System monitorowania komputerowych systemów wspomagania w metrologii


W celu zachowania wysokiej dokładności realizacji atomowej definicji sekundy zegary atomowe powinny być w sposób ciągły ze sobą porównywane. Wynika to również z ich udziału w tworzeniu niezależnej Polskiej Atomowej Skali Czasu. UTC(PL) stanowi główną skalę odniesienia dla porównań zegarów atomowych i skal czasu w Polsce, co umożliwia im dowiązanie do Międzynarodowej Skali Czasu UTC. Dlatego bardzo ważne jest utrzymywanie UTC(PL) jak najbliżej UTC, co jest procesem złożonym i wymaga prognozowania skali czasu UTC(PL) względem UTC. Dotychczasowe próby prognozowania skali czasu, wykonywane w Głównym Urzędzie Miar, ograniczają się do zastosowania metody regresji, która pozwala na wyznaczenie na określony dzień wartości poprawki korygującej częstotliwość wzorca czasu. Obliczenia te prowadzone są w odniesieniu do jednego wzorca i nie uwzględniają zmian wartości częstotliwości wzorcowych pozostałych wzorców czasu. Taka sytuacja wpływa niekorzystnie na jakość końcowego wyniku wyznaczania poprawki korygującej.

W Instytucie Metrologii Elektrycznej podjęto prace w zakresie budowy systemu prognostycznego wykorzystującego sieci neuronowe do prognozowania z wyprzedzeniem 15-dniowym odchylenia czasu UTC – UTC(PL) na podstawie udostępnionych przez Instytut Łączności danych pomiarowych charakteryzujących niestabilność atomowych wzorców czasu i wyników porównań UTC(PL) z UTC podawanych przez Międzynarodowe Biuro Miar i Wag w Paryżu. Zastosowanie modeli neuronowych uwzględniających zmiany wartości częstotliwości większej grupy wzorców powinno w znacznie lepszym stopniu poprawić proces predykcji w zakresie określenia, na wybrany dzień, poprawki korygującej częstotliwość wzorca.

Na podstawie dotychczas przeprowadzonych badań symulacyjnych opracowano model neuronowego systemu prognostycznego o strukturze hybrydowej, bazujący na sieciach RBF. Zaproponowana struktura pozwala na trzykrotną poprawę własności predykcyjnych w stosunku do pojedynczej sieci, a ośmiokrotną w stosunku do metody regresji.

Istotną cechą zaproponowanego rozwiązania jest możliwość łatwej rekonfiguracji systemu prognostycznego. Zmiana zegara wiodącego i zbioru zegarów uczestniczących w prognozowaniu wymaga tylko nauczenia prognozy sieci głównej, a dołączenie każdego następnego zegara wymaga tylko dodatkowych 7..8 neuronów w warstwie ukrytej sieci głównej.

Więcej informacji