Фафурин В.А., Терюшов И.Н. Автоматизация технологических процессов и производств - файл n1.doc

приобрести
Фафурин В.А., Терюшов И.Н. Автоматизация технологических процессов и производств
скачать (16087.5 kb.)
Доступные файлы (1):
n1.doc16088kb.18.09.2012 09:51скачать

n1.doc

1   2   3   4   5   6   7   8   9   ...   21


Fmax - верхний предел измерения по расходу дифманометра – расходомера, м3.

Значение K? определяется по формулам (19) или (20).
Введение поправки на температуру свободных концов термопары.
В АСУТП введение поправки на температуру свободных концов термопары осуществляется согласно алгоритму
, (24)
где Z - код АЦП, соответствующий действительному значению температуры в объекте (с учетом поправки на температуру свободных концов); Zрк - код АЦП, соответствующий разности температур рабочего и свободного концов термопары; Zск - код АЦП, соответствующий температуре свободных концов термопары; R и ? - коэффициенты, зависящие от градуировки термопары и ее пределов измерения.

Для введения поправки на температуру свободных концов часто используют линейное приближение формулы (24) в виде
, (25)

где .
При этом ошибка аппроксимации в диапазоне измеряемых температур до 1000 С не превышает 1,0 %.

Значение коэффициента а можно определить по градуировочным таблицам для соответствующего термоэлектрического преобразователя и заданного интервала температур [6].

Для выражения ТЭДС в кодах АЦП необходимо их табличные значения отнести к значению ТЭДС, которое будет иметь место при крайнем правом значении диапазона аппроксимации, а затем полученное относительное значение ТЭДС умножить на максимальное значение кода АЦП, определяемое его разрядностью.
Коррекция показаний гидростатических уровнемеров
Гидростатический уровнемер жидкости преобразует значение измеряемого уровня L в перепад давлений ∆Р между точками отбора импульсов (в самой нижней точке аппарата и над уровнем жидкости):
Р = К1 ? L , (26)
где ? – плотность жидкости, кг/м3 ; L – уровень жидкости, м; К1 – масштабный коэффициент, зависящий от выбора единиц измерения величины (например, если ∆Р выражение в МПа, то К1 = 10-5 ).

Перепад линейно преобразуется дифманометром в стандартный электрический сигнал y (0-5, 4-20 mA, 0-10 В). Таким образом будем иметь:

y = К1 К2 ? L , (27)

где – коэффициент усиления дифманометра; y* - значение выходного сигнала дифманометра, соответствующее верхнему пределу измерения ∆Р* (для упрощения предполагаем, что нижним пределом измерений является ноль).

Из (27) получаем выражение для определения уровня жидкости в аппарате по выходному сигналу датчика (градуировочную характеристику):

. (28)

Однако определить точное значение уровня по выходному сигналу y датчика, используя формулу (28), невозможно ввиду того, что плотность жидкости ? зависит от ее температуры и потому зависимость L(y) получается неоднозначной.

Зависимость плотности ? от температуры при относительно небольших отклонениях температуры ? от ее номинального (градуировочного) значения ?0 описывается выражением
? = ?0 [1 + ? (?0 – ?)] , (29)


где ?0 - плотность жидкости при температуре ?0; ? - температурный коэффициент объемного расширения.

С учетом (29) формула (28) запишется в виде:

, (30)

где– поправочный коэффициент, учитывающий влияние изменения плотности при колебаниях температуры на результат измерения.

Учитывая, что , и ,

получим

, (31)

где Lmax - верхний предел измерения уровня дифманометром-уровнемером.

Итак, на каждом такте опроса канала измерения уровня ЭВМ по температуре жидкости в реальных условиях определяют величину K? и далее по формуле (31) скорректированное значение уровня L.
1.2.6. Расчет действительных значений измеряемых величин в физических единицах измерения по кодам АЦП
Сигнал измеряемой величины, поступающий от датчика в ЭВМ, преобразуется в аналого-цифровом преобразователе в число, верхнее в двоичный код, который определяет не собственно измеряемую величину, а значение выходного сигнала датчика, функционально связанного с измеряемой величиной. Для решения задач контроля и управления необходимо иметь не выходной сигнал датчика, а саму измеряемую величину, выраженную в физических единицах измерения (0С, МПа, м3 и др.).

Свойства конкретных датчиков и характер производимых в них преобразований определяют функциональную зависимость между измеряемой величиной х и выходным сигналом датчика y
y = F(x) , (32)
где F(x) – монотонная функция, называемая статической характеристикой датчика.

Задача заключается в определении измеряемой величины по выходному сигналу датчика y, т.е. в нахождении функции
X = F-1(y) = f(y) , (33)
где f(y) – функция, обратная статической характеристике датчика, называемая его градуировочной характеристикой.

На практике встречаются три основных варианта градуировочных характеристик:

1. Линейные, описываемые зависимостью

y = аx + b , (34)

откуда , (35)

где а и b – постоянные коэффициенты.

Такими характеристиками обладают, например, датчики давления, уровня, рН-метры, ротаметры, многие автоматические газоанализаторы, датчики химического состава и другие измерительные преобразователи.

2. Нелинейные, описываемые известной аналитической зависимостью. Типичным примером могут служить расходомеры переменного перепада давления градуировочной характеристикой вида

, (36)
где а – постоянный коэффициент (если условия измерения соответствуют градуировочным).

3. Нелинейные, заданные градуировочной таблицей. К этой группе относятся, например, термопары и термометры сопротивления.

Градуировочные характеристики, заданные таблицей, чаще всего аппроксимируют аналитическим выражением, которое в дальнейшем и используется для расчета оценок измеряемой величины.

Аппроксимирующая функция обычно является многочленом степени n в виде

, (37)

где ак - коэффициенты, определяемые, например, по методу наименьших квадратов, т.е. из условия

. (38)

Для примера в табл. 1.2 приведены полиномы 2-й степени, аппроксимирующие градуировочные таблицы для термопар и термометров сопротивления нескольких градуировок [2].

При расчете действительных значений измеряемых величин задача заключается в определении измеряемой величины х не по выходному сигналу у датчика, а по коду АЦП КАЦП , связанному с у соотношением

КАЦП = Км · у , (39)
где Км - масштабный коэффициент, численное значение которого определяется коэффициентом усиления нормирующего преобразователя НП и разрядностью АЦП (рис.1.5).

Рис.1.5. Типовой измерительный канал АСУ ТП: D – датчик; НП – нормирующий преобразователь; КС - коммутатор сигналов (мультиплексор); АЦП – аналого – цифровой преобразователь

Таблица 1.2
Полиномиальные зависимости P(y) для термопар и термометров сопротивления


Датчик



Полином

Диапазон аппроксимации,

Максимальная абсолютная ошибка аппроксимации,

Относитель ная ошибка, %

Термопара платинородий-платиновая





0ч1600


17,69


0,1

Термопара хромель-копелевая





0ч600


3,0


0,5

Термопара хромель-алюмелевая





0ч800


4,87


0,4

Медный термометр сопротивления, гр. 50М





-120ч150


0,319


0,06

Платиновый термометр сопротивления, гр. 50П





-200ч500


0,303


0,06

Величина Км может быть легко определена по формуле

, (40)

где - максимальное значение кода АЦП, определяемое его разрядностью (см. табл. 1.1); уmax, уmin – соответственно максимальное, минимальное значение выходного сигнала датчика.

При уmin = 0 формула (40) приобретает вид

. (41)
Расчет действительных значений температур по кодам АЦП

В качестве датчика температуры возьмем, например, хромель-копелевую термопару. Согласно табл.1.2 градуировочная характеристика ХК термопары в диапазоне температур 0-6000С аппроксимируется полиномом 2-й степени в виде [2]
Х = 3,01 + 13,75 у – 0,03 у2 , (42)
где Х, ?, 0С – температура в объекте; у – термоЭДС термопары.

Согласно (39) и (41) выходной сигнал датчика, в нашем случае – термопары, выразится через код АЦП следующим образом:

. (43)

Подставляя (43) в (42), будем иметь

. (44)

Учитывая далее, что

, (45)

получим

.

(46)

В выражениях (45) и (46): уmax - максимальное значение выходного сигнала нормирующего преобразователя; КНП – коэффициент усиления нормирующего преобразователя.

Для заданных условий , КНП и у1max - постоянные величины. Следовательно, температура ? будет определяться только текущим кодом АЦП по температурному каналу - . На каждом такте опроса в ЭВМ будет поступать текущий код , по которому она, используя формулу (46), и определит текущее значение ? в 0С.
Пример. Пусть на вход в ЭВМ по каналу измерения температуры на очередном такте опроса поступил сигнал (код АЦП), равный 768 (= 768). При этом измерительный канал АСУ ТП для контроля температуры реализован в виде (рис.1.6).

Рис.1.6. Канал измерения температуры: ТЕ – хромель-копелевая термопара; ТУ – нормирующий термопреобразователь; градуировка ХК. Диапазон изменений температуры на входе 0-100 . Выходной сигнал 0-10В; А/Ц – 10-разрядный аналого-цифровой преобразователь ( = 1024)

Требуется определить по коду АЦП значение температуры в объекте в 0С.

Решение. Для расчета температуры ? используем формулу (46).

Численные значения входящих в нее величин:

= 1024 (по заданию); у1max = 10В (по заданию);

,

где уmax – максимальное значение выходного сигнала термопары (ТЭДС) при температуре 1000С (значение температуры 1000С тоже по заданию). По градуировочным таблицам [5] имеем

уmax = 6,84 МВ.

Следовательно,

КНП = = 1,46.

Подставляя значения , у1max , КНП и в формулу (46), получим

.
Расчет действительных значений давлений, уровней и других параметров, измеряемых датчиками с линейными статическими характеристиками
Расчет значений параметров, измеряемых датчиками с линейными статическими характеристиками, осуществляется по следующим формулам:

; (47)

, (48)

где хmax , хmin – соответственно верхний и нижний пределы измерений датчика.

При хmin = 0 формула (48) превращается в (47).
Расчет действительных значений расходов
Расчет значений расходов осуществляется по следующим формулам:

; (49)

. (50)

Формула (49) используется для расчета расходов жидкостей, а формула (50) – для расчета расходов паровых и газовых потоков.

Для газовых потоков поправочный коэффициент K? вычисляется по формуле:

. (51)

Для насыщенного пара плотность ?g зависит только от давления:
?g = ?g (Р) . (52)
Задав номинальное значение Р0 , можно по этой формуле рассчитать ?0 , а затем в процессе измерений рассчитывать фактическую плотность, соответствующую текущему значению Р, и вносить поправку на изменение условий измерения.

Для перегретого пара плотность пара является функцией давления и температуры

?g = ?g (Р, ?) (53)

Например, для перегретого водяного пара в диапазоне давлений 5-18 кгс/см2 и температур 170-280 0С эта зависимость имеет вид

. (53*)

Пример. Пусть на вход ЭВМ по каналу измерения расхода перегретого водяного пара на очередном такте опроса поступил сигнал (код АЦП), равный 512 ( = 512).

В качестве измерительного преобразователя расхода использован дифманометр-расходомер Метран 100 ДД на предельный номинальный перепад давления 10 кПа и расход Fmax = 630 м3.

Поскольку измеряется расход перегретого пара, то для расчета поправочного коэффициента K? в ЭВМ помимо перепада давления необходимо также ввести давление и температуру пара перед диафрагмой.

Давление измеряется измерительным преобразователем избыточного давления (манометром) Сапфир 22 МДИ с пределом измерения 0-10 кгс/см2 (0-1,0 МПа). По каналу измерения давления на данном такте опроса в ЭВМ поступил сигнал (код АЦП), равный 768 ( = 768).

Температура пара измеряется хромель-алюмелевой термопарой. В качестве нормирующего преобразователя использован термопреобразователь Ш-9322, гр.ХА. Диапазон изменений температуры на входе 0-4000С. Выходной сигнал (после блока нагрузок) 0-10 В. По каналу измерения температуры на данном такте опроса в ЭВМ поступил сигнал (код АЦП), равный 512 ( = 512).

Аналого-цифровые преобразователи по каналам расхода, давления и температуры – 10-разрядные ( = 1024).

Требуется определить действительное значение расхода.

Решение. Для расчета расхода перегретого пара используем формулу (50).

Численные значения входящих в нее величин:

=512 (по заданию); = 1024 (по заданию);

Fmax = 630 м3 (по заданию);

?0 = 3,02 кг/м3 (величина, определяемая по таблицам соответствующих справочников при расчетных давлении и температуре);

?g – величина, определяемая по формуле (53) при давлении и температуре, соответствующим реальным условиям измерения.

Согласно формуле (53), ?g является функцией давления и температуры. Следовательно, вначале по заданным кодам = 768 и = 512 определим давление и температуру в объекте.
Давление. Для расчета величины давления по коду АЦП используем формулу (47)

. (54)
Температура пара измеряется, как уже указывалось, хромель-алюмелевой термопарой.

Согласно табл.1.2, градуировочная характеристика ХА термопары аппроксимируется следующим полиномом:
х = 4,87 + 23,6 у + 0,011 у2, (55)
где х = ?, 0С – температура в объекте; у – термоЭДС термопары.

Учитывая (43) и (44), получим



(56)

Численные значения входящих в формулу (56) величин:

= 1024 (по заданию); у1max = 10В (по заданию);

,

где уmax – максимальное значение выходного сигнала термопары (ТЭДС) при температуре 1000С (значение температуры 4000С тоже по заданию). По градуировочным таблицам [5] имеем уmax =16,39.

Следовательно, = 0,61.

Подставляя значения , , КНП , у1max в (56) получим

Подставляя полученные значения Р и ? в (53*), найдем плотность пара в реальных условиях измерения





Заметим, что при автоматическом контроле расхода с помощью ЭВМ расчет ?g в данном случае будет осуществляться по формуле:

,

где значения = [4,87 + 0,38 + 0,0312 · 10-6 ()2];

P () = 0,00976

получаются из (54) и (56) при подстановки в них численных значений , КНП , уmax.

Зная ?0 и ?g , определим поправочный коэффициент

К? = = 1,07.

Используя формулу (50), определяем действительное значение расхода:

F = = 470 м3.

1.2.7. Экстраполяция. Определение периода опроса датчиков в АСУ ТП
ЭВМ получает информацию о непрерывно изменяющихся величинах дискретно во времени, поэтому возникает задача восстановления значений измеряемых величин в промежутках между моментами квантования. Такое восстановление производят, используя различные методы экстраполяции. Простейшим из них является метод ступенчатой экстраполяции, при котором мгновенное значение дискретного сигнала х (j) фиксируется на период, равный времени такта квантования
х(t) = х (j) (57)

при j ? t ? (j + 1) , j = 0,1,2, …

Такая экстраполяция в отличие от других (линейной, стохастической и др.) очень проста, поскольку не требует никаких дополнительных вычислений. И потому в задачах первичной обработки информации для экстраполяции используется, как правило, простейший алгоритм (57)*.

Период опроса датчиков для случая ступенчатой экстраполяции определяют из выражения

, (58)

где - максимальное значение средней квадратичной погрешности определения параметра х; Dx – дисперсия случайного процесса; Kx () – значение корреляционной функции случайного процесса при =; - погрешность измерительного канала.


___________________________________________________________

* Другие виды экстраполяции рассмотрены ниже
Уравнение (58) при заданных , Dx , решается относительно Kx ()

. (59)

При известной корреляционной функции случайного процесса по величине Kx () легко определяется искомая величина .

Программа расчета статистических характеристик стационарных случайных процессов: математического ожидания дисперсии и корреляционной функции приведена в приложении 1.

В приведенной программе: N – число наблюдений временного ряда; N1 – размерность выходного массива значений корреляционной функции; Х(I) – входной массив, содержащий значения временного ряда размерности N (дискретные значения случайного процесса); Т(J) – массив значений корреляционной функции размерности N1; М – оценка математического ожидания, определяемая по формуле

, (60)

D – несмещенная оценка дисперсии; К – корреляционная функция случайного процесса; R – нормированные значения корреляционной функции; J - число шагов дискретизации случайного процесса.

Величины D, K и R рассчитываются по формулам [2]

, (61)

где X0(ti) – центрированный случайный процесс:
X0(ti) = X0(ti) - mx ; (62)

, (63)

где J = 1,2,…,N1
Rx () = Kx () / Dx

В формулах (61), (63) X(ti) - ординаты случайного процесса по интересующему нас параметру, отстающие друг от друга на интервал времени ∆(шаг дискретизации случайного процесса).
Примечание. В микропроцессорных контроллерах период опроса датчиков (время цикла контроллера) зависит от числа опрашиваемых входов, перечня и сложности решаемых информационно-вычислительных задач и не может быть установлен меньше, чем величина Т? , определяемая по формуле

,

где Т? - общее время, необходимое для решения всех информационно-вычислительных задач и задач управления в каждом цикле; - системное время; ТCD – время, необходимое для самодиагностики контроллера.

Системное время зависит от модели контроллера, числа блоков и секций, входящих в его комплект (ориентировочно 0,02 ? ? 0,2, с).

Время Та равно сумме времени, затрачиваемого на выполнение каждого из запрограммированных алгоритмов по всем опрашиваемым каналам. Численные значения величин (время выполнения одного алгоритма) приводятся в каталогах ГСП (технические средства АСУ ТП, микропроцессорные контроллеры).

.

Время, необходимое для самодиагностики ТCD , жестко не фиксировано. Самодиагностика проводится в оставшееся от решения информационно-вычислительных задач время и, если она успевает закончиться в пределах одного цикла, то растягивается на несколько циклов. Поэтому, если время оставшееся для самодиагностики будет мало, то в случае неисправности информация в ней сформируется с задержкой. Рекомендуется предусматривать время для самодиагностики

ТCD 0,1 · .

Для МПК расчет периода опроса датчиков носит поверочный характер и определяет допустимую загрузку МПК информационно-вычислительными задачами. Так, при ор < од, где ор – требуемая (расчетная) величина периода опроса датчиков; од ? - величина 0, которую может обеспечить данный контроллер при его реальной загрузке, контроллер разгружают установкой дополнительно одного или нескольких контроллеров до выполнения условия ор ? од .

Лучшие результаты по сравнению со ступенчатой экстраполяцией можно получить, применяя методы линейной и стохастической экстраполяции.

Рассмотрим сущность этих методов.
Линейная экстраполяция
Для расчета прогнозируемого значения функции y(t) на интервале времени y(t + ), 0 < <о может быть использована линейная модель авторегрессии в виде [1,2]

; (64)

где - период прогноза; а0 , а(k) – параметры модели (), определяемые, например, по методу наименьших квадратов; Р – порядок модели авторегрессии; y(t - k + ) – измеренное или прогнозируемое значение временного ряда (64) в момент времени (t -к + ).

Для целей экстраполяции может быть использована также полиномиальная модель, позволяющая уточнять параметры а0 , а(к) модели по мере поступления каждого нового значения временного ряда [2].
Стохастическая экстраполяция
Идея метода заключается в построении аппроксимирующей функции y() на интервале времени 0 < <о, коэффициенты которой являются функциями характеристик случайного процесса:

, (65)

при 0 ? ?о ,

где о - период опроса датчика технологического параметра.

В выражении (65): Dx – дисперсия случайного процесса х(t); Kx() – значение корреляционной функции в момент времени, когда следует определить значение переменной Х; Х(0) – значение переменной Х в момент предыдущего опроса датчика; Mx – математическое ожидание.

Корреляционную функцию Kx () и математическое ожидание Mx , входящие в выражение (65), определяют:

;

, (66)

где Т – постоянная времени экспоненты, аппроксимирующей корреляционную функцию Kx (); N число дискретных значений ординат случайного процесса, по которому определяется оценка математического ожидания Mx .

2. Исходные данные и порядок для выполнения расчетов
Задача 1. Определение периода (частоты) опроса датчиков в АСУ ТП.
Исходные данные:

1. Реализации случайных процессов (одна или несколько) по интересующим нас параметрам хi: температуре, расходу, давлению и др., снятие в условиях нормальной эксплуатации (выдаются студентам перед началом лабораторной работы).

2. Допустимые средние квадратичные погрешности определения параметров хi. Численные значения величин взять в диапазоне

0,2 Dxi ? ? 0,4 Dxi , (67)

где Dxi – дисперсия случайного процесса, которая в дальнейшем определяется при расчете его статистических характеристик.

3. Средние квадратичные погрешности измерительных каналов . Численные значения величин взять в диапазоне

0,06 Dxi ? ? 0,10 Dxi . (68)

  1. Вид экстраполяции (линейная, ступенчатая, стохастическая и др.)


Требуется:

1. Определить период (частоту) опроса одного или нескольких датчиков, т.е. величину .

2. Варьируя величины и в заданных выше диапазонах, найти зависимость от этих параметров. Результаты представить в виде графиков = (,).

3. Сделать соответствующие выводы по работе.

Порядок расчета

1. Определение шага дискретизации ∆случайного процесса

1.1. На реализации случайного процесса х(t) (рис.1.7) проводим линию математического ожидания Mx = const (если процесс строго стационарен, то м.о. его постоянно и равно среднему арифметическому из ординат процесса).

1.2. Подсчитываем число N пересечений процессом линии своего математического ожидания (N ? 100). Принимаем N = 100 и определяем длину реализации, мм.

1.3. Определяем время , в течение которого произошло N пересечений

,

где - скорость движения диаграммной бумаги самописца или кадра на экране монитора, мм/с.

1.4. Определяем среднее число нулей (пересечений случайным процессом линии своего математического ожидания) в единицу времени.

.

Рис.1.7. Случайный процесс по параметру x: Мх – математическое ожидание; l – длина реализации (при N ? 100)


Рис.1.8. Корреляционная функция случайного процесса: Dx – дисперсия с.п.; J0 – число шагов дискретизации с.п. при ?? = ??0; А – точка перегиба к.ф.; Т – постоянная времени экспоненты, аппроксимирующей к.ф.
1.5. Находим искомое время ∆(шаг дискретизации случайного процесса).

Для случайных процессов с монотонными спектральными характеристиками величину рекомендуется выбирать по формуле [1,2]

. (69)

Если время между двумя пересечениями случайным процессом линии математического ожидания условно назвать полупериодом случайного процесса, то формула (69) рекомендует выбирать шаг таким образом, чтобы в среднем на такой полупериод приходилось около семи ординат случайного процесса.
2. Расчёт статистических характеристик случайного процесса (математического ожидания, дисперсии, корреляционной функции)

2.1. Осуществляем сечение случайного процесса ординатами, отстоящими друг от друга на расстоянии ∆и определяем значения ординат случайного процесса в эти фиксированные моменты времени в единицах измеряемой величины (0С, м3/ч , МПа и др.).

2.2. Вводим эти значения ординат в программу расчета на ЭВМ статистических характеристик случайных процессов. В результате расчета получаем величину математического ожидания, дисперсии и ординаты корреляционной функции для дискретных значений времени ,

2.3. Строим корреляционную функцию случайного процесса. При построении можно ограничиться положительными значениями Kx ().

2.4. Используя формулу (59), определяем значение при известных , Dx и .

2.5. По графику корреляционной функции определяем величину J0 (см. рис.1.8) и искомый период опроса датчика по формуле

,

где ? - величина, определяемая по формуле (69).

2.6.Проводим аналогичные расчеты и при других значениях величин и , изменяющихся в пределах (67) и (68) с любым удобным для расчетов шагом: var (∆) при =соnst и var () при = const .

2.7. Результаты расчетов представляем в виде графиков


и делаем выводы о влиянии величин и на период опроса датчика . Результаты необходимо объяснить.
Задача 2. Фильтрация измеряемых величин от помех. Выбор и расчет фильтров.
Исходные данные:

1. Параметры случайного процесса и искажающий полезный сигнал помехи:

1.1. Дисперсия случайного процесса .

1.2. Коэффициент экспоненты, аппроксимирующей корреляционную функцию случайного процесса, ?.

1.3. Параметры помехи k и m (см. таблицу 1.3).

2. Период опроса датчика .
Требуется:

Выбрать тип фильтра и рассчитать его настроечный параметр n или ?, обеспечивающий минимальную погрешность фильтрации при заданных параметрах помехи k и m.

Таблица 1.3

k

m

k

m

0,40

6,0

2,05

6,0

1,25

8,0

2,60

5,5

0,60

5,0

3,50

8,0

0,50

2,5

1,25

6,0

1,20

6,5

0,95

7,4

0,90

7,0

1,50

5,6

1,50

5,0

2,42

6,5

2,05

4,5

1,75

7,2

1,60

8,6

1,90

5,4

2,10

3,0

2,05

8,3

1,42

4,0

1,95

7,4

3,05

5,0

0,46

6,2

2,56

7,0

0,65

5,4

1,65

6,2

2,15

7,6

2,04

5,6

1,20

6,3
1   2   3   4   5   6   7   8   9   ...   21


Fmax
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации