ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

ЛИПЕЦКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ

ВОЛОГОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

БАКИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

АКАДЕМИЯ ФСО РОССИИ (г. ОРЕЛ)

ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ

СОВРЕМЕННЫЕ ПРОБЛЕМЫ ИНФОРМАТИЗАЦИИ

В АНАЛИЗЕ И СИНТЕЗЕ ТЕХНОЛОГИЧЕСКИХ И ПРОГРАММНО-ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ

Сборник трудов Выпуск 14

(по итогам XIV международной открытой научной конференции)

Научная книга

Воронеж - 2009

СПИ-АС-2009

275

ББК 32.81 С56

Современные проблемы информатизации в анализе и

синтезе технологических и программно-телекоммуника-ционных систем: Сб. трудов. Вып. 14/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2009. - 136 с. (273-408)

ISBN 978-5-98222-423-1

Сборник трудов по итогам XIV Международной открытой на-

учной конференции “Современные проблемы информатизации в анализе и синтезе технологических и программно-телеком-муникационных систем”, проводившейся в ноябре 2008 - январе 2009 гг., содержит материалы по следующим основным направлени-ям: анализ и синтез сложных систем; программные и телекоммуни-кационные системы и приложения.

Материалы сборника полезны научным и инженерно-техническим работникам, связанным с различными аспектами ин-форматизации современного общества, а также аспирантам и студен-там, обучающимся по специальностям, связанным с информатикой и вычислительной техникой.

Редколлегия сборника: Кравец О.Я., д-р техн. наук, проф., руководитель Центра дис-

танционного образования ВорГТУ (главный редактор); Алиев А.А., д-р техн. наук, проф., зав. кафедрой ИТиП БГУ; Блюмин С.Л., за-служенный деятель науки РФ, д-р физ.-мат. наук, проф., кафедра ПМ ЛГТУ, Водовозов А.М., канд. техн. наук, доц., зав. кафедрой УВС ВолГТУ; Лебеденко Е.В., канд. техн. наук, кафедра ИВТ Академии ФСО России; Лукьянов А.Д., канд. техн. наук, доц., кафедра АПП ДонГТУ; Подвальный С.Л., заслуженный деятель науки РФ, д-р техн. наук, проф., зав. кафедрой АВС ВорГТУ.

ББК 32.81 С56

ISBN 978-5-98222-423-1 Коллектив авторов, 2009

СПИ-АС-2009

275

Введение Уважаемые коллеги! Перед Вами сборник трудов, опубликованный по итогам четырнадца-

той Международной открытой научной конференции “Современные пробле-мы информатизации”. Конференция проводилась в рамках плана Федераль-ного агентства по образованию Воронежским государственным техническим университетом, Бакинским государственным университетом, Вологодским государственным техническим университетом, Липецким государственным техническим университетом, Академией ФСО России (г.Орел), Донским го-сударственным техническим университетом (г.Ростов-на-Дону) в ноябре 2008 - январе 2009 гг.

Было решено провести в рамках настоящей конференции четыре тема-тически дифференцированные – «Современные проблемы информатизации в экономике и обеспечении безопасности», «Современные проблемы информа-тизации в моделировании и социальных технологиях», «Современные про-блемы информатизации в анализе и синтезе технологических и про-граммно-телекоммуникационных систем»; «Современные проблемы ин-форматизации в проектировании и информационных системах».

Цель конференции - обмен опытом ведущих специалистов в области применения информационных технологий в различных сферах науки, техни-ки и образования. Конференция продолжила традиции, заложенные своими предшественницами.

Представители ведущих научных центров и учебных заведений России, Украины, Беларуси, Азербайджана и Грузии представили результаты своих исследований, с которыми можно ознакомиться не только в настоящем сбор-нике, но и на http://www.sbook.ru/spi.

Настоящий сборник содержит труды участников конференции по сле-дующим основным направлениям:

• анализ и синтез сложных систем;

• программные и телекоммуникационные системы и приложения.

Председатель Оргкомитета, руководитель Центра дистанционного образования Воронежского государственного технического университета, д-р техн. наук, проф.

О.Я.Кравец kravets@vsi.ru

СПИ-АС-2009

276

5. Анализ и синтез сложных систем

Адигамов А.Э. АДАПТИВНЫЙ ИТЕРАЦИОННЫЙ МЕТОД ПРОГНОЗИРОВАНИЯ

adigamov@msmu.ru Предлагается адаптивный метод прогнозирования временных рядов,

основанный на взвешивании последних наблюдений и итеративной процеду-ре определения оптимальных весов наблюдений, исходя из нахождения ми-нимума среднеквадратической ошибки предсказания градиентным способом.

В качестве прогнозирующего значения изучаемого временного ряда на некоторый период возьмем линейную комбинацию последних наблюдений:

∑+−=

+ =n

mniiirn xcX

1, (1)

где сi – вес наблюдения на i-м интервале, m – число наблюдений, входящих в оценку, xi – значения временного ряда.

Ошибка предсказания тогда запишется в следующем виде:

∑+−=

++++ −=−=n

mniiirnrnrnrn xcxXxe

1, (2)

где en+r – ошибка предсказания на интервале n+r; xn+r – истинное значение ве-личины, которая должна быть предсказана на интервале n+r; m – число на-блюдений, используемых для предсказания.

Определим квадрат ошибки предсказания:

∑ ∑ ∑∑+−= +−= +−=

+++−=

++ +−=

−=

n

mni

n

mni

n

mnjjijirniirn

n

mniiirnrn xxccxxcxxcxe

1 1 1

22

1

2 2 . (3)

Тогда математическое ожидание квадрата ошибки равно:

( ) ( ) ( )∑ ∑ ∑+−= +−= +−=

+++ +−=n

mni

n

mni

n

mnjjijirniirnrn xxccxxcxEeE

1 1 1

22 ,,2)( γγ, (4)

где E – cимвол математического ожидания; ( )rnirni xxExx ++ = ,),(γ ; ( ) ( )jiji xxExx ,, =γ - нормированные коэффициенты корреляции.

При условии постоянства коэффициентов корреляции выражение (4) является квадратичной функцией весов сi.

Известно несколько вариантов построения градиентных процедур оты-скания экстремальных значений функции, в нашем случае среднего квадрата ошибки предсказания. Рассмотрим их существо на простом примере отыска-ния минимума функции одной переменной. Пусть ( )xfy = (рис. 1). Выберем произвольную точку x из области определения функции ( )xfy = . Замечаем, что если точка 1xx = выбрана слева от точки максимума, то производная функции ( )xfy = в точке 1x отрицательна и, следовательно,

СПИ-АС-2009

277

11

)(xxdx

xdfkxx=

−= , k>0. (5)

Если же выбранная точка оказалось правее точки x0 ( 2xx = ), то та же процедура даёт:

22

)(xxdx

xdfkxx=

−= . (6)

Таким образом, строится последовательность точек x(1), x(2),…, x(l), x(l+1),…, вычисленных по рекуррентному правилу:

( ) ( )( )e

ll

xxdxxdfkxx

=−=+ )(1

, (7) стягивающаяся к искомой экстремальной точке x0. Сходимость последова-тельности точек обеспечивается разумным выбором численного значения па-раметра k, определяющего длину шага.

Рекуррентное соотношение (7) легко обобщается на случай отыска-ния экстремума функции многих переменных.

В нашем случае, используя векторные обозначения можно записать формулу (7) в виде:

2lkcc ∆−=′ , (8) где c - старый вектор весовых коэффициентов, 'c - новый вектор весовых коэффициентов,

2l∆ - градиентный вектор, компоненты которого определя-ются по формуле:

( ) ( )∑+−=∂

∂+

+

jjijrni

i

rn xxcxxc

l ,2,22

γγ . (9)

В компактной форме это можно представить в виде: ( )[ ]xxcyxl ,2),(22 Γ+Γ−=∇ , (10)

где rnxy += ; ( )yx,Γ - вектор взаимной корреляции xi и yi; c - вектор весов сi; ),( xxΓ - автокорреляционная матрица с элементами (xi, xj). Приравнивая 2l∇ к нулю, находим:

( ) ( )[ ]xxcyx ,, 1 Γ=Γ , (11) где 1c - вектор весов, минимизирующий ошибку предсказания.

В качестве приближения для ( )2rnlE + рассмотрим ( )2

rnl + . Компоненты со-ответствующего градиентного вектора запишутся в виде:

i

rnrn

i

rn

cll

cl

∂∂

⋅=∂

∂ ++

+ 22

. (12)

Согласно (12) имеем:

ii

rn xc

l−=

∂∂ + .

СПИ-АС-2009

278

Тогда первое приближение для градиентного вектора получается в виде: lxl 2

2−=∇ , (13)

а выражение для вектора весовых коэффициентов запишется в виде: xekcc 2+=′ (14)

Параметр k определяет скорость сходимости c′ к c .

Рис.1. Иллюстрация градиентного метода оптимизации квадрата ошибки предсказания

Рис.2. Зависимость среднеквадрати-ческой ошибки от постоянной обу-чения “k”

Можно показать, что выполнение условия 01

max

>> kλ

, где maxλ - мак-

симальное собственное значение матрицы ),( xxΓ , является необходимым и достаточным условием сходимости c′ к c .

Алексейчик М.И. О СТОХАСТИЧЕСКИХ ЛИНЕЙНЫХ ДИНАМИЧЕСКИХ СИСТЕМАХ

alvw@mail.ru В n-мерном евклидовом пространстве рассмотрим нестационарную

систему )()( tfxtAx +=& (1)

Полагая детерминированную матрицу )(tA непрерывной, а стохастиче-ский процесс )(tf непрерывным и ограниченным в среднем квадратичном (с.к.). Ниже мы предполагаем, что функция Коши )()( 1 sXtX − удовлетворяет условию Перрона

)(1 )()( stesXtX −−− Γ≤ γ st ≥∀ (2) Предложение 1. В классе с.к. непрерывно дифференцируемых и с.к. ог-

раниченных процессов )(tx система (1) имеет единственное (с точностью до стохастической эквивалентности) решение, это решение с.к. устойчиво по Ляпунову и даётся формулой

СПИ-АС-2009

279

∫∞

−=0

)(),()( dsstfstwtx , (3)

где )()(),( 1 stXtXstw −= − - весовая функция. Процесс )(tf называется гармонизируемым по Лоэву , если существует

процесс )(ωξ ( ),( ∞∞−∈ω ) с корреляцией )()( * ωξωξ ′M ограниченной вариацией такой, что

∫∞

∞−

= )()( ωξω detf ti . (4)

Предложение 2. Пусть выполняются условия (2) с (3). Тогда решение (3) допускает следующее спектральное представление

∫∞

∞−

= )(),()( ωξωχω dtetx ti ,

где ∫∞

−=0

),(),( dsstweXt siωωχ - частотная характеристика.

Процесс )(tf назовем предельно гармонизируемым, если существует такая последовательность гармонизируемых процессов )(tfn , что при ∞→n

0)()( 2→− tftfM n равномерно относительно ),( ∞∞−∈t .

Предложение 3. Пусть выполнено условие (2). Допустим, что процесс )(tf является предельно гармонизируемым (соответственно гармонизируе-

мым), а матрица )(tA является почти периодической (соответственно перио-дической). Тогда решение )(tx (3) является предельно гармонизируемым (со-ответственно гармонизируемым).

Афанасьев В.В., Измалков С.В. ПРОБЛЕМА ВЫБОРА СИСТЕМЫ УПРАВЛЕНИЯ БАЗОЙ ДАННЫХ ДЛЯ РЕШЕНИЯ ЗАДАЧ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ В

АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ УПРАВЛЕНИЯ affa@mail.ru

При решении некоторых классов задач существуют проблемы в выборе

системы управления базой данных (СУБД), обусловленные структурной сложностью хранимых данных, трудностью администрирования, работой в многозадачном многопользовательском режиме, а также экономической эф-фективностью. Для решения существующих проблем необходимо учесть ряд требований по обеспечению физической независимости данных, дальнейшее развитие и широкое внедрение сетевых мультипользовательских СУБД.

Изменение характеристик хранимых данных, расширение круга поль-зователей информационных систем привели к широкому распространению наиболее удобных и сравнительно простых для понимания реляционных СУБД. К числу основных достоинств использования реляционных СУБД, в

СПИ-АС-2009

280

первую очередь актуальных для баз данных АСУ, можно отнести следую-щие:

поддержание целостности реляционных таблиц по первичному ключу; поддержание каскадной целостности дочерних связанных таблиц дан-

ных при удалении либо обновлении записей в родительской таблице; нормализация структур базы данных (БД), позволяющая свести к ми-

нимуму информационную избыточность; применение для описания структуры БД и формулирования запросов к

ней стандартизованного языка SQL, обладающего возможностью создавать специальные процедуры обработки данных – триггеры, исполняемые при на-ступлении определенных событий;

наличие встроенных механизмов оптимизации запросов. Администраторы БД решают, как правило, стандартные задачи, заклю-

чающиеся в поддержании баланса между производительностью и надежно-стью. Большинство этих задач могут быть решены встроенными средствами СУБД. Однако, например, такой класс задач, как разграничение доступа к объектам базы данных пользователей с разными полномочиями в различных реляционных СУБД решается по-разному. Данная задача решается путем применения рациональной концепции безопасности, удовлетворяющей тре-бованиям заказчика. Эффективным решением, реализующим предъявляемые требования, является переход на объектно-ориентированные и объектно-реляционные СУБД.

Барабанов В.Ф., Минаков С.А. СИСТЕМА ГЕОМЕТРИЧЕСКОЙ ПАРАМЕТРИЗАЦИИ НА БАЗЕ

ГРАФИЧЕСКОЙ СИСТЕМЫ ПОДГОТОВКИ ЧЕРТЕЖЕЙ minakov_sergey@mail.ru

В сложившейся сегодня ситуации на рынке программ трехмерного

твердотельного моделирования практически не существует систем, которые не имели бы возможности параметризации. Параметризация значительно об-легчает модификацию проектируемого изделия и повторное использование существующих моделей с новыми параметрами. При этом, как правило, про-исходит параметризация на уровне эскиза (профиля) для трехмерной опера-ции и значений атрибутов операций (например, величина выталкивания). Та-кая параметризация позволяет изменять форму эскиза или величину пара-метров операций, что позволяет удобно модифицировать трехмерную мо-дель. В системах подготовки чертежей использование параметризации силь-но ограничено. Поэтому возникает необходимость в разработке такой систе-мы параметрического моделирования, где в качестве ядра применяется одна из распространенных графических систем подготовки чертежей, а система

СПИ-АС-2009

281

параметрического моделирования является надстройкой. Структурная схема системы представлена на рисунке.

В рассматриваемой системе параметрическим является все - от поло-

жения линий и элементов сборочного чертежа, до содержимого текста и лю-бых атрибутов элементов. При этом параметры могут быть связаны любыми взаимоотношениями между собой. Такой вид параметризации называется геометрическим.

Геометрическая параметризация это такой вид параметрического моде-лирование, при котором геометрия каждого параметрического объекта пере-считывается в зависимости от положения родительских объектов, его пара-метров и переменных.

Параметрическая модель, в случае геометрической параметризации, состоит из элементов построения и элементов изображения. Элементы по-строения (конструкторские линии) задают параметрические связи. К элемен-там изображения относятся линии изображения (которыми обводятся конст-рукторские линии), а также элементы оформления (размеры, надписи, штри-ховки и т.п.).

Одни элементы построения могут зависеть от других элементов по-строения. Элементы построения могут содержать и параметры (например, радиус окружности или угол наклона прямой). При изменении одного из элементов модели все зависящие от него элементы перестраиваются в соот-ветствии со своими параметрами и способами их задания.

Процесс создания параметрической модели в системе параметрическо-го моделирования выглядит следующим образом:

На первом этапе конструктор задает геометрию профиля конструктор-скими линиями, отмечает ключевые точки.

СПИ-АС-2009

282

Затем проставляет размеры между конструкторскими линиями. На этом этапе можно задать зависимость размеров друг от друга.

Затем обводит конструкторские линии линиями изображения - получа-ется профиль, с которым можно осуществлять различные трехмерные опера-ции.

Геометрическая параметризация дает возможность более гибкого ре-дактирования модели. В случае необходимости внесения незапланированно-го изменения в геометрию модели не обязательно удалять исходные линии построения (это может привести к потере ассоциативных взаимосвязей меж-ду элементами модели), можно провести новую линию построения и перене-сти на нее линию изображения.

Беляков Э.В., Волков А.М., Киселев Ю.В. О ПОДХОДЕ К ЗАДАЧЕ ФОРМИРОВАНИЯ СТРУКТУРЫ СЕТИ

ТАКТОВОЙ СЕТЕВОЙ СИНХРОНИЗАЦИИ kiselev-yuri@yandex.ru

Система тактовой сетевой синхронизации (ТСС) является одной из

обеспечивающих подсистем телекоммуникационной системы (ТКС). Ее экс-плуатационные показатели должны быть не ниже требований, предъявляе-мых к ТКС в целом.

Структурно система ТСС состоит из следующих элементов: 1. Подсистема контроля и измерения; 2. Подсистема восстановления и ремонта; 3. Подсистема резервирования; 4. Автоматизированная система поддержки принятия решений; 5. Сеть тактовой сетевой синхронизации. Первые три подсистемы составляют системы технической эксплуата-

ции ТСС. Сеть же тактовой сетевой синхронизации является ядром системы ТСС. Ее задача - обеспечение единой частоты генераторного оборудования (ГО) устройств электросвязи, путем удовлетворения требований по точности установки частоты, обеспечения долговременной и кратковременной ста-бильности ГО с использованием различных способов доставки сигналов синхронизации и методов измерения и диагностики ГО (1).

Задачу формирования структуры сети ТСС, обеспечивающей заданные показатели надежности и качества доставки сигналов синхронизации, а также поддержание указанных показателей в условиях множественных отказов элементов сети ТСС, разбить на ряд взаимосвязанных подзадач:

на первом этапе производится определение узловой основы: размеще-ние основного первичного эталонного генератора (ПЭГ) и альтернативных ПЭГ с учетом влияния их размещения на показатели отказоустойчивости се-ти ТСС;

СПИ-АС-2009

283

на втором этапе, производится формирование структуры сети тактовой синхронизации. В данном случае решается задача построения такой структу-ры сети ТСС, для которой выполнялись бы условия минимумов количества узлов в маршруте доставки сигналов синхронизации, длины маршрута его доставки, а также учитывалось качество линий связи в маршрутах;

на третьем этапе решается задача по восстановлению структуры сети синхронизации в условиях отказов узлов элементов ТСС при условии мини-мизации временных, вычислительных и сетевых ресурсов;

четвертый этап позволяет найти решение задачи выбора рациональной структуры ТСС.

Совокупность выделенных частных задач следует решать с использо-ванием теории графов, сетей и методов оптимизации.

Так, например, представление сети ТСС в виде структурированной со-вокупности остовных деревьев обеспечит выполнение основных требований к системам ТСС – отсутствие петель и включение в структуру системы всех элементов сети, нуждающихся в синхронизации.

Нахождение маршрутов доставки сигналов синхронизации в виде ос-товных деревьев, определение для них частных показателей качества и выбор места расположения генератора сигналов синхронизации с наилучшими ха-рактеристиками дает основание для решения задачи формирования рацио-нальной структуры сети синхронизации со структурным резервом для вос-становления.

Список использованных источников 1. Руководящий технический материал «По построению тактовой се-

тевой синхронизации на цифровой сети связи Российской Федерации». – М.: ЦНИИС, 1995.

Блюмин С.Л.

ТЕОРЕМЫ О ПРОМЕЖУТОЧНОЙ ФУНКЦИИ slb@stu.lipetsk.ru

Теорема Лагранжа о промежуточной точке [1] (теорема о среднем, фор-

мула конечных приращений) выражает конечное приращение значений од-ной функции y=f(x), x , y∈ R, в двух точках a , b через конечное приращение значений ее аргумента: f(b)-f(a)=f ’(c)⋅(b-a), где с – точка, промежуточная между а и b, представляемая в виде c=a+α⋅(b-a) при некотором α∈(0,1). Ко-нечное приращение значений двух функций y=f(x), y=g(x), x , y∈ R, в одной точке a выражается через конечное приращение самих функций непосредст-венно в силу определения поточечного вычитания функций: g(a)-f(a)=[g-f](a), так что вопрос о промежуточной функции не возникает. С точки зрения функционального анализа [2] это является следствием линейности функцио-нала взятия значения функции в точке, Fa(f)=f(a): Fa(f+g)=(f+g)(a)=f(a)+g(a)=Fa(f)+Fa(g).

СПИ-АС-2009

284

Если F(f) – нелинейный функционал, для которого существует произ-водная Гато (линейный функционал) «в точке» (для функции) f , F ’(f) , то справедливо обобщение теоремы о промежуточной точке – «теорема о про-межуточной функции» [2]: F(g)-F(f)=F ’(h)(g-f), где h – функция, промежу-точная между f и g, представляемая в виде h=f+θ⋅(g-f) при некотором θ∈(0,1). Если О(f) – нелинейный оператор, для которого существует производная Га-то (линейный оператор) «в точке» (для функции) f , О ’(f), то «теорема о промежуточной функции» справедлива «в слабом смысле»: Н(O(g)-O(f))=Н(O ’(h)(g-f)), где Н – некоторый функционал, а формула конечных приращений записывается в виде: ||O(g)-O(f)||≤sup||(O ’(h)||⋅||g-f||, где супре-мум берется по всем промежуточным между f и g функциям h. В случае же конечномерной векторнозначной функции y=f(x), x∈ R , y∈ Rm, теорема о наборе промежуточных точек может быть записана в виде [3]: f(b)-f(a)=Σi=1

m pi⋅ f ’(ci )⋅(b-a), pi≥0, Σi=1

mpi=1, где вместо значения f ’(c) используется вы-пуклая комбинация значений f ’(ci ), где ci – набор промежуточных между а и b точек.

По поводу применений теоремы Лагранжа см., например, [4].

Список использованных источников 1. Кудрявцев Л.Д. Математический анализ. – М.: ВШ, 1981. – 687 с. 2. Канторович Л.В., Акилов Г.П. Функциональный анализ. – М.:

ГРФМЛ, 1977. – 742 с. 3. Коробков М.В. Обобщение теоремы Лагранжа о среднем на случай

векторнозначных отображений // Сиб. матем. журн. – 2001. - 2. – С. 349-353.

4. Блюмин С.Л., Суханов В.Ф., Чеботарев С.В. Экономический фактор-ный анализ. – Липецк: ЛЭГИ, 2004. – 148 с.

Булычев Ю.Г., Мозоль А.А., Челахов В.М., Карпиленя М.Н.,

Слабецкий М.О., Сидоренко П.А. АДАПТАЦИЯ СЛОЖНЫХ СИСТЕМ В УСЛОВИЯХ ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ

vital2006rvirv@rambler.ru Обеспечение требуемых показателей точности и оперативности управ-

ления стохастическими объектами (СО) может быть достигнуто на основе метода аналитического конструирования и теоремы разделения [1, 2], кото-рый позволяет определить параметры системы управления, в частности, ее функцию передачи (ФП), еще на этапе предварительного анализа и синтеза. Однако если математические модели СО, системы контроля текущего со-стояния и собственно системы управления, формирующей воздействия на СО заданного вида и уровня, содержат вектор априори неизвестных параметров

СПИ-АС-2009

285

(например, константы, характеризующие условия функционирования СО, начальные и граничные условия и другие), ФП может быть определена толь-ко в процессе управления. Это сопряжено с большими вычислительными за-тратами и с дефицитом времени, особенно при выходе параметров СО на границы области допустимых значений (предаварийное состояние). В такой ситуации повысить качество измерительной информации и управления СО возможно за счет адаптации характеристик систем контроля и управления к быстроменяющимся условиям обстановки.

В работах [3, 4] предложен метод опорных интегральных кривых при-ближенного решения задачи Коши для систем обыкновенных дифференци-альных уравнений, позволяющий получить решение в аналитическом виде с заданной точностью.

В данном докладе с использованием методов аналитического конст-руирования и опорных интегральных кривых показано решение задачи син-теза оптимального управления СО в параметрической постановке в реальном масштабе времени.

Пусть линейный нестационарный процесс ( )tX .ω , характеризует теку-щее состояние управляемого СО

1Ξ++= CBUAXX& , (1) где ( ) rRXtXX ∈= 0,ω – вектор состояния СО, ( ) rr RRtAA ×∈= ,ω ,

( ) kr RRtBB ×∈= ,ω , ( ) gr RRtCC ×∈= ,ω – известные с точностью до параметров функциональные матрицы, обеспечивающие существование и единство ре-шения уравнения (1), lR∈ω – вектор неизвестных параметров, подлежащих идентификации, ( ) gRt ∈Ξ=Ξ 11 – вектор возмущающих воздействий, представ-ляющий собой белый гауссовский шум с математическим ожиданием

( ) 01 =Ξ tM и ковариационной матрицей ( ) ( ) ( )tttRttR ′′−′′=′′′ δ11 , , где ( ) gg RRtRR ×∈= 11 – заданная положительно определенная матрица, ( )⋅δ – дель-

та-функция; ( ) kRXXtUU ∈= 0,,ω – вектор управляющих воздействий, миними-зирующий функционал качества

( ) ( )

( ) ( ) ( ) ( ) ( )[ ]

++

+=

∫T

t

TT

TT

dtXXtUXXtUXtXtQXtX

XTXPXTYMJ

0

,,,,,,

,,

0000

0101

ωωωω

ωω

, (2)

где rrT RRP ×∈1 , ( ) rr RRtQ ×∈ – заданные положительно определенные матри-

цы. Считаем, что начальное состояние СО также является гауссовским слу-

чайным вектором, не зависящим от ( )t1Ξ . Для контроля текущего состояния и оперативного управления СО име-

ется система контроля, состоящая из измерительной подсистемы и подсисте-мы оценивания вектора текущего состояния. Результатом измерений являет-ся вектор ( ) 2, Ξ+= tDS ω , где ( ) HRtXS ∈= ,ω , ( ) Rt ∈Ξ=Ξ 22 – вектор погрешно-стей измерений, являющийся белым шумом с математическим ожиданием

СПИ-АС-2009

286

( ) 02 =Ξ tM и ковариационной матрицей ( ) ( ) ( )tttRttR ′′−′′=′′′ δ22 , , ( ) ss RRtRR ×∈= 22 , ( ) rs RRtDD ×∈= ,ω – известная с точностью до параметров

функциональная матрица. Считаем, что возмущения 1Ξ и погрешности 2Ξ не коррелированны.

Стохастическое управление СО (1), оптимальное в смысле минимума функционала (2), имеет вид [1, 2]:

XFU)

= , (3) где ( )tUU ,ω= , ( )tFF ,ω= – матричная ФП системы управления:

BPF 1−= , (4) где ( )111 , PtPP ω= – решение матричного уравнения Риккати

QPBBPPAAPP TT +−+=− 11111& (5)

при краевом условии ( ) TT PPTP 111 , =ω , ( )tXX))

= – оценка состояния СО, полу-ченная после обработки информации, полученной от измерительной подсис-темы.

Оптимальная оценка ( )tX)

формируется по критерию минимума функ-ционала

( ) ( )( ) XXtXXMJ T ))−Λ−=2 , (6)

где ( ) rr RRt ×∈Λ=Λ – заданная положительно определенная матрица. Оценка X

), минимизирующая (6), формируется на выходе подсистемы

оценивания, выполненной, например, на основе фильтра Калмана-Бьюси: ( ) ( ) ( ) BUXDSZXtAtX +−+=

))&) ,, ωω , (7) где

122−= RDPZ T , (8)

( )022 , RtPP ω= – решение уравнения Риккати TTT CCRPDPRDPAPAPP 122

122222 ++−+= −& (9)

при начальном условии ( ) 0002 , RRtP =ω . Полагаем, что значения вектора параметров выдаются вспомогательной

измерительной подсистемой или назначаются системой высшего уровня в процессе функционирования объекта [1, 2]. Для построения стохастического управления объектом, оптимального в смысле минимума функционала (2), необходимо проинтегрировать уравнения (5) и (9) и сформировать с учетом (4), (8) матричные ФП подсистемы оценивания вектора состояния Z и систе-мы управления F . Основным достоинством такого подхода является воз-можность формирования этих ФП на этапе предварительного синтеза, то есть до начала процесса управления. Однако в этом случае, если вектор парамет-ров математической модели априори не известен, названные системы выну-ждены в процессе управления оперировать теми данными, которые выдаются вспомогательной измерительной подсистемой. Данное обстоятельство суще-ственно осложняет реализацию алгоритма (3) – (9) в масштабе времени, близком к реальному.

Целью является разработка метода формирования с заданной точно-

СПИ-АС-2009

287

стью матричных ФП подсистемы оценивания вектора состояния Z и системы управления F на этапе предварительного синтеза в масштабе времени, близ-ком к реальному.

Для упрощения решения не нарушая общности рассуждений, рассмот-рим задачу управления СО по одному информативному параметру

( ) ( ) ( ) ( ) 1,,,, Ξ++= tcUtbXtatX ωωωω& , ( ) 00 XtX = , [ ]Ttt ,0∈ . (10) Применительно к скалярному СО (10) уравнения (5) и (9) представим в

виде: qbpapp +−=− 22

111 2& , ( ) TT ppTp 111 , =ω , (11)

12

21

222

222 2 RcpRdpapp ++−= −& , ( ) 0002 , RRtp =ω , (12) где ( )tqq = , ( )tdd ,ω= , ( )tRR 11 = , ( )tRR 22 = – скалярные функции.

Для построения приближенных решений уравнений (11), (12) введем в рассмотрение числовую сетку по времени, образованную узлами ( )mt , Mm ,0= . Для параметра ω также зададим сетку из узлов ( )nω , Nn ,0= полагая, что

вн ωωω ≤≤ , Ttt ≤≤0 , нω , вω – заданные числовые значения параметра ω , его нижнее и верхнее значения соответственно.

Вводя по аналогии с [2] относительное обратное время tT −=τ и обо-значив ( ) ( ) ( )TTT pppTpptp 111111 ,,, τωτωω =−= уравнение (13) и соответствующее краевое условие запишется в виде

( ) ( ) ( )tTqTbppTad

pd−+−−−= − τωτω

τ,,2 22

11 ,

( ) TT ppp 111 0, =ω , [ ]0,0 tT −∈τ . (13) Таким образом, краевая задача для уравнения (11) сводится путем вне-

дрения относительного обратного времени к задаче Коши (13). По переменной τ также введем числовую сетку, образованную узлами

( ) ( )iMi tT −−=τ , Mi ,0= , ( ) Tt M = , 00 tT −≤≤ τ , ( ) 0tTM −≤τ , ( ) 00 tt = , ( ) 00 =τ . Точные решения для задач Коши для уравнений (12), (13) представим

соответственно в виде ( ) ( )τωλτω ,,, 1111 TT ppp = , ( )( ) ( ) ( )( )nTnTn ppp γτωλτω ,,,~,~1111 = .

По аналогии с [3, 4] введем в рассмотрение совокупность частных ре-шений уравнения (13), соответствующих набору различных значений пере-менной ( )nω , ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( )nininiTnTin ppppp ,1,11111

~,,,~,,

~=== γτωλτω :

( )( ) ( )( )τωλτω ,,, 1111 TnTn ppp = . Совокупность частных решений уравнения (13) на-зовем семейством опорных решений, которое может быть получено с исполь-зованием численных методов интегрирования дифференциальных уравнений. Данные решения задаются набором фиксированных значений

( ) ( )( ) ( ) ( )( ) ( )niiTnTin pppp ,11111 ,,, == τωλτω , Mi ,0= , Nn ,0= , (14) который хранится в памяти ЭВМ.

Проведем по аналогии с [3, 4] интерполяцию выборки числовых дан-ных (14), соответствующих фиксированному значению переменной ( )nω ,

СПИ-АС-2009

288

Nn ,0∈ , сопоставив функции ( )( )Tn pp 11 ,τω функцию известного класса

( )( ) ( ) ( )( )nTnTn ppp γτωλτω ,,,~,~1111 = , (15)

где ( ) ( ) Tnin Mi ,0,, == γγ – вектор параметров, выбираемый из условия,

( ) ( )( ) ( ) ( ) ( )( ) ( ) ( )nininiTnTin ppppp ,1,11111~,,,~,,~ === γτωλτω . (16)

По аналогии с (15), (16) проводится интерполяция для всех Nn ,0= . Для фиксированного Mi ,0∈ поставим в соответствие узлам сетки ( )nω набор зна-чений ( )ni,γ , Nn ,0= и проведем их интерполяцию

( )( ) ( )( )ii βωθωγ ,= , (17)

где ( ) ( ) Tnii Nn ,0,, == ββ – вектор параметров, выбираемый из условия

( ) ( )( ) ( ) ( )( ) ( )niinni ,, γβωθωγ == . (18) Аналогично (17), (18) проводится интерполяция для всех Mi ,0= . С учетом (15) – (18) приближенное решение уравнения (13) в области

[ ] [ ]0,0, tTвн −×ωω представим в виде: ( ) ( )( )ωγτλτω ,,~,~

1111 TT ppp = , (19)

где ( ) ( )( ) Ti Mi ,0, == ωγωγ .

Рассуждая аналогично (14)–(19) получим приближенное решение (12): ( ) ( )( )ωρλω ,,~,~

0202 tRRtp = , (20) где ( ) ( ) ( ) T

m Mk ,0, == ωρωρ – вектор параметров, удовлетворяющий равенству

( ) ( )( ) ( ) ( )( )( ) ( ) ( )nmnmnmmn pptRRtp ,2,20202~,,~,~ === ωρλω , Mm ,0= , Nn ,0= ,

где ( )nkp ,2 – массив чисел, соответствующий (12) по аналогии с (14). При использовании для построения приближенных решений уравнений

(12), (13) интерполяционного многочлена Лагранжа выражения (19), (20) по аналогии с [5] принимают вид:

( ) ( ) ( )( ) ( )( )

( ) ( ) ( )( ) ( )( ),,~

,,~

0 0,202

0 0,111

ωω

ωττω

n

M

m

N

nmnm

n

M

i

N

niniT

LtLpRtp

LLppp

∑∑

∑∑

= =

= =

=

= (21)

где ( )( ) ( )

( ) ( )∏

≠= −

−=

M

kpp pi

piL

,0 ττττ

τ , ( )( ) ( )

( ) ( )∏

≠= −

−=

N

nss pn

snL

,0 ωωωω

ω , ( )( ) ( )

( ) ( )∏

≠= −−

=M

mvv vm

vm tt

tttL

,0

. (22)

С учетом (4), (8) и на основании (21) алгоритм совмещенного синтеза приближенного управления объектом примет вид:

( ) ( ) ( ) ( ) ( )( ) ( )( )ωωω n

M

i

N

nini LtTLptbtXtU ∑∑

= =

−−=0 0

,2,~

,~ ), (23)

( ) ( ) ( ) ( ) ( )( ) ( )( ) ×

+= ∑∑

= =

− ωωωωn

M

m

N

nmnm LtLpRtdXta

dttXd

0 0,1

12,

~,,

~)

)

( ) ( ) ( ) ( )UtbtXtdtS ~,,~

, ωωω +

−×

), (24)

СПИ-АС-2009

289

где ( )( )tTL i − , ( )( )ωnL , ( ) ( )tLm определяются в соответствии с выражениями (22). Из (23), (24) следует, что для формирования приближенного (субопти-

мального) управления СО в соответствии с критерием минимума функциона-ла (2) необходимо лишь вычислить значения решений уравнений (12), (13) в узлах сетки любым приемлемым для данной задачи численным методом для последующей подстановки в выражения (23), (24). Названные процедуры мо-гут быть выполнены на этапе предварительного синтеза, что позволяет эф-фективно применять методы аналитического конструирования в задачах син-теза адаптивных систем оптимального управления параметризованными ли-нейными СО.

При использовании для интегрирования (13) опорных решений, в об-щем случае Nj ,0∉ , ( )( ) ( ) ( )jijiTi pppp ,1,1101

~,,~ ≠== τωω , ,...,2,1 ++= NNj то есть ис-тинное решение ( )Tpp 11 ,τω при ( )iττ = отличается от приближенного ( )Tpp 11 ,~ τω на величину ( ) ( )jiji ppp ,1,1

~~ −=∆ . По аналогии с [4] предположим, что ( )Tpp 11 ,~ τω является ε – прибли-

женным по невязке решением [6], то есть ( ) ( ) εωω ≤− TT pppp 1111 0,0,~ , и при под-

становке функции ( )Tpp 11 ,~ τω в (13) имеем ( )τωτ

,~~2~

2211

1 Φ=−+− qbppadpd , где не-

вязка ( )τω,Φ удовлетворяет ( ) ετωτω

≤Φ ,sup,

.

Рассмотрим порядок выбора семейства опорных решений с использо-ванием выражения для погрешности двумерной интерполяции, которая зада-ется остаточным членом [5]

( )( ) ( ) ( ) ( )+∂∂

+=− ∗

+

+

TM

MM

TTi pM

pppp 111

1

1111 ,,)!1(

,,~ τωλτ

τατωτω

( ) ( ) ( ) ( ) ( )TNM

NMNM

TN

NN p

NMp

N 1111

2

111

1

,,)!1()!1(

,,)!1(

∗∗∗∗++

++∗

+

+

∂∂∂

++−

∂∂

++ τωλ

ωτωατα

τωλω

ωα ,

где ∗ω , ∗∗ω и ∗τ , ∗∗τ некоторые характерные значения переменных ω и τ . При выборе семейства опорных решений можно воспользоваться нера-

венством ( ) ( ) ( ) ( ) +

++

+≤− ++

ωτωατατωτω N

NM

MTT N

GMQpppp

)!1()!1(,,~ 11

1111

( ) ( ) 1,1,1

)!1()!1(εωατα

τω≤

+++ ++

NMNM

NMW , (25)

где ( )TM

M

M pQ 111

1

,1 ,,sup τωλ

ττω+

+

+ ∂∂

= , ( )TN

N

N pG 111

1

,1 ,,sup τωλ

ωτω+

+

+ ∂∂

= ,

( )TNM

NM

NM pW 1111

2

,1,1 ,,sup τωλ

ωττω++

++

++ ∂∂∂

= , ( ) ( )⋅=⋅

ωτωτ

sup , ⋅=⋅ωτ

ωτ,

,sup ,

1ε – число, ограничивающее погрешность интегрирования уравнения (13). Задавая ε и 1ε , можно в соответствии с (25) подобрать такие M и N ,

при которых обеспечивается требуемая точность интегрирования (13). Шаги

СПИ-АС-2009

290

( ) ( ) ( )1−−=∆ nnn ωωω и ( ) ( ) ( )1−−=∆ iii τττ должны выбираться из условия минимума оценки двумерной интерполяции (21). В этом случае узлы интерполяции по ω и τ должны совпадать с корнями многочлена Чебышева, т.е. при оценке сверху величин ( )( )τα M и ( )( )ωα N можно воспользоваться соотношениями [4]

( ) ( ) ( )( )12

10

2sup +

+−≤ M

MM

M

τττα

τ, (26)

( ) ( ) ( )( )12

10

2sup +

+−≤ N

NN

N

ωωωα

ω. (27)

С учетом (26) и (27) по аналогии с [4] вместо (25) воспользуемся оценкой

( ) ( ) ( ) ( )( ) ( ) ( )( )−

−

++

−

+≤− +

++

+

+

+12

101

12

101

1111 2)!1(2)!1(,~, N

NNN

M

MMM

TT NG

MQpppp

ωωτττωτω

( ) ( )( ) ( ) ( )( )( )12

10

101,1

2)!1()!1( ++

++++ −−

++− NM

NN

MMNM

NMW ωωττ ,

которая соответствует выбору узлов интерполяции по ω и τ по формулам:

( ) ( ) ( )( ) ( )( ) ( ) ( )

++

++

−= 00 1212cos

21

ττπ

τττ MMi Mi , Mi ,0= ,

( ) ( ) ( )( ) ( )( ) ( ) ( )

++

++

−= 00 1212cos

21

ωωπ

ωωω NNn Nn , Nn ,0= .

Таким образом, с учетом полученных соотношений можно подобрать такие параметры решения, которые гарантируют требуемую точность вычис-ления корней уравнения (13).

Аналогично формируются решения уравнения (12). Обозначая далее U как точное, а U~ – как приближенное управление,

оценим абсолютную погрешность вычисления управляющих воздействий предложенным методом

( )( )XXFFXFUUU)))

∆+∆+−=−=∆ ~ . (28) Переходя к относительным величинам с учетом (3) и (28) получим

XXFFUUU δδδδδ ++=

∆= , (29)

где FFF ∆

=δ , XXX )

)∆

=δ .

Из (29) следует, что результирующая погрешность вычисления управ-ляющего воздействия полностью определяется погрешностями вычисления функции передачи системы управления и подсистемы оценивания состояния объекта (10). Рассмотрим отдельно каждую составляющую погрешности.

Погрешность вычисления функции передачи системы управления с

учетом (4) представим в виде ( )1

1

1

11~~

pp

pbppb

FFFF ∆

=−

=−

=δ .

Из этого следует, что погрешность вычисления ФП системы управле-ния определяется погрешностью интегрирования уравнения (13). Данная по-грешность может быть сведена к сколь угодно малой величине за счет увели-

СПИ-АС-2009

291

чения массива данных, соответствующих семейству опорных решений. Погрешность вычисления оценки состояния СО представим в виде:

XXXX )

)) ~−

=δ , где ( ) bUXdSZXadtXd

+−+=))

)

,

( ) ( ) ( )[ ] ( )UUbXXdSZZXXadtXd

∆++∆+−∆++∆+=))))

)~, откуда следует

( ) ( ) ( ) ( ) FbXdSXZXdS

XZFFbZZdX

dtXd

∆−−∆

+

−−∆+−∆+−=

))

))2δ

δ .

Общее решение этого уравнения при начальном условии ( ) 00 XtX δδ = :

( ) ( ) ( ) ×

−−∆+−∆+−= ∫ dtXdS

XZFFbZZdX

T

t0

2exp)

)δ

( ) ( ) ( ) ( )

−+∆+−∆+

∆−−∆

+× ∫ ∫T

t

T

t

dtdtXdSXZFFbZZdFbXdS

XZX

0 0

2exp0

))

))δ .

С учетом того, что ( ) 000 == XtX δδ , при 0→∆Z и 0→∆F за счет увеличе-ния семейства опорных решений погрешность Xδ также стремится к нулю. При оптимальном выборе параметров семейства опорных решений ошибка вычисления управляющих воздействий может быть сведена к сколь угодно малой величине.

Таким образом, предлагаемый метод может быть применен к задачам синтеза адаптивных систем контроля и оптимального управления СО объек-тами в параметрической постановке. Процесс синтеза оптимального управ-ления стохастическим объектом может быть разделен на два этапа. Матрич-ные ФП подсистемы оценивания и системы управления могут быть сформи-рованы на предварительном этапе синтеза управления. На этапе непосредст-венного управления для вычисления их значений необходимо в полученные аналитические выражения подставить значения вектора параметров, выда-ваемых подсистемой параметрической идентификации. Это позволит значи-тельно повысить оперативность формирования управляющих воздействий.

Список использованных источников

1. Неймарк Ю.И., Коган Н.Я., Савельев В.П. Динамические модели теории управления. - М.: Наука, 1989. - 372 с.

2. Александров А.Г. Оптимальные и адаптивные системы. - М.: Выс-шая школа, 1989. - 263 с.

3. Булычев Ю.Г. Нелинейная теория опорно-проективных вычислений в задачах оптимального управления//Автоматика и телемеханика. – 1999. - 4. С. 14-27.

4. Булычев Ю.Г., Манин А.П. Математические аспекты определения движения летательных аппаратов. - М.: Машиностроение, 2000. - 256 с.

5. Самарский А.А., Гулин А.В. Численные методы. - М.: Наука, 1989. - 432 с.

СПИ-АС-2009

292

6. Тихонов А.Н., Васильева А.Б, Свешников А.Г. Дифференциальные уравнения. - М.: Наука, 1985. - 232 с.

Вапнярчук А.Г.

МЕТОД УЛУЧШЕНИЯ КАЧЕСТВА РАДИОСВЯЗИ МЕЖДУ ПОДВИЖНЫМ ОБЪЕКТОМ И НЕПОДВИЖНОЙ РАДИОСТАНЦИЕЙ

lebedenko_eugene@mail.ru Связь всегда играла важную роль в жизни и деятельности человека.

Прогресс человечества напрямую зависит от развития коммуникационных систем, поэтому и качество связи необходимо держать на должном уровне.

Существует множество факторов, ухудшающих качество связи, осо-бенно беспроводной. В радиосвязи хорошо известен эффект Доплера, в со-ответствии с которым изменяется частота передающегося сигнала, тем са-мым ухудшается качество связи. Для решения проблемы предлагается метод улучшения качества радиосвязи между подвижным объектом и неподвижной радиостанцией, основанный на компенсировании эффекта Доплера.

Метод улучшения качества радиосвязи между подвижным объектом и неподвижной радиостанцией относится к технике радиосвязи. Он предназна-чен для исключения обрывов передаваемой речи и помех, появляющихся при передвижении передатчика/приемника друг относительно друга.

Сущность метода заключается в том, что с помощью программно-технических средств определяются координаты местоположения неподвиж-ной радиостанции, а именно для этой цели можно использовать системы гло-бального позиционирования. Далее необходимо настроить неподвижную ра-диостанцию таким образом, чтобы она в процессе соединения с подвижным объектом передавала координаты своего местоположения. Подвижный объ-ект получает координаты станции, а затем, в процессе всего сеанса связи вы-числяет координаты своего местоположения с помощью систем глобального позиционирования. Все данные о полученных координатах вводятся в ЭВМ, которая вычисляет скорость удаления (приближения) объекта относительно станции и в соответствии с этой скоростью изменяет частоту приема и пере-дачи сигнала, тем самым исключает воздействие эффекта Доплера на качест-во связи.

Васильев Е.М. ПРИМЕНЕНИЕ НАСТРАИВАЕМОЙ ЭТАЛОННОЙ МОДЕЛИ В

СИСТЕМАХ С ЗАПАЗДЫВАНИЕМ vgtu-aits@yandex.ru

Одной из задач, возникающих в ходе синтеза адаптивных систем

управления, является задача обеспечения структурного подобия передаточ-ных функций реальной системы W(p) и её эталонной модели Wэт(p). Выпол-нение этого требования позволяет, при сохранении требуемого качества пе-

СПИ-АС-2009

293

реходного процесса yэт(t) на выходе объекта y(t), значительно расширить ра-бочую область нестационарных параметров системы, а зачастую является и необходимым условием сходимости алгоритма адаптации [1]. Наиболее ак-туальна эта задача в тех случаях, когда объект обладает свойствами запазды-вания, то есть его передаточная функция τ−⋅= p

о epWpW )()( содержит неста-ционарный параметр τ(t). Для решения поставленной задачи предлагается: желаемое движение системы с запаздыванием задавать через её явно указы-ваемую разомкнутую часть, охваченную обратной связью, то есть использо-вать передаточную функцию эквивалентной разомкнутой системы

τ−⋅−

= p

эт

этрэ e

pWpWpW

)(1)()(, , в которой учтено звено запаздывания; а также

ввести в общую структуру адаптивной системы дополнительный контур са-монастройки τ(t) эталонной модели. Для реа-лизации этого контура сформируем инте-гральный критерий цели самонастройки

∫ ε=τT

dttJ0

2)()( , вычисляемый для невязки

ε(t)=yэт(t)-y(t) на интервале [0,T] существова-ния пробного воздействия. Использование J(τ) позволяет разделить во времени процеду-ры адаптации параметров регулятора и пара-метра τ(t) эталонной модели, а дискретный характер критерия даёт возможность приме-нить поисковые схемы настройки, например, τn=τn-1-∆τ⋅sign(∆Jn)⋅sign(∆τn-1), где τn – значе-

ние параметра на такте n; ∆τn-1=τn-1-τn-2; ∆Jn=Jn-Jn-1; ∆τ – шаг поиска. Поиско-вые движения системы иллюстрируются рисунком, на котором идентифици-рованное значение времени запаздывания объекта составило 1 с.

Список использованных источников 1. Методы классической и современной теории автоматического управ-

ления. Т.5. / Под ред. Н.Д. Егупова, К.А.Пупкова.– М.: МГТУ им. Н.Э.Баума-на, 2004. – 784 с.

Водовозов А.М., Лепихин Д.В.

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА УПРАВЛЕНИЯ ШАГОВЫМ ДВИГАТЕЛЕМ amv@vstu.edu.ru

Предлагается схема шагового электропривода c микропроцессорной

системой управления (рис. 1), содержащая LCD-дисплей и клавиатуру, что позволяет управлять приводом напрямую и контролировать перемещение.

0 500 10000

1

2

3∆τ=0,25 c

τ(nT)

J(nT)

nT Процесс самонастройки мо-дели

СПИ-АС-2009

294

Рис. 1. Структура шагового электропривода: 1 – микроконтроллер At-

mega16; 2 – контроллер шагового двигателя L297; 3 – драйвер шагового дви-гателя L298; 4 – LCD дисплей; 5 – клавиатура; 6 –шаговый двигатель; 7 – виртуальный осциллограф

Привод может работать в следующих режимах: LONG – длительный режим вращения. В этом случае при работе двига-

теля на экране LCD отображается пройденное число шагов. STEP – шаговый режим - на экране LCD отображается число шагов, которое необходимо пройти, когда число шагов достигнет 0, двигатель остановится.

Контроллер может коммутировать фазы в следующих режимах: HALF – полушаговый режим, NORMAL – двухфазный режим с целым

числом шагов, WAVE – однофазный режим с целым числом шагов. Возмож-на смена направления движения: FORWARD – вращение вперед, BACK – вращение назад.

После включения по умолчанию выставлены опции: LONG, NORMAL, FORWARD. Навигация по меню осуществляется с помощью кнопок → и ↓. Активация выбранного режима осуществляется кнопкой Enter, при этом те-кущее состояние отображается в нижней строке дисплея.

Восель Ю.С. АВТОМАТИЗИРОВАННЫЙ ОТЛАДЧИК СИСТЕМЫ РАДИАЛЬНОГО

ПОЗИЦИОНИРОВАНИЯ ЛАЗЕРНОГО ФОТОПОСТРОИТЕЛЯ y.vosel@gmail.com

В настоящее время одним из наиболее перспективных направлений

развития оптики является широкое применение компьютерно-

СПИ-АС-2009

295

синтезированных дифракционных оптических элементов (ДОЭ). Для их из-готовления применяются два основных типа записывающих систем, разли-чающихся по способу позиционирования записывающего пучка: ортогональ-ные и круговые системы. Круговые системы записи предпочтительнее для создания таких ДОЭ как формирователи бездифракционных пучков, фокуси-рующая оптика, корректоры волновых фронтов и т. д.

Лаборатория Дифракционной Оптики ИАиЭ СО РАН разработала ряд круговых лазерных записывающих систем (КЛЗС), предназначенных для за-писи ДОЭ и угловых шкал в полярной системе координат. В настоящий мо-мент совместно с КТИ НП СО РАН идёт работа над совершенствованием ла-зерного фотопостроителя КЛЗС-300.

Ключевым требованием, предъявляемым к изготавливаемым ДОЭ, яв-ляется высокая точность расположения его элементов по всей подложке. По-этому важным компонентом фотопостроителя является система радиального позиционирования записывающего пучка. На качество работы данной систе-мы влияет широкий спектр внешних факторов, которые следует учитывать во время настройки регулятора, управляющего ей.

Для определения положения записывающей головки в фотопостроите-ле используется интерферометр с квадратурными сигналами (далее они бу-дут обозначаться как А и В). Для повышения точности определения коорди-наты интерферометром квадратурные сигналы замеряются 9-битными АЦП, таким образом, возможно 512 градаций каждого из сигналов, что позволяет теоретически повысить разрешение интерферометра до 1/1024 длины волны его лазера. Однако, данной точности не удаётся достичь. Двумя основными источниками повышения погрешности интерферометра являются шумы дат-чика и погрешности настройки интерферометра.

Сейчас во время подготовки системы к работе оператор должен само-стоятельно запросить нужную ему информацию, оценить по полученным данным качество работы элементов системы, установить коэффициенты ре-гулятора системы. Поэтому возникают следующие проблемы: во-первых, оператор тратит много времени на настройку системы, во-вторых, так, как все работы выполняются вручную, оператор может допустить ошибку во время подготовки системы к работе.

На основе опыта тестирования и настройки системы вручную возникла задача автоматизировать эти процессы.

В рамках данной работы были исследованы источники погрешностей, возникающих из-за неточности настройки интерферометра. Было выявлено три вида таких источников: смещение квадратурных сигналов интерферо-метра относительно нуля, различные коэффициенты усиления этих сигналов, а также фазовый сдвиг между ними. Оказалось, что вклад каждого из этих источников в погрешность интерферометра пропорционален максимальному относителному отклонению величины 22

BA NNR += , где AN , BN – измерен-ные значения сигналов А и В:

СПИ-АС-2009

296

1max −=RRKRi .

Экспериментально определено, что погрешность определяется форму-лой 3322110 KRkKRkKRkKR ⋅+⋅+⋅= , где 55.01 =k , 27.02 =k , 18.03 =k , а

1KR , 2KR , 3KR – значения максимального относительного отклонения R при фазовом сдвиге, смещении нуля и разном усилении сигналов соответственно.

Были разработаны алгоритмы анализа данных, получаемых с интерфе-рометра, определяющего положение записывающей головки. С интерферо-метра снимаются квадратурные сигналы во время движения записывающей каретки. Из полученных данных выделяется информация о трёх параметрах настройки интерферометра. По перечисленным параметрам определяется со-вокупная оценка качества настройки интерферометра системы, даются реко-мендации оператору.

Был написан код, реализующий предложенные алгоритмы, и встроен в систему управления фотопостроителем. В качестве алгоритма автоматизиро-ванной настройки регулятора выбран модифицированный алгоритм Циглера-Николса.

Сейчас идёт работа над тестированием разработанных алгоритмов а также над разработкой и реализацией модуля автоматизированной настройки регулятора системы. Данный модуль также будет интегрирован в общую программу управления системой.

Использование автоматизированного отладчика позволит облегчить и ускорить работу оператора по подготовке установки к работе, исключит воз-можность человеческой ошибки в данном процессе.

Демидова Л.А., Коняева Е.И., Коротаев А.Н. СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ КЛАСТЕРИЗАЦИИ НА ОСНОВЕ НЕЧЕТКИХ МНОЖЕСТВ ПЕРВОГО И ВТОРОГО ТИПА

graph2@rambler.ru Наиболее известными алгоритмами кластеризации, основанными на

учете того или иного вида неопределенности, являются: алгоритм нечетких c -средних (fuzzy c -means – FCM-алгоритм), алгоритм возможностных c -средних (possibilistic c -means – PCM-алгоритм), алгоритм возможностных нечетких c -средних (possibilistic fuzzy c -means – PFCM-алгоритм), робаст-ный алгоритм нечетких c -средних (robust fuzzy c -means – RFCM-алгоритм).

Алгоритмы нечеткой кластеризации предполагают использование не-четких множеств первого типа (НМТ1) и интервальных нечетких множеств второго типа (ИНМТ2).

Алгоритмы кластеризации на основе НМТ1 характеризуются незначи-тельной вычислительной сложностью и низкими временными затратами.

СПИ-АС-2009

297

Использование алгоритмов кластеризации на основе НМТ1 целесооб-разно в случае необходимости выполнения кластеризации множества объек-тов, содержащего кластеры подобного объема, подобной плотности или с по-добным количеством объектов в каждом кластере. Алгоритмы кластеризации на основе НМТ1 могут давать неадекватные результаты нечеткой кластери-зации, например, если множество объектов кластеризации содержит класте-ры существенно разного объема, существенно разной плотности или с суще-ственно разным количеством объектов в каждом кластере. В этом случае для получения адекватных результатов кластеризации целесообразно примене-ние ИНМТ2, несмотря на существенное увеличение вычислительной слож-ности и временных затрат.

Алгоритмам кластеризации типа FCM-алгоритма на основе НМТ1 и PCM-алгоритма на основе НМТ1 и т.п. присуща неопределенность, связанная с выбором параметров соответствующих целевых функций. Так, например, можно говорить о неопределенности фаззификатора m в FCM-алгоритме на основе НМТ1 и о неопределенности «ширины зоны» jη ( cj ,1= , c – количе-ство кластеров) в PCM-алгоритме на основе НМТ1. Кроме того, может суще-ствовать неопределенность в выборе алгоритма кластеризации, а, значит, не-определенность в задании функций принадлежности, отражающих кластер-ную относительность (как в FCM-алгоритме на основе НМТ1) и кластерную типичность (как в PCM-алгоритме на основе НМТ1). Расширение множества объектов кластеризации на интервальные нечеткие множества второго типа (ИНМТ2) позволяет управлять неопределённостями такого рода. Следует от-метить, что FCM-алгоритм на основе ИНМТ2 является расширением FCM-алгоритма на основе НМТ1 при 21 mmm == .

FCM-алгоритм на основе НМТ1 реализует минимизацию целевой функции вида [1]:

( ) ( )( )∑∑= =

⋅=c

jji

n

i

mij dxuVUJ

1

2

1, , (1)

где ( )][ ij xuU = – нечеткое c -разбиение множества объектов X на основе функций принадлежности ( )ij xu ; ( )ij xu – функция принадлежности объекта, определяющая нечеткую степень принадлежности объекта ix кластеру jX ;

( )cvvV ,...,1= – центры кластеров; jid – расстояние между объектом ix и цен-тром кластера jv (обычно Евклидово); m – фаззификатор ( Rm ∈ , 1>m ), значение которого задается в зависимости от мощности множества объектов X ; c – количество кластеров jX ( cj ,...,2∈ ), которое считается предвари-тельно заданным ( Nc ∈ и 1>c ); n – количество объектов; cj ,1= ; ni ,1= .

При этом функции принадлежности должны удовлетворять условию:

( ) 11

=∑=

c

jij xu ( Xxi ∈∀ ). (2)

СПИ-АС-2009

298

Для FCM-алгоритма на основе НМТ1 функции принадлежности опреде-ляются в соответствии с формулой:

( )

∑=

−

=

c

t

m

ti

ji

ij

dd

xu

1

12

1 . (3)

Координаты центров jv искомых нечетких кластеров как:

( )( ) ( )( )∑∑==

⋅=n

i

mij

n

ii

mijj xuxxuv

11, cj ,...,2∈∀ , (4)

где m – фаззификатор; ( )ij xu – функция принадлежности объекта; ( ) Xxxxx q

iiii ∈= ,...,, 21 , lix – количественное значение по l -му критерию Ppl ∈

для объекта; ql ,1= . Однако алгоритмы нечеткой кластеризации типа FCM-алгоритма на ос-

нове НМТ1 не всегда точно оценивают параметры прототипов кластеров, на-пример, центров кластеров. Главная проблема заключается в возможностном принуждении, используемом в FCM-алгоритме на основе НМТ1, который уста-навливает, что степени принадлежности кластерам для любого объекта в сумме должны давать 1, то есть должны удовлетворять ограничению (2). Степени принадлежности, вычисляемые исходя из ограничения (2), определяют скорее степени разделения, чем степени типичности для объектов. Поэтому атипичные объекты (объекты-шумы), расположенные на одинаковом расстоянии от реаль-ных центров кластеров, могут сильно влиять на оценки координат центров кла-стеров, и, следовательно, на окончательный результат нечеткой кластеризации.

Для решения проблемы, связанной с негативным влиянием атипичных объектов, необходимо ослабить ограничение, определяемое уравнением (2), и модифицировать целевую функцию. Один из подходов, позволяющих снизить влияние атипичных объектов на результаты нечеткой кластеризации, основан на использовании весовых коэффициентов, которые обратно пропорциональны расстоянию точки от центра кластера. При этом степени принадлежности, вы-численные с использованием FCM-алгоритма на основе НМТ1, не могут ис-пользоваться в качестве таких весовых коэффициентов, так как представляют собой относительные числа, характеризующие относительные, а не абсолютные расстояния между объектами.

В случае возможностной интерпретации неопределенности использу-ется PCM-алгоритм на основе НМТ1. PCM-алгоритм основан на минимиза-ции целевой функции вида [2]:

( ) ( )( ) ( )( )∑ ∑∑∑= == =

−⋅+⋅=с

j

n

i

mijj

c

j

n

iji

mij xwdxwVWJ

1 1

2

1 1

2 1, η (5)

где ( )][ ij xwW = – возможностное c -разбиение множества объектов X на ос-нове функций типичности ( )ij xw ; ( )ij xw – функция типичности, опреде-

СПИ-АС-2009

299

ляющая возможностную степень принадлежности объекта ix кластеру jX ; ( )cvvV ,...,1= – центры кластеров; jid – расстояние между объектом ix и

центром кластера jv ; m – фаззификатор; jη ( cj ,1= ) – «ширина зоны», опре-деляющая расстояние, на котором значение функции принадлежности объек-та j -му кластеру равно 0,5; c – количество кластеров jX ( cj ,...,2∈ ); n – количество объектов кластеризации; cj ,1= ; ni ,1= .

При возможностной кластеризации с использованием PCM-алгоритма на основе НМТ1 отбрасывается ограничение (2). Первое слагаемое в формуле (5) требует, чтобы расстояние от объектов кластеризации, типичных для дан-ного кластера, до центра– кластера было как можно меньшим, в то время как второе слагаемое требует, чтобы значения возможностных функций типич-ности ( )ij xw типичных объектов ix ( ni ,1= ) центрам кластеров jv ( cj ,1= ) были как можно большими. Таким образом, удается избежать тривиального решения.

При минимизации целевой функции (5) возможностные функции ти-пичности могут быть вычислены как:

( )1

2

1

1

−

+

=m

j

ji

ij

dxw

η

. (6)

Уравнение (6) определяет функцию принадлежности объекта ix , кото-рая представляет собой абсолютное расстояние между центром кластера jv и объектом ix . Возможностные функции типичности ( )ij xw зависят только от расстояния от объекта ix до границы – «ширины зоны» jη j -го кластера и не зависят от расстояния от объекта ix до всех других центров кластеров. При этом функции типичности ( )ij xw определяют типичность объекта ix ( ni ,1= )

для j -го кластера ( cj ,1= ). Для каждого j -го кластера ( cj ,1= ) возможностные функции типично-

сти удовлетворяют ограничению:

( )∑=

=n

iij xw

11. (7)

Координаты центров кластеров находятся так же, как в FCM-алгоритме на основе НМТ1 в соответствии с формулой (4).

PCM-алгоритм на основе НМТ1 удобно инициализировать с помощью FCM-алгоритма на основе НМТ1. Так как значение «ширины зоны» jη опре-деляется как расстояние, на котором значения степеней принадлежности то-

СПИ-АС-2009

300

чек кластеру равны 0,5, то «ширины зону» jη можно соотнести с размером и формой j -го кластера.

Целью PFCM-алгоритма на основе НМТ1 является комбинированное решение вопроса о кластерной относительности и кластерной типичности объектов [3]. PFCM-алгоритм на основе НМТ1 ставит в соответствие объек-там ix ( ni ,1= ) нечеткие функции принадлежности ( )ij xu и возможностные функции типичности ( )ij xw , вычисляя координаты центров кластеров.

Для каждого объекта ix ( ni ,1= ) должно выполняться ограничение:

( )∑=

=c

jij xu

11 (8)

и для j -го каждого кластера ( cj ,1= ) должно выполняться ограничение:

( )∑=

=n

iij xw

11. (9)

PFCM-алгоритм основан на минимизации целевой функции вида:

( ) ( )( ) ( )( )( )∑∑= =

′ ⋅+=c

j

n

iji

mij

mij dxwxuVWUJ

1 1

2,, , (10)

где m и m′ – значения фаззификаторов, используемых при расчете нечетких функций принадлежности и возможностных функций типичности соответст-венно; ( )][ ij xuU = – нечеткое c -разбиение множества объектов X на основе функций принадлежности ( )ij xu ; ( )][ ij xwW = – возможностное c -разбиение множества объектов X на основе функций типичности ( )ij xw ; ( )cvvV ,...,1= – центры кластеров; ( )ij xu и ( )ij xw рассчитываются по формулам (3) и (6) соответственно.

Координаты центров кластеров при реализации PFCM-алгоритма на основе НМТ1 находятся в соответствии со следующей формулой:

( )( ) ( )( )( ) ( )( ) ( )( )( )∑∑=

′

=

′ +⋅+=n

i

mij

mij

n

ij

mij

mijj xwxuxxwxuv

11. (11)

Значения фаззификаторов m и m′ выбираются также, как и для клас-сического FCM-алгоритма на основе НМТ1, в зависимости от мощности множества объектов кластеризации: чем больше мощность, тем меньшее зна-чение выбирается для m и m′ .

При использовании RFCM-алгоритм на основе НМТ1 в рассмотрение вводится специальный кластер шума, который предназначен для локализации объектов-шумов и помещения их в один вспомогательный кластер [2]. Для объектов, отнесенных к кластеру шума, предполагается, что эти объекты яв-ляются атипичными для исходного множества объектов.

RFCM-алгоритм на основе НМТ1 основан на минимизации целевой функции вида:

СПИ-АС-2009

301

( ) ( )( ) ( )m

n

i

c

jij

c

j

n

iji

mij xudxuVUJ ∑ ∑∑∑

= == =

−⋅+⋅=

1 1

2

1 1

2 1, δ , (12)

где 2δ – весовой коэффициент, характеризующий расстояние между множе-ством объектов и кластером шума.

При реализации RFCM-алгоритма на основе НМТ1 определяется ( )1+c кластер ( c искомых кластеров и один дополнительный кластер – кластер

шума). Выражение ( )

− ∑

=

c

jij xu

11 во втором слагаемом в целевой функции

(12) определяет нечеткую степень принадлежности каждого объекта ix ( ni ,1= ) кластеру шума. Таким образом, сумма степеней принадлежности объекта ix ( ni ,1= ) для c кластеров меньше или равна 1.

Функции принадлежности для каждого j -го кластера ( cj ,1= ) нахо-дятся в соответствии с формулой:

( )

∑∑=

−

=

−

+

=

c

r

mji

c

r

m

ri

ji

ij

ddd

xu

1

12

1

12

1

δ

. (13)

Функция принадлежности для кластера шума определяется как:

( ) ( )i

c

jji* xuxu ∑

=−=

11 , (14)

где ( )ij xu ( cj ,1= ) вычисляются в соответствии с формулой (13). Координаты центров кластеров находятся так же, как в FCM-алгоритме

на основе НМТ1 в соответствии с формулой (4). Следует отметить, что для виртуального кластера шума необходимость

в вычислении и настройке координат центров кластеров отсутствует. Полага-ется, что кластер шума расположен на одинаково большом расстоянии δ от всех объектов множества кластеризации. При этом для любого объекта ix ( ni ,1= ): ( ) δ=+ icd 1 . Таким образом, объект ix ( ni ,1= ) принадлежит некото-

рому реальному j -му кластеру ( cj ,1= ), если расстояние δ<jid , иначе объ-ект ix принадлежит кластеру шума.

Использование алгоритмов кластеризации, учитывающих свойство кластерной типичности или основанных на использовании кластера шума, в ряде случаев позволяет улучшить качество результатов кластеризации за счет уменьшения влияния атипичных объектов или их локализации в отдельный кластер.

При реализации алгоритмов кластеризации на основе ИНМТ2 для FCM-алгоритма в рассмотрение вводятся 2 значения фаззификатора 1m и 2m , для PCM-алгоритма – 2 значения «ширины зоны» 1jη и 2jη ( cj ,1= ) [5]. В ре-

СПИ-АС-2009

302

зультате расширения множества объектов на ИНМТ2 выполняется миними-зация сразу двух целевых функций типа (1) или (5). Данные алгоритмы также позволяют повысить качество кластеризации, однако являются более трудо-емкими. Поэтому их использование целесообразно лишь в случае, когда ожидается существенное улучшение результатов кластеризации при их при-менении.

Следует отметить, что получение адекватных результатов кластериза-ции не возможно без применения соответствующего генетического алгорит-ма, позволяющего определить оптимальные параметры алгоритма кластери-зации и значительно снизить временные затраты на поиск решения.

Список использованных источников

1. Леоненков А. Нечеткое моделирование в среде MATLAB и fuz-zyTECH. – СПб.: БХВ-Петербург, 2003. – 736 с.: ил.

2. Dave R. N., Krishnapuram R. Robust Clustering Methods: A Unified View // IEEE Transactions on Fuzzy Systems, vol. 5, no. 2, 1997, pp. 270-293.

3. Kim S.Y., Choi T. M. Fuzzy Types Clustering for Microarray Data // Proceedings of world academy of science, engineering and technology, Vol. 4, 2005, pp. 12-15.

4. Krishnapuram R., Keller J.M. A possibilistic approach to clustering. IEEE transactions on fuzzy systems. Vol. 1, No.2, 1993, p. 98-110.

5. Rhee F.C.-H. Uncertain fuzzy clustering: insights and recommendations// IEEE Computational intelligence magazine. Vol. 2, 1, 2007, pp. 44-56.

Дьячук П.П., Дьячук И.П., Шадрин И.В. МОДЕЛИРОВАНИЕ УЧЕБНОЙ ДЕЯТЕЛЬНОСТИ В ПАЗЛОВОЙ ПРОБЛЕМНОЙ СРЕДЕ С ПОМОЩЬЮ ЦЕПЕЙ МАРКОВА

ppdyachuk@rambler.ru Учебная деятельность обучающегося решению задач образует после-

довательность случайных событий, каждое из которых связано с тем или иным действием. Последовательное изменение состояния обучающегося, оп-ределяемое его действиями, часто представляют в виде конечной цепи Мар-кова [1]. Цепь Маркова неоднородна, так как вероятности перехода Pij(r) за-висят от r. Итеративный характер процесса научения позволяет представить неоднородную цепь Маркова в виде последовательности однородных конеч-ных цепей Маркова. Однородная конечная цепь Маркова под номером m со-ответствует учебной деятельности обучающегося при решении m-й задачи. Изменение матрицы переходных вероятностей от задачи к задаче характери-зует процесс развития структуры системы действий обучающегося [2].

Деятельность обучающегося конструированию пространственного объекта из пазлов рассматривается как динамическая система, находящаяся в

СПИ-АС-2009

303

каждый из моментов k в одном из n состояний (в нашем случае n=4: S1 – ус-тановка пазла, S2 – отмена пазла, S3 – просмотр пазлов, S4 – завершение):

TkSSkSkS ni ∈=∈ ,,,)()( 1 K (1) Переменная k определяет номер шага в процессе решения m-ой задачи.

Состояния изменяются со временем случайным образом. Эти изменения оп-ределяются матрицей переходных вероятностей, которая имеет вид

100000

)()()(

)()()(

)()()()(

)()(

333231

232221

14131211

kkk

kkk

kkkk

kij

k

PPPPPP

PPPP

PP == (2)

Каждый элемент матрицы P(k) показывает вероятность того, что если система в момент k находилось в состоянии Si, то в момент k+1 она окажется в состоянии Sj. Каждая строчка матрицы P(k) соответствует состоянию, в ко-тором процесс находится на данном шаге, а каждый столбец – состоянию, в которое переходит процесс на следующем шаге.

Переходы во все возможные состояния (в том числе в себя) образуют

полную группу событий, поэтому 14

1

)( =∑=j

kijP для всех i = 1, .., 4, Tk ∈ . Для

рассматриваемой структуры системы действий вероятности )(kijP не зависят от

времени. Вектор-строка Y(k) = [y1(k), …, y4(k)] описывает распределение веро-

ятностей нахождения структуры системы действий при выполнении m-го за-дания в соответствующих состояниях в момент k, то есть yi(k) – это вероят-ность того, что в момент k структура системы действий обучающегося кон-струированию пространственных объектов находится в состоянии Si. При

этом 1)(4

1=∑

=ii ky , Tk ∈ .

Пересчет распределения вероятностей на следующем шаге произво-дится по формуле:

Y(k+1) = Y(k) P (3) Должно быть также задано начальное условие Y(0), которое определя-

ет состояние процесса решения задачи на начальном шаге (в момент, когда обучающемуся предъявляется задание).

Вычисляя последовательно Y(1), Y(2), …, Y(k), мы можем получить вероятностный прогноз развития структуры системы действий обучающего-ся.

Состояние S4 в нашем случае является поглощающим и соответствует завершению решения задачи. Оно не влияет на трудоемкость процесса поис-ка решения. Поэтому, исключив из матрицы Р строки и столбцы, соответст-вующие состояниям S4, и обозначив оставшуюся матрицу Q, можем вычис-лить так называемую фундаментальную матрицу цепи Маркова:

СПИ-АС-2009

304

1)( −−= QIN , (4) где I – единичная матрица.

Каждый элемент ni матрицы N представляет собой среднее число пре-бываний процесса в состоянии Sj при старте из состояния Si. В нашем случае, когда обучающийся располагает свободой выбора между просмотром и уста-новкой фрагментов, достаточно рассматривать только первую и третью стро-ку матрицы N.

Зная nij, можно вычислить среднюю трудоемкость (количество шагов) процесса решения задачи по формуле

∑∑==

Σ Θ⋅+Θ⋅=Θ4

13

4

11

jjj

jjj nn , (5)

где Θj – трудоемкость совершения j-го шага. Учитывая, что трудоемкость совер-

шения каждого шага при конструировании пространственного объекта равна единице (совершение одного действия), формула расчета трудоемкости сводится к сумме элементов первой и третьей строки матри-цы N.

Рассмотрим описанную методику на примере решения обучающимся первой задачи в пазловой проблемной среде. Граф структуры системы действий, соответст-вующий процессу конструирования про-странственного объекта, представлен на рис. 1 (данные получены в ходе экспери-мента). Из рис.1 видно, что состояния S1 – S3 относятся к множеству невозвратных состояний, S4 – поглощающее состояние.

Матрица переходных вероятностей имеет вид

1000057,017,026,0005,0095,001,005,083,011,0

)1( =P

Начальное распределение вероятностей положим равным )0;5,0;0;5,0()0( =Y .

Средние значения числа пребываний процесса в множестве невозврат-ных состояний, вычисленные по формуле (4), задаются следующей матрицей:

08,2409,8710083,2171,8710071,2169,86100

=N

Рис. 1. Структура S сис-

темы действий обучающегося при решении первой задачи

СПИ-АС-2009

305

Средняя трудоемкость процесса:

57,41908,2409,8710071,2169,861004

12

4

11 =+++++=+=Θ ∑∑

==Σ

jj

jj nn шагов

На рис. 2 приведен графики распределения вероятностей состояния деятельности обучающегося в процессе решения первой задачи в проблем-ной среде, рассчитанный по формуле (3).

Отметим, что обучающийся, структура системы действий которого бы-ла описана, при решении первой задачи совершил 423 действия (теоретиче-ское значение: 419).

Проведем анализ деятельности обучающегося при выполнении послед-него (девятнадцатого) задания. Граф структуры системы действий, соответ-ствующий решению 19 –ой задачи, представлен на рис. 3.

Рис. 2. Вероятности пребывания структуры системы действий обучающегося в каждом из состояний при выполнении 1-го задания

Рис. 3. Структура S системы действий обучающегося при решении 19-й задачи

Матрица переходных вероятностей имеет вид

1000014,0086,0000002,02,0078,0

)1( =P .

Начальное распределение вероятностей по-прежнему )0;5,0;0;5,0()0( =Y Средние значения числа пребываний процесса в множест-

ве невозвратных состояний:

79,1205001063,11050

=N

Средняя трудоемкость процесса:

СПИ-АС-2009

306

42,12479,125063,11504

12

4

11 =+++=+=Θ ∑∑

==Σ

jj

jj nn шагов

График распределения вероятностей состояния деятельности обучаю-щегося в процессе решения задачи приведен на рис. 4.

В отличие от первого за-дания, количество шагов, вы-численное теоретически не совпадает с практической реа-лизацией решения: обучаю-щийся совершил 33 действия. Это можно объяснить тем, что взятый за основу модели Мар-ковский процесс – это случай-ный процесс, в котором каж-дое новое состояние зависит только от предыдущего со-стояния и переходных вероят-ностей. Но человек осуществ-ляет поиск решения задачи, используя свой интеллект и память, оперируя накоплен-ным опытом. При этом, его

новое состояние зависит от существенно большей предыстории, чем преды-дущее состояние. При решении первой задачи обучающийся находится в ус-ловиях гораздо большей неопределенности и случайная составляющая его деятельности превалирует. Поэтому Марковская модель дает большую кор-реляцию с практически полученным результатом.

Список использованных источников

1. Доррер А.Г. Моделирование и разработка интерактивных обучаю-щих систем с адаптацией: дис. ... канд. техн. наук. – Красноярск, 2006.

2. Динамическая информационная система управления и диагностика обучаемости/ П.П. Дьячук, И.В. Шадрин // Информационные технологии мо-делирования и управления. – 2008. – 2(45). – С. 229–237.

Егоров С.И., Графов О.Б., Барышок Д.Г. О КОРРЕКТИРУЮЩИХ ВОЗМОЖНОСТЯХ ДЕКОДИРОВАНИЯ

КОДОВ РИДА-СОЛОМОНА ЗА ГРАНИЦЕЙ ПОЛОВИНЫ МИНИМАЛЬНОГО КОДОВОГО РАССТОЯНИЯ sie58@mail.ru olegraf@gmail.com vindoo@mail.ru

Известно, что помехоустойчивые коды Рида-Соломона (РС) могут га-

Рис. 4. Вероятности пребывания

структуры системы действий обучающе-гося в каждом из состояний при выполне-нии 19-го задания

СПИ-АС-2009

307

рантированно исправлять любой набор из t ошибочных символов, тогда и только тогда, когда выполняется условие 2t+1≤d (d – минимальное кодовое

расстояние), или

−

≤2

1dt . В [1] Гурасвами и Судан предложили алгоритм

декодирования РС-кодов (известный как GS алгоритм), исправляющий оши-бочные символы и в том случае, когда вышеприведенное неравенство нару-шается (т.е. за границей половины минимального кодового расстояния). Ко-личество исправляемых ошибок tGS для этого алгоритма:

nkntGS )1(1 −−−= , где n – длина кодового слова в символах, k – количество информационных символов в коде.

Рассмотрим декодирование слова РС-кода с жесткими решениями без возможности выбора наиболее вероятного переданного слова из списка. В этом случае декодер будет исправлять ошибки, если в сфере радиуса t, про-веденной вокруг принятого из канала слова, будет найдено единственное ко-

довое слово. Если

−

≤2

1dt , в сфере не может быть более одного кодового

слова. При декодировании за границей половины минимального кодового расстояния в сферу могут попасть несколько кодовых слов, и декодер не сможет исправить ошибки. Важно, чтобы таких случаев было немного.

В представленной работе путем имитационного моделирования выпол-нена оценка максимального количества ошибочных символов tmax в кодовом слове, которые исправлялись не менее чем в 80% случаев. Исследовались РС-коды, определенные над конечным полем GF(28), с d = 17, и n = 55, 80, 105, 130, 155, 180, 205, 230, 255. Использовалось расширение алгоритма декоди-рования, приведенного в [2].

Для заданного РС-кода tmax определялось следующим образом. В каж-дом кодовом слове выборки случайным образом вносилось фиксированное

количество ошибок t большее

−

=2

1dtc , и выполнялась процедура декодиро-

вания. Если количество исправленных слов в выборке превышало 80%, число вносимых ошибок увеличивалось на единицу t = t +1, и процедура моделиро-вания повторялась. Процесс повторялся до тех пор, пока количество исправ-ленных слов не становилось меньше 80%. При этом в качестве tmax принима-лась величина t -1.

Зависимость tmax от длины кодового слова n РС-кода приведена на сле-дующей гистограмме (ряд 1). Также на гистограмме приведено число ошибок tGS, которые можно исправить с помощью GS-алгоритма (ряд 2) и число га-

рантированно исправляемых РС-кодом ошибок

−

=2

1dtc (ряд 3). Видно, что

при укорочении кода (уменьшении его скорости) количество дополнительно исправляемых ошибок увеличивается.

СПИ-АС-2009

308

Из гистограммы следует, что GS-алгоритм [1] не эффективен для высо-

коскоростных кодов (n = 105,…,255) tGS = tc, и в любом случае не использует всех потенциальных корректирующих возможностей рассмотренных РС-кодов tGS < tmax.

Отметим, что алгоритм [2] обеспечивает достижение исправления tmax ошибок для РС-кодов с n = 130,…,255. В этот диапазон попадают такие важ-ные коды как РС(204,188) и РС(255,239), широко используемые в телеком-муникационных системах.

Задача построения декодера РС-кодов, с приемлемой сложностью реа-лизующего исправление tmax ошибок (tmax – tc > 1) для n = 105 и ниже, пока остается открытой.

Список использованных источников

1. Guruswami V., Sudan M. Improved Decoding of Reed-Solomon and Al-gebraic-Geometry Codes // IEEE Trans. Inform. Theory, vol. 45, no. 6, Nov. 1999, pp. 1757-1767.

2. Egorov S., Markarian G., Pickavance K. A Modified Blahut Algorithm for Decoding Reed-Solomon Codes Beyond Half the Minimum Distance // IEEE Trans. on Commun., vol. 52, no. 12, December 2004, pp. 2052-2056.

Ефанов В.Н., Иванова Н.С. ИНТЕЛЛЕКТУАЛЬНЫЙ КОМПЛЕКС ОЦЕНКИ СОСТОЯНИЯ

СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ efanov@mail.rb.ru

Оценка состояния сложных технических систем (СТС) связана с вы-

полнением целого комплекса взаимосвязанных процессов получения и пре-образования информации, которые протекают в ходе специальным образом организованного взаимодействия объекта исследования, программно- аппа-ратных средств наблюдения и контроля, а также искусственной интеллекту-альной среды, позволяющей упорядочить действия человека-оператора, на-

СПИ-АС-2009

309

правленные на обоснованный выбор целесообразного варианта исследова-ния, помогающей выявить объективную природу его предпочтений и расши-рить на этой основе возможности в достоверной оценке предлагаемых вари-антов.

Предлагаемая в данной работе архитектура интеллектуальной системы оценки технического состояния СТС включает следующие компоненты:

* многоуровневый, иерархически упорядоченный, объект исследова-ния (ОИ);

* совокупность встроенных систем диагностики (ВСД), каждая из ко-торых предусматривает наличие интеллектуальной системы управления и обработки информации, системы формирования исследовательских процедур (СФИП), интеллектуального распорядительного центра (ИРЦ) и средств ин-формационного интерфейса (ИИ).

Каждый из перечисленных объектов исследования взаимодействует со своими средствами тестового контроля и функционального диагностирова-ния, которые входят в состав соответствующей СФИП. При этом осуществ-ляемые исследовательские процедуры могут инициироваться ВСД данного уровня или являются составной частью комплексной процедуры исследова-ния, выполняемой под управлением ВСД более высокого уровня. В свою очередь, интеллектуальные системы управления и обработки информации могут обращаться к ВСД нижних уровней иерархии для повышения ситуаци-онной уверенности относительно текущего состояния элементов собственно-го ОИ. Аналогично этому информация о результатах исследования использу-ется для принятия решений об оценке состояния ОИ, о локализации возмож-ных дефектов и предотвращении их неблагоприятных последствий, напри-мер, за счет управления избыточными ресурсами, не только в пределах ВСД данного уровня, но и передается в ВСД нижних и верхних уровней. Подобная сложная схема взаимодействия ВСД различных уровней требует разработки достаточно универсальной модели функционирования исследуемого интел-лектуального комплекса оценки технического состояния СТС, способного решать поставленные перед ним задачи в условиях, когда на результатах оценки сказывается влияние большого числа факторов, последствия которых нельзя заранее предусмотреть из-за их случайного характера или из-за отсут-ствия достаточной о них информации.

Ситуация неопределенности является характерной для функциониро-вания ВСД различных уровней и отражает важный методический аспект процедуры оценки состояния СТС, который связан с невозможностью рас-считать поведение сложного технического объекта во всех условиях приме-нения и для всех режимов работы. Для формализации неопределенных фак-торов и тех исследовательских процедур, которые должны обеспечивать снижение неопределенности до уровня, позволяющего осуществить обосно-ванную оценку, введем математическую модель исследуемой системы в сле-дующем виде

СПИ-АС-2009

310

( )pU Ω, , (1) где U - непустое множество, рΩ - множество нечетких предикатов, заданных на множестве U.

В выражении (1) множество U представляет собой декартово произве-дение Γ××= YXU следующих множеств. Множество nXXXX ,, , 21 K= представляет собой совокупность детализированных до определенного уров-ня возможных состояний системы. множество экспериментов

mYYYY ,, , 21 K= объединяет все доступные исследовательские процедуры, позволяющие снизить неопределенность в оценке состояний системы. мно-жество mγγγ=Γ ,, , 21 K включает возможные результаты проведенных экспериментов.

Алгебраическая структура модели (1) представляет собой совокупность подмножеств множества U, на которой выполняются заданные отображения и формулы соответствующей предметной области. В свою очередь, логиче-ская структура модели объединяет множество нечетких высказываний и пра-вил вывода, которым удовлетворяют отображения и формулы алгебраиче-ской структуры.

Для детализации алгебраической структуры введем следующие поня-тия. Субъектом процедуры оценки состояния СТС назовем элемент Uu ∈0 , т.е. тройки вида ( )000 ,, ΓYX , где Γ∈Γ∈∈ 000 ,, YYXX . На множестве субъек-тов процедуры оценки Uu ∈0 введем отображение P, которое ставит в соот-ветствие каждой паре «эксперимент-результат» ( ) Γ×∈Γ YY 00, наиболее прав-доподобную оценку состояния XX ∈0 СТС. Отображение 0P : ( ) 000 , XY →Γ назовем элементарной процедурой оценки, а отображение wP :

XXYwXw ww ⊂Γ×⊂→ ,, - фрагментом процедуры оценки. Множество частичных операций qw fffF ,,, 21 K= , позволяющих сформировать из мно-жеств qwww ,,, 21 K и qXXX ,,, 21 K фрагментов процедуры оценки множе-ство U

( )Uq

kkk wXU

1=×= , (2)

назовем правилом (программой) оценки состояния СТС. Помимо отображений wP и правил wF в состав алгебраической струк-

туры входят формулы прикладного характера, определенные на множествах kw и kX . Важное место среди указанных формул занимает совокупность

оценочных функций pεεε=ε ,,, 21 K - совокупность показателей, которая признается важной в отношении оценки состояния исследуемой системы. Величина этих показателей зависит от значений, которые принимают в про-цессе исследования элементы следующих двух множеств. Множество кон-

СПИ-АС-2009

311

тролируемых параметров rKKKK ,, , 21 K= - это совокупность технических характеристик, однозначно описывающих текущее состояние системы. Мно-жество sθθθ=Θ ,, , 21 K тактических параметров - это совокупность внешних по отношению к системе условий, непосредственно влияющих на состояние системы.

В свою очередь, логическая структура модели объединяет: - элементарные (атомарные) формулы вида: Γ∈Γ∈∈ 000 ,, YYXX ; - паросочетания вида: 0P : ( ) 000 , XY →Γ ; - кванторы ∃ , ∀ , предикатные знаки и скобки; - нечеткие логические формулы «и» - & ; «или» - ∨ , импликация

→ («если, то») и т.д.; - нечеткие правила вывода - трансляционные, модификации и компо-

зиции; - совокупность нечетких многоместных предикатов, которые по опре-

деленным правилам сопоставляются с отображениями wP . Охарактеризуем на базе введенной обобщенной модели правила функ-

ционирования основных элементов ВСД различных уровней. Интеллектуальная система управления и обработки информации

формирует общую концепцию проведения исследований применительно ко всем уровням иерархического объекта. В связи с этим получим вначале мо-дель, описывающую процедуру исследования.

Отображение Р, определяющее принцип функционирования этой сис-темы для фиксированного уровня детализации ОИ, представим в виде сле-дующей композиции отображений

QGP ⊗= . (3) Здесь оператор G : Y → ε соответствует операции получения результа-

тов исследования, а Q : X→ε - операции по их анализу. Модель операции исследования в целом будет иметь вид следующего многоместного нечеткого предиката

Y XG Qε . (4) Система формирования исследовательских процедур задает всю со-

вокупность предписаний в виде последовательности проверок и правил обра-ботки их результатов с целью оценки технического состояния ОИ. Сущест-вующие алгоритмы тестовых проверок и функционального диагностирования делятся на следующие категории:

- безусловные алгоритмы задают фиксированную последовательность проверок, которые поочередно выполняются от начала до конца независимо от их результатов;

- условные алгоритмы предусматривают возможность остановки в лю-бой точке исследовательской процедуры при появлении определенных при-знаков или при достижении заданных параметров проверок.

Информация, получаемая в процессе исследования, может содержать

СПИ-АС-2009

312

результат оценки состояния всего объекта (исправен, работоспособен, пра-вильно функционирует), либо результат анализа состояния определенной группы параметров. Кроме того, часто требуется определить действительные значения контролируемых параметров или установить место дефекта.

Отмеченные особенности исследовательских процедур позволяют кон-кретизировать модели операций получения и анализа результатов. Поскольку любой алгоритм исследования в конечном счете направлен на то, чтобы кон-тролировать процесс изменения состояний изучаемого объекта, то введем в рассмотрение множество его переменных состояния ( )XZ . Тогда процесс изменения состояний объекта во времени 000 ;;2; NTTTT K= (где 0T - шаг дискретизации) можно описать следующим отображением

:ℑ ( ) ( )XZKTYXZ →Θ×××× . (5) Этому отображению ставится в соответствие процедура определения

результатов проведенных экспериментов :ℵ ( ) ( )Γ→Θ×××× FKTYXZ . (6) Полученные с помощью последнего отображения результаты зависят

от неопределенных факторов, поэтому необходима процедура «осреднения», позволяющая получить числовые значения критерия для всего диапазона из-менения неопределенных параметров. Модель такой процедуры может быть представлена таким образом

( ) ε→Γ∆ F: . (7) Объединение (6) и (7) дает уже упоминавшуюся модель операции по-

лучения результатов исследования, которая теперь приобретает следующий вид

:ℵ⊗∆=G ( ) ( ) ε→Γ→Θ××××ℵ FKTYXZY : . (8) В интеллектуальном распорядительном центре решается задача

принятия решений A0 , , , , ,* * *Y K Y Xε Θ Φ Γ Π , (9)

которая формулируется следующим образом: необходимо выбрать в услови-ях риска и неопределенности оптимальную стратегию Y* на множестве эф-фективных стратегий Y, используя критерий ε , и, получив результат Γ* оп-тимального эксперимента, найти наиболее обоснованную оценку X* состоя-ния исследуемого объекта.

Операция выработки решения состоит из трех этапов [1]: этапа прогно-зирования, этапа оценки и этапа принятия решения.

Этап прогнозирования представляет собой исследовательский про-цесс, целью которого является уменьшение влияния неопределенности на ре-зультаты оценки. Для формализации неопределенных факторов используют-ся соответствующие функций принадлежности. Так для неопределенных так-тических параметров вводятся функции принадлежности ( )Θf , представ-ляющие суждения эксперта об относительном правдоподобии значений эле-

СПИ-АС-2009

313

ментов множества Θ при оценке исследуемого состояния системы. В свою очередь, множеству Γ ставится в соответствие совокупность условных функций принадлежности ( )ΘΓ /ig , выражающих суждения эксперта о воз-можности получения данного результата Γ в процессе осуществления экспе-римента iY , при условии, что тактические параметры приняли значение Θ . Итогом этапа прогнозирования является совокупность оценочных функций, отражающих субъективное мнение эксперта, которое образовалось в резуль-тате анализа возможных исходов экспериментов при учете неопределенных факторов

( )KYX jill ,,,, ΓΘε=ε , pl ,,2,1 K= . (10) Воспользуемся при этом следующим аналитическим методом построе-

ния функций принадлежности ( )Θ=µ f1 и ( ) ( )ΘΓ=µ /2 ii g , предусматриваю-

щим максимизацию показателей размытости соответствующих нечетких множеств при ограничениях на величину нечетких моментов различных по-рядков. Такой подход позволяет получить, при прочих равных условиях, функции принадлежности, наиболее непредвзятые и в наименьшей степени зависящие от влияния наиболее нехарактерных эмпирических данных. Таким образом, искомые функции принадлежности должны соответствовать макси-муму функционалов

∑=

∞→µ=N

jgg NjSKd

1, )),(( 2,1=g , (11)

здесь )1(ln)1(ln)( µ−µ−−µµ−=µS - функция Шеннона, при ограничениях

( )∑ ∑= =

==τ=µN

j

N

j

rjgg

r gRrTNjj1 1

0* ;2,1 ;,...,2,1 ,)/(1)( (12)

где *jgτ - количественные оценки описанных ранее событий.

Предполагается, что при задании величин *jgτ эксперт анализирует

исходные эмпирические данные и устанавливает степень их соответствия его представлениям, либо назначает весовые коэффициенты для каждого элемен-та множества этих данных для дальнейшего определения их взвешенной ве-личины, либо по неформальным правилам осуществляет непосредственный вывод оценок *

jgτ [2]. Решение сформулированной задачи (11) найдем, используя аппрокси-

мацию функций принадлежности 1µ и ( )i2µ ортогональными рядами по сис-

теме экспоненциальных многочленов

∑=

=>ββ−−λ=ϕi

jiji iTkjk

10

* ,...)2,1 ,0( ),)1(exp()( , (13)

Таким образом

СПИ-АС-2009

314

[ ] [ ]∑ ∑ ∑= = =

=β−−λµ=ϕµ=µq

l

q

l

q

jljgllglg Tpjapap

1 1 10 ))1(exp()()(

∑=

β−−µ=q

j

gj Tpj

10

)( ))1(exp( , где .2,1=g (14)

Данный подход соответствует стремлению избежать субъективного за-дания функций принадлежности, поскольку вид последних определяется формой экстремалей функционалов (11) при ограничениях (12). В то же вре-мя выражение (14) позволяет, в силу свойств используемой ортогональной системы, описать неизвестные заранее экстремали с любой заданной точно-стью. При этом коэффициенты ( ) qjgg

j ,1;2,1 ==µ находятся из системы уравнений

( )

( ) ( )( )

( ) ( )( )( )( ) 01exp

1exp

1exp1ln 0

1

10

10

=β−−

β−−µ

β−−µ−=

∂µ

∂∑

∑

∑

=

=

= pTjpTl

pTlK

d N

p q

l

il

q

l

il

gj

g ; qj ,1= ;

( ) ( )( ) ( ) ( ) ;11exp1

0*

1 10 ∑∑ ∑

== =τ=β−−µ

N

p

rgp

q

j

N

p

rgj TNpTjp

2,1;,,2,1 == gRr K . (15) Достигнутая точность аппроксимации может быть признана достаточ-

ной, если при увеличении числа членов ряда изменения значений функций принадлежности на концах интервала ортогональности (с максимальной ошибкой) укладываются в пределы допустимой погрешности.

При решении задачи максимизации показателя размытости, кроме ог-раничений на соответствующие нечеткие моменты, необходимо учитывать условия, отражающие физическую природу процесса, состояние которого описывается соответствующей функцией принадлежности. В нашем случае, когда функции принадлежности используются для описания состояния тех-нической системы с точки зрения надежности, целесообразно применить следующие утверждения: 1) в начальный момент времени 0=k система при-надлежит к исправному состоянию; 2) за время ∞=k система перейдет в со-стояние с отказом с вероятностью достоверного события. На основании этого можно записать условия:

0)(1 =µ g ; ∑

∞

==µ

0

)( 1)(k

g k . (16)

С учетом того, что ( ) ( )( )∑

=β−−µ=µ

q

j

gj

g kTjk1

0)( 1exp)(

СПИ-АС-2009

315

преобразуем выражение для второго условия

1))1(exp(11 0

)(=

β−−−

µ∑=

q

j

gj

Tj. (17)

Далее получим зависимость коэффициентов функций принадлежности от значения нечеткого момента первого порядка.

( ) ( )( )∑ ∑= =

−−q

j

N

p

gj pTjp

1 101exp βµ ∑

=

+−−=q

j

gj Tj

10

)( ))1((exp( βµ

+β−−+β−−+ ))1(2exp())1(2exp( 00 TjTj ++β−−+β−−+β−−+ K))1(3exp())1(3exp())1(3exp( 000 TjTjTj

)))1(exp(...))1(exp( 00 K+β−−++β−−+ TjrTjr . Заметим, что последнее выражение является суммой бесконечного

числа геометрических прогрессий с одинаковым показателем, но с различ-ными значениями первого члена

( ) ( )( ) =β−−µ∑ ∑= =

q

j

N

p

gj pTjp

1 101exp

...).))1(exp(1

))1(exp(

))1(exp(1))1(2exp(

))1(exp(1))1(exp((

00

00

1 00)(

+β−−−

β−−+

++β−−−

β−−+

β−−−β−−

µ= ∑=

TjTjr

TjTj

TjTjq

j

gj L

Окончательно получим ( ) ( )( ) ∑∑ ∑

== = β−−−

β−−µ=β−−µ

q

j

gj

q

j

N

p

gj Tj

TjpTjp1 2

0

0)(

1 10

)))1(exp(1())1(exp(1exp .

Полученные условия связывают три коэффициента при экспонентах в разложении функции принадлежности. Остальные коэффициенты могут быть получены из системы (15).

Этап оценки включает в себя математическую обработку сформиро-ванных функций принадлежности в соответствии с возможными результата-ми экспериментов и предусматривает последующий выбор оптимального эксперимента из заданной совокупности. Подобная организация исследова-ний вытекает из следующих соображений. Необходимым условием успешно-го осуществления процедуры оценки при наличии неопределенности являет-ся постоянное накопление информации о свойствах исследуемого объекта. Процесс накопления информации находит свое выражение в изменении суж-дений эксперта относительно оценки текущего состояния объекта, а также о правдоподобии возможных значений, принимаемых неопределенными вели-чинами. Достоверность оценки возрастает, при прочих равных условиях, по мере увеличения объема экспериментальных исследований. Однако, как от-мечалось выше, осуществлять все мыслимые эксперименты не всегда воз-

СПИ-АС-2009

316

можно и оправдано. В связи с этим необходимо учесть мнение эксперта о це-лесообразности проведения той или иной совокупности экспериментов. Реа-лизация этого требования предполагает выполнение следующей последова-тельности действий.

Вначале, аналогично предыдущему, формируются функции принад-лежности ( )Y,/ ΓΘϕ и ( )Y/Γϕ . Далее определяются нечеткие ожидания оце-ночных функций применительно ко всем выявленным состояниям объекта

( ) ( ) ( ) ΘΓΘϕΓΘε=Γε ∫Ω

dYKYXKYX ,/,,,,,,, , (18)

на основе которых формируется приоритетное множество возможных со-стояний

( ) ( )KYXextrKYXiX

,,,,, Γε=Γε∈

, (19)

и вычисляются его оценки ( ) ( ) ( ) ΓΓϕΓε=ε ∫ dYKYKY

G/,,, . (20)

Полученные значения оценочных функций используются для выбора оптимального эксперимента, обеспечивающего наилучшую ожидаемую ве-личину этого критерия

( ) ( )KYextrK ,* ε=ε по всем YYi ∈ . (21) Этап принятия решения - завершающая стадия операции выбора, на

которой осуществляется найденный оптимальный эксперимент *jY и фикси-

руется его результат *Γ . С учетом осуществления оптимального эксперимен-та определяется состояние объекта, для которого ожидаемое значение крите-рия будет максимальным

( ) ( )KYXextrKYX jijiXiX

,,,,,, ***** Γε=Γε∈

. (22)

Реализация в рамках описанной процедуры операций выбора (19), (21) и (22) требует решения задач дискретной оптимизации большой размерности. С этой целью в последнее время широко используются генетические алго-ритмы.

Список использованных источников

1. Ефанов В.Н., Аль-вади Нассир Хуссейн. Интеллектуальная процеду-ра оценки состояния сложных технических систем с использованием нечет-ких генетических алгоритмов// Аналитическая теория автоматического управления и ее приложения. Труды Международной научной конференции. - Саратов, 2000. - С. 178-182.

2. Трухаев Р.И. Модели принятия решений в условиях неопределенно-сти. - М.: Наука, 1981. - 258 с.

СПИ-АС-2009

317

Заручевская Г.В. РЕАЛИЗАЦИЯ ЯВНОГО ЧЕБЫШЕВСКОГО МЕТОДА РЕШЕНИЯ ТРЕХМЕРНОЙ ЗАДАЧИ ДИРИХЛЕ ДЛЯ УРАВНЕНИЯ ПУАССОНА В

МЕЛКОЗЕРНИСТОМ ЛОКАЛЬНО–ПАРАЛЛЕЛЬНОМ СТИЛЕ ПРОГРАММИРОВАНИЯ

gala-zaruch@yandex.ru В настоящее время разработка процессоров активно развивается по

принципу многоядерности, поэтому программные приложения в будущем должны быть сориентированы под многопроцессорные (многоядерные) сис-темы. Одним из перспективных и активно развиваемых направлений являет-ся теория однородных вычислительных систем (ОВС). Ее ключевым концеп-том является мелкозернистое локально-параллельное программирование (МЛПП), которое задается следующими правилами:

данные максимально распределены по системе, а программы в каждой ВМ используют минимально возможные наборы данных;

в каждом вычислительном процессе в каждый момент времени содер-жится минимальное число команд и данных.

В связи с этим исследование и разработка структур межпроцессорных связей ОВС и соответствующих им МЛП–алгоритмов, в том числе и для ре-шения задач математической физики в методе сеток, являются актуальными.

При описании алгоритма параллельных вычислений на ЭВМ класса MIMD предполагается, что MIMD –машина состоит из p одинаковых процес-соров, каждый из которых обладает определенным объемом своей локальной памяти (одинаковым для всех параллельных процессоров) и способен осуще-ствлять численную обработку информации в автономном и управляемом ре-жимах.

Отметим существенные особенности архитектуры MIMD – машины, при которых стиль МЛП – программирования был наиболее эффективен.

1. Попарное соединение процессоров осуществляется за очень ко-роткий промежуток времени и поэтому оно не учитывается.

Все возможные в данный момент обмены машинными словами совер-шаются параллельно и одновременно с процессом счёта за время, сравнимое со временем выполнения одной арифметической операции (из-за близости связанных процессоров в физическом пространстве).

2. Имеется возможность программировать структуру межпроцес-сорных связей.

Разностная схема для задачи Дирихле для самосопряженного трехмер-ного уравнения имеет вид:

( ).z)y,(x, z),y,g(x,v ,z)y,(x, ),,,(

)),,(()),,(()),,(( 321

γ∈=ω∈=

=++−=Λ

zyxfvzyxavzyxavzyxav zzyyxx

(4)

где a1(x,y,z)=k1(x-0,5h1,y,z); a2(x,y,z)=k2(x,y-0,5h2,z), a3(x,y,z)= =k3(x,y−0,5h3,z),

СПИ-АС-2009

318

а для разностных отношений использованы стандартные обозначения [1]. Сопоставим каждому процессору тороидального куба E3C,D,E

(рис.1) с координатами (x,y,z) ячейку сетки (x+Ck,y+Dn,z+Ep), k,n,p∈N.

Рис.1. Шаг 1. Задаем начальное приближение v (0). Вводим в каждый процес-

сор счетчик итераций t, t=0 в начале выполнения программы. Он определяет окончание итерационного процесса. Вычисляем и храним во всех процессо-рах параметрыτk.

Шаг 2. Рассмотрим вычисление приближения v(1) в подобласти ω1,1,1. Все процессоры по регулярному каналу совершают сдвиги значений v i, j,m данных: вперёд – получают значение от заднего соседа v i-1,j,m и передают свое значение переднему, назад – получают значение от переднего соседа v i+1,j,m и передают свое значение заднему, вправо – получают значение от левого соседа vi, j-1,m и передают свое значение правому, влево – получают значение от правого соседа vi,j+1,m и передают свое значение левому, вниз – получают значение от верхнего соседа vi,j,m+1 и передают свое значение нижнему, и вверх – получают значение от нижнего соседа vi, j,m-1 и переда-ют свое значение верхнему. Граничные процессоры P(C,j,m) принимают дан-ные процессоров P(1,j,m), –они содержат значения 0

,,1 mjkCv + ; аналогично про-

цессоры P(i,D,m) принимают данные 0,1, mnDiv + процессоров P(i,1,m) и процес-

соры P(i,j,E) принимают данные 01,, +pEjiv процессоров P(i,j,1). Неиспользуе-

мые данные будут теряться либо не учитываться. Шаг 3. Каждый процессор вычисляет 1

,, mjiv в подобласти ω1,1,1. Вычисление значения 1

,, mjiv в остальных подобластях ωk,n,p, где k=1,… ([N1/C]+1), n=1, ..., ([N2/D]+1), p=1, ..., ([N3/E]+1) осуществляется аналогично

СПИ-АС-2009

319

(см. п. 2 и п.3.). Шаг 4. ВМ увеличивает значение счетчика t на 1. Если t=N+1, ВМ посылает флажок αi,j=1 на магистральный канал. Шаг 5. Как только все ВМ отправят на магистральный канал флажки,

вычислительный процесс прерывается во всех ВМ и хост — машина через магистральный канал выводит вычисленные значения. Операция прерывания является единственной глобальной операцией.

Количество узлов сетки ω Q=(N1-1)×(N2-1)×(N3-1); время для реализа-ции одной итерации по формуле (3) равно T1=MQt, Tp=M([N1/C]+1)⋅([N2/D]+1)⋅([N3/E]+1)⋅(t+t0), следовательно, коэффициент ус-

корения kу=p

1

TT

≈CDE и коэффициент эффективности kэ≈1, т.е. параллелизм

максимален. В [2] автором показано, что тороидальный процессорный куб так же

эффективно применим для мелкозернистого локально–параллельного про-граммирования сеточных задач, решаемых с помощью метода прогонки.

В заключение отметим, что существуют другие алгоритмы распаралле-ливания итерационных методов решения разностных схем эллиптических уравнений. Однако эти алгоритмы крупноблочные и к ним трудно примени-ма технология мелкозернистого локально-параллельного программирования, и, как правило, реализуются либо на кластерах, либо на планарных неразрез-ных процессорных матрицах. Предложенную идею можно использовать для распараллеливания других итерационных методов решения разностных схем эллиптических уравнений.

Список использованных источников

1. Молчанов И.Н. Введение в алгоритмы параллельных вычислений. - Киев: Наук. думка, 1990. - 128 с.

2. Заручевская Г.В. Реализация решения разностной схемы расщепле-ния трехмерного уравнения теплопроводности в мелкозернистом локально-параллельном стиле программирования// Системы управления и информаци-онные технологии, 2007, N4(30). - С. 91-94.

Корчагин А.С., Кравец О.Я., Погодаев А.К. О ВЗАИМОСВЯЗИ МЕЖДУ ОТНОШЕНИЯМИ ПОРЯДКА, НОРМИРОВАННЫМИ ОБРАТНЫМИ ОТОБРАЖЕНИЯМИ И

ПОШАГОВОЙ ДЕТАЛИЗАЦИЕЙ hyperprapor@yahoo.com

Статья продолжает цикл исследований, связанных с применением нор-

мированных отображений для доказательства корректности программ [3-9]. Все термины и определения содержатся там же.

СПИ-АС-2009

320

Следующее утверждение констатирует некоторую связность между от-ношениями порядка, введенными нормированными обратными отображе-ниями и пошаговой детализацией.

Утверждение 1. 1. Если все состояния A досягаемы и A ≤ R B тогда A ≤ iB B.

2. Если A ≤ iB B тогда A ≤ B B. Доказательство: Тривиально. Следующая лемма требует доказательства правильности нормирован-

ных обратных отображений. Лемма 1. Предположим, что (b, n) есть нормированное обратное ото-

бражение из А в В, A имеет фрагмент конечного исполнения α с последним состоянием s, а u есть состояние B с u ∈ b[s]. Тогда B имеет фрагмент ко-

нечного исполнения α′ , который заканчивается на u таким образом, что

(α,α′ )∈ b. Кроме того, если α есть исполнение, тогда α′ тоже можно вы-брать как исполнение.

Доказательство: Аналогично доказательству Леммы 1 из [9]. Из Леммы 1 и Следствия 2 [6] существование нормированного обрат-

ного отображения подразумевает включение конечных следов. Однако, нор-мированные обратные отображения не представляются правильным методом для обеспечения включения в бесконечные следы. В качестве контрпримера рассмотрим автоматы G и H на рис. 4. Существует такое обратное отображе-ние из G в H, но бесконечный след aω от G не является следом H. Как из-вестно из литературы, метод доказательства включения бесконечных следов может быть получен за счет затребованной конечности образа.

Теорема 1 (корректность нормированных обратных отображений) 1. Если b - нормированные обратные модели из A в B, то [A,B]∈ b.

2. Кроме того, если b является конечно-образным, то (A,B)∈ b. Доказательство: Утверждение (1) следует из леммы 1 и полнотой сово-

купности b. Чтобы доказать (2), предположим, что b является конечно-образным. Пусть α будет выполнением A. Нам нужно установить существо-вание реализации α′ от B при (α, α′ )∈ b. Если α является конечным, то оно вытекает из Леммы 1 и полноты b. Итак, предположим, что α есть величина конечная. Используем модификацию [2], представленную в [1]:

Пусть G - бесконечный орграф такой, что (1) G имеет конечное множе-ство узлов без входящих ребер, (2) каждый узел G имеет конечную степень и (3) каждый узел G достижим из некоторого узла без входящих ребер. Тогда существует бесконечный путь в G, начиная с некоторого узла без входящих ребер.

СПИ-АС-2009

321

Узлы рассматриваемого графа G являются парами (I, γ) где γ - конеч-ное отображение B, а I – индексное отношение, связывающее γ с некоторым конечным префиксом α. Ребро из узла (I, γ) в узел (I′, γ′) существует тогда и только тогда, когда γ есть префикс γ′, а I′ расширяет I точно на один элемент. Нетрудно проверить, что G удовлетворяет условиям Леммы Кёнига. Следо-вательно, G имеет бесконечный путь. Пусть J будет объединением всех ин-дексных отношений, имеющих место на узлах этого пути; и пусть α′ будет пределом конечных отображений узлов этого пути. Заметим, что ввиду ко-нечности образа b, каждый индекс α появляется в области J. Следовательно, (α, α′ ) ∈ b.

Следующее Утверждение 2 является обратным Утверждению 1. Дока-зательство аналогично тому, результаты которого получены в [1].

Утверждение 2 1. Если B определено и A ≤ BB тогда A ≤ RB.

2. Если все состояния A достижимы, B имеет предел и A≤ BB, то

A≤ iBB. Доказательство: Для (1), предположим, что B определено и что b –

нормированное обратное отображение из A в B. Предположим, что s – дос-тижимое состояние A. Докажем, что b[s] содержит точно один элемент. По-скольку любое нормированное обратное отображение, которое работает на достижимых состояниях, тривиально индуцирует пошаговую детализацию, мы получаем A ≤ R B.

Поскольку b – нормированное обратное отображение, оно даёт полное отношение, таким образом, b[s] содержит, по меньшей мере, один элемент. Предположим, что u1∈ b[s] и u2∈ b[s]; докажем, что u1=u2. Поскольку s дос-тижимо, A имеет реализацию α,которая заканчивается в s. Из Леммы 1, B имеет реализации α1 и α2, заканчивающиеся в u1 и u2, соответственно, таким образом, (α, α1)∈ b и (α,α2)∈ b. Из Леммы 1 [6], trace(α) = trace(α1) = trace(α2). Теперь u1=u2 вытекает из Леммы 1 (1) [4] с учетом того, что B яв-ляется определенным.

Для (2), предположим, что все состояния A достижимы, B имеет fin, а b – нормированное обратное отображение из A в B. Предположим, что s есть состояние A. Поскольку s достижимо, существует расширение α, которое за-канчивается на s. Пусть β будет следом α. По Лемме 1, для каждого u ∈ b[s] существует реализация αu на B, которая оканчивается на u, таким образом, (α, αu) ∈ b. Из Леммы 1 [6], trace(αu) = β. Отсюда b[s] ⊆ after (B)[β].

Но поскольку B конечно, after (B)[β] конечно по Лемме 1 (2) [4]. Сле-довательно, b является конечно-образным.

СПИ-АС-2009

322

Список использованных источников 1. Lynch N.A., Vaandrager F.W. Forward and backward simulations, I:

Untimed systems. Information and Computation, 121(2):214–233, 1995. 2. Jonsson B. On decomposing and refining specifications of distributed

systems. In J.W. de Bakker, W.P. de Roever, and G. Rozenberg, editors, Proceed-ings REX Workshop on Stepwise Refinement of Distributed Systems: Models, Formalism, Correctness, Mook, The Netherlands, May/June 1989, volume 430 of Lecture Notes in Computer Science, pages 361–387. Springer-Verlag, 1990.

3. Корчагин А.С., Погодаев А.К. Доказательство корректности про-грамм на основе применения нормированных моделей// Прикладные задачи моделирования и оптимизации: Межвузовский сборник научных трудов. - Воронеж: ВГТУ, 2006. С. 186-195.

4. Корчагин А.С., Кравец О.Я. Операторное моделирование с исполь-зованием последовательной детализации при доказательстве корректности программ// Информационные технологии моделирования и управления, 6(40), 2007. – С. 714-719.

5. Корчагин А.С., Погодаев А.К. Технология пошаговой детализации при операторном моделировании для доказательства корректности про-грамм// Территория науки, 2007, 4(5). С. 501-507.

6. Корчагин А.С., Кравец О.Я., Погодаев А.К. О некоторых свойствах технологии пошаговой детализации при доказательстве корректности про-грамм// Системы управления и информационные технологии, 2007, 3.1(29). – С. 166-169.

7. Корчагин А.С., Кравец О.Я. Нормированное прямое моделирова-ние через пошаговую детализацию// Современные проблемы информатиза-ции в моделировании и социальных технологиях: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. – Воронеж: «Научная книга», 2008. – С. 232-235.

8. Кравец О.Я., Корчагин А.С. О непротиворечивости нормированных прямых моделей// Современные проблемы информатизации в проектирова-нии и информационных системах: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2008. – С. 494-497.

9. Кравец О.Я., Корчагин А.С. О связи прямого и нормированного прямого отображений// Информационные технологии моделирования и управления, 2008, 4(47). – С. 392-398.

Махортов С.Д. О РЕДУКЦИИ ПРОДУКЦИОННО-ЛОГИЧЕСКИХ ОТНОШЕНИЙ НА

ПОЛНЫХ РЕШЕТКАХ sd@expert.vrn.ru

В работе [1] были введены алгебраические системы, содержащие про-

СПИ-АС-2009

323

дукционно-логические бинарные отношения на полных решетках. Эти струк-туры допускают бесконечноместные операции объединения, что дает воз-можность моделирования интеллектуальных систем продукционного типа с бесконечными правилами. В рамках такой модели было доказано существо-вание логического замыкания нетерового бинарного отношения.

В данном сообщении развиваются результаты [1]. Определяется поня-тие логически эквивалентного отношения. Приводится теорема об эквива-лентных преобразованиях исходного отношения. Она обосновывает фор-мальные преобразования баз знаний продукционного типа с бесконечными правилами. Также формулируется теорема о существовании и построении логической редукции бинарного отношения, что в приложении дает основу для автоматической минимизации баз знаний. В предлагаемых исследовани-ях не применяются рекурсивные подходы. Это дает больше возможностей для использования параллельных вычислений при реализации.

Стандартная продукционная система с бесконечными правилами моде-лируется на основе булеана X2F = – полной ограниченной решетки. Поэтому для решеточных операций вместо обычных знаков ≤ , ≥ , и ∨ [2] здесь ис-пользуются обозначения теории множеств ⊆ , ⊇ , и U .

Бинарное отношение R на полной решетке F называется вполне U -дистрибутивным, если для любого подмножества элементов решетки

Tt|B t ∈ , такого, что Tt,R)B,A( t ∈∀∈ , справедливо R)B,A(Tt

t ∈∈U .

Пусть задано бинарное отношение R на полной решетке F и выбраны два элемента FB,A ∈ . Пусть существует некоторое множество пар

Pp|)B,A( pp ∈ , где для любого p справедливо pp BA = либо R)B,A( pp ∈ . Если при этом Pp,AA p ∈⊇ и BB

Ppp ⊇

∈U , то будем говорить, что упорядочен-

ная пара элементов )B,A( вполне-дистрибутивно связана отношением R . Определение 1. Пусть R – произвольное отношение на полной решет-

ке F и выбраны два элемента FB,A ∈ . Пусть также существует упорядочен-ный конечный набор элементов )B,...,B(r m1AB =

r , FB,...,B m1 ∈ , такой, что в по-следовательности )B,B(),...,B,B(),B,B( 1mm2110 + , где BB,AB 1m0 == + , каждая пара вполне-дистрибутивно связана R (в случае 0m = это сама пара )B,A( ). Тогда указанный набор ABrr будем называть логической цепочкой (длины m ), соединяющей A и B .

Совокупность пар элементов полной решетки F , участвующих в опре-делении логической цепочки )B,...,B(r m1AB =

r , можно записать в виде специ-ального вектора вывода

))B,A(),...,B,A((V 1m,p1m,p1,p1,pAB 1m1m11 ++ ++=

r,

где каждый элемент с номером k ( 1mk1 +≤≤ ) представляет собой множест-во пар Pp|)B,A( kkk,pk,p kk

∈ , осуществляющее вполне-дистрибутивную связь

СПИ-АС-2009

324

пары )B,B( k1k− в цепочке ABrr . Согласно определению 1, при всех 1mk1 +≤≤ справедливы следующие соотношения:

)Pp(AB kkk,p1k k∈⊇− и k

Ppk,p BB

kkk

⊇∈U ; (1)

R)B,A( k,pk,p kk∈ либо k,pk,p kk

BA = )Pp( kk ∈ . (2) Замечание 1. Не ограничивая общности, можно считать, что каждый

элемент вектора вывода содержит по крайней мере одну неподчиненную па-ру (отличную от вида k,pk,p kk

BA ⊇ ), т.к. в противном случае соответствующее множество (элемент) можно удалить из вектора, не нарушив условий вида (1)-(2).

Вектор вывода ABVr

называется каноническим, если он удовлетворяет замечанию 1, а также содержит нерефлексивные пары лишь с уникальными правыми частями, причем правая часть любой пары элемента вектора с но-мером k не содержится в правых частях других пар в элементах вектора с номерами k,...,1 .

Бинарное отношение на полной решетке называется нетеровым, если оно не порождает канонического вектора вывода неограниченной длины.

Определение 2. Отношение на полной решетке называется продукци-онно-логическим, если оно нетерово, а также содержит ⊇ , дистрибутивно и транзитивно. Логическим замыканием нетерового отношения R называется наименьшее продукционно-логическое отношение, содержащее R .

Два отношения 1R и 2R , определенные на общей решетке F , называ-ются логически эквивалентными, если их логические замыкания совпадают. Этот факт будем обозначать 21 R~R .

Теорема 1. Пусть 4321 R,R,R,R – нетеровы отношения на полной ре-шетке F . Если при этом 21 R~R и 43 R~R , то 4231 RR~RR UU .

Для нетерового бинарного отношения R на полной решетке F рас-смотрим отношение R , построенное по R последовательным выполнением следующих шагов: добавить к R все пары вида )B,A( , где FA ∈ (рефлексивные пары), и обозначить новое отношение 1R ; добавить к 1R всевозможные пары )B,A( с элементами вида

UUTt

tTt

t BB,AA∈∈

== , где все )B,A( tt ( Tt ∈ ) принадлежат 1R ;

объединить полученное отношение с отношением включения ⊇ . Теорема 2. Для нетерового отношения R на полной решетке логиче-

ское замыкание представляет собой транзитивное замыкание *

R соответст-вующего отношения R .

Логической редукцией данного отношения R называется минимальное эквивалентное ему отношение 0R .

СПИ-АС-2009

325

Для нетерового отношения R рассмотрим отношение R , построенное по данному R последовательным выполнением шагов, обратных построению R , а именно:

исключить из R содержащиеся в нем пары вида BA ⊃ и обозначить новое отношение 1R − ;

исключить из 1R − всевозможные пары )A,A( с элементами вида UU

Ttt

Ttt BB,AA

∈∈== , где все )B,A( tt ( Tt ∈ ) принадлежат 1R − и не совпадают с

)B,A( ; исключить из полученного отношения все рефлексивные пары. Теорема 3. Пусть для заданного на полной решетке нетерового отно-

шения R построено соответствующее отношение R . Тогда, если для R су-ществует транзитивная редукция 0R , то соответствующее ей отношение 0R представляет собой логическую редукцию исходного отношения R .

Список использованных источников

1. Махортов С.Д. Продукционно-логические отношения на полных ре-шетках // Системы управления и информационные технологии. – 2008, N 3(33). – С. 44-48.

2. Биркгоф Г. Теория решеток: Пер. с англ. – М.: Наука, 1984. – 568с.

Машкова Р.А. ПРИРОДНО-ЛАНДШАФТНАЯ ДИФФЕРЕНЦИАЦИЯ

УРБАНИЗИРОВАННЫХ ГЕОСИСТЕМ (НА ПРИМЕРЕ Г. НАЛЬЧИКА) raroma@rambler.ru

Городские геоэкосистемы отличаются не только встроенностью в

природную среду, их эстетическим видом, но и самое главное удобством для жизни населения.

На Рис. 1 a, b, c. показаны разные типы полуурбанизированного и ур-банизированного ландшафтов. На рис.1.f показан пока сельский ландшафт: дома отстоят отдельно друг от друга, но они уже имеют объекты городской инфраструктуры и между ними большое пространство занято квазипри-родными экосистемами.

На Рис. 1e показаны многоэтажные дома, которые сгруппированы в одну точку, коммуникации и все элементы снабжения домов эффективно расположены и снабжают дома и город, но такие города сейчас как прави-ло не устраивают современных жителей это больше индустриальные цен-тры 20 в., которые постепенно начинают отмирать, по крайней мере на За-паде.

На рис. 1c показан городской ландшафт с более плотной застройкой, который чаше всего встречается. Он отличается от рРис. 1.f, тем, что здесь

СПИ-АС-2009

326

более плотная застройка, она менее приятна для живущих здесь людей, но она пока ещё часто встречается и достаточно популярна.

Рис. 1. Типы городских геоэкосистем Смесь природной застройки с индустриальной типична для индуст-

риально-рекреационных центров. Такие города неудобны для жителей и западные страны отказываются от него. Наиболее популярными являются встроенные в рельеф либо многоэтажные дома (Рис. 1.a), либо одноэтаж-ные традиционные. Проблема благоустройства города и его вписывания в ландшафт по прежнему остается на переднем плане.

Переходя конкретно к г.Нальчику, следует отметить, что он относится к типу, показанному на Рис. 1.a. Городская геоэкосистема г.Нальчика рас-положена на промежутке высот от 400 до 700 м над уровнем моря. В этом отношении г.Нальчик интересен тем, что по высоте меняются не только климатические условия, но и геологические, гидрогеологические, почвен-но-растительные. В отличии от других городов, расположенных в горных районах, у которых перепад высот может быть значительно больше, Наль-чик характерен тем, что расположен на стыке разных природных зон: предгорно-степной и низкогорно-лесной. Имея форму подковы, Нальчик характеризуется особыми климатическими условиями.

Можно сказать, что город относительно оптимально расположен, хо-тя его последнее развитие вряд ли говорит об этом: город растете в степ-ную зону, больше индустриальными объектами, а в горную, более подвер-женную склоновым процессам «карабкается» при постройке многоэтаж-ных зданий и коттеджей.

Учет природной дифференциации территории происходит путем

СПИ-АС-2009

327

ввода в ГИС базовых, а также создания производных и оценочных слоев, отражающих покомпонентную и ландшафтную дифференциацию. Ланд-шафтные карты могут соединить информацию обо всех природных компо-нентах. Природно-антропогенные и антропогенные ландшафты имеют свои особенности ввода, обработки и геоинформационного анализа дан-ных. Наиболее эффективными способами визуализации разнородной ин-формации являются: ландшафтное профилирование и наложения двух-трех разнородных слоев на природную основу.

Огнев С.П. ПРИМЕНЕНИЕ ЛИНЕЙНЫХ ТИПОВЫХ МОДЕЛЕЙ В СЛОЖНЫХ

СИСТЕМАХ ognevsp@mail.ru

Преобладающее большинство динамических систем, в том числе сис-

темы управления характеризуются нестационарными и нелинейными про-цессами. Методы математического моделирования таких систем достаточно сложны, усугубляется это еще и наличием многих контролируемых и некон-тролируемых внешних факторов. Использование такого подхода актуально при построении адекватной модели. Однако, при разработке систем управле-ния, особенно на первых этапах необходимо сформировать общее представ-ление о предметной области, о процессах в объекте управления.

Используя модельно-базированный подход к проектированию, вполне обоснованным становится детализация сложных систем на функции, подпро-цессы и элементы, вплоть до линейных типовых звеньев, известных в клас-сической теории управления. Моделирование таких типовых функций воз-можно только на линейно-кусочных интервалах, с малой длительностью по времени (например, равных циклу процесса), на которых объект имеет ли-нейные участки статической характеристики.

В теории управления техническими системами существуют шесть ти-повых звеньев для описания линейных систем. Здесь приводятся обобщен-ные типовые модели на основе соответствующих типовых звеньев с отобра-жением динамических характеристик, свойственным физическим процессам с возможностью моделирования процессов и систем в различных сферах че-ловеческой деятельности.

1) Передаточная модель (пропорциональное звено) описывает соот-ношения выходных и входных информационно-материальных потоков без учета временных затрат на процессы преобразования:

( ) ( )ny t k v t= ⋅ , где v(t) – входной, y(t) – выходной информационно-материальные потоки

nk – коэффициент передачи, характеризует изменение величины выходного

СПИ-АС-2009

328

потока к соответствующему изменению величины входного потока, yn v

k ∆=

∆.

Примерами типовых процессов являются соотношение количества го-товой продукции от объема сырья, производительность производства.

2) Преобразующая модель (инерционное звено) описывает процессы преобразования информационно-материальных потоков с учетом временных затрат на преобразование:

( ) ( ) ( )dy tT y t k v tnр ndt⋅ + = ⋅ ,

где прТ – постоянная времени процесса, характеризует время преобразования входного потока прt (быстродействие процесса преобразования) и определя-

ется 3пр

прt

Т = .

Исходя из частотных характеристик инерционного звена, такой моде-лью можно описывать процессы, эффективность которых снижается с увели-чением интенсивности нагрузки. При этом с ростом интенсивности (умень-шением интервала воздействия) рабочий (производственный) цикл может увеличиваться до четверти от номинального режима.

Физическими примерами являются большинство процессов преобразо-вания материалов, информации, энергии.

3) Накопительная (расходная) модель (интегрирующее звено) опи-сывает процессы, связанные с накоплением (при 0пk > ) или расходом (при

0пk < ) информационно-материальных потоков: ( ) ( ) ( ) ( )dy tT y t knр n нdt

v t dt T v t dt⋅ + = ⋅ =∫ ∫⋅ ,

где постоянная времени накопления 1н

пT k= характеризует время достиже-

ния выходного потока уровня пk . По частотным характеристикам модель аналогична преобразующей,

однако при номинальном режиме функционирования (интервал воздействия ω = 0) эффективность процесса неограниченна (например, рост денежного вклада при постоянном периодическом вложении).

Физические примеры: накопление (расход) материалов в емкости, ин-формации в базе данных, денежных и других ресурсов.

4) Модель мгновенного эффекта (дифференцирующее звено) описы-вает процессы, связанные с резкими изменениями выходного информацион-но-материального потока в течение короткого периода времени:

( ) ( )( ) эфdy t dy tT y t knр dt dt

⋅ + = ⋅ ,

где коэффициент эффекта эфk характеризует экстремальную величину изме-нения состояния в течении одного периода контроля.

По динамическим и частотным свойствам модель противоположна на-

СПИ-АС-2009

329

копительной. С увеличением интенсивности нагрузки эффективность огра-ниченно возрастает до величины эфk , а рабочий цикл уменьшается до чет-верти от номинального. Однако, при постоянном воздействии реакция систе-мы полностью отсутствует.

Примерами являются системы с резкими изменениями состояния или параметров, например изменение эффективности производства от единовре-менного вложения инвестиций.

5) Транспортная модель (звено запаздывания) описывает процессы, связанные с передачей, перемещением, транспортировкой информационно-материальных потоков на расстояние:

)( ) ( трy t v t τ= − ,

где трτ – время транспортировки, передачи, расстояниетр скорость

τ = .

Эффективность процесса не зависит от интенсивности нагрузки, одна-ко рабочий цикл линейно нарастает до исчезновения различимости входных воздействий. На этом основано правило перехода от дискретных к непрерыв-ным процессам. Интервал различимости определяется увеличением рабочего цикла системы на два номинальных.

Физическими примерами являются поточно-транспортные линии, гру-зоперевозки, передача информации по сети.

6) Сезонная модель (колебательное звено) описывает процессы, ха-рактеризующиеся колебательным (сезонным) изменением состояния или па-раметров:

22 2

( ) ( ) ( ) ( )T Tnр nр nd y t dy t y t k v tdt dt

ξ+ ⋅ + = ⋅ ,

где постоянная времени преобразования прТ в данном случае дополнительно

характеризует период сезонности nрс

TT ⋅= 6 , ξ – коэффициент сезонности,

характеризует степень затухания колебаний системы от сезона к сезону при постоянном входном воздействии и определяется углом спада величины ре-акции системы от максимального до установившегося значения.

Частотные свойства модели аналогичны свойствам преобразующей. Однако, модель характеризуется резонансной частотой (интенсивностью входных воздействий), при которой достигается максимальная эффектив-ность системы. При этом с увеличением нагрузки рабочий цикл может воз-растать наполовину от номинального.

Физическими процессами являются, например, сезонность выпуска продукции и продаж, развитие конфликтных ситуаций.

Структурирование предметной области на типовые подпроцессы и элементы и применение обобщенного представления типовых звеньев позво-ляет применить линейные математические методы для формирования мате-матической модели, анализа и исследования сложных динамических систем.

СПИ-АС-2009

330

Олейникова С.А. АНАЛИЗ ВОЗМОЖНЫХ ПОДХОДОВ ДЛЯ ОЦЕНКИ

ПРОДОЛЖИТЕЛЬНОСТИ РАБОТ В ЗАДАЧАХ СЕТЕВОГО ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ

osa@vmail.ru Рассматривается задача сетевого планирования и управления со слу-

чайным временем обслуживания заявок. В качестве закона распределения времени обслуживания для таких задач, как правило, используется бета-распределение. Формула его плотности имеет следующий вид [2]:

( )( ) ( )

><

≤≤−−

=

−−

ξ

.bt,at,0

,bta,)q,p(B

tbattf

1q1p

(1)

Важной задачей при случайном времени обслуживания является оцен-ка длительности работ в таких системах. Оценкой длительности является ма-тематическое ожидание, которое для закона бета будет определяться форму-лой [1,2]:

.qp

p)ab(aM+

−+=ξ (2)

Тогда задача заключается в оценке по известным значениям a и b зна-чения математического ожидания. Как видно из формулы (2), оно будет зави-сеть от неизвестных параметров p и q.

Существует несколько подходов решения данной задачи. Первый под-ход заключается в оценке неизвестных параметров p и q, а затем оценке са-мой длительности путем подстановки этих оценок в формулу (2). Другой способ будет заключаться в оценке непосредственно длительности работ. Первый подход будет более универсальным с точки зрения описания вре-мени обслуживания. Знание параметров p и q позволит оценить не только длительность работ, но и отклонение от длительности, а также другие важ-ные характеристики поведения случайной величины. Во втором случае для этого необходимо разрабатывать специальный механизм.

Более близкие к реальной длительности оценки могут быть получены при наличии дополнительной информации о времени обслуживания. В большинстве случаев предполагается, что наряду с параметрами a и b извест-на мода m. В частности, одним из наиболее распространенных подходов для оценки неизвестных характеристик при заданных a, b и m является метод ПЕРТ. Он позволяет по значениям a, b и m оценить неизвестное математиче-ское ожидание и дисперсию. Они будут определяться по формулам (3) и (4) соответственно.

.6

bm4aM* ++=ξ (3)

СПИ-АС-2009

331

( ) .36

abD2

* −=ξ (4)

Однако, данные оценки имеют достаточно большую погрешность и яв-ляются несогласованными друг с другом [2,4]. Поэтому возникает необхо-димость поиска новых подходов для оценки неизвестных характеристик.

В [3] показано, что по значениям a, b и m можно предложить беско-нечно много оценок математического ожидания. Поэтому в каждом случае необходимо производить оценку оптимальности полученных результатов. Другой дополнительной информацией о продолжительности работ может яв-ляться дисперсия. Поскольку для реальных задач указать значение дисперсии не представляется возможным, можно задать ограничения на отклонение ре-альной длительности от планируемой. В частности, с помощью неравенства Чебышева можно оценить вероятность ошибки (вероятность отклонения слу-чайной величины от ее математического ожидания больше, чем на заплани-рованную величину). Оно будет иметь следующий вид:

( ) .DMP 2αξ

<α≥ξ−ξ (5)

Задав в качестве α значение, пропорциональное дисперсии, получим вероятность, не зависящую от параметров. В частности, известное правило трех сигм перепишется для данного случая следующим образом:

++

++−

<ξ<

++

−+−

1qppq3p

qpab

1qppq3p

qpab . (6)

Зная, что случайная величина лежит в интервале [a,b], можно получить дополнительные возможности для оценки неизвестных параметров.

Список использованных источников

1. Ахьюджа Х. Сетевые методы управления в проектировании и произ-водстве. М.: Мир, 1979. – 640с.

2. Голенко Д.И. Статистические методы сетевого планирования и управления. М.: Наука, 1968. – 400с.

3. Олейникова С.А. Оценка длительности выполнения работ в задачах сетевого планирования и управления// Информационные технологии моде-лирования и управления, 7 (50). 2008. с. 808-813.

4. Олейникова С.А. О недостатках оценок математического ожидания и дисперсии, используемых в методе ПЕРТ// Новые технологии в научных ис-следованиях, проектировании, управлении, производстве: труды Всерос. конф. Воронеж: ВГТУ, 2008. с.11-12.

СПИ-АС-2009

332

Орешко А.П. ОБ ИСПОЛЬЗОВАНИИ МЕТАДАННЫХ В НАУКЕ

oreshko@ext.dvgu.ru В последние годы в географии, как и в других научных областях, осно-

ванных на передовых знаниях, идет постоянная гонка со временем: для дос-тижения новых научных результатов постоянно нужны самые последние данные о результатах, достигнутых в мире. С другой стороны ученым также нужны средства быстрых публикаций результатов своих достижений.

Огромную роль в ускорении поиска и публикации результатов научных исследований сыграл Интернет, превратившийся во всеобъемлющую интег-рированную среду, где основную долю играет информация, извлекаемая из разного рода информационных источников.

Однако, поисковые системы, используемые в Интернете, не в состоя-нии обеспечить выдачу связанной информации, поскольку они основываются на анализе несвязанных текстов. В результате на запрос пользователя выда-ется невероятно большое количество информации, нередко относящейся кос-венно или совсем не соответствующей запросу.

В такой ситуации сужение всего пространства рассматриваемой ин-формации, а еще лучше, и сужение круга пользователей, предоставляет воз-можность более точной спецификации информации и, следовательно, более качественного обслуживания. Именно на основе этих общих рассуждений сформировалось предложение о создании Единого Научного Информацион-ного Пространства РАН (ЕНИП РАН), т.е. информационного пространства с одной стороны, ориентированного прежде всего на научного сотрудника РАН как потребителя, а с другой – ограниченного информацией, порождае-мой и циркулирующей прежде всего в РАН. Это ограничение позволяет бо-лее точно специфицировать информацию, обеспечить ее интегрированность. Работы по созданию концепции и реализации ЕНИП РАН с целью информа-ционного обеспечения науки ведутся в течение ряда последних лет [1].

Информационные системы научных учреждений отличают огромные объемы и низкая структурированность данных, распределенный характер, неоднородность, независимость и разные условия сопровождения, управле-ния и политики доступа к информационным источникам и сервисам. При этом возникают вопросы информационной совместимости, которые принято делить на уровни, а именно, техническая интероперабельность (поддержка согласованных интерфейсов, протоколов и механизмов доступа к информа-ционным ресурсам), синтаксическая интероперабельность (выработка и со-гласование унифицирующего подхода приведения данных к наиболее рас-пространенным моделям данных и форматам), семантическая интеропера-бельность (создание и согласование стандартных прикладных профилей ме-таданных и онтологий, относящихся к различным предметным областям, или имеющих разные выражение и интерпретацию в рамках одной области).

СПИ-АС-2009

333

Для повышения точности запросов в таком разнородном информацио-ном поле вводится понятие метаданных (данные о данных), описывающих содержимое ресурса в виде набора именованных значений, в том числе свя-зей с другими ресурсами. Именно эти метаданные обеспечивают возмож-ность поддержания связей между данными различных компонент.

Метаданные могут относиться к различным предметным областям, в рамках одной иметь разные выражение и интерпретацию. Создание и согла-сование стандартных прикладных профилей метаданных и онтологий упро-стит интеграцию разнообразных систем, позволит автоматизировать обмен метаданными, их обработку и преобразование, повысить точность и эффек-тивность поиска.

Стандарты на метаданные информации должны: включать в себя ос-новные типы информации, требующейся для поддержки работы научного со-трудника; быть открытыми, т.е. обеспечивать доступ к соответствующей ин-формации по этим описаниям; быть расширяемыми, т.е. обеспечивать воз-можность детализации описаний; обеспечивать возможности интеграции и уникальной идентификации информации; обеспечивать возможности разме-щения и поиска информации в распределенной среде; быть ориентирован-ными на современные и перспективные технологии описания и использова-ния информации; обеспечивать возможности интероперабельности с внеш-ней средой.

Глубина структуризации метаданных о ресурсах должна определяется задачами конкретной системы. Трудно сразу представлять все разнообразие тематической специализации различных научных учреждений. Поэтому не-обходимо представить в первую очередь информацию, характеризующую основные аспекты научной деятельности. Например, данные о научных дос-тижениях, научной деятельности сотрудников, административной информа-ции об организации. Эта информация представляет интерес и для конечных пользователей системы, осуществляющих поиск и навигацию по информаци-онному пространству, позволяет сотрудникам получить информацию о смежных со своими работах в других коллективах.

Для унификации обмена данными между системами, входящими в Единое Научное Информационное Пространство и для использования дан-ных внутри этих систем в рамках ЕНИП стоит задача не только разработать конкретные типовые информационные системы для научных институтов, но также и для библиотек, издательских отделов и пр., которые дали бы стимул к информационному наполнению ЕНИП.

Различные информационные системы могут ориентироваться на раз-личные предметные области. Например, одни имеют дело с научными пуб-ликациями, другие с проектами, третьи и с тем, и с другим. Соответственно, каждую конкретную предметную область предлагается описывать отдельной схемой, а точнее – набором схем, возможно, ссылающихся друг на друга. То есть осуществлять разбиение схемы по «минимальным предметным облас-

СПИ-АС-2009

334

тям» или на «модули». Модули рассматриваются не только как способ деле-ния схемы, но и как способ деления функциональности реализуемых в рам-ках ЕНИП типовых информационных систем, порталов по отдельным ком-понентам.

Необходимо не просто предложить схему для той или иной сущности или научной области, но и для каждой из них предложить несколько «уров-ней поддержки» схем, например:

Минимальная – необходимый разумный минимум, минимально доста-точный для обмена метаданными, поддержки взаимосвязей ресурсов;

базовая – объем достаточный для эффективной работы «дилетантов» в конкретной предметной области;

расширенная – объем достаточный для основной работы «специали-стов» предметной подобласти;

специализированная – объем, существенно ориентированный на спе-циалистов предметной области, используется только в рамках подпростран-ства, включающего специализированные системы.

В работе [1] описана разработка и реализация подхода, удовлетворяю-щего этим требованиям. Основу этого подхода составляет инструментальное ядро, как бы окруженное слоем описания метаданных. Этот слой обеспечива-ет обмен данными, интеграцию данных и поддержку распределенности.

В основе формальной модели данных ядра лежит модель данных RDFS (Resource Definition Framework Schema).

Язык RDF Schema позволяет описывать словари классов и свойств. По-скольку классы, свойства и экземпляры метаданных идентифицируются не просто именем, а уникальным идентификатором, то это позволяет разделить их по «профилям», соответствующим разным «пространствам имен». RDFS служит базой для более сложного языка описания «онтологий» предметных областей, Web Ontology Language (OWL), который позволяет определить бо-лее сложные ограничения на применение классов и свойств, структуру мета-данных.

OWL позволяет указывать метаданные о схемах, и, в частности, их функциональную зависимость – «импорт» схем. При импорте все утвержде-ния импортируемой схемы становятся частью импортирующей онтологии или подсхемы. Интересная особенность заключается в том, что подсхема может не только определять собственные классы и их свойства, но и указы-вать любую дополнительную информацию об импортированных классах и свойствах, в частности, добавлять новые свойства к импортированным клас-сам, уточнять тип значений и ограничения на импортированные свойства и пр. Такая особенность оказывается очень полезной для эффективного нара-щивания детализации схем метаданных, перехода от обменных схем к схе-мам конкретных информационных систем.

В настоящий момент значительная часть информационных ресурсов российских институтов географии, в том числе и ТИГ ДВО РАН, недоступна

СПИ-АС-2009

335

широкому кругу научной общественности, а ресурсы, представленные в Ин-тернет, существенно разрознены, недостаточно систематизированы и струк-турированы. Не обеспечена реальная доступность информации, требуемой для всех запросов вне зависимости от того, где информация расположена.

В этой связи инициатива по организации Единого Научного Информа-ционного Пространства поможет научному коллективу ТИГ ДВО РАН сде-лать ряд шагов в направлении интеграции имеющихся разнородных научных информационных и программных ресурсов с ресурсами других научных уч-реждений, предоставлении пользователям более эффективных средств инте-грации и поиска информации, научной коммуникации, сотрудничества и со-вместной работы. Причем методы и формы создания информационных ре-сурсов и управления ими полностью определяются научным коллективом ТИГ. Но выполнение требований сформулировать взаимосогласованный на-бор соглашений, правил и открытых стандартов; создать ряд информацион-ных систем общего назначения, следующих этим соглашениям; применить эти результаты для решения соответствующих задач научных учреждений - это поможет ТИГ ДВО РАН в решении общих информационных задач, в дос-тижении требуемой интеграции и интероперабельности с другими научными учреждениями.

Список использованных источников 1. Бездушный А.А., Бездушный А.Н., Серебряков В.А., Филиппов В.И.

Интеграция метаданных Единого Научного Информационного Пространства РАН. – М.: ВЦ им. А.А.Дородницина РАН, 2006. – 238 с.

Рогов И.Е. ИСПОЛЬЗОВАНИЕ ИМИТАЦИОННОЙ МОДЕЛИ ДЛЯ АНАЛИЗА

ПРИМЕНИМОСТИ КОМБИНАЦИОННЫХ КОЛЕБАНИЙ В НЕРАЗРУШАЮЩЕМ КОНТРОЛЕ

IgorRo@Rambler.ru В неразрушающем электромагнитном контроле ферромагнитных изде-

лий сигнал преобразователя зависит от геометрических факторов, толщины упрочненного слоя h, зазора между датчиком и контролируемой поверхно-стью δ. Кроме того, сигнал зависит от электромагнитных свойств упрочнен-ного слоя: )j( 111 µ−ρ=µ& – комплексной магнитной проницаемости, σ1 – удельной электропроводности, χ1 – коэффициента Релея и от таких же элек-тромагнитных свойств основного металла: 222 jµ−ρ=µ& , σ2, χ2.

Электромагнитные свойства определяются структурным состоянием стали и используются для структуроскопии. Роль этих факторов зависит от задачи контроля: например, если контролируется толщина упрочненного слоя h, то все остальные факторы являются мешающими: δ, 1µ& , σ, χ. Если же контролируется структура, то вариации всех остальных факторов являются

СПИ-АС-2009

336

помехами. Влияние каждого фактора удобно представлять нормированным пере-

даточным коэффициентом этого фактора, например передаточный коэффи-циент толщины упрочненного слоя h:

h)f(Е

fha н

h ∂∂⋅=&

& ,

где нh номинальная толщина упрочненного слоя, f – частота, Е(f) частотная характеристика э.д.с. датчика.

Отношение полезного сигнала к помехе оценивается отношением пе-редаточного коэффициента контролируемого фактора к передаточному ко-эффициенту мешающего фактора, например: ρa/a h &&

Для повышения точности неразрушающего электромагнитного контро-ля параметров ферромагнитных изделий можно использовать комбинацион-ные колебания в сочетании с основными гармониками многочастотного воз-буждения электромагнитного преобразователя [1].

Зависимость информативности комбинационных колебаний в сигнале электромагнитного преобразователя по сравнению с основными колебаниями при различных помехах (например, вариации зазора между измерительным преобразователем и контролируемой поверхностью) удалось исследовать благодаря использованию имитационной модели, включающей математиче-скую модель образования сигнала электромагнитного преобразователя, рас-положенного над нелинейной ферромагнитной проводящей средой с изме-няющимися по глубине свойствами [2].

При контроле электромагнитным преобразователем толщины упроч-ненного слоя h, вариации зазора δ являются мешающими факторами. Норми-рованные передаточные коэффициенты толщины упрочненного слоя и зазора между датчиком и контролируемой поверхностью вычисляются следующим образом:

h)f(Е

fha н

n ∂⋅∂⋅=&

& ,

δ∂⋅∂⋅δ=δ

)f(Еf

a н && ,

где нh – номинальная толщина упрочненного слоя; нδ – номинальный за-зор между торцом преобразователя и контролируемой поверхностью; Е – э.д.с. сигнала; f – частота сигнала.

Отношение сигнала к помехе можно отразить отношением передаточ-ного коэффициента контролируемого фактора h к передаточному коэффици-енту мешающего фактора δ.

На рис. 1 показаны частотные характеристики отношения модулей пе-редаточных коэффициентов толщины упрочненного слоя и зазора δa/ah && .

СПИ-АС-2009

337

Рис.1. Частотные характеристики отношения модулей передаточных

коэффициентов толщины упрочненного слоя и зазора На всех частотах отношение сигнала к помехе в комбинационных ко-

лебаниях значительно выше, чем в основных гармониках. Исследования на имитационной модели подтверждают, что относительное влияние зазора в комбинационных колебаниях меньше, чем в основных гармониках сигнала датчика, в частности, использование комбинационных колебаний дает мень-шую погрешность контроля по сравнению с основными гармониками при значительных вариациях зазора.

На рис.2 показана зависимость напряженности магнитного поля Н на поверхности контролируемого изделия от зазора δ. Очевидно, что напряжен-ность резко возрастает при уменьшении зазора между датчиком и контроли-руемой поверхностью.

Амплитуды комбинационных колебаний возрастают в квадратичной зависимости от Н. На рис. 3 показано, как изменяется относительный сигнал основных гармоник и комбинационных колебаний в зависимости от измене-ния зазора δ.

Относительный сигнал – это сигнал дифференциально включенных преобразователей: измерительного и компенсирующего, отнесенный к э.д.с. компенсирующего датчика:

иии

ЕЕЕЕ −=∆

Относительный сигнал позволяет сравнивать между собой явления в комбинационных колебаниях и в основных гармониках, несмотря на то, что

СПИ-АС-2009

338

амплитуды комбинационных частот гораздо меньше, чем основных.

Рис.2. Зависимость напряженности магнитного поля на поверхности

контролируемого изделия от зазора между датчиком и этой поверхностью

Рис.3. Зависимость относительных сигналов основных и комбинацион-

ных колебаний от изменения зазора под измерительным преобразователем На рис.3 показано, как зависят вещественные и мнимые составляющие

относительного сигнала основных колебаний частоты f1 и комбинационных

СПИ-АС-2009

339

колебаний от изменения зазора. Зазор под компенсирующим датчиком уста-новлен равным δ=500 мкм. Одно и то же изменение зазора вдвое сильнее от-ражается на комбинационных колебаниях по сравнению с основными, то есть мешающее действие зазора в комбинационных колебаниях вдвое больше.

Очевидно, что необходим ответ на вопрос о том, почему же отношение полезного сигнала к помехе в комбинационных колебаниях выше?

Для выяснения причин, по которым отношение полезного сигнала к помехе в комбинационных колебаниях выше, чем в основных, проведено ис-следование на модели сигнала дифференциально включенных электромаг-нитных датчиков. На рис.4 показана зависимость относительных сигналов датчиков от изменения толщины упрочненного слоя. Из графиков видно, что комбинационные сигналы значительно больше изменяются по сравнению с основными сигналами при одном и том же изменении толщины упрочненно-го слоя пределах от 100 до 1000 мкм.

Рис.4. Зависимость относительных сигналов основных и комбинацион-

ных колебаний от изменения толщины упрочненного слоя h Влияние толщины упрочненного слоя на основные гармоники обу-

словлено двумя процессами: отражением основных волн на границе между упрочненным слоем и основным металлом и затуханием волны в упрочнен-ном слое. В результате упрочнения, в стали образуется слой с такими элек-тромагнитными свойствами, которые дают слабое отражение на границе раз-дела слоев. Поэтому влияние толщины упрочненного слоя в основных гар-мониках слабо.

Комбинационные колебания возникают в магнитомягкой части основ-ного металла даже в отсутствии отражения, и их сигнал однозначно связан с

СПИ-АС-2009

340

толщиной упрочненного слоя из-за затухания в нем этих волн. Несмотря на то, что комбинационные колебания сильнее основных

подвержены мешающему влиянию зазора между датчиком и контролируе-мым изделием, они подвержены еще большему влиянию, по сравнению с ос-новными колебаниями, со стороны контролируемого фактора – толщины уп-рочненного слоя. Поэтому отношение полезного сигнала к помехе в них вы-ше, чем в основных гармониках. Использование комбинационных колебаний компонентой многомерного сигнала повышает точность неразрушающего контроля толщины упрочненного слоя.

Создание имитационной модели, включающей математическую модель для расчета комбинационных колебаний сигналов электромагнитных преоб-разователей, позволяет в дальнейшем проводить другие исследования в об-ласти неразрушающего электромагнитного контроля.

Список использованных источников

1. Анисимов С.Д., Ананченко Л.Н., Виноградова И.Ю., Рогов И.Е. Электромагнитный неразрушающий контроль упрочненного слоя на поверх-ности стальных изделий. - Дефектоскопия, 1, 2000, с.18-29.

2. Создание математической модели и программы ЭВМ для расчета комбинационных колебаний сигналов электромагнитных датчиков: Отчет о НИР по гранту фундаментальных исследований в области энергетики и элек-тротехники – Ростов-на-Дону, 2001. – 16 – Исполнители: Анисимов С.Д., Ананченко Л.Н., Рогов И.Е., Голубова Г.С., Виноградова И.Ю. – ГР 01.980006915 инв. 02200300133.

Солдатов Е.А., Копылов М.В., Кравец О.Я. К ПОСТАНОВКЕ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА ПО

ТЕСТИРОВАНИЮ МОДЕЛИ ИНФОРМАЦИОННОЙ ИНФРАСТРУКТУРЫ

ok@sbook.ru Введение Для проверки корректности теоретических результатов, полученные в

работах [1-6], было проведено полномасштабное тестирование модели ИТ-инфраструктуры на основе современных программно-аппаратных средств.

Цели тестирования Цели тестирования: 1) проверка проектно-расчетных данных в реальной вычислительной

сети; 2) определение правильности выбора проектного оборудования, на

основе сравнительного анализа различных типов серверного оборудования. В табл. 1 представлен список оборудования тестового стенда.

СПИ-АС-2009

341

Таблица 1 Список оборудования тестового стенда

Вид оборудования Наименование Количество HP c7000 Enclosure, Three-Phase In-ternational with 6 Power Supplies,6 Fans with 16 Insight Control Envi-ronment Licenses

1

HP BL680G5 E7340 (2.4GHz, 2x4MB) Quad Core 2P, 8GB

4

Серверное оборудо-вание

HP BL460с E5450 (3.00GHz, 2x6MB) Quad Core 2P, 4GB

4

Cisco MDS 9124e 12 Port Fabric Switch - 2SFP

1

Cisco Catalyst 6500 13-slot chas-sis,20RU

1

Cisco Cat 6500 Supervisor 720 with 2 ports 10GbE MSFC3 PFC3C XL

1

Активное оборудо-вание

Cisco Catalyst 6500 48-port GigE Mod: fabric-enabled (Req. SFPs)

2

Дисковый массив HP StorageWorks EVA 4400

1 Дисковое хранили-ще

Ленточная библиотека HP Stor-ageWorks MSL 2024

1

HP c50 Via Eden 400 MHz 128 M Flash Rom 256 M DDR SDRAM WCE Net

50 Терминальные кли-енты

HP Compaq 6720s T5670 C2D 15.4 WXGA BV 2048Mb DDR2 667/160Gb 5400rpm DVD RW DL LS 56K Modem 802.11a/b/g BT 6C Bat VHB OF07 ready war 1/1/0

10

На рис. 1 представлена схема тестового стенда. Общие сведения о процедуре тестирования При проведении тестирования сервера AOS (Axapta Operation Server)

[7] разворачивались на двух серверах НР, собранных в единый кластер, сер-вера MS SQL также функционировали на двухузловом кластере. Использова-лось две конфигурации серверного оборудования:

1) в качестве серверов использовались blade-сервера HP BL680G5; 2) в качестве серверов использовались blade-сервера HP BL460с. В тестовой среде была сгенерирована база данных размером 1 Тбайт с

общим количества записей справочника 100000. База данных была размеще-на на дисковом массиве HP StorageWorks EVA 4400.

СПИ-АС-2009

342

Рис. 1. Схема тестового стенда При тестировании запускались теневые служебные процедуры: - дифференцированный backup каждые сутки в 00:05; - полный backup еженедельно; - backup журналов (логов) каждые 15 мин.; - создание резервной БД; - индексация файлов. При тестировании сети было активировано 10 терминальных пользова-

телей. Тестовые средства Тест осуществлялся с использованием тестовых ПО: 1) стандартный модуль Axapta Benchmark Tool; 2) ProLAN SelFTrend; 3) стандартная утилита windows System Monitor. Методика тестирования Для тестирования была выбрана обработка заказов. При выполнении

этой обработки выполняется широкий набор действий: проверка кредитного лимита, проверка отрицательного склада, резервирование, создание проводок и т.п. Эта обработка затрагивает модули Расчеты с клиентами, Управление запасами и Главная книга. Таким образом, результаты тестирования позво-ляют оценить производительность самых используемых модулей Microsoft Axapta.

При проведении тестирования учитывалось следующее условие: любой желающий должен иметь возможность повторить тестирование по данной методике. Результаты тестирований должны быть сравнимы. Поэтому ис-пользовалась стандартная версия Microsoft Axapta и штатный инструмент измерения производительности – Benchmark Tool.

Функционал этого модуля позволяет запускать произвольное количест-во сценариев, имитирующих работу реальных пользователей в системе (об-

СПИ-АС-2009

343

работка заказов, закупок, работа с журналами) от лица нескольких пользова-телей на разных компьютерах. По завершению каждого сеанса тестирования Benchmark Tool выдает отчетность (количество пользователей, обрабатывае-мых в единицу времени документов и время отклика системы и т.п.) как в целом по сеансу, так и отдельно по каждому пользователю или сценарию.

Benchmark Tool измеряет нагрузку на систему и ее производительность в условных единицах - Стандартный пользователь Axapta - ASU (Axapta Standard user). 1 ASU соответствует той нагрузке, которую создает пользова-тель, обрабатывающий 50 строк заказов в час.

Тестирование проводилось для 60 пользователей, из них 50 – терми-нальных и 10 – обычных пользователей, что составляет примерно 10% от ре-ального количества пользователей.

Тестирование выполнялось в три этапа: генерация справочников системы; наполнение базы данных; создание заказов и обработка расходных накладных (сценарии SO-BX

и SO-BS). Именно на этом этапе выполнялись замеры производительности. До генерации данных были сделаны следующие настройки: в процедуре генерации данных использовался коэффициент 10 для всех

тестируемых модулей: 10000 клиентов (стандартно 1000), 5000 наименова-ний номенклатуры (стандартно 500) и т.д.

среднее количество обрабатываемых строк в заказе – 10; включена система множественных складских транзакций (IMTS) для

того, чтобы избежать появления взаимоблокировок (deadlocks) при большом количестве одновременных складских транзакций;

обработка заказов выполнялась при включенном автоматическом ре-зервировании номенклатуры;

для номерных серий, не являющихся непрерывными, был включен па-раметр «Предварительное выделение номеров», что позволило решить про-блему блокировки таблицы NumberSequenceTable при интенсивной работе большого числа пользователей;

была отключена лицензия на модуль «Сводное планирование» (Master planning), так как работы по тестированию этого модуля не предусматрива-лись;

выравнивание трех расширенных типов данных (ExternalAccount, Ac-countNum, Num) установлено «Влево» (Adjustment=Left). Никаких других модификаций в стандартной функциональности и сценариях тестирования не производилось.

Наполнение базы данных производилось путем запуска большого ко-личества сценариев по обработке закупок, заказов, складских журналов и журналов Главной книги

Запуск сценариев тестирования осуществлялся в «Режиме AOS». При этом требуемое число одновременных пользовательских сессий достигается

СПИ-АС-2009

344

путем запуска соответствующего числа потоков на сервере приложений (AOS)

Результаты тестирования (количество обрабатываемых строк заказов в час и время отклика системы) вычислялись средствами модуля Benchmark Tool после завершения всех запущенных сценариев.

Для тестирования сети было выбрано 2 критерия - производительности каналов связи сети на уровне TCP и доступность TCP-сервиса.

Результатами тестирования являются: - интегральная оценка пригодности TCP-каналов для одновременной

работы заданного числа пользователей; - графики измеренных характеристик; - таблица статистических оценок измеренных характеристик. Пригодность TCP-канала для одновременной работы с приложением

«MBS Axapta» (тонкий клиент) заданного числа пользователей осуществля-ется эмулированием в канале TCP-трафика, который по типу и интенсивно-сти соответствует одновременной работе с этим приложением заданного в параметрах теста числа пользователей. Эмулирование осуществляется гене-рацией соответствующих блоков данных на уровне TCP и измерением дос-тигнутой пропускной способности.

По информации компании Microsoft, приложение «IperfTCP-MBSAxaptaTest» требует для устойчивой работы одного пользователя пропу-скной способности в объеме не менее 6,4 Kbps. Размер блоков передаваемых данных зависит от типа выполняемой операции. В данном тесте размер блока передаваемых данных составляет 1024 байта.

Если на уровне TCP канал обеспечивает требуемую (для устойчивой работы приложения «MBS Axapta») пропускную способность, то он пригоден для работы с этим приложением. Одновременно может проверяться пригод-ность нескольких TCP-каналов.

Все измеряемые характеристики можно условно разделить на две груп-пы: первичные и синтезированные. Первичными характеристиками являют-ся: «TCP Throughput» и «Availability». Синтезированной характеристикой яв-ляется «Worst Availability».

TCP Throughput (Mbps) - отношение объема данных, прошедших на уровне TCP между источником, генерирующим тестовый трафик, и прием-ником тестового трафика.

Объем данных, который генерируется источником, определяется по формуле B*N. Где B (Mbps) – это пропускная способность на уровне TCP, требуемая для удовлетворительной работы одного пользователя (одной ICA сессии) приложения «MBS Axapta»; N - число эмулируемых пользователей.

Availability (%) – выраженное в процентах отношение числа успешных транзакций измерения производительности TCP-канала, к общему числу вы-полненных транзакций.

Worst Availability (%). Значения этой характеристики вычисляются сле-

СПИ-АС-2009

345

дующим образом. В каждый момент времени выбирается TCP-канал, кото-рому соответствует наименьшее значение характеристики Availability. Это значение принимается в качестве значения характеристики Worst Availability.

На рис. 2 представлено соответствие между «цветами» диаграммы и измеряемыми характеристиками.

Рис. 2. Соответствие между «цветами» диаграммы и измеряемыми ха-

рактеристиками Во время проведения тестирования было сэмулировано штатными

средствами коммутатора Cisco отключение основных каналов между серве-рами и центральным коммутатором и переключение на резервные каналы.

Список использованных источников

1. Копылов М.В., Кравец О.Я. Модель двухзвенной архитектуры «кли-ент – сервер»// Современные проблемы информатизации в моделировании и анализе сложных систем: Сб. трудов. Вып. 12/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2007. - С. 177-183.

2. Копылов М.В., Кравец О.Я. Модель трехзвенной архитектуры «кли-ент – сервер»// Современные проблемы информатизации в проектировании и телекоммуникациях: Сб. трудов. Вып. 12/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2007. - С. 352-358.

3. Копылов М.В., Кравец О.Я., Солдатов Е.А. Технология интеграции компонент «1C:Предприятие» и весового оборудования в системе поддержки принятия решений// Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная кни-га", 2008. – С. 362-367.

4. Копылов М.В., Солдатов Е.А., Кравец О.Я. Особенности реализации СПО управления данными на газонаполнительных станциях// Современные

СПИ-АС-2009

346

проблемы информатизации в проектировании и информационных системах: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2008. – C. 482-486.

5. Копылов М.В. К исследованию граничных нагрузок многозвенных клиент-серверных систем// Территория науки, 2007, 4(5). – С. 487-495.

6. Копылов М.В., Кравец О.Я.Особенности поведения многозвенных клиент-серверных систем на граничных нагрузках// Информационные техно-логии моделирования и управления. - 6(40), 2007. – С. 675-683.

7. www.tectura.co.uk/Upload/files/UserFiles/Axapta_ROI_Report.pdf

Сургучева И.В. ВЫПОЛНЕНИЕ АРИФМЕТИЧЕСКИХ ОПЕРАЦИЙ НАД

НЕЧЕТКИМИ ЧИСЛАМИ С ПОМОЩЬЮ КОМПЛЕКСНЫХ ЧИСЕЛ asdf169@mail.ru

Как известно, широко распространенные системы компьютерной мате-

матики (MATLAB, MathCAD, Maple и др.) содержат средства, позволяющие выполнять арифметические операции над комплексными числами, причем как в численном, так и в символьном виде. В тоже время, указанные системы компьютерной математики в своей стандартной комплектации не содержат средств выполнения арифметических операций над нечеткими числами. Ни-же приведена доказанная теорема, позволяющая сводить арифметические операции над симметричными нечеткими числами LR-типа к арифметиче-ским операциям над комплексными числами.

Теорема 1. Пусть каждому из симметричных нечетких чисел LR-типа LRyyx ),,(=η взаимно однозначно сопоставляется нечеткое число iyx +=λ , где

1−=i : λη ↔ . Предположим далее, что имеются симметричные нечеткие числа LR-типа: LRyyxA ),,( 111= и LRyyxB ),,( 222= . Сопоставим им комплексные числа: 11 iyxaA +=↔ и 22 iyxbB +=↔ .

Тогда арифметические операции над симметричными нечеткими чис-лами A и B соответствуют операциям над комплексными числами:

baBA +↔+ , aA −↔− ,

baBA ⋅↔⋅ , 11 −− ↔ aA ,

где a – комплексное сопряженное по отношению к a . Работа выполнена под руководством доктора технических наук

Ускова А. А.

СПИ-АС-2009

347

Чувейко М.В. РЕАЛИЗАЦИЯ АЛГОРИТМА ВОСТАНОВЛЕНИЯ

ПЕРИОДИЗИРОВАННОГО СИГНАЛА ВИБРОУСКОРЕНИЯ ЭЛЕМЕНТОВ ТОКАРНОГО СТАНКА

chuveyko@nm.ru Большинство механических систем в своем составе имеют узлы, со-

вершающие вращательные движения. При стационарном режиме функцио-нирования (неизменные угловые частоты) данных узлов, такой вид движения характерен тем, что координаты состояния таких систем являются периоди-ческими функциями времени или пространственных перемещений. Факторы, вызывающие периодические вариации координат состояния, разнообразны. При рассмотрении качества роторных фрикционных систем – это развитие неравномерности износа по периоду вращения. Так, к примеру, при эксплуа-тационных повреждениях зубчатых передач в спектре вибросигнала, отра-жающем их функционирование, возникает ряд спектральных составляющих кратных зубцовой частоте zmf . К таким же эффектам приводит дисбаланс роторных систем. Таким образом, исходя из сказанного, задача диагностики работоспособности системы может быть сведена к восстановлению периоди-ческих составляющих в выходном сигнале и анализе причастности тех или иных механизмов к их формированию.

Суть предлагаемого алгоритма сводится к выделению периодизирован-ной составляющей сигнала виброускорения ( )tf посредством воздействия на него оператора усреднения nA с периодом усреднения равным периоду вы-деляемой составляющей:

( ) ( ) ( ).τ1τ1

0∑

−n

=kn k+tf

n=n,t,f=tfA

На рис. 1 представлена структурная схема позволяющая реализовать данный алгоритм в режиме реального времени.

Рис. 1. Структурная схема алгоритма усреднения

СПИ-АС-2009

348

Для хранения последних значений виброускорения за период времени равный τn используется буфер FIFO, представленный группой последова-тельно соединенных звеньев задержки 1−z . В зависимости от периода усред-нения, сигнал с выходов некоторых их них (съем осуществляется с выводов звеньев отстоящих друг от друга через определенный равный промежуток,

характеризующий период усреднения, а именно через dtτ элементов, где dt

- период дискретизации) подключен к сумматору. Последующее деление по-лученного в результате суммирования сигнала на количество слагаемых (по-рядок усреднения заданный пользователем) позволяет получить усреднен-ную функцию готовую к дальнейшей обработке.

В соответствии с доказанным в [1] средняя мощность усредненного сигнала:

( ) ( ) dtn,t,fT

T2

0

τ1τρ ∫ ,

обладает максимальным значением в том случае, если период усреднения совпадает с периодом усредняемой периодической функции. Это свойство позволяет осуществлять корректировку в величины τ , что позволит избе-жать снижения качества работы алгоритма в результате незначительной не-стабильности частоты периодизированной составляющей сигнала виброу-скорения, имеющей место на практике. Для расчета средней мощности так же требуется буфер FIFO в который последовательно помещаются значения усредненной функции возведенной в квадрат. Размер второго буфера FIFO определяется периодом за который рассчитывается средняя мощность. Даль-нейшие действия подобны операции усреднения с одним отличием - в дан-ном усреднении задействованы выходы всех звеньев задержки.

Список использованных источников

1. Чувейко М.В. Алгоритм восстановления периодизированного сигна-ла в роторных системах. Вестник Донского государственного технического университета. Т.7. 4(35). 2007г.

Шурыгин К.С. ОБРАБОТКА СЛИТНОЙ РЕЧИ НА ОСНОВЕ ИНФОРМАЦИОННОЙ

ТЕОРИИ ВОСПРИЯТИЯ РЕЧИ kirill_82@mail.ru

Среди различных подходов к обработке речи выделяется теоретико-

информационный и основанная на нём информационная теория восприятия речи (ИТВР) [1]. В соответствии с ИТВР все множество элементарных рече-вых единиц (ЭРЕ) в сознании человека разбивается на конечное число под-множеств. Каждое такое подмножество имеет четко очерченные границы во-

СПИ-АС-2009

349

круг некоторого центра – эталона. Такой кластер, состоящий из множества векторов-реализаций, является фонемой. Таким образом, для автоматиче-ской обработки слитной речи необходимо сформировать классифицирован-ный набор реализаций ЭРЕ.

Всё множество ЭРЕ анализируемого сигнала разобьём на 2R всевоз-можных пар Rji ≤, и вычислим для каждой такой пары удельную величину их взаимного информационного рассогласования:

)( ij Xρ = 1))(/ln(/)( 2222 −+ ijjjij XX σσσσ , (1) где iX - n-выборка из i-ой генеральной совокупности, )(2

ij Xσ – дисперсия некомпенсированного остатка сигнала Xi на выходе обеляющего фильтра, настроенного по j-му сигналу; 2

jσ – дисперсия возбуждающего гауссового белого шума в авторегрессионной модели сигнала j; R – количество выде-ленных ЭРЕ.

Разобьём все ЭРЕ на кластеры по правилу 0)( ρρ ≤ij X , (2)

где 0ρ - некоторый пороговый уровень для минимальной решающей стати-стики. В случае, когда i-й элемент уже входит в какой-нибудь кластер, то пе-реходим к элементу i+1. При возникновении спорной ситуации, когда прави-ло (2) выполняется для нескольких элементов, т.е. элемент попадает сразу в несколько фонем, предпочтение отдается тому из них, для которого значение решающей статистики меньше. Таким образом, получаем набор речевых об-разов.

После кластеризации необходимо найти информационный центр для каждой фонемы, который будет выступать в качестве эталона [1]. Пользуясь выражением (2) построим матрицу информационных рассогласований VxV между элементами внутри фонемы, где V – объём фонемы. Находим сумму минимума информационного рассогласования для каждого элемента фонемы по правилу [1]

min)(, ji

V

jiijr

r

XM →= ∑≠

ρ (3)

После этого реализацию с минимальным значением суммарного ин-формационного рассогласования min

rM считаем эталонной, а её параметры становятся образом всего кластера. Находим, таким образом, эталоны для всех речевых образов.

Предложенный алгоритм (1)-(3) был исследован на примере текста первой главы романа А.С. Пушкина "Капитанская дочка", который был про-говорен и записан в память ПК в виде звукового файла. Продолжительность записи составила около полутора минут. Далее по алгоритму (7)-(9) [2] было выделено множество ЭРЕ, состоящее из 827 элементов. В зависимости от порога 0ρ получаем различное количество фонем на выходе. На рис. 1 пред-

СПИ-АС-2009

350

ставлена зависимость количества фонем от порога 0ρ .

Рис. 1. График зависимости количества фонем от порога 0ρ Исследования показали, что при значениях порога 0ρ = 1,2..2,0 фонети-

ческая база получается наиболее полная, в теоретико-информационном смысле, как по количеству фонем, так и по наполнению базы.

Таким образом, в результате исследования был предложен новый алго-ритм обработки слитной речи на основе ИТВР и проведено эксперименталь-ное исследование его оптимальных параметров.

Список использованных источников

1. Савченко В.В. Информационная теория восприятия речи// Известия вузов России. Радиоэлектроника. 2007. Вып. 6. с.3-9.

2. Савченко В. В., Акатьев Д. Ю., Карпов Н. В. Анализ фонетического состава речевых сигналов методом переопределенного дерева// Системы управления и информационные технологии - 2.2(32), 2008. – с.297-303.

Янь Цзинбинь, У Ши РАСПОЗНАВАНИЕ КЛЮЧЕВЫХ СЛОВ С ИСПОЛЬЗОВАНИЕМ

ФОНЕМАТИЧЕСКОЙ СЕТИ yjbemail@163.com

В последнее время распознавание ключевых слов в речевых файлах яв-

ляется одной из наиболее важных проблем в области обработки речи. Неко-торые важные приложения распознавания ключевых слов – это аудио-индексация и восстановление информации[1]. Простой метод распознавания ключевых слов использует распознаватель с большим словарем продолжи-тельной речи. Другой известный метод – “модель мусора”. Однако проблема этих методов состоит в ограниченности набора слов в распознавателе.

СПИ-АС-2009

351

В последнее время был разработан новый метод распознавания ключе-вых слов – метод фонематической сети, в котором каждый узел сети связыва-ется с определённым моментом времени в записанной речи. Ключевое слово, таким образом, может быть найдено по созданной фонематической сети. Ос-новное преимущество этого метода в том, что он обеспечивает больше гиб-кости, т.е., даже если фонема ключевого слова не есть лучшая гипотеза меж-ду узлами сети, она все равна сохраняется в сети. Более того, так как фонема-тическую сеть можно искать в любой данной фонематической последова-тельности, то нет зависимости от словарного набора распознавателя – могут быть найдены слова, не входящие в словарь.

Сеть ),,,( endstart nnANL = это непериодическая схема, где N – множество узлов, A – множество дуг, и Nnn endstart ∈, единственный начальный и конечный узлы, соответственно. Каждый узел Nn∈ имеет свое время )(nt и возможно акустическое положение в контексте или положение в языковой модели. Ду-ги – это 4-угольники ]).[],[],[],[( awaIaEaSa = NaEaS ∈][],[ обозначают начало или конец узла или дуги. ][aI – это слово или часть слова. ][aw это весовой коэффициент, связываемый распознавателем с дугой. Обычно распознава-тель обеспечивает наилучшее произношение для каждой дуги в случае, если для слова ][aI существует несколько вариантов произношения.

Дополнительно мы определяем пути ),...,( 21 Kaaa=π как последователь-ности соединенных вместе дуг. Мы используем символы IES ,, и w для путей для того, чтобы представить относительные свойства для всех путей, т.е. на-чальный узел пути ][][ 1aSS =π , конечный узел пути ][][ KaEE =π , последова-тельность меток пути ])[],...,[(][ 1 KaIaII =π и общий весовой коэффициент пути

∏ ==

K

k kaww1

][][π . В работе [2] было установлено, что альтернативное, но эквивалентное

представление сети, которое мы называем апостериорной сетью, во многих случаях более удобно. Для апостериорной сети мы определяем апостериор-ные дуги ][aParc и апостериорные узлы ][nPnode :

endend n

nnnode

n

aEaSarc nP

awaP

αβα

αβα ⋅

=⋅⋅

= ][;][

][ ][][ , (1)

с реверсивными вероятностями nn βα , , определенными выражениями ∑∑

=∧==∧=

==endstart nEnS

nnEnS

n ww][][:][][:

][;][ππππππ

πβπα. (2)

nn βα , могут быть легко вычислены при помощи известного метода ре-версивной рекурсии [3]. Представление апостериорной сети сохраняет 4 поля с каждым краем: ][],[],[ aIaEaS и ][aParc и 2 поля с каждым узлом: ][nt и ][aPnode . В предыдущей статье [4] было показано, что в задаче распознавания слов теоретически наилучшим является маркировка фразы с помощью апостери-орной вероятности. С помощью представления апостериорной сети апосте-

СПИ-АС-2009

352

риорная фраза строки Q рассчитывается по формуле

∑=∧=∧=

=

=

QItEttStaa Knodenode

Karcarces

esK

aSPaSPaPaPOtQtP

][]][[]][[:),...,( 2

1

1]][[]]...[[

][]...[)|,*,,(*,πππ

π

. (3) Поиск ключевых слов выполнялся на базе данных, созданной в

CASIA(CLDC-SPC-2004-015). CASIA представляет собой чистую естествен-ную речь продолжительностью 55 часов, записанную Академией Китайской Информации. Каждый человек говорил 2-3 секунды на заданную тему. Тес-товая база данных состояла из записей голосов 30 людей и имела общую продолжительность около 50 минут. 15 ключевых слов были выбраны слу-чайным образом, некоторые из них: “американский”, ‘компьютер’, “эконо-мика”, “мир”, “мы”.

Результаты экспериментальных исследований показали, что наша система имеет точность 80,2% для задачи распознавания ключевых слов. Ме-тод имеет преимущество по сравнению с “моделей мусора”: для каждого но-вого ключевого слова, не требуется заново проводить обучение новой моде-ли.

Список использованных источников

1. Young S.J., Brown M.G., Foote J.T., Jones G.J.F., Jones K.S. Acoustic indexing for multimedia retrieval and browsing// IEEE International Conference on Acoustics, Speech and Signal Processing, 1997.

2. Zhou Z.Y., Peng Y., Chelba C., et al, Towards spoken-document retrieval for the internet: Lattice indexing for large-scale web-search architectures// Proc HLT’06. New York: ACM Press, 2006: 415 - 422.

3. Wessel F., Schluter R., Macherey K., et al, Confidence measures for large vocabulary continuous speech recognition// IEEE Trans On Speech and Audio, 2001, 9 (3) : 288 -298.

4. Yu P., Chen K.J., Ma C.Y., Seide F. Vocabulary-independent Indexing of Spontaneous Speech//IEEE transaction on Speech and Audio Processing, Vol.13, No.5, Special Issue on Data Mining of Speech, Audio and Dialog.

СПИ-АС-2009

353

6. Программные и телекоммуникационные системы и приложения

Андреев М.А., Липилина А.П., Шейбухов С.Н.

ПРОГРАММНАЯ ЧАСТЬ ИЗМЕРИТЕЛЬНОГО КОМПЛЕКСА ama35rus@mail.ru kiti85@ya.ru Damned_speci@list.ru

На замену большому количеству узкоспециализированных и, зачастую,

дорогостоящих средств измерения приходит поколение так называемых вир-туальных приборов, которые представляют собой обыкновенный персональ-ный компьютер, оснащенный специальным измерительно-преобразовательным модулем, который позволяет производить анализ вход-ных и формирование выходных сигналов в цифровом формате. Основная на-грузка в области формирования и анализа сигналов перекладывается с аппа-ратных средств на программное обеспечение, что позволяет размещать на одном компьютере несколько различных виртуальных приборов без каких-либо затрат на дополнительное оборудование.

Разработанное программное обеспечение (ПО) предназначено для ви-зуализации и регистрации на жестком диске компьютера аналоговых сигна-лов, вводимых через входы аналого-цифрового преобразователя платы L-Card L-783. ПО работает под управлением операционной системы Windows XP и создано в программной среде C++ Builder.

Программа работает в 16-канальном дифференциальном режиме. Реги-страция всех данных осуществляется в реальном времени и ограничивается только объемом памяти используемого жесткого диска.

Виртуальный прибор состоит из нескольких вкладок, которые реали-зуют следующие возможности: проведение измерений в 1 фазных и 3-х фаз-ных сетях; режим осциллографа или регистратора данных; режим спектроа-нализатора; режим просмотра ранее полученных данных.

При входе на каждую вкладку запускается отдельный поток. Организа-ция фоновых потоков связана с необходимостью разгрузки процессора, вследствие того, что сбор информации осуществляется с высокой частотой. Обработка данных в фоновом потоке снимает проблему взаимодействия с основным окном программы во время накопления и отображения информа-ции или во время записи в файл.

Запуск программы инициирует создание основного окна приложения. Следующим шагом в работе является поиск платы, а точнее определение виртуального слота, который закрепляется за платой. После чего происходит настройка и загрузка необходимых параметров L-Card: тип сбора данных; частота опроса каналов в кадре (кГц); интервал между кадрами (мс); частота опроса каналов в кадре; интервал между кадрами; тип синхронизации; коли-чество опрашиваемых каналов; массив с номерами каналов, который описы-вает порядок опроса; размер половины аппаратного буфера FIFO на плате.

СПИ-АС-2009

354

Загрузка параметров в плату происходит автоматически при выборе определённой вкладки с одновременной инициализацией процесса обработка данных. Выбор режима работы программы осуществляется через главное ме-ню. Во всех режимах работы виртуального прибора доступен просмотр до 6 каналов одновременно, каждый из которых отображаются на экране опреде-ленным цветом.

В программе также предусмотрена возможность настройки характери-стик каждого канала, (выбор физического канала АЦП; вывод сигнала / за-земленный вход; установка усиления или диапазона измерения; режимы вхо-дов (с / без постоянной составляющей, суммирование / вычитание сигналов двух дифференциальных входов); масштаб; вертикальное смещение луча), синхронизации (выбор канала АЦП для синхронизации; его усиление; режим синхронизации; уровень напряжения синхронизации) и параметров Фурье-преобразования при спектральном анализе сигналов (размер Фурье-преобразования; масштаб; нормировку и режим накопления; тип окна (пря-моугольное/ Ханна/ Хемминга/ Блекмана/ Барлетта/ Кайзера/ Блекмана-Харриса); тип спектра (SQRT(Re*Re+Im*Im)/ Re*Re+Im*Im/-ATAN(Im/Re)/Real/Image)).

При наведении курсора на точку экрана отображаются точные значе-ния по шкалам напряжения и частоты.

В режиме регистратора данных доступна запись до 16 каналов одно-временно. Также предусмотрена возможность управления активным каналом (включать / выключать регистрацию по каждому канал; включать / выклю-чать регистрацию по всем каналам; визуализировать номер физического ка-нала и усиление) и настройки параметров регистрации (общее количество от-счетов; количество отсчетов на канал; время сбора данных; имя выходного файла; запускать регистрацию; определять доступное и требуемое дисковое пространство; визуализировать процесс сбора данных; сохранять данные в формате txt).

Быстродействие комплекса, разнообразие режимов обработки данных, многоканальность позволяют с его помощью эффективно решать задачи па-раметрической идентификации и технической диагностики электротехниче-ских и электромеханических систем.

Баранов И.Ю., Шалашов Г.В., Рогашков И.В. РАЗРАБОТКА ПРОЕКТНЫХ РЕШЕНИЙ ПО ПРОГРАММНОМУ ОБЕСПЕЧЕНИЮ БЕЗОПАСНОСТИ ВЗАИМОДЕЙСТВИЯ

ПОЛЬЗОВАТЕЛЕЙ ВИДЕОСВЯЗИ i_baranov@rambler.ru

В последние годы активно развиваются мультимедийные информаци-

онные технологии, применяемые в бизнесе, культуре, управлении, профес-

СПИ-АС-2009

355

сиональной подготовке и т. д. Одним из наиболее ярких примеров использо-вания мультимедиа технологий являются системы видеоконференцсвязи (ВКС). К системам компьютерной ВКС принято относить системы, в кото-рых обработку информации осуществляют персональные ЭВМ. Кроме ком-пьютера в набор оборудования входят видеокамера, микрофон, дополнитель-ные платы, позволяющие осуществить ввод изображения от видеокамеры и звука от микрофона, их оцифровку и компрессию. Системы такого типа на-зываются настольными ("desktop systems") в отличие от студийных ВКС.

Особое внимание потребителей вызывают системы видеоконференцс-вязи, работающие в IP-сетях. Возможность работы ВКС в корпоративной се-ти и, одновременно, установления соединений в пределах глобальной сети Интернет является стимулом к их применению. Системы этого класса ис-пользуют аппаратное или программно реализуемое сжатие ау-дио/видеоинформации, которая в виде кадров Ethernet и (или) пакетов IP транспортируется по сети передачи данных к станции-получателю, где про-изводятся операции распаковки, декомпрессии, декодирования и преобразо-вания цифровых потоков в аналоговые сигналы.

В настоящее время системы ВСК для передачи корпоративной (конфи-денциальной) информации используются редко. Это связано с тем, что для защиты информации при передаче видеосигнала используют криптопроцес-соры, которые имеют высокую стоимость. Актуальным является разработка программного обеспечения для криптозащиты видеоконференции при работе на персональных компьютерах стандартной комплектации без использования специального оборудования.

В качестве базовых решений предлагаются следующие. В основе моду-ля программного обеспечения безопасности взаимодействия пользователей должны лежать отечественные алгоритмы криптографической защиты ин-формации. Для шифрования видеопотоков от различных пользователей в рамках организации предлагается использовать выделенный сервер, с воз-можностью в дальнейшем переложить эти функции на компьютеры пользо-вателей. Предварительные исследования показали возможность реализации предложенных решений при минимальных затратах на оборудование.

Верещетин П.П., Гирин А.А., Лукьянов А.Д. АДАПТИВНАЯ МИКРОПРОЦЕССОРНАЯ СИСТЕМА УПРАВЛЕНИЯ

ПРЕЦИЗИОННЫМ УГЛОВЫМ ПОЗИЦИОНИРОВАНИЕМ ВЫСОКОИНЕРЦИОННЫХ ЗАГОТОВОК

a.lukjanov@ncic.ru В энергетическом машиностроении одной из распространенных и тру-

доемких операций является нарезание пазов под лопатки в роторах турбин. Особенностью операции является необходимость в прецизионном (порядка

СПИ-АС-2009

356

десятков угловых секунд) угловом позиционировании массивного ротора по отношению к обрабатывающему инструменту.

Применение механических делительных головок не всегда удобно, а в ряде случаев (большая масса, большой размер ротора) и невозможно.

Для обеспечения прецизионного углового позиционирования ротора турбины массой более 16 тонн и длиной более 6 метров с помощью специ-ального приспособления, была разработана микропроцессорная система управления.

Структурная схема системы управления представлена на рис.1. На схе-ме цифрами обозначены: 1- программируемый логический контроллер; 2 - контроллер серводвигателя 3 - высокомоментный серводвигатель, 4 - датчик на валу серводвигателя, 5 - датчик на валу ротора; 6-сенсорный дисплей, 7- тормоз фиксации ротора, 8 – ЧПУ станка, 9 - портативный компьютер, 10 – ротор турбины.

Особенностями реализации алго-ритма управления, построенного на ос-нове разработанной математической модели, заключается в определении люфта по рассогласованию показаний датчиков, многоступенчатое управле-ние скоростью, адаптивное управление с приложенным тормозным моментом

на окончательном этапе позиционирования. Задание параметров, управление и слежение за процессом позициони-

рования осуществляется с сенсорной панели. Портативный компьютер пред-назначен для мониторинга процесса позиционирования и его протоколирова-ния. Предложенная конфигурация и алгоритм работы системы управления позволили обеспечить точность позиционирования ротора турбины не хуже 5 угловых секунд, не смотря на наличие в системе позиционирования люфтов, превышающих требуемую точность более чем на порядок (3 градуса).

Виноградов Р.А. ОБ ОДНОМ СТИЛЕ МОДЕЛИРОВАНИЯ И ВЕРИФИКАЦИИ УПРАВЛЯЮЩИХ СИСТЕМ СО СЛОЖНЫМ ПОВЕДЕНИЕМ

rom-win@yandex.ru

Предлагается строить управляющие системы на основе автоматного подхода к программированию А.А. Шалыто [1]. Данная технология развива-ется с 1991 года, внедрена на некоторых предприятиях, в том числе ФГУП «НПО «Аврора»», где с помощью ее была реализована система управления дизель-генератором [2].

Технология автоматного программирования является достаточно эф-

Рис.1. Структурная схема

системы прецизионного пози-ционирования

СПИ-АС-2009

357

фективной при построении программного обеспечения для «реактивных» систем и систем логического управления. Эта технология, не исключая дру-гих методов построения программного обеспечения «без ошибок», сущест-венно более конструктивна, так как позволяет начинать «борьбу с ошибка-ми» еще на стадии алгоритмизации. Более того, автоматный подход к про-граммированию с точки зрения моделирования и анализа программных сис-тем имеет ряд преимуществ по сравнению с традиционным подходом. При построении модели для программы, написанной традиционным способом, возникает серьёзная проблема адекватности этой программной модели ис-ходной программе. Модель может не учитывать ряд программных свойств или порождать несуществующие свойства. При автоматном программирова-нии такая проблема исключена, поскольку набор взаимодействующих авто-матов, описывающий логику программы, уже является адекватной моделью, по которой формально и вполне однозначно строится программный модуль. И это является бесспорным плюсом автоматной технологии. К тому же свой-ства программной системы в виде автоматов формулируются и специфици-руются естественным и понятным образом. Проверка свойств осуществляет-ся в терминах, которые естественно вытекают из автоматной модели про-граммы.

При автоматном подходе к проектированию и построению программ выделяются две части: системно независимая и системно зависимая. Первая часть реализует логику программы и задаётся системой взаимодействующих автоматов Мура–Мили. Проектирование каждого автомата состоит в созда-нии по словесному описанию (декларации о намерениях) схемы связей, опи-сывающей его интерфейс, и графа переходов, определяющего его поведение. По этим двум документам формально и вполне однозначно может быть по-строен модуль программы (и затем реализована системно зависимая часть), соответствующий автомату.

С помощью инструментального средства «Система моделирования и анализа автоматных программ» [3] можно построить автоматную программу по иерархической модели [4], сгенерировать по ней программу на любом языке программирования, также преобразовать автоматную программу и ее темпоральные свойства во входной язык верификатора для последующей проверки свойств с помощью метода проверки модели (метода model check-ing) [5]. Так были выполнены моделирование и верификация системы управ-ления кофеваркой [6].

Разработка позволяет строить автоматные программы по системе вы-сокоуровневых автоматов. Модель является расширением иерархической мо-дели [4] автоматных программ, при этом позволяет организовывать рекурсию в явном виде, в некоторых случаях явно не выделять состояния автомата, ис-пользовать в качестве входных и выходных воздействий функции и процеду-ры с целочисленными параметрами. Модель позволяет сократить графы пе-реходов автоматов без ущерба для понимания логики автоматных программ.

СПИ-АС-2009

358

Список использованных источников 1. Шалыто А.А. Switch-технология. Алгоритмизация и программирова-

ние задач логического управления. – СПб.: Наука, 1998. – 628 с. 2. Система управления дизель-генератором (фрагмент). Программиро-

вание с явным выделением состояний: Программная документация/ Н.И.Туккель, А.А.Шалыто. – СПб, 2002. – 51 с.

3. Система моделирования и анализа автоматных программ: свидетель-ство об официальной регистрации программы для ЭВМ 2007611856: ФИПС/ Р.А. Виноградов, Е.В. Кузьмин, В.А. Соколов; правообладатель Яро-славский госуниверситет им. П.Г. Демидова; зарегистрировано в Реестре программ для ЭВМ 7 мая 2007 г.

4. Кузьмин Е.В. Иерархическая модель автоматных программ// Моде-лирование и анализ информационных систем. – 2006. – Т. 13, 1. – С. 27–34.

5. Верификация моделей программ: Model Cheking/ Э.М.Кларк, О. Грамберг, Д. Пелед. – М.: МЦНМО, 2002. – 416 с.

6. Верификация автоматных программ средствами CPN/Tools/ Р.А. Ви-ноградов, Е.В.Кузьмин, В.А.Соколов// Моделирование и анализ информаци-онных систем. – 2006. – Т. 13, 2. – С. 4–15.

Глекова Н.Л., Поваляев А.Д. ПРОБЛЕМЫ СОЗДАНИЯ ИНФОРМАЦИОННО-

МЕТОДОЛОГИЧЕСКОГО И ИНСТРУМЕНТАЛЬНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АНАЛИЗА И СИНТЕЗА СТРУКТУРНО-

ФУНКЦИОНАЛЬНОЙ ОРГАНИЗАЦИИ РЕГИОНАЛЬНЫХ СИСТЕМ МОНИТОРИНГА

ok@sbook.ru Социально-экономический прогресс индустриально развитых госу-

дарств в условиях глобальной информатизации основывается на постоянной оценке и интенсивном использовании накопленного передового научно-технического потенциала. На сегодняшний день развитие научно-технического потенциала и эффективное применение его результатов имеет первостепенное значение для регионов РФ, выступающих в современном по-литическом и правовом поле в роли основного системообразующего компо-нента государства. Системам социально-экономического управления разных уровней региона, и входящим в него образовательным, научным и/или про-изводственным организациям, являющимся как создателями, так и пользова-телями научно-технических достижений и инноваций, требуется единая ин-формационная среда. Управление научно-техническим потенциалом в регио-нах не может осуществляться без своевременной, полной и достоверной ин-формации. Информационная поддержка мероприятий, выполняемых в целях достижения преимущественного социально-экономического состояния ре-

СПИ-АС-2009

359

гиона, осуществляется на основе систем мониторинга. Системы мониторин-га, включающие в себя помещения, оборудование, вычислительную технику, финансовые, информационные, программные и телекоммуникационные ре-сурсы, а также кадровый состав, относятся к каноническому типу социально-экономических организаций, интегрированных в макросистему управления регионом и являющихся ее неотъемлемой частью. Основные функции систем мониторинга редуцируются к следующему списку: сбор, обработка, анализ, хранение и передача информации; подготовка моделей научно-технических объектов и отношений между ними; ведение информационных баз данных для обеспечения поддержки принятия и реализации управленческих реше-ний; формирование единого информационного пространства системы мони-торинга при совместимости информационных, программных и аппаратных средств вычислительной техники и телекоммуникаций.

В нашей стране на современном этапе создания региональных систем мониторинга научно-технического потенциала сложилась проблемная ситуа-ция, сущность которой заключается в том, что исследования и разработки в разных регионах ведутся конфиденциально и разрозненно при явном отсут-ствии единой информационно-методологической платформы. Вместе с тем не нашли своего приемлемого для практики решения проблемы формализа-ции и постановки задач структурной, функциональной и ресурсной оптими-зации, разработки методов их решения, планирования и организационно-технического управления системами регионального мониторинга, создания распределенной базы данных и ее информационно-телекоммуникационной среды.

Приведенная проблемная ситуация приводит к постановке основной решаемой проблемы, которая заключается в создании объединенных единой концептуальной схемой математических моделей, информационно-методологического и инструментального обеспечения для анализа и синтеза структурно-функциональной организации региональных систем мониторинга в целях информационной подготовки принятия адекватных управленческих решений в распределенных социально-экономических и научно-технических системах регионов.

Актуальность и перспективность темы обусловлена необходимостью разрешения возникших противоречий в области систем мониторинга научно-технического потенциала, возможностями создания новых эффективных и реорганизации уже существующих региональных систем мониторинга на ос-нове современных информационных технологий, средств вычислительной техники и телекоммуникационных систем.

В работе в качестве объекта исследования выступает региональная распределенная система мониторинга научно-технического потенциала, а предметом исследования являются существенные связи и закономерности функционирования объекта исследования для создания теоретических поло-

СПИ-АС-2009

360

жений и инструментальных средств анализа и синтеза его эффективной структурно-функциональной организации.

Объектом мониторинга и его пользователями являются органы управ-ления региона, научно-образовательные, научно-исследовательские и науч-но-технические организации, а также ведущие ученые региона.

Целью работы является создание информационно-методологического и инструментального обеспечения процессов анализа и синтеза функциональ-ных подсистем и системно-структурной организации эффективных распреде-ленных систем мониторинга научно-технического потенциала, обеспечи-вающих принятие решений в социально-экономической и организационной подсистемах регионов.

Информационно-методологическое обеспечение по организации ре-гионального мониторинга научно-технической сферы представляется в виде взаимоувязанного объединения моделей, методов решения оптимизационных задач, ее постановки с учетом специфических ограничений, и алгоритмиза-ции процессов в них.

Инструментальное обеспечение включает в себя модели, базы данных, алгоритмические, программные и технические средства регионального мони-торинга.

Для достижения поставленной поставлены и решены следующие зада-чи:

1. Проведен анализ состояния проблемы систем мониторинга распре-деленных организационно-технических типовых систем регионального мас-штаба.

2. Определены организационно-технические и экономические пути по-вышения эффективности функционирования системы мониторинга научно-технических систем.

3. Разработана обобщенная модель региональной научно-технической системы, учитывающая ограничения на общий объем наблюдений при при-нятии решений.

4. Осуществлена оптимизация региональной системы мониторинга для обеспечения средне- и долгосрочного планирования наблюдений за состоя-нием распределенных научно-технических объектов при ограничениях на ре-сурсы.

5. Осуществлена постановка и алгоритмизация решения задач оптими-зации мониторинга, обеспечивающих актуализацию данных при принятии решений.

6. Разработана концептуальная модель структурно-функциональной организации и обоснованы внешнесистемные характеристики системы мони-торинга для подготовки принятия решений по управлению научно-технической сферой типового региона.

7. Разработаны реализационные основы единой распределенной базы данных и ее телекоммуникационных компонент и организационно-

СПИ-АС-2009

361

технические инструменты реализации системы мониторинга.

Говорский А.Э., Жданов Н.Ф. ПРОГРАММНЫЕ КОМПОНЕНТЫ ПРОЕКТИРОВАНИЯ

НЕОДНОРОДНЫХ ИНФОРМАЦИОННО-ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ С ГЕТЕРОГЕННОЙ

ПЕРЕДАЮЩЕЙ СРЕДОЙ При проектировании рассматриваемого типа систем с различным

структурным построением необходимо применение аппарата математическо-го моделирования для проведения имитационных исследований, позволяю-щего наиболее рационально организовать этап разработки с переходом к возможности автоматизированного проектирования [1, 2].

С течением времени возникает необходимость в смене типов оборудо-вания, введении интеллектуальных терминальных систем пользователей и др. [3, 4]. Динамика окружающей внешней среды, в которой работает система, может привести к перемещению оборудования, изменению географии систе-мы, реконфигурации кабелей связи. При установке новых систем пользовате-ли первоначально не требуют взаимодействия с другими системами, однако позже такое требование возникает. Соответствующая модернизация включа-ет изменение в топологии, аппаратном и программном обеспечении системы. При изменении интенсивности входящих потоков требуется изменение пара-метров протоколов и др. эксплуатационных характеристик, поэтому разрабо-танная программная система РНСИС включает возможности настройки ос-новных параметров для определения вероятностно-временных характеристик (ВВХ) системы.

Программа математического моделирования РНСИС разработана с ис-пользованием Borland Delphi 7 и пакетом прямого доступа к данным TDbf 6. Данное программное средство позволяет произвести численный эксперимент по имитационному моделированию различных по структуре систем с инте-грацией служб.

В программе решаются взаимосвязанные научно-технические задачи, встающие перед разработчиками при расширении, модернизации и реконфи-гурации подобных систем, направленные на создание оптимальной конфигу-рации [5]. Учитываются как основные характеристики систем, так и ограни-чения, накладываемые характером трафика, структурой систем и проч. фак-торами. Определяется загрузка буферов системы при изменении конфигура-ции одной из подсистем. Отслеживаются изменения загрузки буферов систе-мы при варьировании эксплуатационных параметров [6].

Реализована возможность изменения исходных параметров подсистем, входящих в единую интегральную систему, а также ограничений, определяе-мых гетерогенностью применяемых в системе протоколов, неоднородностью

СПИ-АС-2009

362

передающих сред, типами трафика, требованиями заказчика и рядом др. фак-торов.

Программа обеспечивает следующие возможности: • выбор и изменение параметров протокольных блоков обмена инфор-

мацией; • учет и изменение конфигурации системы, включая территорию об-

служивания мобильных абонентов и дальность кабельной системы; • выбор и изменение количества абонентов в подсистемах, передающих

разнородный трафик; • оценку влияния изменения вероятности появления абонентов различ-

ных типов трафика в системе; • оценку влияния изменения удельной абонентской нагрузки в подсис-

темах; • учет качества применяемого каналообразующего оборудования (ве-

роятность ошибки в среде передачи); • получение вероятностно-временных характеристик системы; • моделирование загрузки буферов в зависимости от конфигурации

системы и типа трафика; • определение работоспособности системы в зависимости от конфигу-

рации, загрузки, характера трафика и др. Хранение исходных и рассчитанных данных осуществляется в файле

формата DBF 3 без индексирования. В программе предусмотрена возмож-ность построчного удаления результатов расчета, с последующим сжатием хранимых данных. Рассчитанные данные хранятся в одной записи с исход-ными параметрами, с которыми производился расчет. Данная методика хра-нения данных необходима для последующего анализа во внешних системах графического отображения.

На рис. 1 представлена модульная структура ПО, включающая в себя 4 раздела, отвечающих за ввод исходных данных, расчёт выходных парамет-ров, вывод и хранение полученных результатов и обработку ошибок.

Полученные результаты могут быть проанализированы в любой внеш-ней среде, поддерживающей импорт данных из файлов формата DBF 3 и ра-боту с ними, например в Microsoft Excel.

Результаты расчета ВВХ системы подвергаются проверке на соответст-вие ограничениям, налагаемым исходными условиями (типом трафика, ин-тенсивностью, количеством абонентов и др.), ТЗ и требованиям заказчика. Проводимый далее анализ полученных результатов использует расчетные значения ВВХ системы для выбора оптимального решения построения и ре-жима работы системы.

Программная система обеспечивает: • процесс приема вводимых параметров системы; • процесс определения ВВХ в заданном режиме работы;

СПИ-АС-2009

363

• процесс визуального отображения введенных параметров и рассчи-танных характеристик системы;

• процесс сохранения результатов расчета.

Рис. 1. Модульная структура ПО Программная система проста в эксплуатации, в функции обслуживаю-

щего персонала входит: • выбор режима функционирования системы; • выбор и корректировка конфигурации системы; • выбор параметров подсистем и ввод их с клавиатуры; • анализ значения параметров и ВВХ системы; • оценка влияния изменения ВВХ системы в зависимости от конфигу-

рационных параметров, загрузки и режима работы системы; • принятие решений по выбору оптимальных структур (конфигура-

ций), параметров и режимов работы системы. Интуитивно понятный интерфейс работы с программой обеспечивает

простоту обслуживания и легкость в обучении персонала. Программная система РНСИС позволяет автоматизировать процесс

проектирования подобных систем, определяя их характеристики и динамику их изменения в зависимости от загрузки, характера трафика и проч.

СПИ-АС-2009

364

Список использованных источников 1. Авен О.И., Гурин Н.Н., Коган Я.А. Оценка качества и оптимизация

вычислительных систем. – М.: Наука, 1982. 2. Адлер Ю.П., Грановский Ю.В., Маркова С.В. Планирование экспе-

римента при поиске оптимальных условий. – М.: Наука, 1976. 3. Мартин Дж. Вычислительные сети и распределенная обработка дан-

ных: программное обеспечение, методы и архитектура. / Пер. с англ.; - Вып. 1. – М.: Финансы и статистика, 1985. – 256 с.

4. Системное проектирование интегрированных программных ком-плексов/ Под ред. В.М. Пономарева. – Л.: Машиностроение, 1996. – 336 с.

5. Анализ и синтез сложных технических систем. В 2-х ч., ч.1. – М.: Воениздат, 1995. – 401 с.

6. Корбут А.А., Финкельштейн Ю.Ю. Приближенные методы дис-кретного программирования. // Изв. АН СССР: Техн. Кибернетика, 1963, 1. С. 165-176.

Гольдштейн М.Л. “ПРОСТЫЕ” РЕШЕНИЯ ДЛЯ СУПЕРКОМПЬЮТЕРА

ТЕРАФЛОПНОГО УРОВНЯ mlg@imm.uran.ru

На российском вычислительном пространстве уровень производитель-

ности в (1-100)х1012 операций в секунду над вещественными числами с двой-ной точностью стал обыденностью (см. список ТОР 50). При этом в качестве ключевых описателей архитектуры суперкомпьютеров (СК) этого диапазона производительности можно выделить. По Hardware: - массивно-параллельная система (MMP) кластерного типа; - широкодоступные двух- и четырехъя-дерные микропроцессоры фирм Intel, AMD, IBM и др.; - двух- и четырехпро-цессорные вычислительные модули (ВМ) в виде стоечных или блейд-серверов; - сетевые технологии InfiniBand для формирования коммуникаци-онной счетной среды и GigaBit Ethernet для среды ввода/вывода; - сеть мони-торинга и управления, либо реальная на средствах технологии Ethernet, либо виртуальная. По Software: - операционные системы ВМ - Scientific Linux, на-пример, RedHat Enterprise Linux 5, Microsoft Windows Compute Cluster Server с поддержкой SMP; - операционная среда параллельного программирования MPI для IB; - средства параллельного программирования; - программные средства коммуникационных сетей InfiniBand, Ethernet; - инструментальные программные средства разработки системного и прикладного программного обеспечения; - программные средства для сбора данных о функционировании всех узлов системы по протоколу SNMP и удаленной перезагрузки ВМ при сбое операционной системы. Состав прикладного ПО, без которого востре-бованность СК будет достаточно мала, определяется типом решаемых задач. При этом следует отметить значительную стоимость таких специализирован-ных программных пакетов. Например, пакеты Mathworks MATLAB или

СПИ-АС-2009

365

ANSYS Multiphysics with Parallel Performance for ANSYS достигают стоимо-сти в (2-2,5)млн.руб.

Т.о. перечень “простых” задач, которые необходимо решить в процессе проведения НИОКР можно свести (по крупному) к выбору: - комплектую-щих; - конструктива; - составу системного ПО; - составу прикладного ПО; - оптимальной производительности (действительно востребованной пользова-телями); - объему RAM и дисковой памяти; - электропитанию системы и ее охлаждению. А далее путем интеграции стандартных компонентов можно решать задачи по синтезу как крупных, так и небольших высокопроизводи-тельных кластеров. Так, например, производительность в 1,5 Tflops может быть достаточно легко получена на изделиях фирмы Hewlett-Packard c-Class'а (в частности с7000) на 16-ти двухпроцессорных блейд-серверах типа HP BL460с на базе 64-разрядных четырехъядерных процессоров Intel Xeon 54хх с тактовой частотой 3,0 ГГц. Высокая производительность, низкое энер-гопотребление, большой объём памяти и большое количество портов вво-да/вывода делают такое решение оптимальным для создания высокопроизво-дительных систем высокой плотности. При этом габариты такого СК при-ближаются к размерам настольной рабочей станции. Такой производительно-сти достаточно для решения широкого круга научных и прикладных задач. И дальнейшее наращивание вычислительной мощности, как правило, оправда-но необходимостью решения серьезных научных задач. При этом надо отме-тить, что система масштабируемая и ее расширение требует “только” кор-ректных решений по выбору архитектуры счетной коммуникационной среды.

С одной стороны все это выглядит так, как будто формирование СК тривиальная задача, которая может быть решена достаточно “простыми” и довольно распространенными техническими решениями и средствами. С другой стороны, как показывает практика, создание современной вычисли-тельной техники (ВТ) сегодня идет по индивидуальному и зачастую непро-стому пути. Поскольку даже при простейшей (2-3 уровня) декомпозиции пе-речисленных технических решений в (2-3) узла по каждому описателю мы выходим на значительные размерности модельных и проектировочных за-дач. Требования, предъявляемые к ВТ терафлопного и уже петафлопного уровня, определяются спецификой решаемых задач и объемом реально-возможного финансирования. При этом в процессе формирования СК необ-ходимо решать задачи на системном, профильном и организационном уров-нях. Каждое такое решение приводит к созданию уникальной вычислитель-ной системы. Только такой подход, через проведение индивидуальной НИОКР, позволяет достичь желаемого результата. При этом под желаемым результатом мы понимаем не только создание сбалансированного СК с высо-кими показателями производительность/стоимость, производительность/ по-требляемая мощность и т.п., а создание инструментальной среды, способной решать ключевые научно-практические задачи, ведущие к получению новых знаний и информации, обусловливающие научно-технический прогресс в

СПИ-АС-2009

366

экономике и бизнесе.

Зюбин В.Е., Хирин Е. CLIPS – ПРОЦЕСС ОРИЕНТИРОВАННОЕ ПРОГРАММИРОВАНИЕ

НА ЯЗЫКЕ LISP zyubin@iae.nsk.su evgeny.khirin@gmail.com

В настоящее время практически вся промышленная автоматизация реа-

лизуется на цифровых системах управления. В качестве базового элемента систем управления используются программируемые логические контроллеры (ПЛК). ПЛК функционируют в соответствии с заданным управляющим алго-ритмом (УА). УА для ПЛК имеют исключительно программную реализацию.

Создание программ для ПЛК возможно только при наличии формаль-ных языков и методик, само существование которых предполагает серьезный теоретический базис (модель УА, понятийный аппарат, терминология), отра-жающий следующую специфику задач автоматизации [1]:

• наличие внешней по отношению к алгоритму среды – объекта управления (ОУ);

• цикличность функционирования УА; • присущую задаче управления событийность; • необходимость синхронизации функционирования УА с физиче-

скими процессами на ОУ (служба времени); • параллелизм физических процессов на ОУ. В качестве формальной модели сложного алгоритма управления, отра-

жающей специфику задач автоматизации, была предложена модель гипер-процесса (или гиперавтомата) [1]. В рамках этой модели управляющий алго-ритм организуется как множество взаимодействующих друг с другом про-цессов – расширенного варианта конечных автоматов. По сравнению с ко-нечным автоматом процессы имеют дополнительные механизмы для органи-зации совместного и параллельного исполнения, а также средства синхрони-зации своего исполнения – возможность манипуляции с временными интер-валами, паузами, задержками, таймаутами.

Модель гиперпроцесса была использована при создании Си-подобного языка Рефлекс. В отличие от языка Си, где программы строятся как иерархия функций, базовое понятие языка Рефлекс – процесс. Программа на языке Рефлекс –множество параллельно исполняемых процессов, которые могут запускать друг друга, останавливать и контролировать текущее состояние.

Опыт применения языка Рефлекс на широком спектре задач промыш-ленной автоматизации и полученные результаты свидетельствуют о его вы-соких эксплуатационных характеристиках [2].

При использовании языка Рефлекс на практике было обнаружено: а) существенное разложение программы в виде параллельно исполняе-

мых взаимодействующих процессов (в реальных задачах число таких про-

СПИ-АС-2009

367

цессов достигало тысячи); б) возможность создания программных иерархий, отражающих естест-

венное представление технологов об автоматизируемых производственных технологиях;

в) богатство возможных стратегий и приемов, не имеющих аналогов в других областях программирования.

Это позволяет говорить о новом стиле программирования, которое бы-ло названо процесс ориентированным программированием.

В связи с этим возникает вопрос о границах применимости процесс ориентированного программирования. Поскольку свойства, заложенные в модель гиперпроцесса, предполагают параллелизм исполнения независимых процессов, то модель может оказаться полезной и в других областях про-граммирования:

• как средство организации кооперативной многозадачности и как аль-тернатива многопоточной многозадачности в системном программировании;

• как средство программирования систем массового обслуживания. Кроме того, поскольку логически параллельные структуры процессов

хорошо ложатся на физически параллельные топологии, то модель гиперпро-цесса может показать неплохие результаты при использовании в задачах па-раллельного программирования, в частности, программирования алгоритмов для многоядерных процессов.

Для проверки выдвинутой гипотезы была выбрана задача создания се-тевой файловой системы в ОС Linux. Язык Рефлекс было решено не исполь-зовать, поскольку это предполагает существенную доработку языка Рефлекс, связанную с его переориентацией на задачи системного программирования.

В качестве базового языка было решено использовать язык Lisp и адап-тировать его к стилю процесс ориентированного программирования. Lisp не имеет жесткой привязки к определенному стилю программирования и допус-кает расширение своего синтаксиса штатными средствами языка. Известный пример такого расширения – объектно-ориентированное расширение Lisp (CLOS).

Процесс ориентированное расширение языка Lisp было названо Com-mon Lisp Process System (CLIPS).

Среди существенных отличий CLIPS от языка Рефлекс: • возможность передачи параметров процессу при вызове; • отказ от синтаксических конструкций привязки переменных к интер-

фейсной аппаратуре; • англоязычный синтаксис. В рамках создания CLIPS было решено отказаться от фиксированного

периода активизации гиперпроцесса по следующим соображениям. Фиксированный цикл гиперпроцесса обеспечивает высокий уровень

детерминизма системы, однако накладывает дополнительные ограничения, которые выражаются и в необходимости выполнения гипотезы совершенного

СПИ-АС-2009

368

синхронизма [3], и в неэффективном использовании процессорного времени (после исполнения инструкций гиперавтомат простаивает, ожидая следую-щего периода активизации).

В системных задачах высокая степень детерминизма не требуется, а вот неэффективное использование вычислительных ресурсов крайне нежела-тельно.

В связи с этим было предложено смягчить условие на фиксированный период активизации в модели гиперпроцесса. Также было предложено изме-нить алгоритм подсчета времени процесса в текущем состоянии. В отличие от реализации, когда при смене функции-состояния счетчик времени обнуля-ется, было решено использовать системное время. В момент активизации ги-перпроцесса в выделенной ячейке фиксируется значение системного време-ни, которое используется в дальнейшем. При смене состояния в слове-состоянии процесса фиксируется системное время активизации гиперпроцес-са. Наступление таймаута вычисляется по разнице значения времени в слове-состоянии процесса и значения системного времени активизации гиперпро-цесса.

Предложенный подход существенно сокращает накладные расходы, связанные с обработкой слов-состояний процессов, минимизирует обраще-ния к системным функциям и позволяет снять ограничения, обусловленные гипотезой совершенного синхронизма.

В настоящее время реализована базовая функциональность и ведется отладка CLIPS. Также планируется протестировать предложенную систему организации службы времени и по результатам принять решение о внедрении новой системы в кодогенератор языка Рефлекс.

Список использованных источников

1. Зюбин В.Е. Язык Рефлекс. Математическая модель алгоритмов управления// Датчики и системы, 5, 2006. С. 24 – 30

2. Зюбин В. Е. «Си с процессами»: язык программирования логических контроллеров// Мехатроника, 12, 2006. С. 31 – 35

3. Kof L., Schätz B. Combining Aspects of Reactive Systems. In: Proc. of Andrei Ershov Fifth Int. Conf. Perspectives of System Informatics. Novosibirsk (2003) 239-243.

Ластовецкая Ю.В. РАЗРАБОТКА КЛАСТЕРНОЙ СИСТЕМЫ ПОД УПРАВЛЕНИЕМ ОС

LINUX lebedenko_eugene@mail.ru

Тема увеличения скорости вычислений весьма актуальна для всех тех,

чья деятельность связана с большим объемом вычислительных работ. Но у большинства российских университетов чаще всего нет средств для закупки

СПИ-АС-2009

369

мощных компьютеров типа nCube, Cray или подобных. Однако с развитием программного обеспечения и появлением свободно распространяемой опера-ционной системы Linux стало возможным создать вычислительный комплекс с эффективным быстродействием, сравнимым с быстродействием суперком-пьютеров, но со стоимостью, в десятки раз меньшей.

Кластерная система обычно состоит из одного серверного узла и одно-го или более клиентских узлов, соединенных при помощи Ethernet. Она по-строена из готовых промышленных компонентов, на которых может работать ОС Linux, стандартных адаптеров Ethernet и коммутаторов. Серверный узел управляет всем кластером и является файл-сервером для клиентских узлов. Он также является консолью кластера и шлюзом во внешнюю сеть.

Описание кластера выполняется не командами системы, а посредством редактирования соответствующего конфигурационного файла. Для Linux-системы это файл /usr/local/rapich-1.2.6/ch_p4/share/machines.LINUX. Этот файл содержит простое перечисление компьютеров, входящих в кластер. В файле может использоваться краткое имя узла, доменное имя узла, IP-адрес.

Прежде чем МР1-программы могут быть запущены на исполнение, в систему кластера должна быть установлена виртуальная машина LAM.

Он может состоять как из нескольких машин, так и из одной машины. LAM описывается в файле схемы загрузки (boot schema file), который

содержит информацию о том, какие рабочие станции входят в виртуальную машину.

Посмотреть текущую конфигурацию кластера можно с помощью ко-манды lamnodes, остановить LAM можно командой lamhalt.

Кластерная система на базе промышленных компьютеров является доступным решением для большинства высших учебных заведений, которым требуются вычислительные ресурсы с высокой мощностью, а установка Linux в качестве управляющей операционной системы позволит получить полностью прозрачную кластерную среду с гибкой системой настройки.

Лебеденко Е.В. ТЕХНОЛОГИИ САМООРГАНИЗАЦИИ В РАСПРЕДЕЛЕННЫХ

ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ. ПЕРСПЕКТИВЫ ИССЛЕДОВАНИЯ

lebedenko_eugene@mail.ru Совершенствование распределенных вычислительных и информацион-

ных систем определяет развитие множества отраслей промышленности, тор-говли, финансовой сферы и научных исследований. Являясь фундаментом организации множества бизнес-процессов, технологии распределенной обра-ботки информации должны обеспечивать высочайшую эффективность по по-казателям оперативности, надежности и ресурсоемкости.

СПИ-АС-2009

370

Безусловно, направления, связанные с повышением производительно-сти, надежности и отказоустойчивости аппаратных компонентов таких сис-тем, а также направления, связанные с их эффективным администрированием являются важными. Однако, еще одним приоритетным направлением иссле-дований является рассмотрение вопросов, связанных с самоорганизацией и самоуправлением в подобных системах. Так, компания IBM ведет разработки в области самоуправляемых вычислительных систем eLiza и формулирует свойства подобных систем: самоидентификация, автоматическое переконфи-гурирование, стремление оптимизироваться, способность к самовосстановле-нию, защита от деструктивных воздействий, взаимодействие с внешним ок-ружением, открытость стандартов, способность самостоятельно распоря-жаться собственными ресурсами.

На основе разработок проекта eLiza компания IBM выпустила несколь-ко самостоятельных продуктов, реализующих принципы самоуправления в вычислительных системах. Среди них стоит отметить технологию Intelligent Resource Director, позволяющую автоматически распределять вычислитель-ные ресурсы между задачами в зависимости от их запросов и приоритета. В мейнфреймах IBM моделей eServer p620 и p660 используется технология Chipkill, позволяющая практически исключить вероятность сбоев памяти.

Важным направлением исследования самоорганизующихся распреде-ленных вычислительных систем является противодействие ботнет сетям, в частности системам массово рассылки спама. Исследования компаний, зани-мающихся безопасностью информационных систем, косвенно подтверждают, что последние разработки ботнет (например, Storm, Kraken, Srizbi, Rustok) используют методы самоорганизации и самоуправления. Разработка и иссле-дование моделей организации и поведения таких систем также являются весьма актуальными.

Орлов А.В. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ АВТОМАТИЗАЦИИ

ПЛАНИРОВАНИЯ ДОСТАВКИ ПРОДУКЦИИ skrom@nm.ru

Развитие региональных торгово-сбытовых сетей, возрастание затрат

(капитальных и текущих) на перевозку грузов, ограниченность в ресурсах объясняет рост интереса как крупных, так и относительно небольших компа-ний к программным продуктам, позволяющим повысить эффективность ра-боты персонала и автотранспорта за счет автоматизированной подготовки плана доставки продукции. Данное программное обеспечение позволяет оп-тимально распределить заявки между транспортными средствами, спланиро-вать маршруты доставки, соответствующие критериям оптимальности (длина пробега, время на маршруте, расход ГСМ), подготовить сопроводительную

СПИ-АС-2009

371

документацию. Поступающая информация должна содержать следующие данные: объем заказа, вес заказа, адрес доставки, оговоренное время достав-ки товара к клиенту, тип разгрузки товара у клиента, вид оплаты (наличные средства или безналичный расчет), продолжительность разгрузки, количест-во автомобилей и их характеристики (грузоподъемность, объем кузова, соб-ственный или арендованный, максимально допустимый пробег за рейс и в день, максимально допустимая продолжительность рейса, тип разгрузки ав-томобиля).

Среди подобных программ можно выделить следующие: 1. "Управление доставкой" компании «Нова». Сайт производителя

http://www.nova-it.ru. Решает проблемы оптимизации маршрута посещения адресов, оптимальной загрузки транспорта. Плюсы: привычный пользовате-лям продуктов фирмы 1С интерфейс, легкость интеграции с другими продук-тами 1С:Предприятие 8, автоматическое отнесение адреса к существующим районам транспортной доступности, создание сопроводительных докумен-тов, возможность планирования заданий, не связанных с доставкой товара (получение денежных средств или документов), гибкость конфигурирования в версии «ПРОФ+», предупреждения о раннем прибытии или опоздании и сопровождение рейсов в пути (в случае покупки модуля GPS контроля транспорта), возможность расширения функционала дополнительными мо-дулями. Минусы: необходимость покупки лицензии на 1С:Предприятие 8 "Управление торговлей" помимо самой программы, необходимость покупки лицензии на "Автоматическое распределение товаров" при автоматическом формировании, необходимость покупки лицензии на каждое дополнительное рабочее место, необходимость покупки карты региона у сторонней компании («ИНГИТ»), отсутствие демо-версии, отсутствие в версии «ПРОФ» возмож-ности работы с картами.

2. ОПТИМУМ ГИС: Доставка компании CDC. Сайт производителя http://www.cdc.ru. Модуль предназначен для решения задач по автоматиче-скому созданию маршрутов доставки товаров и мониторингу визитов и GPS-данных водителей доставки. Плюсы: учет возврата на склад для дозагрузки, возможность расширения функционала дополнительными модулями. Мину-сы: не является самостоятельным решением, необходимость покупки карты региона у сторонней компании, малая информативность сайта разработчика, отсутствие информации о стоимости на сайте разработчика, отсутствие демо-версии.

3. АNTOR LogisticsMaster компании АNTOR. Сайт производителя http://www.antor.ru. Позволяет автоматизировать процессы управления пере-возками и планирования маршрутов. Плюсы: лёгкость интеграции с корпора-тивной системой предприятия, создание сопроводительных документов, воз-можность расширения функционала дополнительными модулями. Минусы: отсутствие демо-версии, сложность привязки карты региона и как следствие

СПИ-АС-2009

372

необходимость покупки карты региона у разработчика, высокая стоимость внедрения.

4. Программный комплекс «Деловая карта» компании "Программы для бизнеса". Сайт производителя http://www.wbp-sar.ru. Предназначен для автоматизации работы логистов по формированию маршрутов развоза това-ров. Плюсы: наличие в комплекте поставки карты всех крупных городов Рос-сии, оптимизация движения с учетом дорожных знаков, автоматическая при-вязка адреса к существующим районам транспортной доступности, возмож-ность самостоятельно совершенствовать адресную систему, создание сопро-водительных документов, легкость разметки карты, возможность распечатать картографические данные маршрута. Минусы: отсутствие демо-версии, от-сутствие информации о стоимости на сайте разработчика, большая вероят-ность отсутствия карты небольшого города в комплекте поставки и как след-ствие невозможность работы с программой.

5. Программный продукт «ЛОГИСТИК», разработанный в ДАТА+ с использованием алгоритмов оптимизации, предоставленных специалистами Мехмата МГУ. Сайт производителя http://www.dataplus.ru. Предназначен для расчета оптимального маршрута движения автотранспорта. Плюсы: Форматы входных и выходных данных модуля Логистик полностью открыты и на-страиваются на нужды пользователя, возможность редактировать атрибуты графа дорог, возможность выбора критерия оптимальности маршрута, нали-чие демо-версии. Минусы: отсутствие надежных электронных карт на терри-торию даже Европейской части Российской Федерации (только Москвы и Санкт-Петербурга), отсутствие информации о стоимости на сайте разработ-чика.

Проведенный анализ показывает, что существующие программные комплексы не лишены недостатков и компаниям-разработчикам есть еще над чем работать.

Пунин Н.Г., Платонова В.Л.

АСПЕКТЫ ИССЛЕДОВАНИЯ БЕЗОПАСНОСТИ СЕТЕВЫХ СИСТЕМ nicolay_p@mail.ru

Сетевые информационные системы относятся к числу систем, разви-

вающихся чрезвычайно быстрыми темпами. В этих условиях обеспечение безопасности сетевых систем становится актуальной проблемой.

В целях исследования безопасности сетевых систем, применяют метод имитационного моделирования, который позволяет исследовать систему, ис-пользуя ее математическую модель.

Безопасность сетевой системы напрямую зависит от протекающих в ней процессов. Таким образом, моделирование информационных процессов позволит оценить безопасность сетевой системы в целом.

Структурная схема исследования информационных процессов сетевой

СПИ-АС-2009

373

системы представлена на рис. 1. Основной частью схемы является модель информационных процессов системы (блок 6). Пользователь (блок 1) задает информацию о структуре сетевой системы и процессах в ней протекающих, которая обрабатывается в блоке 4, формируя параметры модели информаци-онной системы. Кроме того пользователь выбирает типы угроз, исходя из требований безопасности. Для каждого типа угроз предусмотрена соответст-вующая модель (блок 2). В блоке 5 происходит формирование входных па-раметров модели информационных процессов, характеризующие выбранные типы угроз.

Рис.1. Схема моделирования информационных процессов В результате работы модели (блок 6) получаем данные, которые далее

анализируются в блоке 7 и подаются на вход в блок 8. Блок принятия реше-ний и синтеза рекомендаций (блок 8) решает следующие задачи: анализ вкладов различных факторов в достижении необходимого уровня информа-ционной безопасности; формирование рекомендаций для повышения уровня информационной безопасности сетевой системы; принятие решения о допус-тимости практического использования сетевой системы.

Для реализации предложенной схемы, на первом этапе необходимо разработать модель информационных процессов протекающих в сетевой сис-теме, модели угроз, а также определить структуру информации, вводимой пользователем.

Список использованных источников

1. Галатенко В.А. Основы информационной безопасности. М.: ИНТУИТ.ру, 2005. 208 с.

2. Галатенко В.А. Стандарты информационной безопасности. М.: ИНТУИТ.ру, 2005. 264 с.

СПИ-АС-2009

374

Ральников М.А., Пузиков Д.П. ПОДХОДЫ К ОРГАНИЗАЦИИ АСИНХРОННОЙ ПЕРЕДАЧИ ДАННЫХ

В ДИНАМИЧЕСКИХ WEB-КОМПОНЕНТАХ maxim@ralnikov.com d.puzikov@ramedia.ru

Развитие Web-технологий, появление большого числа интернет-

ресурсов, объединенных некоторыми общими принципами, общая тенденция развития интернет-сообщества привели к формированию новой концепции развития WWW – Web 2.0. Согласно ей пользователи активно участвуют в наполнении и развитии ресурса, а WWW используется в качестве платфор-

мы. Важной чертой web-приложений нового поколения является динамический интер-фейс, по своей функциональ-ности и интерактивности приближающийся к интерфей-су настольных приложений (рис. 1). Т.к. базовый набор компонентов клиентской платформы (web-браузер) очень мал, разработчикам са-мим необходимо разрабаты-вать различные интерактив-ные, динамические элементы

интерфейса. Такие компоненты реализуются по технологии асинхронного взаимодействия AJAX (Asynchronous Javascript And XML). Их особенностью является то, что при инициализации они содержат минимальный набор дан-ных, а при взаимодействии с пользователем динамически изменяли свою структуру и асинхронно обменивались данными с сервером (рис. 2).

В общем плане разработка подобных компонентов состоит из 3 этапов: 1. разработка клиентской составляющей компонента; 2. разработка серверной логики; 3. реализация интерфейса взаимодействия клиентского модуля с сер-

вером. В данной статье мы рассмотрим способы реализации клиентского мо-

дуля компонента с серверной логикой. В своей работе в качестве серверной платформы мы используем Microsoft ASP.Net 2.0.

В настоящее время для реализации асинхронного взаимодействия в браузерах имеется только один способ – использование объекта XMLHttpRe-quest, на котором и основана технология AJAX. При его использовании не-обходимо рассмотреть 2 аспекта:

1. Кодирование данных при передаче. 2. Способ реализации запроса.

Рис. 1. Современное web-приложение Google Maps

СПИ-АС-2009

375

Основным ограничением при использовании XMLHttpRequest является тот факт, что запрос клиентской стороны должен быть представлен в виде одиночной текстовой строки, ответ сервера также состоит из одной строки. Возникает проблема представления данных в запросе клиента и ответе серве-ра, поэтому необходимо разработать методы сериализации и десериализации данных.

Существуют 3 основных способа представления данных:

1. обычный текстовый формат с разделителями (Tex-tOnly);

2. текстовый формат JSON (JavaScript Object Notation);

3. формат представления данных при реализации web служб SOAP.

При первом способе дан-ные следуют в строке друг за другом и отделены друг от друга разделителем. Разделителем яв-ляется определенный символ (на-пример, символ «0», вертикаль-ная черта «|» и т.д.) или комбина-ция символов (двойная черта «||»), которые определяется раз-работчиком. При этом возникает

ограничение на использование этих символов, т.к. передаваемые данные не должны их содержать. Работа с данными, представленными в таком виде не представляет особых трудностей, т.к. формирование строки в таком формате выполняется элементарно, а выделение элементов данных из строки может быть выполнено стандартными функциями, имеющимися как в языке JavaScript (для клиентской стороны), так и в C# (для серверной стороны). При этом не требуется использование сторонних функций, не имеющихся по умолчанию в инструментарии разработчика. Такой способ наиболее компак-тен, т.к. количество избыточных данных при передаче минимально (избы-точны только символы разделения). Он хорошо подходит для передачи обычного текста, различных списков (например, элементов выпадающего списка и т.д.). Например, строка, содержащая данные об элементах какого либо списка, может выглядеть так:

СодержимоеЭлемента1 | СодержимоеЭлемента2 | … Разделителем является символ «|». При получении ответа браузером

функция обработки разделяет строку на составляющие ее элементы, которые затем отображаются в списке. Несложно реализуется сериализация и десе-

Рис. 2. Общая схема работы AJAX-приложения

СПИ-АС-2009

376

риализация чуть более сложных объектов, которые содержат несколько свойств:

Text1 | Value1 | Hint1 || Text2 | Value2 | Hint2 || … Свойства одного объекта отделяются разделителем «|», объекты – раз-

делителем «||». Обработка ответа происходит в два этапа. Сначала строка разделяется на коллекцию строк, в каждой из которых содержится весь набор свойств одного объекта. Затем последовательно обрабатывается каждый эле-мент этой коллекции, из которого выделяются свойства. Недостаток такого метода проявляется тогда, когда свойства обрабатываемого объекта сами оказываются объектами, а не данными простых типов. В этом случае функ-ции обработки существенно усложняются, причем нагрузка на их реализа-цию попадает непосредственно на разработчика компонента.

Второй способ представления данных в виде строки – использование формата JSON. JSON – это легкий формат обмена данными. Отличительной чертой является то, что он легкочитаем для человека. Формат легко обраба-тывается и генерируется программами. Он основан на языке JavaScript, Stan-dard ECMA-262 3rd Edition — December 1999.

JSON – текстовый формат, не зависящий от языка программирования. В нем используются соглашения близкие к Си-подобным языкам (C, C++, C#, JavaScript и т.д.). JSON строится на двух структурах:

− набор пар имя/значение. В различных языках это реализовано как объект, запись, структура, словарь, хеш-таблица, список с ключом или ассо-циативный массив.

− упорядоченный список значений. Во многих языках это реализовано как массив, вектор, список, или последовательность.

Это универсальные структуры данных. Теоретически все современные языки программирования поддерживают их в одной или другой форме. Так как JSON используется для обмена данными между различными языками программирования, то имеет смысл строить его на этих структурах. В сле-дующем примере показано использование JSON при описании объекта:

"firstName": "Иван", "lastName": "Иванов", "address": "streetAddress": "Московское ш., 101, кв.101", "city": "Ленинград", "postalCode": 101101 , "phoneNumbers": [ "812 123-1234", "916 123-4567" ]

СПИ-АС-2009

377

Формат JSON более всего подходит для представления структурных данных, содержащих логически разнородную информацию, так как экземп-ляры объектов (как показано в примере).

Данный формат более сложный по сравнению с первым. Он является структурированным, что повышает качество работы при его применении, но при этом усложняет манипулирование данными.

При этом подходе разработчику необ-ходимо реализовать функции сериализации / десериализации на обеих сторонах (сервер-ной и клиентской), которые являются до-вольно сложными, и их не имеется в стан-дартном наборе функций среды разработки. Программист при этом может воспользо-ваться сторонними библиотеками, в которых реализованы подобные функции. В частно-сти, для платформы ASP.Net 2.0 существует ряд бесплатных библиотек, реализующих преобразование экземпляров произвольных классов в формат JSON и обратно. Что каса-ется клиентской платформы, то здесь можно воспользоваться очень популярной библио-текой Prototype, в которой имеются удобные методы для обработки объектов в формате JSON (кроме того, эта библиотека имеет обширный функционал для реализа-ции клиентского модуля компонента).

SOAP (Simple Object Access Protocol) — протокол обмена структуриро-ванными сообщениями в распределённой вычислительной среде. Протокол используется для обмена произвольными сообщениями в формате XML. Он является одним из стандартов, на которых базируется технологии веб-сервисов. SOAP можно использовать с разными транспортными протокола-ми, включая HTTP, SMTP и т.д. Графическое представление структуры SOAP-сообщения представлено на рис. 3.

Пример SOAP-запроса на сервер интернет-магазина: <soap:Envelope xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/"> <soap:Body> <getProductDetails xmlns="http://warehouse.example.com/ws"> <ProductID>12345</productID> </getProductDetails> </soap:Body> </soap:Envelope> Недостатки данного протокола: - использование SOAP для передачи данных увеличивает объём сооб-

щений и снижает скорость обработки;

Рис. 3. Структура SOAP-сообщения

СПИ-АС-2009

378

- процесс генерации SOAP-сообщения достаточно сложен и создает дополнительную нагрузку на сервер;

- на клиентской платформе нет стандартных средств обработки XML-данных, в популярных js-библиотеках их также нет.

Таким образом, если пересылаемые данные представляют простую ин-формацию, такие как текст, числовые значения или простые коллекции с не-большим количеством элементов (например, коллекция пар значений, число-строка), то удобней использовать простой текстовый формат представления данных, не усложняя логику компонента излишним описанием форматов данных и функций работы с ними. Если необходима пересылка объектов, имеющих сложную структуру и содержащих разнородные данные, то эффек-тивней использовать нотацию JSON. При этом будет реализована четкая ло-гика работы с данными, что позволит избежать проблем при сериализа-ции/десериализации пересылаемых данных.

Теперь рассмотрим способы реализации асинхронных запросов браузе-ра к серверу. При их реализации (в контексте работы в ASP.Net 2.0) возмож-ны три варианта:

1. Стандартный HTTP-запрос по url-адресу. 2. Запрос к веб-службе (WebService). 3. Асинхронный запрос, реализованный в виде клиентского обратного

вызова, механизм которого реализован в ASP.NET. Обычный HTTP-запрос по url-адресу. В клиентском модуле он реали-

зуется на основе объекта XmlHttpRequest виде js-функций: одна создает за-прос, другая получает ответ сервера. В параметрах запроса могут быть указа-ны данные (в определенном формате), необходимые для формирования отве-та сервера. Получив запрос, сервер формирует ответ и отправляет обратно браузеру. В результате запроса клиенту может быть возвращен сформиро-ванный XML-документ, данные формы или простая текстовая строка. На-пример, таким способом можно реализовать обращение к базе данных. Не-достатком является отсутствие контекстной привязки к серверным объектам компонента.

Запрос к веб-службе (WebService). Создание запроса аналогично HTTP-запросу по адресу. В результате ответа клиент получает сформированный службой объект в формате XML, на формирование которого могут влиять параметры, переданные серверу при запросе. Недостатком веб-служб являет-ся отсутствие контекстной привязки к элементам управления при обработке запроса на сервере, меньшая производительность и больший размер сетевого трафика за счет использования текстовых XML-сообщений.

Асинхронный запрос, реализованный в виде клиентского обратного вызова. Среда ASP.NET позволяет выполнять асинхронные запросы в кон-тексте серверного элемента управления, реализующим интерфейс клиентско-го обратного вызова.

Базовая модель клиентского обратного вызова такова:

СПИ-АС-2009

379

1. В некоторой точке возбуждается событие JavaScript, инициирующее обратный вызов.

2. В некоторой точке будет выполнен отдельный метод на сервере. Этот метод имеет фиксированную сигнатуру – принимает единственный строковый аргумент и возвращает единственный строковый аргумент.

3. Как только страница получает отклик от метода серверной стороны, она может использовать код JavaScript для моди-фикации пользователь-ского интерфейса.

Архитектура APS.Net разработана так, что позволяет абстраги-роваться от непосредст-венного процесса ком-муникации клиента и сервера. Разработчику необходимо только опи-сать методы, реализую-щие серверную логику и js-функции, управ-ляющие пользова-тельским интерфейсом в браузере пользователя. Непосредственная реализа-ция запросов лежит на генерируемых ASP.Net функциях.

Схема работы клиентского обратного вызова представлена на рис. 4. Для реализации разработчику необходимо в серверном классе элемента

управления необходимо реализовать интерфейс ICallbackEventHandler, в ме-тодах которого выполняется обработка запроса и формируется ответ сервера. Методы этого интерфейса выполняются в контексте того экземпляра класса, для которого он определен. Таким образом, при обработке запроса на сторо-не сервера разработчик может обращаться к свойствам и методам экземпляра класса, вызвавшего обратный вызов.

Для клиентской части разработчик описывает функции, которые будут сериализовать отправляемые данные, инициировать запрос, обрабатывать ответ и выполнять реакцию компонента в браузере. Чтобы компонент ини-циализировал отправку данных, используется метод GetPostBackEventReference, формирующий клиентский скрипт, который ин-ициирует отправку данных обратно и предоставляет ссылку на элемент управления, инициализировавший событие отправки данных обратно.

Для реализации стандартного метода обратной отсылки страницы (postback) в серверном классе реализуются 2 интерфейса: IPostBack-DataHandler и IPostbackEventHandler. Они отвечают за обработку данных компонентом при возврате страницы и генерацию соответствующих собы-

Рис. 4. Схема работы клиентского обратного вызова

СПИ-АС-2009

380

тий. Таким образом, наиболее целесообразно применять механизм клиент-ских обратных вызовов, имеющийся в ASP.Net 2.0, т.к. при этом обработка запроса на сервере происходит в контексте данного элемента управления, а, кроме того, в передаче участвуют только непосредственно данные.

В данной статье рассмотрены подходы к организации асинхронной пе-редачи данных в динамических web-компонентах, методы представления данных при пересылке, варианты реализации асинхронных запросов в кон-тексте работы в среде ASP.Net 2.0.

Список использованных источников

1. AJAX: новый облик Web. [http://www.i2r.ru 2. SOAP Версия 1.2 Часть 0: Учебник для начинающих. http://

www.w3.org 3. Введение в JSON. http://www.json.org 4. Ajax для профессионалов/ Н. Закас, Дж. Мак-Пик, Д. Фоссет. –

Спб.: Символ-Плюс, 2008. – 488 с. 5. Microsoft ASP.NET 2.0 с примерами на C# 2005 для профессиона-

лов/ М. Мак-Дональд, М. Шпушта – М.: ООО «И.Д. Вильямс», 2006. – 1408 с.

Редькин Ю.В. РАЗРАБОТКА ТЕЛЕМЕТРИЧЕСКОЙ СИСТЕМЫ

СОГЛАСОВАННОГО КОНТРОЛЯ И УПРАВЛЕНИЯ РЕАЛЬНОГО ВРЕМЕНИ

redkin_yura@mail.ru В распределённых SCADA-системах реального времени нередко возни-

кает задача согласованного управления несколькими исполнительными уст-ройствами. Например, управление силовыми установками, работающими па-раллельно на одну общую нагрузку. Особенностью таких систем является необходимость синхронизации времени выполнения команд управления и оцифровки датчиков системы, что существенно отличает их от систем реаль-ного времени общего назначения.

В настоящее время известны две архитектуры телеметрических SCADA-систем реального времени: децентрализованная и централизованная. В обеих архитектурах управление осуществляется технологическими кон-троллерами (ТК), установленными на объектах и объединенными в сеть с помощью сервера системы. В децентрализованной архитектуре контроллеры решают локальные задачи управления, передавая на сервер данные о состоя-нии объектов [1]. Сервер, на основе полученных данных, отслеживает про-цесс управления и генерирует команды, корректирующие работу ТК. Обмен данными между сервером системы и ТК является асинхронным, и реализо-вать согласованное управление в такой системе непросто. В централизован-

СПИ-АС-2009

381

ной архитектуре все управляющие функции сосредоточены на сервере сис-темы, который контролирует состояние ТК и генерирует для них команды управления [2]. Обмен данными с ТК производится синхронно и в системе несложно реализовать согласованное управление. Недостатком является уяз-вимость к помехам в канале связи: уменьшение скорости передачи или крат-ковременный обрыв связи могут привести к фатальному сбою в работе.

Для того чтобы устранить указанные недостатки, была разработана SCADA-система, соединяющая в себе достоинства этих двух архитектур. В этой системе контроллеры, как и в децентрализованной системе, решают за-дачи локального управления исполнительными устройствами по заранее за-данной программе. Центр управления только корректирует их работу, пере-давая контроллерам команды по результатам анализа показаний датчиков ТК. Однако, как и в системе с централизованной архитектурой, корректиров-ка работы ТК и оцифровка датчиков производится синхронно по командам сервера системы. Передача же оцифрованных данных в центр управления выполняется асинхронно. Вследствие этого такую систему можно рассмат-ривать как синхронно-асинхронную (SA SCADA-систему).

Рассмотрим более подробно алгоритм функционирования разработан-ной SA SCADA-системы, осуществляющей согласованный контроль и управ-ление исполнительными устройствами, работающими параллельно. Для обеспечения работы системы в режиме реального времени контроль и управ-ление ТК осуществляется сервером системы с помощью многопоточного программного обеспечения: управляющая программа разветвляется на пото-ки, выполняемые параллельно на многоядерных процессорах, что позволяет значительно ускорить работу системы. Упрощенная структура программного обеспечения SA SCADA-системы, иллюстрирующая алгоритм работы систе-мы, представлена на рис. 1.

Как видно из рис.1, каждому контроллеру системы выделяется свой собственный поток, который контролирует датчики ТК, обрабатывает их по-казания и генерирует команды управления исполнительными устройствами. Переменные состояния датчиков и исполнительных устройств являются гло-бальными. Они модифицируются драйвером после опроса контроллеров и доступны потокам всех ТК (а не одного единственного ТК), чем обеспечива-ется согласованность управления по состоянию всех датчиков системы. Ко-манды управления, генерируемые потоками ТК, также размещаются в облас-ти глобальных переменных, где они доступны драйверу при формировании пакета команд управления системы.

Передача команд управления и оцифровки датчиков осуществляется одновременно всем ТК системы (рис.2), чем обеспечивается жесткая синхро-низация совместно работающих контроллеров (согласованность управления по времени). По командам сервера осуществляется синхронное управление всеми исполнительными устройствами системы, а также синхронная регист-рация данных от всех аналоговых и дискретных датчиков системы. Заметим,

СПИ-АС-2009

382

что время задержки передачи команд по сети мало по отношению к времени их обработки и к скорости контролируемых процессов. Поэтому для обеспе-чения синхронизации определяющим фактором является детерминизм вре-мени передачи сигналов синхронизации и управления, а не сама задержка передачи по каналу связи. Этим обеспечивается высокая точность синхрони-зации функционирования и взаимодействия ТК, согласованно управляющих исполнительными устройствами.

Рис.1. Структура программного обеспечения SA SCADA-системы Передача на сервер данных о состоянии датчиков системы, оцифрован-

ных синхронно, производится контроллерами асинхронно, с фиксированной задержкой, определяемой уникальным кодом ТК, как это показано на рис.3. Этим исключаются конфликты, связанные с занятостью канала связи, при сохранении одновременности контроля состояния датчиков.

Рис.2. Формат пакета управления диспетчерского пункта системы

Рис.3. Пакеты данных от технологических контроллеров системы

СПИ-АС-2009

383

Таким образом, опыт разработки SCADA-систем согласованного кон-троля и управления показал высокую эффективность систем с синхронно-асинхронной архитектурой. В них управление контроллерами и оцифровка датчиков ТК производится синхронно по командам сервера системы, а пере-дача данных на сервер – асинхронно, чем достигается согласованность управления по времени и состоянию. Реализация управляющего программно-го обеспечения сервера в виде потоков, выполняемых параллельно на много-ядерных процессорах, обеспечивает работу системы в режиме реального времени. Полученные результаты можно использовать при разработке теле-метрических систем управления, охранных систем, систем мониторинга и других систем, требующих оперативной реакции на события.

Список использованных источников

1. Плющаев В., Грошева Л., Мерзляков В., Перевезенцев С., Зуев А., Пахомов А. Система дистанционного мониторинга и управления объектами// Современные технологии автоматизации. – 2003. – 2. – С. 6-15.

2. Николайчук О. Схемотехника универсальных технологических кон-троллеров// Схемотехника. – 2001. – 9. – С. 28-30.

Хабаров Е.Н., Кравец О.Я. БОРЬБА С ПЕРЕГРУЗКАМИ В ПРОТОКОЛЕ TCP

enkhabarov@gmail.com Когда в какую-либо сеть поступает больше данных, чем она способна

обработать, в сети образуются заторы. Интернет в этом смысле не является исключением. Хотя сетевой уровень также пытается бороться с перегрузкой, основной вклад в решение этой проблемы, заключающейся в снижении ско-рости передачи данных, осуществляется протоколом TCP.[1]

Регулирование трафика в TCP подразумевает существование двух не-зависимых процессов: контроль доставки, управляемый получателем с по-мощью параметра window, и контроль перегрузки, управляемый отправите-лем с помощью окна перегрузки cwnd (congestion window) и ssthreth (slow start threshold). Первый процесс отслеживает заполнение входного буфера получателя, второй — регистрирует перегрузку канала, а также связанные с этим потери и понижает уровень трафика. В исходный момент времени при установлении соединения cwnd делается равным одному MSS, а ssthreth=65535 байтам. Программа, управляющая пересылкой, никогда не пошлет больше байт, чем это задано cwnd и объявленным получателем зна-чением window. Когда получение очередного блока данных подтверждено, значение cwnd увеличивается. Характер этого увеличения зависит от того, осуществляется ли медленный старт или реализуется режим подавления пе-регрузки. Если cwnd меньше или равно ssthreth, выполняется медленный

СПИ-АС-2009

384

старт,в противном случае осуществляется режим подавление перегрузки. В последнем варианте cwndi+1 = cwndi + MSS/8 +(MSS*MSS)/cwnd. Если воз-никает состояние перегрузки канала значение cwnd снова делается равным одному MSS [2].

Окно перегрузки (cwnd) позволяет согласовать полную загрузку вирту-ального соединения и текущие возможности канала, минимизируя потери па-кетов при перегрузке.

В качестве модуля приращения cwnd используется MSS (а не байт). При получении подтверждения (ACK) окно перегрузки увеличивается на один сегмент ("медленный старт", CWNDi+1 = CWNDi + размер_сегмента; последнее слагаемое нужно, если размер окна задан в октетах, в противном случае вместо него следует использовать 1), и теперь отправитель может по-слать, не дожидаясь ACK, уже два сегмента и т.д. Ширина окна, в конце кон-цов, может стать настолько большой, что ошибка доставки в пределах окна станет заметной. Тогда будет запущена процедура "медленного старта" или другой алгоритм, который определит новое, уменьшенное значение окна. Окно перегрузки позволяет управлять информационным потоком со стороны отправителя, блокируя возможные перегрузки и потери данных в промежу-точных узлах сети. Если переполнения не происходит, CWND становится больше окна, объявленного получателем, и именно последнее будет ограни-чивать поток данных в канале. Размер окна, объявленный получателем, огра-ничивается произведением полосы пропускания канала (бит/с) на RTT (время распространения пакета туда и обратно). Максимально допустимый размер окна в TCP равен 65535 байт (задается размером поля заголовка). Конечной целью регулирования трафика является установление соответствия между темпом передачи и возможностями приема. Причиной перегрузки может быть не только ограниченность размера буфера, но и недостаточная пропу-скная способность какого-то участка канала. С учетом этого обстоятельства каждый отправитель формирует два окна: окно получателя (window) и окно перегрузки (cwnd). Реальное значение ширины скользящего окна равно ми-нимальному из этих величин.[3]

При инициализации соединения окно перегрузки имеет ширину, рав-ную одному MSS. Отправитель посылает сегмент, и если будет прислано подтверждение получения до истечения времени таймаута, размер окна пере-грузки удваивается и посылается два сегмента. При получении подтвержде-ния доставки каждого из сегментов окно перегрузки увеличивается на один сегмент максимальной длины. Таким образом, ширина окна перегрузки по-следовательно удваивается, пока доставка всех сегментов подтверждается. Рост ширины окна перегрузки при этом имеет экспоненциальный характер. Именно эта процедура и называется медленным стартом [4]

Список использованных источников

1. Таненбаум Э. Компьютерные сети, 2008.

СПИ-АС-2009

385

2. Jacobson V. Congestion Avoidance and Control, 1988.

Чернецова Е.А. РАЗРАБОТКА АЛГОРИТМОВ ДОСТУПА СЕНСОРОВ К КАНАЛУ СВЯЗИ, ОПТИМИЗИРУЮЩИХ ВРЕМЯ ЖИЗНИ БЕСПРОВОДНОЙ

СЕТИ МОНИТОРИНГА ВОДНОЙ ПОВЕРХНОСТИ chernetsova@list.ru

Предполагается, что беспроводная сеть мониторинга водной поверхно-

сти состоит из нескольких датчиков, передатчики которых потребляют энер-гию от аккумуляторов и, следовательно, ограничены по мощности. На прие-мопередатчик берегового поста возложены функции канального арбитра, ко-торый решает, какой из датчиков беспроводной сети должен выйти на связь.

Пусть имеется Ni ,...1= состояний радиоканала, характеризующихся возрастающими дискретными значениями отношения сигнал/шум, в соответ-ствии с которыми энергию, требуемую для связи сенсора с береговым постом также можно представить профилем уровней ),...,( 1 Nwww = . Обозначим профиль остаточной энергии аккумуляторов сенсоров как

NiN weeee ≤≤= 11 );,..,( ε , причем минимальное количество энергии, требуе-мое для того, чтобы сенсор вышел на связь с береговым постом равно 1ε . В качестве модели организации связи с береговым постом будем рассматри-вать Марковскую модель [1], согласно которой после того, как выбранный канальным арбитром сенсор заканчивает передачу, сеть мониторинга пере-ходит в новое состояние. Обозначим вероятность перехода сети мониторин-га из состояния ),( wei = в состояние )','( wej = как )(n

ijP . В гомогенной сети мониторинга эта величина зависит от статистик затухания канала связи:

]'[)( 1)'(

nnwIeewn

ij wpP −== (1) где 'Pr)'( wWwpw == -функция вероятности того, что для передачи требу-ется энергия 'w ; функция ][1 x =1, если х истинно и ][1 x =0, если х ложно

В гетерогенной сети мониторинга эта величина является функцией статистик затухания канала связи и приоритета, назначаемого канальным ар-битром: ioritetwpP

nnwIeewn

ij Pr1)'( ]'[)( ∪= −= (1, а)

Поскольку аккумуляторы сенсоров имеют конечное значение началь-ной энергии, а каждый сеанс связи требует ненулевого значения энергии для передачи, сеть мониторинга всегда достигает нерабочего состояния за конеч-ное, но случайное время.

Обозначим возможное количество сеансов связи в сети как ]\[1)],[(

tSSiweR ∈≡ . (2) где S - пространство состояний сети ; tS - нерабочее состояние сети

Величина общего количества сеансов связи достигается в момент пере-

СПИ-АС-2009

386

хода сети в нерабочее состояние, в котором количество сеансов связи R=0, поэтому можно считать, что общее количество сеансов связи представляет собой время жизни сети. Тогда максимальное ожидаемое время жизни сети

)(* iL при начале сеанса связи из состояния ),( wei = может быть определено как единственное решение уравнения оптимальности Беллмана [2]:

SiLPiRiLSj

jn

ijAn ∈∀+= ∑∈

∈ ,max)()( *)(* (3)

где A - область действия сети; *jL - максимальное время жизни сети в со-

стоянии j. Стационарная мера оптимизации времени жизни сети, по которой ка-

нальный арбитр выбирает сенсор для связи с береговым постом может быть записана тогда следующим образом

tSj

nijAn SSijLPi \);(maxarg)( *)( ∈∀= ∑

∈∈µ (4)

Для вычисления меры )(iµ канальному арбитру нужно иметь оценку )(n

ijP . Для этого перед каждым сеансом связи все сенсоры должны передать канальному арбитру пилот-сигналы, по которому он будет оценивать состоя-ние каналов связи. Передача пилот-сигналов также требует затрат энергии сенсорами, поэтому в больших сетях мониторинга при выполнении данного алгоритма могут быть большие потери энергии.

Задача максимизации времени жизни сети требует компромисса между минимизацией энергии, растрачиваемой при каждом сеансе связи и миними-зацией общей неиспользованной энергии, оставшейся в сети, когда она пере-ходит в нерабочее состояние. Поэтому имеет смысл разработать алгоритм опроса датчиков сети канальным арбитром, в котором только один сенсор (выбранный) должен оптимизировать свой уровень энергии для передачи. Для этого применим модель сети, состоящую из N Марковских систем, каж-дая из которых представляет собой изменение состояния сенсора в сети. Рас-смотрим отдельный сенсор n, который будет вести передачи в вероятностью

)(nijP до тех пор, пока сеть не достигнет нерабочего состояния . В этом случае задачу оптимизации времени жизни сети можно сформулировать как макси-мизацию ожидаемого общего количества сеансов связи, прежде чем сенсор n достигнет нерабочего состояния .

Индекс Гиттинса [3] )(inγ состояния i определяется как наименьшая величина общего количества сеансов связи g, при котором оптимальной по-литикой канального арбитра является не выбирать сенсор n для сеанса связи:

PrPr)()(:min)(

1

*

εγγ

−>≤

====nn

nnnngn ew

ewegiLgi (5)

Из выражения (5) видно, что индекс Гиттинса представляет собой от-ношение вероятности того, что энергия аккумуляторов сенсора достаточна для проведения сеанса связи к вероятности того, что датчик достигнет нера-бочего состояния за один сеанс связи. Оптимальный алгоритм выбора ка-

СПИ-АС-2009

387

нальным арбитром сенсора для сеанса связи можно сформулировать в этом случае следующим образом:

Канальный арбитр должен выбирать датчик n для сеанса связи, если индекс Гиттинса этого датчика в текущем состоянии i gin >)(γ и не выби-рать датчик n для сеанса связи, если индекс Гиттинса этого датчика в теку-щем состоянии i gin <)(γ . Индекс Гиттинса состояния i также является зна-чением g , при котором выбор или не выбор датчика для сеанса связи ка-нальным арбитром не имеет значения с точки зрения оптимизации времени жизни сети.

Из выражения (5) можно видеть, что для вычисления индекса Гиттинса требуется знание только одномерных значений вероятности в отличие от со-вместной плотности распределения вероятностей, которая требуется для оп-ределения меры (4). Кроме того, если затухание в каналах связи имеет иден-тичное (но необязательно независимое) распределение для всех сенсоров се-ти, оптимальная стратегия канального арбитра состоит в выборе сенсора с наибольшей остаточной энергией аккумуляторов.

Алгоритм (5) оптимизации времени жизни сети мониторинга по срав-нению с алгоритмом (4), менее сложен вычислительно. В гомогенной сети мониторинга канальный арбитр берегового поста выбирает сенсор для сеанса связи в соответствии с начальным известным ему профилем энергии е на датчиках. В гетерогенной сети мониторинга канальный арбитр при выборе датчика для сеанса связи принимает во внимание как энергетический про-филь е на датчиках, так и распределение приоритетов между ними. После выбора датчика для сеанса связи канальный арбитр посылает по радиоканалу контрольный сигнал и идентификационный номер выбранного сенсора. Вы-бранный сенсор оценивает состояние своего канала связи с использованием контрольного сигнала канального арбитра и передает данные на уровне энер-гии, определенном при оценке отношения сигнал/шум в канале связи. Для того, чтобы канальный арбитр обновил свою информацию об энергетическом профиле сети мониторинга, сенсор передает информацию о своей остаточной энергии в посылаемом пакете данных. Датчики, не ведущие передачу, при этом не измеряют отношение сигнал/шум в своих каналах связи и не отвеча-ют на контрольный сигнал канального арбитра.

Результаты моделирования работы алгоритмов (4) и (5) показывают, что если пренебречь энергией, затрачиваемой датчиками для анализа канала связи, алгоритм опроса датчиков (4) показывает больший выигрыш по вре-мени жизни сети, чем алгоритм (5). Однако при увеличении энергетических затрат на анализ канала связи и при увеличении размеров сети, алгоритм оп-роса (5) способен обеспечить больший выигрыш с точки зрения жизни сети. Следовательно, при выборе оптимального алгоритма опроса датчиков сети канальным арбитром нужно искать компромисс между этими двумя алго-ритмами, основываясь на количестве датчиков в сети и величине энергетиче-ских затрат датчиков при посылке пилот-сигнала канальному арбитру.

СПИ-АС-2009

388

Предложенные алгоритмы требуют знания канальным арбитром веро-ятностных характеристик каналов связи. Если задачу определения порядка доступа к каналу передачи возложить на датчики сети, распределение при-оритетов между датчиками невозможно, и они становятся равноправными. При этом в начале сеанса связи канальный арбитр посылает широковеща-тельный контрольный сигнал всем датчикам сети мониторинга. Сенсоры оценивают по полученному контрольному сигналу отношение сигнал/шум в своем канале связи и вычисляют коэффициент энергетической эффективно-

сти передачи как n

n

we

=η . (6)

Порядок доступа сенсоров к каналу связи определяется этим коэффи-циентом, так как он определяет время задержки передачи перед выходом сенсора на связь с канальным арбитром. При этом доступ к каналу связи с канальным арбитром становится конкурентным, так как существует вероят-ность одновременного начала передачи данных несколькими датчиками. Это ведет к появлению коллизий, возрастанию вероятности потери данных и до-полнительных затрат энергии. Однако результаты моделирования алгоритма (6) показывают, что потери энергии в сети по отношению к начальной энер-гии датчиков 0ε при его применении уменьшаются с ростом количества дат-чиков в сети мониторинга, что делает возможным применение этого алго-ритма в больших сетях.

Разработанные алгоритмы оптимизации времени жизни сети должны применяться с учетом конкретной реализации сети мониторинга. Результаты моделирования показывают, что выбор сенсора для передачи данных толь-ко по лучшему соотношению сигнал/шум в канале связи или только по большему значению остаточной энергии в аккумуляторе не оптимизирует время жизни сети мониторинга как единой системы.

Список использованных источников

1. Evans J.S., Krishnamurthy V. Optimal sensor scheduling for hidden Mar-cov model state estimation,- Int.J.Control, vol.74,no.18,pp.1737-1742, Dec.2001

2. Krishnamurthy V. Algorithms for optimal scheduling and management of hidden Markov model sensors,- IEEE Trans. Signal Process., vol.50,no.6,pp.1382-1397,Jun.2002

3. Dumitriu I., Tetali P., Winkler P. On playing golf with two balls,- SIAM J. Discrete Math., vol.16, pp.604-615,Jul.2003

СПИ-АС-2009

389

Шепелева М.А., Головинов С.О., Преображенский А.П. АНАЛИЗ ОСОБЕННОСТЕЙ ПЕРЕДАЧИ ИНФОРМАЦИИ ПО

КОРОТКОВОЛНОВОМУ КАНАЛУ СВЯЗИ app@vivt.ru

Коротковолновый радиоканал является эффективным средством реше-

ния проблем дальней связи. Тормозом к широкому внедрению коротковол-новых систем до недавнего времени были их громоздкость, сложность в экс-плуатации, низкие пропускная способность и надежность связи. Бурное раз-витие вычислительной техники и микроэлектроники стимулировало успехи в развитии технологии коротковолновой связи, особенно в модемной техноло-гии за рубежом.

К сожалению, есть ряд недостатков при применении КВ радиосвязи. Главным является надежность связи, в КВ диапазоне не может быть гаранти-рована надежная связь на большом расстоянии (более 50 километров). Сама возможность связаться в большой степени зависит от времени суток, погод-ных условий, мощности и взаимного расположения передатчика и приемни-ка. Вторым недостатком является большая загруженность КВ диапазона и, как следствие, обилие помех и низкое качество связи. Даже многокиловатт-ные передатчики и большие антенные поля не могут обеспечить надежной круглосуточной связи.

В передающих средах могут распространяться как аналоговые, так и цифровые сигналы. Но конкретный способ обращения с этими сигналами яв-ляется функцией передающей системы.

Аналоговая передача – это способ передачи аналоговых сигналов, при-чем передаваемые данные не конкретизируются: сигнал может представлять как аналоговые (например, речь), так и цифровые данные (например, двоич-ные данные, проходящие через модем). В любом случае аналоговый сигнал затухает (ослабляется), что ограничивает длину линии передачи. Чтобы сиг-нал можно было передавать на большие расстояния, в аналоговые передаю-щие системы могут вводиться усилители, повышающие энергию сигнала.

Одним из наиболее важных требований, предъявляемых к системам связи, является верность передаваемой информации от источника сообщения к получателю. В практических условиях выполнению этого требования неиз-бежно препятствуют ошибки, которые вызываются внешними помехами, по-ступающими на вход приемного устройства из канала связи, внутренними шумами, возникающими в самом приемном устройстве, искажениями сигна-ла, связанными непосредственно с его прохождением по каналу.

СПИ-АС-2009

390

Широбокова С.Н., Титаренко Е.В., Ткаченко Ю.В. МОДУЛЬ ПОИСКА ЦИКЛИЧЕСКИХ СВЯЗЕЙ В ДИАГРАММАХ

IDEF0 Shirobokova_SN@mail.ru little-sun-L@yandex.ru tamias@narod.ru

Известно, что диаграммы IDEF0 появились и ус-

пешно использовались для моделирования деловых процессов задолго до появления языка UML, и в на-стоящее время в рамках стандарта IDEF0 сформирова-на весьма крупная база функциональных моделей. В [1] выдвинуто концептуальное положение о возможно-сти и прикладной полезности конвертирования диа-грамм IDEF0 в UML-диаграммы, предложен обобщен-ный алгоритм (рис. 1) Автоматизированного конверто-ра диаграмм IDEF0 в UML-диаграммы с последующим экспортом данных в Конструктор [2] для генерации имитационной модели.

На этапе определения последовательности вы-полнения работ важно выявить циклические последо-вательности, так как в отношении обратной связи воз-можны различные варианты преобразования:

1) Если обратная связь отражает стрелку типа Input, то, как правило, она иллюстрирует возврат на предыдущий этап в случае ошибки. Проверку наличия ошибки и соответствующее ветвление процесса можно отразить блоком UML – «условие» (рис. 2а,б).

2) Обратная связь может отражать корректи-рующий управляющий поток. Например, после неко-торой проверки формируется корректирующее воздей-ствие, учитываемое при следующем проходе бизнес-процесса. В UML на диаграмме деятельности такую обратную связь не отражают в виде обратной связи. При преобразовании необходимо сначала уточнить у пользователя, следует ли учитывать время на выпол-нение управляющего воздействия. Если временем на выполнение формирования управляющего воздействия можно пренебречь, то обратная связь в UML не ото-бражается. В противном случае целесообразно отра-зить дополнительное состояния деятельности (рис. 2в).

Введем необходимые для реализации алгоритма структуры данных.

Так как контекстная диаграмма не подлежит преобразованию, рассмат-риваем только диаграммы декомпозиции DD .

Рис. 1. Обобщен-ный алгоритм конвертирования

СПИ-АС-2009

391

mmt

DDm qbtbB ,1, == – множество блоков работ m-й диаграммы IDEF0.

mqb – число блоков на m-й диаграмме IDEF0.

mm

kDDm qarkarAR ,1, == – множество стрелок m-й диаграммы IDEF0. mqar

– число стрелок m-й диаграммы IDEF0. NZzNPpwayWAY m

pzm ,1 ;,1 , === – матрица размерностью NZNP × , где NP – число строк, формируемое динамически; NZ – число столбцов равное NZ = mqb +2. Матрица учитывает все возможные последовательности выпол-нения работ.

NСсNAaloopLOOP macm ,1 ;,1 , === – матрица размерностью NCNA× , где NA –

число строк массива, соответствующее числу найденных циклов (определя-ется динамически); NC – число столбцов массива равное NC = mqb . Назначе-ние матрицы – хранение последовательностей работ, образующих циклы.

,mkm lobrLOBR = mqark ,1= – массив, в котором отмечаются стрелки, опреде-

ляющие возврат по циклу.

Рис. 2. Фрагменты диаграмм IDEF0 с обратными связями различных

типов и результаты их преобразования в UML-моделях

Информация о каждой стрелке и её связях с блоками, хранится в мат-рице mPOZ (m – номер диаграммы декомпозиции модели), созданной в про-цессе реализации модуля синтаксического разбора файла экспорта диаграм-мы IDEF0 [3]. Матрица проиндексирована по осям множеством блоков работ

СПИ-АС-2009

392

DDmB и множеством стрелок DD

mAR . Элемент матрицы принимает значение mktpoz =1, если стрелка m

kar является выходом из блока mtb ; m

ktpoz =2 – если стрелка m

kar является входом типа Input в блок mtb ; m

ktpoz =3 – если стрелка m

kar является входом типа Control в блок mtb ; m

ktpoz =4 – если стрелка mkar яв-

ляется входом типа Mechanism в блок mtb ; m

ktpoz =0 – если стрелка не связана с блоком; m

ktpoz =5 – стрелка определяет цикл по одной работе t по входу типа Input; m

ktpoz =6 – стрелка определяет цикл по одной работе t по входу типа Control.

Разработанный алгоритм поиска последовательности стрелок и блоков, образующих цикл, представлен на рис. 3.

Алгоритм поиска последовательности стрелок и блоков, образующих цикл, включает в себя следующие действия и проверки условий.

Действие 1. Определение цикла по одной работе.

Рис. 3. Алгоритм обнаружения циклов в последовательности выполне-

ния работ

СПИ-АС-2009

393

Рис. 3. Продолжение

СПИ-АС-2009

394

1.1.В матрице mPOZ ищем все элементы 5=mktpoz и 6=m

ktpoz . Пусть та-ких элементов найдено G . Если 0=G , то выполняется переход к п. 2.1. Дей-ствия 2.

1.2. В соответствии с каждый из элементов 5=mtk g

poz и 6=mtk g

poz , где Gg ,1= в массиве mLOBR присваиваем значение элементу 1=m

kglobr .

Действие 2. Определение числа выходящих стрелок из блока. 2.1. Первый блок в рассматриваемом процессе. Обозначим номер столбца, соответствующий первому блоку, через 1t .

По матрице mPOZ в столбце 1t ищем элементы mtkpoz11=1. Пусть таких элемен-

тов найдено V . Тогда в матрице mWAY в строках Vp ,1= , в столбце 1=z вно-сим номер первой работы 1t : 11 tway m

p = , где Vp ,1= . Для каждого найденного элемента выхода в соответствующей для него строке в матрице mWAY прове-ряется Условие 1.

Условие 1. Проверка на наличие внутреннего входа стрелки. Пусть в матрице mPOZ найден элемент выхода m

tkpoz11=1. Осуществляет-

ся проверка: есть ли в строке 1k элемент mtkpoz

1=2 или m

tkpoz1

=3, или mtkpoz

1=4.

Если элемент обнаружен, то переход на Действие 3, в противном случае – к п.4.3. Действия 4.

2.2. Промежуточный блок в «пути». Обозначим через 1t номер столбца, соответствующего текущему блоку

в «пути». По матрице mPOZ в столбце 1t ищем элементы mtkpoz11=1. Если най-

ден только один такой элемент, то проверяется Условие 1. Если элементов выхода найдено 11 >v , то выполняется переход к п.4.2

Действия 4. Действие 3. Определение следующего блока в «пути». Пусть в строке 1k матрицы mPOZ найден элемент m

tkpoz1

=2 или mtkpoz

1=3,

или mtkpoz

1=4. Определяем номер столбца, соответствующего найденному

элементу. Обозначаем его через 2t . Пусть на предыдущем шаге в матрице mWAY было заполнено r столбцов в строке Vp ,1∈ . Тогда в строке Vp ,1∈ (ес-

ли после Действия 5, то 1,1 vVVp ++∈ ) матрицы mWAY заносится элемент 21 tway m

pr =+ . Условие 2. Проверка на завершение «пути». Пусть на предыдущем шаге в матрице mWAY был заполнен столбец r

строки Vp ,1∈ . Если 1−=mprway , 2−=m

prway , 3−=mprway , то «путь» завершён, по-

этому строка в дальнейшем не обрабатывается. Условие 3. Проверка на наличие цикла в «пути». Пусть на предыдущем шаге в матрице mWAY был заполнен столбец r в

строке Vp ,1∈ . Последний элемент в строке Vp ,1∈ матрицы mWAY будет

СПИ-АС-2009

395

mprway . Проверяем строку «пути» на наличие равенств:

mp

mpr

mpr

mpr

mpr

mpr waywaywaywaywayway 121 ,...,, === −− (1)

Выполнение одного из равенств, свидетельствует об обнаружении цик-ла. В этом случае выполняется п.4.1 Действия 4.

Действие 4. Завершение «пути». 4.1. В случае если при проверке Условия 3 хотя бы одно из указанных

равенств (1) для элементов строки Vp ,1∈ матрицы mWAY оказалось верно (образовался цикл), необходимо указать признак обнаружения цикла:

21 −=+mprway . Путь, определённый строкой Vp ,1∈ , в дальнейшем обрабаты-

ваться не будет. Выполняется переход к Действию 6. 4.2. Если при выполнении п.2.2 Действия 2 в столбце 1t матрицы mPOZ

найдено несколько элементов выхода mtkpoz11=1, т.е. 11 >v , то в матрице mWAY

обрабатываемый «путь» необходимо завершить. Пусть на предыдущем шаге в матрице mWAY был заполнен столбец r в строке Vp ,1∈ , тогда следующе-му элементу строки присваивается признак вынужденного завершения:

11 −=+mprway . Далее выполняется переход к Действию 5.

4.3. Если при проверке Условия 1 в матрице mPOZ в строке 1k не было обнаружено элемента m

tkpoz1

=2 или mtkpoz

1=3, или m

tkpoz1

=4, то, следовательно, стрелка выходит за пределы процесса, описываемого данной диаграммой. Пусть в матрице mWAY на предыдущем шаге в строке Vp ,1∈ было заполнено r столбцов. Тогда в строке Vp ,1∈ (если после Действия 5, то 2,1 vVVi ++∈ ) матрицы mWAY следует поставить признак естественного завершения пути:

31 −=+mprway . Действие 5. Расщепление «пути» по количеству выходящих стрелок из

блока. Пусть при выполнении п.4.2 Действия 4 в строке Vp ,1∈ матрицы mWAY

описываемый путь был завершён, так как для последнего найденного блока в данном пути (соответствующего столбцу 1t матрицы mPOZ ) было найдено

11 >v элементов выхода. Тогда данный путь необходимо расщепить, опреде-лив для каждого его ветвления отдельную строку в матрице WAY . Для этого копируем пройденный до расщепления путь:

mpr

mrvV

mpr

mrV

mpr

mrV

mp

mvV

mp

mV

mp

mV

mp

mvV

mp

mV

mp

mV

waywaywaywaywayway

waywaywaywaywayway

waywaywaywaywayway

===

===

===

+++

+++

+++

1

1

1

,...,,...

,...,,

,...,,

21

22222212

11121111

Для каждой вновь образовавшейся (в соответствии с элементами выхо-да по матрице mPOZ ) строки, проверяется Условие 1. Увеличивается

1vVV += .

СПИ-АС-2009

396

Действие 6. Определение блока возврата. Пусть одно из равенств (1) Условия 3 выполнилось. Обнаруженный

цикл необходимо зафиксировать с целью дальнейшего логического опреде-ления блока и стрелки возврата. Предположим в строке Vp ,1∈ обнаружено равенство последнего элемента «пути» с одним из предыдущих: m

pzmpr wayway = ,

rz < . Число элементов цикла ,...,, 11mpr

mpz

mpz waywayway −+ обозначим через y . То-

гда в массив mLOOP в строку 1+= aa записываем y элементов, образующих цикл:

mpr

may

mpz

ma

mpz

ma wayloopwayloopwayloop 1121 ,...,, −+ ===

В массиве mLOOP строка содержит последовательность номеров столб-цов матрицы mPOZ , соответствующих блокам работ, образующим цикл. Сре-ди этих элементов следует определить блок работы, после которого необхо-димо осуществить возврат. Для этого в строке a среди элементов

may

ma

ma looplooploop ,...,, 21 определяется такой элемент yyloop m

ay ,1, 00∈ , для которого

выполняются условия: ,

0

mac

may looploop > ;,1 yc = 0yc ≠ , (2)

т.е. производится поиск элемента с наибольшим номером. Работа, имеющая больший номер относительно остальных работ

в цикле, является на диаграмме более поздней работой, выполняемой в про-цессе. Именно она и будет определена в качестве работы возврата по циклу к более ранними по выполнению работам.

Действие 7. Определение стрелки возврата. Пусть определён блок возврата m

ayloop0. В матрице mPOZ выполняется

поиск строки k , в которой в столбце mayo

loopt =1 эле-мент 1

1=m

ktpoz , а в столбце mayloopt 12 0 += (или m

aloopt 12 = , если m

ayloop0– последний элемент строки) элемент

22

=mktpoz или 3

2=m

ktpoz , или 42

=mktpoz .

Далее выполняется проверка Условия 4. Условие 4. Проверка на нахождение цикла ра-

нее. Если для стрелки k , определённой Действи-

ем 7, соответствующий элемент массива mLOBR , то есть 0=m

klobr , следовательно, цикл не был опреде-лен ранее. Поэтому, необходимо установить значе-ние элемента 1=m

klobr . В противном случае запись в массив mLOBR не производится.

Пример. Рассмотрим применение разработанного алгоритма на приме-ре диаграммы, изображенной на рис. 4.

Матрица 1POZ , сформированная по диаграмме, представлена на рис. 5.

Рис. 5. Матрица свя-зей блоков и стрелок

СПИ-АС-2009

397

Этап 1: Выполняется п.1.1 Действия 1. Элементов 5=mktpoz и 6=m

ktpoz обнаружено не было, 0=G , следовательно, выполняется переход на п.2.1 Действия 2.

Рис. 4. Пример диаграммы бизнес-процесса с циклом

Так как только в первую работу А входят внешние (т.е. не являющиеся выходами из других блоков диаграммы) стрелки 1 и 2, то работа A будет оп-ределена как начальная в рассматриваемом процессе.

Далее от первой работы выполняется продвижение по возможным «пу-тям» с целью нахождения циклов на диаграмме. Выполняется п. 2.1 Дейст-вия 2.

11 =t : обнаружено два элемента выхода 2=V – 1131 =poz и 11

51 =poz . В матрицу 1WAY записываются первые элементы: 11

111 == tway и

11121 == tway . Определяются следующие блоки в каждом из «путей»:

1131 =poz , строка 31 =k , элемент входа (Условие 1) 21

32 =poz , следова-тельно, следующий блок в «пути» (Действие 3) 22 =t . В матрицу 1WAY вно-сится элемент: 21

12 =way . 11

51 =poz , строка 51 =k , элемент входа (Условие 1) 2153 =poz , следова-

тельно, следующий блок в «пути» (Действие 3) 33 =t . В матрицу 1WAY запи-сывается элемент: 31

22 =way . Результаты Этапа 1 отображены на рис. 6а. Этап 2: С целью построения каждого из «путей» построчно обрабаты-

вается матрица 1WAY . 1=p :

• проверка Условия 2: 3,2,1 112

112

112 −≠−≠−≠ waywayway , следовательно,

«путь» не завершён; • проверка Условия 3: 1

11112 wayway ≠ , то есть цикл не обнаружен;

• переход к п. 2.2 Действия 2: 21121 == wayt . Обнаружен один элемент,

характеризующий выход: 1142 =poz ;

• проверка Условия 1: 41 =k , элемент входа 2145 =poz ;

• переход к Действию 3: 52 =t , в матрицу 1WAY заносится элемент 51

13 =way ;

СПИ-АС-2009

398

• проверка Условия 2: 3,2,1 113

113

113 −≠−≠−≠ waywayway ;

• проверка Условия 3: 111

113

112

113 , waywaywayway ≠≠ ;

• переход к п. 2.2 Действия 2: 51131 == wayt . Обнаружено два элемента,

характеризующих выход 21 =v : 1185 =poz и 11

95 =poz • переход к Действию 5: добавляется 21 =v строк в матрице 1WAY :

5,2,1 113

133

112

132

111

131 ====== waywaywaywaywayway ,

5,2,1 113

143

112

142

111

141 ====== waywaywaywaywayway .

• для вновь сформированных строк:

Рис. 6. Результаты заполнения матриц 1WAY , 1LOOP и массива 1LOBR

o 3=p . Строка продолжает «путь» по элементу 11

85 =poz . Прове-ряется Условие 1: 81 =k , элемент входа 21

83 =poz . Выполняется переход к Действию 3: 32 =t , в матрицу 1WAY вносится элемент 31

34 =way ; o 4=p . Строка продолжает «путь» по элементу 11

95 =poz . Условие 1 не выполняется: 91 =k , элементов входа не найдено. Далее переход к п. 4.3 Действия 4: 31

44 −=way . При обработке строки было добавлено 21 =v строк в матрицу 1WAY , по-

этому 4221 =+=+= vVV . «Путь» по строке 1=p завершён, так как 11

14 −=way . Он расщеплён на «пути» по строкам 3=p и 4=p . Результаты обработки «пути» отображены на рис. 6б.

2=p : • проверка Условия 2: 3,2,1 1

22122

122 −≠−≠−≠ waywayway , следовательно,

«путь» не завершён; • проверка Условия 3: 1

21122 wayway ≠ , то есть, цикл не обнаружен;

СПИ-АС-2009

399

• переход к п. 2.2 Действия 2: 31221 == wayt . Обнаружен один элемент,

характеризующий выход: 1163 =poz ;

• проверка Условия 1: 61 =k , элемент входа 2164 =poz ;

• переход к Действию 3: 42 =t , в матрицу 1WAY записывается элемент 41

23 =way ; • проверка Условия 2: 3,2,1 1

23123

123 −≠−≠−≠ waywayway ;

• проверка Условия 3: 121

123

122

123 , waywaywayway ≠≠ ;

• переход к п. 2.2 Действия 2: 41231 == wayt , 11

74 =poz ; • проверка Условия 1: 71 =k , элемент входа 21

75 =poz ; • переход к Действию 3: 52 =t , в матрицу 1WAY заносится элемент

5124 =way ;

• проверка Условия 2: 3,2,1 124

124

124 −≠−≠−≠ waywayway ;

• проверка Условия 3: 121

124

122

124

123

124 ,, waywaywaywaywayway ≠≠≠ ;

• переход к п. 2.2 Действия 2: 51241 == wayt . Обнаружено два элемента,

характеризующих выход 21 =v : 1185 =poz и 11

95 =poz ; • переход к п. 4.2 Действия 4: 11

25 −=way ; • переход к Действию 5 – добавляется 21 =v в матрице 1WAY :

5,4,3,1 124

154

123

153

122

152

121

151 ======== waywaywaywaywaywaywayway ,

5,4,3,1 124

164

123

163

122

162

121

161 ======== waywaywaywaywaywaywayway .

• для вновь сформированных строк: o 5=p . Строка продолжает «путь» по элементу 11

85 =poz . Проверяется Условие 1: 81 =k , элемент входа 21

83 =poz . Выполняется переход к Действию 3: 32 =t , в матрицу 1WAY записывается элемент 31

55 =way ; o 6=p . Строка продолжает «путь» по элементу 11

95 =poz . Условие 1 не выполняется: 91 =k , элементов входа не найдено. Выполняется переход к п. 4.3 Действия 4: 31

65 −=way . При обработке строки было добавлено 21 =v строк в матрицу 1WAY , по-

этому 6241 =+=+= vVV . «Путь» по строке 2=p завершён, так как 11

25 −=way . Он расщеплён на «пути» по строкам 5=p и 6=p . Результаты обработки «пути» отображены на рис. 6в.

3=p : • проверка Условия 2: 3,2,1 1

34134

134 −≠−≠−≠ waywayway ;

• проверка Условия 3: 131

134

132

134

133

134 ,, waywaywaywaywayway ≠≠≠ ;

• переход к п. 2.2 Действия 2: 31341 == wayt , 11

63 =poz ; • проверка Условия 1: 61 =k , элемент входа 21

64 =poz ;

СПИ-АС-2009

400

• переход к Действию 3: 42 =t , в матрицу 1WAY вносится элемент 41

35 =way ; • проверка Условия 2: 3,2,1 1

35135

135 −≠−≠−≠ waywayway ;

• проверка Условия 3: ,,, 132

135

133

135

134

135 waywaywaywaywayway ≠≠≠

131

135 wayway ≠ ;

• переход к п. 2.2 Действия 2: 41351 == wayt , 11

74 =poz ; • проверка Условия 1: 71 =k , элемент входа 21

75 =poz ; • переход к Действию 3: 52 =t , в матрицу 1WAY записывается элемент

5136 =way ;

• проверяется Условия 2: 3,2,1 136

136

136 −≠−≠−≠ waywayway ;

• проверка Условия 3: 133

136 wayway = ;

• переход к п. 4.1 Действия 4: 2137 −=way ;

• выполнение Действия 6: в строку 1=a матрицы 1LOOP записываются элементы 4,3,5 1

35113

134

112

133

111 ====== wayloopwayloopwayloop . Для элемента

5111 =loop выполняется логическое условие (2) Действия 6:

113

111

112

111 , looplooplooploop >> . Поэтому блоком возврата является блок, который

соответствует столбцу 5=t в матрице 1POZ ; • выполнение Действия 7: в матрице 1POZ равенствам

3,2;5,1 112

1111

1 ====== looptpozlooptpoz ktkt соответствует строка 8=k . Поэтому в массиве 1LOBR элемент 11

8 =lobr . «Путь» по строке 3=p завершён, так как 21

37 −=way . Результаты обра-ботка «пути» отображены на рис. 6г.

4=p . Проверяется Условие 2: 3145 −=way , «путь» завершён.

5=i : • проверка Условия 2: 3,2,1 1

55155

155 −≠−≠−≠ waywayway ;

• проверка Условие 3: 152

155 wayway = ;

• переход к п. 4.1 Действия 4: 2156 −=way ;

• выполнение Действия 6: в строку 2=a матрицы 1LOOP вписываются элементы 5,4,3 1

54123

153

122

152

121 ====== wayloopwayloopwayloop . Для элемента

5123 =loop выполняется логическое условие (2) Действия 6:

121

123

122

123 , looplooplooploop >> . Поэтому блоком возврата является блок, который

соответствует столбцу 5=t в матрице 1POZ ; • выполнение Действия 7: в матрице 1POZ равенствам

3,2;5,1 121

1123

1 ====== looptpozlooptpoz ktkt соответствует строка 8=k ;

СПИ-АС-2009

401

• проверка Условия 4: 118 =lobr – это означает, что стрелка была опреде-

лена при обработке предыдущих строк. Поэтому новых записей в массив 1LOBR не осуществляется. «Путь» по строке 5=p завершён, так как 21

56 −=way . Результаты обра-ботки «пути» отображены на рис. 6д.

6=p . Проверяется Условие 2: 3165 −=way , «путь» завершён.

Заключение. Разработан программный модуль поиска циклических связей в диаграммах IDEF0, основанный на алгоритме обхода графа модели IDEF0 и позволяющий выявить последовательности стрелок и блоков, обра-зующих цикл. Результатом работы модуля является сформированный массив зафиксированных стрелок возврата, который используется далее в Автомати-зированном конверторе при реализации правил преобразования моделей IDEF0 в диаграммы деятельности UML.

Список использованных источников

1. Хубаев Г.Н., Широбокова С.Н. Автоматизированный конвертор моде-лей IDEF0 в UML-диаграммы: концептуальная идея// Проблемы информатики в образовании, управлении, экономике и технике: Сборник статей VIII Всерос-сийской науч.-практ. конф., г.Пенза, 19-20нояб. 2008./Пенза, 2008. С.102–108.

2. Хубаев Г.Н., Щербаков С.М., Шибаев А.А. Конструктор имитацион-ных моделей деловых процессов // Свидетельство об официальной регистрации программы для ЭВМ. – 2005612262. – М.: РОСПАТЕНТ, 2005.

3. Широбокова С.Н., Титаренко Е.В., Ткаченко Ю.В. Алгоритм модуля синтаксического разбора файла экспорта диаграмм IDEF0 для создания универ-сальных объектов// Компьютерные технологии в науке, производстве, социаль-ных и экономических процессах: Материалы IX Междунар. науч.-практ. конф., г.Новочеркасск, 17нояб. 2008./ Новочеркасск: ЮРГТУ, 2008.

Ширшин И.С., Литвиненко А.Н. АСПЕКТНО-ОРИЕНТИРОВАННОЕ ПРОГРАММИРОВАНИЕ В SQL

С ПРИМЕНЕНИЕМ МОДЕЛИРОВАНИЯ БАЗ ДАННЫХ ivan.shirshin@gmail.com

Практически все профессиональные разработчики сталкиваются с тем,

что код со временем становится все более запутанным и сложным для моди-фикации. Это не удивительно, ведь с развитием программы идет добавление в нее новой функциональности, которая должна быть соответствующим об-разом закодирована. Работа с таким запутанным кодом становится все более сложной, особенно если речь идет об изменении кода, который нельзя выде-лить в отдельную функцию – например, вывод данных в журнал событий разбросан по разным модулям и процедурам. Аспектно-ориентированное программирование (АОП) позволяет разработчику разделять программный

СПИ-АС-2009

402

код на части – выделять части кода в так называемые «аспекты» по их смы-словой функциональности, такой как тестирование, обработка ошибок, веде-ние журнала событий и т.д.. Программный код разделяется таким образом на взаимнопересекающиеся «слои». В данной статье исследуется применение принципов АОП при написании кода SQL для баз данных на примере MS SQL Server. В такой среде программирование достигается при помощи триг-геров и системных процедуров, являющимися объектами базы данных. Для практической реализации инструментов АОП используется метод моделиро-вания программных объектов, при применении которого мы можем работать с моделью базы данных в виде XML, что существенно упрощает анализ ас-пектов и их модификацию для разработчика.

Аспектно-ориентированное программирование - это новая развиваю-щаяся концепция, призванная сократить время, стоимость и сложность раз-работки ПО. Известно, что в жизненном цикле ПО 70% всего времени отво-дится на сопровождение. Таким образом, оно приобретает первостепенную значимость, а это, в свою очередь, требует специальных подходов для обес-печения достаточно быстрой и всегда безболезненной модификации про-граммы.

Некоторую функциональность невозможно выделить в отдельные сущ-ности. Такую функциональность называют сквозной, так как её реализация разбросана по различным модулям программы. Сквозная функциональность приводит к рассредоточенному и запутанному коду. Типичные примеры - трассировка, обработка ошибок, реализация систем безопасности. Если рас-сматривать программу, написанную с помощью ООП, то любая функцио-нальность, по которой не происходила декомпозиция программы, является сквозной.

Из-за того, что реализация сквозной функциональности не может быть обособлена средствами языка программирования в отдельном программном модуле, элементы этой реализации присутствуют в том или ином виде в большинстве модулей, образующих программную систему. Современные технологии разработки ПО предоставляют удобные средства для выделения логики функционирования программы в отдельные модули, но ни одна из них не обеспечивает удобного способа локализации в отдельные модули функциональности, которая должна распространяться на всю систему. Имен-но в качестве такого способа мы предлагаем метод моделирования про-граммных объектов. В таком случае разработчик получает возможность ра-ботать не с объектом непосредственно, а с его моделью в формате XML. Та-кой формат обладает рядом преимуществ:

1. XML является стандартом, для которого разработано большое коли-чество инструментов.

2. XML позволяет отобразить программный объект в виде иерархиче-ской структуры.

3. В то же время сам по себе он представляет текстовый файл - позво-

СПИ-АС-2009

403

ляет производить регулярные преобразования надо всем объектом сразу. 4. Такую модель можно создать так, чтобы она отвечала конкретным

нуждам в данном проекте. Соответственно, на ее основе можно создавать свои инструменты, максимально отвечающие поставленным задачам (напри-мер, максимально удобные разработчику или максимально автоматизирую-щие его деятельность).

Для реализации принципов аспектно-ориентированного программиро-вания в SQL базы данных необходимо реализовать метод разметки точек вы-полнения, реализация функциональности будет реализована на языке SQL. Для этого будет использовать комментарии SQL специального формата:

--*( _Aspect_Name <код программы> --*) _Aspect_Name

То есть код программы заключается в скобки специального вида, опре-деляющие аспект, к которому они принадлежат. При этом на выполнение SQL кода данные комментарии никак не повлияют, то есть при добавлении АОП функциональности не вносится изменений в исходную функциональ-ность программы.

Рассмотрим пример SQL (часть триггера таблицы в базе данных): IF UPDATE(id1) BEGIN IF EXISTS ... END

-*( _MyAspect IF UPDATE(oper_id) BEGIN EXEC spMine END

--*) _MyAspect …….. SELECT type FROM Table1 WHERE Table1.type in (1,20) --*( _MyAspect AND id < 15 --*) _MyAspect …….. В данном примере имеется два аспекта: аспект с именем MyAspect и

аспект «по умолчанию» - та часть кода, которая не помечена указанным спо-собом. К аспекту MyAspect принадлежат две реализации функциональности – одна добавляет проверку на изменения условий – вставляет определенный код на место указанной точки выполнения. Второй пример более интересен – в этой реализации функциональности вставляется дополнительное условие для SQL запроса. Так как мы теперь работаем с моделью базы данных, то с текстовым XML файлом можно работать, используя инструменты обработки строк. По специальным комментариям аспектов можно вычленить все участ-ки, реализующие данную функциональность, в отдельный текстовый файл.

СПИ-АС-2009

404

Тогда разработчик может просматривать исходный код программы только в необходимом ему контексте, что значительно упростит ему работу и исклю-чит возможность случайных ошибок при внесении модификаций – ведь те-перь он просто не может случайно повредить, например, код обработки оши-бок при изменении кода ведения журнала событий.

Другим из преимуществ работы с моделью является то, что мы можем не только помечать на принадлежность к аспекту определенные участки кода SQL, но и другие элементы базы данных – такие как таблицы, поля, индексы и прочие. Это добавляет новые возможности, позволяющие путем простой смены или удаления всех реализаций функциональности данного аспекта без возникновения при этом ошибок в программе преобразовать весь проект. В полученной модели базы данных (а также и другого программного объекта) это легко реализуется за счет добавления атрибута aspect в каждый иерархи-ческий элемент модели.

<db> <table name="ZAKAZ1"> <field name="zakaz_id" notnull="true" relation="C" aspect=””> </field> <field name="nmatr_id" aspect=”MyAspect”> </field> ... </table> </db> Заключение. Аспектно-ориентированное программирование не является заменой

ООП, оно лишь дополняет, позволяя увеличить производительность разра-ботчика и упростить его работу. Благодаря разделению кода на аспекты раз-работчик может вычленить из приложения определенную функциональность и работать с ней, после чего автоматически изменения будут внесены в ис-ходное приложение. Разумеется, для этого необходимы соответствующие ин-струменты, которые реализуются под конкретную задачу, конкретное при-ложение. В большинстве современных средств разработки создание и вне-дрение таких инструментов крайне сложно, если вообще возможно. Именно здесь проявляется преимущество метода моделирования программных объ-ектов. Так как теперь взаимодействие с объектом заменяется на работу с его моделью, то любой объект, свойство или атрибут может быть помечен опре-деленным аспектом. Таким образом, можно автоматизированно вычленять, удалять или выводить для анализа в виде единого, например, текста все уча-стки кода, свойства объекта, имеющие отношение к одной функционально-сти. На основе таких текстовых фрагментов кода можно, как на основании, создавать взаимодействующие с ними другие инструменты. То есть если код программы можно считать плоским, то теперь мы добавили в него дополни-тельное измерение, сделали его трехмерным.

СПИ-АС-2009

405

Авторский указатель Адигамов А.Э. ............................... 276 Алексейчик М.И. ........................... 278 Андреев М.А.................................. 353 Афанасьев В.В. .............................. 279 Барабанов В.Ф. .............................. 280 Баранов И.Ю.................................. 354 Барышок Д.Г.................................. 306 Беляков Э.В.................................... 282 Блюмин С.Л. .................................. 283 Булычев Ю.Г.................................. 284 Вапнярчук А.Г. .............................. 292 Васильев Е.М. ................................ 292 Верещетин П.П. ............................. 355 Виноградов Р.А. ............................ 356 Водовозов А.М. ............................. 293 Волков А.М.................................... 282 Восель Ю.С.................................... 294 Гирин А.А. ..................................... 355 Глекова Н.Л. .................................. 358 Говорский А.Э. .............................. 361 Головинов С.О............................... 389 Гольдштейн М.Л. .......................... 364 Графов О.Б..................................... 306 Демидова Л.А. ............................... 296 Дьячук И.П. ................................... 302 Дьячук П.П. ................................... 302 Егоров С.И. .................................... 306 Ефанов В.Н. ................................... 308 Жданов Н.Ф. .................................. 361 Заручевская Г.В. ............................ 317 Зюбин В.Е. ..................................... 366 Иванова Н.С................................... 308 Измалков С.В................................. 279 Карпиленя М.Н. ............................ 284 Киселев Ю.В. ................................. 282 Коняева Е.И. .................................. 296 Копылов М.В. ................................ 340 Коротаев А.Н. ................................ 296 Корчагин А.С................................. 319 Кравец О.Я......................319, 340, 383 Ластовецкая Ю.В........................... 368 Лебеденко Е.В. .............................. 369

Лепихин Д.В. ................................. 293 Липилина А.П................................ 353 Литвиненко А.Н. ........................... 401 Лукьянов А.Д................................. 355 Махортов С.Д. ............................... 322 Машкова Р.А. ................................ 325 Минаков С.А. ................................ 280 Мозоль А.А.................................... 284 Огнев С.П. ..................................... 327 Олейникова С.А. ........................... 330 Орешко А.П. .................................. 332 Орлов А.В. ..................................... 370 Платонова В.Л. .............................. 372 Поваляев А.Д. ................................ 358 Погодаев А.К. ................................ 319 Преображенский А.П. ................... 389 Пузиков Д.П. ................................. 374 Пунин Н.Г. ..................................... 372 Ральников М.А. ............................. 374 Редькин Ю.В.................................. 380 Рогашков И.В. ............................... 354 Рогов И.Е. ...................................... 335 Сидоренко П.А. ............................. 284 Слабецкий М.О.............................. 284 Солдатов Е.А. ................................ 340 Сургучева И.В. .............................. 346 Титаренко Е.В. .............................. 390 Ткаченко Ю.В................................ 390 У Ши .............................................. 350 Хабаров Е.Н. .................................. 383 Хирин Е. ........................................ 366 Челахов В.М. ................................. 284 Чернецова Е.А. .............................. 385 Чувейко М.В. ................................. 347 Шадрин И.В. .................................. 302 Шалашов Г.В. ................................ 354 Шейбухов С.Н. .............................. 353 Шепелева М.А. .............................. 389 Широбокова С.Н. .......................... 390 Ширшин И.С. ................................ 401 Шурыгин К.С................................. 348 Янь Цзинбинь ................................ 350

СПИ-АС-2009

406

Содержание

5. Анализ и синтез сложных систем Адигамов А.Э. Адаптивный итерационный метод прогнозирования ................ 276 Алексейчик М.И. О стохастических линейных динамических системах .......... 278 Афанасьев В.В., Измалков С.В. Проблема выбора системы управления

базой данных для решения задач информационного обеспечения в автоматизированных системах управления .................................................. 279

Барабанов В.Ф., Минаков С.А. Система геометрической параметризации на базе графической системы подготовки чертежей ........................................ 280

Беляков Э.В., Волков А.М., Киселев Ю.В. О подходе к задаче формирования структуры сети тактовой сетевой синхронизации ............. 282

Блюмин С.Л. Теоремы о промежуточной функции.............................................. 283 Булычев Ю.Г., Мозоль А.А., Челахов В.М., Карпиленя М.Н., Слабецкий

М.О., Сидоренко П.А. Адаптация сложных систем в условиях параметрической неопределенности ............................................................. 284

Вапнярчук А.Г. Метод улучшения качества радиосвязи между подвижным объектом и неподвижной радиостанцией ..................................................... 292

Васильев Е.М. Применение настраиваемой эталонной модели в системах с запаздыванием .............................................................................................. 292

Водовозов А.М., Лепихин Д.В. Интеллектуальная система управления шаговым двигателем........................................................................................ 293

Восель Ю.С. Автоматизированный отладчик системы радиального позиционирования лазерного фотопостроителя........................................... 294

Демидова Л.А., Коняева Е.И., Коротаев А.Н. Сравнительный анализ методов кластеризации на основе нечетких множеств первого и второго типа ..................................................................................................... 296

Дьячук П.П., Дьячук И.П., Шадрин И.В. Моделирование учебной деятельности в пазловой проблемной среде с помощью цепей Маркова.. 302

Егоров С.И., Графов О.Б., Барышок Д.Г. О корректирующих возможностях декодирования кодов Рида-Соломона за границей половины минимального кодового расстояния .............................................................. 306

Ефанов В.Н., Иванова Н.С. Интеллектуальный комплекс оценки состояния сложных технических систем ......................................................................... 308

Заручевская Г.В. Реализация явного чебышевского метода решения трехмерной задачи Дирихле для уравнения Пуассона в мелкозернистом локально–параллельном стиле программирования......... 317

Корчагин А.С., Кравец О.Я., Погодаев А.К. О взаимосвязи между отношениями порядка, нормированными обратными отображениями и пошаговой детализацией ................................................................................. 319

Махортов С.Д. О редукции продукционно-логических отношений на полных решетках ............................................................................................. 322

Машкова Р.А. Природно-ландшафтная дифференциация урбанизированных геосистем (на примере г. Нальчика)............................. 325

СПИ-АС-2009

407

Огнев С.П. Применение линейных типовых моделей в сложных системах.............................................................................................................327

Олейникова С.А. Анализ возможных подходов для оценки продолжительности работ в задачах сетевого планирования и управления ........................................................................................................330

Орешко А.П. Об использовании метаданных в науке ..........................................332 Рогов И.Е. Использование имитационной модели для анализа

применимости комбинационных колебаний в неразрушающем контроле.............................................................................................................335

Солдатов Е.А., Копылов М.В., Кравец О.Я. К постановке вычислительного эксперимента по тестированию модели информационной инфраструктуры................................................................................................340

Сургучева И.В. Выполнение арифметических операций над нечеткими числами с помощью комплексных чисел.......................................................346

Чувейко М.В. Реализация алгоритма востановления периодизированного сигнала виброускорения элементов токарного станка .................................347

Шурыгин К.С. Обработка слитной речи на основе информационной теории восприятия речи................................................................................................348

Янь Цзинбинь, У Ши. Распознавание ключевых слов с использованием фонематической сети .......................................................................................350

6. Программные и телекоммуникационные системы и приложения Андреев М.А., Липилина А.П., Шейбухов С.Н. Программная часть

измерительного комплекса ..............................................................................353 Баранов И.Ю., Шалашов Г.В., Рогашков И.В. Разработка проектных

решений по программному обеспечению безопасности взаимодействия пользователей видеосвязи ...................................................354

Верещетин П.П., Гирин А.А., Лукьянов А.Д. Адаптивная микропроцессорная система управления прецизионным угловым позиционированием высокоинерционных заготовок ...................................355

Виноградов Р.А. Об одном стиле моделирования и верификации управляющих систем со сложным поведением ............................................356

Глекова Н.Л., Поваляев А.Д. Проблемы создания информационно-методологического и инструментального обеспечения для анализа и синтеза структурно-функциональной организации региональных систем мониторинга .........................................................................................358

Говорский А.Э., Жданов Н.Ф. Программные компоненты проектирования неоднородных информационно-телекоммуникационных систем с гетерогенной передающей средой ..................................................................361

Гольдштейн М.Л. “Простые” решения для суперкомпьютера терафлопного уровня ................................................................................................................364

Зюбин В.Е., Хирин Е. CLIPS – процесс ориентированное программирование на языке LISP ..................................................................366

Ластовецкая Ю.В. Разработка кластерной системы под управлением ОС LINUX................................................................................................................368

СПИ-АС-2009

408

Лебеденко Е.В. Технологии самоорганизации в распределенных вычислительных системах. Перспективы исследования ............................. 369

Орлов А.В. Программное обеспечение для автоматизации планирования доставки продукции......................................................................................... 370

Пунин Н.Г., Платонова В.Л. Аспекты исследования безопасности сетевых систем ................................................................................................................ 372

Ральников М.А., Пузиков Д.П. Подходы к организации асинхронной передачи данных в динамических Web-компонентах ................................. 374

Редькин Ю.В. Разработка телеметрической системы согласованного контроля и управления реального времени .................................................. 380

Хабаров Е.Н., Кравец О.Я. Борьба с перегрузками в протоколе TCP ................ 383 Чернецова Е.А. Разработка алгоритмов доступа сенсоров к каналу связи,

оптимизирующих время жизни беспроводной сети мониторинга водной поверхности......................................................................................... 385

Шепелева М.А., Головинов С.О., Преображенский А.П. Анализ особенностей передачи информации по коротковолновому каналу связи .................................................................................................................. 389

Широбокова С.Н., Титаренко Е.В., Ткаченко Ю.В. Модуль поиска циклических связей в диаграммах IDEF0 ..................................................... 390

Ширшин И.С., Литвиненко А.Н. Аспектно-ориентированное программирование в SQL с применением моделирования баз данных ..... 401

Авторский указатель ................................................................................................ 405

Научное издание

Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем

Сборник трудов. Выпуск 14

Материалы опубликованы в авторской редакции

Подписано в печать 30.12.2008 г. Формат 16×84. Усл. печ. л. 8,5. Уч.-изд. л. 8,4.

Заказ 422. Тираж 500.

ООО Издательство «Научная книга» http://www.sbook.ru/

394026, Россия, г.Воронеж, ул. 303-й Стрелковой дивизии, 1а

(4732)205715, 297969