrotnego od \nneuronów sąsiednich. W kolejnych krokach obliczeniowych sieć generuje binarne obrazy, \nprzy czym piksele o wartości 1 odpowiadają sytuacji pojawienia się impulsu, a sygnały \no wartości 0 – brakowi impulsu.\n\nSławomir Mikrut, Zbigniew Mikrut\n\n508 \nW omówionych w rozdziale 4 badaniach sieć ta została użyta jako generator reprezentacji \nfragmentu obrazu lotniczego. Reprezentacja ta to tzw. sygnatura (signature). Jest to \njednowymiarowa funkcja, powstała w wyniku sumowania wszystkich pikseli obrazu \nwyjściowego (binarnego) w kolejnych krokach obliczeniowych. \n3.2. Model biologicznej sieci neuronowej \nInny \nrodzaj \nreprezentacji \nobrazu \nmożna \notrzymać \npo \nprzetworzeniu \ngo \ntransformacjami log-polar i log-Hough’a. Transformacje te można zaliczyć do szeroko \npojętej klasy sieci neuronowych ponieważ są one uproszczonymi modelami przetwarzania \ninformacji wizyjnej w systemie wzrokowym zwierząt wyższych (Schwartz, 1977; Weiman, \n1989). \nZasadę działania transformaty log-polar oraz transformaty log-Hough’a dokładnie \nprzedstawiono w pracy (Piekarski et al., 2007), znajdującej się w tym tomie. Tu wystarczy \nnadmienić, że odwzorowanie log-polar jest najdokładniejsze w pobliżu środka obrazu, \na mniej dokładne dla pól receptorowych położonych daleko od środka. Głównymi zaletami \ntransformacji log-polar są: duża redukcja danych oraz przekształcanie rotacji \ni powiększania obiektu w przestrzeni kartezjańskiej na równoległe przesunięcia wzdłuż \nodpowiednich osi w przestrzeni log-polar \nPrzy pomocy transformaty log-Hough’a wykrywane są odcinki linii prostych \ni łagodne łuki na krawędziowym obrazie log-polar (Weiman, 1989). W przestrzeni log-\nHough’a powstają maksima w miejscach odpowiadających parametrom wykrytych linii. \nMaksima te są tym wyższe im więcej współliniowych punktów znajdowało się na obrazie \nw przestrzeni log-polar po wydzieleniu krawędzi. Operacja realizowana przez transformatę \nlog-Hough’a jest podobna do przekształcenia obserwowanego w jednym z obszarów kory \nwzrokowej: wykrywania fragmentów linii o różnych nachyleniach. \nΣ \nS\n\nΘ \n-\n\nY \nF \nW*Y \nΣ \nRys. 1. Pojedynczy neuron sieci impulsującej ICM\n\nSieci neuronowe w procesach automatycznej korelacji zdjęć lotniczych", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 1859, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:130654:0002", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\n509 \nObie te transformaty zostały wybrane do skonstruowania reprezentacji obrazu \nponieważ dokonują one redukcji informacji oraz dostarczają w formie skondensowanej \ninformacji o wzajemnym położeniu krawędzi. \n4. \nZAKRES BADAŃ \nW tabeli 1 zestawiono zrealizowane eksperymenty. Pamiętając o podziale technik \nprzetwarzania obrazów na „obiektowe” i „obszarowe” w omawianych badaniach \nskoncentrowano się na tych ostatnich. W poszczególnych kolumnach oznaczonych \nkolejnymi cyframi pokazano cele, które postawił sobie zespół badawczy. Pierwszym z nich \nbyło utworzenie reprezentacji podobrazów zdjęcia lotniczego, które następnie zostały użyte \ndo selekcji (cel drugi) i równolegle do pasowania (cel trzeci). Z tych trzech zagadnień \nosobnego omówienia wymaga cel drugi. \nTab 1. \nZrealizowane eksperymenty (kursywą oznaczono techniki neuronowe) \n1. Schemat konstruowania \n reprezentacji \n2. Selekcja obrazów \n przy pomocy: \n3. Dopasowywanie\n reprezentacji \ngradient histogram kątów \n SOM \n BP \ntak \ngradient histogram kątów SOM \n BP \ntak \nlog-polar gradient log-Hough \n BP \nnie \nICM sygnatura \n BP \ntak\n\nPodczas procesu analizy fotogrametrycznej człowiek wskazuje informatywne punkty \nna jednym ze zdjęć a następnie na drugim zdjęciu odszukuje najpierw większy obszar \na potem odpowiedniki punktów, wskazanych na zdjęciu pierwszym. Cel drugi (selekcja) \nobejmował dokonanie próby automatyzacji pierwszego etapu analizy, czyli zbadanie, czy \njest możliwe stwierdzenie, że wybrany fragment obrazu jest wystarczająco informatywny \ni nadaje się do dalszego przetwarzania.\n\n4.1 Reprezentacje podobrazów \nUtworzone reprezentacji podobrazu zostały zestawione w pierwszej kolumnie tabeli 1. \nZaimplementowano i sprawdzono trzy metody: algorytm oparty na dwuwymiarowym \nhistogramie gradientów, transformaty log-polar i log-Hough’a oraz sygnatury generowane \nprzez sieć impulsującą PCNN (ICM). \nMetoda opisana w tabeli 1 jako „histogram kątów” polega na utworzeniu z obrazu \ngradientowego dwuwymiarowego histogramu. Pojedyncze pole tego histogramu odpowiada \nliczbie pikseli na obrazie, dla których wartości gradientu oraz kierunku mieszczą się \nw zadanym przedziale. Dwuwymiarowy histogram gradientu sporządzany jest dla \nwszystkich pikseli obrazu, które są pikselami krawędzi. Na podstawie tak przygotowanego \nhistogramu wyznaczany jest wektor cech w postaci: profilu maksymalnych i średnich \nwartości modułu gradientu, które powstają poprzez rzutowanie odpowiednio wartości\n\nSławomir Mikrut, Zbigniew Mikrut\n\n510 \nmaksymalnych i średnich na oś modułu gradientu oraz profilu maksymalnych i średnich \nwartości kierunku. Szczegóły metody zawiera praca (Czechowicz et al., 2007). Tak \nutworzone reprezentacje stanowiły wejście dla samoorganizującej się sieci neuronowej \nKohonena. Sieć ta została użyta do selekcji podobrazów (por. drugą kolumnę tabeli 1), \na wyselekcjonowane neurony tej sieci (a właściwie sygnały na ich wyjściach) utworzyły \ndrugi rodzaj reprezentacji, opartej na histogramie 2D (por. trzeci wiersz tabeli 1). \nTransformaty log-polar i log-Hough’a, opisane w rozdziale 3, operowały na obrazie \nnie przetworzonym. Wektor cech został utworzony poprzez rzutowanie wartości \nmaksymalnych z odpowiednich linii i kolumn przestrzeni log-Hough’a na osie układu \nwspółrzędnych. Powstały w ten sposób profile, określające pozycje oraz długości odcinków \nprostych i łagodnych łuków krawędzi. Informacje o kolejności przekształceń obrazu oraz \no wyborze i agregacji wektorów cech zamieszczono w pracy (Piekarski et al., 2007). \nOstatni rodzaj reprezentacji to sygnatury podobrazów, wygenerowane przez \nimpulsującą sieć neuronową ICM. W eksperymentach używano sygnatur 25., 50. i 100. \nelementowych (Mikrut, 2007). \n4.2 Selekcja obrazów \nZadanie selekcji polegało na zastosowaniu sieci neuronowych do klasyfikacji \npodobrazów na „korzystne” i „niekorzystne” z punktu widzenia późniejszego \ndopasowywania. Podstawową bazę danych utworzono na podstawie są zdjęć lotniczych \nobszaru Krakowa w skali szarości (składowa G z obrazu kolorowego RGB) \no rozdzielczości 600 dpi (we wstępnym etapie badań przyjęto obniżoną rozdzielczość ze \nwzględu na problemy z czasem przetwarzania dużych obrazów), z których wybrano 900 \npodobrazów o wymiarze 240x160 pikseli. Każdy podobraz został zaklasyfikowany \nniezależnie przez pięciu ekspertów fotogrametrów do jednej z trzech grup: obszarów \nkorzystnych, niekorzystnych oraz pośrednich pod względem możliwości wyszukiwania \nelementów do wzajemnego dopasowania zdjęć. Przynależność do danej klasy wyznaczała \nwartość medianowa klasyfikacji. Próbki podzielono na dwa zbiory: uczący oraz testowy. \nDo realizacji zadania selekcji wykorzystano dwa typy sieci neuronowych: SOM \nKohonena oraz backpropagation (por. tab. 1). Zarówno analiza bazy danych jak i wstępne \neksperymenty wykazały, że wyniki uzyskiwane dla trzech klas nie są satysfakcjonujące. \nDlatego w dalszych testach uczono sieci neuronowe dokonywania podziału na 2 klasy: \npodobrazów „korzystnych” i „niekorzystnych”. \nOstatecznie wejściem dla sieci Kohonena były 19. elementowe reprezentacje \nutworzone z profilu średnich wartości kierunku gradientu z agregacją 20°. Najlepsze \nwyniki osiągnięto dla sieci o rozmiarach 7x4 neurony. \nW trzech pozostałych przypadkach (por. tab. 1) zastosowano sieci typu \nbackpropagation. Metodyka eksperymentów była za każdym razem podobna. Najpierw \nzgrubnie wyznaczano pary „reprezentacja – struktura sieci” a następnie wybraną \nreprezentacją uczono sieć, która uzyskała najlepsze wyniki rozpoznawania w fazie \nwstępnej. Skuteczność rozpoznawania zwiększano stosując technikę odrzuceń. Zestawienie \nnajbardziej efektywnych struktur sieci oraz procentowych wyników klasyfikacji zawiera \nrozdział 5.\n\nSieci neuronowe w procesach automatycznej korelacji zdjęć lotniczych", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 2090, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:130654:0003", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\n511 \n4.3 Dopasowywanie reprezentacji podobrazów \nZ bazy danych opisanej w punkcie 4.2 wybrano dwa podzbiory: 36 obrazów, \nreprezentujących składową G oraz 44 obrazy w stopniach szarości (składowe R, G i B \nzostały scalone). Na kolejnym zdjęciu lotniczym manualnie zlokalizowano te obszary i po \nodpowiednim obramowaniu zapisano je w celu przeprowadzenia testów pasowania. \nNależy \npodkreślić, \nże \nw \nomawianych \nbadaniach \nsprawdzano \nmożliwości \ndopasowywania reprezentacji podobrazów, czyli obliczano wektory reprezentacji \npodobrazu ze zdjęcia chronologicznie pierwszego, następnie obliczano reprezentacje \nwszystkich podobrazów wchodzących w skład fragmentu drugiego (kolejnego) zdjęcia \nlotniczego i te wektory porównywano. Samo porównywanie wektorów realizowano przy \nużyciu klasycznej korelacji. \nJak pokazano w trzeciej kolumnie tabeli 1 pasowano trzy rodzaje reprezentacji: \nreprezentacje uzyskane po zastosowaniu sieci SOM Kohonena, sygnatury wygenerowane \nprzez impulsującą sieć ICM oraz – dla porównania – wektory histogramu gradientów, \nuzyskane bez stosowania sieci neuronowych. \nDo badania dopasowania wybrano 19. elementową reprezentację profilu średnich \nwartości kierunku gradientu z agregacją 20°. Reprezentację neuronową stanowiły \nodpowiedzi generowane na najlepiej klasyfikującej sieci typu SOM o strukturze \n19-28[7x4]. Szczegóły można znaleźć w pracy (Czechowicz et al., 2007a), a najważniejsze \nwyniki zestawiono w rozdziale 5. \nDrugą reprezentacją, którą wykorzystano do pasowania, były 100. elementowe \nsygnatury wytworzone przez sieć ICM. Badano wyniki dopasowywania dla sygnatur \ngenerowanych na obrazach dwukrotnie i czterokrotnie zmniejszonych. Obliczano sygnatury \ndla całego obrazu oraz dla obrazu podzielonego równomierną siatką na 4. i 6. elementowe \nfragmenty. Opis eksperymentów zostanie opublikowany w pracy (Mikrut et al., 2008), \na najlepsze wyniki zaprezentowano w rozdziale 5. \n5. \nWYNIKI I PODSUMOWANIE\n\nW tabelach 2 i 3 zestawiono odpowiednio wyniki klasyfikacji podobrazów na \nfragmenty „korzystne” i „niekorzystne” z punktu widzenia późniejszego pasowania oraz \nwyniki wzajemnego dopasowywania reprezentacji podobrazów na dwóch kolejnych \nzdjęciach lotniczych.\n\nWyniki przedstawione w tabeli 2 dowodzą, że wykorzystanie sieci neuronowych do \nwstępnej selekcji obrazów jest celowe, pod warunkiem zastosowania odpowiednich \nreprezentacji obrazów. Procentowe rozpoznania mogą być dodatkowo zwiększane przez \nzastosowanie techniki odrzuceń, polegającej na badaniu pewności rozpoznawania \ni odpowiedni dobór wartości granicznej dla tej pewności. Rezultaty przedstawione w tabeli \n3 (trzecia kolumna) zostały uzyskane po przyjęciu granicznej wartości przesunięcia, \nponiżej której dopasowanie jest uznawane za dopuszczalne. Wartość ta, równa 30 pikseli, \nzostała przyjęta w oparciu o wyniki dopasowania całych (nie przetworzonych) podobrazów \nmetodą area based matching (por. ostatni wiersz tabeli 3). Tyle właśnie wyniósł \nmaksymalny błąd dopasowania tą metodą. Z kolei przedostatni wiersz tabeli 3 pokazuje \nnikłe możliwości bezpośredniego wykorzystania reprezentacji, opartej na dwu-\nwymiarowym histogramie gradientów.\n\nSławomir Mikrut, Zbigniew Mikrut\n\n512 \nTab 2. \nWyniki rozpoznawania 2 klas obrazów \nOpis reprezentacji \nRodzaj \ni struktura \nsieci neuronowej\nRozpoznanie\nzbioru \ntestowego \nPublikacje \ni uwagi \n2D histogram gradientów: \nprofil średnich wartości \nkierunku gradientu \nz agregacją 20o \nSOM \nKohonena \n19-28[7x4]\n\n89,5% \n(Czechowicz et al., 2007) \nstosowano odrzucenia - \nuwzględniono odpowiedzi \n6 neuronów \njak wyżej \nSOM + BP \n19-[7x4]-5-2\n\n84,5% \n(Czechowicz et al., 2007a) \njak wyżej, ale \nz agregacją 5o \nBP \n73-10-2\n\n84,8% \n(Czechowicz et al., 2007a) \nprzestrzeń log-Hough’a – \nwektor rzutów na oś \npromienia, agregowany co 2 \nBP \n25-2-2 \n25-28-2\n\n72,5% \n69,2% \n(Piekarski et al., 2007)\n\n50. elementowe sygnatury \ngenerowane przez sieć ICM \nBP \n50-6-2\n\n73% \n(Mikrut, 2007) - przy ~20% \nodrzuceń rozpoznanie \nwzrosło do ~80%\n\nNajlepsze wyniki osiągnięto dla reprezentacji w postaci sygnatur, generowanych przez \nsieć ICM (około 91% dopasowań). Dla mniejszych dopuszczalnych odległości odchyłek \nrównych 10 i 5 pikseli procentowe wartości prawidłowych dopasowań wyniosły \nodpowiednio około 63% i 38%.\n\nTab 3. \nWyniki eksperymentów z dopasowywaniem obrazów \nOpis reprezentacji \nOpis zbioru \ndanych \nWynik \nPublikacje \ni uwagi \nwyjścia neuronów warstwy \nSOM Kohonena \n36 par obrazów \n(składowa G)\n\n10/36 \n(Czechowicz et al., 2007a)\n\n100. elementowe sygnatury,\n6 sygnatur na 1 podobraz \n44 pary obrazów\n(w stopniach \nszarości)\n\n40/44 \n(Mikrut S. et al., 2008) \n19. elementowy profil \nkierunków gradientów \n36 par obrazów\n(składowa G)\n\n2/36 \n(Czechowicz et al., 2007a) \ncały podobraz – area based \nmatching \njak wyżej \n36/36\n\n(Czechowicz et al., 2007a)\n\nSieci neuronowe w procesach automatycznej korelacji zdjęć lotniczych\n\n513 \nUzyskane w trakcie badań wyniki potwierdzają wstępnie przyjęte założenia, \naczkolwiek należy podkreślić, że zagadnienie to jest skomplikowane a temat badań o wiele \nbardziej rozległy niż zakładano początkowo. Dopasowywane obrazy zdjęć lotniczych \ncechuje zmienność obiektów, tekstury i oświetlenia. Głównie te cechy – powiązane ze zbyt \nubogim przetwarzaniem wstępnym obrazów - spowodowały otrzymanie nie w pełni \nzadowalających rezultatów.", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 2046, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:130654:0004", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\nPodsumowując należy stwierdzić, że zastosowanie sieci neuronowych powiodło się \nw przypadku przeprowadzania wstępnej selekcji podobrazów. Natomiast problem \ndopasowania prawdopodobnie wymaga zastosowania innego podejścia – być może \nopartego o detekcję i opis obiektów. Autorzy widzą sens kontynuowania badań przy \nzmodyfikowanych w powyższy sposób algorytmach lecz podobnej metodyce. \n6. \nLITERATURA \nBarsi A., 2000. The impact of data compression and neighborhood information on the \nclassification accuracy of artificial neural networks, International Archives of \nPhotogrammetry and Remote Sensing. Amsterdam., Holland, Vol. XXXIII, Part B3 \nCzechowicz A., Mikrut Z., 2007. Wykorzystanie sieci Kohonena do selekcji podobrazów \ndla potrzeb dopasowania zdjęć lotniczych. Uczelniane Wydawnictwo Naukowo-\nDydaktyczne Kraków – Półrocznik Automatyka, Tom 11; str. 329 – 343; \nCzechowicz A., Mikrut Z., 2007a. Selekcja podobrazów dla potrzeb dopasowywania zdjęć \nlotniczych oparta na histogramach gradientu i sieci neuronowej. Archiwum Fotogrametrii, \nKartografii i Teledetekcji, vol. 17, Dobczyce (w tym tomie) \nDuin R.P.W., 2000. PRTools Version 3.0 - a Matlab Toolbox for Pattern Recognition. Delft \nUniversity of Technology, http://www.ph.tn.tudelft.nl/prtools \nEckhorn R., Reitboeck H.J., Arndt M., Dicke P., 1990. Feature linking via synchronization \namong distributed assemblies: Simulations of results from Cat Visual Cortex. Neural \nComp. vol. 2, pp. 293-307. \nHong F., Zhang Z., Daosheng D., 2000. A Hopfied neural network algorithm for automated \nname placement for point feature, International Archives of Photogrammetry and Remote \nSensing. Amsterdam., Holland, Vol. XXXIII, Part B3 \nHu X., Zhang Z., Zhang J., 2000. An approach of semiautomated road extraction from \naerial image based on template matching and neural network. International Archives of \nPhotogrammetry and Remote Sensing. Amsterdam., Holland, Vol. XXXIII, Part B3, s. \n994-999 \nIto Y., Hosokawa M., Lee H., Liu J.G., 2000. Extraction of damaged regions using sar data \nand neural networks, International Archives of Photogrammetry and Remote Sensing. \nAmsterdam., Holland, Vol. XXXIII, Part B1, s. 156-163, \nKamiya I., 2000. Image classification by spatial shift invariant neural network, \nInternational Archives of Photogrammetry and Remote Sensing. Amsterdam., Holland, \nVol. XXXIII, Part B3 \nKinser J.M., 1996. A Simplified Pulse-Coupled Neural Network. Proc. SPIE, Vol. 2760, \nNo. 3. \nKohonen T., 1997. Self-Organizing Maps. New York , Springer-Verlag. \nLindblad T., Kinser J.M., 2005. Image Processing Using Pulse-Coupled Neural Networks. \nSpringer, Berlin Heidelberg New York. \nMatlab, 2006. Image Processing Toolbox For Use with Matlab. User's Guide. The \nMathWorks, Inc., Natick.\n\nSławomir Mikrut, Zbigniew Mikrut\n\n514 \nMikrut S. (red.), 2008. Ocena efektywności wykorzystania sieci neuronowych w procesach \nautomatycznej korelacji obrazów zdjęć lotniczych. Monografia, Uczelniane Wydawnictwa \nNaukowo-Dydaktyczne AGH (praca w redakcji) \nMikrut Z., 2007. Tworzenie reprezentacji obszarów zdjęć lotniczych za pomocą sieci \nneuronowych klasy PCNN. Uczelniane Wydawnictwo Naukowo-Dydaktyczne Kraków – \nPółrocznik Automatyka, Tom 11, str. 355 – 364. \nPajares G., Cruz J.M., Aranda J., 1998. Stereo matching based on the self-organizing \nfeature-mapping algorithm, Pattern Recognition Letters 19, s. 319-330. \nPiekarski P., Mikrut Z., 2007. Wykorzystanie transformacji log-Hougha do tworzenia \nreprezentacji obrazu dla klasyfikatora neuronowego. Archiwum Fotogrametrii, Kartografii \ni Teledetekcji, vol. 17, Dobczyce (w tym tomie) \nSarjakoski T., 1988. Artificial intelligence in Photogrammetry. Photogrammetria (PRS) 42, \ns. 245-270. \nSchwartz E.L., 1977. Spatial mapping in the primate sensory projection: analytic structure \nand relevance to perception. Biological Cybernetics, nr 25, s. 181-194. \nSunar F., Özkan C., 2000. Rectification of remotely sensed images with artificial neural \nnetwork, International Archives of Photogrammetry and Remote Sensing. Amsterdam., \nHolland, Vol. XXXIII, Part B3 \nTadeusiewicz R., 1993. Sieci neuronowe. AOW Warszawa. \nTadeusiewicz R., Gąciarz T., Borowik B., Leper B., 2007. Odkrywanie właściwości sieci \nneuronowych przy użyciu programów w języku C\\#. Polska Akademia Umiejętności. \nMiędzywydziałowa Komisja Nauk Technicznych, Kraków. \nVieira C., Mather P., McCullagh M., 2000. The spectral-temporal response surface and its \nuse in the multi-sensor, multitemporal classification of agricultural crops. International \nArchives of Photogrammetry and Remote Sensing. Amsterdam, Holland, Vol. XXXIII, Part \nB2 \nWeiman C.F.R., 1989. Polar exponential sensor arrays unify iconic and Hough space \nrepresentation. Proc. SPIE vol.1192: Inteligent robots and computer vision VIII. \nZheng Y-J, 1992. Feature extraction: a neural network oriented approach. Int. Archives of \nPhotogrammetry and Remote Sensing, vol. 29.\n\nOpisane badania zostały wykonane w ramach grantu KBN nr 4T12E 001 27.\n\nNEURAL NETWORKS IN AUTOMATIC MATCHING PROCESSES \nON AERIAL IMAGES \nKEY WORDS: digital photogrammetry, neural networks, correlation, images matching \nSUMMARY: The concept of the research was based on the selection of several representations, \nwhich were later correlated by means of conventional, and neural methods. In the course of research, \nconventional methods of image matching were tested and compared with neural methods that \noriginating from the research process. Additionally, experiments consisting in manual measurements, \nperformed by independent observers, were conducted.\n\nSieci neuronowe w procesach automatycznej korelacji zdjęć lotniczych", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 1727, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:130654:0005", "text": "Sieci neuronowe w procesach automatycznej korelacji zdęć lotniczych\n\n515 \nThe essence of methodology that was based on neural networks consisted in the preparation of \nsuitable representations of image fragments and using them for the classification of various types of \nneural networks. One of the assumed methods was based on the distribution of image gradient module \nvalue and of its direction. The usability of that representation for the selection of sub-images was \ntested by means of SOM Kohonen neural network. Another method consisted in the utilisation of the \nlog-polar and log-Hough transforms, which are considered to be simplified models of preliminary \nimage processing, performed by visual systems of people and animals. The usability of that \nrepresentation was tested by means of the backpropagation type of neural network. As regards the \ngeneration of the third representation, the ICM (Intersecting Cortical Model) network was applied, \nwhich is one of the versions of the PCNN (Pulse Coupled Neural Network). Using that network, the \nso-called image signatures, or vectors composed of tens of elements which describe the image \nstructure, were generated.\n\ndr inż. Sławomir Mikrut \ne-mail: [EMAIL] \ntelefon: (012) 617 23 02 \nfax: (012) 617 39 93\n\ndr inż. Zbigniew Mikrut \ne-mail: [EMAIL] \ntelefon: (012) 617 38 53", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2007", "token_count": 310, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "S. Mikrut; Z. Mikrut"}
{"id": "bibliotekanauki-automation:131168:0000", "text": "Prezentacja autorskiego programu automatycznego pomiaru znaczków tłowych na obrazach zdjęć lotniczych\n\nArchiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 16, 2006 \nISBN 978-83-920594-5-X \n125 \nPREZENTACJA AUTORSKIEGO PROGRAMU AUTOMATYCZNEGO \nPOMIARU ZNACZKÓW TŁOWYCH NA OBRAZACH \n ZDJĘĆ LOTNICZYCH \nSOFTWARE FOR AUTOMATIC MEASUREMENT \nOF FIDUCIAL MARKS ON DIGITAL AIR IMAGES \nTomasz Chwastek, Sławomir Mikrut \n Zakład Fotogrametrii i Informatyki Teledetekcyjnej,\n\nAkademia Górniczo-Hutnicza w Krakowie \nSŁOWA KLUCZOWE: automatyzacja, fotogrametria cyfrowa, zdjęcia lotnicze, znaczki tłowe\n\nSTRESZCZENIE: \nGwałtowny \nrozwój \nzainteresowania \nfotogrametrią \nw \nostatnich \nlatach \nspowodowany jest głównie faktem wprowadzenia technologii cyfrowej. Oprócz szybkiego dostępu do \ndanych, istotnym czynnikiem jest moŜliwość automatyzacji niektórych procesów. Współczesne \noprogramowanie komercyjnie pozwala znacznie skrócić czas opracowań fotogrametrycznych, a co za \ntym \nidzie \npodnieść \nich \nwydajność. \nPrace \nnad \nzautomatyzowaniem \netapów \nprodukcji \nfotogrametrycznej realizowane są w wielu ośrodkach naukowo-badawczych na całym świecie. \nRównieŜ w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej Akademii Górniczo-Hutniczej \nw Krakowie prowadzone są badania w tym kierunku. PoniewaŜ automatyzacja pomiarów na obrazach \ncyfrowych podnosi jakość i wydajność opracowań fotogrametrycznych, podjęto próby ich rozwijania. \nWyniki badań przedstawione poniŜej, pozwalają optymistycznie patrzeć w rozwój własnych \nalgorytmów i oprogramowania. Ma to duŜe znaczenie, poniewaŜ bazowanie na własnym \noprogramowaniu pozwala na jego szybki i praktycznie nieograniczony rozwój. Pomiar znaczków \ntłowych na zdjęciach lotniczych jest pierwszym krokiem w kierunku automatyzacji dalszych etapów \ntechnologii fotogrametrycznej. Artykuł niniejszy prezentuje program, który powstał w ZFiIT AGH \nKraków. W artykule opisano przykład zaimplementowania powstałych algorytmów automatycznego \npomiaru znaczków tłowych na obrazie cyfrowym, przy znanych elementach orientacji wewnętrznej. \nOpisano autorski program „Interior Orientation”, pozwalający na automatyczą orientację wewnętrzną \nw oparciu o zdefiniowane wcześniej w bazie danych obrazy znaczków tłowych wybranych kamer \nfotogrametrycznych. Sprawdzono poprawność jego działania, określono jego przydatność do \nzastosowań fotogrametrycznych oraz dokonano porównania z profesjonalnym oprogramowaniem. \nManualnego pomiaru dokonano przy pomocy oprogramowania Dephos, półautomatycznego w PCI \nGeomatica. Uzyskano porównywalną dokładność na poziomie 0.25 piksela (średni błąd pomiaru \nznaczka tłowego).\n\n1. \nWSTĘP\n\nRozwój fotogrametrii w ostatnich latach spowodowany jest głównie faktem \nwprowadzenia nowej technologii - cyfrowej. Oprócz szybkiego dostępu do danych,\n\nTomasz Chwastek, Sławomir Mikrut\n\n126\nistotnym czynnikiem jest moŜliwość automatyzacji niektórych procesów. Dzisiejsze, \ndostępne na rynku oprogramowanie komercyjne pozwala skrócić czas opracowań \nfotogrametrycznych prawie do minimum. Zagadnienia związane z automatyzacją pomiarów \nna obrazach cyfrowych są juŜ od dawna przedmiotem badań w wielu ośrodkach naukowych \nna całym świecie. Podobnie jest równieŜ w Zakładzie Fotogrametrii i Informatyki \nTeledetekcynej AGH w Krakowie. JuŜ pod koniec lat osiemdziesiątych podjęto próby idące \nw kierunku rozwoju algorytmów automatycznej detekcji cech. Po skonstruowaniu \nautografu analityczno-cyfrowego VSD, przeprowadzano badania związane z automatyczną \nlokalizacją siatki „reseau” z podpikselową dokładnością, zakończone rozprawą doktorską \nW. Trochy (Trocha, 1993). Kolejne lata to próby wykorzystania drugiej pochodnej obrazu \ncyfrowego do lokalizacji krawędzi z podpikselową dokładnością (Jachimski et al., 1998), \nautomatyczne śledzenie linii wysokiego napięcia odfotografowanej na obrazie cyfrowym \n(Cieślar, 2000) oraz dalsze testy z zaimplementowaniem algorytmów do ekstrakcji cech na \nkolorowych obrazach zdjęć lotniczych i satelitarnych (Mikrut, 2003). W pracach tych \nautorom zawsze przyświecał cel tworzenia własnego oprogramowania.\n\nW niniejszych \nbadaniach, \noprogramowano \nmetodę \nautomatycznego \npomiaru \nznaczków tłowych. Rozwój algorytmów korelacji obrazów prowadzony jest aktualnie \nw ZFiIT AGH w Krakowie w ramach projektu badawczego KBN. Powstały w trakcie \nbadań program komputerowy „Interior Orientation” był równieŜ tematem pracy \nmagisterskiej (Chwastek, 2005) i jest przykładem zaimplementowania powstałych \nalgorytmów pod kątem konkretnego zastosowania, w tym przypadku, automatycznego \npomiaru znaczków tłowych na obrazie cyfrowym.\n\n2. \nISTOTA KORELACJI I „MATCHINGU”", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2006", "token_count": 1736, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "T. Chwastek; S. Mikrut"}
{"id": "bibliotekanauki-automation:131168:0001", "text": "Prezentacja autorskiego programu automatycznego pomiaru znaczków tłowych na obrazach zdjęć lotniczych\n\nPojęcie korelacji nie jest związane tylko i wyłącznie z obrazami cyfrowymi \ni fotogrametrią. Najogólniej, korelacja obrazu polega na odnajdywaniu tych samych \npunktów na obrazach przedstawiających ten sam obiekt lub scenę. Proces ten nieprzerwanie \nzachodzi w ludzkim mózgu, w ośrodku wzroku, który łączy obrazy zarejestrowane przez \nprawe i lewe oko, umoŜliwiając nam trójwymiarową percepcję przestrzeni. To naturalne \ndopasowanie obrazu jest teŜ wykorzystane w klasycznej analogowej fotogrametrii podczas \nobserwacji stereoskopowych par fotografii z wykorzystaniem stereoskopu. \nW fotogrametrii cyfrowej korelacja jest jednym z najwaŜniejszych zagadnień. \nPrzełomowym był rok 1957, kiedy to Gilbert Hobrough zaprezentował swoją koncepcję \nkorelacji obrazów na stacji roboczej Kelsh’a. To właśnie od tego momentu moŜemy zacząć \nmówić o automatyzacji w fotogrametrii. Co prawda ówczesna technologia zmuszała do \nanalogowego przeprowadzania procesu korelacji tzn. przy pomocy pewnego urządzenia \nporównywane były poziomy szarości zobrazowań, ale rozwiązania zaprezentowane przez \nHobrough’a były przełomowym wydarzeniem w dziejach fotogrametrii. Kolejnym duŜym \nkrokiem w rozwoju tej dziedziny było pojawienie się obrazów cyfrowych i moŜliwości stąd \nwynikające. Zasadnicza róŜnica, w stosunku do klasycznej fotogrametrii, polega na tym, Ŝe \npracując z obrazem cyfrowym, pewne etapy (np. wyszukiwanie i pomiar punktów \nhomologicznych) mogą przebiegać w sposób automatyczny. W Polsce automatyczny \npomiar określany jest mianem autokorelacji (matching).\n\nPrezentacja autorskiego programu automatycznego pomiaru znaczków tłowych \nna obrazach zdjęć lotniczych\n\n127\nMetody korelacji obrazów moŜna podzielić na trzy główne grupy: \n- korelacja oparta na jasnościach (Area Based Matching - ABM), \n- korelacja oparta na cechach (Feature Based Matching - FBM), \n- korelacja oparta na relacjach (Relational (Symbolic) Matching). \nMetody te róŜnią się głównie zaawansowaniem algorytmów dopasowania, od prostej \nkorelacji liczonej pomiędzy jasnościami pikseli do zaawansowanych algorytmów \nbadających relacje między obiektami (cechami) na obrazach cyfrowych.\n\n3. \nAUTOMATYZACJA POMIARU ZNACZKÓW TŁOWYCH\n\n3.1. Orientacja wewnętrzna\n\nOrientacja wewnętrzna jest jednym z podstawowych i najwaŜniejszych etapów wielu \nprocesów fotogrametrycznych. Elementy orientacji wewnętrznej to współrzędne punktu \ngłównego w układzie współrzędnych tłowych oraz odległość obrazowa, czyli odległość \nmiędzy środkiem rzutu, a płaszczyzną obrazu. Parametry te są wyznaczane w procesie \nkalibracji kamery. Problem orientacji wewnętrznej polega na tym, Ŝe połoŜenie punktu \ngłównego jest znane w układzie tłowym, a nie w układzie pikselowym (obrazowym), zatem \nzadaniem orientacji wewnętrznej jest wyznaczenie geometrycznej zaleŜności między tymi \nukładami. \nDla obrazów cyfrowych otrzymanych w procesie skanowania zdjęć lotniczych \npozyskanych kamerami analogowymi, a z takimi mamy głównie do czynienia w Polsce, \nparametry transformacji obliczane są na podstawie znanych współrzędnych znaczków \ntłowych w obu układach. Współrzędne znaczków tłowych w układzie tłowym są znane, \nstałe dla konkretnej kamery, a wyznaczane są w procesie kalibracji kamery. Natomiast \nwspółrzędne w układzie pikselowym pozyskiwane są w trakcie wykonywania orientacji \nwewnętrznej, czyli pomiaru znaczków tłowych. Pomiar taki musi być przeprowadzany dla \nkaŜdego zdjęcia niezaleŜnie, gdyŜ połoŜenie znaczków w układzie pikselowym zmienia się \ndla kaŜdego zdjęcia. Wpływ na taki stan mają zarówno błędy wynikające z deformacji \nmateriału negatywowego, jak i wiele czynników procesu skanowania m.in. róŜne \nusytuowanie zdjęć w stosunku do siebie podczas skanowania, rozdzielczość skanowania \nczy \nskanowanie \nróŜnymi \nskanerami. \nPrzeliczenie \nwspółrzędnych \npikselowych \n(obrazowych) do układu współrzędnych tłowych odbywa się na podstawie transformacji \nafinicznej.\n\n3.2. Program „Interior Orientation 1.0”\n\nAutorski program „Interior Orientation 1.0” jest programem słuŜącym do prezentacji \ni przetwarzania obrazów cyfrowych. Jego głównym zadaniem jest automatyczne \nprzeprowadzanie orientacji wewnętrznej na zdjęciach lotniczych. Napisany został \nz wykorzystaniem języka programowania „Microsoft Visual C++ w wersji 6.0” \nw środowisku Microsoft Windows XP. Program obsługuje obrazy cyfrowe zapisane \nw postaci mapy bitowej BMP. Powstał w oparciu o standardowe biblioteki klas MFC\n\nTomasz Chwastek, Sławomir Mikrut\n\n128\n(Microsoft Foundation Class). Pozwala to na zaimplementowanie wybranych procedur \n(tutaj zdefiniowanych jako klasy) do innych systemów. \nGłówne okno programu składa się z przestrzeni roboczej, w której wyświetlane są \notwierane obrazy, paska narzędzi zawierającego skróty do podstawowych funkcji oraz \npaska menu, zawierającego wszystkie funkcje, w które program został wyposaŜony. \nW obszarze roboczym zdefiniowany został układ współrzędnych, w którym to wyznaczane \nsą współrzędne znaczków tłowych. Program oprócz modułu odpowiedzialnego za \nautomatyczny pomiar znaczków tłowych posiada takŜe inne funkcje. MoŜliwe jest zamiana \nobrazu z pozytywu na negatyw, przejście z formatu 24 bitowego na 8 bitowy, a takŜe \nwykonanie filtracji kontekstowej z wykorzystaniem dolnoprzepustowych filtrów (low-pass \nfilter) uśredniającego i Gaussa oraz górnoprzepustowego filtru (high-pass filter) Laplace’a \ni gradientu Sobela. Są to jednak tylko moduły dodatkowe, gdyŜ istotą działania programu \n„Interior Orientation 1.0” jest automatyczny pomiar znaczków tłowych. Więcej szczegółów \nodnośnie programu moŜna znaleźć w pracy T. Chwastka (Chwastek, 2005).\n\n3.3. Opis zastosowanego algorytmu", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2006", "token_count": 2093, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "T. Chwastek; S. Mikrut"}
{"id": "bibliotekanauki-automation:131168:0002", "text": "Prezentacja autorskiego programu automatycznego pomiaru znaczków tłowych na obrazach zdjęć lotniczych\n\nAlgorytm \nwykorzystany \nw \nprogramie \n„Interior \nOrientation \nwersja \n1.0” \nodpowiedzialny za automatyczną detekcję znaczków tłowych podzielony został na dwa \netapy. Pierwszym z nich jest wyznaczenie przybliŜonego połoŜenia znaczków. W tym celu \nwykorzystana została metoda korelacji obrazów cyfrowych zwana korelacją krzyŜową \n(cross correlation). W metodzie tej na podstawie róŜnic jasności między odpowiednimi \npikselami obu obrazów, wyznaczane jest takie połoŜenie w oknie poszukiwawczym, \nw którym podobieństwo obrazu do wzorca jest największe. Miarą podobieństwa między \ntymi obrazami jest obliczony maksymalny współczynnik korelacji. Wyznaczany jest on na \npodstawie znajomości wartości odchyleń standardowych oraz kowariancji. Współrzędne \npiksela, dla którego wartość współczynnika korelacji jest największa, określają połoŜenie \nznaczka tłowego z pikselową dokładnością.\n\n(1)\n\ngdzie: \nj\ni,\n\n- numer wiersza i kolumny obrazu w oknie wzorcowym, \nN\nM,\n\n- ilość wierszy i kolumn obrazu w oknie wzorcowym, \n)\n,\n(\n1\nj\ni\ng\n - jasność piksela w oknie wzorcowym, \n)\n,\n(\n2\nj\ni\ng\n - jasność piksela w oknie poszukiwawczym, \n1g \n- średnia wartość jasności pikseli w oknie wzorcowym, \n2\ng \n- średnia wartość jasności pikseli w oknie poszukiwawczym. \nDrugim etapem działania algorytmu jest wyznaczenie współrzędnych znaczków \ntłowych z podpikselową dokładnością. Zastosowane zostało następujące rozwiązanie. \n∑∑\n∑∑\n∑∑\n=\n=\n=\n=\n=\n=\n−\n−\n−\n−\n=\nM\ni\nN\nj\nM\ni\nN\nj\nM\ni\nN\nj\ng\nj\ni\ng\ng\nj\ni\ng\ng\nj\ni\ng\ng\nj\ni\ng\n1\n1\n1\n1\n2\n2\n2\n2\n1\n1\n1\n1\n2\n2\n1\n1\n)\n)\n)\n,\n(\n(\n)(\n)\n)\n,\n(\n(\n(\n)\n)\n,\n(\n)(\n)\n,\n(\n(\nρ\n\nPrezentacja autorskiego programu automatycznego pomiaru znaczków tłowych \nna obrazach zdjęć lotniczych\n\n129\nJasności pikseli leŜących w bezpośrednim otoczeniu piksela, dla którego uzyskano \nmaksymalny współczynnik korelacji, tworzą powierzchnię aproksymowaną równaniem \npostaci:\n\n0\n2\n5\n2\n4\n3\n2\n1\na\nY\na\nX\na\nXY\na\nY\na\nX\na\ng\n+\n+\n+\n+\n+\n=\n\n(2) \ngdzie: \nX, Y \n- współrzędne piksela, \ng\n\n- wartość jasności piksela o współrzędnych X, Y, \n5\n0\na\na K\n - współczynniki równania.\n\nUkład równań rozwiązany zostaje metodą najmniejszych kwadratów, a wynikiem \nrozwiązania są współczynniki równania \n5\n0\na\na K\n. \nPołoŜenie znaczków tłowych z podpikselową dokładnością uzyskujemy zakładając \nistnienie ekstremum funkcji w punkcie o współrzędnych Xmax, Ymax. Dla takiego \nzałoŜenia zachodzić musi warunek konieczny istnienia, ekstremum dla funkcji dwóch \nzmiennych z = f(x,y). \nWarunek konieczny, czyli zerowanie pochodnych cząstkowych pierwszego rzędu, postaci \nogólnej \n0\n=\n∂\n∂\nx\nf\n i \n0\n=\n∂\n∂\ny\nf\n w przypadku równania powierzchni ma postać:\n\n0\n2\nmax\n3\nmax\n4\n1\n=\n+\n+\nY\na\nX\na\na\n\n0\n2\nmax\n5\nmax\n3\n2\n=\n+\n+\nY\na\nX\na\na\n. \nRozwiązaniem takiego układu równań są liczby Xmax, Ymax będące współrzędnymi \nznaczka tłowego w układzie pikselowym (obrazowym).\n\n3.4. Przebieg doświadczenia\n\nCelem doświadczenia było określenie stopnia przydatności programu „Interior \nOrientation 1.0” w pracach fotogrametrycznych. W doświadczeniu wykorzystano 10 zdjęć \nlotniczych wykonanych kamerą RC20. Na zdjęciach wykonanych taką kamerą znajdują się \ncztery znaczki tłowe umieszczone w naroŜnikach zdjęcia. Pomiar współrzędnych znaczków \ntłowych w układzie obrazowym wykonany został przy udziale programów: Interior \nOrientation 1.0, Dephos 4.14 oraz PCI Geomatica V.9.1. Pomiar wykonany został w trzech \netapach. NiezaleŜnym pomiarze przez dwóch operatorów manualnie na stacji Dephos. \nWykonaniu pomiaru półautomatycznego z wykorzystaniem PCI Geomatica, polegającego \nna tym, Ŝe manualnie mierzone są znaczki tłowe tylko na jednym zdjęciu naleŜącym do \ndanego projektu, a na pozostałych wykrywane są one automatycznie. Ostatnim etapem \ndoświadczenia był automatyczny pomiar z wykorzystaniem programu „Interior Orientation \n1.0”.\n\nTomasz Chwastek, Sławomir Mikrut\n\n130\n4. \nWYNIKI\n\nW wyniku przeprowadzenia orientacji wewnętrznej dla 10 zdjęć lotniczych trzema \nprogramami DEPHOS, PCI Geomatica oraz Interior Orientation uzyskano zestawy par \nwspółrzędnych obrazowych dla czterdziestu niezaleŜnie pomierzonych znaczków tłowych. \nPierwszej analizie poddano wyniki otrzymane z profesjonalnych programów, czyli \nDEPHOS i PCI Geomatica. Oczywistym jest fakt, Ŝe zarówno pomiar manualny przez \ndwóch operatorów na tej samej stacji, jak i pomiar róŜnymi programami dają róŜne wyniki. \nSpowodowane jest to róŜną interpretacją połoŜenia znaczka przez operatorów lub \nzastosowaniem róŜnych algorytmów automatycznie wykrywających znaczki. Analiza ta \nmiała na celu pokazanie, na jakim poziomie kształtują się róŜnice między tak \npomierzonymi współrzędnymi. Miało to być punktem odniesienia dla pomiaru programem \n„Interior Orientation 1.0” i odpowiedzią na pytanie, jakiego poziomu błędów naleŜy się \nspodziewać. \nNa podstawie róŜnic między współrzędnymi obrazowymi poszczególnych znaczków \ntłowych wyznaczono średni błąd pomiaru znaczka tłowego, odchylenie standardowe oraz \nwartości odchyłek maksymalnej i minimalnej (tabela 1 i 2). \nTabela 1. Wyniki pomiaru znaczków tłowych przy uŜyciu oprogramowania DEPHOS\n\nprzez dwóch niezaleŜnych operatorów \nParametry statystyczne \nUzyskane wartości [piksel] \nŚredni błąd pomiaru znaczka \n0.2498 \nOdchylenie standardowe \n0.1177 \nMaksymalna odchyłka \n0.586 \nMinimalna odchyłka \n0.015 \nTabela 2. Wyniki pomiaru znaczków tłowych przy uŜyciu oprogramowania DEPHOS\n\noraz PCI Geomatica \nParametry statystyczne \nUzyskane wartości [piksel] \nŚredni błąd pomiaru znaczka \n0.2295 \nOdchylenie standardowe \n0.1385 \nMaksymalna odchyłka \n0.663 \nMinimalna odchyłka \n0.034", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2006", "token_count": 2279, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "T. Chwastek; S. Mikrut"}
{"id": "bibliotekanauki-automation:131168:0003", "text": "Prezentacja autorskiego programu automatycznego pomiaru znaczków tłowych na obrazach zdjęć lotniczych\n\nŚredni błąd pomiaru znaczków tłowych przez róŜnych operatorów, czy teŜ \nz wykorzystaniem róŜnych programów, kształtuje się na podobnym poziomie, tj. nie \nprzekraczającym wartości 0.25 piksela. Zatem spodziewana dokładność automatycznego \npomiaru znaczków tłowych programem „Interior Orientation” nie powinna przekraczać \nwartości 0.25 piksela. \nAby potwierdzić ten fakt, dokonano porównania działania programu „Interior \nOrientation” w odniesieniu do DEPHOS oraz PCI Geomatica. Taj jak wspomniano, \npomierzono 40 znaczków tłowych. PoniŜej zestawiono wyniki (tabela 3 i 4) porównujące \nprogram „Interior Orientation” w odniesieniu do DEPHOS oraz PCI Geomatica.\n\nPrezentacja autorskiego programu automatycznego pomiaru znaczków tłowych \nna obrazach zdjęć lotniczych\n\n131\nTabela 3. Wyniki pomiaru znaczków tłowych przy uŜyciu oprogramowania DEPHOS\n\noraz „Interior Orientation” \nParametry statystyczne \nUzyskane wartości [piksel] \nŚredni błąd pomiaru znaczka \n0.1955 \nOdchylenie standardowe \n0.0761 \nMaksymalna odchyłka \n0.334 \nMinimalna odchyłka \n0.016 \nTabela 4. Wyniki pomiaru znaczków tłowych przy uŜyciu oprogramowania PCI Geomatica\n\noraz „Interior Orientation” \nParametry statystyczne \nUzyskane wartości [piksel] \nŚredni błąd pomiaru znaczka \n0.2477 \nOdchylenie standardowe \n0.1329 \nMaksymalna odchyłka \n0.668 \nMinimalna odchyłka \n0.029 \nUzyskane wyniki pokazują, Ŝe zarówno w stosunku do pomiaru manualnego, jak \ni półautomatycznego \nz \nwykorzystaniem \nprofesjonalnego \nfotogrametrycznego \noprogramowania DEPHOS oraz PCI Geomatica, program „Interior Orientation” pozwala \nosiągnąć wyniki na podobnym poziomie dokładności, tj. średnim błędzie pomiaru znaczka \nwynoszącym 0.25 piksela. W odniesieniu do wspomnianych programów robi to jednak \nautomatycznie, co w przypadku duŜej ilości zdjęć, znacznie podnosi jego wydajność.\n\n5. \nPODSUMOWANIE I WNIOSKI\n\nAutomatyzacja pomiarów na obrazach cyfrowych moŜe podnieść jakość i wydajność \nopracowań \nfotogrametrycznych. \nW \nramach \nbadań \nprowadzonych \nw \nZakładzie \nFotogrametrii i Informatyki Teledetekcyjnej AGH powstał program komputerowy, \nautorstwa Tomasza Chwastka, napisany w języku „Microsoft Visual C++ w wersji 6.0”, \npozwalający na automatyczny pomiar znaczków tłowych na obrazach cyfrowych \nuzyskanych z zeskanowanych zdjęć lotniczych. \nProgram został poddany testowaniu i porównany z podobnym komercyjnym \noprogramowaniem, tj. Dephos (pomiar manualny) oraz PCI Geomatica (pomiar \npółautomatyczny). Uzyskane wyniki pokazują, Ŝe zarówno w stosunku do pomiaru \nmanualnego jak i półautomatycznego program „Interior Orientation” pozwala osiągnąć \nwyniki na podobnym poziomie dokładności (średni błąd pomiaru znaczka wynosi 0.25 \npiksela). \nPierwsze próby związane z wykorzystaniem metod korelacyjnych pozwalają \noptymistycznie patrzeć w rozwój własnych algorytmów i oprogramowania. Ma to duŜe \nznaczenie, poniewaŜ bazowanie na własnym oprogramowaniu pozwala na jego szybki \ni nieograniczony rozwój. Zautomatyzowanie pomiaru znaczków tłowych na zdjęciach \nlotniczych jest pierwszym krokiem w kierunku automatyzacji dalszych etapów technologii \nfotogrametrycznej. Aktualnie rozwijane są algorytmy korelacji obrazów pozwalające na \nautomatyczne wykonywanie orientacji wzajemnej.\n\nTomasz Chwastek, Sławomir Mikrut\n\n132\n6. \nLITERATURA\n\nCieślar J., 2000. Automatyzacja śledzenia linii na obrazach cyfrowych. Archiwum \nFotogrametrii, Kartografii i Teledetekcji, Vol. 10, s. 31/1-31/7. \nChwastek T., 2005, Oprogramowanie automatycznego pomiaru znaczków tłowych na \nzdjęciach lotniczych. Praca magisterska, AGH. \nJachimski J., Mikrut S., 1998. Próba subpikselowej lokalizacji linii konturowych \nz wykorzystaniem drugiej pochodnej obrazu cyfrowego. Archiwum Fotogrametrii, \nKartografii i Teledetekcji, Vol. 8. s. 25/1-25/7. \nMikrut S., 2003. Wpływ skanowania i kompresji według standardu JPEG na wykrywanie \nobiektów liniowych i punktowych na obrazach cyfrowych. Rozprawa doktorska, AGH. \nTrocha \nW., \n1993. \nAutomatyzacja \npomiaru \nwzorców \nreseau \nna \nzdjęciach \nfotogrametrycznych z wykorzystaniem kamery CCD i autografu analitycznego. Rozprawa \ndoktorska, Zakład Fotogrametrii i Informatyki Teledetekcyjnej AGH.\n\nPraca wykonywana w ramach projektu badawczego KBN Nr 4T12E 00127 pt. „Ocena \nefektywności wykorzystania sieci neuronowych w procesach automatycznej korelacji zdjęć \nlotniczych”.\n\nSOFTWARE FOR AUTOMATIC MEASUREMENT OF FIDUCIAL MARKS \nON DIGITAL AIR IMAGES \nKEY WORDS: automatization, digital photogrammetry, air photography, fiducial mark, measurement\n\nSummary\n\nThe rapid development of interest in photogrammetry in recent years has been caused mainly by \nthe introduction of digital technology. In addition to rapid access to databases, another critical factor \nis the possibility of automatization of some of the processes. Contemporary software available on \ncommercial market can cut the time of photogrammetric work to a minimum. Work on the \nautomatization of photogrammetry production steps has been carried out in many research and \ndevelopment centres. \nIn addition, the Department of Photogrammetry and Remote Sensing Information of the \nUniversity of Science and Technology in Cracow (AGH) conducts research in this direction. This \nresearch was focused on the development of the automatization of measurements on digital images, \nbecause it could increase the quality and efficiency of photogrammetric work. The results shown \nbelow support the further development of own algorithms and software. It is of great importance, \nbecause relying on own software enables its quick and unlimited development. \nThis paper presents software which has been developed at University of Science and \nTechnology in the Department of Photogrammetry and Remote Sensing Information in Cracow \n(AGH).", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2006", "token_count": 1954, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "T. Chwastek; S. Mikrut"}
{"id": "bibliotekanauki-automation:131168:0004", "text": "Prezentacja autorskiego programu automatycznego pomiaru znaczków tłowych na obrazach zdjęć lotniczych\n\nThis paper presents an example of the implementation of developed algorithms, from the point \nof view of specific use, i.e. the automatic measurement of the fiducial mark on a digital image with \nknown internal orientation parameters. The original \"Interior Orientation\" software has been \ndescribed. It can execute automatic internal orientation, based on the fiducial mark images of selected\n\nPrezentacja autorskiego programu automatycznego pomiaru znaczków tłowych \nna obrazach zdjęć lotniczych\n\n133\nphotogrammetric cameras, previously defined in a database. Its accuracy was checked along with its \nuse in photogrammetric applications and compared to a professional application. The manual \nmeasurement was carried out with the use of the Dephos software, while the semi-automatic \nmeasurement was carried out under the PCI Geomatica system. The results were on a comparable \nlevel of accuracy of 0.25 pixels.\n\nMgr inŜ. Tomasz Chwastek \ne-mail: [EMAIL] \n[PHONE] \nDr inŜ. Sławomir Mikrut \ne-mail: [EMAIL] \n[PHONE]", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2006", "token_count": 271, "license": "CC BY-SA: Creative Commons Attribution-ShareAlike 4.0", "author": "T. Chwastek; S. Mikrut"}
{"id": "bibliotekanauki-automation:151410:0000", "text": "Narażenie przepięciowe układów izolacyjnych urządzeń elektroenergetycznych średniego i wysokiego napięcia\n\nPAK v o l . 5 5 , n r 6/ 2 0 0 9  389\n\nWaldemar SKOMUDEK \nPOLITECHNIKA OPOLSKA, W\nY D Z IAŁ ELEKTR OTECHNIKI, AU TOM\nATY KI I INF OR M\nATY KI \nPSE OPER ATOR SA\n\nNarażenie przepięciowe układów izolacyjnych \nurzą dzeń elekt roenerg et ycznych \nś rednieg o i wys okieg o napięcia\n\nDr inż. Waldemar S K O M\nU DE K\n\nA b s o lw e n t W\nS I w O p o lu , W\ny d z i a ł E le kt r y c z n y 1 9 8 5 r , \nP o l. Ś lą s ka w G li w i c a c h, W\ny d z i a ł E le kt r y c z n y , t r z y le t n i e \ns t u d i a d o kt o r a n c ki e z a ko ń c z o n e r o z p r a w ą d o kt o r s ką . \nD z i a ł a ln o ś ć n a u ko w a d o t y c z y g ł ó w n i e z a s t o s o w a n i a \nn o w y c h r o z w i ą z a ń u kł a d ó w i z o la c y j n y c h, o c hr o n y \np r z e d p r z e p i ę c i a m i , o c hr o n y o d p o r a ż e ń , i n f o r m a t y c z -\nn y c h s y s t e m ó w n a d z o r u o r a z n o w o c z e s n y c h r o z w i ą z a ń \np r o e ko lo g i c z n y c h. C z ł o n e k m . i n . S e kc j i W\ni e lki e j M\no c y \ni W\ny s o ki c h N a p i ę ć K o m i t e t u E le kt r o t e c hn i ki P A N , \nP T E T i S i P K W\nS E C I G R E , S e n i o r M\ne m b e r I E E E .\n\ne-m a i l : w a l d em a r . s k o m u d ek @\np s e-o p er a t o r . p l\n\nS t r e s z c z e n i e\n\nPr z e p i ę c i a, j ak o sp e c y f i c z n e o b c i ą ż e n i a e l e k tr y c z n e p o w staj ą c e p o d c z as \nr ó ż n e g o r o d z aj u stan ó w n i e ustal o n y c h w si e c i ac h e l e k tr o e n e r g e ty c z n y c h , \nw y w i e r aj ą b ar d z o n i e k o r z y stn y w p ł y w n a ur z ą d z e n i a i o b i e k ty e l e k tr o -\ne n e r g e ty c z n e . E f e k te m te g o są z ak ł ó c e n i a w p r ac y si e c i p r z e sy ł o w e j \ni d y str y b uc y j n e j o r az usz k o d z e n i a i z o l ac j i i o sp r z ę tu. Pr z e p i ę c i a i sk utk i \ni c h o d d z i ał y w ań stał y si ę p r z e d m i o te m an al i z i o c e n n ar aż e n i a uk ł ad ó w \ni z o l ac y j n y c h w y k o n an y c h p r z e z auto r a, a d an e uz y sk an e m aj ą z asad n i c z y \nw p ł y w n a d o b ó r o d p o w i e d n i c h ś r o d k ó w o c h r o n y p r z e d p r z e p i ę c i am i .\n\nS ł o w a k l u c z o w e : n ar aż e n i e p r z e p i ę c i o w e , z ak ł ó c e n i e p r ac y si e c i , uk ł ad \ni z o l ac y j n y .\n\nOv erv o lt ag e h az ard t o i n s u lat i o n \ns y s t ems i n medi u m an d h i g h v o lt ag e \nelec t ri c dev i c es\n\nA b s t r a c t\n\nO v e r v o l tag e s, as sp e c i f i c e l e c tr i c l o ad s o c c ur r i n g d ur i n g v ar i o us tr an si e n t \nstate s i n p o w e r n e tw o r k s, p l ay a v e r y d e tr i m e n tal e f f e c t o n p o w e r e l e c tr i c \nd e v i c e s an d i n stal l ati o n s [ 2 , 4 , 5 , 6] . T h e r e sul ts o f suc h e v e n ts ar e v ar i o us \nd i stur b an c e s d ur i n g o p e r ati o n o f p o w e r n e tw o r k s an d d am ag e s o f e l e c tr i c al \ne q ui p m e n t [ 1 , 3 , 7 ] . O v e r v o l tag e s an d th e e f f e c ts o f th e i r o c c ur r e n c e h av e \nb e e n th e sub j e c t o f an al y si s an d asse ssm e n t c o n c e r n e d w i th th e h az ar d \np o se d to i n sul ati o n sy ste m s un d e r tak e n b y th e auth o r [ 8 , 9 ] . T h i s asse ssm e n t \nh as f o c use d o n th e e f f e c ts o f o v e r v o l tag e s w i th a p ar ti c ul ar e m p h asi s \np l ac e d o n th e r o l e o f i ts c o n f i g ur ati o n , sy ste m o f sur f ac e g r o un d , c o n ti n ui ty \no f p o w e r sup p l y , c o st o f f ai l ur e s an d stan d ar d i z ati o n o f sy ste m s. U si n g \nr e l ati o n ( 1 ) , tak i n g i n to ac c o un t th e to tal p r o b ab i l i ty o f a l i g h tn i n g al te r n ati v e l y \nh i tti n g a p o st o r a g r o un d w i r e o f a l i n e , th e v i c i n i ty o f a p o st, th e m i d d l e \no f th e sp an o f a g r o un d w i r e , a l i v e w i r e ( d ue to th e f ai l ur e o f a sh i e l d ) th e \np o te n ti al n um b e r o f e m e r g e n c y sh ut-d o w n s o f a h i g h v o l tag e l i n e s o v e r \na y e ar h as b e e n e sti m ate d . T h e o b tai n e d r e sul ts ar e g i v e n i n T ab l e 1 an d \nsh o w a n e e d f o r th e l i m i tati o n o f p e ak v al ue s w h i c h c h ar ac te r i z e o v e r v o l tag e s. \nS uc h v al ue s w o ul d b e th e o n e s, w h i c h c an b e w i th sto o d b y i n sul ati o n \nsy ste m s w i th o ut th e o c c ur r e n c e o f an ar c o r a sp ar k -o v e r an d f ur th e r \nc o n f i r m th e sati sf ac to r y r e si stan c e o f a h i g h v o l tag e l i n e to sto r m . I n \nad d i ti o n , th e r e sul ts asso c i ate d w i th th e asse ssm e n t o f o v e r v o l tag e h az ar d \nto m e d i um an d h i g h v o l tag e e l e c tr i c al f ac i l i ti e s e n ab l e th e r e l e v an t se r v i c e s \nto un d e r tak e ad e q uate ac ti o n s i n o r d e r to d e te r m i n e th e p r i n c i p l e s r e l ati v e \nto th e se l e c ti o n o f ad e q uate m e asur e s tak e n f o r th e p r o te c ti o n o f e l e c tr i c \nf ac i l i ti e s an d d e v i c e s ag ai n st o v e r v o l tag e s.\n\nK e y w o r d s : o v e r v o l tag e h az ar d , d i stur b an c e o f a n e tw o r k , i n sul ati o n \nsy ste m .\n\n1 . Ws t ę p", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2009", "token_count": 2612, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "W. Skomudek"}
{"id": "bibliotekanauki-automation:151410:0001", "text": "Narażenie przepięciowe układów izolacyjnych urządzeń elektroenergetycznych średniego i wysokiego napięcia\n\nD uż ym z ag roż eniem dl a uk ł adó w iz ol ac yj nyc h w urz ądz eniac h \nel ek t roenerg et yc z nyc h ś rednieg o (S N ) i w ys ok ieg o (W\nN ) nap ięc ia \ns ą p rz ep ięc ia p ow s t aj ąc e w s k ut ek b ez p oś rednic h w ył adow ań \np iorunow yc h w urz ądz enia l ub w ic h p ob l iż u. K ró t k ot rw ał e p rz e-\nk roc z enie dop us z c z al nej w art oś c i nap ięc ia udarow eg o s p ow odo-\nw ać m oż e p rz es k ok l ub naw et p rz eb ic ie iz ol ac j i. \nA b y p odj ąć dz iał ania z m ierz aj ąc e do s k ut ec z nej oc h rony p rz ed \np rz ep ięc iam i nal eż y w c z eś niej dok onać oc eny s t op nia naraż enia \nurz ądz eń el ek t roenerg et yc z nyc h s p ow odow aneg o b ez p oś rednim i \nuderz eniam i p iorunó w . S t os uj ąc p rob ab il is t yc z ne c h arak t erys t yk i \np rądu p ioruna oraz z naj ąc p aram et ry k ons t ruk c yj ne i w yt rz ym ał o-\nś c iow e uk ł adó w iz ol ac yj nyc h , m oż na os z ac ow ać s p odz iew aną \nl ic z b ę w ył ąc z eń b urz ow yc h l inii w ys ok ieg o nap ięc ia w c iąg u \nrok u. W\nynik i t yc h ob l ic z eń s ą z az w yc z aj z aw yż one, al e s ł uż ą do \nz g rub nej oc eny z ag roż enia b urz ow eg o iz ol ac j i l iniow ej i s k ut ec z -\nnoś c i s t os ow anej oc h rony odg rom ow ej . W\n t ym c el u nal eż y p os ł u-\nż yć s ię z al eż noś c ią uw z g l ędniaj ąc ą ł ąc z nie p raw dop odob ień s t w o \nal t ernat yw neg o uderz enia p ioruna: w s ł up l ub w p rz ew ó d odg ro-\nm ow y l inii, w p ob l iż u s ł up a, w ś rodek p rz ęs ł a p rz ew odu odg ro-\nm ow eg o, w p rz ew ó d rob oc z y (w s k ut ek z aw odnoś c i os ł ony) . M\na \nona nas t ęp uj ąc ą p os t ać [ 1 ] :\n\n[\n]\nr\nrd\nr\nid\ns\nsd\nosr\nwobl\nI\nP\ns\nP\nI\nP\nh\nN\nη\nψ\nη\nψ\nη\nψ\n)\n(\n)\n(\n)\n(\n)\n1,8\n...\n8,\n4\n(\n0\n0\ns\n5\n,\n0\n+\n+\n≅\n\n(1 )\n\np rz y c z ym :\n\np\ns\nosr\nf\nh\nh\n3\n2\n−\n=\n - ś rednia w ys ok oś ć z aw ies z enia naj w yż s z eg o \np rz ew odu (odg rom ow eg o l ub rob oc z eg o) , w m , \nsh - w ys ok oś ć s ł up a, w m , \npf - z w is naj w yż s z eg o p rz ew odu w p rz ęś l e, w m , \n6,0\n...\n5,0\n≅\ns\nψ\n - p raw dop odob ień s t w o uderz enia p ioruna w s ł up \n(w art oś c i s z ac unk ow e) , \n5,0\n...\n4,0\n0 ≅\nψ\n - p raw dop odob ień s t w o uderz enia p ioruna w ś ro-\ndek p rz ęs ł a p rz ew odu odg rom ow eg o (w art oś c i \ns z ac unk ow e) , \n01\n,0\n≅\nr\nψ\n - p raw dop odob ień s t w o uderz enia p ioruna w p rz ew ó d \nrob oc z y (w art oś ć s z ac unk ow a) \ns\ns\nzu\nu\nsd\nh\nR\nU\nI\nδ\n+\n≅\n50\n - dop us z c z al ny p oz iom p rądow y udarow y, w k A , \n)\n1(\n2250\nu\np\nor\nid\nk\nl\na\ns\n−\n≅\n - dop us z c z al na s t rom oś ć c z oł a f al i p rądow ej \np ioruna, w k A / µ s , \n)\n1(\n100\n50\nu\nu\nrd\nk\nU\nI\n−\n≅\n - dop us z c z al ny p oz iom p rądow y udarow y dl a \nł ań c uc h a iz ol at oró w , w k A , \nP(Isd) , P(Ir d) , P(si d) - p raw dop odob ień s t w a w ys t ąp ienia p ioruna \no w art oś c i s z c z yt ow ej p rz ek rac z aj ąc ej do-\np us z c z al ny p oz iom p rądow y udarow y Isd \ni Ir d l ub dop us z c z al ną s t rom oś ć c z oł a f al i \np rądow ej si d (odp ow iednio p rz yp adk i 1 , 3 , 2 \nna rys . 1 , \n50\nu\nU\n - p ięć dz ies ięc iop roc ent ow e udarow e nap ięc ie p rz es k ok u \niz ol ac j i doz iem nej , w k V , \nzu\nR - rez ys t anc j a udarow a uz iem ienia s ł up a, w Ω,\n\n390  PAK v o l . 5 5 , n r 6/ 2 0 0 9\n\n3,0\n...\n15\n,0\n≅\np\nδ\n - w s p ó ł c zyn n i k u w zg l ę dn i aj ą c y p ozor n y w zr os t \nr ezys t an c j i u zi em i en i a s ł u p a w s k u t ek n ap i ę ć i n -\ndu k ow an yc h ( odp ow i edn i o dl a l i n i i z dw om a \ni j edn ym p r zew odem odg r om ow ym ) , \nlp - r ozp i ę t oś ć p r zę s ł a, w m , \niz\na - dł u g oś ć ł ań c u c h a i zol at or ó w , w m , \nor\na\n - ods t ę p m i ę dzy p r zew odem odg r om ow ym a r ob oc zym \nw ś r odk u p r zę s ł a, w m , \n6,0\n...\n3,0\n=\nuk\n - w s p ó ł c zyn n i k s p r zę ż en i a p r zew odó w odg r om ow e-\ng o i r ob oc zeg o, u w zg l ę dn i aj ą c y u l ot dyn am i c zn y, \n04\n,0\n015\n,0\n−\n≅\ns\ns\nE\nη\n - p r aw dop odob i eń s t w o w ył adow an i a ł u k o-\nw eg o p r zy u der zen i u p i or u n a w s ł u p ( r ys . 1 , \np r zyp adek 1 ) , \n04\n,0\n015\n,0\n0\n0\n−\n≅\nE\nη\n - p r aw dop odob i eń s t w o w ył adow an i a ł u k o-\nw eg o w p r zę s ł o p r zew odu odg r om ow eg o \n( r ys . 1 , p r zyp adek 2 ) , \n04\n,0\n015\n,0\n−\n≅\nr\nr\nE\nη\n - p r aw dop odob i eń s t w o w ył adow an i a ł u k o-\nw eg o p r zy u der zen i u p i or u n a w p r zę s ł o \np r zew odu r ob oc zeg o ( r ys . 1 , p r zyp adek 3 ) , \n3\niz\nm\nr\ns\na\nU\nE\nE\n≅\n≅\n - ś r edn i e n at ę ż en i e p ol a el ek t r yc zn eg o dl a \nł ań c u c h a i zol at or ó w w w ar u n k ac h r ob oc zyc h , \nw k V / m ; \n3\n0\nor\nm\na\nU\nE ≅\n - ś r edn i e n at ę ż en i e p ol a el ek t r yc zn eg o dl a ods t ę p u \np ow i et r zn eg o p r zew ó d r ob oc zy – p r zew ó d od-\ng r om ow y w w ar u n k ac h r ob oc zyc h , w k V / m ; \nm\nU - n aj w yż s ze n ap i ę c i e s i ec i , w k V .\n\nA b y dok ł adn i e oc en i ć s t op i eń zag r oż en i a l i n i i n ap ow i et r zn yc h \nW\nN s p ow odow an eg o s k ł adow ym i n ap i ę c i a ( p r zep i ę c i a) p oj aw i a-\nj ą c eg o s i ę w s k u t ek b ezp oś r edn i c h u der zeń p i or u n ó w , n al eż y – \nk or zys t aj ą c z w zor u ( 1 ) – u w zg l ę dn i ć p r aw dop odob i eń s t w o j ed-\nn oc zes n eg o p r zek r oc zen i a w ar t oś c i s zc zyt ow yc h i s t r om oś c i c zoł a \nu dar ow yc h p r ą dó w p i or u n ow yc h , dop u s zc zal n yc h dl a r ozp at r y-\nw an yc h i zol at or ó w l u b ł ań c u c h ó w i zol at or ó w or az ods t ę p ó w \np ow i et r zn yc h p r zew ó d r ob oc zy – p r zew ó d odg r om ow y.", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2009", "token_count": 2978, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "W. Skomudek"}
{"id": "bibliotekanauki-automation:151410:0002", "text": "Narażenie przepięciowe układów izolacyjnych urządzeń elektroenergetycznych średniego i wysokiego napięcia\n\nR y s. 1 . C h a r a k ter y sty c z n e p r z y p a d k i p o w sta w a n i a p r z ep i ę ć p r z y u d er z en i u \np i o r u n a : 1 – u d er z en i e w sł u p , 2 – u d er z en i e w ś r o d ek p r z ę sł a p r z ew o d u \no d g r o m o w eg o , 3 – u d er z en i e w p r z ew ó d r o b o c z y ( w sk u tek z a w o d n o ś c i \no c h r o n y o d g r o m o w ej ) , 4 – u d er z en i e o b o k l i n i i ; Ru – r ez y sta n c j a \nu z i em i en i a sł u p a \nF i g . 1 . C h a r a c ter i sti c c a ses o f o v er v o l ta g es d u e to l i g h tn i n g str o k e: 1 – str o k e \ni n to a to w er , 2 – str o k e i n to th e c en tr e o f l i g h tn i n g c o n d u c to r sp a n , \n3 – str o k e i n to th e p h a se c o n d u c to r ( r esu l ti n g f r o m a f a i l u r e o f l i g h tn i n g \np r o tec ti o n ; 4 – str o k e i n to th e a r ea a r o u n d th e l i n e; Ru – ea r th r esi sta n c e \no f a to w er .\n\n2. O c e n a n a r a ż e n i a p r z e p i ę c i o w e g o\n\nW\n c el u ok r eś l en i a w ar t oś c i p ar am et r ó w op i s u j ą c yc h zag r oż en i e \ni zol ac j i w ys ok on ap i ę c i ow yc h l i n i i n ap ow i et r zn yc h , s p ow odow an e \nb ezp oś r edn i m i u der zen i am i p i or u n ó w w yk on an o ob l i c zen i a dl a \nl i n i i n ap ow i et r zn yc h W\nN , w yp os aż on yc h w ł ań c u c h y i zol at or ó w \no zr ó ż n i c ow an ej dł u g oś c i , a w yn i k i zes t aw i on o w t ab l i c y 1 . J a-\nk oś ć oc h r on y odg r om ow ej r ozp at r yw an yc h l i n i i oc en i on o n a \np ods t aw i e – s f or m u ł ow an ej w l i t er at u r ze [ 2 , 4 , 5 ] i s k on f r on t ow a-\nn ej z doś w i adc zen i em p r ak t yc zn ym – u m ow n ej s k al i odp or n oś c i \nb u r zow ej . P r zyj ę t o z du ż ym p r zyb l i ż en i em , ż e j eż el i r oc zn y \nw s k aź n i k w s zys t k i c h w ył ą c zeń b u r zow yc h N\nwobl ≤ 1 , t o oc h r on a \nodg r om ow a j es t b ar dzo dob r a, g dy 1 < N\nwobl ≤ 1 0 , oc h r on a od-\ng r om ow a j es t dob r a l u b dos t at ec zn a, n at om i as t g dy N\nwobl > 1 0 , t o \noc h r on a odg r om ow a p ow i n n a b yć u zn an a za n i ew ys t ar c zaj ą c ą . \nO t r zym an e w yn i k i p ot w i er dzaj ą odp or n oś ć b u r zow ą l i n i i n ap o-\nw i et r zn yc h W\nN n a p ozi om i e zadow al aj ą c ym ( l p . 9 , 1 0 , 1 1 w t ab l . 1 ) .\n\nT a b . 1 . W\ny n i k i o b l i c z eń p r z y k ł a d o w y c h p a r a m etr ó w sł u ż ąc y c h d o o c en y \nsto p n i a n a r a ż en i a l i n i i n a p o w i etr z n y c h 1 1 0 k V w sk u tek b ez p o ś r ed n i c h \nu d er z eń p i o r u n ó w \nT a b . 1 . C a l c u l a ti o n r esu l ts f o r ex em p l a r y p a r a m eter s u sed f o r th e a ssessm en t \no f h a z a r d d eg r ee p o sed to 1 1 0 k V o v er h ea d l i n e a s a r esu l t o f d i r ec t \nl i g h tn i n g str o k e\n\nLinia napowietrzna o napięciu znamionowym \nUn = 110 k V \nD ł ug oś ć ł ań cuch a izol atoró w (w mm) \nLp. \nP arametr \nob l iczeniowy \n160 0 \n1745 \n1873 \n1925 \n20 18 \n20 30 \n2183 \n1 \nIsd, w k A \n41, 52 \n2 \nsi d, w k A / µ s \n50 , 5 \n3 \nIrd, w k A \n12, 2 \n4 \nP(Isd) \n0 , 33 \n5 \nP(si d) \n0 , 31 \n6 \nP(Ird) \n0 , 88 \n7 \nηs, (ηr) \n0 , 638 \n0 , 581 \n0 , 539 \n0 , 523 \n0 , 497 \n0 , 494 \n0 , 460 \n8 \nη0 \n0 , 157 \n9 \nd l a Nd = 20 \n3, 54 \n3, 27 \n3, 0 7 \n2, 99 \n2, 87 \n2, 86 \n2, 70 \n10 \nd l a Nd = 27 \n4, 79 \n4, 43 \n4, 16 \n4, 0 5 \n3, 90 \n3, 87 \n3, 65 \n11 \nNw o b l \nd l a Nd = 30 \n5, 90 \n5, 45 \n5, 11 \n4, 99 \n4, 79 \n4, 76 \n4, 50 \nD od atk owe zał oż enia: \nlp = 350 m; ao r = 5, 5 m; hp = 35 m; Rz u = 10 Ω; ku = 0 , 3; ψs = 0 , 5; ψ0 = 0 , 4; ψr = 0 , 0 1.\n\nZ ob l i c zeń w yn i k a r ó w n i eż , ż e w s k aź n i k w ył ą c zeń b u r zow yc h \ns p ow odow an yc h u der zen i em w p r zew ó d r ob oc zy ( z om i n i ę c i em \np r zew odu odg r om ow eg o) j es t n a p ozi om i e k i l k u t ys i ę c zn yc h , c o \nś w i adc zy o t ym , ż e t ak i e zdar zen i e w ys t ę p u j e b ar dzo r zadk o. \nO b l i c zen i a w yk on an o dl a t r zec h r ó ż n yc h p ozi om ó w i zok er au n i c z-\nn yc h Nd, w ys t ę p u j ą c yc h w ob s zar ze P ol s k i [ 9 ] .\n\nR y s. 2 . W\np ł y w d ł u g o ś c i ł a ń c u c h a i z o l a to r ó w l i n i i W\nN n a w a r to ś ć w sk a ź n i k a \nw y ł ąc z eń b u r z o w y c h l i n i i Nwobl d l a r ó ż n y c h o b sz a r ó w P o l sk i ( Nd = 2 0 …\n3 0 ) \nF i g . 2 . E f f ec t o f th e i n su l a to r str i n g l en g th i n H V l i n e o n th e i n d ex o f sto r m b r ea k s \no f l i n es Nwobl f o r v a r i o u s a r ea s o f P o l a n d ( Nd = 2 0 …\n3 0 )\n\nPAK v ol . 5 5 , nr 6/2 0 0 9  391\n\nR y s . 3 . W\np ł y w d ł u g o ś c i i z o l a t o r a ( ł a ń c u c h a i z o l a t o r ó w ) n a p r a w d o p o d o b i eń s t w o \nw y ł a d o w a n i a ł u k o w eg o p r z y u d er z en i u p i o r u n a w s ł u p l u b w p r z ę s ł o \np r z ew o d u r o b o c z eg o l i n i i \nF i g . 3 . E f f ec t o f t h e i n s u l a t o r l en g t h ( i n s u l a t o r s t r i n g ) o n a r c d i s c h a r g e p r o b a b i l i t y \nf o r p o l e o r s p a n o f a l i n e l i v e c o n d u c t o r", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2009", "token_count": 2706, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "W. Skomudek"}
{"id": "bibliotekanauki-automation:151410:0003", "text": "Narażenie przepięciowe układów izolacyjnych urządzeń elektroenergetycznych średniego i wysokiego napięcia\n\nW\n każ dym p rz yp adku ot rz yman e w art oś c i w s kaź n i ka w ył ąc z eń \nburz ow yc h p ot w i erdz aj ą, ż e z as t os ow an a oc h ron a odg romow a \nw l i n i ac h w ys oki eg o n ap i ęc i a j es t dobra ( s kut ec z n a) . Z mi en n oś ć \nw s kaź n i ka w ył ąc z eń burz ow yc h w z al eż n oś c i od l i c z by dn i bu-\nrz ow yc h w c i ąg u roku p rz eds t aw i on o n a rys . 2 , a w p ł yw dł ug oś c i \ni z ol at ora ( ł ań c uc h a i z ol at oró w ) n a p raw dop odobi eń s t w o w ył ado-\nw an i a ł ukow eg o i l us t ruj e rys . 3 . \nZ uw ag i n a p robabi l i s t yc z n y c h arakt er p aramet ró w p rądu p i o-\nrun a w yn i ki obl i c z eń p rz eds t aw i on e w t abl i c y 1 oraz g raf i c z n i e n a \nrys un ku 3 s ą p rz ybl i ż on e i z w ykl e z aw yż on e, al e p oz w al aj ą os z a-\nc ow ać z ag roż en i e burz ow e l i n i i n ap ow i et rz n yc h oraz – p oś redn i o \n– s kut ec z n oś ć z as t os ow an ej oc h ron y odg romow ej .\n\n3. W\np ł y w w y b r a n y c h c z y n n i k ó w n a p o z i o m\n\nn a r a ż e n i a p r z e p i ę c i o w e g o\n\nW\nś ró d w i el u c z yn n i kó w maj ąc yc h w p ł yw n a p oz i om n araż en i a \np rz ep i ęc i ow eg o s i ec i el ekt roen erg et yc z n yc h S N i W\nN i s t ot n ą rol ę \nodg ryw aj ą kon f i g urac j a s i ec i i s p os ó b p oł ąc z en i a z z i emi ą p un kt u \nn eut ral n eg o. Z doś w i adc z eń p rakt yc z n yc h w yn i ka, ż e p rz ep i ęc i a \np ow s t aj ąc e w s kut ek p rz ep ł yw u p rądu z w arc i a ( w s z c z eg ó l n oś c i \nz w arc i a j edn of az ow eg o) mog ą s t an ow i ć z ag roż en i e dl a i z ol ac j i \nurz ądz eń s i ec i ow yc h [ 1 0 ] . \nD o ś rodkó w s ł uż ąc yc h og ran i c z en i u p rz ep i ęć w s i ec i ac h S N \ni W\nN odp ow i adaj ąc yc h w ymi en i on ym c z yn n i kom n al eż ą: p odz i ał \ns i ec i ( roz c i n an i e s i ec i dw u- i w i el os t ron n i e z as i l an yc h , s ekc j on o-\nw an i e s z yn w roz dz i el n i ac h s i ec i ow yc h ) p ow oduj ąc y og ran i c z en i e \np oz i omu moc y z w arc i ow ej i w ybó r s p os obu p oł ąc z en i a p un kt u \nn eut ral n eg o z z i emi ą, z ap ew n i aj ąc y og ran i c z en i e p rądu n i es kom-\np en s ow an eg o do w art oś c i ki l ku amp eró w . \nO p an ow an i e p rądó w z w arc i a – z uw ag i n a w yt rz ymał oś ć ł ąc z e-\nn i ow ą, c i ep l n ą i dyn ami c z n ą ap arat ury, kon s t rukc j i roz dz i el n i , \nkabl i i p rz ew odó w roboc z yc h i odg romow yc h l i n i i n ap ow i et rz -\nn yc h – w ymag a z as t os ow an i a roz w i ąz ań p ol eg aj ąc yc h n a odp o-\nw i edn i m uks z t ał t ow an i u s t rukt ury s i ec i . D okon uj ąc p rz eł ąc z eń \nw z bi orz e el emen t ó w s i ec i z mi an i e ul eg a drog a p rz ep ł yw u p rądu \nz w arc i a, a t ym s amym z mi en i a s i ę w art oś ć i mp edan c j i p ęt l i z w ar-\nc i ow ej , w kt ó rym p ł yn i e p rąd z w arc i a. \nW\nart oś c i p rądó w z w arc i ow yc h , a t akż e p rz ep i ęc i a t ow arz y-\ns z ąc e t ym z w arc i om, z al eż ą ró w n i eż od s p os obu p oł ąc z en i a \nz z i emi ą p un kt u n eut ral n eg o s i ec i ( p un kt u g w i az dow eg o t ran s -\nf ormat oró w p rac uj ąc yc h w s i ec i ) . W\n kraj ow ym s ys t emi e el ek-\nt roen erg et yc z n ym z e s kut ec z n i e uz i emi on ym p un kt em n eut ral -\nn ym p rac uj ą s i ec i o n ap i ęc i u z n ami on ow ym 1 1 0 , 2 2 0 i 4 0 0 kV \noraz s i ec i n i s ki eg o n ap i ęc i a. S i ec i ś redn i c h n ap i ęć p rac uj ą \nz p un kt em n eut ral n ym i z ol ow an ym al bo uz i emi on ym p rz ez \nreakt an c j ę l ub rez ys t an c j ę. \nN aj w i ęks z e z ag roż en i e s t w arz aj ą z w arc i a doz i emn e o ł uku \np rz eryw an ym, g dyż p ow oduj ą p rz ep i ęc i a o duż yc h w art oś c i ac h \ns z c z yt ow yc h [ 1 0 ] . D ot yc z y t o w s z c z eg ó l n oś c i s i ec i i z ol ow an yc h \ni p rac uj ąc yc h z p un kt em n eut ral n ym uz i emi on ym p rz ez i n dukc yj -\nn oś ć .\n\n4 . P o d s u m\no w a n i e\n\nO c en a s kut kó w oddz i ał yw an i a p rz ep i ęć w s i ec i ac h el ekt roen er-\ng et yc z n yc h S N i W\nN p ot w i erdz i ł a odp orn oś ć burz ow ą l i n i i w ys o-\nki eg o n ap i ęc i a n a p oz i omi e z adow al aj ąc ym oraz w ykaz ał a p ot rz e-\nbę og ran i c z an i a w art oś c i s z c z yt ow yc h c h arakt eryz uj ąc yc h p rz e-\np i ęc i a do t aki c h , kt ó re ukł ady i z ol ac yj n e s ą w s t an i e w yt rz ymać \nbez p rz es koku l ub p rz ebi c i a. \nW\nyn i ki os z ac ow an i a n araż en i a p rz ep i ęc i ow eg o ukł adó w i z ol a-\nc yj n yc h urz ądz eń el ekt roen erg et yc z n yc h ś redn i eg o i w ys oki eg o \nn ap i ęc i a p oz w al aj ą n a p odj ęc i e dz i ał ań z mi erz aj ąc yc h do uś c i ś l e-\nn i e z as ad doboru odp ow i edn i c h ś rodkó w oc h ron y obi ekt ó w \ni urz ądz eń el ekt roen erg et yc z n yc h p rz ed p rz ep i ęc i ami . \nP rz ep row adz on a oc en a w p ł yw u s p os obu p oł ąc z en i a z z i emi ą \np un kt u n eut ral n eg o s i ec i n a w art oś ć p rz ep i ęć w ys t ęp uj ąc yc h \np odc z as z akł ó c eń w s i ec i ac h S N w ykaz ał a, ż e p oz i om p rz ep i ęć \nz ag raż aj ąc y i z ol ac j i urz ądz eń w ys t ęp uj e p rz ede w s z ys t ki m \nw s i ec i ac h z i z ol ow an ym p un kt em n eut ral n ym, p odc z as z w arć \ndoz i emn yc h z ł uki em p rz eryw an ym.\n\n5 . L i t e r a t u r a", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2009", "token_count": 2615, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "W. Skomudek"}
{"id": "bibliotekanauki-automation:151410:0004", "text": "Narażenie przepięciowe układów izolacyjnych urządzeń elektroenergetycznych średniego i wysokiego napięcia\n\n[ 1 ] P. C h ow d h u r i : R e s p ons e of ov e r h e a d l i ne s of f i ni t e l e ng t h t o ne a r b y \nl i g h t ni ng s t r ok e s . I E E E T r a ns . O n Pow e r D e l i v e r y , V ol . 6, N o 1 , \n1 9 9 1 , p p . 3 4 3 -3 4 1 . \n[ 2 ] Z . F l i s ow s k i : T e ch ni k a W\ny s ok i ch N a p i ę ć ( w y d . 5 ) . W\nN T , W\na r s z a w a \n2 0 0 5 . \n[ 3 ] F l i s ow s k i Z . , Kos z t a l u k R . : M\ne t od y r e d u k cj i p r z e p i ę ć w s i e ci a ch \ne l e k t r y cz ny ch . Pr z e g l ą d E l e k t r ot e ch ni cz ny N r 1 1 /2 0 0 1 , s . 2 69 -2 7 3 . \n[ 4 ] Z . G a ce k : T e ch ni k a w y s ok i ch na p i ę ć . I z ol a cj a w y s ok ona p i ę ci ow a \nw e l e k t r oe ne r g e t y ce . Pr z e p i ę ci a i och r ona p r z e d p r z e p i ę ci a m i ( w y d . 3 ) . \nS k r y p t Pol . Ś l ą s k i e j nr 2 1 3 7 , G l i w i ce 1 9 9 9 . \n[ 5 ] Z . G a ce k : W\ny s ok ona p i ę ci ow a t e ch ni k a i z ol a cy j na . W\ny d . Pol . Ś l ą s k i e j , \nG l i w i ce 2 0 0 6. \n[ 6] J . L . J a k u b ow s k i : Pod s t a w y t e or i i p r z e p i ę ć w u k ł a d a ch e l e k t r oe ne r g e -\nt y cz ny ch . PW\nN , W\na r s z a w a 1 9 68 . \n[ 7 ] Z . Poh l : N a p ow i e t r z na i z ol a cj a w y s ok ona p i ę ci ow a w e l e k t r oe ne r g e t y -\nce . O f i cy na W\ny d . Pol . W\nr ocł a w s k i e j , W\nr ocł a w 2 0 0 3 . \n[ 8 ] W\n. S k om u d e k : T h e a na l y s i s of ov e r v ol t a g e h a z a r d i n s e l e ct e d p ow e r \nne t w or k s y s t e m s . Z N E l e k t r y k a N r 5 6. O f i cy na W\ny d . Pol . O p ol s k i e j , \nO p ol e 2 0 0 6. \n[ 9 ] W\n. S k om u d e k , Z . G a ce k : I nf l u e nce of s e l e ct e d p a r a m e t e r s of \nov e r v ol t a g e s on h a z a r d of i ns u l a t i ng s y s t e m s i n M\nV p ow e r l i ne s . \nE l e ct r oni cs a nd E l e ct r i ca l E ng i ne e r i ng , N r 2 /2 0 0 6, L i t h u a ni a , p p . \n8 8 -9 1 . \n[ 1 0 ] W\n. S k om u d e k : Ana l i z a i oce a n s k u t k ó w p r z e p i ę ć w e l e k t r oe ne r g e -\nt y cz ny ch s i e ci a ch ś r e d ni e g o i w y s ok i e g o na p i ę ci a . O f i cy na W\ny d . Pol . \nO p ol s k i e j , O p ol e 2 0 0 8 .\n\n_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ \nArtykuł recenzowany", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2009", "token_count": 1228, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "W. Skomudek"}
{"id": "bibliotekanauki-automation:152751:0000", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\n548  PAK vol. 59, nr 6/2013\n\nZygmunt Lech WARSZA 1, Adam IDŹKOWSKI 2 \n1 PRZEMYSŁOWY INSTYTUT AUTOMATYKI I POMIARÓW, Warszawa \n2 POLITECHNIKA BIAŁOSTOCKA, WYDZIAŁ ELEKTRYCZNY\n\nAnaliza błędów granicznych i niepewności mostków sensorowych \njako przetworników rezystancji na napięcie\n\nDoc. dr inż. Zygmunt Lech WARSZA\n\nUkończył Wydział Elektryczny Politechniki Warszaw-\nskiej 1959, doktorat 1967, docent od 1970. Praca: \nInstytut Elektrotechniki 1958 –63 i 1994 –95, Politech-\nnika Warszawska 1960–70, Politechnika Świętokrzyska \n1970–78, zorganizował i kierował Ośrodkiem Aparatury \nPomiarowej IMGW 1978–82 oraz Zakładem Automaty-\nzacji i Pomiarów Instytutu Chemii Przemysłowej 1983-\n92, wykładał na Politechnice Radomskiej 1983 -2002, \nobecnie - Przemysłowy Instytut Automatyki i Pomiarów \nPIAP. Autorstwo ponad 180 publikacji, 4 monografii.\n\ne-mail: [EMAIL]\n\nStreszczenie\n\nPo krótkim wprowadzeniu w tabeli 1 podano funkcje rozwarciowych \nwspółczynników przetwarzania rezystancji na napięcie i ich zracjonalizo-\nwane postacie iloczynowe dla przetwornika w postaci mostka rezystancyj-\nnego (4R) o zasilaniu prądowym lub napięciowym i dowolnych przyro-\nstach rezystancji jego ramion. Przedstawiono dwa zaproponowane ujęcia \nbłędów i niepewności: jednorodne, w wartościach względnych odniesio-\nnych do czułości początkowych i dwuskładnikowe – z wyodrębnieniem \nskładników dla stanu początkowego i dla przyrostu funkcji przetwarzania. \nRozpatrzono przetworniki rezystancji – mostki, o jednakowych rezystan-\ncjach początkowych i pięciu najczęściej stosowanych wariantach ich \nprzyrostów. Przedstawiono charakterystyki ich rozwarciowych funkcji \nprzetwarzania oraz błędów granicznych i niepewności standardowych przy \nzasilaniu prądowym i napięciowym. Dla wariantów mostka o liniowych \nfunkcjach przetwarzania podano dwie uogólnione postacie błędów gra-\nnicznych. Wskazano możliwości zastosowania obu opisów dokładności.\n\nSłowa kluczowe: przetwornik, mostek rezystancyjny, błąd, niepewność.\n\nFunctions of limit errors and uncertainties \nof sensor bridges as resistance to voltage \nconverters\n\nAbstract\n\nAfter short introduction, in table 1 functions of transfer coefficients and \ntheir rationalized forms of the converter R/U as the unloaded four arms \nbridge of arbitrary variable arm resistances, supplied from current or \nvoltage source, are given together with their error propagation formulas. \nTwo types of description of their errors and uncertainties, i.e. related to \ninitial sensitivities of functions of bridge transfer coefficients and their \nrationalized double component forms for zero and increments of these \ntransfer function, are introduced. Metrological properties of the commonly \nused bridge of similar initial arm resistances in balance and five variants of \ntheir increments are discussed. Transfer coefficient, limited error (worse \ncase) and standard uncertainty as functions of relative increments in broad \nrange are shown for these variants. Generalized formulas for bridges of the \nlinear transfer function are introduced. Both methods are found also as the \nuniversal solution for other parametric sensor circuits.\n\nKeywords: converter, resistance bridge, accuracy, error, uncertainty.\n\n1. Wstęp\n\nPrzy współczesnym wysokim poziomie technologii cyfrowej \ndokładność pomiarów zależy głównie od metrologicznych wła-\nściwości analogowej części torów pomiarowych oraz od właści-\nwego doboru modelu dla badanego obiektu i oprogramowania. \nDlatego też do oceny dokładności systemów pomiarowych i nie-\npewności pomiarów konieczna jest szczegółowa identyfikacja \ni opis właściwości wejściowego układu kondycjonowania sygnału, \nczęsto scalonego konstrukcyjnie z czujnikiem. \nDr inż. Adam IDŹKOWSKI\n\nUkończył studia magisterskie w 2001 r. na kierunku \nelektronika i telekomunikacja na Wydziale Elektrycz-\nnym Politechniki Białostockiej. W 2013 r. uzyskał tytuł \ndoktora w dyscyplinie elektrotechnika, specjalność \nmetrologia i systemy pomiarowe. Jest adiunktem \nw Katedrze Elektrotechniki Teoretycznej i Metrologii. \nJego zainteresowania obejmują komputerowe systemy \npomiarowe, mostki pomiarowe, inżynierię biomedycz-\nną. Jest autorem (współautorem) 42 publikacji.\n\ne-mail: [EMAIL]", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 1449, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0001", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\nParametry większości czujników zależą w sposób uwikłany od \nkilku wielkości i mogą zmieniać się nawet w znacznych zakre-\nsach. Tylko nieliczne z nich, np. termorezystory i termistory są \nselektywne. Dotychczas preferuje się układy pomiarowe z czujni-\nkami pojedynczych wielkości, a wpływy innych zmniejsza się \nprzez ekranowanie, termostatyzację, kompensację w układach \nróżnicowych lub korygowanie sygnału za pomocą dodatkowych \nczujników. Rozwiązania takie ograniczają miniaturyzację i roz-\ndzielczość w badaniach rozkładu przestrzennego pól wielkości ze \nsobą sprzężonych. Alternatywą jest równoczesny pomiar kilku \nwielkości różnie wpływających na parametry elementów czujnika, \nw tym za pomocą niekonwencjonalnie zasilanych przetworników \no układach mostkowych [2, 13]. \nW literaturze rozpatrywano zwykle dokładność układów pomia-\nrowych z poszczególnymi rodzajami czujników pojedynczej \nwielkości, np. z termistorami dla pomiaru temperatury, tensome-\ntrami – dla naprężenia i siły. Właściwości mostków niezrównowa-\nżonych jako układów do kondycjonowania sygnałów w pomiarach \nczujnikami parametrycznymi omówiono szczegółowo w [1 - 3]. \nDo opisu dokładności układów stosuje się błędy bieżące systema-\ntyczne i przypadkowe oraz dla najgorszego przypadku błędy \ngraniczne, a dla opisu dokładności pomiarów - niepewności. \nNazywa się je tutaj ogólnie miarami dokładności. W monografii \n[2] i następnych pracach [4 - 12] wyznaczono opisy miar dokład-\nności parametrów roboczych na zaciskach zewnętrznych układu \n4T dla dowolnych wartości przyrostów jego rezystancji oraz ich \nmiar i różnych, w tym niekonwencjonalnych sposobów zasilania. \nOpracowano też, podobny jak dla woltomierzy cyfrowych, opis \ntych miar metodą dwuskładnikową [9 - 12]. Ujęcia te omawia się \nponiżej w skrócie. Zasadniczym celem tej pracy jest jednak gra-\nficzne przedstawienie charakterystyk współczynników przetwa-\nrzania oraz ich błędów granicznych i niepewności w funkcji przy-\nrostów rezystancji dla stosowanych zwykle w pomiarach podsta-\nwowych wariantów mostka o jednakowych rezystancjach począt-\nkowych, oznaczonego tu symbolem 4R10. Analiza tych przebie-\ngów umożliwia ujawnić właściwości metrologiczne mostków \nsensorowych nieopisywane w literaturze.\n\n2. Rozwarciowe funkcje przetwarzania \nmostka 4R i ich miary dokładności\n\nW opisie dokładności urządzeń pomiarowych stosuje się dwa \nrodzaje miar: \n- błędy bieżące, graniczne i przypadkowe znamionowych para-\nmetrów przyrządów pomiarowych, \n- niepewność rozszerzona wyniku pomiarów szacowana według \nzaleceń Przewodnika GUM na postawie niepewności standardowej \ntypu A, wyznaczanej z rozrzutu obserwacji pomiarowych, i nie-\npewności standardowej typu B, estymowanej dla wypadkowego \nrozkładu nieusuniętych przez poprawki błędów składowych syste-\nmu pomiarowego mogących wystąpić w danym pomiarze.\n\nPAK vol. 59, nr 6/2013  549\n\nNa rysunku 1 podano schemat mostka sensorowego jako pa-\nsywnego przetwornika przyrostów jego rezystancji na napięcie.\n\nRys. 1. Schemat układu 4R jako czwórnika typuX \nFig. 1. \nScheme of the 4R circuit as X type twoport\n\nPodstawowe równanie tego układu jest następujące\n\nDC\nCD\nAB\nDC\nI\nR\nI\nr\nU\n\n21\n/\n\n(1)\n\nDla układu nieobciążonego RL→ ∞, IDC →0, \n\n\nDC\nDC\nU\nU /\n, stąd\n\nAB\nDC\nI\nr\nU\n21\n\n\n lub \nAB\nDC\nU\nk\nU\n21\n\n\n\n(1a,b)\n\nDla RG<<RAB występuje idealne zasilanie prądowe, IAB=J, a gdy \nRG<<RAB -idealne zasilanie napięciowe, UAB=E. \nW układzie z rysunku 1 może zmieniać się zarówno tylko jedna \nrezystancja czujnika, np. R1, jak i równocześnie dwie lub cztery, \nzarówno niezależnie, jak i jako ze sobą sprzężone. \nW tabeli 1 podano wzory dla błędów bieżących, granicznych \ni niepewności standardowych (na ciemniejszym tle) zarówno \nzmiennej rezystancji Ri=Ri0(1+i) jak i dla współczynników prze-\ntwarzania niezrównoważonego mostka 4R z rys. 1, jako przetwor-\nnika przy zasilaniu prądowym J oraz napięciowym E. \nZe wzorów (1a,b), przy zmiennych rezystancjach Ri=Ri0(1+εi) \nukładu mostkowego o wartościach początkowych Ri0 w stanie \nrównowagi układu (6) i dowolnych przyrostach względnych εi \nwyznaczono rozwarciowe współczynniki przetwarzania: r21 – przy \nzasilaniu prądowym (8) i k21 – przy zasilaniu napięciowym (9) \nmostka 4R jako funkcje przyrostów εi i unormowanych ich postaci \n(7a,b,c) względem rezystancji R10 dla stanu równowagi. Po zasto-\nsowaniu opisów miar dokładności (3a) - (5c) rezystancji Ri otrzy-\nmano względne miary dokładności obu współczynników przetwa-\nrzania podane w postaciach zracjonalizowanych (10) - (18). Jeśli \nrezystancje Ri są rezystancjami czujnika, to taki opis funkcji prze-\ntwarzania układu z rys. 1 i miar ich dokładności jest wspólny dla \nczujników rezystancyjnych o różnych charakterystykach wzglę-\ndem wielkości mierzonej i wielkości wpływających. Zależności \ndla dowolnego zasilania i obciążenia omówiono w [2, 5]. \nRzeczywiste wartości początkowe rezystancji Ri0 i ich przyrosty \nεi różnią się zwykle od wartości znamionowych i pełna równowa-\nga mostka nie zachodzi, a funkcje przetwarzania wynoszą\n\nr21+ Δr21 k21 +Δk21 \n (19a,b)\n\nBłędy bezwzględne Δr21, Δk21funkcji r21, k21, liczone względem \nznamionowych ich wartości są sumami\n\nΔ r21 = Δ r210 + Δ r21r Δ k21 = Δ k210 + Δ k21k (20a,b) \nTab. 1. Miary dokładności rezystancji Ri i rozwarciowych funkcji przetwarzania nieobciążonego mostka 4R jako przetwornika R/U - przypadek ogólny \nTab. 1. Accuracy measures of variable resistance Ri and of transfer functions of the open-circuit 4R bridge from Fig. 1 as R/U converter - general case", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 2214, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0002", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\nZmienna rezystancja Miara dokł. \nbłąd bieżący \nbłąd graniczny \nniepewność standardowa \n)\n1(\n0\ni\ni\ni\nR\nR\n\n\n\n (2) \nεi ≥ -1 \nbezwzględna \nΔ i = Δ i0(1+εi)+Ri0Δ εi (3a)\n|Δi|=|Δi0| (1+εi)+Ri0|εi| |δεi| (3b)\ni\ni\ni\ni\ni\ni\nR\nk\nw\nw\nw\n\n\n\n\n\n\n\n0\n0\n2\n2\n0\n0\n2\n\n\n\n\n (3c) \n1 \nwzględna \n2 \n\n\ni\ni\ni\ni\ni\ni\ni\nε\nε\nR\n\n\n\n\n\n\n\n\n\n1\n0\n0\n (4a) \n\n\ni\ni\ni\ni\ni\ni\ni\nε\nε\nR\n\n\n\n\n\n\n\n\n\n1\n0\n0\n(4b)\n\n\n2\n2\n2\n2\n0\n0\n1\ni\ni\ni\ni\ni\ni\ni\nε\nR\n\n\n\n\n\n\n\n\n\n\n\n(4c) \ni\ni\ni\ni\ni\ni\ni\nR\nε\nε\nR\n\n\n\n\n\n\n\n\n\n1\n0\n(5a) \ni\ni\ni\ni\ni\ni\ni\nR\nε\nε\nR\n\n\n\n\n\n\n\n\n\n1\n0\n(5b)\n\n\n2\n2\n2\n2\n0\n1\ni\ni\ni\ni\ni\ni\ni\nR\nε\nR\n\n\n\n\n\n\n\n\n\n\n\n(5c) \nParametry układu \nprzetwornika 4R \nRozwarciowe funkcje przetwarzania \na) prądowo –napięciowa r21 \nb) napięciowa k21 \nWarunek równowagi \nr210 = 0, k210 = 0 \n40\n20\n30\n10\nR\nR\nR\nR\n\n (6) \n R20=mR10, \n R40=nR10 (7a,b,c) \n R30=mnR10 \n\ni\ni\nAB\nDC\nf\nt\nR\nR\nR\nR\nR\nI\nU\nr\nε\n0\n4\n2\n3\n1\n'\n21\n\n\n\n\n\n\n(8)\n\n\n\n\n)\n(\n0\n4\n3\n2\n1\n4\n2\n3\n1\n'\n21\niε\nE\nAB\nDC\nf\nk\nR\nR\nR\nR\nR\n-R\nR\nR\nU\nU\nk\n\n\n\n\n\n\n (9)\n gdzie: \n\n\n\n,\n1\n1\n10\n0\nn\nm\nR\nn\nm\nt\n\n\n\n\n,\n1\n)\n(\nR\nL\nf\n\n\n\n\n\ni\ni\nε\nε\n\n\n\n)\n(1\n)\n(1\n3\n4\n2\n1\nn\nm\nm\nn\nm\nR\n\n\n\n\n\n\n\n\n\n\n\n\n\n(8a)\ngdzie: \n\n\n,\n1\n2\n0\nm\nm\nk\n\n\n\n\n,\n)\n1(\n)\n1(\n)\n(\n34\n12\n\n\n\n\n\n\ni\ni\nε\nε\nL\nf E\n\n,\n1\n2\n1\n12\nm\nε\nm\nε\nε\n\n\n\n (9a)\n\n.\n1\n3\n4\n43\nm\nε\nm\nε\nε\n\n\n\n\nεi=[ε1, ε2, ε3, ε4] \n4\n2\n3\n1\n4\n3\n2\n1\n)\n(\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\niε\nL\n\nTyp układu \nMiara \na) Miary dokładności δr21, |δr21|, \n21\nr\n\nfunkcji r21 \nb) Miary dokładności δk21, |δk21|,\n21\nk\n\nfunkcji k21 \nPrzypadek \nogólny\n\nR1 =R10(1+1) \n R2=R20 (1+2) \n R3=R30 (1+3) \n R4=R40 (1+4) \nεi ≥ -1 \n Błędy bieżące: \nbezwzględny i względny \n4\n21\n2\n4\n3\n21\n1\n1\n2\n21\n4\n2\n1\n21\n3\n1\n21\nR\ni\nR\ni\nR\ni\nR\ni\nr\nR\nr\nR\nR\nR\nr\nR\nR\nR\nr\nR\nR\nR\nr\nR\nR\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n3\n2\n4\n3\n4\n3\n2\n1\n2\n2\n1\n2\n1\n21\nR\nR\nR\nR\nk\nR\nR\nR\nR\nR\nR\nR\nR\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n0\n'\n4\n1\n'\n0\n21\n21\n1\ni\ni\ni\ni\ni\nRi\ni\ni\nR\nRi\nr\nr\nε\nε\nw\nw\nt\n\n\n\n\n\n (10)\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n0\n'\n4\n1\n'\n0\n21\n21\n1\ni\ni\ni\ni\ni\nki\ni\ni\nR\nki\nk\nk\nε\nε\nw\nw\nk\n\n\n\n\n\n (11)\ngdzie: \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n0\n21\n1\n'\n1\n1\n1\n1\nj\nj\ni\nR\ni\nRi\nR\nr\nw\n\n\n\n\nj=3, 4, 1, 2 \ndla i =1, 2, 3, 4 (10a) \n gdzie: \nn – dowolne\n\n\n\n;\n1\n1\n1\n12\n2\n1\n'\n2\n'\n1\n\n\n\n\n\n\n\n\n\nk\nk\nw\nw\n\n\n\n\n4\n3\n4\n3\n'\n4\n'\n3\n1\n1\n1\n\n\n\n\n\n\n\n\n\nk\nk\nw\nw\n\n(11a)\n\nbłąd wzg. \ngraniczny \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n0\n'\n4\n1\n'\n21\n1\ni\ni\ni\ni\ni\nRi\ni\ni\nR\nRi\nr\nε\nε\nw\nw\n\n\n\n\n\n (12) \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n0\n'\n4\n1\n'\n21\n1\ni\ni\ni\ni\ni\ni\nk\ni\ni\nR\ni\nk\nk\nε\nε\nw\nw\n\n\n\n\n\n (13)\nwzględna \nniepewność \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n2\n2\n2\n2\n0\n2'\n4\n1\n2\n2'\n21\n1\ni\ni\ni\ni\ni\nRi\ni\nRi\nRi\nr\nε\nw\nw\n\n\n\n\n\n\n (14) \nwspółczynniki korelacji kij=0 \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n2\n2\n2\n2\n0\n2\n'\n4\n1\n2\n2\n'\n21\n1\ni\ni\ni\ni\ni\nki\ni\nRi\nki\nr\nε\nw\nw\n\n\n\n\n\n\n (15) \nwspółczynniki korelacji kij=0 \nMiary dokł. dla \n r21=0, k21=0 \nbłąd \nbieżący \n40\n30\n20\n10\n210\n\n\n\n\n\n\n\n\n\n (16) \nbłąd \ngraniczny \n\n\n0\n0\n21\ni\nm\n\n\n(17) \nmiara \nlosowa \n\n\n2\ni0\n0\n21\n\n\n (18)\n\n550  PAK vol. 59, nr 6/2013\n\nWygodniejsze w użyciu są względne miary dokładności, ale bli-\nsko równowagi układu tracą one sens fizyczny, gdyż przy Δr210≠0, \nΔk210 ≠ 0 miary bezwzględne odnoszone do wartości r21→ 0, \nk21→0 dążą do ±∞. Aby tego uniknąć, w pracach [2], [4 - 11] \nzaproponowano dwa inne opisy miar mostka. \nPodstawowy sposób polega na odniesieniu miar bezwzględnych \nfunkcji przetwarzania do ich czułości początkowych t0, k0 jako \nparametrów niezależnych dla danego mostka od przyrostów εi \njego rezystancji Ri [4 - 8]. Opis jest jednakowy dla dowolnych \nfunkcji przetwarzania r21, k21 i nazwano go jednorodnym [9]. \nRozwinięta postać błędu δr21 według (10) zawiera aż 8 składni-\nków. Po połączeniu ich w dwie grupy, tj. δ210 dla stanu początko-\nwego mostka oraz \n)\n21\ni\nr\n\n\n\n - poza nim, otrzymuje się\n\n)\n)\n1\n(\n'\n21\n0\n21\n4\n1\n0\n0\n21\n21\ni\nr\ni\ni\ni\ni\ni\ni\nR\nr\nr\nε\nw\nt\nε\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n (21)\n\ngdzie: \n- w’Ri według (10a), \n- względny błąd początkowy r21 (błąd zera) dla εi=0\n\n0\n4\n0\n3\n0\n2\n0\n1\n0\n0\n21\n0\n21\n\n\n\n\n\n\n\n\n\n\n\nt\nr\n\n(21a)\n\n- błąd względny dla r21≠0 po odjęciu od δr21 błędu zera δ210\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n'\n4\n1\n0\n1\n'\n21\n1\n)\n1\n(\ni\ni\ni\ni\ni\nR\ni\ni\ni\ni\ni\nR\nr\nw\nw\n\n\n\n\n\n\n\n\n\n(21b)\n\nPodobnie błąd dla napięciowej funkcji przetwarzania k21 wyniesie\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n0\n'\n21\n0\n21\n0\n21\n21\n)\n1\n(\n)\ni\ni\ni\ni\ni\nki\ni\nk\nk\nk\nε\nw\nk\n\n\n\n\n\n\n\n\nε\n (22)", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 4318, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0003", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\nWspółczynniki \nki\nk\nki\nw\nw\n0\n1\n' \n w (22) wyznacza się z równania \npropagacji błędów (11). Postacie błędów i wynikających z nich \nbłędów granicznych i niepewności dla różnych przypadków most-\nka omówiono i zestawiono w tabelach w [4 - 11]. \nWzory (10), (11) i wynikające z nich miary (12) - (15) opisują \ndokładność mostków bez korekcji ich zera. Napięcie początkowe \nmostka można korygować bądź w nim samym poprzez analogową \nlub sterowaną cyfrowo regulację jednej lub równocześnie dwu jego \nrezystancji (potencjometr z zestykiem w wierzchołku), bądź poza \nmostkiem, np. bezpośrednio na wyjściu - napięciem przeciwnym \nlub po przetworzeniu sygnału z mostka na postać cyfrową. Jeśli \nmostek ma wewnętrzną regulację zera, to po ustawieniu δ210=0 \nliczba niezależnych błędów δi0 maleje do trzech. Z (21a) wynika, że \npomimo korekcji zera mostka, przy nierównowadze r21≠0 pierwszy \nskładnik błędu δr21ε nadal będzie zależeć od błędów początkowych \nδi0≠0. Podobnie jest dla błędu δk21ε. Korekcja zera nie jest wiec \nskuteczna w całym zakresie zmian rezystancji Ri, nawet gdy błędy \nδεi są pomijalne, lub ich wpływy kompensują się [8, 10]. \nW [9] zaproponowano zmodyfikowany sposób opisu dokładno-\nści rozwarciowych funkcji przetwarzania r21, k21 przetwornika R/U \no układzie mostkowym. Ma on formę dwuskładnikową, taką jak \nsię stosuje dla woltomierzy cyfrowych i innych przyrządów \no szerokim zakresie pomiaru. Błąd względny δ210 wartości począt-\nkowych r210, k210 obu funkcji r21, k21, czyli błąd zera, jest \njednakowy, a błędy bezwzględne ∆r21r, ∆k21k znamionowych \nfunkcji przetwarzania r21, k21 z (19a,b) zmieniają się od zera \ni wówczas ich wartości odniesione do wartości r21 lub k21 jako \nwzględne błędy δr21r, δk21k będą skończone. Z (10a) i (21):\n\n\n\n\n\n\n\n\n\n\n\n\n4\n1\n'\n4\n1\n0\n'\n0\n21\n1\n2\n0\n21\n21\n21\n)\n(\n1\ni\ni\ni\nr\ni\ni\ni\nr\nr\nr\nr\nr\nr\nw\nw\nf\nr\n\n\n\n\n\n\n\niε\n (23)\n\ngdzie : \n\n\n\n\n\nR\nj\ni\nR\nj\ni\nj\ni\ni\ni\nr\nR\nt\nL\nw\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n1\n1\n1\n0\n0\n1\n'\n0\niε\n; \n\n\n\n\ni\nR\nj\nj\ni\ni\nr\nR\nt\nL\nw\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n)\n1(\n)\n(\n1\n1\n0\n0\n1\n'\niε\n; mnożnik (-1)i -1= +1 dla \ni nieparzystych 1, 3, a (-1)i - 1 = –1 dla i parzystych 2, 4. \nWszystkie współczynniki \n'\n0\ni\nr\nw\nw (23) mają wartości skończo-\nne, gdyż przy zbliżaniu się do równowagi początkowej r21=0, \nprzyrosty w ich licznikach jak i w mianownikach równocześnie \nzbliżają się do zera, tj. εi → 0, εj → 0 oraz ΔL(εi) → 0 i \n0\n'\n\ni\nrw\n. \nBłąd δr21r jest odpowiednikiem błędu δεi (4a) dla względnego \nprzyrostu εi pojedynczej rezystancji Ri (2). \nZ (8a) i (23) otrzymuje się dwuskładnikową formę błędu bez-\nwzględnego Δr21\n\nΔ r21 = Δ r210 + r21 δr21r = t0 [δ210 + f(i) δr21r] (24)\n\ni podobnie dla Δk21\n\nΔ k21 = Δ k210 +k21 δk21k = k0[δ210 + fE(i) δk21k] (25)\n\ngdzie: Δr210=t0 δ210, Δk210=k0 δ210 - błędy bezwzględne r210=0, \nk210=0; δr21r , δk21k - błędy względne przyrostów r21 - r210, \nk21 - k210210 =δ10- δ20+ δ30- δ40 - błąd zera liczony względem t0 lub k0. \nWzory błędów δr21r, δk21k dla przyrostów funkcji przetwarzania \nsą prostsze niż występujące w jednorodnej formie opisu (21), (22) \nbłędy δr21ε= f(i)δr21r oraz δk21ε= fE(i)δk21k i są łatwiej wyzna-\nczalne. Jako przykład w tabeli 2 podano obie formy opisu błędów \nwspółczynnika przetwarzania mostka z czujnikiem różnicowym \no sprzężonych przyrostach ± ε, w ramionach R1, R2 . \nZ (21) i (23) wynikają nierówności dla dwuskładnikowego opi-\nsu błędów granicznych i niepewności standardowych funkcji \nprzetwarzania r21 \nr\nr\nr\nf\n21\n0\n21\n21\n)\n(\n\n\n\niε\n\n\n\n(26)\n\ngdzie: \n0\n4\n0\n3\n0\n2\n0\n1\n0\n0\n21\n0\n21\n|\n|\n\n\n\n\n\n\n\n\n\n\n\nt\nr\n\n- błąd graniczny zera;\n\n\n\n\n\n\n\n\n4\n1\n'\n4\n1\n0\n'\n0\n21\n21\n|\n|\ni\ni\ni\nr\ni\ni\ni\nr\nr\nr\nr\nw\nw\n\n\n\n\n\n\n\n- błąd względny graniczny \nprzyrostu Δr21;\n\noraz\n\nr\nr\nr\nr\nr\nf\nf\n21\n0\n21\n2\n21\n2\n2\n0\n21\n21\n)\n(\n)\n(\n\n\n\n\n\ni\ni\nε\nε\n\n\n\n\n\n\n (27)\n\ngdzie: \n\n\n\n4\n1\n0\n0\n21\ni\ni\n\n\n; \n.\n|\n|\n21\n0\n21\n21\n1\n2\nr\nr\nr\nr\nr\n\n\n\n\n\n\nProducenci podają dla mostków, podobnie jak dla czujników, \nbłędy graniczne lub niepewności dla stanu początkowego oraz dla \nwspółczynnika przetwarzania jako parametry niezależne. \nTymczasem z wyodrębnienia w (26) błędu |δ210| wynika, że \nprzy nierównowadze błąd graniczny |δr21r| przyrostu funkcji r21 \nnadal częściowo zależy od błędów |δi0| rezystancji początkowych \nmostka, a odpowiednio skorelowana będzie miara losowa przyro-\nstu\nr\nr21\n\nz (27) z\n0\ni\n\n. Wartości miar wyznaczane według pra-\nwych stron będą zawyżone, gdyż ich składniki nie są w pełni \nniezależne i dlatego wyrażenia (26) i (27) są nierównościami. \nMiary bezwzględne funkcji przetwarzania mostka można odno-\nsić też do zakresu zmian tych funkcji, ale wówczas wartości \nwzględne błędów zależą od rozmiaru tego zakresu [10].\n\nPAK vol. 59, nr 6/2013  551\n\n3. Opis dokładności mostków 4R \no jednakowych rezystancjach początkowych", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 2748, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0004", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\nW układach pomiarowych z czujnikami, jako przetwornika \nzmian ich rezystancji na napięcie używa się zwykle czteroramien-\nnego mostka z rys. 1 o jednakowych rezystancjach początkowych \nRi0 (ich stosunki m=1, n=1), oznaczanego dalej przez 4R10. Z (8a) \nwynika przy zasilaniu prądowym czułość t0 dla m>1 n>1 wzrasta \nwedług funkcji hiperbolicznej aż do czterokrotnej wartości dla \nm→∞, n→∞, ale jeszcze szybciej wzrasta też moc pobierana przez \nukład i trzeba by używać nietypowych czujników, np. różnicowe-\ngo o niejednakowych rezystancjach początkowych. W praktyce \nstosuje się najczęściej pięć podstawowych wariantów mostka 4R10 \ndo wstępnego kondycjonowania sygnałów dla różnych czujników \no czterech, dwu i jednej rezystancji zmiennej, tj.: \n- układ A, zwany ‘pełnym mostkiem’ - dla czujników o czterech \nprzeciwnie sprzężonych przyrostach εi=±ε w ramionach sąsied-\nnich mostka, \n- układy B i C (‘pół-mostki’) z jedną parą przeciwnych przyro-\nstów ±ε w ramionach sąsiednich, np. R1, R2 lub R1, R4, \n - układ D - o jednakowych przyrostach ε w ramionach przeciwle-\ngłych R1, R3, \n- układ E - dla czujnika o pojedynczej rezystancji R1.\n\na)\n\nb)\n\nRys. 2. Zależności rozwarciowych współczynników przetwarzania wariantów \nA-E mostka 4R10 od przyrostu względnego ε rezystancji czujnika: \na) rezystancji skrośnej r21 - dla zasilania prądowego J, b) stosunku \nnapięć wy/we k21 - dla zasilania napięciowego E \nFig. 2. \nRelations of open circuit transfer coefficients of A-E cases of 4R10 \nbridge on relative increment ε of the sensor resistances:\n\na) of transfer resistance r21- for current J supply, b) of output/input \nvoltages ratio k21 - for voltage E supply\n\nRozwarciowe funkcje przetwarzania i obie formy ich miary do-\nkładności dla wariantów A-E mostka 4R10 wyznaczono i zesta-\nwiono w tabelach w [9 - 11]. Ich wzory są prostsze niż zależności \nogólne dla dowolnych stosunków rezystancji ramion m i n [5 - 7]. \nDla większej przejrzystości na rys. 2a,b przedstawiono przebiegi \nzależności od przyrostu ε rozwarciowych funkcji przetwarzania \nwariantów A-E mostka przy zasilaniu prądowym i napięciowym. \nNatomiast na rys. 3 i 4 podano w jednostkach względnych \nprzebiegi błędów granicznych i niepewności standardowych \nwspółczynników przetwarzania r21, k21 jako funkcji przyrostów \nwzględnych ε rezystancji czujnika. Wykresy wykonano dla jedna-\nkowych wartości względnych miar początkowych rezystancji Ri \ni o połowę mniejszych miar ich przyrostów εi. Rysunki 3a,b doty-\nczą układów A-E przy prądowym J zasilaniu mostka. Obok krzy-\nwych podano też wzory ich funkcji. Natomiast rysunki 4a,b doty-\nczą układów A, B i E przy zasilaniu napięciowym E przetwornika.\n\nTab. 2. Błędy bieżące i graniczne współczynników mostka o jednakowych rezystancjach 4R10 z czujnikiem różnicowym o przyrostach ±ε \nTab. 2. Simultaneous and limited errors (worse case) of r21, k21 coefficients of the equal resistances 4R10 bridge with differential sensor ±ε\n\n1 Sprzężone R1, R2 \nε1 = ε = -ε2\n1\n\n\n\nB\n\n2\n4\n21\n10\nR\nr\n\n\nε\nk\n2\n4\n1\n21\n\n\n\nJ\n\nδ0i, δεi dowolne \n\n\n\n\n\n\n\n\n\n30\n2\n20\n40\n1\n10\n1\n2\n1\n5,0\n1\n1\n5,0\n1\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nr\n\n\n\n\n\n\n\n\n\n\n2\n1\n40\n30\n20\n10\n2\n1\n1\n2\n2\n2\n1\n1\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nr\nr\n2 \n\n\n\n\n\n\n\n\n\n\n\n2\n1\n0\n0\ni\n\n\n\n\n\n\n\n\n2\n25\n,0\n1\n4\n|\n|\n0\n2\n1\n2\nr\n\n\n\n\n\n\n\n\n\n\n0\nr\n1\n2\nr\n\n3 \nE \nδi0,δεi dowolne \n\n\n\n\n\n\n\n40\n30\n2\n1\n20\n10\n2\n1\n2\n1\n1\n1\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nk\n\n\n\n\n\n\n\n2\n2\n1\n1\n2\n1\n20\n10\n2\n1\n1\n2\n1\n1\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nk\nk\n\n4 \n\n\n\n\n\n\n\n\n\n\n\n2\n1\n0\n0\ni\n\n\n\n\n\n\n\n\n2\n5,0\n1\n4\n|\n|\n0\n2\n1\n2\nk\n\n\n\n\n\n\n\n\n\n\n\n0\nk\n1\n2\nk\n\n5 \nBłędy wartości \npoczątkowych r210, k210 \nδ0i dowolne\nwzględny błąd \nbieżący \n40\n30\n20\n10\n0\n21\n\n\n\n\n\n\n\n\n\n\nwzględny błąd \ngraniczny \n\n\n0\n0\n21\ni\nm\n\n\n\n552  PAK vol. 59, nr 6/2013\n\nPrzy zasilaniu prądowym J stosuje się wszystkie warianty \nmostka, a przy zasilaniu napięciowym - głównie układy A, B i E.\n\nRys. 3. Zależności: a) błędów granicznych rezystancji skrośnej r21 i b) jej \nniepewności standardowej, od względnych przyrostów ε rezystancji \nczujnika dla kilku podstawowych wariantów A-E zasilanego prądowo \nmostka o jednakowych rezystancjach początkowych 4R10 \nFig. 3. \nRelations of: a) limited errors of open-circuit transfer resistance r21 and \nb) its standard uncertainty, on relative increments ε of sensor resistances \nfor l cases A-E of the current supplied bridge with equal four initial \nresistances R10\n\nRys. 4. Zależności: a) błędów granicznych współczynnika k21 i b) jego niepewności \nstandardowych jako funkcji względnych przyrostów ε rezystancji czujnika \ndla preferowanych wariantów A, B, E zasilanego napięciowo mostka \no jednakowych rezystancjach początkowych 4R10 \nFig. 4. \nRelations of: a) limited (worse case) errors of the open circuit coefficient \nk21 and b) its standard uncertainty on relative increments ε of sensor \nresistances for mostly used cases A, B, E of the voltage supplied bridge \nwith equal four initial resistances R10\n\n4. Podsumowanie i wnioski\n\nZ podanych przebiegów funkcji przetwarzania (rys. 2a,b) oraz \nbłędów granicznych i niepewności zasilanego prądowo (rys. 3a,b) \nlub napięciowo (rys. 4a,b) czteroramiennego układu mostka \no jednakowych rezystancjach początkowych Ri0=R10, jednakowych \nmiarach dokładności i różnych wariantach przyrostów względnych \n± ε, wynika, że:\n\nPAK vol. 59, nr 6/2013  553\n\n• przy zasilaniu prądowym przebiegi funkcji przetwarzania r21 są \nliniowe dla czterech wariantów mostka A-D, a przy napięcio-\nwym przebiegi funkcji k21(ε) - tylko dla dwu wariantów A i B \nmostka,\n\n• miary dokładności liniowych wariantów mostka 4R10 niejedna-\nkowo zależą od ε, w tym nieliniowo,", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 3061, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0005", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\n• przy zasilaniu napięciowym mostka B – o zmiennych rezystan-\ncjach R1, R2 w gałęzi górnej oraz mostka E – o zmiennej tylko \nrezystancji R1, czułość początkowa k0 i przebieg k21(ε) nie zale-\nżą od n, tj. od stosunku do nich rezystancji dolnej gałęzi R3, R4, \na więc i od regulacji zera tymi rezystancjami,\n\n• funkcje przetwarzania i miary dokładności tzw. pół-mostków B \ni D o przyrostach ±ε dla par R1, R2 lub R1, R4 są podobne, ale \nrezystancje R2 i R4 zamieniają się rolami,\n\n• mostek B ma stałą rezystancję wejściową, a mostek D – wyj-\nściową. Natomiast w mostku A obie te rezystancje są stałe,\n\n• funkcje przetwarzania r21 i k21 mostka E z czujnikiem o poje-\ndynczej zmiennej rezystancji R1 są nieliniowe. Stanowią one \ngałęzie dwu różnych hiperbol przechodzących przez środek \nukładu współrzędnych. Nieliniowość funkcji r21(ε1) jest mniej-\nsza, gdyż jej mianownik mniej zmienia się wraz z ε1 niż mia-\nnownik w k21 – patrz wzory na rys. 2a,b dla układu E.\n\n• Miary dokładności liniowych mostków 4R10 niejednakowo \nzależą od ε, w tym nieliniowo.\n\n• Pomimo korekcji zera, poza równowagą układu, tj. dla εi≠ 0, \nbłędy przyrostów współczynników przetwarzania δr21r, δk21k \nnadal zależą od błędów początkowych δi0 rezystancji mostka. \nZ (23) wynika, że przy εΣR≠0 (układy C i E) wpływ jest różny \ndla korekcji w mostku i poza nim [8, 11].\n\n• Przy jednakowych błędach |δi0|=|δ0| i |δεi|=|δε| zasilane prądowo \nmostki A-D o liniowej funkcji przetwarzania r21(ε) mają jedna-\nkowe i niezależne od przyrostu rezystancji ε względne błędy \ngraniczne |δr21r|. Błędy bezwzględne |Δr21| ich funkcji r21(ε) są \nproporcjonalne do liczby zmiennych rezystancji zv=(2, 4) i do \nmodułu względnego przyrostu rezystancji |ε|. Ująć to można \nuogólnionym wzorem [7]\n\n|Δ r21| ≤ 0,25 R10 [ |δ210| + zv |ε|( |δ0 |+|δε | )] (28)\n\ngdzie: |δ210| ≤ 4|δ0 | - błąd graniczny zera mostka. \nZ (28) wynika, że zależność błędu granicznego |Δr21| od przyro-\nstu |ε| dla mostków zasilanych prądowo o liniowej funkcji prze-\ntwarzania (rezystancji skrośnej) r21(ε) jest również liniowa. \nPrzebiega ona podobnie jak funkcja (3b) dla pojedynczej rezy-\nstancji Ri.\n\n• Oba zasilane napięciowo mostki A i B o liniowym współczyn-\nniku przetwarzania k21(ε) mają jednakowe postacie względnych \nbłędów granicznych |δk21k|. Ich błędy |Δk21| można też opisać \nogólnie wspólnym wzorem, ale zależą one nieliniowo od ε, tj.:\n\n|Δ k21| ≤ 0,25 [ |δ210 | + zv (ε2 |δ0 | +|ε| |δε | )]. \n(29)\n\nBłąd |Δ k21| zależy od błędu początkowego |δ0| oraz od stałego \nbłędu |δε | ze współczynnikami ε2 i ε.\n\n• Zależności od ε niepewności standardowych funkcji przetwa-\nrzania mostków A-E są różne i inne niż błędów granicznych.\n\n• Postacie wszystkich zależności dla mostków liniowych A-D są \nprostsze niż dla mostka E z pojedynczym czujnikiem R1.\n\nDwuskładnikową metodę opisu błędu granicznego oraz nie-\npewności funkcji przetwarzania mostków 4R można wykorzystać \ndla wszystkich układów przetworników pomiarowych z czujnika-\nmi wieloparametrowymi oraz do opisu dokładności parametrów \nschematu zastępczego dowolnego układu n-T, wyznaczanych \nz pomiarów przy różnych kombinacjach połączeń zasilania \ni przyrządów z n końcówkami badanego układu, np. w tomogra-\nfii impedancyjnej. Metodę dwuskładnikową autorzy wykorzysta-\nli m. in. do opisu dokładności dwuwyjściowych układów most-\nkowych o zasilaniu ramion przyległych z dwu źródeł prądowych \nlub jednego przełączanego źródła prądowego [2, 13]. Te nie-\nkonwencjonalne układy umożliwiają równoczesny pomiar dwu \nwielkości, które niejednakowo zmieniają rezystancje pary ele-\nmentów czujnika.\n\n5. Literatura", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 1519, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152751:0006", "text": "Analiza błędów granicznych i niepewności mostków sensorowych jako przetworników rezystancji na napięcie\n\n[1] Warsza Z. L.: Właściwości i nieznane zależności mostka rezystancyj-\nnego 4-T jako czwórnika. Pomiary Automatyka Robotyka (PAR) \nnr 10, s. 9-15, 2004. \n[2] Warsza Z. L.: Immitancyjne układy czterobiegunowe (4T) w pomia-\nrach wieloparametrowych. Monografia. Przemysłowy Instytut Auto-\nmatyki i Pomiarów, 291stron, 2004. \n[3] Warsza Z. L.: Unbalanced DC bridges - chapter 127 of “Handbook of \nMeasuring Systems Design. ed. by P. Sydenham and R. Thorn, Jon \nWiley & Sons, Ltd., Chichester UK, 2005. \n[4] Warsza Z. L.: Miary dokładności parametrów zewnętrznych czwórni-\nka typu X o zmiennych rezystancjach. Elektronika (wkładka: Techni-\nka Sensorowa) Część 1, nr 2, s. 45–52, 2006. \n[5] Warsza Z. L.: Miary dokładności parametrów zewnętrznych czwórni-\nka typu X o zmiennych rezystancjach. Elektronika (wkładka: Techni-\nka Sensorowa) Część 2, nr 3, s. 49–53, 2006. \n[6] Warsza Z. L.: Accuracy Measures of the Four Arm Bridge of Broadly \nVariable Resistances, part 1 and 2. Proc. of IMEKO TC4 15th \nInternational Symposium on Novelties in Electrical Measurement, TU \nIasi, Romania, vol. 1, p.17-28, 2007. \n[7] Warsza Z. L.: Miary dokładności transmitancji mostka rezystan-\ncyjnego w przypadkach szczególnych. Pomiary Automatyka Kontrola \n(PAK) nr 10, s. 17-24, 2007. \n[8] Warsza Z. L.: Dokładność pomiaru przemysłowymi czujnikami Pt100 \nw układzie mostka odchyłowego. Pomiary Automatyka Robotyka \n(PAR), nr 11, s. 46-55, 2008. \n[9] Warsza Z. L.: Miary dokładności układu mostka o dużych zmianach \nrezystancji w ujęciu dwuskładnikowym, Przegląd Elektrotechniczny, \nnr 10, s. 171-176, 2009. \n[10] Warsza Z. L.: New approach to the accuracy description of \nunbalanced bridge circuits - with example for Pt sensors. Journal of \nAutomation, Mobile Robotics & Intelligent Systems (JAMRIS), vol. \n4, no 2, p. 8-15, 2010. \n[11] Warsza Z.L.: Nowy opis miar dokładności mostków sensorowych \no dużych zmianach rezystancji. Pomiary Automatyka Kontrola (PAK) \nnr 5, s. 457-463, 2010. \n[12] Warsza Z.L.: Description of the accuracy of broadly unbalanced \nsensor resistance bridges. Proceedings of 20th National Scientific \nSymposium with international participation “Metrology and Metrology \nAssurance 2010”, 9-13 Sept. 2010, Sozopol, Bulgaria, p. 65-77 oraz \nSistiemi Obrobotki İnformaciї, Vipusk 4 (85) p. 114-125, Kharkiv \n2010. \n[13] Idźkowski A.: Konstrukcja i ocena przydatności pomiarowych most-\nków dwuprądowych DC. Rozprawa doktorska Politechnika Białostoc-\nka, Wydział Elektryczny, 2012.\n\n_____________________________________________________ \notrzymano / received: 20.03.2013\n\nprzyjęto do druku / accepted: 01.05.2013 \nartykuł recenzowany / revised paper", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2013", "token_count": 1019, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "Z. L. Warsza; A. Idźkowski"}
{"id": "bibliotekanauki-automation:152967:0000", "text": "Proces testowania oprogramowania zintegrowanego systemu monitorowania i sterowania\n\nPAK vol. 56, nr 11/2010  1321\n\nMarek FLORCZYK \nUNIWERSYTET ZIELONOGÓRSKI, INSTYTUT METROLOGII ELEKTRYCZNEJ, \nul. Podgórna 50, 65-246 Zielona Góra\n\nProces testowania oprogramowania zintegrowanego systemu \nmonitorowania i sterowania\n\nDr inż. Marek FLORCZYK\n\nOd 2008r. pracuje na stanowisku adiunkta w Instytu-\ncie Metrologii Elektrycznej. Jest ekspertem POKL \nw zakresie edukacji oraz adaptacyjności pracowników \ni przedsiębiorstw. Kieruje projektem, realizowanym ze \nśrodków \nLubuskiego \nRegionalnego \nProgramu \nOperacyjnego, dotyczącym budowy Parku Naukowo \nTechnologicznego - Centrum Innowacji – „Technolo-\ngie dla Zdrowia Człowieka”. Specjalizuje się m.in. \nw testowaniu oprogramowania wirtualnych przyrządów \npomiarowych oraz serwisów internetowych.\n\ne-mail: [EMAIL]\n\nStreszczenie\n\nW artykule została przedstawiona metodyka testowania oprogramowania \nzłożonych zintegrowanych systemów monitorowania i sterowania. Przed-\nstawiono przykład wykorzystania proponowanej metodyki podczas proce-\nsu testowania oprogramowania zintegrowanego systemu monitorowania \ni sterowania państwowego wzorca jednostek miar czasu i częstotliwości \n(PWJMCiC).\n\nSłowa kluczowe: testowanie, system pomiarowy.\n\nSoftware testing process of integrated \nsystem for monitoring and control\n\nAbstract\n\nIn the paper, software testing process of an integrated system for monitoring \nand control of national unit standard time and frequency systems \n(PWJMCiC) based on the assumed methodology is presented. There is \nalso described the methodology procedure developed for implementation \nof complex control-measuring systems. In the introduction there are shown \nexamples proving the fact that the waterfall model (Fig.1), used most \nfrequently for design of simple, uncomplicated measurement systems, has \ndrawbacks. They make its application to the complex integrated systems \nfor monitoring and control impossible. Next, there is presented a methodology \nWU-CMD (Waterfall User-Centered Design Model) developed by the \nauthor. It combines elements of methodology for User-Centered Design \n[3] and elements of the waterfall model [4]. The proposed methodology \nassumes that the assumptions for a measurement system are formed on \nthe basis of analysis of future user’s needs, and the future user of the \nmeasurement system participates at all stages of its design, through reporting \ncomments and accepting changes. Each stage of the design is time-bound \nand documented in detail, for each of the stages there are specified \nrequirements that must be met to make it possible to finish the stage. It is \nalso assumed that at each stage there are carried out tests of compliance, \naccuracy and consistency of implementation of individual elements (as \nwell as the whole) of the designed measurement system.\n\nKeywords: testing, measurement system.\n\n1. Wprowadzenie\n\nUzyskanie zakładanej jakości oprogramowania wymaga usys-\ntematyzowanego podejścia, które zazwyczaj jest opisem czynno-\nści i procedur, jakie należy wykonać, aby uzyskać produkt (w tym \nprzypadku oprogramowanie) o określonych parametrach. Parame-\ntrami tymi w przypadku oprogramowania służącego do realizacji \npomiarów, monitorowania i sterowania będą właściwości metro-\nlogiczne, wyznaczona na odpowiednim poziomie niezawodność \noprogramowania, oraz jego użyteczność i funkcjonalność [1]. \nPonieważ proces tworzenia oprogramowania jest ściśle powiązany \nz realizacją części sprzętowej, wykorzystanie do procesu projek-\ntowania systemu pomiarowo – sterującego modelu wytwarzania \ndedykowanego wyłącznie dla oprogramowania lub wyłącznie dla \nsprzętu, nie zawsze da zadawalające rezultaty w postaci systemu, \nktóry byłby niezawodny i posiadałby pożądane cechy metrolo-\ngiczne i funkcjonalne. \nNajczęściej wykorzystywany, podczas projektowania prostych, \nnieskomplikowanych systemów pomiarowych, model kaskadowy \n(rys. 1) posiada wady [2], które wykluczają jego zastosowanie do \nrealizacji złożonych zintegrowanych systemów monitorowania \ni sterowania. Jedną z podstawowych wad tego modelu jest brak \nwspółuczestnictwa użytkownika systemu podczas tworzenia sys-\ntemu pomiarowego, która to wada powoduje, że błędy popełnione \nna etapie konstruowania założeń są wykrywane przez użytkowni-\nka o przekazaniu mu systemu do użytkowania. Użytkownik ma \ntylko kontakt z projektantami systemu przekazując lub uzgadnia-\njąc założenia do systemu na etapie określania wymagań (tworze-\nnia specyfikacji), a następnie na etapie przekazywania mu goto-\nwego do użytkowania produktu.\n\nRys. 1. Model kaskadowy \nFig. 1. The Waterfall Model", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2010", "token_count": 1408, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Florczyk"}
{"id": "bibliotekanauki-automation:152967:0001", "text": "Proces testowania oprogramowania zintegrowanego systemu monitorowania i sterowania\n\nJeśli system będzie skomplikowany, a wykryty przez użytkow-\nnika błąd będzie dotyczył założenia, które ma przełożenie na kod \nźródłowy we wielu modułach systemu, skala ingerencji w kod \nźródłowy może być tak duża, że może być konieczne napisanie \nniemal całego kodu źródłowego od nowa. \nInną wadą modelu kaskadowego jest jego linearność, która po-\nwoduje, że aby zakończyć dany etap wystarczy spełnić określone \n„warunki wyjścia” (spełnienie podstawowych wymagań wynika-\njących ze specyfikacji). Nie ma więc konieczności tworzenia \nszczegółowej dokumentacji dla oprogramowania, dla poszczegól-\nnych funkcji i procedur. W przypadku złożonego systemu pomia-\nrowego oznaczałoby to, że kilku programistów pracujących rów-\nnolegle nad różnymi modułami systemu stosowałoby własne \nnazewnictwo dla funkcji, procedur, zmiennych, a wspólne \nw zakresie nazw byłyby tylko te elementy, które dotyczą przeka-\nzywania informacji lub danych pomiędzy modułami systemu. \nTesty oprogramowania w przypadku modelu kaskadowego są \nprzeprowadzane w zasadzie wyłącznie przed przekazaniem goto-\nwego systemu użytkownikowi. Testy mają za zadanie sprawdze-\nnie, czy system pomiarowy został wykonany zgodnie ze specyfi-\nkacją. Najczęściej mają one charakter funkcjonalny, co oznacza, \nże weryfikowane na podstawie specyfikacji jest działanie określo-\nnych funkcji w zakresie określonym w specyfikacji. Sprawdzana \njest także pod kątem poprawności wykonania instrukcja użytkow-\nnika systemu pomiarowego. Nie jest natomiast badana zgodność \nwykonanego systemu pomiarowego z oczekiwaniami użytkowni-\nka. W przypadku stwierdzenia błędu działania systemu programi-\nście przekazywana jest tylko informacja o charakterze, rodzaju \ni miejscu (w obrębie interfejsu użytkownika) wystąpienia błędu.\n\n1322  PAK vol. 56, nr 11/2010\n\nProgramista nie otrzymuje informacji o funkcji, procedurze \ni zmiennej, której błąd dotyczy, co przy braku szczegółowej do-\nkumentacji oprogramowania powoduje wydłużenie czasu zidenty-\nfikowania miejsca powstania błędu oraz znacząco wydłuża się \nczas usunięcia samego błędu.\n\n2. Metodyka WU-CDM w procesie testowania \nzłożonych zintegrowanych systemów \npomiarowych\n\nBiorąc pod uwagę m.in., wskazane we wprowadzeniu, wybrane \nwady modelu kaskadowego sformułować można następujące \nwymagania w stosunku do proponowanej przez autora tego arty-\nkułu metodyki WU-CDM (Waterfall User-Centered Design \nModel), tak aby była możliwa za jej pomocą realizacja złożonych \nzintegrowanych systemów pomiarowych: \n założenia do systemu pomiarowego powstają na podstawie \nanalizy potrzeb przyszłego użytkownika systemu pomiarowego, \n przyszły użytkownik systemu pomiarowego bierze udział we \nwszystkich etapach jego projektowania, poprzez zgłaszanie \nuwag i akceptowanie zmian, \n każdy etap projektowania jest określony w czasie i szczegółowo \ndokumentowany, \n dla każdego z etapów są określone wymagania, które muszą \nzostać spełnione, aby było możliwe jego zakończenie, \n tworzony jest wspólny słownik nazw, zmiennych i procedur, \na także sposób dokumentowania zmian dla całego oprogramo-\nwania, \n na każdym z etapów są przeprowadzane testy zgodności, po-\nprawności i spójności wykonania poszczególnych elementów \n(jak i całości) projektowanego systemu pomiarowego. \nProponowana metodyka stanowi połączenie elementów meto-\ndyki User-Centered Design (UCD - projektowanie zorientowane \nna użytkownika) [3] oraz elementów modelu kaskadowego [4]. \nPodejście UCD zakłada, że tworzone rozwiązanie programowo-\nsprzętowe powinno w jak największym stopniu odpowiadać na \npotrzeby przyszłych użytkowników i uwzględniać ich uwagi \ndotyczące realizowanego systemu. \nMetodyka WU-CDM została opracowana na początku realizacji \nprojektu zintegrowanego systemu monitorowania i sterowania \nsystemami pomiarowymi państwowego wzorca jednostek miar \nczasu i częstotliwości (PWJMCiC). Projekt obejmował wykonanie \nwielomodułowego systemu, którego elementy posiadały pomiędzy \nsobą liczne i złożone powiązania zarówno sprzętowe, jak i pro-\ngramowe (rys. 2).\n\nRys. 2. Architektura systemu PWJMCiC \nFig. 2. Architecture of PWJMCiC system\n\nProces testowania części programowej systemu stanowił wyod-\nrębniony element całego procesu projektowania zintegrowanego \nsystemu monitorowania i sterowania systemami PWJMCiC \n(rys. 3). Testowanie przebiegało w dwóch etapach, pierwszym gdy \ntesty obejmowały sprawdzenie poprawności przyjętych założeń. \nDrugi etap obejmował bezpośrednie testy oprogramowania. \nW proces testowania systemu (w tym jego części programo-\nwej), zgodnie z metodyką WU-CDM zostali włączeni przyszli \nużytkownicy systemu, którzy zgłaszali uwagi dotyczące funkcjo-\nnowania i obsługi poszczególnych elementów programowych \ncałego systemu. Interakcja z potencjalnymi użytkownikami po-\nzwoliła na eliminację błędów związanych przede wszystkim \nz obsługą systemu oraz sposobem prezentacji wyników pomiarów.\n\nRys. 3. Procesy testowania oprogramowania na tle procesu projektowania systemu \nFig. 3. Processes of software testing against the background of the system design \nprocess", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2010", "token_count": 1800, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Florczyk"}
{"id": "bibliotekanauki-automation:152967:0002", "text": "Proces testowania oprogramowania zintegrowanego systemu monitorowania i sterowania\n\nTestowanie założeń do oprogramowania obejmowało m.in. \nsprawdzenie prawidłowości określenia zakresu funkcjonalnego \nprojektowanych bloków programowych. Sprawdzono, w jakim \nzakresie wydzielone moduły systemu pokrywają się funkcjonal-\nnie, które funkcje i procedury są wspólne, a które są unikatowe \ni będą występować tylko w danym module. Po sprecyzowaniu \nbloków funkcjonalnych, weryfikacji podlegał zakres interakcji \npomiędzy poszczególnymi modułami systemu. Zbadano nazew-\nnictwo i zakres przekazywanych danych oraz częstotliwość ich \nprzekazywania. Na tym etapie zidentyfikowano procesy przeka-\nzywania danych, które powinny zostać ściśle skontrolowane po \nwykonaniu oprogramowania. Znajomość zakresu przekazywanych \ndanych pozwoliła też na określenie powiązań pomiędzy częścią \nsprzętową i oprogramowaniem. Po zaprojektowaniu interfejsu \nużytkownika dla poszczególnych modułów na podstawie zakresu \nfunkcjonalnego zostały przeprowadzone testy mające na celu \nsprawdzenie spójności wyglądu interfejsu użytkownika w obrębie \nwszystkich modułów systemu. Zostały wykonane listy zgodności \ndla modułów oraz można było wyodrębnić funkcje i procedury dla \ninterfejsu użytkownika, które są wspólne dla poszczególnych \nmodułów systemu. Takie podejście pozwoliło na lepsze, bardziej \nwydajne, zorganizowanie prac zespołu pracującego nad oprogra-\nmowaniem, gdyż poszczególni programiści nie powielali realizacji \ntych samych fragmentów kodu źródłowego (rys. 4).\n\nRys. 4. Realizacja procedur programowych przez programistów \nFig. 4. Implementation of the programming procedures by developers\n\nPAK vol. 56, nr 11/2010  1323\n\nPozwoliło to także na ograniczenie tzw. unikatowych błędów, \nktóre mogliby popełnić poszczególni programiści, jeżeli realizo-\nwaliby ten sam fragment oprogramowania. Dla tego samego za-\nkresu funkcjonalnego w poszczególnych modułach występowałby \nróżne błędy. Przy takim podejściu krótszy też jest czas przepro-\nwadzania testów (rys. 5).\n\nRys. 5. Dodatkowe zadania podczas testów \nFig. 5. Additional tasks during carried out tests\n\nTesty wykonanego oprogramowania zintegrowanego systemu \nmonitorowania i sterowania systemami PWJMCiC obejmowały \nzarówno sprawdzenie poprawności sposobu implementacji po-\nszczególnych funkcjonalności wynikających ze specyfikacji jak \ni współpracę poszczególnych modułów programowych z dedyko-\nwaną częścią sprzętową. Proces testowania oprogramowania \nposzczególnych modułów został wykonany w oparciu o opraco-\nwane przez autora artykułu algorytmy postępowania. Na rys. 6 \nzostał przedstawiony przykładowy algorytm służący do weryfika-\ncji sygnalizacji zdarzeń w poszczególnych modułach i przesyłania \ninformacji o zdarzeniu do modułu alarmowego.\n\nRys. 6. Algorytm weryfikacji zdarzeń dla modułów \nFig. 6. Event verification algorithm for modules\n\nTesty zostały wykonane w sposób automatyczny, co pozwoliło \nna przeprowadzenie testów w szerszym zakresie, niż gdyby to \nmiało miejsce przy przeprowadzaniu testów w sposób manualny. \nOprogramowanie do przeprowadzenia testów zostało wykonane w \nskryptowym języku programowania AutoIt v3. Przygotowane \noprogramowanie pozwalało m.in. na symulowanie realizacji na-\nstaw przez użytkownika systemu. Przeprowadzono m.in. testy \npodczas których były gromadzone informacje o stanie testowane-\ngo oprogramowana przez okres 7-14 dni. Podczas tego typu te-\nstów odbywało się symulowanie zachowania użytkownika (auto-\nmatycznie realizowanie nastawy, przełączanie zakładek programu, \nwłączanie i włączanie różnych dostępnych z poziomu interfejsu \nużytkownika funkcji). Weryfikacji podlegały także przebiegi \nwyświetlane na wykresach, w zakresie zgodności ich wyświetlenia \nz zapisanym wynikiem pomiaru do pliku (taka możliwość w zasa-\ndzie nie jest dostępna w tej chwili w żadnym z komercyjnych \npakietów służących do przeprowadzania testów). Realizacja każ-\ndej nastawy była zapamiętywana tak, aby było możliwe odtwo-\nrzenie sekwencji nastaw powodujących niezgodne ze specyfikacją \nzachowanie systemu. Zgodnie z przyjętą metodyką WU-CDM \nbłędne sekwencje nastaw były rejestrowane w systemie raporto-\nwania, który był dostępny dla wszystkich osób biorących udział w \nprojekcie (w szczególności dla programistów, którzy na bieżąco \nusuwali pojawiające się, zgłoszone i potwierdzone błędy). \nStwierdzone podczas testów błędy miały różny charakter, naj-\nczęściej były to błędy w konstrukcji interfejsu użytkownika zwią-\nzane z realizacją nastaw oraz błędy związane ze sposobem prezen-\ntacji wyniku pomiaru. Testy zostały przeprowadzone dla wszyst-\nkich modułów projektowanego systemu. Zakres i sposób przepro-\nwadzania testów, ze względu na specyficzne cechy każdego \nz modułów systemu, musiał być dostosowywany dla każdego \nz modułów osobno. W ramach przeprowadzonych prac wykonano \ntakże testy obciążeniowe dla całego systemu, aby określić m.in. \nmożliwe ograniczenia w zakresie instalacji i użytkowaniu opro-\ngramowania w określonym systemie operacyjnym dla różnych \nkonfiguracji sprzętu komputerowego oraz dla różnego zakresu \ngromadzonych i przesyłanych danych. Zmiany w przygotowywa-\nnym oprogramowaniu wynikające z przeprowadzonych testów \nbyły każdorazowo konsultowane i akceptowane przez przyszłych \nużytkowników projektowanego systemu.\n\n3. Podsumowanie\n\nW artykule przestawiono opracowaną przez autora metodykę \nWU-CMD (Waterfall User-Centered Design Model) dedykowaną \ndo projektowania złożonych, zintegrowanych systemów pomiaro-\nwych. Przedstawiono przykład jej praktycznego wykorzystania do \nrealizacji procesu testowania, podczas projektowania zintegrowa-\nnego systemu monitorowania i sterowania systemami pomiaro-\nwymi państwowego wzorca jednostek miar czasu i częstotliwości. \nZastosowanie proponowanej metodyki pozwoliło na uporządko-\nwanie procesu projektowania i zakończenie projektu w zakłada-\nnym czasie.\n\nPraca finansowana ze środków na naukę w latach 2007-2009 jako projekt rozwo-\njowy nr R01 033 03.\n\n4. Literatura", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2010", "token_count": 2137, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Florczyk"}
{"id": "bibliotekanauki-automation:152967:0003", "text": "Proces testowania oprogramowania zintegrowanego systemu monitorowania i sterowania\n\n[1] Florczyk M., Winiecki W.: The Parametric Method for Functional \nTesting of Virtual Instruments, Intelligent Data Acquisition and \nAdvanced Computing Systems: Technology and Applications, 2005. \nIDAACS 2005. IEEE , vol., no., pp.310-315, 5-7 Sept. 2005. \n[2] Azam F., Gull H., Bibi S., Amjad S.: Back and Forth (BnF) Software \nProcess Model, Computer Engineering and Applications (ICCEA), \n2010 Second International Conference on Computer Engineering and \nApplications , vol.1, no., pp.426-430, 19-21 March 2010. \n[3] Yingchong Xia, Juan Li: User-Centered & Experience Design trend \noverview, Computer-Aided Industrial Design & Conceptual Design, 2009. \nCAID & CD 2009. IEEE 10th International Conference on Computer-\nAided Industrial Design & Conceptual Design, pp. 1424-1426, 2009. \n[4] Zhang Sen, Yao Zheng: The Relation of CMM and Software Lifecycle \nModel, Software Engineering, Artificial Intelligence, Networking, and \nParallel/Distributed Computing, Eighth ACIS International Conference \non Software Engineering, Artificial Intelligence, Networking, and \nParallel/Distributed Computing, vol.3, pp. 864-869, 2007.\n\n_____________________________________________________ \notrzymano / received: 04.08.2010\n\nprzyjęto do druku / accepted: 01.10.2010 \nartykuł recenzowany", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2010", "token_count": 361, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Florczyk"}
{"id": "bibliotekanauki-automation:153447:0000", "text": "Odwzorowanie hierarchicznych interpretowanych sieci Petriego sterowania z makromiejscami w diagramach aktywności UML\n\n506  PAK vol. 58, nr 6/2012\n\nMichał GROBELNY \nUNIWERSYTET ZIELONOGÓRSKI, \nLicealna 9, 65-417 Zielona Góra\n\nOdwzorowanie hierarchicznych interpretowanych sieci Petriego \nsterowania z makromiejscami w diagramach aktywności UML\n\nMgr inż. Michał GROBELNY\n\nW roku 2007 ukończył studia na Wydziale Elektro-\ntechniki, Informatyki i Telekomunikacji Uniwersytetu \nZielonogórskiego. Absolwent Zintegrowanych Studiów \nZagranicznych Uniwersytetu Zielonogórskiego i Fach-\nhochschule Giessen-Friedberg (Niemcy). Od października \n2011 zatrudniony na stanowisku asystenta w Katedrze \nMediów i Technologii Informacyjnych Uniwersytetu \nZielonogórskiego. Zainteresowania naukowe obejmują \nmetody specyfikacji osadzonych systemów sterowania. \nCzłonek Polskiego Towarzystwa Informatycznego.\n\ne-mail: [EMAIL]\n\nStreszczenie\n\nArtykuł przedstawia metodę odwzorowania hierarchicznych interpretowa-\nnych sieci Petriego sterowania z makromiejscami w diagramach aktywno-\nści języka UML. Zgodnie z przyjętą zasadą odwzorowania akcji w tranzy-\ncjach sieci Petriego nie ma możliwości bezpośredniej graficznej reprezen-\ntacji miejsc interpretowanej sieci Petriego sterowania w diagramach UML. \nJednocześnie konieczna jest zamiana takich elementów jak wyjścia przypi-\nsane do miejsc na aktywację i dezaktywację wyjść przy realizacji tranzycji \noraz zamiany makromiejsc w makrotranzycje. Takie postępowanie kom-\nplikuje cały proces oraz może wprowadzać nieznaczne rozbieżności \npomiędzy specyfikacją źródłową i docelową.\n\nSłowa kluczowe: UML, diagramy aktywności, interpretowane sieci \nPetriego sterowania, specyfikacja behawioralna, specyfikacja hierarchiczna.\n\nMapping of hierarchical control interpreted \nPetri nets with macroplaces in UML \nactivity diagrams\n\nAbstract\n\nThe paper presents a method for mapping hierarchical control interpreted \nPetri nets into activity diagrams of UML. Usage of both specification \ntechniques is possible considering international and multicultural design \nprojects specifying hardware behavioural properties of a control process. \nSometimes use of two different modelling techniques can be reasonable. \nAfter a short introduction (Section 1), a sample control process and its \ngraphical interpretation using the control interpreted Petri net is described \n(Section 2). Fig. 1 shows the real model of the considered process of \ntransportation of friable goods, whereas Fig. 2 presents graphical \nspecification of the process with use of the control interpreted Petri net. \nFig. 3 shows interpretation of action of UML activity diagrams in Petri \nnets. Due to no direct representation of the system state in UML activity \ndiagrams, the outputs attached to places have to be exchanged with the \noutputs activated and deactivated with transitions firings. Sample output \nreplacement scenario is depicted in Fig. 4 and is in details described in \nSection 3. Fig. 5 presents specification of the deliberated control process \nwith usage of Mealy outputs (after replacement). On the other hand, \nconversion of macroplaces into macrotransitions is shown in Section 4 \nwith graphical representation after exchange in Fig. 6. Section 5 describes \ntransformation of the prepared Petri net into the activity diagram of UML \nwith the process graphical representation in Fig. 7. Finally, Section 6 \nconcludes the paper.\n\nKeywords: UML, activity diagrams, control interpreted Petri nets, \nbehavioural specification, hierarchical specification.\n\n1. Wstęp\n\nFaza specyfikacji behawioralnej sterownika logicznego [1] jest \njednym z pierwszych etapów cyklu projektowego. Na tym etapie \nustalany jest sposób pracy i zachowania projektowanego systemu. \nSpecyfikacja może mieć postać nieformalną lub formalną.\n\nFormalne metody [9] specyfikacji graficznej mogą zostać \nobejmują wiele technik, takich jak algorytmiczne maszyny stanów \nASM, sieci SFC, sieci Petriego [3, 4] czy diagramy maszyny \nstanowej i diagramy aktywności UML [2, 4, 5, 6, 7, 8, 10]. Każda \nz powyższych technologii ma swoje zalety oraz rzeszę zwolenni-\nków. Niemniej jednak może tak się zdarzyć, że w jednym z pro-\njektów zostanie użyta więcej niż jedna metoda specyfikacji. Fakt \ntaki może wynikać chociażby z udziału więcej niż jednego zespo-\nłu inżynierów rozproszonego po świecie i wykorzystującego na co \ndzień różne technologie. Pomocna w takiej sytuacji może być \ntransformacja [4, 6, 7, 8] pomiędzy używanymi typami specyfika-\ncji. \nArtykuł skupia się na dwóch wcześniej wymienionych techni-\nkach, czyli na interpretowanych sieciach Petriego sterowania oraz \ndiagramach aktywności języka UML (w wersji 2.x [10]) dostoso-\nwanych do opisu procesów sterowania. Coraz większa złożoność \nprojektów sprawia, że są one oparte na metodach hierarchicznego \nprzedstawiania zachowania systemu sterowania. \nArtykuł podzielony jest następująco. Rozdział 2 przedstawia \nproces sterowania transportem materiałów sypkich, na którego \nprzykładzie zobrazowane są kroki związane z odwzorowaniem \nsieci Petriego w diagramach aktywności UML. Dodatkowo, \nprzedstawiona została graficzna specyfikacja procesu z wykorzy-\nstaniem interpretowanych sieci Petriego sterowania wraz z zapro-\nponowanym uwzględnieniem makromiejsc. Rozdział 3 przedsta-\nwia konieczną zamianę wyjść typu Moore’a na wyjścia typu \nMeale’go w celu dostosowania sieci Petriego do specyfiki diagra-\nmów aktywności języka UML. Kolejnym niezbędnym krokiem do \nrealizacji odwzorowania jest zamiana makromiejsc w makrotran-\nzycje sieci Petriego. Proces zamiany omówiony został w rozdzia-\nle 4. Rozdział 5 przedstawia z kolei zasady transformacji pomię-\ndzy dostosowanymi interpretowanymi sieciami Petriego sterowa-\nnia a diagramami aktywności języka UML oraz rozpatruje zasad-\nność przyjętych założeń. Rozdział 6 podsumowuje artykuł.\n\n2. Proces sterowania i graficzna \nspecyfikacja", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2012", "token_count": 1882, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Grobelny"}
{"id": "bibliotekanauki-automation:153447:0001", "text": "Odwzorowanie hierarchicznych interpretowanych sieci Petriego sterowania z makromiejscami w diagramach aktywności UML\n\nOdwzorowanie hierarchicznej interpretowanej sieci Petriego \nsterowania [3] z wykorzystaniem makromiejsc w diagramach \naktywności języka UML [10] przedstawiono posługując się przy-\nkładem sterowania transportem materiałów sypkich z wykorzysta-\nniem dwóch wózków. Rzeczywisty model opisywanego procesu \nsterowania przedstawiono na rysunku 1. \nRozważany przykład jest reprezentacją systemu do transportu \nmateriałów sypkich. Proces rozpoczyna swoją pracę w przypadku, \njeżeli oba wózki znajdują się w swoich miejscach startowych a i c \noraz zostaje naciśnięty przycisk m. Pierwszą czynnością jest \njednoczesny ruch obu wózków w prawo w kierunku miejsc \nzaładunku oznaczonych odpowiednio b (wózek W1) i d (wózek \nW2). W momencie jak wózek osiągnie swój punkt docelowy \nnastępuje rozpoczęcie napełniania wózka. Procesy te wykonują się \njednocześnie, ale są od siebie niezależne. Napełnianie realizowane \njest przez ustawienie aktywnych sygnałow z1 (wózek W1) i z2 \n(wózek W2). Napełnienie wózków jest wskazywane prze sygnał e \ndla wózka W1 i f dla wózka W2. Jeżeli oba wózki są pełne \nnastępuje powrót wózków – jeden za drugim. Pierwszy wraca \nwózek W1 (wysterowany sygnał l1). Gdy wózek W1 osiągnie \nswój punkt startowy a odbywa się powrót wózka W2 (sygnał l2 aż \ndo momentu osiągnięcia punktu c).\n\nPAK vol. 58, nr 6/2012  507\n\nRys. 1. Rzeczywisty model omawianego procesu sterowania \nFig. 1. Real model of the described control process\n\nSpecyfikacja procesu sterowania z wykorzystaniem interpreto-\nwanej sieci Petriego przedstawiona została na rysunku 2. Do \nrealizacji funkcji (ruch odpowienich wózków i napełnianie) wyko-\nrzystane zostały wyjścia typu Moore’a (sygnał r1 aktywny, gdy \nmiejsce P2 jest aktywne).\n\nRys. 2. Specyfikacja procesu sterowania z makromiejscami \nFig. 2. Specification of a control process with macroplaces\n\nNa diagramie na rysunku 2 przedstawione zostały dodatkowo \nmożliwe makromiejsca MP1, MP2 i MP3. Makromiejsca te są \nodpowiednikami poszczególnych etapów realizowanych przez \nproces sterowania. Makromiejsce MP1 odpowiada przemieszcza-\nniu się wózka W1 oraz jego napełnianiu, miejsce MP2 odpowiada \nanalogicznej sytuacji realizowanej równolegle przez wózek W2. \nMakromiejsce MP3 przedstawia oba etapy jako jeden. Zaprezen-\ntowane na rysunku 2 makromiejsca i ich struktura wynika z bu-\ndowy sieci Petriego, ale jest także uzasadniona, gdy brana jest pod \nuwagę częściowa rekonfiguracja sterownika logicznego. Przy \ntakim ułożeniu makromiejsc i ich odpowiednim dostosowaniu do \nrekonfiguracji w procesie syntezy i implementacji w sterowniku \nlogicznym możliwa jest wymiana odpowieniej części programu \ndla procesu sterowania bez naruszania reszty procesu.\n\n3. Zamiana wyjść typu Moore’a na wyjścia \ntypu Mealy’ego\n\nDiagramy aktywności języka UML są drugą możliwą formą \nspecyfikacji behawioralnej omawianego procesu sterowania. \nInterpretowana sieć Petriego sterowania opisująca prezentowany \nprzykład sterowania systemem do transportu materiałów sypkich \nzbudowana jest z wykorzystaniem wyjść typu Moore’a, których \naktywność zależy od wewnętrznego stanu systemu. \nNa potrzeby transformacji przyjęto zasadę odwzorowania akcji \ndiagramów aktywności UML w tranzycjach sieci Petriego [6, 7, \n8]. Interpretacja ta wynika z faktu, że akcja diagramu aktywności \nUML odpowiada za zmianę zachodzącą w specyfikowanym sys-\ntemie. W sieciach Petriego za zmiany w systemie odpowiadają \ntranzycje. Miejsca przedstawiają lokalne stany systemu. Stąd \nprzyjęto, że tranzycja i akcja są tożsame i tak powinno się je trak-\ntować. W tym przypadku każdą z akcji rozpatruje się bardziej jako \nwywołanie komendy ZAMKNIJ DRZWI niż określenie stanu \nDRZWI SĄ ZAMYKANE. Schematycznie przykład odwzorowania \nprzedstawiony został na rysunku 3, gdzie miejsce P1 odpowiada \nza stan DRZWI OTWARTE, miejsce P2 przedstawia stan DRZWI \nZAMKNIĘTE a tranzycja przedstawia akcję ZAMKNIJ DRZWI i w \ntakiej sytuacji ta tranzycja odpowiada akcji diagramu aktywności \nZAMKNIJ DRZWI. Jak zostanie to przedstawione w dalszej części \nartykułu interpretacja „akcja = tranzycja” przysparza wielu kłopo-\ntów przy transformacji i nie w każdym przypadku może zostać \nuznana za zasadną.\n\nRys. 3. Interpretacja akcji diagramu aktywności w sieciach Petriego \nFig. 3. Interpretation of action of UML activity diagrams in Petri nets\n\nTypowo akcyjna interpretacja diagramów aktywności dodatko-\nwo nie daje możliwości bezpośredniej graficznej reprezentacji \nstanów wewnętrznych sterownika logicznego. Fakt ten wymusza \nwykorzystanie wyjść typu Mealy’ego co wiąże się w omawianym \nprzykładowym procesie z jego przekonstruowaniem. W przypad-\nku omawianego odwzorowania wspomniana zamiana wyjść z typu \nMoore’a na wyjścia typu Mealy’ego realizowana jest na etapie \nwykorzystania specyfikacji zapisanej przy pomocy sieci Petriego. \nPrzykładowa zmiana realizacji wyjść przedstawiona została na \nrysunku 4.\n\nRys. 4. Zamiana wyjść typu Moore’a na wyjścia typu Mealy’ego \nFig. 4. Exchange of Moore type outputs with Mealy type outputs\n\nW tym przypadku w pierwotnym diagramie sygnał jest aktywny \nw sytuacji, jeżeli miejsce p2 sieci Petriego jest aktywne. Jest to \ntypowe wyjście zależne tylko i wyłącznie od stanu systemu, po-\nnieważ zawsze jeżeli miejsce p2 będzie aktywne (system będzie w \nstanie lokalnym p2) jednocześnie sygnał r1 będzie aktywny. Za-\nmiana wyjścia typu Moore’a na wyjście typu Mealy’ego polega na \nodłączeniu sygnału od konkretnego miejsca i przypisaniu jego \naktywacji i dezaktywacji do otaczających dane miejsce tranzycji. \nW omawianym przykładzie (przedstawionym na rysunku 4) \nw docelowej sieci Petriego aktywacja sygnału wyjściowego r1 \n(przypisanie sygnałowi r1 wartości 1) odbywa się w chwili uru-\nchomienia (odpalenia) tranzycji t1. Odpalenie tranzycji zależne \njest od aktywności sygnału wejściowego x1. Dezaktywacja sygna-\n\n508  PAK vol. 58, nr 6/2012", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2012", "token_count": 2331, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Grobelny"}
{"id": "bibliotekanauki-automation:153447:0002", "text": "Odwzorowanie hierarchicznych interpretowanych sieci Petriego sterowania z makromiejscami w diagramach aktywności UML\n\nłu wyjściowego r1 na omawianym rysunku 4 realizowana jest \nw momencie uruchomienia (odpalenia) tranzycji t2, a to zależne \njest od stanu sygnału wejściowego x1 (sygnał x1 musi być nieak-\ntywny, aby tranzycja została zrealizowana).\n\nRys. 5. Specyfikacja procesu sterowania z użyciem wyjść typu Mealy’ego \nFig. 5. Specification of a control process with use of Mealy outputs\n\nOmawiany proces sterowania i odwzorowanie jego specyfikacji \nw diagramach aktywności także wymaga zamiany typu sygnałów \nwyjściowych. Sieć Petriego po realizacji takiej zamiany przedsta-\nwiona została na rysunku 5. Jak można zaobserwować, zamiana ta \nspowodowała zmianę liczby miejsc i tranzycji. Zwiększenie liczby \nmiejsc i tranzycji w omawianym przykładzie nie byłoby koniecz-\nne, gdyby specyfikacja nie posiadała makromiejsc. Zwiększenie \nich liczby odbyło się dodatkowo w celu zachowania czytelności \nsieci Petriego.\n\n4. Zmiana makromiejsc w makrotranzycje\n\nKolejnym krokiem koniecznym do odwzorowania procesów \njest przypisanie makromiejscom odpowiadającym im makrotran-\nzycji, które docelowo mogą zostać przetransformowane na aktyw-\nności diagramu aktywności języka UML. Wynika to z przyjętej \ninterpretacji akcji w postaci tranzycji i konsekwentnie aktywności \nw postaci makrotranzycji. Analogicznie w owej interpretacji \nmiejsca nie posiadają bezpośredniego graficznego odwzorowania \ni w związku z tym makromiejsca też nie będą posiadały graficzne-\ngo odpowiednika w diagramach aktywności. Stąd konieczna jest \nzmiana makromiejsc w makrotranzycje dla uzyskania spójności \ni poprawności omawianego procesu odwzorowania jednej techniki \nspecyfikacji w drugiej.\n\nRys. 6. Specyfikacja procesu sterowania z wykorzystaniem makrotranzycji \nFig. 6. Specification of a control process with use of macrotransitions\n\nSieć Petriego z makromiejscami zamienionymi w makrotranzy-\ncje, opisująca omawiany w artykule proces sterowania transpor-\ntem materiałów sypkich z wykorzystaniem dwóch wózków przed-\nstawiona została na rysunku 6. Proces zamiany makromiejsc na \nmakrotranzycje może przyjąć trzy możliwe scenariusze, omówio-\nne kolejno w dalszej części rozdziału. \nPierwszy scenariusz przewiduje utworzenie dodatkowych tran-\nzycji bez funkcjonalności otaczających makromiejsc. Po połącze-\nniu tych tranzycji z makromiejscem otrzymana zostaje makrotran-\nzycja. W opisywanym przykładzie ten wariant nie został wykorzy-\nstany. \nDrugą możliwością jest wcielenie tranzycji już istniejących \nw procesie sterowania otaczających makromiejsce. Jeżeli taka \nzamiana nie będzie miała wpływu na sam proces, jest ona dopusz-\nczalna. Przykład takiej zamiany został zastosowany w opisywa-\nnym procesie, makromiejsce MP3 (rysunek 5) po włączeniu tran-\nzycji T1 i T8 zostało przekształcone na makrotranzycję MT3 (ry-\nsunek 6). Włączenie obu tranzycji nie zmienia sensu wykonywa-\nnych czynności, dlatego mogło zostać zastosowane. \nKolejną, trzecią możliwością, jest wyłączenie skrajnych miejsc \nmakromiejsca i w ten sposób otrzymanie makrotranzycji. Tak \nsamo jak w dwóch poprzednich przypadkach należy pamiętać, że \ntakie wyłączenie miejsc nie może zmieniać charakteru rozpatry-\nwanej hierarchicznej makrokonstrukcji w szczególności jeżeli \nchodzi o sposób zachowania i wykonywane przez nią czynności. \nW przypadku omawianego procesu sterowania ostatni scenariusz \npolegający na wyłączeniu „zbędnych” miejsc i w ten sposób \notrzymaniu makrotranzycji zrealizowany został przy zamianie\n\nPAK vol. 58, nr 6/2012  509\n\nmakromiejsc MP1 i MP2 w makrotranzycje - odpowiednio MT1 \ni MT2.\n\n5. Transformacja do diagramu aktywności \njęzyka UML\n\nKolejnym etapem prezentowanej w artykule metody odwzoro-\nwania hierarchicznych interpretowanych sieci Petriego sterowania \nw diagramach aktywności języka UML jest transformacja zmody-\nfikowanej i dostosowanej sieci Petriego na diagram aktywności. \nW przypadku opisywanego procesu sterowania ostateczną zmody-\nfikowaną siecią Petriego będącą podstawą transformacji jest sieć \nzaprezentowana na rysunku 6. Diagram aktywności języka UML \ndla omawianego procesu sterowania otrzymany w wyniku trans-\nformacji przedstawiony został na rysunku 7. Odwzorowanie bazu-\nje na zasadach transformacji prostych (bez hierarchii) sieci Petrie-\ngo do diagramów aktywności UML opisanych w [6, 7, 8]. Trans-\nformacja hierarchiczna jest rozbudowaniem tych zasad o elementy \nzwiązane z hierarchicznym opisem procesów sterowania.\n\nRys. 7. Diagram aktywności UML dla omawianego procesu sterowania \nFig. 7. UML activity diagram for the described control process\n\nPodstawową zasadą transformacji diagramów aktywności języ-\nka UML do interpretowanych sieci Petriego sterowania jest od-\nwzorowanie tranzycji sieci Petriego w akcjach diagramu aktywno-\nści UML. Stąd, bazując na interpretacji dotyczącej akcji i tranzy-\ncjach, przyjęto zasadę, że makrotranzycje zamieniane są na ak-\ntywności złożone diagramu aktywności. Miejsca sieci Petriego nie \nposiadają odpowiedniego elementu na który mogłyby zostać \nodwzorowane, więc są poniekąd pomijane. W związku z tym \nmakromiejsca sieci Petriego także nie mogą zostać uwzględnione \ni zostają zastąpione makrotranzycjami w celu dalszego ich odwzo-\nrowania w aktywnościach. Postępowanie znacząco komplikuje \nproces transformacji i jednocześnie modyfikuje częściowo specy-\nfikowany proces, co może być powodem rozbieżności interpretacji \nspecyfikacji behawioralnej danego sterownika logicznego. Stąd \nnależy rozważyć zasadność każdorazowej interpretacji akcji \nw postaci tranzycji. W przypadku interpretowanych sieci Petriego \nsterowania i ich charakterystyki wydaje się zasadnym odwzoro-\nwanie akcji w miejscach sieci Petriego. Jednocześnie w takiej \nsytuacji należałoby przyjąć, że miejsca interpretowanej sieci \nPetriego sterowania mają charakter bardziej akcyjny niż stanowy. \nAkcyjna charakterystyka miejsc jest szczególnie widoczna \nw sytuacji rozpatrywania specyfikacji z punktu widzenia klienta \nlub systemu sterowanego.\n\n6. Wnioski", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2012", "token_count": 2165, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Grobelny"}
{"id": "bibliotekanauki-automation:153447:0003", "text": "Odwzorowanie hierarchicznych interpretowanych sieci Petriego sterowania z makromiejscami w diagramach aktywności UML\n\nSpecyfikacja behawioralna sterownika logicznego może zostać \nprzygotowana z użyciem wielu technik. W artykule zaprezento-\nwano możliwość wykorzystania sieci Petriego i diagramów ak-\ntywności. \nPrezentowany sposób odwzorowania i założone zasady powo-\ndują znaczny wzrost złożoności całego procesu transformacji. \nNależałoby rozpatrzyć zasadność przyjętych założeń, że akcja \nmusi zawsze być odwzorowana w tranzycji. Należy rozważyć, czy \nw przypadku procesów sterowania specyfikowanych z wykorzy-\nstaniem interpretowanych sieci Petriego sterowania nie bardziej \nzasadnym jest przypisanie akcji diagramu aktywności miejsca \njako odpowiednika. Wynikać to może z fakty, że miejsce z aktyw-\nnym sygnałem wyjściowym jest odpowiednikiem stanu systemu \nsterowania ale jednocześnie odpowiada za czynność wykonywaną \nprzez system sterowany. W takiej sytuacji odpowiednie traktowa-\nnie akcji, a co za tym idzie aktywności diagramów aktywności \njęzyka UML zależne jest od typu rozpatrywanego systemu i zna-\nczenia jego specyfikacji w postaci sieci Petriego.\n\nPriorytetu VIII „Regionalne Kadry Gospodarki” Programu Operacyjnego Kapitał \nLudzki współfinansowanego ze środków Europejskiego Funduszu Społecznego Unii \nEuropejskiej i z budżetu państwa.\n\n7. Literatura\n\n[1] Adamski M., Barkalov A., Węgrzyn M. (Eds.): Design of Digital \nSystems and Devices, Lecture Notes in Electricel Engineering, Vol. \n79, Springer-Verlag, Berlin Heidelberg 2011. \n[2] Basile F., Chiachio P., Del Grosso D.: Modelling automation systems \nby UML and Petri Nets, Proceedings of the 9th International \nWorkshop on Discreet Event Systems, Goteborg, 2008, str. 308 - 313. \n[3] David R., Alla H.: Discrete, Continuous, and Hybrid Petri Nets, \nSpringer Verlag, Berlin Heidelberg 2010. \n[4] Eshuis R.: Semantics and Verification of UML Activity Diagrams for \nWorkflow Modelling, rozprawa doktorska, University of Twente, \nWierden 2002. \n[5] Girault C., Valk R.: Petri Nets for Systems Engineering. A Guide to \nModeling, Verification, and Applications, Springer Verlag, Berlin \nHeidelberg 2003. \n[6] Grobelna I., Grobelny M., Adamski M.: Petri Nets and activity \ndiagrams in logic controller specification - transformation and \nverification, Mixed Design of Integrated Circuits and Systems, \nProceedings of the 17th International Conference, 2010, str. 607 – \n612. \n[7] Grobelny M., Grobelna I.: Diagramy aktywnosci jezyka UML i sieci \nPetriego w systemach sterowania binarnego od transformacji do wery-\nfikacji, Pomiary Automatyka Kontrola, nr 10, 2010, str. 1154 – 1158. \n[8] Grobelny M.: Transformation of UML 2.x activity diagrams into \ncontrol interpreted Petri nets in hardware behavioural modelling, \nPrace Instytutu Elektrotechniki - Proceedings of Electrotechnical \nInstitute, zeszyt 251, 2011, str. 87 – 95. \n[9] Szmuc T., Szpyrka M.: Metody formalne w inżynierii oprogramowa-\nnia systemów czasu rzeczywistego, Wydawnictwa Naukowo-\nTechniczne, Warszawa 2010. \n[10] Unified Modeling Language Infrastructure and Superstructure \ncomplementary specifications, aktualna wersja normatywna 2.4.1, \nhttp://www.omg.org/spec/UML/2.4.1/\n\n_____________________________________________________ \notrzymano / received: 15.03.2012\n\nprzyjęto do druku / accepted: 01.05.2012 \nartykuł recenzowany / revised paper", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2012", "token_count": 1084, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Grobelny"}
{"id": "bibliotekanauki-automation:154267:0000", "text": "Rekonfigurowalne autonomiczne systemy sterowania\n\n460  PAK vol. 57, nr 5/2011\n\nMariusz PELC \nPOLITECHNIKA OPOLSKA, WEAiI, \nul. Sosnkowskiego 31, 45-272 OPOLE\n\nRekonfigurowalne autonomiczne systemy sterowania\n\nDr inż. Mariusz PELC\n\nJest obecnie pracownikiem Wydziału Elektrotechniki, \nAutomatyki i Informatyki Politechniki Opolskiej. Jego \ndziałalność naukowa obejmuje nowoczesne kompute-\nrowe systemy sterowania, jak również klastry kompute-\nrowe i obliczenia równoległe. Najnowsza działalność \nbadawcza dra inż. Mariusza Pelca prowadzona we \nwspółpracy z Uniwersytetem Greenwich w Londynie \ndotyczy \nsystemów \nautonomicznych \ntypu \nself-*, \na w szczególności metody ich formalnej weryfikacji \ni walidacji.\n\ne-mail: [EMAIL]\n\nStreszczenie\n\nW niniejszym artykule poruszona zostaje problematyka rekonfigurowal-\nnych autonomicznych systemów sterowania działających bez (lub z moż-\nliwie niewielką) ingerencji człowieka, z drugiej jednak strony wyposażo-\nnych w mechanizm, który daje możliwość ich kontroli, a w sytuacji bardzo \ndaleko posuniętych zmian środowiska (ang. context awareness), w którym \nte systemy operują, umożliwia ich szybką rekonfigurację. Jest to możliwe \ndzięki zaprezentowanej w tym artykule architekturze komponentu progra-\nmowego, którego punkty decyzyjne (ang. Decision Points) stanowiące \nw istocie „logikę” tego komponentu, są otwarte (wymienne), to znaczy \nmogą być w zasadzie dowolnie kształtowane już po załadowaniu (uru-\nchomieniu) tego komponentu w systemie docelowym. Architektura ta \nwspierana dedykowanym oprogramowaniem warstwy pośredniej (ang. \nmiddleware), umożliwia implementację efektywnego mechanizmu rekon-\nfiguracji w oparciu o polityki.\n\nSłowa kluczowe: komputerowe systemy sterowania, systemy autonomicz-\nne, polityki.\n\nReconfigurable autonomic control systems\n\nAbstract\n\nIn this paper a very relevant issue related to reconfigurable autonomic real-\ntime control systems is undertaken. Designers of this kind of systems have \nto balance on the one side the ability of their operation with virtually no \n(or with minimum) human intervention, but on the other side, they have to \nimplement a mechanism for easy and efficient reconfiguration in response \nto changing environmental conditions (context awareness). Although there \nare many techniques that may potentially be used to implement autonomic \nbehaviour (such as Artificial Neural Networks, Fuzzy Logic, etc.) actually \nonly policy-based computing seems to give the system designers enough \nfreedom when it comes to specification of how the system should behave \nin response to the environmental changes. This ease results from the fact, \nthat each policy is written using a Policy Description Language (PDL) \nwhich can be optimized for the given problem area (various control systems \napplications, business applications, etc.). As each PDL (for example \nAGILE PDL) offers besides a specific structure also a set of keywords \nstrictly related to the problem domain, the system designers can easily \nexpress relations between context variables changes (these reflect the \nenvironment / context changes) and the requested changes to the system \nbehaviour in a descriptive way. This is a very big advantage of policy-\nbased computing over the alternative technologies. Policies themselves \nconstitute the software component “logic” and because they (and thus the \nlogic itself) can easily be replaced with newer (more optimized) versions, \nthen in the result the same software component may behave completely \ndifferent under the same environmental conditions. Policy-based computing \nis the ideal candidate technology to support reconfiguration of autonomic \nsystems as this technology is not resource hungry, so it may be successfully \napplied to the embedded systems domain.\n\nKeywords: computer control systems, policy-based computing.\n\n1. Wprowadzenie\n\nW dobie dość dynamicznego rozwoju komputerowych syste-\nmów sterowania coraz powszechniejsze staje się łączenie klasycz-\nnych algorytmów sterowania z technologiami, które z jednej \nstrony pozwalają na zwiększenie autonomii tych systemów stero-\nwania, a z drugiej strony pozwalają na ich szybką i efektywną \nrekonfigurację w czasie rzeczywistym. Dzięki temu klasyczne \nalgorytmy sterowania zyskują zdolność strukturalnej adaptacji do \nzmian środowiska, a w efekcie pozwalają na zwiększenie ela-\nstyczności stosowanych dotychczas rozwiązań [1]. \nPomimo istnienia wielu technologii, które wspierają projekto-\nwanie autonomicznych systemów sterowania (np. sztuczne sieci \nneuronowe, logika rozmyta, systemy neuronowo-rozmyte), jedy-\nnie niektóre z nich mogą być wykorzystane w systemach czasu \nrzeczywistego o ograniczonych zasobach (systemach wbudowa-\nnych). Ponadto, jeśli wziąć pod uwagę fakt, iż przy algorytmach \nze sztucznymi sieciami neuronowymi, bądź też algorytmach roz-\nmytych czy neuronowo-rozmytych, proces uzyskania nowej wersji \n„logiki” wymaga w praktyce ponownego, czasochłonnego uczenia \nsieci lub doboru / optymalizacji zmiennych lingwistycznych, \nwówczas okaże się, że wybór algorytmów komputerowych wyko-\nrzystujących polityki (ang. policy-based computing), gdzie „logi-\nka” formułowana jest w sposób opisowy (jak w przypadku syste-\nmów ekspertowych), może się okazać uzasadniony[2, 3]. \nW dalszej części tego artykułu zostanie zaprezentowana archi-\ntektura rekonfigurowalnego komponentu programowego wraz \nz koherentnym oprogramowaniem warstwy pośredniej (rozdział \n2). Następnie zostanie przedstawiona architektura klasycznego \nsystemu sterowania rozbudowanego o elementy zapewniające \nautonomiczność / rekonfigurowalność (rozdział 3). W rozdziale \nprzedstawiona zostanie struktura autonomicznego rekonfiguro-\nwalnego systemu sterowania. W rozdziale 4 pokrótce przedsta-\nwiony zostanie język opisu polityk AGILE, natomiast podsumo-\nwanie treści niniejszego artykułu wraz z opisem problemów \notwartych znajdą się w rozdziałach 6 i 7.\n\n2. Architektura komponentu z otwartymi \npunktami decyzyjnymi", "source": "bibliotekanauki-automation", "added": "2026-11-07", "created": "2011", "token_count": 1829, "license": "CC BY: Creative Commons Attribution 3.0 Unported", "author": "M. Pelc"}