Современные проблемы информатизации в проектировании...

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 ПРОЕКТИРОВАНИИ

И ИНФОРМАЦИОННЫХ СИСТЕМАХ

Сборник трудов Выпуск 14

(по итогам XIV международной открытой научной конференции)

Научная книга

Воронеж - 2009

СПИ-ПИ-2009

411

ББК 32.81 С56

Современные проблемы информатизации в проектиро-

вании и информационных системах: Сб. трудов. Вып. 14/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная кни-га", 2009. - 140 с. (409-548)

ISBN 978-5-98222-424-8

Сборник трудов по итогам XIV Международной открытой на-учной конференции “Современные проблемы информатизации в проектировании и информационных системах”, проводившейся в ноябре 2008 - январе 2009 гг., содержит материалы по следующим основным направлениям: проектирование энергетических, электро-механических и технологических систем; информационные системы и их 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 978-5-98222-424-8 Коллектив авторов, 2009

СПИ-ПИ-2009

411

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 программно-телекоммуникационных систем»; «Современные проблемы информатиза-ции 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:

• проектирование энергетических, электромеханических и технологи-ческих систем;

• информационные системы и их приложения.

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

О.Я.Кравец [email protected]

http://www.sbook.ru/spi

mailto:[email protected]

СПИ-ПИ-2009

412

7. Проектирование энергетических, электромеханических и технологических систем

Акинин Ю.Р., Тютин М.В., Барабанов В.Ф.

АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ СКОРОСТЬЮ ВРАЩЕНИЯ ПРОМЫШЛЕННОГО ДВИГАТЕЛЯ ПОСТОЯННОГО

ТОКА НА БАЗЕ МИКРОКОНТРОЛЛЕРА ADUC812 [email protected]

В данной статье приводится архитектура и устройство программной

части автоматизированной системы управления скоростью вращения двига-теля в составе аппаратно-программного комплекса анализа технологических процессов. В основе архитектуры которых лежит микроконтроллер фирмы Analog Devices - ADuC 812. Система управления позволяет использовать раз-личные типы регуляторов (ПИД, ПИ, ПД, П, И, Д), визуально контролиро-вать процесс, автоматически строить графики, открывает возможности адап-тации и перенастройки для различного типа технологических процессов.

Введение В промышленности, постоянно повышаются требования к техническо-

му обеспечению технологических систем, создаются новые системы контро-ля и управления процессом, способные удовлетворять современным требова-ниям. Для этих целей был разработан аппаратно-программный комплекс ана-лиза технологических процессов в составе установки по перемешиванию пластичных масс (рис.1). Одним из основных требований процесса переме-шивания пластичных масс является поддержание постоянной, заданной ско-рости вращения вала двигателя установки. С учетом особенностей техноло-гического процесса, изменение вязкости перемешиваемой массы приводит к изменению нагрузки на валу двигателя и, следовательно, дестабилизирует постоянство скорости вращения. Данная ситуация представляет ряд требова-ний к созданию системы управления скоростью вращения валом двигателя, основными из которых являются универсальность, гибкость и компактность. Именно этим требованиям и удовлетворяет система автоматизированного управления на базе микроконтроллера ADuC 812.

Система автоматизированного управления. Комплекс анализа тех-нологических процессов

В качестве основы для реализации системы управления сбора и накоп-ления данных был выбран общедоступный микроконтроллер фирмы Analog Devices – ADuC812. В его составе имеется 8 каналов высокоточных АЦП (аналогово-цифровой преобразователь), которые можно задействовать для подключения большого диапазона датчиков, начиная от терморезисторов и заканчивая выводами с управляющих каналов исполнительных устройств. Кроме того, имеется набор цифровых выводов, к которым можно подклю-чить цифровые измерительные приборы. Эксперименты проводились на ус-


СПИ-ПИ-2009

413

тановке для замеса пшеничного теста, которая имеет несколько точек для из-мерения: 2 точки измерения температуры, скорость вращения месильных ор-ганов, нагрузка на валу двигателя и электропроводность перемешиваемой массы. Для измерения температуры были использованы цифровые темпера-турные датчики фирмы Dallas Semiconductor DS18S20 с интерфейсом под-ключения по однопроводной линии 1-Wire. Все датчики подключаются на один из цифровых входов микроконтроллера. Остальные установленные дат-чики, основанные на принципе изменения своего сопротивления, были подключены к входам АЦП через специальные модули сопряжения.

Программная модель мик-роконтроллера условно разделена на несколько блоков. Главной ча-стью программы является сис-темное ядро, которое непосредст-венно взаимодействует с базовы-ми внутренними устройствами. Далее идут модули обработки специфичных устройств. На при-мере работы датчиков температу-ры, ядро управляет только со-стоянием цифровых линий, но не конкретными датчиками. Т.е. только абстрагирует особенности работы с портами ввода-вывода контроллера. Для работы по про-

токолу 1-Wire, используется отдельный модуль, который абстрагирует спе-цифику работы 1-Wire и представляет для клиентов доступ на уровне отдель-ных устройств, подключенных к этой линии. Наконец последний уровень – это уровень абстракции датчиков. Т.е. как они представляются с точки зре-ния ПК. В результате такого многоуровневого представления, представляется возможность единообразной работы со всеми подключенными датчиками и подстройки устройства без нарушения унификации в целом[1].

Немаловажным является протокол связи с ПК – именно с ним и взаи-модействует программная часть регулятора скорости вращения двигате-ля (рис.2). Основная его идея – представить устройство как набор виртуаль-ных портов, через которые можно получать и передавать данные между ПК и устройством. Это позволяет избежать прямого обращения к памяти устрой-ства, что вызвало бы жесткую зависимость программного обеспечения на стороне ПК от конкретной реализации устройства. В протоколе предусмот-рено 4 типа портов, разделенных по типу передаваемых данных: булевый (1 бит), байтовый (8 бит), целый (16 бит) и вещественный (32 бита). Всего 256 портов каждого типа. Соответственно имеется команды записи и чтения пор-тов. Кроме того предусмотрена функция опроса состояния порта, которая по-

Рис. 1. Внешний вид аппаратно-программного комплекса анализа тех-нологических процессов

СПИ-ПИ-2009

414

зволяет просканировать подключенное устройство и определить его доступ-ную функциональность. Подобная организация программ и методов их взаи-модействия позволяют, во-первых: минимизировать зависимость от конкрет-ного микроконтроллера (система может быть перенесена на другую элемент-ную базу с минимальными изменениями); во-вторых, обеспечить прямую и обратную совместимость связки «устройство–ПК».

Задача регулиро-вания скорости враще-ния двигателя служит классическим примером теории управления и решается с помощью ис-пользования регулятора (рис. 3) с обратной свя-зью. В данной системе реализованы 6 типовых видов регуляторов (ПИД, ПИ, ПД, П, И, Д).

Эти типы регуля-торов используются как устройства в цепи обратной связи для под-держания заданного зна-чения измеряемого па-раметра (скорости вра-

щения ротора двигателя). Например, ПИД - регулятор измеряет отклонение стабилизируемой величины от заданного значения (уставки) и выдаёт управ-ляющий сигнал, являющийся суммой трёх слагаемых, первое из которых пропорционально этому отклонению, второе пропорционально интегралу от-клонения и третье пропорционально производной отклонения (или, что то же самое, производной измеряемой величины).

Назначение ПИД регулятора в системе - поддержание заданного зна-чения x0 некоторой величины x (заданной скорости вращения) с помощью изменения другой величины u (действительной скорости вращения). Значе-ние x0 называется уставкой, а разность e = (x0−x) - невязкой или рассогласо-ванием. Выходной сигнал регулятора u определяется тремя слагаемыми:

dtdeKdeKteKDIPtu

t

dip ∫ ++=++=0

)()()( ττ,

где Кp, Кi, Кd — коэффициенты усиления пропорциональной, интегральной и дифференциальной составляющих регулятора, соответственно[2]. Так же можно использовать несколько иную формулу для выходного сигнала, в ко-торой на пропорциональный коэффициент усиления умножены также инте-гральная и дифференциальная составляющие:

Рис. 2. Программная модель микроконтроллера ADuC 812 и ее взаимодействие с системой регу-ляции и контроля

СПИ-ПИ-2009

415

∫ ++=t

dpipp dtdeKdeKteKtu

0

)()(()( ττ

Рис. 3. Интерфейс программы система управления скоростью вращения

двигателя постоянного тока на базе микроконтроллера ADuC 812 Но в данной системе используется форма с непосредственным задани-

ем интегрального дифференциального и пропорционального коэффициентов. Рассмотрим их влияние на процесс регулирования. Пропорциональная со-ставляющая устраняет непосредственно ошибку в значении стабилизируемой величины, наблюдаемую в данный момент времени. Интегральная состав-ляющая используется для устранения статической ошибки. Она позволяет регулятору «учиться» на предыдущем опыте. Дифференциальная состав-ляющая противодействует предполагаемым отклонениям регулируемой ве-личины, которые могут произойти в будущем.

Программная реализация регулятора выполнена на языке С# под плат-форму Microsoft .NET Framework. Одной из основных идей Microsoft .NET является совместимость различных служб, написанных на разных языках. Каждая библиотека (сборка) в .NET имеет сведения о своей версии, что по-зволяет устранить возможные конфликты между разными версиями сборок. Данная технология открывает возможности высокой функциональной рас-ширяемости системы и возможность системы не привязывается к опреде-ленном языку программирования. Так же технология Mono (разработка Novell), как реализация .NET на Unix-подобных системах – открывает потен-циальную возможность использования системы регулирования не только на Windows–подобных операционных системах, но и на Unix.

Из графиков (рис. 4) видно, что использование регулятора на различ-ных скоростях - является эффективным методом для стабилизации и управ-ления системой вращения валом двигателя под нагрузкой и без нее. А систе-ма сбора и хранения данных позволяет оперативно получать точную инфор-мацию о системе, стоить графики, математическую модель с целью дальней-шего изучения и обработки экспериментальных данных и постановки даль-

СПИ-ПИ-2009

416

нейших задач по функциональному расширению аппаратно-программного комплекса анализа технологических процессов.

Рис. 4. Использование регулятора: слева - без нагрузки, справа - под на-

грузкой Заключение Предложенная автоматизированная система управления скоростью

вращения двигателя постоянного тока на базе микроконтроллера ADuC 812 в составе аппаратно-программного комплекса анализа технологических про-цессов является достаточно гибкой и адаптивной, с высокими возможностя-ми расширения функциональности системы. В частности расширения коли-чества используемых регуляторов и алгоритмов управления, добавления сис-темы сбора и хранения данных результатов эксперимента, управления и кон-троля за другим параметрами технологического процесса (например снятия значений нагрузки с вала вращения двигателя). Применение разнотипных ре-гуляторов помогает анализировать принцип регулирования, и подбирать оп-тимальные значения параметров регулятора для различного рода технологи-ческих объектов.

Список использованных источников

1. Тютин Т.В., Барабанов В.Ф. Черных В.Я. Вестник ВГТУ 5, Том 3, 2007.

2. Бесекерский В.А., Попов, Е.П. Теория систем автоматического регу-лирования, СПб.: Профессия, 2004.

Андреев М.А., Липилина А.П., Шейбухов С.Н. АППАРАТНАЯ ЧАСТЬ ИЗМЕРИТЕЛЬНОГО КОМПЛЕКСА [email protected] [email protected] [email protected] Использование вычислительной техники и информационных техноло-

гий в области средств измерения открывает новые возможности при обра-ботке, хранении, отображении и передаче данных, которые недостижимы для традиционных приборов.

Система анализа электрических сигналов на базе ПК представляет со-бой новое направление развития измерительного оборудования, которое предназначено для мониторинга, измерения, хранения и обработки парамет-




СПИ-ПИ-2009

417

ров и характеристик как регулярных, так и случайных электрических вели-чин.

Компьютерная система анализа электрических сигналов содержит ап-паратную и программную составляющие. В состав первой входят первичные преобразователи в виде датчиков тока и напряжения с гальванической раз-вязкой, которые преобразуют измеряемые величины в электрические сигна-лы диапазона от -5 до +5 В.

Выходные сигналы измерительного блока подаются на входы быстро-действующего мультиплексированного АЦП платы L-CARD, подключенной к ПК через PCI-шину. Плата L-Card L-783 является быстродействующим и надежным устройством на базе высокопроизводительной шины PCI, предна-значенным для ввода, вывода и обработки аналоговой и цифровой информа-ции в персональных IBM совместимых компьютерах. Благодаря интерфейсу PCI обеспечивается высокая скорость обмена информацией (данными) с про-граммной составляющей комплекса и исключаются конфликты с другими платами, установленными в персональном компьютере.

Внутренняя архитектура встроенного высокопроизводительного сиг-нального процессора фирмы Analog Devices Inc. ADSP-2184 позволяет опти-мально реализовать такие алгоритмы, как цифровая фильтрация, спектраль-ный анализ и т.д. Процессор обладает своим собственным контроллером ПДП для доступа к любой ячейке внутренней памяти. Благодаря этому про-граммное обеспечение комплекса может обращаться к любой ячейке памяти процессора, не прерывая работы самого DSP, что исключительно удобно при построении алгоритмов, работающих в реальном масштабе времени. Макси-мальная пропускная способность обмена данными между сигнальным про-цессором и компьютером составляет приблизительно 10Мб/с. Весь обмен данными с центральным компьютером DSP осуществляет через выделенный канал IDMA. Протокол работы с каналом предусматривает возможность за-грузки в сигнальный процессор управляющей программы (драйвера), которая осуществляет требуемые алгоритмы ввода-вывода. Сигнальный процессор обеспечивает также взаимодействие с микросхемой двухканального ЦАП че-рез встроенный последовательный порт. Управление внешними цифровыми линиями осуществляется DSP с помощью чтения/записи нулевой ячейки сво-его пространства ввода/вывода.

В разработанном комплексе предусмотрена возможность задания час-тоты работы АЦП за счет изменения частоты следования управляющих им-пульсов. Управление адресом (номером) канала, коэффициентом усиления сигнала и типом подключения входных каскадов происходит с использова-нием управляющего регистра.

Данные с АЦП поступают в кольцевой буфер или FIFO, реализованный в ОЗУ сигнального процессора. При заполнении части буфера генерируется прерывание. Драйвер устройства при этом прерывании считывает данные и помещает их в большой кольцевой буфер, реализованный в ОЗУ компьютера.

СПИ-ПИ-2009

418

Большой кольцевой буфер доступен пользовательскому приложению – име-ется указатель на начало этого буфера. Кроме того, имеется счетчик заполне-ния буфера. Используя этот счетчик можно забирать данные из заполненной части кольцевого буфера.

Для снятия данных с измерительного блока используется дифференци-альный режим подключения к плате. При такой схеме подключения сигнала измеряется разность напряжений между двумя входами канала и обеспечива-ется подавление синфазных помех, возникающих в соединительных прово-дах, не менее чем на 60Дб. Каждый источник сигнала подключается к соот-ветствующему каналу двумя проводами.

Дальнейшая обработка данных производится виртуальным прибором, реализованным программным способом на персональном компьютере.

На основе измерительного комплекса могут быть реализованы системы оценки качества электрической энергии, системы быстродействующего ана-лиза электрических сигналов в области силовой электроники, а также систе-мы высокоточной идентификации и технической диагностики для электро-механических объектов.

Бeляева М.А.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ УПРАВЛЕНИЯ ТЕПЛОМАССООБМЕННЫМИ ПРОЦЕССАМИ ТЕПЛОВОЙ

ОБРАБОТКИ МЯСОПРОДУКТОВ [email protected]

Разработана информационная технология управления тепломассооб-

менными процессами при тепловой обработки мясопродуктов, с применени-ем современных программных средств с целью визуализации, отслеживания, контроля и регулирования основных параметров процесса на основе оптими-зации технологических регламентов с максимальным сохранением пищевой и биологической ценности.

Процесс тепловой обработки можно описать системой дифференци-альных уравнений тепломассопереноса (1) для обобщенных переменных в критериальной форме при любых условиях:

∂∂

⋅+∂

∂⋅⋅⋅ε−

∂∂

⋅+∂

∂⋅⋅⋅⋅ε+=

∂∂

X)Fo,X(U

XГ

2X

)Fo,X(U2LuKo

U)Fo,X(Т

XГ

2X

)Fo,X(2)LuPnKo1(

Fo)Fo,X(T ;

∂∂

⋅+∂

∂⋅⋅−

∂∂

⋅+∂

∂⋅=

∂∂

Х)Fo,Х(Т

ХГ

2Х

)Fo,Х(T2PnLu

Х)Fo,Х(U

ХГ

2Х

)Fo,Х(U2Lu

Fo)Fo,Х(U (1)

гдe: RхХ = - безразмерная координата; *t/)*tt(T ∆−= - безразмерная температу-

ра; *U/)U*U(U ∆−= - безразмерное влагосодержание; ε – критерий фазового

перехода; 2R

aFo τ⋅= - критерий Фурье ;

tgcQmcr

tgcUrКo

∆⋅⋅∆⋅⋅

=∆⋅⋅

∆⋅= - критерий


СПИ-ПИ-2009

419

Коссовича; Umаo

ToTma

UTРn

∆⋅⋅ρ∆⋅ρ⋅

=∆

∆⋅δ= - критерий Поснова;

gama

Lu = ; gapa

Lu = -

критерии Лыкова; Тепловую обработку полуфабриката из говяжьей вырезки, нарезанной

тонким куском, например таких, как мясные натуральные, продукт можно считать частью бесконечной пластины. В этом случае коэффициент Г=0, и дифференциальные уравнения (1) принимают вид:

- для переноса тепла:

2Х

)Fo,Х(U2LuKo

Х)Fo,X(T2

)LuPnKo1(Fo

)Fo,Х(T

∂

∂⋅⋅⋅ε−

∂∂

⋅⋅⋅⋅ε+=∂

∂ ; (2)

- для переноса влаги:

2Х

)Fo,Х(T2PnLu

2Х

)Fo,Х(U2Lu

Fo)Fo,Х(U

∂

∂⋅⋅−

∂

∂⋅=

∂∂ ; (3)

при граничных условиях: - для теплопереноса: 0)Fо(mКiКоLu)1(FоgКi

Х)Fo,1(T

=⋅⋅⋅ε−−⋅+∂

∂ ; (4)

- для влагопереноса: 0)Fo(mКiХ

)Fo,1(TРn

Х)Fo,1(U

=+∂

∂⋅+

∂∂

− ,

где 0FUU0U

mКi−

−= -массообменный критерий Кирпичева; Kig – теплообменный

критерий Кирпичева; gc

rРnКоFe⋅

⋅δ⋅ε=⋅⋅ε= - критерий Федорова;

Если считать изменение температуры и влаги одинаковым, то при X=0 0

Х)Fo,0(U

Х)Fo,0(T

=∂

∂=

∂∂ (5)

и начальных условиях: const0T)0,Х(T;const0U)0,Х(U

===

=== (6)

Аналитическое решение уравнений (2), (3) при условиях (4)-(6) пред-ставляется сложными выражениями с разложением в ряд с громоздкими ко-эффициентами и многостадийными вычислениями, что делают их практиче-ски неприемлемыми для вычисления тепловых и влажностных полей и опре-деления оптимальных технологических режимов.

Для численного решения задачи необходимо знать параметры внут-реннего переноса энергии и вещества, критерии внутреннего переноса тепла и влаги, суммарный критерий фазового перехода. Считая образец полубеско-нечным тонким стержнем, ( 0 < х < ∞ ) и (d< l) для одномерной задачи полу-чить численное решение критериальных уравнений:

)Fo,N(WFoUKo

2N

T2

FoT

+∂∂

⋅⋅ε+∂

∂=

∂∂ ; Lu

2N

T2Pn

2N

U2

FoU

⋅

∂

∂⋅+

∂

∂=

∂∂ (7)

где N – параметр толщины образца (безразмерная величина); Т - относитель-ная безразмерная температура. Критериальные уравнения (7), приведены в параметрический вид:

cdtdU

crt2a

ddt

⋅ρω

++⋅ε

+∇⋅=τ

, (8)

t2mmaU2

maddU

∇δ⋅+∇⋅=τ

СПИ-ПИ-2009

420

где t – температура продукта, ºК.; U – влагосодержание, %; τ – время, сек.; ,a ma – коэффициенты температуропроводности и влагопроницаемости, м2/cек; c – удельная теплоемкость продукта, Дж/кг·ºК: ε – критерий фазового перехода «жидкость – пар»; Πr – удельная теплота парообразования, Дж/кг; ρ – плотность вещества продукта, кг/м3; ω – мощность объемного, равномерно распределенного источника тепла, Bm.; δ – коэффициент термодиффузии, кг / ºК позволяют без упрощений с заданной точностью исследовать процесс те-пловой обработки мясопродуктов с помощью конечно - разностной имитаци-онной модели тепломассообменного процесса в цилиндрических координа-тах [1].

Граничные условия на боковой и торцевой поверхностях продукта ци-линдрической формы для симметричного нагрева записываются условиями третьего и второго рода, для одной четверти осевого сечения цилиндра в ко-нечно-разностной форме

- для теплообмена:

1,1;1/

1,1;1/

,1,,,

,,1,,

−=

+

+=

−=

+

+=

−

−

nihttht

mjhttht

kmikcpkmi

kjnkcpkjn

λα

λα

λα

λα

2;

2

,1;;,1;

1,,10,11,0

,,,,,,,,

−− +=

+=

====

mnmnnmoo

klikoikjlkjo

ttt

ttt

nittmjtt

(9)

где α - коэффициент теплоотдачи, Вт/м². ; λ - коэффициент теплопро- водно-сти, Вт/м;

- для массообмена :

1m,1j);1h

()uuh

(Uu

uk,j,1n

kср

u

uk,j,n −=+

λα

+λα

= − 1n,1i);1h

()uuh

(Uu

uk,1m,i

kср

u

uk,m,i −=+

λα

+λα

= −

;,1;,,,,0 mjUU kjikj == n,1i;UU k,1,ik,0,i == 2

uuU;

2uu

U 1m,nm,1nnm

0,11,00,0

−− +=

+= (10)

где uα ,

uλ - коэффициенты влагоотдачи и влагопроводности. Вместе с изменениями влажности и температуры нагрева продукта

происходят массообменные процессы, связанные с изменениями массовых долей биологических компонентов: амино- и жирных кислот, витаминов, белковых и липидных фракций. В результате обработки экспериментальных данных получены уравнения регрессии массовых долей компонентов пище-вой и биологической ценности от температуры в виде степенных полиномов. Объединением уравнения тепломассопереноса с уравнениями регрессии, по-лучена обобщенная модель процесса тепловой обработки и разработаны на ее основе алгоритмы оптимизации по критериям минимизации потерь пищевой и биологической ценности продукта [1,2].

Разработан программный комплекс, модули компьютерной системы функционируют в средах Windows 95/NT/98/ME/2000/ХР/2003,2007, для вы-вода результатов вычислений на экран были использованы элементы MSFlexGrid c использованием приложения Microsoft excel языка программи-

СПИ-ПИ-2009

421

рования VBA, графической среды Labview, интерфейсы написаны в Delphi,основные процедуры – в Object Pascal [1,2]

Таким образом, информационные технологии оптимального проекти-рования процесса тепловой обработки мясопродуктов, позволяют автомати-зировать и визуализировать процесс, проводить процесс в заданном техноло-гическом интервале нагрева и получить продукты требуемого качества.


1. Беляева М.А. Моделирование и оптимизация управления качеством мясных изделий в процессе тепловой обработки. - М.: ООО Франтера, 2006, 248 с.

2. Беляева М.А.Интеллектуальные системы моделирования и оптими-зации тепловых процессов// Труды III международной научно-технической конференции АIS’07 CAD-2007, том 3, Москва, Физматлит, 2007, с. 9 – 20

Бабкова Т.С., Лукьянов А.Д. ИСПОЛЬЗОВАНИЕ КОМБИНИРОВАННОГО УПРАВЛЕНИЯ

ВЫСОКОМОМЕНТНЫМ ЭЛЕКТРОПРИВОДОМ В СИСТЕМАХ ПРЕЦИЗИОННОГО УГЛОВОГО ПОЗИЦИОНИРОВАНИЯ

[email protected] Задача высокоточного углового позиционирования возникает доста-

точно часто в машиностроительном производстве. Рассмотрим задачу угло-вого позиционирования высокоинерционной заготовки при действии момен-та сопротивления, соответствующего граничному трению.

Значительный момент инерции накладывает ограничения на скорость вращения заготовки при позиционировании, а наличие граничного трения за-трудняет применение ПИ-регулятора. Характер движения в системе пози-ционирования получается следующий:

− по мере нарастания крутящего момента, прилагаемого двигателем к заготовке, происходит накоплениеиупругих деформаций;

− после превышения крутящим моментом величины момента трения покоя, начинается вращение заготовки с сохранением накопленрых упругих деформаций.

− после достижения заданной координаты и снятия крутящего момента со стороны двигателя, происходит откат заготовки в сторону, противополож-ную движению на величину деформации, что приводит к ошибке по пози-ционированию.

В рассматриваемой системе прецизионного позиционирования, при моменте трогания, достигающем 800 Н*м, при управлении по ПИ-закону возникали ошибки позиционирования до 110" (при требуемой точности не более 30"), либо система возбуждалась.


СПИ-ПИ-2009

422

Для исключения подобного явления в алгоритм управления сервопри-водом высокомоментного двигателя, позволяющего контролировать и управ-лять величиной крутящего момента на валу, был включен предсказывающий модуль, измеряющий на начальном этапе позиционирования величину кру-тильной жесткости системы в режиме управления по моменту, оцениваю-щий, на промежуточном этапе, величину крутильной деформации, и учиты-вающий эту величину на заключительном этапе позиционирования при управлении по положению.

Предложенный алгоритм был опробован в составе станка для нарезки пазов в роторах турбин при обработке ротора паровой турбины с моментом инерции свыше 1000 кг*м2 и массой более 16 т.

В приспособлении прецизионного позиционирования, система управ-ления которого содержит ПЛК S7-224XP, сервопривод SGDH Omron с BLDC двигателем SGMGH Yashkawa и датчик обратно связи ЛИР-158 с разрешени-ем 65536 имп/оборот, была достигнута точность позиционирования в 5 угло-вых секунд.

Винокуров С.А.

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ЛОГИКО-ДИНАМИЧЕСКОЙ ЭЛЕКТРОМЕХАНИЧЕСКОЙ СИСТЕМЫ С БДПТ

[email protected] Рассмотрение электромеханических систем (ЭМС) с бесконтактным

двигателем постоянного тока (БДПТ) с позиций методологии логико-динамических систем расширяет возможности их анализа и синтеза. Управ-ление динамической частью ЭМС с БДПТ может осуществляться при этом выбором состояний логической части. Выбранное состояние в данном случае определяет тот или иной тип траектории движения динамической части и, следовательно, режим.

Задача формирования управления системой в данном случае состоит в нахождении (либо конструировании) траекторий движения из конечного числа типовых траекторий. С учетом возможных состояний для различных режимов работы динамическую часть ЭМС с БДПТ можно описать уравне-ниями:

))2

tcos(CdtdiLil)RR((kU i

Keдоп Θ+

α+ωω++⋅⋅+=⋅ ,

где U - напряжение питания, ω - угловая частота вращения, i - рабочий ток, L - индуктивность двигателя, Kα - угол коммутации, iΘ - угол между полем ротора и статора, eC - коэффициент противоэдс, R - активное сопротивление, допR - дополнительное активное сопротивление в режиме динамического

торможения БДПТ, )1;0(l = (в двигательном режиме 0l = , в режиме дина-мического торможения 1l = ), 0,1,1k −= , n,...,2,1i = - коэффициент, опреде-


СПИ-ПИ-2009

423

ляющий состояние динамической части;

HiK

M M)2

tcos(iCdtdJ −Θ+

α+ω=

ω ,

где J - момент инерции двигателя, MC - коэффициент двигателя, HM - мо-мент нагрузки;

∫ ω=ϕ dt , где ϕ - угол поворота ротора БДПТ. Предложенная с учетом методологии логико-динамических систем уточненная математическая модель ЭМС с БДПТ является комплексной, поскольку полученные функциональные зави-симости позволяют выполнять моделирование и исследование различных режимов рассматриваемой системы (двигательного, режимов динамического торможения или торможения противовключением, выбега), которые с учетом полученных выше результатов представляют собой частные случаи комби-нации различных состояний. Предложенная математическая модель с ис-пользование современных инструментальных средств позволяет решать за-дачи анализа и синтеза ЭМС с БДПТ.

Водовозов А.М., Елюков А.С. РАЗРАБОТКА ВИРТУАЛЬНЫХ ПРИБОРОВ ДЛЯ ИДЕНТИФИКАЦИИ

ЭЛЕКТРОПРИВОДОВ В ПРОЦЕССЕ ФУНКЦИОНИРОВАНИЯ [email protected]

При исследовании электроприводов, как динамических систем основ-

ной задачей считается построение их корректных моделей во временной или частотной области. При этом полученная модель должна быть адекватна объ-екту в соответствии с выбранным при идентификации критерием подобия.

Реальные электроприводы как объекты исследований обычно содержат большое число нелинейностей, а их линеаризованные модели описываются дифференциальными уравнениями высоких порядков. Для идентификации таких объектов в процессе работы наблюдаются входные и выходные сигна-лы и вычисляются параметры передаточной функции либо непосредственно по переходному процессу, либо по частотному изображению переходного процесса.

Реакцией системы на входное воздействие ( )x t является переходный

процесс ( )y t , для которого требуется выполнение следующих условий:

( )y 0 0= , ( ) уст

tlim y t y const→∞

= =, отсутствие незатухающих колебаний. Помимо

этого предполагается, что ( )x t задано аналитически, а ( )y t - таблично. Пусть пt - время переходного процесса. Для разложения входного и выходного сиг-налов в ряд Фурье периодизируем их в соответствии с формулой:


СПИ-ПИ-2009

424

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

п п* *

п п п п п п

x t , y t , m 2t t 2m 1 t ,

x t , y t x t x t t , y t y t t , 2m 1 t t 2 m 1 t ,m N.

⋅ < < + ⋅

= − − − − + ⋅ < < + ⋅ ∈

В соответствии с формулами разложения в ряд Фурье функции задан-

ной таблично имеем для ( )*y t :

( ) ( ) ( )2 2y0 yk*yk yk

k 1 п yk

a aр ky t a b sin t arctgt2 b

∞

=

⋅ = + + ⋅ ⋅ +∑

, n *

y0 ii 1

2a y

n == ⋅ ∑

,

n *yk i i

i 1 п

2 р ka y cos t

n t=

⋅= ⋅ ⋅ ⋅ ∑

,

n *yk i i

i 1 п

2 р kb y sin t

n t=

⋅= ⋅ ⋅ ⋅ ∑

.

Формула разложения в ряд Фурье для ( )*x t имеет вид:

( ) ( ) ( )2 2* x0 xkxk xk

k 1 п xk

a aр kx t a b sin t arctgt2 b

∞

=

⋅ = + + ⋅ ⋅ + ∑ ,

( )2tп *

y00

1a x t dt

tп= ⋅ ∫

, ( )

2tп *yk

0п п

1 р ka x t cos t dt

t t

⋅= ⋅ ⋅ ⋅ ∫

,

( )2tп *

yk0п п

1 р kb x t sin t dt

t t

⋅= ⋅ ⋅ ⋅ ∫

. Очевидно, что отношение амплитуд выходного сигнала к амплитудам

входного сигнала при соответствующих частотах дает амплитудно-

частотную характеристику. Частота вычисляется по формуле: п

р kщt⋅=

. С учетом вышесказанного для амплитудной характеристики справед-

ливы соотношения:

( ) y0

x0

aA 0

a=

,

( ) ( )( ) ( )

2 2yk yk

2 2п xk xk

a bр kA

t a b

+ ⋅=

+ .

Для получения коэффициентов передаточной функции она преобразу-ется в АЧХ и подвергается минимизации ошибки по методу Левенберга-Маквардта.

Приведенные формулы позволили реализовать виртуальный прибор для идентификации электропривода в системе графического программирова-ния Labview 7.0 фирмы National Instruments.


1. Елюков А.С., Водовозов А.М. К вопросу об идентификации линей-ных динамических систем по результатам экспериментальных исследова-

СПИ-ПИ-2009

425

ний// Системы управления и информационные технологии. 2008. - 2.2(32). – с. 253-256.

2. Водовозов А.М., Елюков А.С. Лабораторный практикум по стати-стической параметрической идентификации динамических систем. Труды седьмой междунар. НПК «Образовательные, научные и инженерные прило-жения в среде LabVIEW и технологии National Instruments - 2008». М. РУДН, 2008.

Воробьева Д.Б.

ИССЛЕДОВАНИЕ И РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА ТЕХНОЛОГИЧЕСКОГО УПРАВЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ

ПОДСТАНЦИЕЙ [email protected]

Безопасность, надежность и экономичность являются основными

принципами создания, эксплуатации и развития любого производства. Стремление собственников компаний максимально использовать ресурс обо-рудования вступило в противоречие с необходимостью обеспечения его на-дежной работы и сведения к минимуму числа аварийных отключений. Необ-ходимость разрешения этого противоречия привела к формированию нового подхода в АСУ ТП, в основе которого лежит одновременный мониторинг оборудования, анализ рисков, прогнозирование аварий и управление техно-логическим процессом на основе полученных данных [1].

Для управляемого оборудования электрических подстанций подсисте-мы мониторинга, диагностики и управления целесообразно выполнять как единый программно-технический комплекс, что позволяет:

Исключить дублирование первичных датчиков и вторичных преобра-зователей для приема входной информации;

Повысить надежность и качество управления за счет контроля испол-нения каждой команды.

На отечественном и зарубежном рынке подобные системы существуют в виде отдельных субсистем управления, мониторинга и диагностики отдель-ных видов оборудования [1]. В КТИ ВТ СО РАН разрабатывается ПТК Кон-троллер Электрической Ячейки (КЭЯ) - многофункциональное мультипро-цессорное устройство, предназначенное для комплексного управления, мо-ниторинга, диагностики оборудования ячейки электрической подстанции, технического учета и контроля качества электроэнергии, регистрации ава-рийных событий.

Структурная схема АСДУ электроснабжения на основе КЭЯ КТИ ВТ СО РАН представляет собой двухуровневую распределенную систему сбора данных и телеуправления. Контроллер устанавливается непосредственно в ячейку, где сосредоточены и все его связи с первичными сигналами, во


СПИ-ПИ-2009

426

внешнюю среду выходит только кабель для выхода в локальную сеть нижне-го уровня.

Обработка аналоговых сигналов, формирование кольцевого буфера данных в двухпортовой памяти производится DSP-процессором. Второй цифровой процессор обеспечивает обработку дискретных сигналов, анализ полученных данных, диагностику, ведение базы данных, индикацию состоя-ния, конфигурирование контроллера и пр. Местное управление и отображе-ние обеспечивается с помощью сенсорной панели Touch Screen.

На основе стандартов ОАО РАО «ЕЭС России» и анализа АСДУ ЭС сформулированы основные требования к ПО верхнего уровня КЭЯ:

Гибкость и расширяемость; Обеспечение санкционированного доступа к информации; Контроль достоверности полученных данных, самодиагностика; Хранение результатов измерений, состояний объектов и средств изме-

рений в базе данных в соответствии с ГОСТ Р 52069.0; Ведение «Журналов событий», формирование отчетных документов; Ведение и синхронизация единого системного времени в АСДУ; Конфигурирование технических средств и ПО. Программное обеспечение верхнего уровня КЭЯ разрабатывается на

языке программирования С++ при помощи библиотеки QT под OC Linux. Структурная схема ПО верхнего уровня КЭЯ отображена на рис. 1.

Рис. 1. Структура ПО верхнего уровня Подсистема оповещения включает в себя: журнал событий, нижнюю

панель экстренных сообщений, файл логирования, звуковую сигнализацию, автоматическую передачу на верхний уровень АСУ.

Разработанная подсистема конфигурации позволяет настроить опове-щение для каждого вида события, параметры технического учета электро-энергии и диагностики, программного обеспечения КЭЯ, сконфигурировать оборудование и датчики ячейки, телеуправление.

Обеспечение информацией о состоянии оборудования, контроль управления и диагностика в режиме реального времени позволит:

СПИ-ПИ-2009

427

Создание предпосылок для существенного снижения числа технологи-ческих нарушений и предотвращения крупных аварий;

Сокращение затрат на необоснованное обновление оборудования, его комплексное обследование и проведение ремонтов;

Сокращение численности персонала в результате внедрения автомати-зированных методов диагностики.


1. Мордкович А.Г., Горожанкин П.А. О построении подсистем монито-ринга, управления и диагностики оборудования подстанций сверхвысокого напряжения и их интеграции в АСУ ТП ПС/ Энергосистемы и электрические сети, 2007, 6.

Гольдштейн М.Л.

СТРУКТУРА КОМПЬЮТЕРНО-ПРИБОРНОЙ БАЗЫ ЭКСПЕРИМЕНТА [email protected]

Обеспечение опережающего развития фундаментальных исследований,

участие научных организаций в решении крупных прикладных и высокотех-нологичных задач возможно только при наличии современной по структуре и техническим характеристикам компьютерно-приборной базы эксперимента (КПБЭ). При этом под структурой современной КПБЭ мы понимаем сово-купность сред: информационно-вычислительной на уровне мировых стандар-тов и базирующейся на HPC-системах; телекоммуникационной, работающей на гигаскоростях, например, по “лямбда” каналам на основе технологии плотного волнового мультиплексирования (DWDM) и приборно-интерфейсной на базе мультипроцессорных систем сбора и обработки дан-ных, участвующих в непосредственном взаимодействии (измерение, кон-троль, управление) с изучаемым объектом.

В качестве основных сервисов, представляемых КПБЭ эксперимента-тору можно выделить приборно-вычислительный (ПВС), вычислительный (ВычС), телематический (ТелС) и сервис по хранению и структуризации дан-ных (СХСД). При этом под ПВС понимаем возможность создания и обеспе-чения приборного интерфейса с применением инструментальной оболочки средств ВычС. ВычС-это возможность решения разнообразных счетных на-учных и практических задач на суперкомпьютерах в режиме on-line на 3-х уровнях коллективного теледоступа LAN-MAN-WAN. Под ТелС-услуги по передаче данных с заданным качеством в пространстве “локальные интер-фейсы-LAN-MAN-WAN” в целях обеспечения экспериментальных исследо-ваний. Под СХСД-услуги по хранению и сортировке потока данных, полу-чаемого в процессе эксперимента для последующей обработки, визуализации и анализа результатов и опять же последующего хранения.


СПИ-ПИ-2009

428

В графическом виде структура КПБЭ как основа для WEB-эксперимента представлена на рис. В качестве ключевых структур можно выделить: для ПВС-информационно-управляющую подсистему как вычисли-тельно-интерфейсную основу объектно-ориентированных автоматизирован-ных систем формирования интенсивного потока данных и управления натур-ным экспериментом; для ВычС-обслуживающую подсистему централизован-ных и распределенных вычислений и обработки интенсивного потока дан-ных; для ТелС-телекоммуникационную подсистему передачи данных на ос-нове методологии и инструментария локального и распределенного сервиса; для СХСД-локальную и распределенную системно-организованную подсис-тему сортировки и хранения данных.

Рис. Структура КПБЭ (подсистема транспортировки данных и инфор-

мации представлена в виде потоковых стрелок серого цвета) Схема организации натурного эксперимента, в зависимости от сложно-

сти и объёма поставленных задач, включает либо подсистемы 1-3, либо 1,3 с вводом данных по входам "А", "В" и получением информации по выходам "E", "F" (либо "Е" в случае использования только подсистем 1,3) и комплекса управляющих воздействий по входу-выходу "D". Для организации вычисли-тельного эксперимента достаточно подсистем 2,3 с вводом данных по входу "С" и получением информации по выходу "F". При этом необходимая для решения задачи вычислительная мощность будет определяться количеством задействованных процессоров/ядер для реализации того или иного типа па-

СПИ-ПИ-2009

429

раллельной обработки. В ходе обеспечения экспериментальных исследова-ний каждая из подсистем выступает как набор функциональных узлов (ФУ). Системное интегрирование имеющихся в наличии и оригинальных ФУ дает в конечном итоге конкретную экспериментальную установку с заданными свойствами.

Грицына А.Н.

ИМИТАЦИОННАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ КАЧЕСТВА СВАРНЫХ СОЕДИНЕНИЙ ПРИ ИХ ВЫПОЛНЕНИИ

НЕАДАПТИВНЫМИ РОБОТАМИ НА ПРИМЕРЕ ТОНКОСТЕННЫХ КОНСТРУКЦИЙ С БОЛЬШИМ КОЛИЧЕСТВОМ КРУГОВЫХ ШВОВ

[email protected] Целесообразность использования роботов во многом зависит от воз-

можности обеспечения качественных сварных соединений. В свою очередь качество сварных соединений зависит от многих параметров: точность изго-товления деталей - ∆и; точность изготовления приспособления – ∆п; точ-ность используемых манипуляторов - ∆м; точности робота - ∆р; от качества работы программиста-оператора (человеческий фактор) - ∆ч; от отклонений проволоки от оси горелки - ∆о; от отклонений связанных со сварочными де-формациями - ∆д. Параметры всех перечисленных выше отклонений имеют случайный характер.

Задача оценки возможности сварки роботом в данной работе рассмат-ривается как задача обеспечения заданного качества сварного соединения, сформулированная в терминах допустимых отклонений электрода от линии свариваемого стыка в системе «изделие - оснастка для сборки и сварки - ма-нипуляционная система изделия - робот - оператор».

Работа имитационной модели заключается в следующем: задаётся схема базирования изделия в приспособлении; записывается алгоритм расчёта возможного отклонения стыка от его

проектного положения и возможного зазора при сварке; задаются законы распределений возможных отклонений всех вышеука-

занных величин (∆и, ∆п, ∆м, ∆р, ∆ч, ∆о, ∆д); задаётся закон возможного отклонения проволоки от запрограммиро-

ванного положения оси сварочной горелки. Система случайным образом, но в рамках законов распределения, гене-

рирует величины отклонений (∆и, ∆п, ∆м, ∆р, ∆ч, ∆о, ∆д) и рассчитывает ве-личину зазора в стыке b и отклонение проволоки от стыка δ. Расчет этих ве-личин производится 103 – 104 раз. Они сравниваются с допустимыми откло-нениями |b| и |δ|, которые находятся в банке данных. Система подсчитывает процент получения качественных изделий. На основании этого принимается решение о качестве получаемого изделия.


СПИ-ПИ-2009

430

Для тонкостенных конструкций с большим количеством круговых швов роботизация осложняется вследствие появления сварочных деформа-ций. В связи с этим применение имитационной модели прогнозирования ка-чества сварных соединений при их выполнении неадаптивными роботами для данных конструкций, состоит в следующем:

принятие конструктивно-технологических решений по снижению пе-ремещений возникающих в конструкциях из-за сварочных деформаций;

разработка методики определения допустимых отклонений |b| и |δ| - «области качества»;

выявление методами статистического анализа законов распределения основных параметров (∆и, ∆п, ∆м, ∆р, ∆ч, ∆о, ∆д), влияющих на получения качественного сварного соединения.

После чего становится возможным реализация алгоритма модели про-гнозирования качества для тонкостенных конструкций с большим количест-вом круговых швов на ЭВМ при помощи любого языка компьютерного про-граммирования.

Кузнецов Е.П.

РЕШЕНИЕ ЗАДАЧИ ОПТИМИЗАЦИИ ПАРАМЕТРОВ СТРУКТУРЫ АДАПТИВНОГО ЭХО-КОМПЕНСАТОРА

[email protected] Наличие паразитных эхо-сигналов в ряде технических приложений

часто является серьезной помехой, мешающей качественной передаче ин-формации и принятию верного решения. Наиболее эффективным способом борьбы с подобного рода помехами является адаптивная эхо-компенсация, основные принципы и особенности применения которой достаточно подроб-но изложены, например, в [1, 2].

В общем случае любая практическая реализация адаптивного эхо-компенсатора (ЭК) может быть описана некоторым набором показателей ка-чества 1 2( , ,...., ) k

kQ Q Q R= ∈q , где kR – k-мерное пространство показателей качества системы. Реализация одного из конкретных вариантов ЭК связана с выбором определенной структуры str , согласно которой может быть постро-ен ЭК; алгоритма адаптации alg , который определяет процедуру подстройки параметров ЭК с целью обеспечения наилучшего подавления эхо-сигнала; аппаратно-программного базиса hrd , то есть набора технических и про-граммных средств реализации конкретного ЭК. В качестве координат векто-ров str , alg и hrd могут выступать как формализуемые переменные, так и количественные показатели. Таким образом, конкретный вариант реализации ЭК задается тройкой ( , , )str alg hrd и характеризуется показателями качества

( , , )ϕ=q str alg hrd , где ( )ϕ ∗ – вектор-функция взаимосвязи показателей и определяющих факторов.


СПИ-ПИ-2009

431

Определим вектор показателей качества q адаптивного ЭК. Очевидно, что одним из показателей качества может стать такой параметр как ERLE (Echo Return Loss Enhancement) – относительный уровень ослабления эхо-сигнала в дБ. Поскольку его значение регламентируется рекомендациями Международного союза электросвязи (МСЭ), то при проектировании ЭК, ра-ботающего в реальных приложениях, значение ERLE не должно быть мень-ше значения ДОПξ , указанного в соответствующей рекомендации.

Кроме точности настройки адаптивного ЭК, определяемой значением ERLE, важно чтобы время на настройку ЭК по выбранному алгоритму адап-тации было минимальным и ЭК обладал возможностью работы в реальном времени. Поэтому в качестве второго элемента вектора показателей качества q примем время сходимости алгоритма адаптации СХОДT . Значение этого па-раметра также оговаривается в соответствующей рекомендации МСЭ, поэто-му на этот параметр накладывается ограничение вида СХОД ДОПT t≤ .

При разработке ЭК также должна быть учтена принципиальная воз-можность его практической реализации в рамках выбранной аппаратной базы

DSPhrd . Для учета этого свойства требуется ввести в вектор показателей ка-чества элемент ВЫЧC , отражающий вычислительные затраты на реализацию ЭК по выбранной структуре и на основе выбранного алгоритма адаптации. А также элемент ТРЕБM , отражающий требуемый объем памяти, который огра-ничен ресурсами конкретного сигнального процессора ТРЕБ DSPM M< . Таким образом, вектор показателей качества принимает следующий вид:

TСХОД ВЫЧ ТРЕБERLE T C M = q .

На основе вышесказанного задача оптимизации параметров структуры адаптивного ЭК может быть формализована следующим образом. Найти та-кую форму структурной реализации str и алгоритм адаптации alg , которые позволят достичь оптимального значения вектора качества q при условии, что ЭК будет реализован на базе заранее выбранной аппаратной базы DSPhrd :

( ),

, ;

;

;;

.

ВЫЧ

ДОП

СХОД ДОП

ТРЕБ DSP

DSP

C opt

ERLET tM M

ξ

= → ≥ ≤ < =

str algq str alg

hrd hrd

(1)

Поиск решения (1) аналитическим способом предполагает проведение процедуры многокритериальной оптимизации, что является определенной трудностью на практике. Тем не менее, поставленную задачу можно не-сколько упростить, ограничив область значений векторов str и alg .

Опираясь на исследования, проведенные в [3] имеем: [ ]FB= =str str ,

СПИ-ПИ-2009

432

[ ]Х-РНК #РНК ААП T= =alg alg . Здесь ( , , )FB N Lπϑ= m – функция, оп-

ределяющая свойства банка фильтров (БФ), аргументами которой являются следующие параметры: 1 2( , )ДОП ДОПNπ αβχ ε ε= – порядок низкочастотного фильтра-прототипа, зависящий от показателя прямоугольности АЧХ α , по-казателя узкополосности фильтра β и логарифмического показателя частот-ной избирательности 1 2( , )ДОП ДОПχ ε ε ; L – число субполосных каналов;

[ ]0 1, , TLM M −=m K – вектор коэффициентов децимации БФ; ( )ϑ ∗ – некоторая

функция взаимосвязи основных параметров БФ. В состав вектора алгоритмов адаптации входят следующие составляющие: рекурсивный метод наимень-ших квадратов на основе преобразования Хаусхолдера (Х-РНК), алгоритм аффинных проекций (ААП) и лестничный рекурсивный метод наименьших квадратов (#РНК).

Таким образом, решение задачи оптимизации параметров структуры адаптивного ЭК связано с нахождением некоторого множества функций

MRF , MRFB F∈ (фактически класса БФ), в рамках которого вектор показате-лей качества q примет оптимальное значение для одного из заранее выбран-ных алгоритмов адаптации. Тогда задачу оптимизации параметров адаптив-ного ЭК можно формализовать следующим образом. Найти такую форму структурной реализации str в классе функций MRF , MRFB F∈ , которая в со-четании с одним из алгоритмов из набора alg позволят достичь оптимально-го значения вектора качества q при условии, что ЭК будет реализован на ба-зе заранее выбранного аппаратного базиса DSPhrd . Таким образом, имеем:

( ),

, ;

[ ], ( , , ) ;

[Х-РНК #РНК ААП] ;;

;

;.

ВЫЧ

MR

T

ДОП

СХОД ДОП

ТРЕБ DSP

DSP

C opt

FB FB N L FB

ERLET tM M

πϑ

ξ

= →

= = ∈ = ≥ ≤ <

=

str algq str alg

str m

alg

hrd hrd

(2)

В докладе рассматриваются вопросы экспериментального решения за-дачи оптимизации параметров структуры адаптивного ЭК, формализованной в виде (2), с использованием методов компьютерного моделирования и мате-матической статистики.


1. Кузнецов Е.П., Витязев В.В. Цифровая обработка сигналов в задачах эхо-компенсации: тематический обзор (часть 1) // Цифровая обработка сиг-

СПИ-ПИ-2009

433

налов. – 2006. 3. – С. 8-19. 2. Кузнецов Е.П., Витязев В.В. Цифровая обработка сигналов в задачах

эхо-компенсации: тематический обзор (часть 2) // Цифровая обработка сиг-налов. – 2006. 4. – С. 20-28.

3. Кузнецов Е.П. Эффективность многоскоростной обработки сигналов в задаче акустической эхо-компенсации // Информационно-измерительные и управляющие системы. – 2008. 1. – С. 27-34.

Овечкин И.В. ВЫБОР СПОСОБА СНИЖЕНИЯ ТЕМПЕРАТУРЫ РЕЗАНИЯ ПРИ

БЕСПОЛИВНОМ ОХЛАЖДЕНИИ [email protected]

Бесполивное охлаждение приобретает актуальность во многих странах

и уже некоторые предприятия полностью перешли на сухое резание. Но ох-лаждающее действие смазочно-охлаждающих жидкостей необходимо ком-пенсировать другими способами охлаждения режущей пластины. Среди них это повышение эквивалентной теплопроводности сменных многогранных пластин (СМП) [1], охлаждение опорной поверхности тепловой трубой [2], циркуляция охлаждающей жидкости в державке [3] и др. Оценить их эффек-тивность можно с точки зрения теплопередачи.

Значение коэффициента теплопередачи для твердого сплава режущего инструмента может быть рассчитано по формуле (1) [4]

21

111

αλδ

α++

=k, (1)

где α1 – коэффициент теплоотдачи от трущейся стружки, α2 - коэффициент теплоотдачи от опорной поверхности, δ – толщина режущей пластины, λ - коэффициента теплопроводности твердого сплава.

Эффективность пластины с повышенной эквивалентной теплопровод-ностью можно оценить по формуле (1).

Как видно из графика (рис. 1) изменение коэффициента теплопровод-ности почти не влияет на коэффициент теплопередачи. Поэтому для тонких

пластин можно принять λδ

= 0. Оценить влияние коэффициентов теплоотдачи α1, α2 на коэффициент

теплопередачи возможно так же по формуле (1) расчеты представлены на графике (рис. 2). При резании металлов имеется возможным изменять значе-ние коэффициента теплоотдачи α2 путем охлаждения опорной поверхности режущей пластины.

Оценить эффективность охлаждения опорной поверхности СМП кипя-щей жидкостью (на примере воды с антикоррозийной добавкой) возможно


СПИ-ПИ-2009

434

зная коэффициент теплоотдачи α2, который при кипении воды может дости-гать значения 5800 Bт/мºС.

Рис. 1. Зависимость коэффициента теплопередачи от коэффициента те-

плопроводности материала 1 – при 1/α2 + 1/α1 = 0.6, 2 – при 1/α2 + 1/α1 = 0,15, 3 – при 1/α2 + 1/α1 = 0.053

Рис. 2. Зависимость k = f(α1,α2) На основании приведенных расчетов можно сделать вывод, что изме-

нение теплопроводности материала СМП, а так же охлаждение державки не увеличивает коэффициент теплопередачи. Использование тепловой трубы дает большое тепловое сопротивление в месте ее контакта с опорной поверх-ностью, что значительно снижает ее эффективность. Наиболее эффективным способом увеличения теплопередачи является увеличение коэффициента те-плоотдачи от опорной поверхности, кипящей жидкостью.


1. Неперетачиваемые пластины повышенной теплопроводности// Тру-ды научно-теоретической конференции профессорско-преподавательского состава «Транспорт-2003» / Г.С. Николаева, Ю.С. Дубров, М.М. Якушев, С.В.

СПИ-ПИ-2009

435

Нехорошков. – Ростов н/Д: Ростов. гос. ун-т путей сообщения, 2003. - Ч.1. 2. Дубров Ю.С., Грибельный М.Г. Сборные резцы, оснащенные тепло-

выми трубами. СТИН 2002 9. 3. Котельников В.И., Абдулаев Ш.Р., Ларин А.А.. Резец с водяным ох-

лаждением. СТИН 2007, 12. 4. Кухлинг Х. Справочник по физике. – М.: Мир, 1982. 520 с.

Серегина Н.П. , Головинов С.О., Преображенский А.П. АНАЛИЗ ОСОБЕННОСТЕЙ ПЕРЕДАЧИ ИНФОРМАЦИИ ПО

КАНАЛУ СВЯЗИ ТОНАЛЬНОЙ ЧАСТОТЫ [email protected]

В настоящее время все большее значение приобретают сети передачи

данных, строящиеся по различным принципам и имеющие различное обору-дование. На сегодняшний день в нашей стране большинство сетей передачи данных строится на аналоговом оборудовании. В настоящее время возникает необходимость в возможности предсказывать поведение канала передачи данных.

Одним из методов контроля каналов передачи данных, является кон-троль по вторичным характеристикам - статистике ошибок в последователь-ности дискретных элементов и блоках информации с учетом зависимого ха-рактера их искажения. В качестве оценки неизвестной вероятности Р исполь-зуется, как правило, коэффициент ошибок по единичным элементам [1].

Преимущество этого метода контроля заключается в том, что не требу-ется никакой измерительной аппаратуры, а весь контроль можно осущест-вить с помощью аппаратуры передачи данных и специального комплекса программ.

Другой метод контроля - это контроль первичных статистических ха-рактеристик канала тональной частоты с помощью измерительной аппарату-ры [2]. С помощью этого метода можно измерить характеристики канала сравнить их с нормой и если канал не соответствует норме настроить его. Этот метод имеет свои недостатки. Необходим большой комплекс измери-тельной аппаратуры, с помощью измеренных характеристик нельзя досто-верно предсказать как будет вести себя аппаратура передачи данных при ра-боте по этому каналу, отсутствие оперативности, нельзя измерить такие па-раметры, как дробление и краевые искажения.

Но есть, также, и преимущества. Первое, возможность определить при-чину возникновения ошибок и устранить ее. Второе, при организации канала передачи данных нельзя воспользоваться контролем по вторичным статисти-ческим характеристикам и определить вероятность появления ошибки.

Таким образом, наилучшим методом контроля каналов тональной час-тоты является контроль по первичным статистическим характеристикам.


СПИ-ПИ-2009

436

Список использованных источников: 1. Коричнев Л.П., Королев В.Д. Статистический контроль каналов свя-

зи. - М.:"Радио и связь", 1989 2. Информационное и программное обеспечение автоматизированных

систем. - Под редакцией Коричнева Л. П. - Рязань, 1990, С. 34-39, 92-96.

Старикова А.А. СТРУКТУРНОЕ МОДЕЛИРОВАНИЕ В ВЫСОКОУРОВНЕВОМ ПРОЕКТИРОВАНИИ ЗАКАЗНЫХ МЕБЕЛЬНЫХ ИЗДЕЛИЙ

[email protected] Одним из путей повышения качественного уровня проектирования из-

делий в современных САПР корпусной мебели является использование структурных моделей более высокого уровня абстракции, чем традиционные геометрические модели. В частности, предлагается использовать комплекс эскизно-структурной, графо-аналитической и структурно-атрибутивной мо-делей [1].

Эскизно-структурное моделирование, основывающееся на типизации и классификации изделий корпусной мебели и ее элементов, обеспечивает ук-рупненное (эскизное) представление мебельной конструкции. Для идентифи-кации элементов этой конструкции используется система соподчиненных понятий: изделие (F), секция (S), блок (B), деталь (D). С использованием дан-ных понятий структуру любой мебельной конструкции модульного типа можно представить в виде планарного графа, каждая вершина которого от-носится к одному из следующих уровней:

'DSF U= ; (1)

Ul

iiSS

1=

= , U UU

=

==

n

kk

m

jji DBS

11

' ; (2)

Up

iiBB

1=

= , U UU

=

==

s

kk

q

jji DDB

11

' ; (3)

,...,,' 21 ndddDD =U , ∅='DD I , (4) где S − множество секций в изделии F; B − множество блоков; D’− множество деталей, не входящих в состав блоков; D − множество деталей, входящих в состав блоков; di − деталь, являющаяся элементом множества D или D’.

При структурном моделировании с любым мебельным объектом (F, S, B или D) сопоставляется ряд атрибутов, каждый из которых представляет оп-ределенный параметр мебельной конструкции. Полное эскизное описание, помимо указания составных элементов и их атрибутов, требует указания от-ношений (взаимосвязей) между ними. С учетом специфики конструирования корпусной мебели можно выделить следующие отношения между элемента-


СПИ-ПИ-2009

437

ми: вложенности, или принадлежности, выравнивания, пропорциональности, симметрии, зеркальности (зеркальной симметрии), сопряжения.

Для описания различных типов отношений между элементами мебель-ной конструкции может быть использован структурированный хроматиче-ский (цветной) граф с параллельными ребрами, представленный как объеди-нение подграфов:

PMISAN GGGGGGEVG UUUUU=),( . (5) Цвета в графе G(V,E) используются для окраски как вершин, представ-

ляющих сгруппированные по уровням элементы, так и ребер, задающих раз-личные отношения между элементами одного или разных уровней иерархии.

Каждый из подграфов (5) имеет одинаковое количество вершин, пред-ставляющих элементы конструкции, и различное количество ребер, отра-жающих свойства отношений между элементами:

);,( );,( );,( SSAANN EVGEVGEVG ),();,();,( PPMMII EVGEVGEVG , (6)

где EN – множество отношений вложенности, EA – отношений выравнивания, ES – отношений симметрии, EI – отношений сопряжения, EM – отношений зеркальности, EP – отношений пропорциональности. Свойство структуриро-ванности графа G(V,E), т.е. возможность разделения графа на ряд подграфов, используется при решении задачи обхода графа с целью отыскания вершин с заданными свойствами и/или отношениями.

Структурно-атрибутивное описание расширяет понятие хроматическо-го графа (5), дополняя множество его окрашенных ребер окрашенными пет-лями. Каждая петля представляет какой-либо внешний атрибут элемента: один из геометрических атрибутов (например, привязка элементов структу-ры, привязка к узлам сетки, ориентация элементов структуры, простановка размеров), материал, текстура, цвет, чистота обработки, покрытие и другие.

Для визуализации структурной модели мебельного изделия предлагает-ся использовать «оболочечную» модель − высокоуровневое представление изделия, подготовленное для размещения в среде виртуальных сцен, или ми-ров. Конвертирование структурной модели в динамическую оболочечную модель выполняется в два этапа: 1) трансформация в высокоуровневое пред-ставление на языке VRML (X3D); 2) выделение объектов с динамическими свойствами, анализ особенностей функционирования этих объектов, разра-ботка для них статико-динамических диаграмм и формирование соответст-вующих сценариев (script). Таким образом, оболочечная модель, формируе-мая в результате реконструкции основных геометрических свойств структур-ной модели изделия, наделяется динамическими свойствами путем размеще-ния в ней узлов сценариев.

Список использованных источников 1. Новая парадигма проектирования САПР сложной корпусной мебели

для позаказного промышленного производства: монография / П.Ю. Бунаков, А.В. Стариков, А.А. Старикова, В.Н. Харин. − М.: ГОУ ВПО МГУЛ, 2007. − 319 с.

СПИ-ПИ-2009

438

Чернега Д.В., Айдинян А.Р. ТЕЛЕКОММУНИКАЦИОННЫЙ СПОСОБ УПРАВЛЕНИЯ

ЭЛЕКТРИЧЕСКИМИ СЕТЯМИ [email protected]

Современные условия эксплуатации электрических сетей требуют су-

щественно повысить автоматизацию и управляемость в связи с большой про-тяженностью воздушных распределительных сетей. В отечественных распре-делительных сетях среднего напряжения оснащенность средствами телеком-муникаций является достаточно низкой. Очевидно, что в такой ситуации не приходится говорить о должном уровне управляемости сетей данного класса напряжений.

Одним из решений задачи эффективного управления и мониторинга распределительными сетями является внедрение на магистральные участки линий и ответвления интеллектуальных устройств, обладающих возможно-стями сбора и передачи информации о параметрах режимов работы линий.

Для отключения шины при коротких замыканиях за разделительным трансформатором устанавливается вакуумный реклоузер РВА/TEL-10-12,5/630 производства компании «Таврида Электрик», включающий в себя коммутационный модуль с вакуумным выключателем, систему измерения токов и напряжения и шкаф управления с микропроцессорной защитой и ав-томатикой.

Известно, что при однофазном замыкании на землю напряжение в од-ной (поврежденной) фазе снижается, а в неповрежденных фазах остается на уровне номинального. Основываясь на этом факте построена защита от од-нофазных замыканий на землю по напряжению с контролем фазных напря-жений. Аппаратно данную защиту можно выполнить, используя возможность дистанционной передачи и приема данных в реклоузере. Предлагается схема управления реклоузером через радиомодемы, которые подключаются к COM-порту компьютера и реклоузера (рис.1).

Компьютер оснащен информационной системой, позволяющей выпол-нять следующие функции: считывание информации с реклоузера, управление вакуумным реклоузером, определение однофазного замыкания на землю, са-мостоятельное принятие решений при возникновении нештатных ситуаций.

Был рассмотрен набор продукционных правил, используемых в систе-ме. Приведем пример продукции при возникновении аварии:

Если (( rU < 1устU ) and ( sU > уст2U ) and ( tU > уст2U )) or (( sU < 1устU ) and ( rU > уст2U ) and ( tU > уст2U )) or (( tU < 1устU ) and ( sU > уст2U ) and ( rU > уст2U )) = true, то Сообщение “Авария”,

где sU , rU , tU — параметры напряжения на трех фазах напряжений под-ключенных к реклоузеру; 1устU , уст2U — установленные параметры напря-


СПИ-ПИ-2009

439

жения, задаваемые в процессе конфигурации. Информационная система состоит из нескольких модулей, каждый из

которых должен выполнять определенные функции (рис 2).

Рис. 1. Схема управления реклоузером через радиомодем

Рис 2. Структура информационной системы «Реклоузер» Модули работы с COM-портом и радиомодемом обеспечивают связь

компьютера с устройством «реклоузер». Модуль сбора данных осуществляет прием информации с реклоузера о состоянии и запись этой информации в ба-зу данных. Модуль аварийной ситуации обеспечивает определение признака возникновения аварийной ситуации и принятие решения для его устранения.

Использование телекоммуникационной системы позволяет оперативно изменять конфигурацию сети; оперативно отслеживать состояние сети, оп-тимизировать работу оперативно-диспетчерского персонала, сократить за-траты на обслуживание линий, повысить качество электроснабжения.

Чувейко М.В. СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ ОПЕРАТОРА УСРЕДНЕНИЯ.

АЛГОРИТМ ВОССТАНОВЛЕНИЯ ПЕРИОДИЗИРОВАННОГО СИГНАЛА В РОТОРНЫХ СИСТЕМАХ ТОКАРНЫХ СТАНКОВ

[email protected] Поиск неисправностей механических систем, оценка возможности её


СПИ-ПИ-2009

440

выхода из строя, а также контроль за качественными показателями осущест-вления операций технологического процесса, использующих сложное меха-ническое оборудование, по параметрам вибрации основывается на том факте, что вибросигнал работающей машины несет в себе достаточно большое ко-личество информации, косвенным образом отражающей её текущее состоя-ние [1]. Очевидно, что для эффективного использования сигнала вибрации, независимо от его природы, в программах осуществляющих контроль со-стояния оборудования либо же косвенную оценку качества необходимы ме-тоды позволяющие осуществить выделение полезной информации из вибро-сигнала.

Одним из таких методов может служить алгоритм усреднения вибро-сигнала, позволяющий выделять периодизированные составляющие из ис-ходного сигнала. В силу линейности данный алгоритм может рассматривать-ся, как линейный оператор, воздействующий на функцию вибросигнала. Оп-ределим оператор усреднения nA с периодом τ и порядком усреднения n, действующий на периодическую функцию ( )tf , следующим образом:

( ) ( ) ( ).τ1τ1

0∑

−n

=kn k+tf

n=n,t,f=tfA

Такой подход позволяет рассмотреть спектральные свойства данного алгоритма, а следовательно и получить численные зависимости характери-стик алгоритма от его параметров (порядка и частоты усреднения).

Пусть задан гармонический сигнал: ( ) ( ).ψωsin +t=tf Очевидно, что результатом операции усреднения , произведенной над

заданным сигналом , для любого конечного n будет гармоническая функция с амплитудой Ψ и фазой ψ: ( ) ( ).ψωsinΨτ +t=n,t,f

Получим зависимости ( )τΨ n, и ( )τψ n, . Несложно видеть:

( )( )

( ),

k+

k+=n, n

=k

n

=k

∑

∑−

−

1

0

1

0

ψcos

ψsinarctanτψ

откуда следует: ( )( ) 0.ψτψsin1

0=kn,

n

=k∑

−

−−

Решением данного уравнения будет:

( ) ( ) .ψ21τψ +n=n, −

Из формулы получаем:

( ) ( )∑

−

−

−1

0.

21cosΨτΨ

n

=kkn

n=n,

Или используя тригонометрические формулы Чебышева [2]:

СПИ-ПИ-2009

441

( ) .2

sin

2sin

ΨτΨ

n

n=n,

Тогда, если положить πτ2ω =y , выражение принимает вид:

( ) ( ) .ωωπ1ωsin

ωωπsin

ωωπsinΨ

ω

−

y

y

yy n+t

n

n=n,t,f

Исходя из полученных результатов, а именно из формулы несложно видеть, что данный оператор может быть представлен в спектральном виде

( )ωnA следующим образом:

( ) ( )

−

1ωωπexp

ωωπsin

ωωπsin

α njn

n=A

y

y

yn

При использовании оператора усреднения ( )ωnA в практической дея-тельности необходимо учитывать тот факт, что реализация ∞→n невозмож-на. В связи с этим приходится иметь дело с фильтром чья полоса пропуска-ния ( )n,P yω не равна нулю, то есть его селективность не идеальна.

Рис. 1: График зависимости | |Ψ при 10π2ω ⋅=y от ω и n Несложно получить, что вывод зависимости ( )n,P yω ширины полосы

пропускания от частоты и порядка усреднения в общем виде через элемен-тарные функции невозможен. Но можно воспользоваться приблизительным определением ширины полосы пропускания положив, что АЧХ имеет прямо-

СПИ-ПИ-2009

442

угольную форму. Тогда справедливо: ( )( ) 0αsinαsin =n .

Отсюда несложно видеть:

( ) ( )n

===n,P yyy

ωαα

πω

ωωω 2121 −− .

Таким образом, исходя из вышеизложенного, можно заключить, что ал-горитм усреднения, базирующийся на обработке исходного сигнала путем воздействия на него оператора позволит выделить периодизированную со-ставляющую с частотой кратной yω , а также боковые гармоники, располо-женные в полосе nyω и оказать существенное подавление остальных гармо-ник.

Список использованных источников 1. Явленский К.Н., Явленский А.К. Вибродиагностика и прогнозирова-

ние качества механических систем. - Л.: Машиностроение. Ленингр. отд-ние, 1983. - 239 с.

2. Данилов Ю.А. Многочлены Чебышева. – Мн.: Выш. Шк.,1984. – 157с.

Шмырин А.М., Седых И.А.

ОКРЕСТНОСТНЫЕ МОДЕЛИ В ПРОИЗВОДСТВЕ ЦЕМЕНТА [email protected] [email protected]

Окрестностные модели обобщают различные дискретные модели, в ча-

стности сети Петри. В [1] приведена методика преобразования сетей Петри в окрестностные системы, которые позволяют решать более общие задачи управления и оптимизации.

В работе с использованием аппарата временных сетей Петри построена модель производства цемента. На основе нее разработана четкая линейная динамическая окрестностная система [1]:

[ ] [ ] [ ]tVtXtX +=+1 , [ ] [ ] [ ]tDRRRtV m ⋅= ...21 , где 1R , …, mR , [ ]tD – некоторые матрицы, [ ]tX , [ ]1+tX – состояния системы в моменты времени t и 1+t соответственно, [ ]tV – управление.

На основе временных сетей Петри получена также нечеткая по значе-ниям и по окрестности динамическая окрестностная модель [2]:

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

MMtVtXGtX

vxm

vx

⋅ωω

ωω=+ω

],,,

...,,,[1 1

,

где kG – некоторые нелинейные функции ),...,1( mk = , ( )[ ]tX ω , ( )[ ]1+ω tX – нечеткие состояния системы в моменты времени t и 1+t соответственно,

( )[ ]tV ω – нечеткое управление в момент времени t , vx MM , – функции при-надлежностей связей узлов по состояниям и управлениям окрестностной сис-



СПИ-ПИ-2009

443

темы. С помощью четкой и нечеткой окрестностных моделей произведены

расчеты по реальным производственным данным, дающие следующее отно-сительное отклонение по выработке цемента:

Четкая модель Нечеткая по значениям и по окрестности модель 0,1140% 0,0138%

Таким образом, нечеткая по значениям и по окрестности модель значи-тельно улучшает результаты четкой окрестностной модели.


1. Блюмин С.Л., Шмырин А.М., Седых И.А. Сети Петри с переменной недетерминированностью как окрестностные системы // Системы управления и информационные технологии, 2008, 3.2(33). – С. 228-233.

2. Блюмин С.Л., Шмырин А.М., Седых И.А. Нечеткие сети Петри как окрестностные системы// Системы управления и информационные техноло-гии, 2008, 3.2(33). – С. 233-238.

Штыков Р.А.

ВОПРОСЫ ПО ПРИМЕНЕНИЮ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ИНЖЕНЕРНОЙ

ИНФРАСТУКТУРОЙ СЕТИ ВОДО- И ТЕПЛОСНАБЖЕНИЯ [email protected]

Необходимость автоматизации пользования водой и теплом в целях бе-

режного расходования энергоресурсов давно доказана практикой развитых стран. Парадоксальность ситуации заключается в том, что теоретически, в области регулирования теплопотребления, российская наука может быть в некоторых вопросах и сильнее западной. Однако, из-за практической невос-требованности в течение долгих лет, производство энергосберегающего и ре-гулирующего оборудования, а также разработка программных средств для тепловых пунктов находились на очень низком уровне.

Сейчас, в связи с ухудшающейся ситуацией в энергетики появилась необходимость рационального использования одних из главных видов энер-горесурсов – тепла и воды. Поэтому на первый план вышла задача разработ-ки систем оперативного управления инженерной инфрастуктурой сети водо и теплоснабжения (ИИСВиТ).

Внедрение новых информационных технологий в управление комплек-сом ИИСВиТ относительно социальных аспектов приведет к решению сле-дующих вопросов [1,2]:

1) устранение неполноценности социально-бытовой среды жилищного комплекса;

2) улучшение экономических аспектов. Внедрение системы оператив-ного управления повлечет за собой, во-первых, наведение порядка в структу-


СПИ-ПИ-2009

444

ре управления инженерными сетями, поскольку повысится скорость обра-ботки данных, изменятся методы их хранения и отображения, и, как резуль-тат, сэкономятся средства, выделяемые на водоснабжение и отопительные нужды за счет следующих моментов [1,2]:

– уменьшения количества ошибок при принятии решений; – сокращения срока подготовки отчетной документации и сроков раз-

работки графической части отчетной документации на базе оцифрованной карты;

– оптимизации инженерной инфраструктуры средствами геоинформа-ционного анализа.

И, во-вторых, приведет к привлечению инвестиций вследствие своей экономической привлекательности [1,2,3,5].

Очевидно, что вложения в энергосбережение оказываются тем более привлекательными, чем выше их эффективность, то есть, другими словами, чем меньше срок их окупаемости.

Существует несколько подходов привлечения инвестиций в проекты по энергосбережению.

Во-первых, это создание и поддержка энергосберегающих компаний (ЭСКО). При этом подходе реальный плательщик обязуется зафиксировать уровень потребляемой энергии на заранее определенный срок. ЭСКО вправе осуществлять за свой счет любые мероприятия, влекущие за собой уменьше-ние потребления воды и тепловой энергии и не приводящие к нарушению са-нитарных норм в помещении. Но большинство организаций бюджетной сфе-ры сегодня не могут непрерывно регулировать собственное потребление. По-этому отсутствуют и стимулы для сбережения воды и тепла, здания эксплуа-тируются порой крайне нерационально.

На данном этапе требуются значительные инвестиции в энергосбере-жение. Так, по распределительным пунктам, высокая стоимость оборудова-ния, включающего приборы контроля и автоматики, удерживает простой срок окупаемости на уровне 1-3 лет. При этом рост тарифов происходит мед-леннее темпов инфляции.

Второй путь, который более реален в сложившихся условиях - это то-чечные бюджетные или кредитные инвестиции в отдельные объекты при проведении подрядных торгов на работы по энергосбережению. На самом деле этот путь более дешев, чем привлечение ЭСКО, так как ЭСКО, не зная заранее потенциал энергосбережения объекта, закладывает максимальные сроки возврата капитала. В основу концепции положен опыт работ по сбере-жению и учету энергоресурсов, проводимых в западноевропейских странах. Здесь давно и с успехом действуют так называемые "билинговые" компании (их можно называть расчетно-измерительными компаниями), специализи-рующиеся на измерениях и учете энергоресурсов, извлекающие из этих работ соответствующие прибыли и инвестирующие значительные средства в со-вершенствование систем учета энергоресурсов, в обеспечение их высокой

СПИ-ПИ-2009

445

надежности и точности. В качестве примеров можно привести такие широко известные компании, как "Raab Karcher", "Techem" и "Mesa" [3,4,5].

Основная цель, на достижение которой должна быть направлена дея-тельность расчетно-измерительными компаниями, может быть сформулиро-вана следующим образом: получение и предоставление (продажа) объектив-ной и достоверной информации о потребляемых энергоресурсах на всех уровнях их учета. Так же очевидным является тот факт, что информации ста-новится все больше, а значит и увеличивается количество работы, затрачен-ной на ее обработку. Данный факт приводит к привлечению большого коли-чества людей для выполнения подобной работы. Но люди не машины и по-этому могут допускать ошибки, приводящие к серьезным последствиям, и необходимо еще больше людей, которые бы контролировали первых и ис-правляли допущенные просчеты. Данная пирамида требует вложения гро-мадных средств, которые не окупятся, даже за большой промежуток времени, а, наоборот, возрастут [2].

Единственным выходом из сложившейся ситуации является система оперативного управления с ее автоматизированным процессом контроля и учета данных. Однако для создания жизнеспособных информационных сис-тем необходимо усовершенствовать структуры органов управления техноло-гией производства услуг и технологии их работы для того, чтобы они орга-нично вписывались в процесс обработки информации в органах управления, облегчая работу сотрудников. Но при этом необходимо, чтобы внедрение системы оперативного управления происходило параллельно с традицион-ным процессом управления, не разрушило и не остановило его.

Однако в большинстве случаев внедрение и использование вычисли-тельной техники сразу может и не принести прямого экономического эффек-та. Это объясняется следующими причинами: 1) создание нормативной базы; 2) запросы и согласование с эксплуатирующими организациями; 3) огромные капиталовложения на покупку вычислительной техники; 4) разработка и по-купка программного обеспечения; 5)обучение персонала.

Но, несмотря на выше перечисленные причины, все больше и больше предприятий комплекса ИИСВиТ используют информационные системы в своей работе, благодаря косвенному эффекту от их внедрения, зачастую пре-вышающем затраты на приобретение и содержание оборудования. Данный эффект связан с тем, что применение вычислительной техники повышает достоверность и актуальность информации, устраняет любую вероятность ошибки, вызванной человеческим фактором, предоставляет возможность об-рабатывать информацию с минимальными временными затратами, не требу-ет привлечения дополнительных инвестиций [1,2,3,5].

Относительно технического аспекта систем оперативного управления необходимо отметить, что ее внедрение обеспечит решение многих наболев-ших вопросов, связанных с управлением ИИСВиТ в целом и их отдельными элементами. В частности, это позволит [1,2]:

СПИ-ПИ-2009

446

1) снизить потребление водных ресурсов и тепловой энергии с плате-жами за счет:

а) понижения температуры внутри здания в ночные часы; б) понижения температуры в здании в нерабочие дни; в) оперативной реакции на изменение погодных условий. 2) исключить превышения температуры обратной воды; 3) обеспечить комфортные условия внутри здания; 4) выбирать и корректировать режимы водо- и теплоснабжения здания

за счет: а) компьютерного ведение диспетчерских журналов. Имея под руками

достоверную базу данных паспортизации и удобное графическое отображе-ние сети на экране компьютера, диспетчерский персонал станет принимать, согласовывать и отслеживать исполнение различных оперативных и плано-вых заявок в автоматизированном режиме, накапливать архивы повреждае-мости и собирать статистику;

б) решения ряда задач моделирования инженерной сети и режимов ее работы на основе информационной системы, осуществления гидравлических расчетов, связанных с моделированием переключений. Это позволит:

- планировать номинальные гидравлические режимы, то есть обеспечи-вать удовлетворение потребности в транспортировке тепла при существую-щих нагрузках потребителей и производительности источников;

- моделировать различные исключительные ситуации при работе сети. Таким образом, произойдет значительное снижение потерь на аварий-

ности и штрафных санкциях; в) накапливание почасовой или хотя бы посуточной информации о ре-

жимных параметрах с насосных станций и источниках, на основе, которой можно с хорошей точностью строить адаптивные модели для текущего про-гнозирования теплопотребления. А это означает возможность оптимального управления запасами воды в резервуарах и загрузкой насосных станций и тем самым сведение к минимуму непроизводительных перекачек.

5) использовать системы телеметрии, позволяющие следить за теку-щими режимными характеристиками в различных точках сети и даже осуще-ствлять удаленное управление объектами. Системы телеметрии сами по себе весьма эффективны с точки зрения экономики, поскольку существенно по-вышают степень надежности и управляемости сетей. В то же время, будучи включенными, в комплексные проекты информатизации в качестве подсис-тем, «поставляющих» оперативные фактические данные о режимах, они зна-чительно расширяют возможности информационных систем. В частности, сравнительный анализ данных математического моделирования режимов с данными реальных телеизмерений на так называемых «контрольных точках» позволяет уточнить данные паспортизации, оценить степень качества (изно-шенности) тех или иных участков сетей, выявить имеющиеся утечки и поте-ри. Последнее имеет непосредственное отношение к экономичности, по-

СПИ-ПИ-2009

447

скольку с переходом к взаиморасчетам с потребителями на основе приборов учета, все непроизводительные потери продукта транспортировки неизбежно относятся на эксплуатационные издержки (хотя, по большому счету, непро-изводительные потери в любом случае наносят экономический ущерб, даже если их удается частично или полностью списать на потребителя);

6) работать с неограниченным объемом распределенных по сети дан-ных большого количества пользователей, в том числе и удаленных.

Таким образом, можно сказать, что сегодня невозможно на должном уровне управлять системами водо- и теплоснабжения и принимать управлен-ческие решения без информационных систем. Задача повышения экономиче-ских и технических аспектов предприятии ИИСВиТ требует создание эффек-тивных рычагов управления данными инженерными коммуникациями на ос-нове использования современных средств, таких как системы оперативного управления ИИСВиТ. Данный подход является новым шагом в развитии сис-тем водо и теплоснабжения, который обеспечит наиболее высокие результа-ты их эксплуатации по сравнению с устаревшими методами управления, уче-та и регистрации данных.


1. Андрианов Д. Е., Штыков Р. А., Уткин. Ю.В. Экономия энергетиче-ских ресурсов// Новости теплоснабжения. – 2003. – 6. – с. 2–5.

2. Андрианов Д. Е., Штыков Р. А. Технические средства сбора и обра-ботки информации в инженерных сетях// Методы и устройства передачи и обработки информации: Межвуз. сб. науч. тр. СПб.: Гидрометеоиздат, 2002. с. 178–181.

3. Ананькина Е., Сиваев С. Анализ финансовых эффектов инвестиро-вания в жилищно-коммунальный сектор// ЭСКО. – 2002. – 7. – с. 23–29.

4. Кузник И. В., Тиунов М. Ю., Брюханов В. А. Концепция развития работ по энергосбережению путем привлечения к учету энергоресурсов спе-циализированных расчетно-измерительных компаний// ЭСКО. – 2002. – 7. – с. 3–5.

5. Никольская Е. И. Энергосберегающие проекты на объектах бюджет-ной сферы: финансово-организационные проблемы и опыт их решения// Энергосбережение. – 1999. – 3. – 28с.

СПИ-ПИ-2009

448

8. Информационные системы и их приложения

Авдюшин Д.В., Андреев И.Л. РАЗРАБОТКА СИСТЕМЫ ЭЛЕКТРОННОГО

ДОКУМЕНТООБОРОТА НА ОСНОВЕ ФАЙЛОВОГО СЕРВЕРА [email protected]

Рост объема электронных документов приводит к необходимости вне-

дрения в деятельность организаций систем электронного документооборота (СЭДО). Это позволяет полностью или частично избавиться от бумажных документов, повысить скорость и качество их разработки, снизить издержки, связанные с обращением документопотока. Однако внедрение СЭДО в дея-тельность ведомственных организаций зачастую приводит к тому, что элек-тронный документопоток дублирует бумажные документы. Помимо высокой стоимости СЭДО, их эксплуатация требует наличия обученного персонала, что приводит к дополнительным издержкам.

Анализ потоков наиболее важных управленческих документов в ве-домственных организациях позволяет определить минимальные необходи-мые требования, предъявляемые к СЭДО:

− подтверждение подлинности документов, разработанных исполните-лями, утвержденных начальником (руководителем) и согласованных соот-ветствующими лицами;

− невозможность внесения изменений в документ, кроме ответствен-ных за него лиц;

− предоставление возможности ознакомления с утвержденным доку-ментом только определенному кругу лиц;

− возможность хранения и обработки электронных документов в виде файлов произвольного формата.

В основу реализации простой и недорогой СЭДО, удовлетворяющей этим требованиям, может быть положен любой файловый сервер с возмож-ностью разграничения доступа пользователей. Документы на нем хранятся в виде файлов в зашифрованном виде. Для работы с документами пользовате-ли должны использовать программно реализованный симметричный шифра-тор. Ключи для шифрования и расшифрования имеются только у пользовате-лей, допущенных к работе с соответствующими документами. Пользователи, ответственные за исполнение, согласование и утверждение документа встраивают в него свою цифровую подпись с помощью специального про-граммного обеспечения. Подтверждение подлинности документа и подписи осуществляется с помощью открытого ключа, имеющегося у всех допущен-ных лиц. Все ключи, необходимые пользователям для работы, хранятся ис-ключительно на их съемном носителе.

Несомненным достоинством такой СЭДО является простота ее реали-зации и эксплуатации. Защищенность документов от несанкционированного


СПИ-ПИ-2009

449

изменения и ознакомления зависит лишь от свойств используемых алгорит-мов шифрования.

Авсеева О.В., Анащенко А.Г.

ДИНАМИЧЕСКАЯ ОПТИМИЗАЦИЯ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ВНУТРИФИРМЕННЫМИ

ПРОЦЕССАМИ Банковские системы имеют большое разнообразие и индивидуаль-

ность, множество межсистемных связей, изменяющихся во времени. Новые социально-экономические условия и проблемные ситуации не только актуа-лизировали эти характеристики, но и коренным образом изменили структуру банковской деятельности. Отмечается широкое применение современных технологий менеджмента качества. Вместе с тем в условиях рыночной эко-номики и жесткой конкуренции все более актуальной становится задача оп-тимального планирования менеджмента с целью минимизации затрат.

В современных условиях при участии в банковской сфере многочис-ленных специализированных организаций, использовании мощного инстру-ментария, передовой технологии и организации комплексный процесс оказа-ния банковских услуг следует рассматривать как сложную систему.

1. Общая оптимизационная задача - постановка Для того, чтобы реализовать управление внутрифирменными процес-

сами в короткие сроки и с наилучшими технико-экономическими показате-лями, необходимо заранее проанализировать и исследовать возможные вари-анты решения и найти наиболее целесообразные из них.

Одним из путей сокращения затрат является оптимальное использова-ние ресурсов и соблюдение установленных сроков, за нарушение которых налагаются штрафные санкции. Однако в рыночных условиях, при достаточ-но высоком спросе на качественные услуги и услуги премиум-класса, к мо-менту готовности услуги она бывает востребована неполностью. А в услови-ях стремительного роста цен услуги эта ситуация играет на руку компании в случае, если прирост стоимости перекроет убытки, обусловленные штрафом за несвоевременную реализацию услуги. Поэтому желательно оказание услу-ги произвести в момент времени, когда прибыль от продажи максимально перекроет штраф за просрочку.

В совокупности с задачами календарно-сетевого планирования форми-рования каждой услуги и распределения ограниченных ресурсов между ис-полнителями получаем следующую задачу минимизации общей стоимости услуг. Определить минимум функции

∑∑∑∑∈∈ ∈ =

−+dJj

jjjjJj Ii

t

tijtij yfyguc 2

0

))()((max

(1.1)

при ограничениях ljKlj yx

ss)(

max∈

≥ , ss Jj ∈ , ||,...,1 Φ=s . (1.2)

СПИ-ПИ-2009

450

+− ≤−≤ ssss jjjjtxyt , ss Jj ∈ , ||,...,1 Φ=s . (1.3)

sssss ijijtijijijMeume ≤≤ при ],[ ss jj

yxt ∈ , Ii ∈ , ss Jj ∈ , (1.4) 0=

tijsu при ],[ ss jjyxt ∉ , Ii ∈ , ss Jj ∈ . (1.5)

s

sj

sjx

kss j

y

xt Ritijij Wur ≥∑ ∑

= ∈

, ss Jj ∈ , ||,...,1 Φ=s . (1.6)

ss jjDy ≤ , ss Jj ∈ . (1.7)

is Jj

tijVu

sss ≤∑ ∑

Φ

= ∈

||

1

, Ii ∈ , 0≥t . (1.8)

ijtu , jx , 0≥jy , (1.9) ijtu , jx , jy - целые, (1.10)

где Φ - множество объектов; I - множество ресурсов; sJ - множество работ по s -му объекту; U

s

sJJ = - множество работ по всем объектам; ijm , ijM - ми-

нимально и максимально допустимое количество ресурса i , потребляемое работой j ; −

jt , +jt - минимальное и максимальное время выполнения работы

j , Jj ∈ ; jx , jy - моменты начала и окончания выполнения работы j ; jx , jy - целые; jtW - объем работы j , выполненный к моменту времени t ; jW - весь объем работы j ; ijr - производительность ресурса i по работе j ; s

dJ - множе-ство работ по s -му объекту, имеющих директивные сроки окончания;

Us

sdd JJ = - множество всех работ комплекса, имеющих директивные сроки;

jD - директивный срок окончания выполнения работы j ; iV - количество ре-сурса i , доступное системе в любой момент времени; ijc - затраты на исполь-зование ресурса i в работе j ; ijtu - интенсивность потребления ресурса;

jJjyt

∈= maxmax .

Первое слагаемое в целевой функции (1) описывает затраты на исполь-зование ресурсов. Функции )( jj yg представляют собой штрафы за нарушение директивных сроков по каждой работе из dJ . А )( jj yf есть функции, выра-жающие стоимость неоказанных услуг на момент сдачи объекта jy , dJj ∈ . Таким образом, в соответствии с вышеизложенным, в совокупности с задачей минимизации затрат на использование ресурсов необходимо определить та-кое значение jy , при котором разность )()( jjjj yfyg − будет минимальна.

2. Учет изменений стоимости услуги во времени - анализ Уменьшение общей стоимости оказания услуги может быть осуществ-

лено за счет перераспределения ресурсов между объектами и между отдель-ными работами по каждому объекту, а также за счет корректировки сроков завершения.

Предположим, что банк одновременно оказывает несколько услуг. За-

СПИ-ПИ-2009

451

дача сокращения общих затрат за счет перераспределения ресурсов между объектами состоит в минимизации функции

∑∑∑∈ ∈ =Jj Ii

t

tijtijuc

max

0

(2.1)

при соответствующих ограничениях на переменные. Здесь maxt - время завершения оказания последней услуги, I - множест-

во ресурсов; Us

sJJ = - множество работ по всем объектам; ijc - затраты на

использование ресурса i в работе j , +∞<≤ ijc0 , Ii ∈ , Jj ∈ ; ijtu - интенсив-ность потребления ресурса, т.е. количество ресурса i , потребляемое работой j в момент времени t .

Второй путь уменьшения общей стоимости связан с изменением ситуа-ции на рынке банковских услуг.


1. Соболев В.И. Оптимизация строительных процессов. – Ростов н/Д.: Феникс, 2006. – 256 с.

2. Михалевич В.С., Кукса А.И. Методы последовательной оптимизации в дискретных сетевых задачах оптимального распределения ресурсов. – М.: Наука, 1983. - 208с.

3. Вяхирев Д.В. Об одном алгоритме решения задачи альтернативного распределения ресурсов в сетевых моделях // Технические, программные и математические аспекты управления сложными распределенными система-ми. Матер. НТК ООО «ТЕКОМ» - Н.Новгород, 2003, - с.19-24.

Афанасьев В.В., Большаков С.А. СИСТЕМА УЧЕТА КОНФИГУРАЦИЙ И КОМПЛЕКТУЮЩИХ СРЕДСТВ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ В КОРПОРАТИВНОЙ

ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНОЙ СЕТИ [email protected]

Современные информационно-вычислительные сети имеют в своем со-

ставе большое количество вычислительных систем различных типов, содер-жащих в своем составе различные комплектующие. Технологии беспровод-ного доступа в сеть и возможности «горячего» подключения-отключения комплектующих позволяют создавать сложные сетевые структуры с динами-чески изменяющейся конфигурацией.

Важной задачей администратора является контроль наличия экземпля-ров счетно-вычислительной техники (СВТ), установленных в них комплек-тующих и их серийных номеров (идентификаторов). Эта задача может быть решена путем программного тестирования установленного оборудования и получения данных, однозначно идентифицирующих конкретный образец


СПИ-ПИ-2009

452

СВТ: его наименование, идентификаторы системной платы, процессора, мо-дулей памяти, НЖМД, приводов оптических дисков, графического адаптера и т.д. Полученная совокупность данных позволяет сформулировать т.н. «цифровой паспорт» образца СВТ.

При сопоставлении цифрового паспорта конкретного образца СВТ со сведениями из централизованной базы данных, содержащей «эталонные» цифровые паспорта всех образцов СВТ, зарегистрированных в сети, можно реализовать следующие важные функции административного управления и контроля:

Автоматический контроль установленного оборудования при каждом включении образца СВТ и сохранение этих сведений в базе данных.

Выявление разукомплектованных образцов СВТ и отдельных компо-нентов из зарегистрированных образцов СВТ при профилактических меро-приятиях, ремонте, инвентаризации и т. д.

Определение местонахождения образца СВТ в рамках контролируемой зоны предприятия или организации, для чего предполагается использовать дистанционное считывание данных из RFID-чипов, встроенных в образцы СВТ, регистрация при подключении к корпоративной сети с отсылкой на сервер цифрового паспорта для проверки.

Определение местонахождения зарегистрированного образца СВТ за пределами контролируемой зоны – автоматическая регистрация местонахож-дения образца СВТ по уникальному идентификатору при регистрации в кор-поративной сети организации из глобальной сети Интернет (определение IP-адреса и по нему – регион страны, город, провайдера сети).

Баранов И.Ю., Буравлев С.В. ПРЕДЛОЖЕНИЕ ПО ОРГАНИЗАЦИИ СКРЫТОГО АУДИТА

ПОЛЬЗОВАТЕЛЕЙ ЛОКАЛЬНОЙ И ГЛОБАЛЬНОЙ ВЫЧИСЛИТЕЛЬНОЙ СЕТИ

[email protected] Любая компьютерная сеть является источником повышенного риска из-

за возможности несанкционированного доступа к ее информационным ре-сурсам. Сегодня применяются различные способы защиты от данного типа угроз, такие как туннелирование, аутентификация (односторонняя и двухсто-ронняя), шифрование передаваемых данных и взаимодействие по протоколам IPSec, PPTP, SSH, NAT и т. д. Тем не менее, вероятность доступа к информа-ции посторонних лиц довольно существенна. Данная вероятность возрастает в разы при настройке сети некомпетентными или неопытными в данной об-ласти специалистами, которые могут использовать настройки по умолчанию или оставить без внимания часть необходимых компонентов безопасности, что в конечном итоге становится причиной утечки информации.


СПИ-ПИ-2009

453

Одним из решений по снижению вероятности несанкционированного доступа к информации является ведение журнала аудита пользователей и скрытый контроль за их действиям, что позволяет решить некоторые задачи безопасности (повысить уровень защиты информации до приемлемого; оп-тимизировать затраты на обеспечение информационной безопасности; под-твердить, что используемые внутренние средства контроля соответствуют задачам организации и позволяют обеспечить эффективность и непрерыв-ность работы системы и т. д.).

Структурно предлагаемый сервис аудита выполняет свои функции на верхнем уровне модели OSI в скрытом от пользователя состоянии, что по-зволяет более полно оценить действия пользователя и проверить выполнение организационных мероприятий безопасности. Кроме того имеется возмож-ность программного поиска местоположения данной ЭВМ в пространстве IP-адресов. Недостатками предложенного решения являются выделение допол-нительного объема памяти на ЭВМ администратора для хранения информа-ции аудита; сложность мониторинга данных; возможность обнаружения пользователем программы; не высокая вероятность нахождения точного ме-стоположения требуемой ЭВМ; программные воздействия (ошибки про-граммирования, действия вирусов и т. д.).

Реализованная программная модель первой очереди предложенного решения основана на технологии «клиент-сервер», она обеспечивает сбор и анализ информации о сетевом адаптере, его физическом адресе, сетевом ад-ресе, маске, шлюзе пользователя. Работоспособность программной модели проверялась с использованием отдельного компьютера, выполняющего роль сервера и подключенного персональной ЭВМ с клиентом.

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

Рогачев А.А., Сергеев М.Ю., Арнаут Д.Г. МЕТОД ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ ПОВЕДЕНИЯ

СТОХАСТИЧЕСКИХ ПАРАМЕТРИЧЕСКИХ СИСТЕМ [email protected]

Известно, что широкий класс стохастических марковских систем дос-

таточно адекватно описывается эволюционными уравнениями, например, уравнением Фоккера-Планка-Колмогорова (ФПК) [1]. С использованием ука-занных уравнений эффективно решаются задачи анализа нелинейной стати-стической динамики различного рода динамических систем, а также синтеза алгоритмов прогнозирования их стохастических характеристик (СХ) [1, 2]. При этом набор оцениваемых СХ представляется в виде совокупности неко-торых ограниченных непрерывных функционалов от плотности вероятности многомерного марковского процесса, удовлетворяющей используемому мно-гомерному эволюционному уравнению.


СПИ-ПИ-2009

454

Существенной причиной, сдерживающей применение марковской тео-рии анализа и синтеза стохастических систем на практике, является колос-сальная сложность численного решения указанных эволюционных уравне-ний. Ситуация еще более усугубляется, если рассматриваются параметризо-ванные эволюционные уравнения (ПЭУ), то есть заданные с точностью до вектора вещественных параметров, в качестве которых могут выступать на-чальные и граничные условия соответствующего уравнения, а также априор-но неизвестные константы, характеризующие условия функционирования стохастической системы.

Целесообразно процесс прогнозирования СХ разбивать на два этапа. На первом (предварительном) этапе необходимо оценить локальные характе-ристики исследуемой системы и сформировать аналитико-параметрическое решение соответствующего ПЭУ. На втором (основном) этапе, в зависимости от конкретных значений вектора параметров, выдаваемых системой иденти-фикации высшего уровня, должны вычисляться искомые СХ.

В настоящем докладе применительно к марковско-параметрическим системам (МПС) дается теоретическое обоснование двухэтапного метода оперативного оценивания СХ с заданной точностью. Рассмотрим в некото-ром нормированном пространстве 0W ПЭУ в частных производных для r – мерного марковского процесса ( )tx

( ) ( ) ( ) txpLt

txp rt ,,,0ω∂

=∂ , ( ) ,, 0Wtxp ∈ rRXx ⊂∈ , 1RTt ⊂∈ , (1)

где ( )rtL ,0ω – оператор ПЭУ (например, оператор ФПК), зависящий от вещест-

венного векторного параметра 000

mR⊂Ω∈ω .

Пусть искомое решение ( )txp ,∗

уравнения (1) подчинено дополнитель-

ным условиям вида ( ) ( )iStxpjj ωω ϕω =

Γ

∗

,, , ( ) iStx ∈, , 0,1 Li = , 1,1 Lj = , где jωΓ –

линейный непрерывный оператор, действующий в 0W и зависящий от веще-ственного векторного параметра jm

jj R⊂Ω∈ω , iS – некоторое многообразие в

области TX × , число измерений которого меньше ( )ω∗

iY , ( )iSjωϕ – заданная

функция, определённая на многообразии iS и зависящая от jω . По аналогии с [3 – 5] данную задачу можно представить в виде одного

операторного уравнения (которое называют точным) ( ) ( ) ( ) ( )txftxpFtxp ,,,,,, ωωωλω =− , ( ) Wtxf ∈,,ω , (2)

где ( )ωF – линейный непрерывный оператор, действующий в нормированном пространстве 0WW ⊂ , λ – некоторая постоянная, не являющаяся характери-стическим значением оператора ( )ωF для

( ) ⊂Ω××Ω×Ω=Ω∈=11

...,...,, 1010 LTT

LTT ωωωω 110 ... Lmmmm RRRR ×××= , ( )txf ,,ω – за-

данная функция из W .

СПИ-ПИ-2009

455

Полагаем, что на первом этапе прогнозирования может быть построено аналитико-параметрическое решение ( )txp ,,ω

∗

операторного уравнения (2), а

на втором этапе – совокупность искомых СХ ( ) =∗

ωiY ( ) 0,1 ,,, MitxpFi =

=

∗

ω ,

Ω∈ω , где [ ]⋅iF – ограниченные непрерывные функционалы.

Поскольку вместо ( )txp ,,ω∗

можно найти лишь приближенное решение

( )txp ,,~ ω уравнения (2), то и вместо ( )0

1

M

iiY

=

∗

ω – лишь семейство ( ) 0

1~ M

iiY =ω при-

ближенных СХ. Требуется с учетом принятых моделей и ограничений разработать

двухэтапный численно-аналитический метод высокоточного оперативного прогнозирования СХ МПС, логическая схема которого приведена на рисун-ке.

Рассмотрим в W полное подпространство W~ , в котором задано при-ближенное (по отношению к (2)) операторное уравнение:

( ) ( ) ( ) ( )txPftxpPFtxp ,,,,~ ,,~ ωωωλω =− , (3) где P – непрерывный линейный оператор, проектирующий W на W~ , для ко-торого WPW ~

= , PP =2 . Полагаем выполненными следующие условия: 1) для любого ( ) Wtxp ∈,,ω найдется элемент ( ) Wtxp ~,,~ ∈ω такой, что

( ) ( ) ( ) ( )txptxptxpF ,,,,~,, 1 ωηωωω ≤− ; 2) существует элемент ( ) Wtxf ~,,~

∈ω такой, что ( ) ( ) ( )txftxftxf ,,,,~,, 2 ωηωω ≤− .

Пусть каждый элемент ( ) Wtxp ~,,~ ∈ω единственным образом представим

в форме ( ) ( ) ( )txctxp ii

i ,,,~1

γωω ∑∞

=

= , ( ) Wtxi~, ∈γ , где система элементов ( ) ∞

=1, ii txγ об-

разует базис в W~ . Кроме того, считаем заданной полную в W~ систему jD линейных функционалов, такую, что из равенств ( )[ ] 0,,~ =txpD j ω , ,...2,1=j , сле-дует ( ) 0,,~ =txp ω . В этом случае вместо (3) можно ограничиться рассмотрени-ем системы равенств ( )( ) ( )[ ] ( )[ ]txPfDtxpFIPD jj ,,,,~ ωωωλ =− , ,...2,1=j С учетом сказанного приходим к бесконечной системе линейных алгебраических урав-нений (БСЛАУ) метода Галеркина в абстрактной форме [4]

( ) ( )[ ] ( ) ( ) ( )[ ] ( )[ ]∑ ∑∞

=

∞

=

=−1 1

,,,,k k

jkjkkjk txPfDtxPFDctxDc ωγωωλγω , ,...2,1=j

Если система функционалов jD биортогональна базису ( ) ∞=1, ii txγ , то

( ) ( ) ( ) ( )[ ] ( )[ ]∑∞

=

=−1

,,,k

jkjkj txPfDtxPFDcc ωγωωλω , ,...2,1=j В частности, если W –

гильбертово пространство, а P – оператор ортогонального проектирования,

СПИ-ПИ-2009

456

то ( ) ( ) ( ) ( ) ( ) ( ) ( )∑∞

=

=−1

,,,,,,,k

jjkkj txtxftxtxFcc γωγγωωλω , ,...2,1=j , где ⋅⋅, – символ

скалярного произведения. Представим данную систему в следующем окончательном виде

( ) ( ) ( ) ( )∑∞

=

=−1

,k

jkjkj bcac ωωωλω ,...2,1=j , (4)

по отношению к которой считаем, что ( )∑∞

=

∞<1,

2

kjjka ω , ( )∑

∞

∞<1=

2

jjb ω , а ее реше-

ние ( ) ( ) ( )

=

∗∗∗

,..., 21 ωωω ccc удовлетворяет условию ( ) ∞<∑∞

=

∗

1

2

kkc ω .

Таким образом, в рамках проекционно-параметрической теории задача нахождения приближенного аналитического решения ПЭУ сводится к нахо-ждению решения БСЛАУ (4).

Применим к решению БСЛАУ (4) метод редукции, который состоит в замене (4) усеченной системой линейных алгебраических уравнений (УСЛАУ)

( ) ( ) ( ) ( )∑=

=−n

kjjjkj bcac

1ωωωλω , nj ,1= , (5)

решение которой ( ) ( )

==

∗

njcc njn ,1 ,*

ωω может рассматриваться в качестве

приближенного решения (4). Рассмотрим систему (4) с учетом ограничений в виде одного оператор-

ного уравнения в функциональном банаховом пространстве 2lC = : ( ) ( ) ( ) ( )ωωωλω bcKc =− , где ( ) ( ) ( ) ... ,, 21 ωωω ccc = , ( ) ( ) ( ) ( )ωωωω Kbbb , ... ,, 21= – не-прерывный линейный компактный оператор в 2l , определяемый для всех

Ω∈ω матрицей ( ) ( ) ... ,2,1, , == kjaA jk ωω системы (4), ( ) ( )2

1

2

1

2

= ∑

∞

=kkl

cc ωω . Ана-

логично систему (5) будем рассматривать в конечномерном пространстве 2nn lC = : ( ) −ωnc ( ) ( )ωωλ nn cK ( )ωnb= , где ( ) ( ) njcc jn ,1 , == ωω и ( ) ( ) njbb jn ,1 , == ωω ,

а оператор ( )ωnK определяется усеченной матрицей ( ) ( ) ,,1, , nkjaA jkn == ωω

( ) ( ) .2

1

1

22

= ∑

=

n

kkln cc

nωω

Помимо пространств C и nC рассмотрим вспомогательное пространст-во [ ]

2lC n ⊂ , состоящее из элементов, все координаты которых, начиная с ( )1+n -ой, равны нулю. Обозначим через nH непрерывный линейный опера-тор, отображающий [ ]nC взаимно однозначно на nC , то есть элементу

[ ]( ) =ωnc ( ) ( ) ( ) [ ]nn Cccc ∈... ,0,0,,...,, 21 ωωω ставится в соответствие элемент ( ) ( ) .,1 , njn Cnjcc ∈== ωω

Очевидно, что существует непрерывный обратный оператор 1−nH . На-

СПИ-ПИ-2009

457

ряду с nH существует также непрерывный линейный оператор nQ , являю-щийся продолжением оператора nH , то есть отображающий C на nC и совпа-дающий с nH на [ ]nC . Оператор nQ сопоставляет элементу

( ) =ωc ( ) ( ) 221 ... ,, lCcc =∈ωω элемент ( ) ( ) 2,1 , nnjn lCnjcщc =∈== ω : ( ) =ωnc

( )ωcQn= ( ) ( ) ( ) .,...,, 221 nn lccc ∈= ωωω Очевидно, что == nn HQ ,11 =−

nH

( ) [ ]( ) ( ) [ ]( ) 0=− ωωωω nnnnn cFQcHK , ( ) ( ) ( ) ( )[ ]ncKcK ωωωω − ( ) ( )2

1

1 1

2

= ∑ ∑

∞

+=

∞

=nj kkjk ca ωω ≤

( ) ( ) ( ) ,2

1

1

2

1 1

2ωσωω cca n

kk

nj kjk ≤

≤ ∑∑ ∑

∞

=

∞

+=

∞

=

где под ( ) ( )[ ]ncK ωω мы понимаем «усе-

ченный» элемент, получающийся из элемента ( ) ( ) 2lcK ∈ωω заменой всех его

координат, начиная с ( )1+n -й, нулями, ( ) Ω∈

= ∑ ∑

∞

+=

∞

=

ωωσω

,sup2

1

1 1

2

nj kjkn a . Ясно,

что с учетом принятых ограничений 0→nσ при ∞→n .

Кроме того, ( ) ( )[ ] ( ) ( ) ,2

1

1

2ωµωωω cbcc n

njjn ≤

=− ∑

∞

+=

где

( ) ( )2

1

1

2

1

2sup

= ∑∑

∞

=

∞

+= jj

njjn bb ωωµ

ω, Ω∈ω . При этом 0→nµ при ∞→n .

Используя результаты работы [3], с учетом вышесказанного можно за-ключить, что, если λ не является характеристическим значением системы (4) (то есть не является характеристическим значением оператора ( )ωK для всех

Ω∈ω ), то для фиксированного Ω∈ω при достаточно больших n система (5)

разрешима относительно ( ) ( ) ( ) ( )

= ωωωω

**

2

*

1

*,...,, nnnnn cccc и имеет место сходи-

мость приближенных решений [ ] ( )ωnc∗

= ( ) ∗

,1 ωnc ( ) ( )∗∗

... ,0,0,,...,2 ωω nnn cc к точному

( )ω∗

c . Быстрота сходимости определяется неравенством

( ) ( )ωω*

1*

nn cHc −− ( ) [ ]( ) ≤−=∗

ωω ncc*

nn qq µσ 21 + , Ω∈ω , где ( )ω∗

c и ( )ω∗

nc – решения сис-

тем (4) и (5) соответственно, 1q и 2q – положительные постоянные, не зави-

сящие от ω и n . Отсюда ясно, что каждая координата ( )ω∗

kc вектора ( )ω∗

c мало

отличается от каждой координаты ( )ω∗

nkc вектора ( )ω∗

nc для всех nk ,1= и

Ω∈ω , а при nk > координата ( )ω∗

kc мала для всех Ω∈ω . Кроме того, следует

сходимость ( ) ( ) ,...2,1 ,lim ==∗∗

∞→kcc knkn

ωω Далее рассматривается общий подход к построению приближенного

параметризованного решения системы (4) на базе усеченной системы (5).

СПИ-ПИ-2009

458

С целью сокращения записей, не снижая общности рассуждений, по-ложим 1R⊂Ω∈ω . Пусть внутри области Ω задан набор точек (узлов) ( )iω ,

Ni ,1= . Поставим в соответствие набору ( ) ( ) ( )Nωωω ,...,, 21 семейство

( )( ) ( )( ) ( )( )Nnnn ccc ωωω∗∗∗

,...,, 21 точных решений системы (5), то есть

( )( )−∗

injc ω ( )( ) ( )( )inj

n

kijk ca ωωλ

∗

=∑

1( )( ) .,1 ,,1 , Ninjb ij ∈== ω По аналогии с [4, 5] считаем,

что данные решения могут быть построены заранее с использованием из-вестных методов решения СЛАУ на базе ЭВМ.

Используя введенное нами семейство, рассмотрим процедуру построе-ния приближенного параметризованного решения ( ) =ωnc~

( ) ( ) ( ) ωωω nnnn ccc ~,...,~,~21= системы (5), справедливого для всех Ω∈ω . На базе

данного решения сформируем вектор [ ]( ) =ωnc~ ( ) ( ) ( ) ( )ωωωω nnnnnn cHccc ~ ... ,0,0,~,...,~,~ 1

21−== , который принимается в качестве при-

ближенного параметризованного решения для системы (4) и обеспечивает при этом выполнение следующего неравенства

( ) [ ]( )ωωω

ncc ~sup −∗

( ) ( ) Ω∈≤−= −∗

ωδωωω

, ~sup ,1

Nnnn cHc , где Nn,δ – заданная положи-

тельная постоянная, устанавливающая границу допустимой погрешности вы-числений.

Очевидно, что количество и правило расположения указанных выше узлов ( ) ( ) ( )Nωωω ,...,, 21 зависит от выбора области Ω и требуемой результирую-щей точности построения параметризованного решения системы (4), которая определяется константой Nn,δ .

По аналогии с [4], для фиксированного nj ,1∈ поставим в соответствие

узлам ( ) ( ) ( )Nωωω ,...,, 21 набор чисел ( )( ) ( )( ) ( )( )Nnjnjnj ccc ωωω∗∗∗

,...,, 21 , который соответст-вует j -тым координатам построенных нами опорных решений

( )( ),1ω∗

nc ( )( ),...,2ω∗

nc ( )( )Nnc ω∗

системы (5). Проведем интерполяцию данного набо-ра, сопоставив ему скалярную функцию ( )ωψ nj известного класса:

( ) ( ) njRvv Njjnnj ,1 , ,, ∈∈= ωθωψ , где вектор коэффициентов

=jv jNjj vvv ,...,, 21 находится путем решения следующей СЛАУ

( )( ) ( )( ) ( )( ) Nicv injjininj ,1 ,, ===∗

ωωθωψ . Последнее соотношение показывает, что вектор коэффициентов jv вы-

бирается таким образом, чтобы значения функции ( )ωψ nj совпадали со значе-

ниями функции ( )ω∗

njc в N узлах интерполяции, а его решением является век-

тор коэффициентов Nkvv jkj ,1= ,=∗

. Далее проводится интерполяция для всех

СПИ-ПИ-2009

459

nj ,1= , то есть находится совокупность параметризованных коэффициентов ( ) ( ),...,, 21 ωψωψ nn ( )ωψnn , удовлетворяющих характеристическому свойству. Ука-

занные коэффициенты принимаются нами в качестве параметризованных ко-ординат приближенного решения ( )ωnc~ ( ) ( ) ( ) ωωω nnnn ccc ~,...,~,~

21= системы (5), то

есть ( ) ( )ωψω njnjc =~ и при этом ( )( ) ( )( ) =Ψ= ininc ωω~( ) ( )( ) NicV innin ,1 ,, ==

Θ

∗∗

ωω , где

( )( ) ( )( ) ( )( ) ( )( ) ,,..,.., 21 innininin ωψωψωψω =Ψ ( ) ( ) ( ) ( )

=

Θ

∗∗∗∗

ninininnin vvvV ,,...,,,,, 21 ωθωθωθω . Данные со-

отношения показывают, что построенное приближенное параметризованное решение ( )ωnc~ системы (5) совпадает с её точным параметризованным реше-

нием ( )ω∗

nc в узлах интерполяции ( ) Nii ,1 , =ω . В качестве приближенного параметризованного решения [ ]( )ωnc~ систе-

мы (4) следует принять [ ]( ) =ωnc~ ( ) ( ) ( ) = ... ,0,0,~,...,~,~21 ωωω nnnn ccc

=

∗∗∗

... ,0,0,,,...,,,, 21 nnnn vvv ωθωθωθ .

Конкретизируем теперь рассмотренную выше процедуру построения параметризованных решений применительно к известным методам интерпо-ляции. Так, в случае параболической интерполяции на основе степенных по-

линомов ( ) ∑=

=N

k

kjknj v

1ωωψ получаем следующую СЛАУ

( )( ) ( ) ( )( ) Nicv i

N

knj

kijkinj ,1 ,

1=== ∑

=

∗

ωωωψ , nj ,1∈ . (6)

Решая систему (6) относительно jNjjj vvvv ,...,, 21= для nj ,1= , получаем

[ ]( )

= ∑ ∑ ∑= = =

∗∗∗

... ,0,0,,...,,~1 1 1

21

N

k

N

k

N

k

kkkn nkkk vvvc ωωωω . Очевидно, что

[ ] ( )( ) ( )( ) ( )( ) ( )( ) == ... ,0,0,~,...,~,~~21 innininin cccc ωωωω ( )( ) ( )( ) ( )( ) , ... ,0,0,,...,, 21

∗∗∗

inninin ccc ωωω где

( )( ) =∗

inc ω ( )( ) ( )( ) ( )( )

∗∗∗

inninin ccc ωωω ,...,, 21 – точное решение системы (5), соответст-

вующее узлу ( ) Ω∈iω . Рассмотренный подход к построению параметризованного решения на

базе интерполяционного полинома имеет существенный недостаток: при увеличении семейства опорных решений необходимо многократно решать СЛАУ (6) с целью вычисления искомых коэффициентов Nknjv jk ,1 ,,1 , == . Свободна от этого недостатка реализация рассматриваемого подхода к по-строению параметризованных решений на базе интерполяционного полинома Лагранжа.

Для случая параболической интерполяции на основе полинома Ла-

СПИ-ПИ-2009

460

гранжа имеем ( ) ( ) ( )

( ) ( )∑ ∑ ∏

= =≠=

∈−

−==

N

k

N

k

N

pp pk

pjkkjknj njvLv

1 100

1, ,ωω

ωωωωψ .

С учетом того, что ( )( )ikL ω равно 1 для ik = и 0 для ik ≠ , то несложно убедиться в выполнении следующего характеристического свойства

( )( ) =inj ωψ ( )( ) ( )( ) ,1 ,1

NicvLv injjiik

N

kjk ===

∗

=∑ ωω .

Таким образом, на основании сказанного имеем

( ) ( )( ) ( ) ( )( ) ( )∑ ∑= =

∗

===N

k

N

kkknjkknjnj njLcL

1 1,1 ,ωωωωψωψ . (7)

По аналогии приближенное параметризованное решение [ ]( )ωnc~ систе-мы (4) можно представить в следующем виде

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

= ∑ ∑ ∑= = =

∗∗∗

... ,0,0,,...,,~1 1 1

21

N

k

N

kk

N

kknnkknkknn LcLcLcc ωωωωωωω , (8)

при этом легко убедиться в выполнении характеристического свойства. Если обозначить через ( )ω

∗

c точное аналитическое параметризованное

решение системы (4), через ( )n

c

∗

ω – вектор, получающийся из ( )ω∗

c путем об-

нуления всех координат, начиная с ( )1+n -ой, а через [ ]( )ωnc~ – приближенное решение системы (5), то для оценки результирующей погрешности вычисле-ний можно воспользоваться неравенством треугольника

( ) [ ]( )ωωω

ncc ~sup −∗

( ) ( ) ( ) [ ]( )ωωωωωω

nnn

cccc ~supsup −

+

−≤

∗∗∗

. (9)

Конкретизация данной формулы зависит от метода интерполяции, вы-бранного в ходе построения параметризованного решения.

Если оценка слагаемого ( ) ( )n

cc

−

∗∗

ωωω

sup давалась ранее, то в качестве

оценки слагаемого ( ) [ ]( )ωωω

nn

cc ~ sup −

∗

можно в каждом конкретном случае ис-

пользовать известные оценки для остаточного члена выбранного метода ин-терполяции.

Полученные выше результаты несложно распространить на многомер-ный случай, когда mR⊂Ω∈ω . В данном случае процедуры одномерной ин-терполяции, рассмотренные выше, заменяются процедурами многомерной интерполяции [6]. При этом в качестве погрешности вычислений могут быть приняты остаточные члены, соответствующие принятой многомерной интер-поляции.

Для развиваемого подхода одним из основных является вопрос, свя-занный с выбором узлов интерполяции ( ) Nii ,1 , =Ω∈ω , обеспечивающим ми-нимизацию результирующей погрешности расчетов. Рассмотрим решение

СПИ-ПИ-2009

461

этого вопроса, полагая [ ] 121, Rdd ⊂=Ω .

Согласно [6] погрешность интерполяции на основе полинома Лагранжа можно оценить с помощью остаточного члена ( ) ( ) =−

∗

ωω njj cc ~

( ) ( )nj

dcd

NZ

Nj

NN ,1 ,

!==

∗

ωωω

, где ( ) ( )( )∏=

−=N

iiN

Z1

ωωω .

При выборе семейства узлов ( ) ( ) ( )Nωωω ,...,, 21 , предполагающем обоснова-ние значения N и оптимальное размещение узлов в области Ω , можно вос-пользоваться следующим неравенством

( ) ( ) Ω∈=≤−∗

∗∗

ωωωω

,,1 ,G!

~sup max njNZcc N

Nnjjj

, (10)

где ( ) ( ) . sup max ,sup Nj

N

j dcdGZZ NNN ω

ωω

ωω

∗∗∗

==

Известно, что для минимизации погрешности интерполяции на основе полинома Лагранжа достаточно выбирать в качестве узлов ( ) ( ) ( )Nωωω ,...,, 21 кор-ни многочленов Чебышёва, принадлежащие отрезку [ ]21,dd=Ω . В этом случае

при оценке сверху величины NZ∗

можно воспользоваться соотношением NddZ N

−

≤∗

42 12 . При этом вместо (10) имеем

( ) ( )!4

2~sup max 12

NGddcc N

j

N

njj

∗∗

−

≤− ωωω

. (11)

С учетом (11) можно дать оценку второго слагаемого в правой части

неравенства (10): ( )[ ]

( ) 21

!42~ sup 12 n

NGddcc N

n

N

n

∗∗

−

≤−

ωω

ω.

Таким образом, по заданному значению Nn,δ всегда можно подобрать такие n и N , при которых для случая оптимального расположения узлов ин-терполяции ( ) ( ) ( )Nωωω ,...,, 21 в области Ω достигается выполнение неравенства (11).

Многочисленные результаты численных экспериментов показывают, что при гладкой зависимости параметризованных коэффициентов СЛАУ (4) от координат вектора параметров ω количество узлов интерполяции для вы-бранной области оказывается незначительным.

Приближенное решение ПЭУ (2) можно представить в виде

( ) ( ) ( ) ( ) ( ),,,,,,~11

∑∑=

∗

=

∗∗

==n

iiin

n

iinin txvtxctxp γωθγωω

или применительно к конкретным видам интерполяции ( ) =∗

txp n ,,~ ω

( )∑∑= =

∗

=n

i

N

ki

kik tx

1 1,γων – для степенных полиномов, ( ) =

∗

txp n ,,~ ω

СПИ-ПИ-2009

462

( )( ) ( ) ( )∑∑= =

∗

=n

i

N

kikkni txLc

1 1,γωω – для полинома Лагранжа.

Полагаем, что для любого заданного 0>ε можно указать такое n , при

котором для всех Ω∈ω выполняется ограничение ( ) ( ) εγω <∑∞

+=

∗

1,

niii txc .

Для оценки общей погрешности можно воспользоваться неравенством

треугольника ( ) ( ) ≤−∗∗

txptxp n ,,~,, ωω ( ) ( ) +−∗∗

txptxp ,,~,, ωω ( ) ( )txptxp n ,,~,,~ ωω∗∗

−+ .

С учетом условий 1 и 2, сформулированных в параграфе 2, для оценки

нормы ( ) ( )txptxp ,,~,, ωω∗∗

− по аналогии с [4] можно воспользоваться следую-

щими теоремами Теорема 1. Если для всех Ω∈ω выполнены названные условия и суще-

ствует непрерывный оператор ( )( ) 1−− ωλPFI , то справедлива оценка

( ) ( )txptxp ,,~,, ωω∗∗

− ( )txpq ,,ω∗

≤ , где ( )( ) 1 −−−= ωλελ FIPIq .

На основании данной теоремы легко получить оценку близости при-ближенного ( )txp ,,~ ω

∗

и точного ( )txp ,,ω∗

решений, не использующую данных, относящихся к точному решению:

( ) ( )txptxp ,,~,, ωω∗∗

− ( ) ( ) Ω∈<−≤∗

− ωω ,1 ,,,~1 1 qtxpqq .

Для оценки близости параметризованных решений ( )txp ,,~ ω и ( )txpn ,,~ ω можно воспользоваться следующей теоремой.

Теорема 2. Если выполнены условия теоремы 1, то справедлива оценка

( ) ( )txptxp n ,,~,,~ ωω∗∗

− ( ) ( ) ( ) +

−≤ ∑

=

∗∗n

iinii txcc

1,γωω ( ) ( )∑

∞

+=

∗

1,

niii txc γω .

Минимизация первой нормы в правой части данного неравенства дос-тигается за счет выбора эффективного метода интерполяции и требуемого числа узлов ( ) ( ) ( )Nωωω ,...,, 21 . Вторая норма удовлетворяет принятому ограниче-

нию ( ) ( ) εγω <∑∞

+=

∗

1,

niii txc , которое определяется значением n .

Конкретизация результирующей погрешности может быть получена, если учесть указанные выше соотношения.

С учетом найденного решения ( )txp ,,~ ω∗

находим семейство оценок ис-

комых приближенных СХ: ( ) ( ) 0,1 ,,,~~ MitxpFY ii =

=

∗∗

ωω . Очевидно, что точ-

ность оценки складывается из двух составляющих: точности получения ( )txp ,,~ ω

∗

– решения ПЭУ и точности вычисления СХ, определяемой свойства-ми функционалов [ ]⋅iF , 0,1 Mi = .

СПИ-ПИ-2009

463

Соотношения для искомых СХ представим в следующем виде (полагая для простоты [ ]⋅iF линейными функционалами)

( ) ( ) ( )

∆+=

∗∗

txptxpFY ii ,,,,~ ωωω ( ) ( )[ ]=∆+

=

∗

txpFtxpF ii ,,,, ωω ( ) ( )ωω ii YY∗∗

∆+ .

С учетом этого, используя понятие нормы, получим оценку

( ) ( )txpFY ii ,, ωω ∆≤∆∗

, где iF – норма функционала iF , ( )txp ,, ω∆ – норма

погрешности интегрирования ПЭУ. Сравнительный показатель оперативности разработанного и традици-

онного методов прогнозирования СХ определяется выражением

( )1

110

00−

==

+= ∑∑

M

i

Рi

M

i

ТРiЭУT TTTMS ,

где ЭУT , ТРiT , Р

iT – время, затрачиваемое на интегрирование ПЭУ и на вычис-ление i -ой СХ традиционным и разработанным методами соответственно.

Поскольку время решения соответствующего ПЭУ значительно больше времени, затрачиваемого на вычисление конкретной СХ, то справедливы со-

отношения: ∑=

>>0

1

M

i

ТРiЭУ TT , ∑

=

>>0

1

M

i

РiЭУ TT .

Полагая, что 0

00

11M

M

i

Рi

M

i

ТРi TTT == ∑∑

==

приходим к оценке ( ) 10

−≈ MЭУT TTS . Таким

образом, применительно к разработанному опорно-параметрическому мето-ду, выигрыш в оперативности прогнозирования по сравнению с одноэтапным методом в основном определяется отношением времени на решение ПЭУ к времени вычисления всех СХ. При этом для многомерных марковско-параметрических систем с учетом выполнения условия

0MЭУ TT >> указанный выигрыш может достигать нескольких порядков.

Итак, разработаны теоретические положения двухэтапного метода опе-ративного высокоточного прогнозирования СХ марковских систем в опорно-параметрической постановке. Получены аналитические соотношения, позво-ляющие рассчитывать основные параметры метода, при которых обеспечи-ваются требуемые точность и оперативность прогнозирования СХ.

Необходимость вычисления и хранения большого количества значений коэффициентов решений ПЭУ не является препятствием при использовании современных ЭВМ с запоминающими устройствами большой емкости.

Наиболее эффективным является использование разработанного мето-да для получения оперативного прогнозирования совокупности СХ, напри-мер, в задачах, связанных с возникновением чрезвычайных ситуаций техно-генного или природного характера, катастроф и т. д. [2, 7], которые доста-точно эффективно моделируются в рамках теории марковских динамических систем.

СПИ-ПИ-2009

464

Список использованных источников 1. Пугачев В.С., Синицын И.Н. Стохастические дифференциальные

системы. М.: Наука, 1985. 2. Острейковский В.А, Сальников Н.Л. Вероятностное прогнозирова-

ние работоспособности ЯЭУ. М.: Энергоатомиздат, 1990. 3. Красносельский М.А. и др. Приближенное решение операторных

уравнений. М.: Наука, 1969. 4. Булычев Ю.Г. Теория опорно-проективных вычислений в задачах

оптимального управления// Автоматика и телемеханика. 1998. 2. 5. Булычев Ю.Г. Нелинейная теория опорно-проективных вычислений

в задачах оптимального управления// Автоматика и телемеханика. 1999. 4. 6. Иванов В.В. Методы вычислений на ЭВМ. Справочное пособие. Ки-

ев: Наукова думка, 1986. 7. Радаев Н.Н. Повышение точности прогноза вероятности катастроф за

счет неоднородности статистических данных по ущербу// Автоматика и те-лемеханика. 2000. 3.

Гарке Ю.С.

РАЗРАБОТКА СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ НА БАЗЕ IBM PC

[email protected] Компьютерное зрение не только позволяет анализировать различные

физические процессы надежней и быстрее по сравнению с естественным зре-нием человека или животных, но и обеспечивает высокую степень объектив-ности получаемых данных, зачастую недостижимую для человека.

Уникальные возможности систем технического зрения (СТЗ) обуслав-ливают их широкое использование при создании современных робототехни-ческих комплексов.

В настоящее время существуют большое количество СТЗ, которые представляют собой специализированные разработки, ориентированные на узкую область применения [1].

Следствие такого подхода – ряд существенных недостатков, таких как: –высокая стоимость; –плохая расширяемость, не позволяющая добавлять свои элементы и

задачи в СТЗ; –низкая ремонтопригодность, являющаяся следствием того, что СТЗ

реализованы на специализированном оборудовании. С другой стороны, в последнее время в промышленной автоматизации

становится достаточно популярным так называемых софт-ПЛК подход, бази-рующийся на решениях из области персональных компьютеров общего на-значения. Этот подход обеспечивает не только возможность использования продвинутых программно-аппаратных решений, доступных на рынке, но


СПИ-ПИ-2009

465

также позволяет минимизировать общую стоимость системы за счет исполь-зования серийно изготавливаемых компонентов и бюджетного базового ПО.

Поэтому возникает задача в создании гибко-перестраиваемой СТЗ на основе серийно-изготавливаемых компонент и широко распространенной OS Windows.

В качестве платформы была выбрана Micro PC, что позволяет исполь-зовать возможность не только OS Windows, но и широкий спектр приклад-ных программ, в частности, ориентированных на обработку изображений.

Для оптимизации ресурсов была использована OS Windows XP Embedded SP1. ОС была сконфигурирована на работу с базовыми компонен-тами, такими как обработка изображений и визуализация (DirectShow), пере-дача через различные интерфейсы связи (USB, Ethernet с использованием протокола TCP/IP).

В качестве датчика по приему изображения, была использована Web-камера, подключенная через интерфейс USB.

Предлагаемый подход был протестирован на Micro PC с процессором 686E серии, с частотой 300 МГц, оперативной памятью 128 Мб, Compact Flash на 4 Гб.

Тестовое приложение было создано на базе пакета LabView с библио-текой IMAQ (National Instruments), ориентированной на обработку изображе-ний, рис. 1.

Рис. 1. Тестовое приложение Испытания показали, что предложенное решение обеспечивает считы-

вание до 10 кадров в секунду RGB режима с разрешением 320х240, что срав-нимо с характеристиками специализированных СТЗ.

У данной платформы существует огромное множество вариантов ко-нечной вычислительной системы, цена ее значительно ниже, чем затраты на проектирование и производство специализированной системы. Так же данная платформа является наиболее распространенной и для нее существует широ-кий спектр специализированных программных средств и библиотек, которые могут существенно упростить процесс разработки необходимых алгоритмов.

Наряду с использованием унифицированной средой разработки ПО СТЗ, предлагаемое решение обеспечивает возможность гибкой настройки СТЗ на область применения, в частности, позволяет масштабировать вычис-

СПИ-ПИ-2009

466

лительную мощность платформы и параметры видеокамеры, что в конечном итоге обуславливает низкую стоимость создания СТЗ.


1. Письменный Г.В., Михайлов Б.Б., Корнеев А.Ю. Системы техни-ческого зрения в робототехнике. – М.: Машиностроение, 1991. – 88 с.

Гежаев А.М., Машкова Р.А. ГЕОИНФОРМАЦИОННОЕ КАРТОГРАФИРОВАНИЕ КУЛЬТУРНЫХ ЛАНДШАФТОВ ВЫСОКОГОРНЫХ ТЕРРИТОРИЙ (НА ПРИМЕРЕ

БАКСАНСКОИ ДОЛИНЫ) [email protected]

Верховья долины р. Баксан издавна являлись объектом исследования

различных физико-географических процессов. Этому способствовала высокая физиономичность их проявления, особенности в том, что касается динамики ледников, ландшафтов, лавино- и селепроявлений.

Развитие туристического хозяйства в последние 4-5 десятилетий по-влекло значительные изменения в изначально сельскохозяйственном характе-ре использования земель в долине. В 1960-70-е годы здесь были построены канатные дороги и подъемники, турбазы, дома отдыха и гостиницы. Это при-вело к настоящему рекреационному «буму» - потоки туристов достигали в начале 80-х годов 3 млн. чел. в год. Возник многосторонний природопользо-вательский конфликт между традиционным сельским хозяйством, рекреаци-ей и охраной высокогорных ландшафтов [1]. Из-за необходимости разреше-ния этого конфликта и в целях создания условий для оптимального природо-пользования в 1986 году в Приэльбрусье был создан Национальный парк, в который вошли прилегающие к Эльбрусу территории верховьев рек Баксана (выше 1450 м н.у.м.) и Малки на площади около 100 тыс. га.

Нами разрабатывается геоинформационная система, включающая те-матические карты, характеризующие социо-культурные и природные про-цессы, происходившие на территории Баксанской долины и культурно-ландшафтное районирование. На наш взгляд данная система могла бы позво-лить разрешить конфликт между традиционным сельским хозяйством, охра-ной высокогорных культурных ландшафтов и особенно рекреацией.

ГИС состоит из блоков: ввода данных, редактирования и согласования, анализа и обработки информации, представления результатов, хранения ин-формации.

Использование результатов исследования возможно не только в свете обозначенной выше проблемы, но и для выявления и восстановления объек-тов и территорий наследия, элементов живой традиционной культуры, при разработке социально-экономических и социо-культурных программ разви-


СПИ-ПИ-2009

467

тия Приэльбрусья, а также как методической основы для дальнейших куль-турно-ландшафтных исследований.


1. Гуня А.Н. Трендовые изменения и развитие горного региона: мето-дология, географический анализ и возможности управления. Нальчик, «Изда-тельство КБНЦ РАН». 2004. С. 152-153

Герасимов Д.А., Кравец О.Я. СТАТИЧНЫЕ И ДИНАМИЧНЫЕ ЭЛЕМЕНТЫ В РАЗРАБАТЫВАЕМОЙ СРЕДЕ ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ [email protected]

Рассматривается задача построения среды имитационного моделирова-

ния. В работе [1] было указано, что модель в разрабатываемой среде будет представлять собой набор связанных элементов. При этом не проводится раз-граничения по типам элементов, таким, например, как генераторы или уст-ройства. Роль каждого элемента в модели определяется исследователем на этапе её построения, а его поведение задаётся на языке высокого уровня. Та-ким образом, предлагаемый подход позволяет избежать некоторых не-удобств, присущих системам, использующим разделение элементов по типам [1]. Также в [1] было указано, что модель может включать в себя различные уровни иерархии, т.е. элемент модели сам может являться моделью более низкого уровня. Для организации взаимодействия между различными уров-нями иерархии каждый элемент модели имеет ссылку на родительский эле-мент, а также массив, содержащий в себе ссылки на дочерние элементы. Имитация внешней среды для каждого уровня иерархии происходит за счёт родительского элемента. Для самого верхнего уровня, не имеющего родите-ля, такой элемент будет создан автоматически самой системой.

В процессе моделирования для некоторых элементов родительский элемент может изменяться. Например, это происходит для транзактов, когда они передаются между устройствами обслуживания и очередями. Таким об-разом, по данному признаку все элементы модели можно разделить на ста-тичные, элемент-родитель которых остаётся неизменным, и динамичные, элемент-родитель которых меняется в ходе имитации. Следует отметить, что статичные элементы всегда принадлежат к какому-либо определённому уровню иерархии, а динамичные могут быть переданы между элементами различных уровней. Такое поведение подразумевает и некоторые отличия в реализации элементов статичного и динамичного типов. В первом случае об элементе должны быть информированы только непосредственно связанные с ним части модели, чтобы они могли осуществлять взаимодействие. В случае


СПИ-ПИ-2009

468

динамичных элементов о них должны быть извещены все элементы, входя-щие в цепочку связей, которая начинается от части модели, порождающей динамичные элементы, и заканчивается там, где такие элементы уничтожа-ются. В большинстве случаев в такую цепочку будут входить все статичные элементы модели.

Список использованных источников 1. Герасимов Д. А. Об одном способе построения имитационных моде-

лей // Компьютерные технологии в технике и экономике: сборник докладов междунар. науч. конф. ч.1. - Воронеж: МИКТ, 2007. – с. 11-15.

Говорский А.Э., Жданов Н.Ф. ТЕХНОЛОГИЯ МНОГОКРИТЕРИАЛЬНОГО ВЫБОРА ВАРИАНТОВ

СТРУКТУРЫ ГЕТЕРОГЕННОЙ КОММУНИКАЦИОННОЙ СИСТЕМЫ

Очевидно, что вероятностно-временные характеристики (ВВХ) систе-

мы будут зависеть от её структуры и для определения влияния структуры системы на её характеристики необходимо проведение сравнительного ана-лиза систем с различной структурой.

Структура каждой подсистемы состоит из подвекторов: протоколов, топологии, элементной базы и административной системы управления. Под-векторы элементной базы и административной системы управления опреде-ляются уровнем технического развития и обычно, при сравнении, не варьи-руются. Топология в данной работе предполагается заданной. Т.о., при срав-нении поведения системы используется варьирование подвекторами прото-колов.

Рассматривается система, моделируемая СМО и удовлетворяющая сле-дующим предположениям:

- в коммуникационных подсистемах применяются различные протоко-лы взаимодействия;

- система ориентирована на передачу интегрального, асинхронного и изохронного трафика РВ: речь, интерактивные данные;

- в системе применяются неоднородные среды передачи (кабельные и беспроводные);

- на вход станций независимо друг от друга поступают информацион-ные потоки с биномиальным распределением на интервалах Т0, условно при-нимаемых за единицу дискретного времени;

- модель подсистем и любой станции представляется стохастической системой обслуживания общего вида типа Мд/Gд/1 [1];

- рассматриваются протоколы доступа к среде передачи, обеспечи-вающие работу в РМВ, т.н. детерминированные (бесконфликтные) протоко-лы [2];

СПИ-ПИ-2009

469

- в подсистеме передачи данных реализован протокол повышения дос-товерности (алгоритм контроля ошибок в канале связи), применяющий поме-хоустойчивый код с rк контрольными разрядами и решающей обратной свя-зью с ожиданием РОС-ОЖ [3];

- в подсистеме передачи речи применяются протоколы без дополни-тельного контроля ошибок (передача в режиме прямой связи со стиранием);

- применяется синхронный метод доставки квитанции подтверждения получения отправленного информационного кадра;

- буферы передачи станции имеет неограниченную емкость; - в дискретных каналах связи возникают ошибки с вероятностью pк и

pэ, соответственно кабельной и эфирной средам передачи; - старение информации задается в дискретном времени процессом с

геометрическим распределением и параметром Qд; - существует многовариантность в выборе сред и скоростей передачи в

них. При исследовании применяется модель структуры системы с учетом

сделанных ранее предположений об одинаковых оконечных устройствах и единой системе административного управления.

Одним из критериев выбора вариантов является критерий капитальных вложений К, учитывающий экономические (стоимостные) затраты и технико-экономические показатели. Критерий К включает показатели эффективности работы системы, представленные технико-экономическими составляющими, определяемыми из стоимостных коэффициентов системы в целом и каждой рабочей станции. Критерий капитальных вложений K стремятся уменьшить.

Составляющие критерия К в данной работе учитываются следующие: 1. Активное сетевое оборудование кабельной подсистемы – С1. 2. Стоимость станции кабельной подсистемы передачи данных – С2. 3. Стоимость станции кабельной подсистемы передачи речи – С3. 4. Стоимость устройства сопряжения сред– С4. 5. Эфирный приемопередатчик– С5. 6. Стоимость станции эфирной подсистемы передачи данных – С6. 7. Стоимость станции эфирной подсистемы передачи речи – С7. Коэффициенты С1 и С5 зависят от количества пользователей и от ско-

рости передачи в среде. Активное сетевое оборудование в кабельной подсис-теме (С1) - величина, определяемая количеством пользователей (23 станции на одно активное устройство; 24-й порт используется для сопряжения обору-дования друг с другом); ее стоимость зависит от скорости передачи в кабель-ной среде Vck. Коэффициент С1 принимает стоимостные значения в зависи-мости от скорости передачи в кабельной среде:

- 1500 у.е. – при Vck ≤ 10 Мбит/c; - 2000 у.е. – при Vck ≤ 100 Мбит/c; - 2500 у.е. – при Vck > 100 Мбит/c. Коэффициенты С2 и С3 включают стоимость станций данных и речи в

СПИ-ПИ-2009

470

кабельной подсистеме. Их стоимость составляет, соответственно, 700 и 750 у.е. Коэффициент С4 включает стоимость УСС, осуществляющей взаимодей-ствие между пользователями подсистем. Его стоимостное значение принима-ется равным 1000 у.е. Стоимость оборудования эфирного приемопередатчика (С5) определяется также количеством пользователей и скоростью передачи в эфирной среде Vcэ. К одному эфирному приемопередающему устройству возможно подключение до 128 пользователей. Стоимостные значения коэф-фициента С5 в зависимости от скорости передачи определяются т.о.:

- 1500 у.е. – при Vcэ ≤ 2 Мбит/c; - 2000 у.е. – при Vcэ ≤ 10 Мбит/c; - 2500 у.е. – при Vcэ ≤ 500 Мбит/c; - 3000 у.е. – при Vcэ > 500 Мбит/c. Коэффициенты С6 и С7 включают стоимость станций передачи данных

и речи в эфирной подсистеме, которые составляет 700 и 750 у.е., соответст-венно. Следовательно, выражение для критерия капитальных вложений име-ет вид

K=a*C1 +C2+C3+C4+b*C5+C6+C7, , (1) где коэффициенты: а =(Nкр+Nкд)/24; b = (Nэр+Nэд)/128, с округлением до большего целого.

Множество вариантов структуры w системы, из которых осуществля-ется выбор (предъявленное к выбору множество вариантов) обозначим через

*W . Варианты структур различаются протоколами доступа, средами переда-чи, скоростью передачи в средах, качеством каналов передачи, длиной ин-формационной части пакета и количеством абонентов. В качестве характери-стики, учитывающей технико-экономические показатели, рассматриваем критерий капитальных затрат К. Функция выбора С( *W ) отображает наибо-лее предпочтительные элементы из *W . Тогда сформулируем следующую задачу многокритериального выбора вариантов системы [3], которая сводит-ся к поиску:

С( *W )=arg minjqt (w),

w ∈ *W С( *W )=arg max

jqП (w), (2)

w ∈ *W С( *W )=arg minК (w), j= J,1 , w ∈ *W

при ограничениях допqq jj

tt ≤ , j = J,1 , допjj qq ПП ≥ , j = J,1 , (3) где

jqt - среднее время доставки сообщений j-го типа, допq jt - допустимое зна-

чение среднего времени доставки сообщений j-го типа,jqП - вероятность

СПИ-ПИ-2009

471

своевременной доставки сообщений j-го типа, допjqП - допустимое значение вероятности своевременной доставки сообщений j-го типа, К– капитальные вложения.

Функция выбора С на множестве w называется паретовской [57], если в выбранное множество С( *W ) входит вариант *W , если не существует такого элемента y, принадлежащего *W , что значение числовых характеристик n1, …, nJ для элемента y не превосходит для w:

С( *W )=w|(| ∃y ∈ *W ,y≠w)[ni(y)≥ni(w)(i= J,1 )] (4) При J=3 трехкритериальный выбор вариантов, представленный выше,

соответствует паретовской функции выбора, определяемой (4) с характери-стиками n1, n2 и n3, так как i = 1,2,3, варианты множества Парето которых доставляют на n1, n2 и n3 минимумы [6].

В этом случае вариант w попадает в выбранное множество вариантов С( *W ) Парето, если для любого варианта w ∈ *W не существует варианта y ∈ *W такого, что n1 (y) < n1 (w), n2 (y) < n2 (y) и n3 (y) < n3 (w), что находится в соответствии с (4) и поставленной задачей выбора. Множество Парето формируется конусом, совпадающим с третьим отрицательным квадрантом или выбранное множество вариантов Парето содержит только те элементы w множества *W , для которых ∅=− )w(P j,'w , то есть нижнее сечение является пустым [7].

Задача многокритериального выбора в вычислительном плане может быть сведена к последовательности одно- или двухкритериальных задач. Затраты на поиск варианта можно уменьшить, если реализовать процедуру перечисления вариантов и одновременно производить отсев тех, которые не удовлетворяют заданным ограничениям. Поэтому сначала исключаем из рас-смотрения варианты, не удовлетворяющие заданному ограничению, т.е. те варианты, в которых допqq jj

ПП ≤ , допqq jjtt ≤ .

Далее расчленяем, используя принцип декомпозиции [7], многокрите-риальный выбор на j, j = J,1 двухкритериальных, относительно

jqt и jqП ,

jqП и

jК ,jqt и jК , процедур поиска множеств Парето. Затем для каждой подсиcтемы j, j = J,1 , определяем множества Парето: Сj ( *W )=arg min

jqt (w), Сj( *W )=arg max jqП (w), j= J,1 , (5)

w ∈ *W w ∈ *W Сj ( *W )=arg min

jqt (w), Сj( *W )=arg min jК (w), j= J,1 (6)

w ∈ *W w ∈ *W Сj ( *W )=arg max

jqП (w), Сj( *W )=arg min jК (w), j = J,1 (7)

w ∈ *W w ∈ *W при ограничениях (3).

СПИ-ПИ-2009

472

Введем понятие множества Парето ( )jjw wP ε,,'− с зоной

нечувствительности [7], для которого мощность нижней границы множества меньше или равна заданному интервалу jε :

jjjw wP εε ≤− ),(,' , jε - целое, jε = сonst. При рассмотрении интервала jε , равного нулю, имеем обычное множе-

ство Парето. Далее произведем объединение решений двухкритериального выбора, найденных для каждого j с целью получения окончательного реше-ния С( *W ). Объединение осуществимо с помощью операций объединения или пересечения. При использовании операции объединения (логической суммы)

C( *W ,ε)=C1( *W ,ε)U C2( *W ,ε)U … U Cj( *W ,ε)U … U CJ ( *W ,ε) , (8) где Cj ( *W , ε ) находится из решения задачи (2), а

Cj ( *W , ε ) = ( )jjwwP ε,

,'− .

При использовании для объединения множеств операции пересечения (логическое пересечение, или – общая часть)

C( *W ,ε)=C1( *W ,ε)I C2( *W ,ε)I … I Cj( *W ,ε)I …I CJ ( *W ,ε) , (9) получаем наиболее жесткие решения.

При заданном интервале jε возможны случаи, когда рассмотренные выше подмножества не совпадают. Такой случай приводит к пустому множе-ству вариантов при использовании операции пересечения, т.е. C( *W , ε) = ∅ и рассматриваться не может. Также возможен случай, когда при заданном jε подмножества Парето частично совпадают. Наиболее благоприятное реше-ние задачи выбора возникает в случаях, когда jε , j = J,1 и все элементы под-множеств с номером j совпадают.

Увеличение интервала jε , j = J,1 приводит к росту элементов множест-ва многокритериального выбора вариантов и может допускаться по согласо-ванию с заказчиком.


1. Башарин Г.П., Куренков Б.Ф. Исследование одной системы массо-вого обслуживания с дискретным временем // Изв. АН СССР. Сер. Техн. ки-бернетика. – 1983. 6. – с. 26 – 30.

2. Блэкман. Проектирование систем реального времени. – М.: Мир. – 1977. – 346 с.

3. Суворов Д.В., Чугреев О.С. КИСС-93, «Информационные сети и системы».- СПб., 1993. - с. 146-147.

4. Айзерман М.А., Алескеров Ф.Т. Выбор вариантов: основы теории. – М.: Наука. – 1990. – 240 с.

5. Мышкис А.Д. Элементы теории математических моделей. – М.:

СПИ-ПИ-2009

473

Физматлит, 1994. – 192 с. 6. Математическая статистика. Теория кибернетики. М.: 1988, с. 3–96. 7. Климов Г.П. Стохастические системы обслуживания. – М.: Наука,

1966– 242 с.

Горяева О.В. CALS-ТЕХНОЛОГИИ КАК ИНСТРУМЕНТ УПРАВЛЕНИЯ

КАДРОВЫМ СОСТАВОМ В СТРУКТУРЕ АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ УЧРЕЖДЕНИЯ

[email protected] В современном информационном обществе наблюдается значительное

усиление влияния информационных технологий на все без исключения при-нимаемые управленческие решения. Нет никаких сомнений в том, что любая организация или учреждение требуют управления, при этом, руководству необходима достоверная и актуальная, хорошо структурированная информа-ция о ее деятельности. Корпоративные информационные системы позволяют в этой ситуации значительно повысить качество и оперативность принимае-мых решений.

Перед современными учреждениями и организациями стоит задача реализации глобальной стратегии повышения эффективности бизнес-процессов, реализуемых в ходе жизненного цикла любого изделия. Средст-вами в реализации данной стратегии являются CALS-технологии, в основе которых лежит набор интегрированных информационных моделей - самого жизненного цикла и выполняемых в его ходе бизнес-процессов. Возможность совместного использования информации обеспечивается применением ком-пьютерных сетей и стандартизацией форматов данных, обеспечивающей их корректную интерпретацию. Таким образом, для полноправного вхождения в мировой рынок высокотехнологичной продукции, любой производитель должен обеспечить непрерывный сбор информации об изделии и информа-ционную поддержку процессов жизненного цикла изделия. Результатами ис-пользования CALS должны стать разработка специализированных форм входных документов, создание быстрой навигации по базам данных с воз-можностью отбора необходимой информации по различным фильтрам, мно-гокритериальный поиск и т.д. CALS-технологии ориентированы на опти-мальное использование доступных предприятию программных средств.

Таким образом, основой эффективного управления учреждени-ем/организацией должна стать интегрированная корпоративная информаци-онная система, разработанная на основе CALS-технологий, которая пред-ставляет собой хранилище данных, содержащее все сведения, создаваемые и используемые всеми подразделениями предприятия. Это хранилище имеет сложную структуру и многообразные внешние и внутренние связи. Интегри-


СПИ-ПИ-2009

474

рованная информационная система включает в себя наряду с общеупотреби-мыми, универсальными серверными СУБД как минимум две серверных базы данных: базу данных об изделиях и общую базу данных организа-ции/предприятия.

Важным звеном такой информационной системы являются подсистемы планирования и управления ресурсами предприятия или ERP-системы (Enterprise Resource Planning System), которые предназначены для управле-ния всем циклом производства на всех его стадиях.

В соответствии с [ISO /IEC 2382-24:1995] системы класса ERP должны выполнять функции, перечисленные в табл.1.

Таблица 1 Системы класса ERP

Управление финансовыми ресурса-ми (Financial Management)

Расчет потребностей в материалах (Materials Requirement Planning)

Управление персоналом (Human Resources)

Прогнозирование объема реализа-ции и продаж (Forecasting)

Ведения портфеля заказов (Customer Orders)

Оперативно-производственное пла-нирование (Finite Scheduling)

Управление запасами (Inventory Management)

Оперативное управление производ-ством (Production Activity Control)

Управление складами (Warehouse Management)

Управление техническим обслужи-ванием оборудования (Equipment Maintenance)

Управление закупками (Purchasing) Расчет себестоимости продукции и затрат (Cost Accounting)

Управление продажами (Sales) Управление транспортировкой гото-вой продукции (Transportation)

Объемное планирование (Master Production Scheduling)

Управление сервисным обслужива-нием (Service)

Для выполнения перечисленных в таблице функций ERP-системы ис-

пользуют информацию, содержащуюся в интегрированной информационной системе, и помещают в нее результаты своей работы для использования дан-ных на последующих стадиях ЖЦ.

Неотъемлемой частью общей концепции корпоративного управления организацией является управление кадровым составом, а модули под назва-нием Human Resource входят в число наиболее популярных функцио-нальных направлений в составе ERP-систем. Модули позволяют автоматизи-ровать планирование штатных расписаний, управлять обучением персонала на основании требований, указанных в должностной инструкции с оптимиза-цией затрат на обучение, оценивать специалистов на основании моделей компетенции, проводить учет кадрового резерва, подбирать сотрудников, оценивать эффективность рекрутинговых мероприятий и вести базу резюме.

СПИ-ПИ-2009

475

Кроме того, модули обеспечивают управление материальной мотивацией кадров. Если каждый из модулей ERP-системы (или отдельное программное приложение) охватывает одно направление деятельности предприятия (на-пример, "Логистика", "Склад", "Сбыт" и др.), то система управления кадро-вым составом взаимодействует со всеми без исключения сферами бизнеса в широком понимании этого термина. Доступ в эту систему открыт и каждому сотруднику, и работникам кадровой службы, бухгалтерии, планово-экономическому отделу, руководителям всех подразделений, включая топ – менеджеров, при жестком разграничении полномочий и соблюдении прав доступа к информации. Достаточно часто функциональность информацион-ной системы по управлению кадровым составом несколько шире, чем реаль-ные бизнес – процессы организации. Поэтому на этапе выбора прикладной информационной системы необходимо определить как наличие тех или иных функций скажется на ее конечную стоимость, сроки ввода в промышленную эксплуатацию, и что самое важное, соответствует ли предлагаемая функцио-нальность целям организации.

Системы управления кадровым составом, как неотъемлемая и важная часть CALS-технологий предприятия, учреждения или организации, пользу-ются заслуженной популярностью, как среди рядовых сотрудников, так и специалистов кадровых служб. Первые видят в них удобную технологию, с помощью которой они получают мгновенный доступ к информации о кадрах организации: разнообразным отчетам, служебной переписке, нормативным документам и многому другому. Вторые, избавившись от утомительной и рутинной канцелярской работы, становятся не просто консультантами по во-просам управления персоналом, а настоящими стратегическими партнерами для руководства организации. Информационные системы позволяют упоря-дочить поток распоряжений, контролировать в рамках ERP-системы работу подчиненных, отслеживая выполнение ими поставленных задач, и наладить контроль исполнения принятых управленческих решений.

Резюмируя изложенное, следует отметить, что в рамках CALS-технологии пользователь волен, выбирать наиболее эффективные решения по управлению, в связи с чем, возникает реальная возможность наиболее опти-мальным образом сформировать корпоративную информационную систему, основываясь в основном на реальных потребностях, а не на навязываемых рынком стереотипах автоматизации учрежденческой деятельности.


1. Ковшов Е.Е., Мельникова А.В. Автоматизация процесса подбора персонала для машиностроительного предприятия. - СТИН, 9, 2006, С.33.

СПИ-ПИ-2009

476

Гречкин В.А., Демурчев Н.Г., Шульгин А.О. РАЗВИТИЕ СИСТЕМЫ МОНИТОРИНГА ОБЪЕКТОВ

ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ ЗА СЧЕТ ИСПОЛЬЗОВАНИЯ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ

ТЕХНОЛОГИЙ [email protected]

Большой интерес с точки зрения определения перспектив научных на-

правлений, углубления информационно-поисковой работы и актуализации сведений об объектах интеллектуальной собственности представляет дея-тельность фондов и центров учета объектов интеллектуальной собственно-сти. В настоящий момент практика мониторинга объектов интеллектуальной собственности в специализированных автоматизированных системах являет-ся повседневной. При этом доступ к таким системам осуществляется пользо-вателями различных структурных подразделений, сами системы являются распределенными, а информация, циркулирующая в них – конфиденциаль-ной. В настоящей работе рассматриваются вопросы совершенствования та-ких распределенных автоматизированных информационных систем с точки зрения обеспечения их адекватности, защищенности и доступности, что и определяет ее актуальность.

В качестве базовой системы мониторинга объектов интеллектуальной собственности выбрана система RegOFAP v.4.0 отраслевого фонда алгорит-мов и программ государственного координационного центра информацион-ных технологий Федерального агентства по образованию. Отраслевой фонд алгоритмов и программ является важным элементом научно-образовательной системы, обеспечивает регистрацию более 1500 разработок в год, обладает разветвленной филиальной сетью (21 региональное отделение). Информация, предоставляемая фондом, востребована сотрудниками и учащимися образо-вательных и научных учреждений.

Программный модуль RegOFAP 4.0 предназначен для использования разработчиками и уполномоченными региональными отделениями отрасле-вого фонда алгоритмов и программ (ОФАП) в целях подготовки к регистра-ции программных и иных разработок в ОФАП. Визуализация модуля RegOFAP представлена на рис. 1.

Согласно рис. 1 программный модуль разработан в виде «мастера», со-стоящего из нескольких этапов, который ведет пользователя по процедуре подготовки комплекта документов к регистрации. Входными данными для программы является: реферат, текст рекламно-технического описания разра-ботки, необходимые сведения о разработчиках и контактная информация. Выходными данными программы является подготовленный комплект доку-ментов соответствующий формальным признакам процедуры «экспертизы ОФАП».

На каждом из этапов «мастера» регистрации пользователю необходимо


СПИ-ПИ-2009

477

указать основные параметры разработки, тип и форму регистрации путем за-полнения соответствующих полей, значения которых вводятся с клавиатуры, указываются в виде переключателей или выбираются из справочников: ло-кального или сетевого.

Рис. 1. Визуализация модуля RegOFAP Локальный справочник представляет собой выпадающий список, дос-

туп к которому осуществляется путем нажатия на пиктограмму в правой час-ти поля. Сетевой справочник представляет собой справочник (в виде Web-страницы), расположенный на сайте ОФАП (www.ofap.ru). Доступ к сетевым справочникам организован посредством гиперссылок, которые указаны в ви-де заголовков полей или информационных надписей.

На основе введенных параметров программой с использованием MS Office Word генерируется заархивированный пакет документов для отправки в головное подразделение ОФАП, состоящий из четырех файлов: информа-ционной карты алгоритмов и программ, рекламно-технического описания, письма, строки базы данных ОФАП. Отправка пакета документов осуществ-ляется следующими способами: вручную (через почтовый клиент), автомати-чески (при наличии доступа к сети Интернет). После завершения процесса отправки пакета документов на экранной форме будет отображена информа-ция о текущем состоянии процесса регистрации разработки, а также инст-рукции с дальнейшими действиями, касающиеся печати и отправки бумаж-ных копий документов.

К основным достоинствам программного модуля RegOFAP можно от-нести: оформление программы в виде мастера, интуитивно понятный интер-фейс, наличие механизмов контроля корректности вводимой информации,

http://www.ofap.ru)

СПИ-ПИ-2009

478

наличие контекстных подсказок и примеров. К основным недостаткам программного модуля можно отнести: отсут-

ствие механизмов формализованного хранения ранее введенной информа-ции; зависимость корректной работы программы от наличия в системе уста-новленного приложения MS Office 2000/XP; использование в программе двух видов справочников: локального и сетевого.

Для выявления несоответствий в базовой системе мониторинга объек-тов интеллектуальной собственности по показателям адекватности, защи-щенности и доступности [1] с помощью методов структурного анализа (SADT, DFD, IDEF3) [2] предлагается выявить сущности, связи и атрибуты, произвести структурное и функциональное моделирование [3] процессов мо-ниторинга и регистрации объекта интеллектуальной собственности.

Пакет цифровых документов, подготовленный в программном модуле RegOFAP, подвергается оценке на соответствие следующим критериям: пол-нота комплекта документов представленных на регистрацию, соответствие оформления документов формальным признакам, качество документов, оценка новизны, приоритетность и научность регистрируемых разработок. Каждый из перечисленных критериев распадается на ряд работ, процедур и требований. Также запускается процесс регистрации разработки, детальная декомпозиция которого, представлена на рис. 2.

Рис. 2. Декомпозиция модели процесса регистрации Согласно рис. 2 результатами взаимодействия авторов, сотрудников

региональных отделений ОФАП, сотрудников Всероссийского научно-технического информационного центра (ВНТИЦ), сотрудников ОФАП явля-ются запись о зарегистрированной разработке в базе данных ОФАП, второй экземпляр информационной карты из ВНТИЦ, зарегистрированный комплект документов и его дубликат, или в случае необходимости сообщение об отка-зе в регистрации или аннулировании регистрации.

СПИ-ПИ-2009

479

Анализ этапов регистрации объектов интеллектуальной собственности (подготовка авторами пакета документации для регистрации разработки, от-правка первичных данных о разработке в региональное отделение ОФАП, формирование и отправка результатов экспертизы авторам, Внесение сведе-ний о зарегистрированной разработке в БД головного отделения ОФАП и др.) позволяет сделать следующие выводы:

1. Распределенная структура работы ОФАП позволяет проводить каче-ственную регистрацию большого числа разработок.

2. Использование типового программного продукта для подготовки па-кета документов для регистрации разработок позволяет унифицировать про-цесс подготовки документов и избежать ошибок при их оформлении.

3. В качестве основного средства передачи документов используется передача информации через открытую сеть Интернет с использованием элек-тронной почты, что является не безопасным.

4. Несмотря на использование программы RegOFAP в процессе регист-рации разработки возникает медиаразрыв (необходимость переноса инфор-мации с одного носителя на другой).

5. Технические особенности программы RegOFAP не позволяют соз-дать базу данных регистрируемых разработок в региональном отделении ОФАП, что затрудняет структурирование, поиск разработок по тематикам, по авторам, по образовательным и научным учреждениям и т.д.

6. Единственной доступной базой данных содержащей доступные све-дения о зарегистрированных разработках, является база данных головного отделения ОФАП, доступ к которой, осуществляется через сайт ОФАП.

Для устранения противоречий в базовой системе мониторинга и реги-страции объектов интеллектуальной собственности, предлагается:

- проведение дополнительного анализа процедур регистрации и учета; - использование современных средств автоматизации на каждом из

этапов регистрации; - формализация и выделение структуры элементов используемой доку-

ментации; - применение механизмов проверки регистрации на соответствие

предъявляемым требованиям по формальным признакам; - использование унифицированных форматов хранения описаний о раз-

работках. С технической стороны используемые средства автоматизации должны

обладать следующим функционалом: - унифицированный интерфейс пользователя на каждом этапе регист-

рации; - поиск разработки по названию, автору, дисциплине и т.д.; - интеллектуальный поиск по встроенным рубрикаторам ГРНТИ, УДК

и др., репликация рубрикаторов; - автозаполнение уникального номера разработки;

СПИ-ПИ-2009

480

- автосохранение проекта регистрации разработки;

- статистика по филиалам и направлени-ям;

- расширенная статистика по регистра-циям разработок;

- операция оформления договоров; - поиск разработок с фильтром по отде-

лению ОФАП; - доверенная репликация баз регистра-

ции между отделениями ОФАП; - администрирование хранилища регист-

раций; - доверительная репликация с сайтом

ОФАП и отделений ОФАП; - подготовка регистраций к передаче в

типографские системы. Проведем дополнительный анализ про-

цедур регистрации и учета объектов интеллек-туальной собственности. На рис. 3 представлена контекстная диаграмма мо-дели функционирования системы регистрации и мониторинга объектов ин-теллектуальной собственности. Выделены три основных элемента системы и описаны потоки данных между компонентами.

На рис. 3 сущности «автор разработки», «региональное отделение», «головное отделение» совпадают с участниками процесса регистрации, опи-санного ранее. Произведем детализацию процесса обмена данными между автором разработки и региональным отделением посредством прямого обме-на документами или заполнением соответствующих анкет. Обмен данными между региональным и головным отделениями осуществляется с использо-ванием телекоммуникационных технологий посредством передачи сообще-ний по протоколу защищенной электронной почты (S/MIME).

Потоки данных, представленные на рисунке 4 позволяют определить места образования медиаразрыва и уязвимые места с точки зрения обеспече-ния безопасности. Например, поток первичных данных от автора разработки к представителю регионального отделения определяет медиаразрыв, который приводит к увеличению времени обработки заявки и увеличению вероятно-сти возникновения ошибки при передаче информации.

На рисунках 4-8 представлены детализированные диаграммы потоков данных (DFD) системы регистрации и мониторинга объектов интеллектуаль-ной собственности. Рисунки 7 и 8 описывают один и тот же процесс взаимо-действия регионального отделения с головным, но с учетом использования или не использования технологий защищенной передачи информации (элек-тронная цифровая подпись).

Рис. 3. Контекстная

диаграмма модели пото-ков данных системы

СПИ-ПИ-2009

481

В результате моделирования получены внешние сущности и информа-ционные процессы информационной системы регистрации и мониторинга объектов интеллектуальной собственности (табл. 1, 2).

Рис. 4. Модель потоков данных информационной системы региональ-

ного отделения

Рис. 5. Модель потоков данных процесса разграничения доступа Разработанные детализированные диаграммы потоков данных системы

СПИ-ПИ-2009

482

мониторинга объектов интеллектуальной собственности, а также выявленные сущности и процессы ИС фактически определяют структуру изменений в программных и функциональных модулях (программном коде) базовой сис-темы мониторинга объектов интеллектуальной собственности RegOFAP, по-зволяют повысить адекватность и защищенность существующей системы.

Рис. 6. Модель потоков данных процесса внесения и контроля данных

Рис. 7. Модель потоков данных процесса взаимодействия с головным

отделением (случай использования ЭЦП)

СПИ-ПИ-2009

483

Рис. 8. Модель потоков данных процесса взаимодействия с головным

отделением (случай без ЭЦП) Таблица 1

Внешние сущности ИС регистрации и мониторинга ОФАП Наименование процесса Описание Представитель регио-нального отделения

Пользователь, оператор информационной сис-темы регистрации объектов интеллектуальной собственности регионального отделения. Осу-ществляет все операции по управлению, вводу, инициализации, анализу данных и процессов.

Региональная база дан-ных

Система управления базой данных региональ-ной системы регистрации и мониторинга, под-держивающая механизмы контроля целостно-сти, аутентификации, репликации, резервного копирования и т.д.

Таблица 2

Процессы ИС регистрации и мониторинга ОФАП Разграничение доступа Аутентификация Процесс проверки соответствия субъекта дос-

тупа и того, за кого он пытается себя выдать, с помощью некой уникальной информации, в случае РО – имя пользователя и пароль.

Авторизация Процесс, а так же результат процесса проверки необходимых параметров и предоставление оп-ределенных полномочий (прав доступа, функ-ционала информационной системы) лицу на выполнение определенных действий на осно-

СПИ-ПИ-2009

484

вании уровня доступа, полученного в следст-вии аутентификации.

Внесение данных о разработке, контроль правильности данных Внесение данных Процесс внесения данных в информационные

поля формализованной формы разработки представителем РО, выполненный в виде мас-тера с предоставлением необходимых справоч-ных данных.

Контроль соответствия требованиям

Выявление несоответствий в значениях запол-ненных полей и требований к их заполнению.

Контроль уникальности Процесс определения уникальности разработки выполняемый на стороне РО на основании на-именования разработки и других первичных полей.

Анализ, мониторинг Процесс предоставления оператору информа-ционной системы РО аналитических, сводных данных, количественных и качественных отче-тов по имеющимся формам.

Взаимодействие с головным отделением Инициализация взаимо-действия

Процесс инициализации (старта) взаимодейст-вия с ГО региональным отделением, вызывае-мый оператором информационной системы.

Синхронизация справоч-ных данных

Процесс обмена данными между РО и ГО на-правленный на синхронизацию справочников и классификаторов, находящихся в РО, в виду их постоянной дополняемости.

Отправка данных Процесс передачи данных о заявке на регист-рацию в ГО в формализованном виде, с исполь-зованием, созданного в процессе инициализа-ции, канала безопасной передачи данных.

Получение результата Процесс получения результата по отправлен-ным заявкам на регистрацию, отделен от про-цесса отправки данных по причине наличия оп-ределенного промежутка времени, необходи-мого на анализ заявки в ГО.

Предлагается организовать хранение информационных ресурсов с ис-

пользованием свободно распространяемых серверов баз данных MS SQL Server и Firebird. Передачу информации о регистрации предлагается осуще-ствлять с использованием файла формата xml или mdb (MS Access). Описа-ние объектов интеллектуальной собственности может быть организовано в виде слота с характеристиками объекта. Характеристики объекта также могут быть организованы в виде слотов. Такая структура позволяет организовать

СПИ-ПИ-2009

485

обмен информацией с поддержкой версий слотов, изменяемыми слотами и атрибутами доступа к слоту. Пример слота: Lot1, [Magnetic Fields in Nanotechnology, [Physics, Nanotechnology], Full Access], [Ivanov, Restricted], 2007.12.03. В слоте производится описание объекта интеллектуальной собст-венности с внутренним кодом Lot1, неограниченным по доступу названием инновации, ограниченным по доступу авторством инновации от 03.12.2007 г. В качестве алгоритма шифрования предлагается использовать ассиметрич-ный алгоритм RSA. Таким образом, целостность описаний объектов опреде-ляется непротиворечивостью версий слотов. Алгоритмическое решение зада-чи о непротиворечивости версий слотов определяется проверкой существо-вания соответствующего графа со слотами описаний в качестве вершин. Безопасность описаний объектов интеллектуальной собственности определя-ется моделью разграничения доступа (дискреционная, мандатная, ролевая) [4]. Модель разграничения доступа определяется экспертным путем, исходя из требований защищенности объектов.

Для разработанных моделей потоков на границе сущностей или пото-ков могут быть выявлены уязвимости. Количество уязвимостей и действия, предпринятые по их ликвидации, определяют защищенность системы, кото-рая может быть вычислена по известным методикам STRIDE и DREAD [5].

В соответствии с разработанными моделями потоков процессов, а так-же предложениями по устранению противоречий в базовой системе, разрабо-тана модификация базовой системы мониторинга объектов регистрации ин-теллектуальной собственности. В виду закрытости исходного кода произве-дена разработка аналога существующей системы в визуальной среде про-граммирования Borland Delphi. Визуализация окна «Информационный ре-сурс» модифицированной системы мониторинга объектов интеллектуальной собственности представлена на рис. 9.

Согласно рис. 9 информация об объекте интеллектуальной собственно-сти в модифицированной системе структурирована по следующим категори-ям: «Общая информация», «Системная информация», «Авторы», «Скриншо-ты», «Документы». Навигация по форме интуитивно понятна, организован контроль корректности заполнения информационных полей.

В качестве хранилища информационных ресурсов в модифицирован-ной системе использовалась СУБД MS SQL Server 2000. Взаимодействие между участниками информационного обмена организовано с использовани-ем файла формата xml. В настоящий момент ведутся работы по апробации разработанной системы мониторинга объектов интеллектуальной собствен-ности. В результате апробации планируется получить практическое подтвер-ждение теоретической гипотезы о повышении адекватности и безопасности модифицированной системы в соответствии с предложенными моделями и подходами.

Таким образом, система мониторинга объектов интеллектуальной соб-ственности является сложной распределенной системой. Существующие

СПИ-ПИ-2009

486

противоречия в системе вызваны незавершенностью этапов предпроектного проектирования, структурного и функционального проектирования. Приме-нение соответствующих моделей и методик проектирования в совокупности с современными информационными технологиями позволит повысить адек-ватность и безопасность разрабатываемых систем мониторинга объектов ин-теллектуальной собственности.

Рис. 9. Визуализация окна «Информационный ресурс»

Список использованных источников 1 Липаев В.В. Качество программных средств. Методические рекомен-

дации. Под общей ред. проф., д.т.н. А.А.Полякова. – М.: Янус-К, 2002. 402 c. 2 Вендоров А.М. Проектирование программного обеспечения эконо-

мических информационных систем. – М.: Финансы и статистика, 2000. 352 c. 3 Калашян А.Н., Калянов Г.Н. Структурные модели бизнеса: DFD-

технологии. – М.: Финансы и статистика, 2003. – 256 c. 4 Зегжда Д.П., Ивашко А.М. Основы безопасности информационных

систем. – М.: Телеком, 2000. – 452 с. 5 Ховард Д., Лебланк Д. Защищенный код. – М.: «Русская редакция»,

2003. – 704 с.

СПИ-ПИ-2009

487

Делицын Л.Л. НЕЕДИНСТВЕННОСТЬ МОДЕЛЕЙ ОХВАТА АУДИТОРИИ

WWW-РЕСУРСОВ В УСЛОВИЯХ ЗАМЕНЫ ФАЙЛОВ COOKIES [email protected]

Интерпретация данных онлайн-счетчиков об охвате аудитории ресур-

сов WWW осложнена эффектами замены компьютеров и операционных сис-тем, уничтожения записей cookies, записанных на пользовательские диски счетчиками, запретом записей cookies. Если бы cookies не уничтожались, то полное число пользователей R и плотность распределения интенсивности использования ресурсов )(λp можно было бы единственным образом восста-новить по кумулятивному охвату аудитории )(1 tR за период t (кумулятивно-му числу “уникальных пользователей”), которые публикуют многие системы онлайн-статистики. Однако в этой работе будет показано, что в условиях за-мены cookies один и тот же результат наблюдений )(1 tR может быть объяснен бесконечным множеством моделей.

Пусть процесс использования информационного ресурса пользовате-лем описывается простейшим потоком событий с параметром λ , а процесс уничтожения файлов cookies – простейшим потоком с параметром µ . Авто-ром было показано [1], что кумулятивные охваты аудитории k-го порядка имеют вид:

+

++

−

+

⋅= ∑−

=

),;(),;(),;(1

1

µλµλ

λµλµλ

µµµλ

λµλ tFtFtRtR k

k

mm

k

k ,

где ( )

( )( )t

k

k ek

ttf µλµλµλµλ +−

−

−+

+=!1

)()(),;(1

и ∑=+

−=k

mmk tftF

1),;(11),;( µλ

µλµλ - плот-

ность и функция распределения Эрланга k-го порядка [2]. Поскольку пользователи отличаются по параметрам λ и µ , обозначим ),( µλp совместную плотность распределения этих параметров. Полные охва-

ты числа пользователей, зарегистрированных не менее k раз за период t , яв-ляются результатом интегрирования по всем λ и µ :

( )∫ ∫∞ ∞

=0 0

),;(,)( µλµλµλ ddtRptR kk .

Однородная модель Кумулятивный охват аудитории, соответствующий модели, состоящей

из одного сегмента пользователей, имеет вид:

( )( )( )( )tRtRtR µλ

µλλ

µλλµ

µλ +−−+

++

= exp1),;( 2

2)1(

1 .

Рис. 1 иллюстрирует накопленные охваты аудитории )(tRk , рассчитан-ные для значений параметров 7/1=λ 1−суток , 1/16=µ 1−суток , 5,0=R млн. че-ловек. Треугольниками показан кумулятивный охват аудитории крупного WWW-проекта в один из месяцев осени 2005 г.


СПИ-ПИ-2009

488

0

2

4

6

8

10

0 7 14 21 28 35Период измерений (количество суток)

R1

R5

R3

R4

R2

Охват аудитории(млн. пользователей)

Рис.1. Накопленные охваты зарегистрированных не менее k раз за пе-

риод t «уникальных пользователей» )(tRk . Используется однородная модель. Сплошная линия – результаты расчетов, треугольники - реальные данные за 2005 г.

Модель с двумя сегментами без смены cookies Кумулятивный охват аудитории, состоящей из двух сегментов: “актив-

ного” сегмента и сегмента “бесконечно редких” пользователей, которые ис-пользуют ресурс бесконечно редко, может быть представлен как:

( )( )( )( )tml

mllAtB

mllmAmltR +−−

++⋅

+

+= exp1),;( 2

2)2(

1

где mlA ,, - параметры активного сегмента, B - численность сегмента “ред-ких” пользователей. Найдем параметры такой модели из двух сегментов, чтобы выполнялось тождество ( )mltRtR ,;),;( )2(

1)1(

1 ≡µλ . Очевидно, такие пара-метры должны удовлетворять трем условиям

µλλµ+

=++

RBml

lmA , µλ +=+ ml , и ( ) ( )2

2

2

2

µλλ+

=+

Rml

lA .

Если в качестве свободного параметра выбрать параметр m , то тожде-ство ( )mltRtR ,;),;( )2(

1)1(

1 ≡µλ окажется истинным для любых значения времени при выполнении равенств:

ml −+= µλ Rl

A 2

2λ= µλ

λµ+−

=AlmRB .

Из первого и третьего равенств и очевидного требования 0≥B следует дополнительное ограничение µ≤≤ m0 .

Таким образом, для произвольных неотрицательных параметров одно-родной модели R,, µλ можно найти бесконечно много таких неотрицатель-ных параметров BAml ,,, модели из двух сегментов, что кривые )(1 tR для двух

СПИ-ПИ-2009

489

моделей совпадут. В силу аддитивности )(1 tR решение задачи идентификации параметров модели (численности R и распределения ),( µλp ) по кумулятив-ному охвату )(1 tR не единственно: существует бесконечное число различных моделей с совпадающими )(1 tR .

0

2

4

6

8

10


Охват аудитории(млн. пользователей) R1

R2R3 R4

Рис.2. Накопленная аудитория зарегистрированных не менее k раз

«уникальных пользователей». Для расчетов использована модель с двумя сегментами пользователей, не меняющих cookies.

В частности, рис. 2 иллюстрирует накопленные охваты аудитории

)(tRk , рассчитанные для модели, включающей: 1) “регулярную” аудиторию с интенсивностью использования 20,0=l 1−суток численностью 2,4=A млн. человек, которые вообще не меняют cookie

( 0=m 1−суток ), и 2) “бесконечно редкую” аудиторию с суточным охватом в 6,187=B тыс.

уникальных пользователей в сутки, бесконечно малой интенсивностью ис-пользования ресурса и произвольной частотой смены cookies.

Можно считать, что оба сегмента не меняют cookies. Модель с двумя сегментами и сменой cookies Результаты исследований поведения пользователей, проведенные ком-

паниями Jupiter Research [3], Nielsen//NetRatings, Atlas Solutions и Gemius [4] свидетельствуют, что от 39 до 43% пользователей WWW меняет cookies в те-чение одного месяца. В России по словам Марины Соловьевой, руководителя российского отделения Gemius: “мы фиксируем ежемесячный процент об-новления на уровне 41%” [4]. Если уничтожение cookies описывается про-стейшим потоком, то его интенсивность должна составлять 1/57=m 1−суток (пользователь меняет cookie в среднем один раз в 57 суток).

Результаты расчетов по такой, наиболее реалистичной из рассмотрен-

СПИ-ПИ-2009

490

ных, модели показаны на рис. 3. Здесь 19,0=l 1−суток , 2,9=A млн. человек, 0,018=m 1−суток ), 5,169=B тыс. уникальных пользователей в сутки. Мы

предполагаем, что в реальности охваты высших порядков )(tRk для рассмат-риваемого ресурса должны были бы выглядеть так, как показано на рис. 3.

0

2

4

6

8

10


Охват аудитории(млн. пользователей)

R2

R1

R3R4

Рис.3. Накопленная аудитория зарегистрированных не менее k раз

«уникальных пользователей». Для расчетов используется модель с двумя сегментами пользователей и сменой cookies.

Замечание 1. Аналогичные решения можно было бы найти для любых

16/10 =≤≤ µm . Замечание 2. Взвешенные средние трех рассмотренных моделей поро-

дят ту же самую )(1 tR . Замечание 3. На рис.1-3 можно видеть, что кривые охвата )(tRk выс-

ших порядков ( 2≥k ) существенно различаются. Таким образом, остается на-дежда однозначно определить R и ( )µλ,p по нескольким кривым )(tRk .

К сожалению, в отличие от классического случае чтения газет, в случае аудитории WWW охваты )(tRk высших порядков не могут быть надежно из-мерены, поскольку трудно определить, когда закончилось первое событие, состоящее в использовании ресурса, и началось следующее. Поэтому мы предлагаем исследовать возможность ограничить допустимые решения при помощи других кривых - )(nrk , которые описывают количество уникальных пользователей, посещавших ресурс в течение k дней из n.


1. Делицын Л.Л. Кумулятивные кривые охвата и проблема динамики аудитории российского Интернета // Интернет-Маркетинг. – 2008. - 5. – С. 280-292.

СПИ-ПИ-2009

491

2. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее ин-женерные приложения: Учеб. пособие для втузов. — 2-е изд. — М.: Высшая школа, 2000. — 383 с.

3. Jupiter Communications. Accurate web site visitor measurement crippled by cookie blocking and deletion, Jupiter research finds. –http://www.jupitermedia.com/corporate/releases/05.03.14-newjupresearch.html.

4. Кепман М. АИБ ищет россиян среди кукисов. –http://telnews.ru/Mihail_Kepman/c37571.

Дорофеев Д.В. ОПЫТ ПРИМЕНЕНИЯ ПАКЕТА STEP7 ДЛЯ

ПРОГРАММИРОВАНИЯ КОНТРОЛЛЕРОВ ПРИ ПРОИЗВОДСТВЕ СИНТЕТИЧЕСКИХ КАУЧУКОВ

[email protected] Синтетический каучук широко применяется в различных производст-

венных отраслях, в том числе как исходный продукт в шинной и резинотех-нической промышленности. Производство синтетического каучука является сложным многостадийным, взрывопожароопасным производственным про-цессом. В связи с этим при автоматизации технологических процессов про-изводства синтетического каучука предъявляются высокие требования к про-граммным и техническим средствам, применяемым при построении систем управления. Одним из наиболее важных составляющих при создании автома-тизированной системы управления технологическим процессом является “нижний уровень”, который включает в себе технические средства (модули ввода/вывода, интерфейсные модули, контроллер) с помощью которых непо-средственно осуществляется первичная обработка информации и выдача управляющих воздействий на исполнительные механизмы.

STEP 7 – это пакет программного обеспечения, используемый для кон-фигурирования и программирования программируемых логических контрол-леров SIMATIC фирмы Siemens. Применение данного программного продук-та для автоматизации технологических процессов производства синтетиче-ского каучука позволяет эффективно реализовать способы управления раз-личными его стадиями, которые характеризуется высокой инерционностью, наличием запаздывания в каналах управления, нестабильностью статических характеристик.

В частности, применение пакета программных средств позволило осу-ществить реализацию информационных и управляющих функций, которые обеспечивают эффективность протекания процесса полимеризации и его подготовительных стадий - очистка возвратного бутадиена, растворителя, формирование бутадиеновых фракций, проведение которых в рамках техно-логического регламента повышает качество готового продукта.

http://www.jupitermedia.com/corporate/releases/05.03.14-newjupresearch.html

http://telnews.ru/Mihail_Kepman/c37571


СПИ-ПИ-2009

492

Внедрение программ управляющих контроллеров с помощью пакета STEP 7 привело к повышению уровня промышленной безопасности и сниже-нию энергетических затрат за счет стабилизации с высокой точностью тех-нологических параметров стадий производства синтетического каучука.

Евтихина Н.В., Карпук А.А. ОБ ИСПОЛЬЗОВАНИИ МЕСТНОЙ ПРЯМОУГОЛЬНОЙ

СИСТЕМЫ КООРДИНАТ ПРИ АНАЛИЗЕ ГЕОИНФОРМАЦИОННЫХ ДАННЫХ

[email protected] Современные географические информационные системы (ГИС) имеют

встроенные средства пространственного анализа геоинформационных дан-ных, позволяющие решать задачи поиска объектов по их размещению отно-сительно других объектов, оптимального размещения объектов и классифи-кации территории по комплексу признаков. Однако для некоторых приложе-ний ГИС этих средств недостаточно. В частности, в ГИС систем управления радиочастотным спектром требуется решать задачи построения и отображе-ния зон обслуживания и зон помех базовых станций, для решения которых разрабатываются специальные программы [1]. При этом все вычисления должны выполняться в местной прямоугольной системе координат, в то вре-мя как исходные данные чаще всего представлены в географической системе координат. Все ГИС имеют средства преобразования координат объектов в прямоугольные системы координат, подобные системе Гаусса-Крюгера, од-нако при размещении объектов в разных зонах использование этих систем затруднительно. При анализе геоинформационных данных авторы использу-ют местную прямоугольную систему координат, центр которой может распо-лагаться практически в любой точке Земли, а координатные оси направлены параллельно осям системы Гаусса-Крюгера.

Местная прямоугольная система координат задается начальной точкой ),Y(X 00 , где 0X – географическая долгота начальной точки в градусах,

180180 0 ≤≤− X , 0Y – географическая широта начальной точки в градусах, 9090 0 ≤≤− Y .

При создании местной прямоугольной системы координат с центром в точке ),Y(X 00 вычисляются следующие величины:

18000 YB π= ; 00 cos BC = ;

02

02 cos BC = ; 00 sin BS = ;

4046,32140)3277,1357032,0( 02020 +−⋅= CCA ;


СПИ-ПИ-2009

493

00000 497,6367558 CSABU ⋅⋅−⋅= ; где 89791415926535,3=π .

Алгоритм преобразования координат произвольной точки Земли (X,Y) , где X – географическая долгота точки в градусах, 180180 ≤≤− X , Y – гео-графическая широта точки в градусах, 9090 ≤≤− Y , в местную прямоуголь-ную систему координат с центром в точке ),Y(X 00 , разработанный на основе методов преобразования координат, описанных в литературе [2], состоит из следующих шагов:

Шаг 1. Вычислить величины: 180YB π= ; BC cos= ;

BC 22 cos= ;

BS sin= ; BS 2

2 sin= ; 0XXL −= .

Шаг 2. Если 180>L , то положить 360−= LL . Если 180−<L , то поло-жить 360+= LL .

Шаг 3. Вычислить величины: 1800 LL π= ;

2002 LL = ;

6378245)142,21346)155,107605,0(( 222 +++⋅= SSSN ; 4046,32140)3277,1357032,0( 2200 +−⋅= CCA ;

0416667,0)25,0)0025269,00000076,0(( 22224 −++⋅= CCCA ; 00139,0)08333,0)16358,000562,0(( 22226 +−+⋅= CCCA ;

)014,0)104,0125,0(( 22228 +−⋅= CCCA ; 1666667,0)33333333,000112309,0( 2213 −+⋅= CCB ;

008333,0)166667,0)196743,0004043,0(( 22215 +−+⋅= CCCB ; 0002,0)0361,0)1667,01429,0(( 22217 −+−⋅= CCCB .

Шаг 4. Вычислить координаты точки (x,y) в местной прямоугольной системе координат с центром в точке ),Y(X 00 по формулам:

)1))((( 1315170202020 +++⋅⋅⋅= BBBLLLCNLx ; 00024262802020202 497,6367558))5,0))(((( UBAAAALLLNLCSy −⋅+−+++⋅⋅⋅= .

Погрешность преобразования координат из географической системы координат в местную прямоугольную систему координат по описанному ал-горитму при 4≤L не превышает 0,001 метра, а при 94 ≤< L не превышает 0,01 метра.

Алгоритм преобразования координат произвольной точки (x,y) в мест-ной прямоугольной системе координат с центром в точке ),Y(X 00 в географи-

СПИ-ПИ-2009

494

ческую систему координат, разработанный на основе методов преобразова-ния координат, описанных в литературе [2], состоит из следующих шагов:

Шаг 1. Вычислить величины: 497,6367558)( 0UyB += ;

BC cos= ; BC 2

2 cos= ; BS sin= ;

BCCCSB +++⋅⋅= 10221 10)50221747)2936092382(( ;

11 cos BC = ;

12

12 cos BC = ; 11 sin BS = ;

12

12 sin BS = ; )5,0003369263,0( 121122 +⋅⋅= CCSA ;

25,0))1616128,0)0056154,00000151,0(( 12121224 +++⋅−= CCCA ; 125,0)00168,0)0431,000389,0(( 12121226 +−+⋅= CCCA ;

078,0)031,0)008,00013,0(( 12121228 +−+⋅= CCCA ; 33333333,0)16666667,000112309,0( 121213 −+⋅−= CCB ;

2,0)166667,0)008783,0000112,0(( 12121215 +−+⋅−= CCCB ; 1429,0)1667,00361,0( 121217 −+⋅−= CCB ;

6378245)142,21346)155,107605,0(( 121212 +++⋅= SSSN ; 1CNxZ ⋅= ;

22 ZZ = ;

)1))(((180 131521722 +++⋅⋅= BBZBZZZL π . Шаг 2. Вычислить координаты точки (X,Y) в географической системе

координат по формулам: LXX += 0 ;

)1))(((180 242622822222 −+−⋅⋅⋅= AAZAZZZAY π . Шаг 3. Если 180>X , то положить 360−= XX , если 180−<X , то поло-

жить 360+= XX . Шаг 4. Если 90>Y , то положить YY −= 180 , при этом если 0>X , то

положить 180−= XX , а если 0≤X , то положить 180+= XX . Если 90−<Y , то положить YY −−= 180 , при этом если 0>X , то по-

ложить 180−= XX , а если 0≤X , то положить 180+= XX . Описанные алгоритмы реализованы на языке программирования С++.

Исходные тексты программ можно бесплатно получить у авторов.

Список использованных источников 1. Карпук А.А. Использование ГИС в системах управления радиочас-

тотным спектром // Четвертая международная летняя школа-семинар по ис-

СПИ-ПИ-2009

495

кусственному интеллекту: сборник материалов. – Минск: БГУИР, 2000. – С. 187-191.

2. Куштин И.Ф. Геодезия. Учебно-практическое пособие. – М.: «Изда-тельство ПРИОР», 2001. – 448 с.

Клименко С.Г., Кравец О.Я. ИССЛЕДОВАНИЕ ИНТРАНЕТ-СИСТЕМЫ УПРАВЛЕНИЯ

ДОКУМЕНТООБОРОТОМ КАК ЗАМКНУТОЙ СМЕШАННОЙ СТОХАСТИЧЕСКОЙ СЕТИ

[email protected] В трудах настоящей конференции показано, что исследуемая сеть от-

носится к классу замкнутых смешанных стохастических сетей массового об-служивания, допускающих изменение класса сообщений.

При дальнейшем исследовании характеристик сети введем допущение о том, что клиенты генерируют следующие запросы только после получения ответов на предыдущие, причем времена генерации запросов и времена об-служивания заявок являются экспоненциально распределенными.

Обозначим общее количество укрупненных классов Rk через u, u ≤ R. В предыдущем разделе показано, что в силу специфики исследуемого объекта это количество будет совпадать с количеством пользовательских терминалов в сети, т.е. u = MT. Предположим, что N’r означает начальное число сообще-ний в классе r, тогда число сообщений в укрупненном классе s определится как:

∑∈

=sRr

rs NN ', (1)

где s= u,1 . Для расчета основных характеристик сети, введем ряд обозначений.

Состояние сети представим в виде вектора состояний n = (n1, n2, … , nM), где состояние ni = (ni1, ni2,… , niR), а nir – число сообщений r-го класса в i-м цен-тре, i= М,1 . Вероятность того, что сеть находится в одном из возможных со-стояний, обозначим P(n). Величина nir должна удовлетворять следующим ус-ловиям:

1) nir ≥ 0, i= М,1 , r= R,1 ;

2) NnM

iir

R

r=∑∑

== 11, где N – общее число сообщений в сети;

3) sRr

ir Nns

=∑∈

, где r= R,1 , s= u,1 .

Последнее условие означает, что число сообщений в укрупненном классе Ns должно оставаться постоянным, что следует из свойства постоянст-ва количества заявок в замкнутой стохастической сети массового обслужива-


СПИ-ПИ-2009

496

ния и условия формирования укрупненных классов. Для упрощения дальнейших выкладок введем следующие обозначения: Nu = (N1, N2,…, Nu); 0r= (0,0,…,0) – вектор, все коэффициенты которого равны нулю. lr = (0,0,…,1,…, 0) – вектор, у которого r-я координата равна единице, а

остальные нулю. Определим множество возможных состояний сети следующим обра-

зом: S (Nu, M) = n1, n2, …, ni, …, nM | ni = (ni1, ni2,… , niR), nir ≥ 0,

1 ≤ i ≤ M, 1 ≤ r ≤ R, sRr

ir Nns

=∑∈

, s= u,1 .

Число вариантов распределения заявок по терминалам и серверам, для каждого класса сообщений определим как сочетание:

!)!1||()!1||(1||

1||ss

ssNRMRM NRM

NRMC ss

s −−+

=−+− , (2)

где M- общее число узлов в сети; Ns –общее число сообщений в укрупненном классе s; |Rs| - число элементов множества Rs. Тогда, общее число состояний сети может быть определено как:

∏=

−+−=

u

s

NRMRM

ss

sCS

1

1||1|| , (3)

где s= u,1 . Общее число состояний сети может рассматриваться как показатель

сложности системы, что позволяет отнести данную величину к показателям качества Интранет-систем управления документооборотом. Ранее [4] показа-но, что исследуемая система может быть представлена с помощью смешан-ной стохастической сети, состоящей из M устройств с дисциплинами обслу-живания FIFO, PS, IS, с заданным множеством классов сообщений и матри-цей маршрутов, что позволяет ее отнести к классу BCMP-сетей, стационар-ные вероятности состояний которых имеют мультипликативную форму. В силу этого для расчета других показателей эффективности Интранет-систем управления документооборотом, воспользуемся методом расчета характери-стик BCMP-сетей [3, 5].

С учетом того, что в сети допускается изменение класса сообщений, формулировка теоремы будет следующей:

BCMP-теорема. Для смешанной сети МО, каждый центр которой име-ет одну из дисциплин обслуживания: FIFO, PS, IS, LIFO, стационарное рас-пределение вероятностей существует и имеет мультипликативный вид [3, 5]:

)()()(1

1 ∏=

−=M

iiiu ZGP nNn , (4)

где Zi(ni) зависит от типа i-го узла (i= М,1 ) и имеет следующий вид:

СПИ-ПИ-2009

497

1) если i-й центр не зависит от нагрузки и имеет дисциплину обслужи-вания FIFO, PS или LIFO [3, 5],

∏=

=

R

r

irn

ir

ir

iriii

en

nZ1 !

1!)(µ

n , (5)

2) если i-й центр зависит от нагрузки и имеет дисциплину обслужива-ния FIFO, PS или LIFO [3, 5],

∏∏ =

=

=R

r

nir

irn

ki

iii

ir

ie

nk

nZ1

1

!1

)(

!)(µ

n , (6)

3) если i-й центр имеет дисциплину обслуживания IS [3, 5],

∏=

=

R

r

irn

ir

ir

irii

en

Z1 !

1)(µ

n (7)

Здесь ni означает общее число сообщений любого класса в центре i

( ∑=

=R

riri nn

1) и для дисциплины обслуживания FIFO предполагается, что

μi1=μi2=…=μiR=μi. Величина eir определяется из решения системы линейных уравнений.

Из формулы (4) и условия нормировки ∑

∈

= M),N

1)nP(uSn (

(8)

следует, что выражение для нормализующей константы имеет вид:

∑ ∏∈ =

=),( 1

)()(MSn

M

iiiu

u

ZGN

nN (9)

Для расчета нормализующей константы применим метод Бузена, еще известный, как алгоритм свертки [3, 6].

Рассчитав нормализующую константу, можно получить такие характе-ристики сети, как:

1) Поскольку центры сети не зависят от нагрузки то, пропускную спо-собность i-го центра для клиента класса r можно рассчитать как [3]:

)()()(

u

ruiruir G

GeN

lNN −=λ , (10)

где r= R,1 , i= М,1 . 2) Загрузку i-го центра сети [3]:

)()()(

u

ruiruir G

GxUN

lNN −= , (11)

где r= R,1 , i= М,1 . 3) Среднюю общую длину очереди в i-м центре (при Li(0r)=0) [3]:

)](1)[()(1

ruiu

R

rirui LUL lNNN −+= ∑

=, (12)

СПИ-ПИ-2009

498

где r= R,1 , i= М,1 . 4) Среднее время пребывания сообщения r-класса в i-м центре [3]:

)()(

uir

uiir

LTNN

λ= , (13)

где r= R,1 , i= М,1 . Полученные выражения для основных параметров сети дают возмож-

ность получения функционала общего индекса производительности PS сис-темы, как элемента системы оценки качества, с учетом структуры системы, трудоемкости и частоты появления заявок различных классов, показателя за-грузки системы Us:

),,,,( 'srrwTs UvTRMFP = , (14)

где вид функционала F определяется экспертным путем в зависимости от значимости отдельных параметров при оценке качества конкретных систем; MT – количество пользовательских терминалов; RW – количество специфиче-ских типов запросов к серверу ИОСУД; T’r – среднее время обслуживания заявки класса r сервером ИОСУД, vr – частота появления заявки класса r.

Таким образом, осуществлен расчет основных технических показате-лей исследуемой стохастической сети массового обслуживания. Получены аналитические выражения для расчета основных параметров сети, таких как пропускная способность и загрузка web-серверов и сервера баз данных, па-раметры очередей, среднее время обслуживания заявки заданного класса. Получен обобщенный вид функционала индекса производительности.


1. Клейнрок Л. Вычислительные системы с очередями: Пер. с англ. М.: Мир, 1979 - 600 с.

2. Клейнрок Л. Теория массового обслуживания: Пер. с англ. М.: Ма-шиностроение, 1979 – 432 с.

3. Жожикашвили В.А., Вишневский В.М. Сети массового обслужива-ния. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. – 192 с.

4. Клименко С.Г. Информационное обеспечение системы документа-ционного обеспечения управления вуза// Информационные технологии мо-делирования и управления, 2008, 4(47), 2008. – С. 418-429.

5. Baskett F., Chandy K.M., Muntz R.R., Palacios F.G. Open, Closed and Mixed Networks of Queues with Different Classes of Customers//J. Assoc. Com-put. Mach. – 1975. – Vol. 22, N 2. – P. 248 – 260.

6. Buzen J.P. Computational Algorithms of Closed Queuing Networks with Exponential Servers//Commun. ACM. – 1973 – Vol. 16, N 9. – P. 527-531.

СПИ-ПИ-2009

499

Козлов С.В., Сушков П.В. КЛИЕНТСКОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА НА ОСНОВЕ

ФАЙЛОВОГО СЕРВЕРА [email protected]

Простые и недорогие системы электронного документооборота

(СЭДО) находят достаточно широкое применение в тех случаях, где внедрение многофункциональных и дорогостоящих СЭДО нецелесообразно или нерентабельно. Вместе с тем, они способны выполнять наиболее востребованные функции при работе с электронными документами, как то подтверждение подлинности документов, защита от несанкционированного изменения и ознакомления, регистрация и централизованное их хранение.

В основу такой СЭДО может быть положен файловый сервер для хранения документов в зашифрованном виде с возможностью разграничения доступа пользователей. Все необходимые процедуры шифрования/ расшифровывания выполняются программным обеспечением (ПО) пользователей. Криптографические ключи хранятся на индивидуальном съемном носителе. Учитывая, что на клиентское ПО возлагаются только криптографические и ряд простых сервисных функций, его можно реализовать как ПО, не требующее установки (portable), и разместить на том же съемном носителе, где размещены криптографические ключи. Это позволит пользователям работать с электронными документами из любого места в локальной (или в виртуальной частной) сети организации.

Клиентское программное обеспечение должно обеспечивать: − регистрацию пользователя на файловом сервере; − поиск и загрузку необходимого документа; − симметричное шифрование/расшифровывание документа; − встраивание в документ цифровой подписи; − проверка подлинности документа и цифровой подписи; − ведение репозитария ключей. Для реализации криптографических функций предлагается использо-

вать Crypto API Windows, реализующий эти функции: − шифрования/расшифровывания данных; − хеширования и получения цифровой подписи данных; − инициализации и работы с криптопровайдером; − генерации ключей и их обмен. Такой способ реализации позволит отвлечься от разработки рутинных

операций по управлению ключами, защитить модуль шифрования от поддел-ки с помощью механизма сертификации, и, что немаловажно, встроить в криптосистему любой алгоритм шифрования (криптопровайдер) для обеспе-чения заданной стойкости.


СПИ-ПИ-2009

500

Колесниченко Е.В. ИНФОКОММУНИКАЦИОННЫЕ И КОГНИТИВНЫЕ

ТЕХНОЛОГИИ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ВУЗА

[email protected] Переход ВУЗов на рельсы стратегического управления развитием нау-

ки и образования сталкивается с необходимостью решения целого ряда про-блем информационного характера: сбор, консолидация и стратегический ана-лиз разнородной по своему составу и представлению информации. Целью данной работы является освещение некоторых подходов к организации еди-ной информационной системы (ЕИС) Московского авиационного института, предназначенной для создания интегрированной корпоративной сети и ре-шения задач поддержки управленческих решений.

Как свидетельствует мировая практика, такая многофункциональность ЕИС может быть достигнута в рамках технологий Business Intelligence (BI), обеспечивающих сбор и консолидацию информации в единой базе данных с возможностью ее последующего бизнес-анализа. В настоящее время термин Business Intelligence трактуется как информационные технологии сбора дан-ных, их консолидации и превращения в новые знания для поддержки приня-тия неформальных управленческих решений. Базой BI-систем являются хра-нилище данных (Data Warehouse), средства интеллектуального анализа дан-ных и текстов (Data Mining, Text Mining) и средства оперативного анализа данных (OLAP).

Хранилище данных представляет собой специализированную базу для поддержки процесса анализа данных, отвечающую следующим требованиям: ориентация на предметную область, интегрированность и внутренняя непро-тиворечивость, привязка ко времени, неизменяемость, поддержка высокой скорости получения данных из хранилища, полнота и достоверность храни-мых данных, поддержка качественного процесса пополнения данных. Сред-ства интеллектуального анализа данных и текстов, возникшие на стыке ряда дисциплин (прикладная статистика, теория баз данных, методы искусствен-ного интеллекта), обеспечивают поиск в данных скрытых закономерностей. При этом накопленные сведения обобщаются в виде информации, которая характеризуется как новые, ранее неизвестные, нетривиальные, практически полезные и доступные для интерпретации знания. Средства OLAP поддержи-вают технологии комплексного динамического синтеза, консолидации и экс-пресс-анализа больших объемов многомерных данных в виде многомерных кубов. Их применение позволяет агрегировать информацию за многие годы и просматривать данные в любом желаемом разрезе.

Концепция построения ЕИС МАИ во многом отвечает технологиям Business Intelligence, объединяя внутренние инфокоммуникационные потоки различных подразделений университета (факультеты, отдел аспирантуры и


СПИ-ПИ-2009

501

докторантуры, бюро приказов, отдел кадров, бухгалтерия и так далее). Кроме того, она поддерживает внешние информационные связи, в частности взаи-модействие с министерством, научными фондами, налоговыми органами, за-казчиками и другими организациями. Базовым элементом ЕИС является сис-тема анализа данных на основе отечественной аналитической платформы Deductor, обладающая развитыми средствами Data Mining. Ее применение позволяет в реальном масштабе времени решать задачи стратегического ана-лиза, используя накопленную в едином хранилище данных информацию из различных источников и поддерживая тем самым процесс принятия управ-ленческих решений.

Здесь бы хотелось остановиться на двух аспектах практического при-менения BI-технологий в ВУЗе: стратегическому анализу научной деятель-ности университета и возрастного состава его сотрудников.

Одной из основных миссий технического университета, каким является МАИ, является научная деятельность в соответствии с его профилем. При принятии решений о финансировании отдельных направлений научно-исследовательских работ необходимо учитывать объективные мировые тен-денции развития науки. А для того, чтобы их получить, необходимо, во-первых, провести контент-мониторинг научной информационной среды, а, во-вторых – дать интегральную оценку востребованности в научном сообще-стве отдельных научных направлений.

Применительно к озвученным задачам, была разработана методика контент-мониторинга информационных ресурсов Интернета с целью анализа тенденций развития фундаментальных и прикладных научных направлений университетской науки. Данная методика позволяет с помощью набора клю-чевых слов, отражающих специфику конкретного научного направления, проследить временную динамику изменения интереса к нему в различных информационных источниках. Не вдаваясь в тонкости и нюансы самого про-цесса контент-мониторинга, отмечу основные этапы его проведения:

- определение перечня научных баз данных в соответствии с их дос-тупностью (платные/бесплатные ресурсы) и информативностью;

- градация информационных источников по степени их достоверности и авторитетности в научной среде;

- формирование поискового запроса, отвечающего условиям смысло-вой релевантности;

- проведение поисковых исследований; - формирование отчета. На последнем этапе осуществляется агрегирование полученных в ре-

зультате информационного поиска результатов. Здесь в полной мере исполь-зовались возможности когнитивных технологий Data Mining по классифика-ции процессов, то есть отнесения их к одному из нескольких предопределен-ных классов. Применительно к научным направлениям на основе экспертных оценок были выделены 5 таких основных классов, отличающихся динамикой

СПИ-ПИ-2009

502

и характером изменения процесса: бурный рост, уверенный рост, равновес-ное состояние, заметный спад, прогрессирующий спад. Агрегированным ре-зультатом контент-мониторинга конкретной научной тематики является но-мер класса, к которому она относится, то есть ее обобщенная характеристика. При необходимости такая интегрированная характеристика может быть мак-симально детализирована: таблицы и статистики по группам источников и годам, временные диаграммы с трендами и так далее.

Второй аспект применения BI-технологий тесно связан с рассмотрен-ным выше и касается решения задач кадровой политики. Наряду с научной деятельностью миссия ВУЗа состоит в подготовке специалистов для различ-ных отраслей промышленности. Поэтому при разработке стратегии универ-ситета особое внимание должно быть уделено решению кадровых вопросов, призванных укрепить и сбалансировать профессорско-преподавательский со-став (ППС) – основной интеллектуальный капитал ВУЗа. Не секрет, что большинство российский ВУЗов в силу известных причин испытывают хро-ническую нехватку квалифицированных преподавателей, при этом возраст ППС составляет порой 60 и более лет.

МАИ не является исключением в этом смысле, поэтому для принятия конкретных кадровых решений необходимо было тщательно проанализиро-вать возрастную структуру ППС как по университету в целом, так и по от-дельным подразделениям (факультеты, кафедры). Для решения этой задачи использовалась информация, находящая в обращении бюро приказов и отде-ла кадров. В результате ее обработки было сформировано хранилище дан-ных, содержащее детализированную информацию о ППС: ФИО, дата рожде-ния, место работы (факультет, кафедра, лаборатория), вид занятости (штат-ный/нештатный), ученая степень, ученое звание. С помощью средств Data Mining эта неструктурированная информация была трансформирована в на-бор таблиц, графиков, диаграмм и гистограмм, отражающих характер возрас-тных категорий ППС в целом по университету и отдельным его подразделе-ниям.

Для получения интегрированных показателей возрастного состава ППС были разработаны два полезных приложения. Первое из них (тактическая маска) позволяет выделить наиболее проблемные подразделения с точки зре-ния возраста ППС и оценить положение дел в них по сравнению общевузов-ской статистикой. Второе приложение (стратегическая маска) позволяет про-вести сравнительный качественный анализ возраста ППС с аналогичным распределением некоего гипотетического университета, соответствующим оптимальной возрастной статистике с точки зрения смены поколений. Такое «идеальное» распределение было получено путем анкетирования ведущих вузовских сотрудников и анализа возрастного состава наиболее авторитет-ных отечественных и зарубежных университетов. Наложив такую маску на реальные данные, можно получить наглядную картину соответствия того, что есть на сегодняшний день и к чему необходимо стремиться.

СПИ-ПИ-2009

503

Помимо масок, таблиц, диаграмм и прочего, руководитель всегда мо-жет обратиться к OLAP-таблице, которая представляет собой многомерный куб, оси которого соответствуют некоторым атрибутам процесса (в нашем случае это название факультета, номер кафедры, набор возрастных катего-рий, тип занятости, ученое звание, ученая степень). Эта таблица позволяет оперативно получать нужную информацию в детализированном или агреги-рованном виде, например, число штатных преподавателей на конкретной ка-федре в возрасте от 30 до 40 лет, имеющих ученую степень. Воспользовав-шись при этом опцией «детализация» в меню, можно увидеть не только чис-ло таких преподавателей, но и их ФИО, дату рождения и так далее.

Подводя итог краткому рассмотрению возможностей инфокоммуника-ционных и когнитивных технологий при решении стратегических задач ВУЗа, необходимо отметить их практическую направленность, заключаю-щуюся в обеспечении руководителей оперативной, объективной и достовер-ной информацией для принятия взвешенных решений, основанных на новых знаниях.

Копылов М.В., Солдатов Е.А., Кравец О.Я. РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ МОДЕЛИ

ИНФОРМАЦИОННОЙ ИНФРАСТРУКТУРЫ [email protected]

Введение Для проверки корректности теоретических результатов, полученные в

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

Описание тестов Тест 1. Определение максимального количества строк заказов в час

(ASU) для конфигурации 1. Тест 2. Определение максимального количества строк заказов в час

(ASU) для конфигурации 2. Тест 3. Определение производительности серверного оборудования при

заданном количестве пользователей и запросов для конфигурации 1. Тест 4. Определение производительности серверного оборудования при

заданном количестве пользователей и запросов для конфигурации 2. Тест 5. Определение пропускной способности сети для заданного коли-

чества терминальных пользователей. Полученные результаты тестов 1. Тест 1. ASU – Axapta standart user (50 строк заказов в час). Результа-

ты теста 1 занесены в табл. 1. 2. Тест 2. Результаты теста 2 занесены в табл. 2. 3. Результаты теста 3 Результаты теста 3 занесены в табл. 3. Полученные результаты нагрузок на серверы занесены в табл. 4.


СПИ-ПИ-2009

504

Таблица 1 Результаты теста 1

Количество пользователей Строк заказов в час ASU 10 26043.25 510 20 65600.3 1237 30 94756.3 1909 40 131201.7 2688 50 165823.8 3296 60 182223.2 3637


Количество пользователей Строк заказов в час ASU 10 15540.32 310 20 37660.32 753 30 58100.32 1162 40 81805.56 1636 50 100310.16 2006 60 110670.16 2213


Количество пользователей

Кол-во обрабо-танных в тече-ние сеанса строк заказов

Строк в час

Среднее вре-мя отклика, мс

Средневзве-шенное время отклика, мс

10 1000 16043.3 129.04 78.42 20 3000 34782 159.68 97.04 30 5000 51826.7 202.97 123.35 40 7000 72038.5 232.25 141.14 50 10000 89039.7 276.33 167.28 60 12000 104974.8 311.92 189.56

Таблица 4 Нагрузка на серверы во время теста 3

Параметр Значение Комментарии AOS Средняя нагрузка на процессорах

52% Нагрузка на сервера распределяет-ся практически равномерно (на первый сервер 50%, на второй – 54%)

SQL Средняя нагрузка на процессорах

72% По мере выполнения теста нагруз-ка растет практически экспоненци-ально до 70%, затем мало меняется

SQL Количество стра-ниц RAM прочитанных / записанных на диск

0.1

СПИ-ПИ-2009

505

Параметр Значение Комментарии SQL Время бездейст-вия дисковой подсис-темы

53% Изменяется в диапазоне от 5% до 80%


Количество пользователей

Кол-во обрабо-танных в тече-ние сеанса строк заказов

Строк в час

Среднее вре-мя отклика, мс

Средневзве-шенное время отклика, мс

10 1000 16043.3 180.7 109.8 20 3000 34788 223.6 135.9 30 5000 51826.7 284.2 172.7 40 7000 72038.5 325.2 197.6 50 10000 89039.7 386.9 234.2 60 12000 104974.8 436.7 265.4

Таблица 6 Нагрузка на серверы во время теста 4

Параметр Значение Комментарии AOS Средняя нагрузка на процессорах

74% Нагрузка на сервера распределяется неравномерно (на первый сервер 62%, на второй – 86%)

SQL Средняя нагрузка на процессорах

94% По мере выполнения теста нагрузка растет практически квадратично до 90%, затем мало меняется

SQL Количество страниц RAM прочитанных / запи-санных на диск

0.3

SQL Время бездействия дисковой подсистемы

28% Изменяется в диапазоне от 2% до 43%

4. Результаты теста 4. Результаты теста 4 занесены в табл. 5. Полу-

ченные результаты нагрузок на серверы занесены в табл. 6. Анализ полученных результатов На основе полученных данных и интерполируя их на заданное в коли-

чество пользователей (650), можно получить следующие значения макси-мального количества ASU для тестируемых конфигураций:

- конфигурация 1 – 39400; - конфигурация 2 – 23974. По данным компании Microsoft максимальное количество ASU прямо

пропорционально количеству AOS (Axapta Operation Server). В проекте ин-формационной сети получено расчетным путем количество серверов, равное 4. Соответственно максимальное количество ASU в этом случае будет:

СПИ-ПИ-2009

506

- конфигурация 1 – 78800; - конфигурация 2 – 47948. Выводы Для количества ASU, равного 51960, конфигурация 2 не может быть

использована в информационной сети, т.к. имеет меньшее значение макси-мального количества ASU, чем заданно в технических требованиях.

Конфигурация 1 имеет 50% запас по производительности от заданного значения в технических требованиях. Таким образом, в ходе тестирования была подтверждена правильность выбора проектного оборудования. Также в ходе тестирования были подтверждены проектно-расчетные данные сети, что следует из приведенных графиков.


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. - 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. - 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. - Воронеж: "Научная книга", 2008. – С. 362-367.

4. Копылов М.В., Солдатов Е.А., Кравец О.Я. Особенности реализации СПО управления данными на газонаполнительных станциях// Современные проблемы информатизации в проектировании и информационных системах: Сб. трудов. Вып. 13. - 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.

Кривошеенко Ю.В.

АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ СКЛАДОМ

[email protected] Складское хозяйство во все времена было и остается одним из основ-

ных и неотъемлемых функциональных элементов цепочки поставок. Эволю-


СПИ-ПИ-2009

507

цию роли складов и дистрибуции в указанной цепочке можно сравнить – и связать – с эволюцией систем MRP-ERP. Практически все современные ERP-системы имеют в своем составе специализированные модули "Склад", "Логи-стика" и т.д. Тем не менее, чтобы подняться на уровень, эквивалентный пла-нированию ресурсов предприятия в сфере складского хозяйства/ дистрибу-ции, многие компании внедряют автоматизированные системы управления складом (Warehouse Management Systems, WMS).

Основная задача WMS-системы заключается в управлении перемеще-нием и хранением материалов/комплектующих, а также в обработке соответ-ствующих транзакций. Детали системы могут существенно меняться в зави-симости от поставщика программного обеспечения, однако в основе всегда лежит логика работы с наименованиями товаров, их местонахождением, еди-ницами измерения и информацией о заказах, позволяющая определять ис-точник товара и какие действия с ним нужно произвести.

В процессе управления складом возникает ряд проблем, связанных, в частности, с его производительностью, точностью управления ресурсами и качеством обслуживания клиентов. В 2007 году аналитическая фирма Aber-deen Group опросила сотни предприятий, пытаясь определить характеристи-ки их WMS-систем и выяснить, какие стратегии управления складом исполь-зуют наиболее успешные компании.

Большинство респондентов своими главными задачами сочли сокра-щение затрат и ускорение обслуживания клиентов. Некоторые компании смогли решить обе эти задачи. Те, что добились наибольших успехов, актив-но используют передовую технологию, отличаются большей прозрачностью и работают над повышением квалификации своего персонала. Анализ выявил и факторы, которые вынуждают специалистов по логистике, операторов складов и дистрибьюторов искать новые технологические решения. Главные из них – необходимость экономии и сохранение конкурентоспособности.

Компании ищут более совершенную технологию и оборудование для автоматизации склада, которые подняли бы их на новый уровень производи-тельности. Многие планируют модернизировать или заменить свои системы управления складом в ближайшие полтора года. Им требуется большая про-зрачность складов и подразделений дистрибуции, информация о заказах, то-варных запасах, состоянии складских операций. Они рассчитывают на повы-шение производительности для поддержки роста продаж, расширения сети сбыта и оказания клиентам все более индивидуальных услуг. 25% компаний, которым удалось добиться наилучших результатов (с 2004 года сократить расходы своих складов более чем на 10%), принимали те или иные специаль-ные меры для достижения этой цели.

Большинство компаний высказали пожелание, чтобы система управле-ния складом была гибкой, им нужна WMS-система с настраиваемыми пото-ками операций, которые автоматически инициируются и определяют задачи в зависимости от клиента и других параметров. Кроме того, им необходима

СПИ-ПИ-2009

508

гибкость, позволяющая справляться с сезонными волнами нагрузки, времен-ным дефицитом кадров, заказами с участием нескольких поставщиков и осо-быми требованиями клиентов к упаковке и маркировке, а также возможность предоставлять дополнительные услуги.

Однако выясняется, что за WMS-систему принимают самые разные технологии, от заведомо устаревших систем, которые не поддерживают большинство современных технологических процессов на складе, до систем ERP, которые присваивают исходное местоположение каждой единице хра-нения на складе, но на самом деле не знают, где находится в данный момент тот или иной товар.

Каким же требованиям должна удовлетворять WMS-система на самом деле. Здесь можно выделить пять ключевых характеристик "настоящей" сис-темы управления складом:

• Мобильная связь в реальном времени. Без такой связи задерж-ка передачи данных чрезвычайно затрудняет такие процессы, как пополнение запасов, отбор и комплектование заказов и резервирование. Более того, если рабочие склада не обеспечены мобильными устройствами, они привязаны к гораздо менее эффективным "бумажным" процессам. Такая информация, как место размещения и случаи отсутствия товара на складе, фиксируется на бу-маге и должна вводиться в систему позднее, что приводит к задержкам пере-дачи данных и трудоемким административным процедурам.

• Автоматический ввод данных. Если эти данные должны вво-диться в систему вручную, пусть даже через мобильное устройство, работа замедляется и процесс подвержен ошибкам. Сканирование штрих-кодов, распознавание речи и считывание RFID – все эти формы автоматического ввода данных успешно применяются в условиях склада.

• Отслеживание местоположения на уровне полок. Многие примитивные системы выделяют каждому товару определенную исходную ячейку, но не отслеживают фактическое количество единиц товара в этой ячейке и не позволяют использовать несколько ячеек для хранения одного и того же товара. Такие ячейки почти не отличаются от отправной точки при поиске товаров работником склада. Без отслеживания на уровне полок опе-рации размещения, пополнения и отбора могут вылиться в долговременный поиск товара, если в исходной ячейке его недостаточно.

• Направление процесса. Некоторые простые системы управле-ния складскими запасами всего лишь фиксируют ячейки, из которых были взяты товары, и отслеживают или подтверждают выбранные позиции, но не могут реально помочь рабочим при выполнении этих функций. Если WMS только ведет учет и не помогает при операциях размещения или отбора, в не-которых случаях она может способствовать повышению точности работы, но мало влияет на ее эффективность.

• Простота модернизации. Если применяется коммерческое про-граммное обеспечение, регулярно ли поставщик наращивает функциональ-

СПИ-ПИ-2009

509

ность в форме выпуска новых версий? Легко ли устанавливать эти новые версии или процесс установки настолько тяжел, что компания отстает на три или четыре версии?

С учетом этих условий действительный фактический уровень освоения WMS, по данным Aberdeen Group, составляет 47%. Почему же многие ком-пании, занятые в сфере дистрибуции, до сих пор не внедрили WMS? Исполь-зуются ли WMS только в компаниях определенного размера или с опреде-ленным уровнем сложности управления складом или это необходимое требо-вание для всех дистрибьюторских центров, независимо от размера и отрасли?

В числе прочих выводов исследование Aberdeen установило, что луч-шие компании в среднем на 64% чаще располагают "истинной" WMS.

Спектр поставщиков решений охватывает как крупных производителей систем ERP с WMS-модулями, таких как Epicor, Infor, Lawson, Microsoft, Oracle и SAP, так и фирмы, специализирующиеся на системах управления складом. Одна из новейших WMS, заслуживших высокие оценки за гибкость, – система компании Highjump Software, отделения 3М, признана лидером в недавнем отчете Forrester Research.

Аналитики Forrester оценивают поставщиков систем управления скла-дом по 50 критериям. У Highjump лучшая стратегия, и она предлагает наибо-лее гибкую архитектуру. В числе достоинств системы этой компании хорошо спроектированный и конфигурируемый механизм управления технологиче-скими потоками, четко сфокусированная стратегия продукта, методология быстрого внедрения, великолепная гибкость и хорошая поддержка дополни-тельных услуг.

Кроме того, Forrester выделяет компанию Manhattan Associates, которая также твердо закрепилась в положении лидера благодаря широким возмож-ностям своего продукта и продуманной стратегии развития. Сильными игро-ками на рынке WMS названы SAP, Red Prairie, Infor и Sterling Commerce. Большой шаг вперед сделала Oracle, поднявшись из группы "претендентов", где она находилась в 2006 году. Конкурентоспособность компании CDC по-высилась с поглощением фирмы Catalyst. А компании Aldata, хотя она и предлагает достойные решения клиентам из сферы розничной торговли, предстоит пройти долгий путь, чтобы на равных конкурировать с лидерами, пишет Forrester.

Кучук Г.Г., Левин В.А.

ОСОБЕННОСТИ ВСТРОЕННОГО ЯЗЫКА ПРОГРАММИРОВАНИЯ MS OFFICE ДЛЯ ПРОГРАММИРОВАНИЯ

ЭЛЕКТРОННОЙ КНИГИ С ИСПОЛЬЗОВАНИЕМ ПАКЕТА MS EXCEL [email protected]

Приложение из состава MS Office табличный процессор Excel, пред-

ставляет собой взаимосвязанные объекты и коллекции объектов. Каждый


СПИ-ПИ-2009

510

объект или коллекция включает в себя множество параметров и других объ-ектов, коллекций. В свою очередь, сами объекты и коллекции имеют хозяина (Parent), в состав которого они входят. На вершине объектной модели таб-личного процессора Excel находится объект Excel.Application. Через этот объект, в основном, и осуществляется связь приложения с внешними про-граммами.

В состав приложения MS Excel входит язык программирования Visual Basic. Чтобы разрабатывать приложения Delphi, использующие контроллеры автоматизации, необходимо знать некоторые особенности встроенного языка MS Office. Для оперативного создания и отладки некоторой части программы в Excel предусмотрен режим автоматической записи действий пользователя в формате встроенного языка, т.е. запись макроса на панели Visual Basic. При записи таким способом части текста программы, анализе и изменении ее, су-щественно сокращается время на разработку приложений. Возможность ав-томатической записи макросов существенно облегчает понимание и сокра-щает время создания приложений в MS Excel.

Встроенный языка MS Office позволяет использовать в макросах внеш-ние процедуры и функции из динамических библиотек. Для этого достаточно описать спецификацию процедуры или функции с указанием ссылки на DLL. Использование внешних процедур и функций, написанных, в том числе и в среде Delphi, позволяет интегрировать пользовательские приложения в доку-менты Excel и создавать сложные документы и отчеты на комплексной осно-ве. Эта возможность важна при создании отчетов с помощью баз данных, с которыми Excel и Visual Basic не работают или работают некорректно, или при использовании эксклюзивных возможностей среды программирования Delphi, а также при вызове функции API Windows или любого приложения.


1. Корняков В. Н. Программирование документов и приложений MS Office в Delphi. — СПб.: БХВ-Петербург, 2005. - 496 с.

Лебеденко Е.В., Логинов И.В. ПЛАНИРОВАНИЕ ВЫЧИСЛЕНИЙ В ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ КЛАСТЕРНОГО ТИПА С ГИБРИДНОЙ

АРХИТЕКТУРОЙ [email protected]

Современное состояние информационно-вычислительных технологий

характеризуется расширением использования многопроцессорных вычисли-тельных систем, в том числе распределенных, как для решения стандартных задач пользователей (обработка текста, графики, видео), так и для решения специализированных научно-технических задач, требующих значительных


СПИ-ПИ-2009

511

вычислительных ресурсов. Особенностью процессов применения распреде-ленных вычислительных систем является различная степень использования вычислительных ресурсов.

В настоящее время сложилось ситуация нерационального использова-ния установленных вычислительных ресурсов, что приводит к существен-ному превышению расходов на ввод основных средств, а также электроэнер-гию, кондиционирование и администрирование. В конечном итоге это ведет к снижению их национальной конкурентоспособности [1].

Так совокупные вычислительные ресурсы используются на 10-15 %, ресурсы оперативной памяти используются на 30-40 %, ресурсы жестких дисков используются на 10-25 %.

Недоиспользование установленных вычислительных ресурсов проис-ходит в результате нескольких факторов, среди которых отсутствие возмож-ности использования внешних ресурсов, и соответственно их предоставле-ния; использование неоптимальных стратегий планирования распределен-ных вычислений.

При этом основную роль по распределению доступных вычислитель-ных ресурсов играют стратегии планирования, которые определяют порядок обработки запросов.

В связи с этим, актуальным является исследование процесса планиро-вания распределенных вычислений, выявления недостатков и формулировка предложений по повышению эффективности использования вычислитель-ных ресурсов.

Повышение эффективности использования вычислительных ресурсов в вычислительных кластерах, а особенно с гибридной архитектурой, приве-дет к возможности использования больших вычислительных мощностей для обработки запросов различного типа. Это в свою очередь повысит качество и количество предоставляемых услуг пользователям вычислительных сетей.

Майборода В.И. ИСПОЛЬЗОВАНИЕ ГИС-ТЕХНОЛОГИЙ ПРИ РАСЧЕТЕ

ПОТОКОРАСПРЕДЕЛЕНИЯ В РАЗВЕТВЛЕННЫХ СЕТЕВЫХ СИСТЕМАХ

[email protected] Объектом исследования являются сетевые системы. Реально функцио-

нирующие системы содержат каналы, по которым транспортируются веще-ство, энергия, информация и выносятся из системы продукты распада. Вся-кая сеть по переносу вещества и энергии от источника к потребителям состо-ит из источника вещества и энергии, каналов, по которым под действием энергии источника вещество и энергия транспортируются к абонентским пунктам (потребителям), и абонентских пунктов. Поэтому сеть структурно


СПИ-ПИ-2009

512

представляет собой орграф, дуги которого ассоциируются с каналами сети, одна из дуг - с каналом, в который включен источник, а вершины - с або-нентскими пунктами и узлами соединения каналов друг с другом.

Функционирование стационарных сетей по переносу вещества и энер-гии описывается с помощью двух типов сетевых переменных - кинетических и потенциальных, подчиненных уравнениям, аналогичным уравнениям Кирх-гофа для электрической цепи. Вследствие этого синтез такого рода сетей сле-дует проводить на единой математической основе, учитывая специфику каж-дого типа сети при конкретном проектировании.

К такого рода сетям относятся: электрические, трубопроводные гид-равлические и газовые сети (далее инженерные сети).

В инженерных сетях, можно выделить ряд общих, с точки зрения топо-логии, элементов:

§ Источник. Узловой элемент. В электроснабжении это может быть ис-точник напряжения, трансформаторная подстанция, в водоснабжении - водо-напорная башня, скважина, в теплоснабжении - котельная, ТЭЦ. Источник может иметь два состояния: включен или отключен.

§ Потребитель. Узловой элемент. Это потребители воды, газа и тепло-вой энергии. Источник может иметь два состояния: подключен или отклю-чен.

§ Отсекающее устройство. Узловой элемент. В трубопроводных сетях - запорная арматура: вентили, задвижки, краны. Отсекающее устройство мо-жет иметь два состояния: открыто или закрыто.

§ Простые узлы служат для соединения участков и всегда имеют одно состояние - открыто.

§ Участок. Линейный объект. Соединяет пару узлов. Это участки тру-бопроводов. В зависимости от конкретной реализации, участок тоже может иметь состояния: открыт или закрыт. Кроме того, участок имеет направление от начального узла к конечному узлу.

Проведя анализ уже существующих моделей сетевых сетей, выделим следующие задачи, которые решаются в других моделях изолированно, в создаваемой нами модели предпринимается попытка объединить их:

§ расчет инженерных сетей § проектирование инженерных сетей – при заданных значениях и по-

тенциалов потоков у потребителей требуется так определить параметры уча-стков сети и источников сети, чтобы приведенная стоимость сети была наи-меньшей;

§ инвентаризация объектов распределенной производственной и вспо-могательной инфраструктуры инженерных сетей, ведение технической доку-ментации;

§ оперативное диспетчерское управление в нормальном режиме экс-плуатации;

§ оперативное реагирование на аварии и чрезвычайные ситуации, в том

СПИ-ПИ-2009

513

числе внешние по отношению к данной конкретной инженерной сети; § обеспечение профилактических и аварийных ремонтных работ; § мониторинг состояния сетей и предотвращение аварийных ситуаций. При проектировании оптимальных инженерных сетей используются

методы математического программирования, динамическое программирова-ние, теория графов, ГИС-технологии. При инвентаризации объектов сети ис-пользуем СУБД.

Входными данными являются: § картографическая привязка местности § граф сети с координатами узлов и атрибутивной информацией § параметры и технические характеристики участков § параметры и характеристики источников § нормы потребительских абонентских пунктов Выходные данные: § нормативные потенциалы узлов сети и расходы по ветвям сети § потери потенциалов по ветвям сети При разработке алгоритма анализа сетевых систем воспользуемся ме-

тодом расчета сети, приведенного в [2]. В результате работы программы происходит расчёт изменения потоков

на дугах сети и перерасчёт законов сопротивления. Используется метод Зей-деля с заранее заданной погрешностью. Результатом расчёта программы яв-ляется база данных – содержащая матрицу результатов по всем дугам и пото-кам. Добавочным полем обозначаются строка значений, при которых про-изошло схождение малой итерации.

Для тестовой проверки системы расчёта была использована сущест-вующая ГИС «г. Нальчик» . Был выбран 6 контурный сегмент сети, пред-ставленный на рис. 1.

Рис. 1. Пример тестовой проверки системы расчёта в ГИС «Нальчик»

СПИ-ПИ-2009

514

Начальные потоки на хордах: Х15=2; Х59=3; Х23=-1;Х1011=5; Х48=2; Х812=6 Входной поток q=11, потребление каждого приёмника p=1. Законы сопротивления исчисляются на основании следующих формул:

xSSSxSS

xSxSxS

xSSSSxSSS

ij

ij

ij

ij

85,0786756

77,0

11121011

9,0

1212

9,12323

9,0

3434

85,048372615

77,0

812711610

5,1

5,1

2,0

3,0

7,0

2 ||

===

==

=

=

=

====

===

Систему контурных уравнений считаем методом Зейделя :

SSSSSSSxSxSx

SSSSSSSxSxSxSx

SSSSSSSxSxSx

SSSSSSSxSxSx

SSSSSSSxSxSxSx

SSSSSSSxSxSx

ppp

ppp

ppp

ppp

ppp

ppp

787111112812

78711111248781011711812

610677111011

611677115961023676127111011

5661091059

566109101556101161059

34377848

34377823378127848

26673723

23673711526101167233723

12265615

1226562326595615

2

262

2

2

1062

1110

+++

−+++=

+++

−+++−=

+++

−+++=

+++

−−++=

+++

+++−−=

+++

+++−=

−

−

В результате тестового прогона программного комплекса было 316 итераций подсчёта, из них в 36 итерациях наблюдалось схождение малого условия.


1. Евдокимов А.Г. Оптимизационные задачи на инженерных сетях. – Харьков: Изд. ХГУ, 1976

2. Кудаев В.Ч. Принципы экстремума для анализа нелинейных сетевых систем // Известия КБНЦ РАН 2(14). – Нальчик: Изд. КБНЦ; 2005.

Медведев С.Ю. ПРОГРАММНО-АППАРАТНЫЙ КОМПЛЕКС СБОРА И

ОБРАБОТКИ ИЗОБРАЖЕНИЙ ВЫСОКОГО РАЗРЕШЕНИЯ НА БАЗЕ ТЕХНОЛОГИИ DAVINCI

[email protected] Сейчас наблюдается обширное развитие технологий машинного зрения

и видеонаблюдения. К системам, призванным решать задачи из подобных областей, предъявляются достаточно высокие требования по производитель-ности. Это связано из-за необходимости получать изображение с высоким разрешением. К ряду систем, таких как интеллектуальные цифровые камеры,


СПИ-ПИ-2009

515

предъявляются еще и требования по габаритам. Если рассматривать организацию подобных систем, то можно выде-

лить несколько частей. 1. Приемник видеоинформации. Это может быть CMOS-сенсор или ви-

деосигнал в одном из стандартных форматов. 2. Обработка информации. Как правило заключается в кодировании.

Может также требоваться выполнять какой-то анализ и обработку. 3. Промежуточное хранение и передача. Полученные данные надо ку-

да-то передавать для дальнейшей работы. Также может потребоваться их промежуточное хранение, пока не появится связь с приемной стороной. Это актуально, если для связи используются беспроводные сети.

В данной работы была попытка разработать малогабаритную платфор-му для обработки, хранения и передачи видеоинформации высокого разре-шения. Основными требованиями, которые предъявляются к такой платфор-ме, являются:

1. Малогабаритность 2. Производительность 3. Простота подключения различных источников видеоинформации 4. Различные каналы для передачи данных 5. Надежность Для достижения этих требований, была разработана платформа, кото-

рая состоит из аппаратной и программной части. Аппаратная часть представляет собой малогабаритную плату. Функции приема изображений реализуются сменными модулями, ко-

торые подсоединяются к базовой плате. Эти сменные модули реализуют ин-терфейс между устройством приема (CMOS-сенсор, VGA/DVI-сигнал или другой видеосигнал) и базовой платой.

На плате комплекса размещен процессор TI DaVinci DM6446, который состоит из двух ядер: ARM9, который занимается системными функциями, и DSP, который предназначен для обработки данных изображения или видео.

Для хранения данных на плате используется microSD карта флэш-памяти. Для доставки данных пользователю можно использовать Ethernet 10/100 Mbit и WiFi (или любое другое USB-устройство передачи данных).

Реализованная платформа предоставляет также сервисные функции. К ним относится:

1. Работа с аккумуляторной батареей. Комплекс позволяет использо-вать аккумуляторную батарею для автономной работы. Реализованы функ-ции по зарядке батареи и отслеживанию ее состояния.

2. Сохранение параметров. Для сохранения параметров применяется энергонезависимая FRAM-память. Это позволяет сразу записывать парамет-ры при их изменении.

3. Для загрузки системы используется загрузочная флэш-память разме-ром до 16Мбайт.

СПИ-ПИ-2009

516

4. Расширение системы. Для расширения функций системы возможно подключение любых USB-устройств. Для их работы необходимо скомпили-ровать требуемые драйвера.

Программная часть состоит из программ для двух ядер. Для ядра обще-го назначения ARM9, было адаптировано ядро linux-2.6.21 и построена фай-ловая система, которая включает набор сервисных программ. Также были реализованы специфичные драйвера для работы с памятью FRAM и другими нестандартными устройствами. Выполнением системных функций занимает-ся специальная программа-сервер, которая организует конвейер приема дан-ных, обработки, и, в зависимости от настроек, сохранение или передачу дан-ных клиентскому программному обеспечению.

Функциями обработки и кодирования информации занимается DSP-ядро процессора. Для него разрабатывается отдельные программы, которые загружаются управляющей программой по необходимости. Такое отделение логики обработки позволяет четче сконцентрироваться на вопросах обработ-ки видеоинформации. Также данное ядро оптимизировано для выполнения таких задач.

Система была разработана, создана и оттестирована. Она удовлетворя-ет поставленным перед ней требованиям.

Мещеряков Р.В. ТЕОРЕТИКО-ИНФОРМАЦИОННЫЙ ПОДХОД К ОЦЕНКЕ КОЛИЧЕСТВА ОБРАБАТЫВАЕМОЙ ИНФОРМАЦИИ

[email protected] При разработке сложных систем возникают вопросы оценки и распре-

деления ресурсов системы. Одной из используемых классических оценок яв-ляется определение количества информации [2]. Данный показатель, как пра-вило, используется для оценки систем передачи информации, а также для систем поддержки принятия решения или логического вывода.

Очевидно, что этот показатель может быть применен и к любым эле-ментам систем обработки информации. Примем, что блок обработки инфор-мации, на вход которого поступает s потоков, в каждом из которых может

быть k состояний, производит некоторое преобразование B, в результате которого на выходе получаем s' потоков, в каждом из которых может быть k состояний: B: s×k→ s'×k' – рис. 1.

Оценим количество входящей обрабатываемой информации:

Рис. 1.


СПИ-ПИ-2009

517

Проведем разбиение блока обработки информации на m блоков, со-кращая информационную нагрузку на каждый блок. Вместе с тем необходи-мо выделить особый блок – блок управления Bc, который будет проводить согласование работы различных блоков, а также собирать результат (рисунок 2). Необходимо отметить, что распараллеливание процесса обработки ин-формации подобным образом проводится достаточно успешно на различных уровнях обработки: как на уровне элементов процессора (например, на уров-не ядра), так и при реализациях в виде кластерных систем.

Рис. 2. Предлагается использовать критерий оценки количества обрабатывае-

мой информации для оптимального распределения ресурсов системы. Будем считать критерием оптимальности равенство количества обрабатываемой информации:

H1= H2=…= Hm. Однако, остается важным оценить количество обрабатываемой инфор-

мации в блоке Bc. Очевидно, что при увеличении количества блоков m коли-чество входящей информации в блоке управления растет. Оптимальным в общем случае будет равенство:

H1= H2=…= Hm = HBc . Однако, данный блок является производителем итоговой информации,

поэтому необходимо исходить из возможностей блока управления и разби-вать на количество блоков исходя из возможностей блока управления.

Для практического применения целесообразно приводить следующий критерий, дополняющий веденный ранее:

VBcHBc = V1H1= V2H2=…= VmHm , где Vi- вычислительная сложность, реализованная в блоке i.

Таким образом, учитывается не только количество входящей информа-ции, но и вычислительная сложность реализуемой функции обработки дан-ных в блоке.


1. Мещеряков Р.В., Бондаренко В.П. Диалог как основа построения ре-чевых систем // Кибернетика и системный анализ, 2008, - N2. - С.30-41

СПИ-ПИ-2009

518

2. Шеннон К. Работы по теории информации и кибернетике. – М.: Изд. иностр. лит., 1963. – 830 с

Неудахин А.В. РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО ПРОГРАММНОГО

КОМПЛЕКСА ДЛЯ ПОСТРОЕНИЯ НЕЙРОСЕТЕВЫХ ЭКСПЕРТНЫХ СИСТЕМ

[email protected] В результате анализа современных программных средств для построе-

ния экспертных систем (ЭС) был выделен ряд присущих им недостатков, та-ких как: узкая направленность; большие временные, трудовые, организаци-онные затраты специалистов, при построении экспертных систем; высокая стоимость. Таким образом, разработка программного комплекса реализую-щего автоматизированное построение ЭС при малых производственных за-тратах, является довольно актуальной задачей.

Разработка такого программного комплекса предполагается на основе автоматизированной технологии построения экспертных систем [1], преду-сматривающей реализацию процессов извлечения и накопления знаний из различных предметных областей, автоматизированное построение интеллек-туальной модели решаемой задачи, автономное функционирование ЭС.

Разрабатываемый программный комплекс представляет собой целост-ною интерактивную систему, состоящую из взаимосвязанных компонентов, позволяющих осуществлять построение нейросетевых экспертных систем для различных предметных областей. Для каждого компонента системы оп-ределен круг решаемых им задач. Система включает три основных компо-нента: информационная часть; компонент импортирования данных (интегра-тор); модуль работы с искусственной нейронной сетью (ИНС).

Информационная часть обеспечивает накопление, хранение и предос-тавления информации, а также реализует интерфейс конечного пользователя. Компонент импортирования данных обеспечивает импортирование нако-пившихся совокупностей данных из базы данных в модуль работы с нейрон-ной сетью. Компонентом реализуется подготовка обучающей выборки для сети. Модуль работы с ИНС обеспечивает автоматизированное построение и обучение нейронной сети на основе множества совокупностей входных па-раметров решаемой задачи с соответствующими выходными состояниями, способной классифицировать вновь поступающую информацию, а также об-ладающей способностью доучиваться. В основу работы данного компонента положен алгоритм самоорганизации и подбора архитектуры ИНС, предло-женный ранее А.А. Арзамасцевым и др. в работе [2] для построения нейрон-ных сетей. Результатом работы компонента является интеллектуальная мо-дель решаемой задачи, по ходу работы системы принимающая соответст-


СПИ-ПИ-2009

519

вующие состояния. Модель может находиться в трех состояниях: построе-ния, классификации и доучивания.

Все вышеописанные компоненты являются взаимосвязанными частями единой целостной системы, функционирующей поэтапно согласно схеме представленной на рис. 1. Каждому этапу соответствует реализация опреде-ленных задач.

Рис. 1. Общая схема функционирования компонентов системы Первый этап – извлечение и накопление знаний. Второй этап – по-

строение интеллектуальной модели решаемой задачи. Третий этап – доучи-вание модели на основе вновь поступающих данных. Третий этап – класси-фикация поступающей информации с помощью построенной интеллектуаль-ной модели.

Таким образом, на основе автоматизированной технологии построения экспертных информационных систем разработан программный комплекс, по-зволяющий осуществлять автоматизированное построение экспертных сис-тем для различных предметных областей, и поддерживающий весь жизнен-ный цикл их разработки.


1. Арзамасцев А.А., Неудахин А.В., Зенкова Н.А. Автоматизированная технология построения экспертных систем с интеллектуальным ядром на ос-нове ИНС-моделей // Открытое образование. 2008. Вып. 3(68). С. 35–39.

2. Арзамасцев А.А., Крючин О.В., Азарова П.А., Зенкова Н.А. Универ-сальный программный комплекс для компьютерного моделирования на осно-ве искусственной нейронной сети с самоорганизацией структуры // Вестник Тамбовского университета. Сер. Естественные и технические науки. Тамбов, 2006. Т.11. Вып. 4. С. 564–570.

СПИ-ПИ-2009

520

Обейдат А.А. ГОЛОСОВАНИЕ ЛИДЕРА В ПИРИНГОВЫХ СИСТЕМАХ

[email protected]

В динамических пиринговых системах, в которых узлы могут входить и покидать систему в любое время (в сети может быть высокая текучесть уз-лов) необходимо определять лидера. Обычно узел лидера используется, что-бы координировать некоторые задачи. Выбор лидера влияет на эффектив-ность системы в двух стадиях; выбор операции и результат выбора, как спо-собность лидера в принятии своих обязанностей. Из-за высокой динамично-сти пиринговых систем, мы сосредоточиваем своё внимание на первой ста-дии для того, чтобы выбрать лидера наиболее эффективным методом. По-этому в данной работе представлено эффективный алгоритм для выбора ли-дера.

Введение Назначение лидера - одна из наиболее часто встречающихся проблем в

приложениях для пиринговых сетей. Алгоритмы выбора лидера могут быть полезными для весьма разнообразных применений. Алгоритмы выбора ис-пользуются в распределенных системах для балансировки нагрузки [1] и со-храняют согласованность между копиями ресурса [2]. Кроме того, эти алго-ритмы используются в различных моделях сетей для управления доступом к ресурсам.

Имеется несколько методов, применяемых для выбора лидера. Однако все эти методы в лучшем случае весьма слабо учитывают узкие по пропуск-ной способности места и перегруженность каналов, которая вызвана одно-временной работой узлов или общим использованием сетевых ресурсов. Пе-регруженность сети и эффективность использования ресурса всегда относят-ся к самым важным вопросам в компьютерных сетях. Существующие методы подразумевают, что все узлы голосуют (прямо или косвенно) в выборе друг друга. Такие алгоритмы выбора лидера не являются масштабируемыми, так как для них требуются либо широковещательные передачи, либо передачи между всеми узлами. Наилучшие из известных алгоритмов производят выбор лидера (как правило, это узел с самым большим значением идентификатора) по одному из сценариев, обеспечивающих отказоустойчивость, таких как кольцо, Bully и т.д.[3].

Распределенные алгоритмы в пиринговых системах должны отвечать следующим требованиям: высокий уровень динамики подключения и отклю-чения узлов, отсутствие отказов, актуальности выставляемых данных для по-требителей и децентрализации.

Цель настоящей роботы - предложить масштабируемый децентрализо-ванный алгоритм для голосования лидера (названный МДАГЛ), который должен полностью отвечать этим требованиям. Алгоритм начинает выбор лидера, когда появляются сведения о том, что у текущего лидера произошел


СПИ-ПИ-2009

521

отказ. Лидер всегда принадлежит кластеру узлов со сходными интересами. Алгоритм представленный в статье, основан на следующей модели представ-ления динамической пиринговой системы. Базовые элементы системы – это её узлы (peers). Узлы соединены с помощью пиринговых оверлеев, которые позволяют, используя маршрутизацию, передавать сообщения между любы-ми узлами. Число узлов - непредсказуемо. Оно может быть очень большим. Узлами не предпринимаются попытки атак других узлов. В системе высокий уровень динамики подключения и отключения узлов, причем узлы подклю-чаются и отключаются от системы в произвольные моменты времени. Все узлы, имеющие один и тоже интерес, объединяются в кластере, и обозначает-ся nipS ij ,1, == , n - число узлов в Sj ,j=1,…,l , l - номер кластера.

Алгоритм МДАГЛ Вначале в качестве лидера кластера назначается элемент с максималь-

ным значением его идентификатора среди всех элементов кластера. Все узлы имеют права и рассматриваются как потенциальные кандидаты на лидера. Когда какой-либо из элементов, обнаруживая отказ у лидера пожелает стать лидером, шлет широковещательное сообщение об операции выбора лидера (тип сообщения – Я-ЛИДЕР) всем активным элементам. Когда другие эле-менты получают сообщение, они просто назначают пославший его узел ли-дером. при одновременной посылке сообщений Я-ЛИДЕР несколькими уз-лами, алгоритм назначает лидером последний узел по временной метке. Нами используется измерение времени, предложенное Л. Лампортом в [5]. На рис. 1 приводится псевдокод для алгоритма МДАГЛ с поясняющими коммента-риями. Каждый элемент хранит свое внутреннее состояние: текущего лидера и время Tm (временная отметка) лидера после получения сообщения об опе-рации выбора лидера.

Алгоритм МДАГЛ определяется следующими двумя шагами: 1. Для выбора нового лидера узел pi шлет сообщение типа Я-ЛИДЕР с

временной отметкой Tm всем остальным узлам. 2. Когда узел pj получает сообщение от pi, он меняет свое состояние,

извлекая новые значения из принятого сообщения: информацию о лидере на pi и временную отметку с TLDR на Tm.

Корректность алгоритмов Доказательство корректности алгоритма выбора лидера обычно заклю-

чается в демонстрации истинности двух условий: 1) условие надежности, заключающееся в том, что если существует

один узел, имеющий статус лидера, то статус всех остальных узлов – не ли-дер, 2) условие живучести, означающее, что начавшиеся выборы лидера приводят в конечном итоге к тому, что один узел становится лидером.

Доказательство надежности, основано не том, что в любой момент времени tk, если узел pi - лидер, то остальные узлы - кандидаты.

Теорема (надежность) 1:Если Pi - лидер для множества S ⇒ jiPj ≠∀ , , не являются лидерами.

СПИ-ПИ-2009

522

Доказательство Хотя бы один узел составляется лидером - 1) Если Рi вышел из строя, то первый заявивший лидерство становится

лидером, потом согласно алгоритму все остальные узлы принимают это как данное.

2) Если два или более узла изъявляют пожелание быть лидером одно-временно, то лидером становится тот, у кого максимальный идентификатор.

3) Если же в данный узел пришло одновременно несколько сообще-ний «Я-лидер» от двух и более узлов, то вступает лидером тот, кто по отмет-ке времени последний отправил.

Теорема (живучести) 2: В результате каждого исполнения алгорит-ма достигается ситуация, что pi – лидер.

Доказательство. Согласно теореме 1 ,мы утверждаем, что в результа-те выполнения алгоритма лидер обязательно появляется, но согласно модели. Если Pi узел лидер, то другим запрещено быть лидером.

То есть мы доказали, что алгоритм является надежным и живучим. Производительность алгоритма Ясно, что для каждой операции выбора лидера кластера из n элементов

происходит посылка не более n сообщений от узла отправителя. Допустим, что каждое соотношение в сети из N узлов требует не более CN оверлейных шагов для его положения. Число CN определяется типом оверлейных пирин-говых систем. Например, для систем типа Pastry CN имеет порядок O(log N), для других CN имеет порядок O(1),O(C), O(N). От сюда,

Теорема (Сложность) 3. Сложность алгоритм по числу сообщений (n-2)*CN . Допустим из описания алгоритма, следует, что число шагов для ис-полнения одного соотношения не превышает CN и число кандидатов не мо-жет превысить (n-1), а число сообщений одного кандидата равно (n-2) так как кандидат не посылает себе сообщение. Алгоритм МДАГЛ 1. Выбор() 2. Для всех активных Pi в множестве Si 3. Послать (сообщение(Я_ЛИДЕР,временная_отметка)) на Pi ; 4. 5. ПриПолучении (сообщение, отправитель)// обработка события

получения сообщения от элемента 6. Если(сообщение.тип==Я_ЛИДЕР) 7. Если (сообщение.временная_отметка> TLDR )// ti>tj 8. Лидер = отправитель; 9. TLDR = сообщение.временная_отметка; 10. 11. 12.

Рис.1. Псевдокод алгоритма МДАГЛ

СПИ-ПИ-2009

523

Свойства алгоритма Теперь рассмотрим, какие свойства имеет МДАГЛ- 1) Алгоритм удовлетворяет требование децентрализации. Когда узел Pi

обнаруживает, что текущий лидер вышел из строя, Pi начинает локально опе-рацию выбора и Pi, возможно, является лидером, если не один из других уз-лом, начинает выбор после его.

2) Алгоритм удовлетворяет требование масштабируемости, потому что его сложность O(CN *n), так что масштабируемость будет не более чем порядок CN *n .

Заключение В данном докладе описан простой алгоритм выбора лидера МДАГЛ, в

котором выбор происходит автономно (полностью распределено) с хорошей эффективностью (высокой производительностью). Сложность алгоритм по числу сообщений (n-2)*CN .Алгоритм может применяться для пиринговых систем с топологиями любых видов. Показаны требования надежность и эф-фективность алгоритма.


1. Chen G., Branch J.W., Szymanski B.K. Local Leader Election, Signal Strength Aware Flooding, and Routeless Routing, in proc. 19th IEEE Int. Parallel and Distributed Processing Symposium - Workshop 12, vol. 13, pages 244-251.IEEE Computer Sociaty,2005

2. Decentralized and Fair Mutual Exclusion Protocol in Peer-to-Peer Sys-tems/ A.A.Obeidat, V.V.Gubarev, А.А.Al-yousef // The 10th International Work-shop on Computer Science and Information Technologies (CSIT), vol. 2, Antalya, Turkey, 2008. http://csit.ugatu.ac.ru/en/sostav.php

3. Coulours G., Dollimore J., Kindberg T. Distributed systems. Addison-wesley, 4th edition. 2005.

4. FIPS 180-1, Secure hash standard, Tech. Rep. Publication 180-1, Federal Information Processing Standard (FIPS), National Institute of Standards and Tech-nology, US Department of Commerce, Washington D.C., April 1995.

5. Lamport L. Time, clocks and the ordering of events in a distributed sys-tem, in Communications of the ACM, vol. 21, 1978, pp558-565.

Орешко А.П. ОБ ИНТЕГРАЦИИ ЦИФРОВЫХ РЕСУРСОВ ТИГ ДВО РАН

[email protected] В Тихоокеанском институте географии ДВО РАН разрабатываются

планы создания структуры единого информационного пространства, осно-ванного на интернет-технологиях и объединяющего имеющие распределен-ный характер данные, и обеспечения возможности интеграции информаци-

http://csit.ugatu.ac.ru/en/sostav.php


СПИ-ПИ-2009

524

онного пространства ТИГ в Единую информационную систему РАН. На XIII Научном совещании географов Сибири и Дальнего Востока

(26–30 ноября 2007 г., Иркутск) обсуждалась возможность объединения уси-лий академических географических и геоэкологических учреждений РАН ев-ропейской части России, Сибири и Дальнего Востока и была предложена идея интеграции академических ресурсов пространственных данных.

Такая интеграция является важной для наук о Земле, особенно для гео-графии и геологии как основных производителей и потребителей простран-ственных данных. Российские научные институты географии, в том числе и ТИГ ДВО РАН во Владивостоке, располагают значительными, но недооце-ненными и мало востребованными информационными ресурсами. Это элек-тронные атласы и серии электронных карт экологического и природно-ресурсного содержания, немногие пока онлайновые картографические ресур-сы, а также другие цифровые данные.

Решение данной задачи сталкивается с трудностями общего характера. В организациях РАН накоплен большой объем разнообразных цифровых ре-сурсов, образующих достаточно развитую информационную инфраструкту-ру. Но эффективность этой инфраструктуры невысока в основном из-за зна-чительной неоднородности уровня применяемых информационных техноло-гий в различных организациях. Научная информация слабо представлена для доступа по телекоммуникационным каналам.

В результате, полноценная интеграция отдельных организаций в гло-бальную систему на уровне современных информационных технологий ста-новится сложной. Кроме того, ситуация усугубляется еще и неоднородно-стью уровня профессиональной подготовки персонала на местах и недопо-ниманием важности проблемы администрациями организаций. Отсутствует заинтересованность научных сотрудников в интеграции данных, и нет круп-ных междисциплинарных проектов, способных объединить их интересы и усилия. Отсутствуют даже всех удовлетворяющие стандарты на данные и ме-таданные.

Тем не менее, успешное решение задачи объединения цифровых ресур-сов РАН в интегрированное информационное пространство является необхо-димым условием дальнейшего развития российской науки.

С 2001 года Российской академией наук выполняется целевая про-грамма «Информатизация научных учреждений и Президиума РАН». Основ-ная задача, решаемая в рамках этой программы – создание Единой информа-ционной системы (ЕИС) РАН, которая должна объединить в интегрирован-ное информационное пространство распределенные и локальные электрон-ные ресурсы организаций РАН. ЕИС РАН – это информационная среда фун-даментальных и прикладных исследований РАН, которую должны состав-лять всевозможные цифровые (электронные) ресурсы: информационные и вычислительные системы, Web-сайты, цифровые библиотеки, распределен-ные и локальные базы и банки данных, использующие как собственные

СПИ-ПИ-2009

525

принципы организации, так и технологии открытой архитектуры проекта ЕИС РАН.

При этом ЕИС РАН не заменяет собой и не дублирует функции ин-формационных и вычислительных систем отдельных организаций РАН. Эти системы и их отдельные компоненты сохраняют функциональную самостоя-тельность и возможность работать независимо друг от друга. Объединение распределенных ресурсов в ЕИС РАН достигается поддержкой всеми интег-рированными компонентами единообразного представления ресурсов и реа-лизацией интерфейсов взаимодействия, основанных на открытых стандартах.

В рамках этого направления разработаны информационные системы подразделений РАН, в частности – Научный институт РАН [1]. Использова-лись передовые технологии и форматы представления метаданных [2].

На базе НИ РАН разработана геоинформационно-аналитическая систе-ма «ГеоМЕТА». Ее непосредственная задача — информационная поддержка исследований в области наук о Земле, требующая новых технологических решений на стыке информатики и предметных областей геонаук с учетом их особенностей, связанных с пространственной дифференциаций объектов ис-следований и огромными, постоянно растущими объемами данных о них — информационными моделями объектов различного масштаба: от элементар-ных природных образований (ландшафтов, биогеоценозов, геологических тел) и процессов на уровне микро- и наномасштабов до мегаструктур земных недр и географической оболочки планеты в целом. Задачей информатики при этом становится синтез и интегральный анализ большого объема многоас-пектных пространственных данных, а также сопоставление результатов ис-следований для выявления общих закономерностей геопроцессов в простран-ственно-временных координатах на локальном, региональном и глобальном уровнях. Для решения поставленных задач необходимо привлекать достиже-ния современных геоинформационных технологий — распределенные ГИС, представляющие собой распределенные разнородные базы данных; распре-деленные вычисления; стандарты взаимодействия открытых систем, а также ИПД.

Система «ГеоМЕТА», представляет собой платформу для интеграции распределенных неоднородных источников геоинформационных данных и сервисов, доступных в мире. Особый акцент делается на обеспечении их се-мантической интероперабельности вне зависимости от способа их представ-ления. Система предоставляет единую точку входа (Web-портал) к этой сре-де, которая имеет широкий круг применения в области интеграции и поиска распределенных неоднородных источников пространственных данных и приложений для решения научных задач исследования Земли и каталогиза-ции, обмена, поиска и автоматизации сбора распределенных пространствен-ных метаданных.

Система «ГеоМЕТА» расширяет ИС «НИ РАН» компонентом под-держки работы с пространственными ресурсами и реализована с использова-

СПИ-ПИ-2009

526

нием ключевых технологий и стандартов Интернет. Эта система была взята за основу при решении задачи интеграции ресурсов пространственных дан-ных ТИГ ДВО РАН, объединении их с другими научными, административ-ными и публичными ресурсами и включении в ЕИС РАН.

Авторы «ГеоМЕТА» не просто предложили схему для той или иной сущности или научной области, но и для каждой из них предложили не-сколько «уровней поддержки» схем метаданных: минимальную; базовую; расширенную – объем достаточный для основной работы «специалистов» предметной подобласти; специализированную – объем, существенно ориен-тированный на специалистов предметной области.

Использование указанной системы позволит решить следующие зада-чи: разработка структуры единого информационного пространства ТИГ, ос-нованного на интернет-технологиях и объединяющего имеющие распреде-ленный характер данные; организация автоматизированного сопоставления, связывания, анализа и структурирования соответствующих информационных ресурсов; обеспечение возможности интеграции информационного простран-ства ТИГ в ЕИС РАН.

Для этого необходимо провести следующие исследования. Адаптация информационной системы общего назначения ГеоМЕТА для обеспечения поддержки основной административной, научной и публичной деятельности ТИГ в составе ДВО РАН. С помощью специальных форм ввода и редактиро-вания и соответствующей гарантии прав на тот или иной вид доступа обеспе-чить возможность поддержки актуальности информационных ресурсов ТИГ самими сотрудниками и/или администраторами подмножества данных, вхо-дящих в их компетенцию. С целью безопасности информации обеспечить ау-тентификацию пользователей и авторизацию доступа к ресурсам системы. Модернизация для нужд ТИГ автоматизированных интерактивных средств сопоставления, связывания, анализа и структурирования информационных ресурсов.

Ожидается получение теоретических и практических результатов. Объ-единение имеющих распределенный характер научных данных в концепту-ально общее информационное поле и создание на основе Интернет-технологий единого информационного пространства ученых. Согласование и обеспечение взаимосвязи разнородных и пространственно распределенных цифровых ресурсов, использующих как собственные принципы организации, так и технологии открытой архитектуры проекта ЕИС РАН. Публичный дос-туп через Интернет (с учетом гарантии прав на тот или иной вид доступа) к научным информационным ресурсам ТИГ, которые представляют значитель-ный интерес для членов мирового научного сообщества, работников про-мышленности и предпринимателей, которые заинтересованы во внедрении результатов научных исследований. Обеспечение поддержки основной адми-нистративной, научной и публичной деятельности ТИГ в составе РАН. Обес-печение активных научных коммуникаций и эффективного использования

СПИ-ПИ-2009

527

научной информации, включая междисциплинарную проблематику. Исполь-зование принципа распределенности, как для самой информации, так и для администрирования, что обеспечивает поддержку актуальности информации самими сотрудниками и/или администраторами подмножества данных, вхо-дящих в их компетенцию.


1. Бездушный А.А., Бездушный А.Н., Нестеренко А.К., Серебряков В.А., Сысоев Т.М., Теймуразов К.Б., Филиппов В.И. Информационная Web-система «Научный институт» на платформе ЕНИП. – М.: ВЦ им. А.А.Дородницина РАН, 2007. – 248 с.

2. 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.

Осипов А.М. РАЗРАБОТКА ЭКСПЕРИМЕНТАЛЬНОГО СТЕНДА ДЛЯ

РЕАЛИЗАЦИИ АЛГОРИТМОВ УПРАВЛЕНИЯ РЕЖИМАМИ МАЛОЙ ГЭС

email:[email protected]

Целью работы является проектирование и разработка эксперименталь-ного стенда для отработки возможности применения центробежного насоса в качестве гидротурбины, а также реализация алгоритмов автоматизации управления основными режимами функционирования малой ГЭС на базе асинхронного генератора.

Актуальность использования объектов малой гидроэнергетики и раз-работки оборудования для МГЭС на современном технологическом уровне обусловлена резким повышением цен на органическое топливо и стремлени-ем к использованию децентрализованного электроснабжения. Основным препятствием для развития данного направления гидроэнергетики являются высокие капиталовложения на основное гидроэнергетическое оборудование. Сокращения капиталовложений можно достичь путем применения стандар-тизованного оборудования.

В качестве альтернативы применения традиционной гидротурбины, предлагается использовать стандартный насос, работающий в режиме турби-ны. Основными преимуществами применения насос-турбины является ис-пользование серийного оборудования и как следствие – сравнительно низкие капитальные затраты, а также простота и надежность конструкции. Разнооб-разные конструкции насосов и широкий диапазон их выходных мощностей обеспечивают возможность использования их для напора от десяти до не-скольких сотен метров. К недостаткам можно отнести отсутствие гидравли-

mailto:email:[email protected]

СПИ-ПИ-2009

528

ческого контроля потока, а следовательно энергоноситель не может так же эффективно использоваться как в случае с турбиной. Данный недостаток устраняется при помощи установки на проточный трубопровод регулирую-щей задвижки, что обеспечивает постоянные параметры потока в условиях переменного напора и водотока.

В качестве автономного источника электроэнергии используется се-рийный трехфазный короткозамкнутый асинхронный двигатель, работающий в генераторном режиме. Емкостное возбуждение асинхронного генератора осуществляется при помощи конденсаторов, подключаемых параллельно фазным обмоткам машины.

Одной из основных задач, решаемых при помощи лабораторного стен-да, является экспериментальная проверка и отработка алгоритмов автомати-ческого управления, разработанных в ходе создания цифровой модели и про-ведения моделирования режимов работы малой ГЭС на базе системы компь-ютерной математики MATLAB 7.0. В составе системы управления можно выделить два основных контура: регулятор напряжения и автобалластный регулятор частоты.

Для поддержания постоянства параметров вырабатываемого напряже-ния необходимо регулировать емкостную мощность возбуждения в зависи-мости от величины и характера нагрузки. Данное регулирование может осу-ществляться как в ручном, так и в автоматическом режимах. Автоматическое регулирование выполняется при помощи тиристоров, управляемых сигнала-ми, пропорциональными отклонению линейного напряжения, либо при по-мощи дискретного регулирования емкости подключаемых секций конденса-торов возбуждения.

Для стабилизации частоты вращения гидроагрегата, а следовательно и требуемой частоты выходного напряжения, применяется автобалластный ре-гулятор. Балластная нагрузка подключается через регулятор параллельно по-лезной и представляет собой набор дискретно дозированных секций, пораз-рядно коммутируемых при изменении величины полезной нагрузки таким образом, чтобы суммарная нагрузка электрического генератора оставалась неизменной.

Система управления реализована по модульному принципу на основе промышленных программируемых контроллеров, оснащенных современны-ми средствами измерения и контроля. САУ установки обеспечивает контроль гидромеханических и электрических параметров, автоматическую остановку гидроагрегата при выходе параметров за пределы допустимых значений, а также достижение высокого качества выходных электрических параметров при работе станции на переменную изолированную нагрузку.


1. Лукутин Б.В., Обухов С.Г. Автономное электроснабжение от микро-гидроэлектростанций. – Томск: STT, 2003

СПИ-ПИ-2009

529

2. Птицын О.В., Григораш О.В. Генераторы переменного тока. Со-стояние и перспектива. – М.: Электротехника, 1994

Панков М.Ю., Иванова А.А. СТРУКТУРНОЕ ПРОЕКТИРОВАНИЕ КОНТРОЛЕПРИГОДНЫХ

ПРОГРАММНЫХ СИСТЕМ [email protected]

В настоящее время в технической диагностике основное внимание уде-

ляется синтезу контролепригодных систем, так как именно решение этих за-дач позволяет наиболее эффективно использовать технические средства ди-агностирования.

Для решения задач синтеза прежде всего необходима математическая модель объекта диагностирования. Она должна адекватно отражать основные свойства ПС и в то же время быть универсальной по отношению к типу оши-бок. Наиболее удобной является структурная модель, представляемая в фор-ме ориентированного графа, вершины которого отображают блоки объекта диагностирования, а дуги - связи между блоками. Представление объекта ди-агностирования в форме ориентированного графа позволяет абстрагировать-ся от специфики объектов и рассматривать иx в весьма общем плане.

В качестве критериев синтеза контролепригодных объектов целесооб-разно использовать коэффициент глубины диагностирования. Так как дан-ный коэффициент изменяется в зависимости от числа точек, с которых сни-малась информация, то накладывая определенные ограничения, можно обес-печивать различную глубину диагностирования.

Обеспечение контролепригодности объектов диагностирования можно осуществлять различными методами. Применение того или иного метода за-висит от специфики объекта диагностирования и условий его использования. Среди них рассмотрим обеспечение контролепригодности путем организации точек контроля и точек блокирования.

Точки контроля в диагностике - это точки съема информации. Пусть G (V, U) - упорядоченный граф с п вершинами, представляющий

модель объекта диагностирования непрерывного действия. Обозначим через X = х, ..., xq (q < n) множество входов графа G (V, U), а через Y=у1 ..., ур (1 < р) – множество выходов.

Будем полагать, что вершины х и z графе G (V, U) образуют контроль-ную пару (х, z), если в соответствующей системе сигнал, подаваемый на вход элемента х, может быть снят на выходе элемента z. При этом вершина z гра-фа G (V, U) называется контрольной точкой. Очевидно, для того чтобы пара (х, z) была контрольной, необходима достижимость вершины z графа G (V, U) из вершины х. В частности, все выходные вершины у1, у2, ..., уp графа G (V, U) являются контрольными точками.


СПИ-ПИ-2009

530

Для поиска дефектов произвольной необходимо построить матрицу Вz (матрица достижимостей) на исходном множестве точек контроля, добавить в нее проверки. Произведя проверки, соответствующие строкам матрицы, и заполнив в зависимости от результатов проверок дополнительный вектор-столбец в матрице, вычеркиваем из нее все строки, соответствующие еди-ничным проверкам, и все столбцы, имеющие в этих строках единицы. В мат-рице B* всегда существует по крайней мере одна определяющая строка. Но-мер столбца, содержащего ненулевой элемент определяющей строки, опре-деляет номер дефектного элемента.

Ситуация осложняется возможностью появления эквивалентных де-фектов. Такие дефекты образуют классы эквивалентности и не позволяют однозначно определить дефектный блок. Для различения эквивалентных де-фектов необходимо вводить дополнительные точки контроля.

Точка блокирования представляет собой управляемый разрыв сигнала. Рассмотрим дугу uk = (i, j) (i, j = 1,n) графа G, которая определяет место рас-положения коммутирующего элемента, запрещающего поток сигналов от входа к выходу через эту дугу. Вершина i здесь - точка блокирования.

Поиск дефектов в этом случае осуществляется способом, аналогичным поиску дефектов с использованием точек контроля.

Обеспечение различимости дефектов возможно и путем совместного использования этих двух методов. Такой подход в некоторых случаях может оказаться значительно эффективнее, чем использование только блокирую-щих точек или точек контроля.

Поздняков В.А. МОДИФИКАЦИИ УНИВЕРСАЛЬНОЙ СИСТЕМЫ ОБРАБОТКИ

ПОТОКОВ ДАННЫХ [email protected]

В настоящее время одной из актуальных проблем, стоящих перед раз-

работчиками цифровых систем передачи данных, является универсализация используемых алгоритмов обработки информационных потоков. Критерием универсальности таких алгоритмов является возможность использования од-них и тех же алгоритмов в различных системах, повторного использования частей алгоритмов, гибкого изменения алгоритмов для решения других задач и расширения функциональности без существенной коррекции уже имею-щихся частей.

Одним из решений рассматриваемой проблемы является создание ал-горитмов на базе универсальной системы обработки потоков данных (УСОПД) [1]. В ее основе лежит принцип крупномодульного потокового программирования [2]: обработчики представляются в виде ориентирован-ных графов, вершинами которых являются модули, реализующие простые


СПИ-ПИ-2009

531

функции обработки, а ребрами — потоки данных. Потоки представляют собой последовательности элементов данных,

каждый из которых является массивом байтов, разбитым на отдельные поля. Модуль может содержать байт-коды трех типов, выполняемые с помощью достаточно простой виртуальной машины: код инициализации (выполняется перед началом работы), код обработки входа (для каждого нового элемента данных на входе) и итоговый код (после обработки всех новых элементов данных на всех входах модуля).

При разработке данной реализации УСОПД основной целью являлось создание на ее основе алгоритмов обработки потоков данных, наиболее пол-но удовлетворяющих критерию универсальности. Однако в реальных прило-жениях максимизация универсальности алгоритмов не всегда является наи-более приоритетной задачей. Поэтому в некоторых случаях возможно ис-пользование различных модификаций УСОПД, которые позволяют достичь требуемых результатов.

Низкая скорость обработки — один из наиболее существенных недос-татков исходного варианта УСОПД, что затрудняет его использование для отложенной обработки больших объемов данных и для работы в режиме ре-ального времени с высокоскоростными потоками. Основной причиной низ-кой производительности является использование виртуальной машины с не-оптимизированной под конкретную платформу системой команд.

Самым очевидным решением данной проблемы является оптимизация системы команд. Это приведет к повышению производительности на соот-ветствующей платформе, однако на других платформах производительность может снизиться, к тому же, может значительно возрасти сложность реализа-ции для них виртуальных машин.

Можно также предложить другое решение, позволяющее значительно повысить производительность обработчиков на многих платформах: для не-которых модулей, скорость работы которых критична, дублировать коды об-работки в виде функций внешней системы.

Исходный вариант УСОПД не всегда может быть встроен в достаточно примитивные системы с ограниченными ресурсами и функциональностью. В таких случаях необходимо упростить реализацию универсальной системы, убрав из нее все, что может оказаться лишним в данном случае, а именно: ликвидировать малозначимые поля в структурах файлов модулей и обработ-чиков, объединить коды обработки входов и итоговый код, упростить систе-му команд байт-кода, отказаться от структурирования элементов данных по-токов.

Последний пункт фактически означает отказ от описания полей пото-ков в модулях и обработчиках, что позволит очень существенно упростить реализацию УСОПД. Доступ к полям должен осуществляться вручную — с помощью команд чтения и записи последовательности битов для одномер-ных байтовых массивов. Следовательно, данная модификация несколько ус-

СПИ-ПИ-2009

532

ложняет процесс создания кода. Если необходимо использовать обработчики на основе УСОПД для

решения задач, предполагающих, например, использование сложных матема-тических вычислений, может возникнуть необходимость в расширении функциональности этих обработчиков. В зависимости от специфики задач, есть два возможных пути решения.

Первый, наиболее очевидный, — добавить в байт-код необходимые команды и расширить перечень поддерживаемых типов данных. Разумеется, это приведет к усложнению реализации УСОПД, что не всегда может быть оправдано. Второй путь состоит в добавлении возможности вызова внешних функций из байт-кода.

Такой подход позволяет не только расширить функциональность, но и повысить быстродействие обработчиков, если в качестве внешних функций реализовать наиболее часто используемые сложные последовательности опе-раций, которые обычно выполняются слишком медленно (например, вычис-ление свертки или сортировка массива).


1. Поздняков В.А. Универсальная система обработки потоков данных: устройство и принцип действия. http://www.jurnal.org/articles/2008/ art.php?art=inf1.htm

2. Johnston, W.M.; Hanna, J.R.P. and Millar, R.J. Advances in dataflow programming languages. — ACM Computing Surveys, Vol. 36, No. 1, March 2004.

Редькин Ю.В.

ПРИМЕНЕНИЕ СЕРВИСОВ СЕТЕЙ СОТОВОЙ СВЯЗИ ДЛЯ МОНИТОРИНГА И УПРАВЛЕНИЯ ОБЪЕКТАМИ

[email protected] Широкому применению SCADA-систем на основе сетей сотовой связи

стандарта GSM (SCADA/GSM-систем) способствуют их значительные пре-имущества перед другими системами, использующие аналогичные техноло-гии: для обеспечения связи не требуются выделенные линии связи или спе-циальное оборудование, а услуги связи доступны везде, где есть сотовая связь с поддержкой необходимых сервисов передачи данных. Наиболее ха-рактерными применениями этих систем являются: сбор данных и управление объектами; мониторинг транспортных средств; охранный мониторинг объек-тов; торговые, кассовые и игровые автоматы; публичные информационные сервисы.

Для обеспечения высокой скорости передачи данных в SCADA/GSM-системах реального времени применяют пакетные технологии [1]: General Packet Radio Service (GPRS) – пакетная передача данных и Enhanced Data for

http://www.jurnal.org/articles/2008/


СПИ-ПИ-2009

533

Global Evolution (EDGE) – протокол с повышенной скоростью передачи. Од-нако на сегодняшний день эти технологии все еще находятся в привилегиро-ванном положении: дороги в применении и не всегда доступны в районе раз-вертывания систем. В тоже время существуют системы, в которых главным является не интерактивность работы, а экономичность эксплуатации. Таки-ми, в частности являются системы мониторинга удаленных объектов, боль-шую часть времени находящиеся в состоянии ожидания поступления данных от датчиков. В этих системах оказывается целесообразным применение про-стых и доступных сервисов передачи данных: Short Message Service (SMS) – сервиса коротких сообщений и Channel Sound Data (CSD) – сервиса передачи данных по голосовому каналу.

Рис.1. Структурная схема SCADA/GSM –системы Рассмотрим концепцию построения SCADA/GSM-системы мониторинга

и управления, основанной на использовании сервисов SMS и CSD. Обобщен-ная структурная схема такой системы представлена на рис.1 [2]. Верхним уровнем системы является диспетчерский пункт (SCADA-центр), а нижним – технологические контроллеры объектов Technological Controller (TC), осна-щенные GSM-модемами. Связующим звеном между контроллерами и дис-петчерским пунктом является коммуникационный GSM-центр, осуществ-ляющий коммутацию потоков данных системы.

Наиболее простой технологией, применяемой передачи данных в GSM-сетях, является сервис SMS. Его достоинствами являются: простота примене-ния, низкая стоимость услуги, удобство доставки. При использовании серви-са SMS короткий пакет данных посылается в SMS-центр сети, откуда переда-ется адресату (если он доступен). Этот сервис обладает низкой пропускной способностью и отсутствием гарантии быстрой доставки: задержка может составлять от нескольких десятков секунд до нескольких минут в зависимо-сти от загруженности сети. Таким образом, из-за того, что сети сотовой связи подвержены действию множества случайных факторов, система, использую-щая для передачи данных сервис SMS, не способна обеспечить детерминиро-ванную задержку передачи данных.

Сервис передачи данных CSD обеспечивает более оперативную дос-тавку данных по сети. Для реализации этого сервиса GSM-системой выделя-ется отдельный голосовой канал и производится прямое модемное соедине-

СПИ-ПИ-2009

534

ние между контроллером объекта и SCADA-центром с выполнением необхо-димых процедур дозвона. Сервис CSD характеризуется скоростью передачи данных до 38,4/57,6 кбит/с и временем установления соединения от несколь-ких десятков секунд до нескольких минут. По сравнению с сервисом SMS его достоинством является относительно небольшая задержка в получении дан-ных и возможность передачи больших объемов данных.

SCADA/GSM-центр системы обеспечивает поддержку сервисов SMS и CSD и включает в себя: коммуникационный компьютер диспетчера, архив-ный сервер, принтер, GSM-модемы – рабочий Working Modem (WM) и ава-рийный Alarm Modem (AM) (см. рис.2) [2].

Рис. 2. Структурная схема SCADA/GSM - центра Как видно из рис.2, основой SCADA/GSM-центра является коммуника-

ционный компьютер диспетчера, предназначенный для сбора данных с тех-нологических контроллеров и передачи им команд управления. Помимо сбо-ра данных, компьютер диспетчера осуществляет их обработку, визуализацию и архивацию на сервере. Связь между сервером и коммуникационным ком-пьютером осуществляется по сети Ethernet, к которой также подключен сете-вой принтер, предназначенный для документирования работы системы. Осо-бенностью SCADA/GSM-центра является применение двухмодемной схемы передачи данных. Рабочий GSM-модем (WM) предназначен для мониторинга объектов с помощью сервиса SMS. Аварийный GSM-модем (AM) – для прие-ма от TC критически важных (аварийных) сообщений и передачи им команд управления используя сервис CSD.

Одним из основных требований при разработке SCADA/GSM-систем является снижение затрат на сотовую связь путем организации рационально-го обмена данными в сети. В системе мониторинга объектов это достигается комбинированным применением сервисов SMS и CSD. Фактически система работает в двух режимах: архивного сбора данных и критической ситуации. В режиме сбора данных используется самый недорогой из сервисов передачи данных – SMS, например, путем отправки SMS по встроенному в TC таймеру. Этот же сервис можно использовать также для оповещения обслуживающего персонала. Задержка в доставке таких данных, как правило, не существенна для работы системы. В критически важных, аварийных ситуациях применя-ется более оперативный сервис доставки данных – CSD. GSM-модем TC и AM

СПИ-ПИ-2009

535

модем SCADA-центра устанавливают между собой прямую связь, и в диспет-черский пункт передается список аварийных сообщений TC, а также состоя-ние всех аналоговых и дискретных датчиков объекта. Это позволяет операто-ру SCADA-центра оперативно оценить обстановку на аварийном объекте и передать нужные команды управления. Способ передачи данных на основе сервиса CSD является более затратным, однако обеспечивает оперативную реакцию на критически важные ситуации, возникающие в системе.

Таким образом, построение SCADA/GSM-систем мониторинга объектов на основе простых сервисов передачи данных (SMS и CSD) позволяет сокра-тить временные и материальные затраты на разработку, изготовление и экс-плуатацию этих систем. Однако, поскольку сервисы SMS и CSD не могут обеспечить работу SCADA/GSM-систем в режиме реального времени, то ос-новная область их применения – системы с относительно небольшим числом объектов для сбора данных, задержка в получении которых не имеет сущест-венного значения, и системы, объекты которых не требуют в своей работе оперативной поддержки со стороны SCADA-центра.


1. Трубицын А. Управление без проводов// PC Week/RE. – 2006. – 10, С.32.

2. Редькин Ю.В. Построение SCADA-систем на основе сети сотовой связи стандарта GSM// Известия вузов. Сев.-Кавк. регион. Технич. науки. Спец. выпуск. Проблемы водного транспорта. Ч. II. – 2006. – С. 54-58.

Соляник А.И. УПРАВЛЕНИЕ КАЧЕСТВОМ САНАТОРНО-КУРОРТНОЙ

РЕАБИЛИТАЦИИ НА ОСНОВЕ УЧЕТА ОСОБЕННОСТЕЙ ОБЪЕКТА УПРАВЛЕНИЯ

[email protected] Санаторно-курортная система отличается рядом существенных особен-

ностей, которые накладывают определенные требования к ее системе управ-ления.

Это интегрированная система функционирования различных хозяйст-вующих субъектов, постоянно действующих мероприятий организационного, диагностического, реабилитационного, технико-экономического, пропаган-дистского плана с целью оздоровления населения.

Спецификой управления региональной санаторно-курортной системой является то, что основными методами управления отношениями ее субъектов являются методы правового, экономического регулирования и стандартиза-ции. Если методы правового регулирования (законы и другие нормативные правовые акты), определяют вопросы предоставления санаторно-курортных


СПИ-ПИ-2009

536

услуг и регламентируют отношения на рынке санаторно-курортных услуг, регулирование оценок врачебной квалификации и статуса пациента то стан-дартизации в курортологии направлена на обеспечение качества и безопасно-сти санаторно-курортных услуг.

Реабилитационная помощь в санаторно-курортных условиях регламен-тирована необходимостью строгой преемственности между общелечебной сетью и санаторием. На реабилитацию поступают пациенты, получившие ле-чение или находящиеся под диспансерным наблюдением. План оздорови-тельных мероприятий рекомендуется лечащим врачом ЛПУ. Данные обсле-дования, проведенных медицинских пособий документируются в санаторно-курортной карте. Рекомендации после санаторно-курортного лечения для дальнейшей поддерживающей терапии в ЛПУ по месту жительства пациента обеспечиваются врачом санатория.

В санаторно-курортной помощи нуждается массовый потребитель, ко-торый субъективно оценивает качество услуг, сравнивая их с аналогичными в других санаториях. Поэтому особое значение приобретает конкурентоспо-собность.

Специфичными объектами управления в региональной санаторно-курортной системе являются: курорт, природные ресурсы и лечебно-оздоровительные местности. Также специфично законодательство о природ-ных лечебных ресурсах, лечебно-оздоровительных местностях и курортах ре-гулирует отношения, возникающие в связи с использованием и охраной при-родных лечебных ресурсов как в пределах указанных особо охраняемых при-родных территорий, так и расположенных вне их границ;»

Наряду с санаторно-курортными и лечебно-профилактическими учреж-дениями как объектами управления могут быть выделены предприятия и ор-ганизации муниципального хозяйства, высшие и средние медицинские учеб-ные заведения а также объекты социальной, производственной инфраструкту-ры, способствующие эффективному развитию и функционированию регио-нальной санаторно-курортной системы.

В санатории помимо услуг медицинского профиля есть ряд направлений социального, культурного, гостиничного и прочих.

Санаторий является хозяйствующим субъектом с присущему ему целя-ми и задачами.

Особую значимость для санаторно-курортной деятельности имеет систе-ма маркетинга, так как все санаторно-курортные учреждения находятся на са-моокупаемости.

Особенностью управления санаторно-курортной системой является то, что это система с низкой степенью формализации.

Структурную схему региональной санаторно-курортной системы мож-но представить в виде, показанном на рис. 1. Она включает в себя:

- лечебно-профилактические учреждения (ЛПУ) - осуществляющие от-бор и направление пациентов на санаторно-курортное лечение;

СПИ-ПИ-2009

537

- санаторно-курортные учреждения, курорты с их лечебно-оздоровительными ресурсами;

- промышленные и сельскохозяйственные предприятия – обеспечи-вающие своей продукцией и услугами функционирование данной системы;

- высшие и средние учебные заведения региона, обеспечивающие ква-лифицированным кадровым составом и предоставляющие базы для повыше-ния их квалификации, а также современными методиками диагностики и ле-чения;

- учреждения культуры и туризма – решающие вопросы культурного досуга отдыхающих;

- региональные органы управления, принимающие участие в решении наиболее важных и значимых задач функционирования данной системы.

Рис. 1. Структурная схема региональной санаторно-курортной системы

Рис.2. Методология управления социально-экономической системой Спецификой управления такого рода систем является то, что основны-

ми методами управления отношениями ее субъектов являются методы пра-

СПИ-ПИ-2009

538

вового, экономического регулирования и стандартизации. При этом, стан-дартизация является мощным инструментом управления качества и безопас-ности результатов деятельности любого субъекта системы. К основным объ-ектами стандартизации в социально-экономической системе можно отнести: организационные технологии; предоставляемые услуги; технологии предос-тавления услуг; техническое обеспечение выполнения услуг; качество услуг; квалификация персонала; учетно-отчетная документация; информационные технологии. На рис. 2 представлена методология управления региональной социально-экономической системой включающая в себя основные методы управления отношениями ее субъектов.

Таким образом, управление качеством санаторно-курортной реабилита-ции необходимо осуществлять на основе учета особенностей объекта управ-ления.


1. Соляник А.И., Кравец О.Я.. Алгоритмизация бизнес-процессов в системе управления качеством санаторно-курортного лечения на основе тре-бований стандартов ISO серии 9000// Информационные технологии модели-рования и управления. 3(46), 2008. - С. 264-278.

2. Соляник А.И., Вериковский А.Е., Нестеров Е.Д., Системный подход к управлению качеством в региональных санаторно-курортных системах// Актуальные вопросы медицинской реабилитации на современном этапе: ма-тер. юбилейной межрегион. НПК. – Воронеж, 2007. – С. 65-72.

3. Стрельников А.В., Сержанина О.А., Соляник А.И. Принципы соз-дания алгоритма определения клинико-экономической целесообразности внедрения методов диагностики и лечения заболеваний предстательной же-лезы// Пленум правления российского общества урологов: материалы плену-ма. – Тюмень, 2005. - С.272-273.

Трофименков А.К., Вишневский С.А., Огарков А.А., Трофименков С.А.

ИСПОЛЬЗОВАНИЕ СИСТЕМ МОБИЛЬНОГО РАДИОСЕРВИСА ДЛЯ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ДЕЯТЕЛЬНОСТИ

ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ ЦЕНТРОВ [email protected]

В настоящее время информация все больше рассматривается как ресурс,

без которого нельзя использовать современные технологии и методы управле-ния. Это подтверждается тем, что во всех федеральных министерствах и ве-домствах, а также во всех региональных администрациях работают, модерни-зируются и вновь создаются информационные и информационно-аналитические центры (ИАЦ).


СПИ-ПИ-2009

539

Процессы сбора, обработки, хранения и передачи информации для таких центров являются трудоемкими, требуют большого количества ресурсов и ис-пользования новых информационных технологий [1]. Одним из подходов к обеспечению информационных процессов является применение технологий беспроводной связи на основе стандартов WiFi, WiMAX. Они могут быть ис-пользованы при развертывании локальной вычислительной сети, а также ре-шить задачу "последней мили", когда необходимо передать большие объемы информации с места события в ИАЦ. Широкополосность и, как следствие, мультисервисность характеризуют современные тенденции развития беспро-водного доступа. В идеале, пользователь не должен испытывать ограничения на любые виды услуг, доступные в настоящее время через кабельные соеди-нения, такие как SDH или Ethernet. Проходящие научные исследования и ис-пытания технологий определяют, что наиболее перспективным из них по праву является WiMAX.

Развитие беспроводных сетей передачи информации связано с такими их достоинствами, как:

− гибкость архитектуры, т. е. возможности динамического изменения то-пологии сети при подключении, передвижении и отключении мобильных поль-зователей без значительных потерь времени;

− высокая скорость передачи информации (1-10 Мбит/с и выше); − быстрота проектирования и развертывания; − высокая степень защиты от несанкционированного доступа; − отказ от дорогостоящей и не всегда возможной прокладки или арен-

ды оптоволоконного или медного кабеля. Таблица 1

Краткие характеристики семейства стандартов 802.16 Название стандарта

802.16 802.16a 802.16e

Дата принятия декабрь 2001 январь 2003 середина 2006 Частотный диа-пазон

10-66 ГГц 2-11 ГГц 2-6 ГГц

Быстродействие 32-135 Мбит/с для 28МГц-канала

до 75 Мбит/с для 28МГц-канала

до 15 Мбит/с для 5МГц-канала

Модуляция QPSK, 16QAM, 64QAM

OFDM 256, QPSK,

16QAM, 64QAM

OFDM 256, QPSK,

16QAM, 64QAM Ширина канала 20, 25 и 28 МГц Регулируемая

1,5-20МГц Регулируемая

1,5-20МГц Радиус дейст-вия

2-5 км 7-10 км; макс. радиус 50 км

2-5 км

Условия работы Прямая види-мость

Работа на отра-жениях

Работа на отра-жениях

СПИ-ПИ-2009

540

В 2001 году, Международным союзом электросвязи был принят стан-дарт IEEE 802.16, в последствии получивший развитее в модификациях: 802.16а и 802.16е. В стандартах представлено описание территориально рас-пределенных сетей широкополосного беспроводного доступа (Broadband Wireless Access) в масштабе города, работающих в диапазонах частот 2-11 ГГц и 10-66 ГГц и осуществляющих связь на расстояниях в десятки километ-ров.

В конце 2006 года была завершена работа над созданием мобильного профиля технологии WiMAX IEEE 802.16e. На сегодняшний день существу-ет множество различных интерфейсов радиодоступа, однако, именно при разработке стандарта IEEE 802.16e изначально закладывалась возможность по применению таких алгоритмов и устройств, как адаптивные антенные системы и независимая обработка множества переотраженных сигналов в ус-ловиях плотной городской застройки. Основные технические характеристики представлены в табл. 1.

Таким образом, системы мобильного радиосервиса, радиоинтерфейс "абонентский терминал – точка доступа" подвержены изменениям и совер-шенствованиям, связанным с расширением сферы предоставляемых услуг связи.

Список использованных источников 1. Челышев В.Д., Якимовец В.В. Радиоэлектронные системы органов

административного и военного управления. Ч. 1. Радиоинтерфейсы систем мобильного радиосервиса: Учебник. – СПб.: ВАС, 2006. – 576 с.

Янь Цзинбинь, У Ши

УСТОЙЧИВЫЙ МЕТОД СЕГМЕНТАЦИИ АУДИОДАННЫХ [email protected]

В системах автоматического распознавания речи одной из важных про-

блем является предварительная обработка поступающей информации – так называемая сегментация аудиоданных. Сегментация сигналов - это задача разделения непрерывного потока данных на однородные участки. В преды-дущих подходах длина сегмента являлась фиксированной. Несмотря на удоб-ство практической реализации, это приводит к отсутствию "глобальной сег-ментации". Для преодоления указанных недостатков нами был разработан подход, имеющий более сложную четырехуровневую схему сегментации.

Для решения задачи сегментации аудиопотока в работе было предло-жено использовать в качестве вектора признаков сегмента четыре характери-стики [1]: полная энергия фрейма (ПЭФ), соотношение энергий диапазонов (СЭД), коэффициент появления пауз (КПП), частота основного тона (ЧОТ), центроид поддиапазона (ЦП).

Основная задача первого этапа заключается в разделении фреймов на две категории: содержащие сигнал и содержащие тишину, и в последующей классификации фреймов, отнесенных к первому классу. Т. к. пофреймовая


СПИ-ПИ-2009

541

классификация используется только для первоначальной сегментации, нет необходимости вводить "смешанный" тип на данном этапе. Таким образом, в результате все фреймы подразделяются на три класса: содержащие речь, му-зыку, тишину. Для определения содержащих тишину фреймов производится сравнение значения ПЭФ с порогом ТПЭФ. Если ПЭФ меньше порога ТПЭФ, фрейм классифицируется как тишина. В случае, если ПЭФ превышает по-рог, для данного фрейма вычисляется значение СЭД с частотой среза 500 Герц. Это обусловлено тем, что большая часть энергии человеческой речи содержится именно в диапазоне частот до 500 Герц. На основании этого про-изводится классификация сегментов, содержащих сигнал, на речь и музыку.

На втором этапе происходит первоначальное формирование сегментов, извлекаются первые признаки сегментов, осуществляются первые попытки классификации. Сначала происходит поиск и выделение сегментов с тиши-ной. На предыдущем этапе уже были выявлены все фреймы с тишиной. Именно теперь стоит задача объединить их в сегменты. В процессе образова-ния сегментов с тишиной большое значение имеет эмпирически установ-ленный порог минимальной длины сегмента (например 0,2 секунды). Ес-ли суммарная длительность следующих друг за другом фреймов с тишиной превышает данный порог, происходит формирование сегмента. Части, на-ходящиеся между полученными сегментами, формируют сегменты, содер-жащие сигнал. При этом сразу же осуществляется их промежуточная клас-сификация с использованием таких признаков сегментов, как КПП и СЭД. Следует отметить, что не исключены ситуации, в которых классификация по этим двум признакам будет различна. Эта возможность допускается по при-чине того, что на данном этапе происходит только подготовка для даль-нейшей, глобальной целевой сегментации.

Третий этап является наиболее важным, так как именно на нем под-водится итог попыткам осуществить глобализацию сегментов. На практике часто бывает так, что сформированные на предыдущих этапах сегменты, со-держащие тишину, могу быть просто естественными паузами человеческой речи, либо быть разделителем между сегментами с различными типами классов. Если первое предположение верно, становится очевидно, что такие сегменты дробят семантически гомогенные участки аудиопотока на мелкие части. Для более эффективной сегментации такие сегменты с тишиной должны быть устранены. Для устранения сегмента с тишиной и объединения его соседей необходимо выполнение двух условий:

1) длительность сегмента с тишиной не должна превышать порог; 2) классы соседних сегментов, вычисленные отдельно по КПП и

СЭД должны совпадать. После выполнения описанного выше действия количество и структура

сегментов оказывается измененной. Для перехода на следующую итера-цию необходимо вычислить заново признаки КПП и СЭД для новообразо-ванных сегментов и осуществить процесс переклассификации, результатом

СПИ-ПИ-2009

542

которой может стать возможность дальнейшего устранения сегментов с ти-шиной. Цикл вышеописанных итераций выполняется до тех пор, пока не бу-дут проверены все возможности удаления коротких сегментов с тишиной и глобализации сегментов, содержащих сигнал. Завершающей стадией данно-го этапа является фильтрация слишком коротких сегментов, содержащих сигнал, и последующая классификация "глобальных" сегментов.

На четвертом этапе предпринимаются действия, направленные на улучшение полученной схемы с помощью внутренней сегментации. На практике в ряде случаев аудиопоток содержит участки, которые относятся к различным классам, но не являются разделенными даже очень короткой паузой (например, сформированный на предыдущих этапах длинный сег-мент, содержащий участки чистой речи и чистой музыки без паузы между ними). Именно на выделение таких подсегментов и направлены действия по анализу возможности и осуществления внутренней сегментации. В данной работе в основу алгоритма внутренней сегментации положен широко распро-страненный принцип "обнаружения точек перехода". Непременным услови-ем для осуществления внутренней сегментации является минимальная длина сегмента. Нецелесообразность разделения слишком коротких сег-ментов на еще более мелкие очевидна. Кроме того, при слишком корот-кой длительности становится весьма затруднительно извлечение таких при-знаков как КПП, ЦП, ЧОТ. Основная идея принципа "обнаружения точек пе-рехода" состоит в том, чтобы наблюдать поведение какого-либо устойчивого сегментного признака (в данном случае ЦП) на протяжении сегмента. Осу-ществляется поиск точек перехода, то есть положений фреймов в сегменте, в которых происходит переход класса, вычисленного по выбранному сегмент-ному признаку (в этом случае ЦП) по отношению к классу глобального сег-мента. На следующей стадии происходит верификация найденных точек пе-рехода и финальная классификация.

Для проверки на практике эффективности разработанной схемы сег-ментации предложенный нами алгоритм был программно реализован. В ка-честве языка программирования был выбран "JAVA Programming Language" в силу ряда причин: синтаксис имеет очень много общего с языком C++, технология "Java Sound" предоставляет API (Application programming interface), не требующий трудоемкой работы с прерываниями процессора, а позволяющий выполнять такие простейшие операции с аудио потоками как воспроизведение и захват.

Результаты экспериментальных исследований показали, что подход эффективен. Средняя степень точности оказалась около 90%.

Список использованных источников 1. Kiranyaz S.,Qureshi A F. A generic audio classification and segmentation

approach for multimedia indexing and retrieval// IEEE Trans on Audio,Speech,and Language Processing, 2006,14(3):1062-1081.

СПИ-ПИ-2009

543

Авторский указатель

Авдюшин Д.В. ...................................448 Авсеева О.В. ......................................449 Айдинян А.Р. .....................................438 Акинин Ю.Р.......................................412 Анащенко А.Г....................................449 Андреев И.Л. .....................................448 Андреев М.А......................................416 Арнаут Д.Г. ........................................453 Афанасьев В.В...................................451 Бeляева М.А.......................................418 Бабкова Т.С........................................418 Барабанов В.Ф. ..................................412 Баранов И.Ю......................................452 Большаков С.А. .................................451 Булычев Ю.Г. ....................................453 Буравлев С.В......................................452 Винокуров С.А. .................................422 Вишневский С.А. ..............................538 Водовозов А.М. .................................423 Воробьева Д.Б....................................425 Гарке Ю.С. .........................................464 Гежаев А.М........................................464 Герасимов Д.А...................................467 Говорский А.Э...................................468 Головинов С.О...................................435 Гольдштейн М.Л. ..............................427 Горяева О.В. ......................................473 Гречкин В.А.......................................476 Грицына А.Н......................................429 Делицын Л.Л. ....................................487 Демурчев Н.Г.....................................476 Дорофеев Д.В. ...................................491 Евтихина Н.В.....................................492 Елюков А.С........................................423 Жданов Н.Ф. ......................................468 Иванова А.А. .....................................529 Карпиленя М.Н..................................453 Карпук А.А. .......................................492 Клименко С.Г. ...................................495 Козлов С.В. ........................................499 Колесниченко Е.В. ............................500 Копылов М.В. ....................................503 Кравец О.Я.........................467, 495, 503

Кривошеенко Ю.В. ...........................506 Кузнецов Е.П. ....................................430 Кучук Г.Г. ..........................................509 Лебеденко Е.В. ..................................510 Левин В.А. .........................................509 Липилина А.П....................................416 Логинов И.В.......................................510 Лукьянов А.Д.....................................421 Майборода В.И..................................511 Машкова Р.А......................................466 Медведев С.Ю. ..................................514 Мещеряков Р.В. .................................516 Мозоль А.А. .......................................453 Неудахин А.В. ...................................518 Обейдат А.А. .....................................520 Овечкин И.В. .....................................433 Огарков А.А.,.....................................538 Орешко А.П. ......................................523 Осипов А.М. ......................................527 Панков М.Ю. .....................................529 Поздняков В.А...................................530 Преображенский А.П........................435 Редькин Ю.В......................................532 Рогачев А.А........................................453 Седых И.А..........................................442 Сергеев М.Ю. ....................................453 Серегина Н.П. ....................................435 Солдатов Е.А. ....................................503 Соляник А.И. .....................................535 Старикова А.А. ..................................436 Сушков П.В........................................499 Трофименков А.К..............................538 Трофименков С.А..............................538 Тютин М.В. ........................................412 У Ши...................................................540 Челахов В.М. .....................................453 Чернега Д.В........................................438 Чувейко М.В. .....................................439 Шейбухов С.Н. ..................................416 Шмырин А.М.....................................442 Штыков Р.А. ......................................443 Шульгин А.О. ....................................476 Янь Цзинбинь ....................................540

СПИ-ПИ-2009

544

Содержание

7. Проектирование энергетических, электромеханических и технологических систем

Акинин Ю.Р., Тютин М.В., Барабанов В.Ф. Автоматизированная система управления скоростью вращения промышленного двигателя постоянного тока на базе микроконтроллера ADUC812 ....................... 412

Андреев М.А., Липилина А.П., Шейбухов С.Н. Аппаратная часть измерительного комплекса ...................................................................... 416

Бeляева М.А. Информационные технологии управления тепломассообменными процессами тепловой обработки мясопродуктов.......................................................................................... 418

Бабкова Т.С., Лукьянов А.Д. Использование комбинированного управления высокомоментным электроприводом в системах прецизионного углового позиционирования .......................................... 421

Винокуров С.А. Математическая модель логико-динамической электромеханической системы С БДПТ ................................................. 422

Водовозов А.М., Елюков А.С. Разработка виртуальных приборов для идентификации электроприводов в процессе функционирования........ 423

Воробьева Д.Б. Исследование и разработка программного комплекса технологического управления электрической подстанцией.................. 425

Гольдштейн М.Л. Структура компьютерно-приборной базы эксперимента ............................................................................................ 427

Грицына А.Н. Имитационная модель прогнозирования качества сварных соединений при их выполнении неадаптивными роботами на примере тонкостенных конструкций с большим количеством круговых швов.......................................................................................... 429

Кузнецов Е.П. Решение задачи оптимизации параметров структуры адаптивного эхо-компенсатора ............................................................... 430

Овечкин И.В. Выбор способа снижения температуры резания при бесполивном охлаждении ........................................................................ 433

Серегина Н.П. , Головинов С.О., Преображенский А.П. Анализ особенностей передачи информации по каналу связи тональной частоты...................................................................................................... 435

Старикова А.А. Структурное моделирование в высокоуровневом проектировании заказных мебельных изделий ...................................... 436

СПИ-ПИ-2009

545

Чернега Д.В., Айдинян А.Р. Телекоммуникационный способ управления электрическими сетями............................................................................ 438

Чувейко М.В. Спектральные характеристики оператора усреднения. Алгоритм восстановления периодизированного сигнала в роторных системах токарных станков ..................................................................... 439

Шмырин А.М., Седых И.А. Окрестностные модели в производстве цемента...................................................................................................... 442

Штыков Р.А. Вопросы по применению информационных систем для оперативного управления инженерной инфрастуктурой сети водо- и теплоснабжения..................................................................................... 443

8. Информационные системы и их приложения ....................................... 448

Авдюшин Д.В., Андреев И.Л. Разработка системы электронного документооборота на основе файлового сервера ................................... 448

Авсеева О.В., Анащенко А.Г. Динамическая оптимизация экономической эффективности управления внутрифирменными процессами................................................................................................ 449

Афанасьев В.В., Большаков С.А. Система учета конфигураций и комплектующих средств вычислительной техники в корпоративной информационно-вычислительной сети ................................................... 451

Баранов И.Ю., Буравлев С.В. Предложение по организации скрытого аудита пользователей локальной и глобальной вычислительной сети . 452

Булычев Ю.Г., Мозоль А.А., Челахов В.М., Карпиленя М.Н., Рогачев А.А., Сергеев М.Ю., Арнаут Д.Г. Метод оперативного прогнозирования поведения стохастических параметрических систем........................................................................................................ 453

Гарке Ю.С. Разработка системы технического зрения на базе IBM PC ....... 464

Гежаев А.М., Машкова Р.А. Геоинформационное картографирование культурных ландшафтов высокогорных территорий (на примере Баксанскои долины) ................................................................................. 466

Герасимов Д.А., Кравец О.Я. Статичные и динамичные элементы в разрабатываемой среде имитационного моделирования ....................... 467

Говорский А.Э., Жданов Н.Ф. Технология многокритериального выбора вариантов структуры гетерогенной коммуникационной системы ........ 468

Горяева О.В. CALS-технологии как инструмент управления кадровым составом в структуре автоматизированной информационной системы учреждения ................................................................................ 473

СПИ-ПИ-2009

546

Гречкин В.А., Демурчев Н.Г., Шульгин А.О. Развитие системы мониторинга объектов интеллектуальной собственности за счет использования современных информационных технологий ................. 476

Делицын Л.Л. Неединственность моделей охвата аудитории WWW-ресурсов в условиях замены файлов cookies .......................................... 487

Дорофеев Д.В. Опыт применения пакета STEP7 для программирования контроллеров при производстве синтетических каучуков .................... 491

Евтихина Н.В., Карпук А.А. Об использовании местной прямоугольной системы координат при анализе геоинформационных данных............. 492

Клименко С.Г., Кравец О.Я. Исследование интранет-системы управления документооборотом как замкнутой смешанной стохастической сети ................................................................................. 495

Козлов С.В., Сушков П.В. Клиентское программное обеспечение системы электронного документооборота на основе файлового сервера ...................................................................................................... 499

Колесниченко Е.В. Инфокоммуникационные и когнитивные технологии поддержки принятия управленческих решений вуза ............................. 500

Копылов М.В., Солдатов Е.А., Кравец О.Я. Результаты тестирования модели информационной инфраструктуры ............................................ 503

Кривошеенко Ю.В. Автоматизированные системы управления складом .... 506

Кучук Г.Г., Левин В.А. Особенности встроенного языка программирования MS Office для программирования электронной книги с использованием пакета MS Excel .............................................. 509

Лебеденко Е.В., Логинов И.В. Планирование вычислений в вычислительных системах кластерного типа с гибридной архитектурой ............................................................................................ 510

Майборода В.И. Использование ГИС-технологий при расчете потокораспределения в разветвленных сетевых системах .................... 511

Медведев С.Ю. Программно-аппаратный комплекс сбора и обработки изображений высокого разрешения на базе технологии DAVINCI ...... 514

Мещеряков Р.В. Теоретико-информационный подход к оценке количества обрабатываемой информации .............................................. 516

Неудахин А.В. Разработка автоматизированного программного комплекса для построения нейросетевых экспертных систем .............. 518

Обейдат А.А. Голосование лидера в пиринговых системах.......................... 520

Орешко А.П. Об интеграции цифровых ресурсов ТИГ ДВО РАН ............... 523

СПИ-ПИ-2009

547

Осипов А.М. Разработка экспериментального стенда для реализации алгоритмов управления режимами малой ГЭС ...................................... 527

Панков М.Ю., Иванова А.А. Структурное проектирование контролепригодных программных систем ............................................. 529

Поздняков В.А. Модификации универсальной системы обработки потоков данных ........................................................................................ 530

Редькин Ю.В. Применение сервисов сетей сотовой связи для мониторинга и управления объектами .................................................... 532

Соляник А.И. Управление качеством санаторно-курортной реабилитации на основе учета особенностей объекта управления ....... 535

Трофименков А.К., Вишневский С.А., Огарков А.А., Трофименков С.А. Использование систем мобильного радиосервиса для информационного обеспечения деятельности информационно-аналитических центров ............................................................................ 538

Янь Цзинбинь, У Ши. Устойчивый метод сегментации аудиоданных ......... 540

Авторский указатель ..................................................................................... 543

СПИ-ПИ-2009

548

Научное издание

Современные проблемы информатизации в проектировании и

информационных системах

Сборник трудов. Выпуск 14

Материалы опубликованы в авторской редакции

Подписано в печать 30.12.2008 г. Формат 16×84 1/16. Усл. печ. л. 8,75. Уч.-изд. л. 8,5.

Заказ 423. Тираж 500.

ООО Издательство «Научная книга» http://www.sbook.ru/

Отпечатано ООО ИПЦ «Научная книга»

394026, Россия, г.Воронеж, ул. 303-й Стрелковой дивизии, 1а (4732)205715, 297969

http://www.sbook.ru/

Современные проблемы информатизации в проектировании...

Documents

Transcript of Современные проблемы информатизации в проектировании...