Современные проблемы информатизации в проектировании и информационных системах: Сборник трудов. Выпуск 14 978-5-98222-424-8

Сборник трудов по итогам XIV Международной открытой научной конференции ''Современные проблемы информатизации

195 18 3MB

Russian Pages 140 Year 2009

Report DMCA / Copyright

DOWNLOAD PDF FILE

Recommend Papers

Современные проблемы информатизации в проектировании и информационных системах: Сборник трудов. Выпуск 14
 978-5-98222-424-8

  • 0 0 0
  • Like this paper and download? You can publish your own PDF file online for free in a few minutes! Sign Up
File loading please wait...
Citation preview

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

ББК 32.81 С56 Современные проблемы информатизации в проектировании и информационных системах: Сб. трудов. Вып. 14/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2009. - 140 с. (409-548) ISBN 978-5-98222-424-8

Сборник трудов по итогам XIV Международной открытой научной конференции “Современные проблемы информатизации в проектировании и информационных системах”, проводившейся в ноябре 2008 - январе 2009 гг., содержит материалы по следующим основным направлениям: проектирование энергетических, электромеханических и технологических систем; информационные системы и их приложения. Материалы сборника полезны научным и инженернотехническим работникам, связанным с различными аспектами информатизации современного общества, а также аспирантам и студентам, обучающимся по специальностям, связанным с информатикой и вычислительной техникой. Редколлегия сборника: Кравец О.Я., д-р техн. наук, проф., руководитель Центра дистанционного образования ВорГТУ (главный редактор); Алиев А.А., д-р техн. наук, проф., зав. кафедрой ИТиП БГУ; Блюмин С.Л., заслуженный 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

Ó Коллектив авторов, 2009

ISBN 978-5-98222-424-8 411

СПИ-ПИ-2009 Введение Уважаемые коллеги! Перед Вами сборник трудов, опубликованный по итогам четырнадцатой Международной открытой научной конференции “Современные проблемы информатизации”. Конференция проводилась в рамках плана Федерального агентства по образованию Воронежским государственным техническим университетом, Бакинским государственным университетом, Вологодским государственным техническим университетом, Липецким государственным техническим университетом, Академией ФСО России (г.Орел), Донским государственным техническим университетом (г.Ростов-на-Дону) в ноябре 2008 - январе 2009 гг. Было решено провести в рамках настоящей конференции четыре тематически дифференцированные – «Современные проблемы информатизации в экономике и обеспечении безопасности», «Современные проблемы информатизации в моделировании и социальных технологиях», «Современные проблемы информатизации в анализе и синтезе технологических и программнотелекоммуникационных систем»; «Современные проблемы информатизации в проектировании и информационных системах». Цель конференции - обмен опытом ведущих специалистов в области применения информационных технологий в различных сферах науки, техники 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 сборнике, но и на http://www.sbook.ru/spi. Настоящий сборник содержит труды участников конференции по следующим основным направлениям: · проектирование энергетических, электромеханических и технологических систем; · информационные системы и их приложения.

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

411

О.Я.Кравец [email protected]

СПИ-ПИ-2009

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 двигателя в составе аппаратно-программного комплекса анализа технологических процессов. В основе архитектуры которых лежит микроконтроллер фирмы Analog Devices - ADuC 812. Система управления позволяет использовать различные типы регуляторов (ПИД, ПИ, ПД, П, И, Д), визуально контролировать процесс, автоматически строить графики, открывает возможности адаптации и перенастройки для различного типа технологических процессов. Введение В промышленности, постоянно повышаются требования к техническому обеспечению технологических систем, создаются новые системы контроля и управления процессом, способные удовлетворять современным требованиям. Для этих целей был разработан аппаратно-программный комплекс анализа технологических процессов в составе установки по перемешиванию пластичных масс (рис.1). Одним из основных требований процесса перемешивания пластичных масс является поддержание постоянной, заданной скорости вращения вала двигателя установки. С учетом особенностей технологического процесса, изменение вязкости перемешиваемой массы приводит к изменению нагрузки на валу двигателя и, следовательно, дестабилизирует постоянство скорости вращения. Данная ситуация представляет ряд требований 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 технологических процессов В качестве основы для реализации системы управления сбора и накопления 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 подключить цифровые измерительные приборы. Эксперименты проводились на ус412

СПИ-ПИ-2009 тановке для замеса пшеничного теста, которая имеет несколько точек для измерения: 2 точки измерения температуры, скорость вращения месильных органов, нагрузка на валу двигателя и электропроводность перемешиваемой массы. Для измерения температуры были использованы цифровые температурные датчики фирмы Dallas Semiconductor DS18S20 с интерфейсом подключения по однопроводной линии 1-Wire. Все датчики подключаются на один из цифровых входов микроконтроллера. Остальные установленные датчики, основанные на принципе изменения своего сопротивления, были подключены к входам АЦП через специальные модули сопряжения. Программная модель микроконтроллера условно разделена на несколько блоков. Главной частью программы является системное ядро, которое непосредственно взаимодействует с базовыми внутренними устройствами. Далее идут модули обработки специфичных устройств. На примере работы датчиков температуры, ядро управляет только состоянием цифровых линий, но не Рис. 1. Внешний вид аппаратно- конкретными датчиками. Т.е. программного комплекса анализа тех- только абстрагирует особенности нологических процессов работы с портами ввода-вывода контроллера. Для работы по протоколу 1-Wire, используется отдельный модуль, который абстрагирует специфику работы 1-Wire и представляет для клиентов доступ на уровне отдельных устройств, подключенных к этой линии. Наконец последний уровень – это уровень абстракции датчиков. Т.е. как они представляются с точки зрения 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 взаимодействует программная часть регулятора скорости вращения двигателя (рис.2). Основная его идея – представить устройство как набор виртуальных портов, через которые можно получать и передавать данные между ПК и устройством. Это позволяет избежать прямого обращения к памяти устройства, что вызвало бы жесткую зависимость программного обеспечения на стороне ПК от конкретной реализации устройства. В протоколе предусмотрено 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 портов. Кроме того предусмотрена функция опроса состояния порта, которая по413

СПИ-ПИ-2009 зволяет просканировать подключенное устройство и определить его доступную функциональность. Подобная организация программ и методов их взаимодействия позволяют, во-первых: минимизировать зависимость от конкретного микроконтроллера (система может быть перенесена на другую элементную базу с минимальными изменениями); во-вторых, обеспечить прямую и обратную совместимость связки «устройство–ПК». Задача регулирования скорости вращения двигателя служит классическим примером теории управления и решается с помощью использования регулятора (рис. 3) с обратной связью. В данной системе реализованы 6 типовых видов регуляторов (ПИД, ПИ, ПД, П, И, Д). Эти типы регуляторов используются как устройства в цепи Рис. 2. Программная модель микроконтроллера обратной связи для подADuC 812 и ее взаимодействие с системой регу- держания заданного зналяции и контроля чения измеряемого параметра (скорости вращения ротора двигателя). Например, ПИД - регулятор измеряет отклонение стабилизируемой величины от заданного значения (уставки) и выдаёт управляющий сигнал, являющийся суммой трёх слагаемых, первое из которых пропорционально этому отклонению, второе пропорционально интегралу отклонения и третье пропорционально производной отклонения (или, что то же самое, производной измеряемой величины). Назначение ПИД регулятора в системе - поддержание заданного значения x0 некоторой величины x (заданной скорости вращения) с помощью изменения другой величины u (действительной скорости вращения). Значение x0 называется уставкой, а разность e = (x0−x) - невязкой или рассогласованием. Выходной сигнал регулятора u определяется тремя слагаемыми: t

u (t ) = P + I + D = K p e(t ) + K i ò e(t )dt + K d

de dt

, 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 которой на пропорциональный коэффициент усиления умножены также интегральная и дифференциальная составляющие: 0

414

СПИ-ПИ-2009 t

u (t ) = K p (e(t ) + K ip ò e(t )dt + K dp 0

de dt

Рис. 3. Интерфейс программы система управления скоростью вращения двигателя постоянного тока на базе микроконтроллера ADuC 812 Но в данной системе используется форма с непосредственным заданием интегрального дифференциального и пропорционального коэффициентов. Рассмотрим их влияние на процесс регулирования. Пропорциональная составляющая устраняет непосредственно ошибку в значении стабилизируемой величины, наблюдаемую в данный момент времени. Интегральная составляющая используется для устранения статической ошибки. Она позволяет регулятору «учиться» на предыдущем опыте. Дифференциальная составляющая противодействует предполагаемым отклонениям регулируемой величины, которые могут произойти в будущем. Программная реализация регулятора выполнена на языке С# под платформу 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 позволяет устранить возможные конфликты между разными версиями сборок. Данная технология открывает возможности высокой функциональной расширяемости системы и возможность системы не привязывается к определенном языку программирования. Так же технология Mono (разработка Novell), как реализация .NET на Unix-подобных системах – открывает потенциальную возможность использования системы регулирования не только на Windows–подобных операционных системах, но и на Unix. Из графиков (рис. 4) видно, что использование регулятора на различных скоростях - является эффективным методом для стабилизации и управления системой вращения валом двигателя под нагрузкой и без нее. А система сбора и хранения данных позволяет оперативно получать точную информацию о системе, стоить графики, математическую модель с целью дальнейшего изучения и обработки экспериментальных данных и постановки даль415

СПИ-ПИ-2009 нейших задач по функциональному расширению аппаратно-программного комплекса анализа технологических процессов.

Рис. 4. Использование регулятора: слева - без нагрузки, справа - под нагрузкой Заключение Предложенная автоматизированная система управления скоростью вращения двигателя постоянного тока на базе микроконтроллера ADuC 812 в составе аппаратно-программного комплекса анализа технологических процессов является достаточно гибкой и адаптивной, с высокими возможностями расширения функциональности системы. В частности расширения количества используемых регуляторов и алгоритмов управления, добавления системы сбора и хранения данных результатов эксперимента, управления и контроля за другим параметрами технологического процесса (например снятия значений нагрузки с вала вращения двигателя). Применение разнотипных регуляторов помогает анализировать принцип регулирования, и подбирать оптимальные значения параметров регулятора для различного рода технологических 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 регулирования, 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 технологий в области средств измерения открывает новые возможности при обработке, хранении, отображении и передаче данных, которые недостижимы для традиционных приборов. Система анализа электрических сигналов на базе ПК представляет собой новое направление развития измерительного оборудования, которое предназначено для мониторинга, измерения, хранения и обработки парамет416

СПИ-ПИ-2009 ров и характеристик как регулярных, так и случайных электрических величин. Компьютерная система анализа электрических сигналов содержит аппаратную и программную составляющие. В состав первой входят первичные преобразователи в виде датчиков тока и напряжения с гальванической развязкой, которые преобразуют измеряемые величины в электрические сигналы диапазона от -5 до +5 В. Выходные сигналы измерительного блока подаются на входы быстродействующего 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, предназначенным для ввода, вывода и обработки аналоговой и цифровой информации в персональных IBM совместимых компьютерах. Благодаря интерфейсу PCI обеспечивается высокая скорость обмена информацией (данными) с программной составляющей комплекса и исключаются конфликты с другими платами, установленными в персональном компьютере. Внутренняя архитектура встроенного высокопроизводительного сигнального процессора фирмы Analog Devices Inc. ADSP-2184 позволяет оптимально реализовать такие алгоритмы, как цифровая фильтрация, спектральный анализ и т.д. Процессор обладает своим собственным контроллером ПДП для доступа к любой ячейке внутренней памяти. Благодаря этому программное 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. Максимальная пропускная способность обмена данными между сигнальным процессором и компьютером составляет приблизительно 10Мб/с. Весь обмен данными с центральным компьютером DSP осуществляет через выделенный канал IDMA. Протокол работы с каналом предусматривает возможность загрузки в сигнальный процессор управляющей программы (драйвера), которая осуществляет требуемые алгоритмы ввода-вывода. Сигнальный процессор обеспечивает также взаимодействие с микросхемой двухканального ЦАП через встроенный последовательный порт. Управление внешними цифровыми линиями осуществляется DSP с помощью чтения/записи нулевой ячейки своего пространства ввода/вывода. В разработанном комплексе предусмотрена возможность задания частоты работы АЦП за счет изменения частоты следования управляющих импульсов. Управление адресом (номером) канала, коэффициентом усиления сигнала и типом подключения входных каскадов происходит с использованием 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. 417

СПИ-ПИ-2009 Большой кольцевой буфер доступен пользовательскому приложению – имеется указатель на начало этого буфера. Кроме того, имеется счетчик заполнения буфера. Используя этот счетчик можно забирать данные из заполненной части кольцевого буфера. Для снятия данных с измерительного блока используется дифференциальный режим подключения к плате. При такой схеме подключения сигнала измеряется разность напряжений между двумя входами канала и обеспечивается подавление синфазных помех, возникающих в соединительных проводах, не менее чем на 60Дб. Каждый источник сигнала подключается к соответствующему 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 анализа электрических сигналов в области силовой электроники, а также системы высокоточной идентификации и технической диагностики для электромеханических объектов. Бeляева М.А. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ УПРАВЛЕНИЯ ТЕПЛОМАССООБМЕННЫМИ ПРОЦЕССАМИ ТЕПЛОВОЙ ОБРАБОТКИ МЯСОПРОДУКТОВ [email protected] Разработана информационная технология управления тепломассообменными процессами при тепловой обработки мясопродуктов, с применением современных программных средств с целью визуализации, отслеживания, контроля и регулирования основных параметров процесса на основе оптимизации технологических регламентов с максимальным сохранением пищевой и биологической ценности. Процесс тепловой обработки можно описать системой дифференциальных уравнений тепломассопереноса (1) для обобщенных переменных в критериальной форме при любых условиях: é ¶ 2 U ( X , Fo ) é ¶ 2 ( X , Fo ) ¶ T ( X , Fo ) Г ¶ U ( X , Fo ) ù ; Г ¶ Т ( X , Fo ) ù ú ú - e × Ko × Lu × ê + × + × = (1 + e × Ko × Pn × Lu ) × ê ¶ Fo

ê ë

¶X 2

¶U

X

é ¶ 2 U ( Х , Fo ) ¶ U ( Х , Fo ) Г ¶ U ( Х , Fo ) ù ú - Lu × Pn + × = Lu × ê 2 ¶Х ¶ Fo Х ú ê ¶Х û ë

гдe: ра;

Х=

х R

- безразмерная координата;

U = (U * - U ) / DU *

перехода;

Fo =

a ×t R2

ê ë

ú û

¶X 2

é ¶ 2 T ( Х , Fo ) Г ¶ Т ( Х , Fo ) ù ú + × ×ê 2 ¶Х Х ú ê ¶Х û ë

T = ( t - t * ) / Dt *

X

¶X

ú û

(1)

- безразмерная температу-

- безразмерное влагосодержание; ε – критерий фазового - критерий Фурье ;

418

Кo =

r × DU r × c m × DQ = c × g × Dt c × g × Dt

- критерий

СПИ-ПИ-2009 Коссовича;

Рn =

a T ×ro × DT d × DT = m DU ro × а m × DU

- критерий Поснова;

Lu =

am ag

;

Lu =

ap ag

-

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: ¶ T ( Х , Fo ) ¶ 2 T ( X , Fo ) ¶ 2 U ( Х , Fo ) ; (2) = (1 + e × Ko × Pn × Lu ) × - e × Ko × Lu × ¶Х

¶ Fo

¶Х 2

- для переноса влаги: ¶ U ( Х , Fo ) ¶ 2 U ( Х , Fo ) ¶ 2 T ( Х , Fo ) = Lu × - Lu × Pn × ¶ Fo ¶Х 2 ¶Х 2

при граничных условиях: - для теплопереноса: - для влагопереноса: где

Кi m =

U0 - U U - F0

;

(3)

¶ T (1, Fo ) + Кi g × Fо - (1 - e ) × Lu × Ко × Кi m ( Fо ) = 0 ¶Х ¶ U (1, Fo ) ¶ T (1, Fo ) + Рn × + Кi m ( Fo ) = 0 , ¶Х ¶Х

;

(4)

-массообменный критерий Кирпичева; Kig – теплообменный

критерий Кирпичева;

Fe = e × Ко × Рn =

e×d ×r c×g

- критерий Федорова;

Если считать изменение температуры и влаги одинаковым, то при X=0 ¶ U ( 0 , Fo ) ¶ T ( 0 , Fo ) (5) = 0 = ¶Х

¶Х

U = (Х ,0) = U 0 = const ;

(6) и начальных условиях: T = (Х,0) = T = const 0 Аналитическое решение уравнений (2), (3) при условиях (4)-(6) представляется сложными выражениями с разложением в ряд с громоздкими коэффициентами и многостадийными вычислениями, что делают их практически неприемлемыми для вычисления тепловых и влажностных полей и определения оптимальных технологических режимов. Для численного решения задачи необходимо знать параметры внутреннего переноса энергии и вещества, критерии внутреннего переноса тепла и влаги, суммарный критерий фазового перехода. Считая образец полубесконечным тонким стержнем, ( 0 < х < ∞ ) и (d< l) для одномерной задачи получить численное решение критериальных уравнений: 2 ù é 2 ¶ 2T ¶T ¶U (7) = + W ( N , Fo ) ; ¶ U = ê ¶ U + Pn × ¶ T ú × Lu + e × Ko × ¶ Fo

¶ Fo

¶N 2

¶ Fo

ê ¶N 2 ë

¶ N 2 úû

где N – параметр толщины образца (безразмерная величина); Т - относительная безразмерная температура. Критериальные уравнения (7), приведены в параметрический вид: dt dU e×r w , (8) = a ×Ñ2t + + + dt

c

dt

r×c

dU = a m ×Ñ 2U + a m ×dm Ñ 2t dt

419

СПИ-ПИ-2009 где t – температура продукта, ºК.; U – влагосодержание, %; t – время, сек.; a , a m – коэффициенты температуропроводности и влагопроницаемости, м2/cек; c – удельная теплоемкость продукта, Дж/кг·ºК: e – критерий фазового перехода «жидкость – пар»; rP – 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 тепловой обработки мясопродуктов с помощью конечно - разностной имитационной модели тепломассообменного процесса в цилиндрических координатах [1]. Граничные условия на боковой и торцевой поверхностях продукта цилиндрической формы для симметричного нагрева записываются условиями третьего и второго рода, для одной четверти осевого сечения цилиндра в конечно-разностной форме - для теплообмена: to, j,k = tl , j,k ; j = 1, m; ti,o,k = ti,l ,k ;i =1, n æ ah k ö æ ah ö

+ 1÷; j = 1, m - 1 t n , j , k = ç t cp + t n -1, j , k ÷ / ç è l ø è l ø (9) t0,1 + t1,0 tn-1,m + tn,m-1 æ ah k ö æ ah ö ; tnm = t i , m ,k = ç t cp + t i , m -1,k ÷ / ç + 1÷; i = 1, n - 1 too = 2 2 è l ø è l ø где a - коэффициент теплоотдачи, Вт/м². ; l - коэффициент теплопро- водно-

сти, Вт/м; - для массообмена : ah Un, j,k = ( u ukср + un-1, j,k ) lu

ah ah ( u +1); j =1, m-1 Ui,m,k = ( u ukср + ui,m-1,k ) lu lu

ah ( u +1);i =1, n -1 lu

U 0, j ,k = Ui, j ,k ; j = 1, m; U i , 0 , k = U i ,1, k ; i = 1, n U0,0 = u0,1 + u1,0 ; Unm = un-1,m + un,m-1 (10) 2

2

где a , l - коэффициенты влагоотдачи и влагопроводности. u u 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 пищевой и биологической ценности от температуры в виде степенных полиномов. Объединением уравнения тепломассопереноса с уравнениями регрессии, получена 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 вывода результатов вычислений на экран были использованы элементы MSFlexGrid c использованием приложения Microsoft excel языка программи-

420

СПИ-ПИ-2009 рования VBA, графической среды Labview, интерфейсы написаны в Delphi,основные процедуры – в Object Pascal [1,2] Таким образом, информационные технологии оптимального проектирования процесса тепловой обработки мясопродуктов, позволяют автоматизировать и визуализировать процесс, проводить процесс в заданном технологическом интервале нагрева и получить продукты требуемого качества. Список использованных источников 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 оптимизации 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 достаточно часто в машиностроительном производстве. Рассмотрим задачу углового позиционирования высокоинерционной заготовки при действии момента сопротивления, соответствующего граничному трению. Значительный момент инерции накладывает ограничения на скорость вращения заготовки при позиционировании, а наличие граничного трения затрудняет применение ПИ-регулятора. Характер движения в системе позиционирования 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, противоположную движению на величину деформации, что приводит к ошибке по позиционированию. 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. 421

СПИ-ПИ-2009 Для исключения подобного явления в алгоритм управления сервоприводом высокомоментного двигателя, позволяющего контролировать и управлять величиной крутящего момента на валу, был включен предсказывающий модуль, измеряющий на начальном этапе позиционирования величину крутильной жесткости системы в режиме управления по моменту, оценивающий, на промежуточном этапе, величину крутильной деформации, и учитывающий 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 управления которого содержит ПЛК S7-224XP, сервопривод SGDH Omron с BLDC двигателем SGMGH Yashkawa и датчик обратно связи ЛИР-158 с разрешением 65536 имп/оборот, была достигнута точность позиционирования в 5 угловых 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 логикодинамических систем расширяет возможности их анализа и синтеза. Управление 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 уравнениями: a di U × k = ((R + R доп ) × l × i + L + C e w cos(wt + K + Q i )) , dt 2 где U - напряжение питания, w - угловая частота вращения, i - рабочий ток, L - индуктивность двигателя, a K - угол коммутации, Q i - угол между полем ротора и статора, C e - коэффициент противоэдс, R - активное сопротивление, R доп - дополнительное активное сопротивление в режиме динамического торможения БДПТ, l = (0; 1) (в двигательном режиме l = 0 , в режиме динамического торможения l = 1 ), k = 1, - 1, 0 , i = 1,2,..., n - коэффициент, опреде422

СПИ-ПИ-2009 ляющий состояние динамической части; a dw J = C M i cos(wt + K + Q i ) - M H , dt 2 где J - момент инерции двигателя, C M - коэффициент двигателя, M H - момент нагрузки; j = ò wdt , где j - угол поворота ротора БДПТ. Предложенная с учетом методологии логико-динамических систем уточненная математическая модель ЭМС с БДПТ является комплексной, поскольку полученные функциональные зависимости 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 комбинации различных состояний. Предложенная математическая модель с использование современных инструментальных средств позволяет решать задачи 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 основной задачей считается построение их корректных моделей во временной или частотной области. При этом полученная модель должна быть адекватна объекту 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 сигналы 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

,

lim y ( t ) = y уст = const

t ®¥

, отсутствие незатухающих колебаний. Помимо

этого предполагается, что x ( t ) задано аналитически, а y ( t ) - таблично. Пусть t п - время переходного процесса. Для разложения входного и выходного сиг-

налов в ряд Фурье периодизируем их в соответствии с формулой: 423

СПИ-ПИ-2009 m × 2t п < t < ( 2m + 1) × t п , ìx ( t ) , y ( t ) , ï x* ( t ) , y* ( t ) = í x ( t п ) - x ( t - t п ) , y ( t п ) - y ( t - t п ) , ( 2m + 1) × t п < t < 2 ( m + 1) × t п , ï îm Î N.

В соответствии с формулами разложения в ряд Фурье функции задан* ной таблично имеем для y ( t ) : ¥

a y0

y (t) = *

+ å

k =1

2

2 n * a y0 = × å yi n i =1 ,

( a yk ) + ( b yk ) 2

a yk =

2

æ æa р×k yk × sin ç × t + arctg ç ç tп ç b yk è è

æ р×k ö 2 n * × å yi × cos ç × ti ÷ ç t ÷ n i =1 è п ø

b yk =

,

öö ÷÷ ÷÷ øø ,

æ р×k ö 2 n * × å yi × sin ç × ti ÷ ç t ÷ n i =1 è п ø

.

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

¥ a x* ( t ) = x0 + å 2 k =1

a y0 =

b yk =

1 tп 1 tп

2t

п *

× ò x 0 2t

0

æa × t + arctg ç xk çb t è xk è п

( t ) dt

a yk =

,

п *

× ò x

æ р×k

( a xk )2 + ( b xk )2 × sin çç 1 tп

2t

п *

× ò x 0

öö ÷÷ ÷÷ øø ,

æ р×k

ö × t ÷ dt ÷ è tп ø ,

( t ) × cos çç

æ р×k

ö × t ÷ dt ÷ è tп ø .

( t ) × sin çç

Очевидно, что отношение амплитуд выходного сигнала к амплитудам входного сигнала при соответствующих частотах дает амплитуднор×k щ= tп . частотную характеристику. Частота вычисляется по формуле: С учетом вышесказанного для амплитудной характеристики справедливы соотношения: A ( 0) =

a y0 a x0

æ р×k ö Aç ÷= ç t ÷ è п ø

( a yk ) + ( b yk ) 2

2

( a xk )2 + ( b xk )2 .

, Для получения коэффициентов передаточной функции она преобразуется в АЧХ и подвергается минимизации ошибки по методу ЛевенбергаМаквардта. Приведенные формулы позволили реализовать виртуальный прибор для идентификации электропривода в системе графического программирования Labview 7.0 фирмы National Instruments. Список использованных источников 1. Елюков А.С., Водовозов А.М. К вопросу об идентификации линейных динамических систем по результатам экспериментальных исследова424

СПИ-ПИ-2009 ний// Системы управления и информационные технологии. 2008. - №2.2(32). – с. 253-256. 2. Водовозов А.М., Елюков А.С. Лабораторный практикум по статистической параметрической идентификации динамических систем. Труды седьмой междунар. НПК «Образовательные, научные и инженерные приложения 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 оборудования вступило в противоречие с необходимостью обеспечения его надежной работы и сведения к минимуму числа аварийных отключений. Необходимость разрешения этого противоречия привела к формированию нового подхода в АСУ ТП, в основе которого лежит одновременный мониторинг оборудования, анализ рисков, прогнозирование аварий и управление технологическим процессом на основе полученных данных [1]. Для управляемого оборудования электрических подстанций подсистемы мониторинга, диагностики и управления целесообразно выполнять как единый программно-технический комплекс, что позволяет: Исключить дублирование первичных датчиков и вторичных преобразователей для приема входной информации; Повысить надежность и качество управления за счет контроля исполнения каждой команды. На отечественном и зарубежном рынке подобные системы существуют в виде отдельных субсистем управления, мониторинга и диагностики отдельных видов оборудования [1]. В КТИ ВТ СО РАН разрабатывается ПТК Контроллер Электрической Ячейки (КЭЯ) - многофункциональное мультипроцессорное устройство, предназначенное для комплексного управления, мониторинга, диагностики оборудования ячейки электрической подстанции, технического учета и контроля качества электроэнергии, регистрации аварийных 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

425

СПИ-ПИ-2009 внешнюю среду выходит только кабель для выхода в локальную сеть нижнего 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 состояния, конфигурирование контроллера и пр. Местное управление и отображение 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 измерений 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 оповещение для каждого вида события, параметры технического учета электроэнергии 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:

426

СПИ-ПИ-2009 Создание предпосылок для существенного снижения числа технологических нарушений и предотвращения крупных аварий; Сокращение затрат на необоснованное обновление оборудования, его комплексное обследование и проведение ремонтов; Сокращение численности персонала в результате внедрения автоматизированных методов диагностики. Список использованных источников 1. Мордкович А.Г., Горожанкин П.А. О построении подсистем мониторинга, 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 высокотехнологичных задач возможно только при наличии современной по структуре и техническим характеристикам компьютерно-приборной базы эксперимента (КПБЭ). При этом под структурой современной КПБЭ мы понимаем совокупность сред: информационно-вычислительной на уровне мировых стандартов и базирующейся на HPC-системах; телекоммуникационной, работающей на гигаскоростях, например, по “лямбда” каналам на основе технологии плотного волнового мультиплексирования (DWDM) и приборноинтерфейсной на базе мультипроцессорных систем сбора и обработки данных, участвующих в непосредственном взаимодействии (измерение, контроль, управление) с изучаемым объектом. В качестве основных сервисов, представляемых КПБЭ экспериментатору можно выделить приборно-вычислительный (ПВС), вычислительный (ВычС), телематический (ТелС) и сервис по хранению и структуризации данных (СХСД). При этом под ПВС понимаем возможность создания и обеспечения приборного интерфейса с применением инструментальной оболочки средств ВычС. ВычС-это возможность решения разнообразных счетных научных 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 интерфейсы-LAN-MAN-WAN” в целях обеспечения экспериментальных исследований. Под СХСД-услуги по хранению и сортировке потока данных, получаемого в процессе эксперимента для последующей обработки, визуализации и анализа результатов и опять же последующего хранения. 427

СПИ-ПИ-2009 В графическом виде структура КПБЭ как основа для WEBэксперимента представлена на рис. В качестве ключевых структур можно выделить: для ПВС-информационно-управляющую подсистему как вычислительно-интерфейсную основу объектно-ориентированных автоматизированных систем формирования интенсивного потока данных и управления натурным экспериментом; для ВычС-обслуживающую подсистему централизованных и распределенных вычислений и обработки интенсивного потока данных; для ТелС-телекоммуникационную подсистему передачи данных на основе методологии и инструментария локального и распределенного сервиса; для СХСД-локальную и распределенную системно-организованную подсистему сортировки и хранения данных.

Рис. Структура КПБЭ (подсистема транспортировки данных и информации представлена в виде потоковых стрелок серого цвета) Схема организации натурного эксперимента, в зависимости от сложности 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 вычислительного 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 па428

СПИ-ПИ-2009 раллельной обработки. В ходе обеспечения экспериментальных исследований 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 возможности обеспечения качественных сварных соединений. В свою очередь качество сварных соединений зависит от многих параметров: точность изготовления деталей - Dи; точность изготовления приспособления – Dп; точность используемых манипуляторов - Dм; точности робота - Dр; от качества работы программиста-оператора (человеческий фактор) - Dч; от отклонений проволоки от оси горелки - Dо; от отклонений связанных со сварочными деформациями - Dд. Параметры всех перечисленных выше отклонений имеют случайный характер. Задача оценки возможности сварки роботом в данной работе рассматривается 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 - манипуляционная 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 вышеуказанных величин (Dи, Dп, Dм, Dр, Dч, Dо, Dд); задаётся закон возможного отклонения проволоки от запрограммированного положения оси сварочной горелки. Система случайным образом, но в рамках законов распределения, генерирует величины отклонений (Dи, Dп, Dм, Dр, Dч, Dо, Dд) и рассчитывает величину зазора в стыке b и отклонение проволоки от стыка δ. Расчет этих величин производится 103 – 104 раз. Они сравниваются с допустимыми отклонениями |b| и |δ|, которые находятся в банке данных. Система подсчитывает процент получения качественных изделий. На основании этого принимается решение о качестве получаемого изделия.

429

СПИ-ПИ-2009 Для тонкостенных конструкций с большим количеством круговых швов роботизация осложняется вследствие появления сварочных деформаций. В связи с этим применение имитационной модели прогнозирования качества сварных соединений при их выполнении неадаптивными роботами для данных конструкций, состоит в следующем: принятие конструктивно-технологических решений по снижению перемещений 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 (Dи, Dп, Dм, Dр, Dч, Dо, Dд), влияющих на получения качественного сварного соединения. После чего становится возможным реализация алгоритма модели прогнозирования качества для тонкостенных конструкций с большим количеством круговых швов на ЭВМ при помощи любого языка компьютерного программирования. 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 информации и принятию верного решения. Наиболее эффективным способом борьбы с подобного рода помехами является адаптивная эхо-компенсация, основные принципы и особенности применения которой достаточно подробно изложены, например, в [1, 2]. В общем случае любая практическая реализация адаптивного эхокомпенсатора (ЭК) может быть описана некоторым набором показателей качества q = (Q1 , Q2 ,...., Qk ) Î R k , где R k – k-мерное пространство показателей качества системы. Реализация одного из конкретных вариантов ЭК связана с выбором определенной структуры str , согласно которой может быть построен 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 программных средств реализации конкретного ЭК. В качестве координат векторов 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 q = j (str, alg, hrd) , где j (*) – вектор-функция взаимосвязи показателей и определяющих факторов. 430

СПИ-ПИ-2009 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 эхосигнала в дБ. Поскольку его значение регламентируется рекомендациями Международного союза электросвязи (МСЭ), то при проектировании ЭК, работающего в реальных приложениях, значение ERLE не должно быть меньше значения x ДОП , указанного в соответствующей рекомендации. Кроме точности настройки адаптивного ЭК, определяемой значением ERLE, важно чтобы время на настройку ЭК по выбранному алгоритму адаптации было минимальным и ЭК обладал возможностью работы в реальном времени. Поэтому в качестве второго элемента вектора показателей качества q примем время сходимости алгоритма адаптации TСХОД . Значение этого параметра также оговаривается в соответствующей рекомендации МСЭ, поэтому на этот параметр накладывается ограничение вида TСХОД £ t ДОП . При разработке ЭК также должна быть учтена принципиальная возможность его практической реализации в рамках выбранной аппаратной базы hrd DSP . Для учета этого свойства требуется ввести в вектор показателей качества элемент CВЫЧ , отражающий вычислительные затраты на реализацию ЭК по выбранной структуре и на основе выбранного алгоритма адаптации. А также элемент M ТРЕБ , отражающий требуемый объем памяти, который ограничен ресурсами конкретного сигнального процессора M ТРЕБ < M DSP . Таким образом, вектор показателей качества принимает следующий вид: T q = éë ERLE TСХОД CВЫЧ M ТРЕБ ùû . На основе вышесказанного задача оптимизации параметров структуры адаптивного ЭК может быть формализована следующим образом. Найти такую 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 hrd DSP : ìq = CВЫЧ ( str, alg ) ® opt ; str , alg ï ï ERLE ³ x ; ДОП ïï íTСХОД £ t ДОП ; ï ïM ТРЕБ < M DSP ; ïhrd = hrd DSP . ïî

(1)

Поиск решения (1) аналитическим способом предполагает проведение процедуры многокритериальной оптимизации, что является определенной трудностью на практике. Тем не менее, поставленную задачу можно несколько упростить, ограничив область значений векторов str и alg . Опираясь на исследования, проведенные в [3] имеем: str = str = [ FB ] , 431

СПИ-ПИ-2009 alg = alg = [ Х-РНК #РНК ААП ] . Здесь FB = J ( Np , L, m ) – функция, определяющая свойства банка фильтров (БФ), аргументами которой являются следующие параметры: Np = abc (e1 ДОП , e 2 ДОП ) – порядок низкочастотного фильтра-прототипа, зависящий от показателя прямоугольности АЧХ a , показателя узкополосности фильтра b и логарифмического показателя частотной избирательности c (e1 ДОП , e 2 ДОП ) ; L – число субполосных каналов; T

m = [ M 0 , K , M L-1 ] – вектор коэффициентов децимации БФ; J (*) – некоторая функция взаимосвязи основных параметров БФ. В состав вектора алгоритмов адаптации входят следующие составляющие: рекурсивный метод наименьших 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 F MR , FB Î F MR (фактически класса БФ), в рамках которого вектор показателей качества q примет оптимальное значение для одного из заранее выбранных алгоритмов адаптации. Тогда задачу оптимизации параметров адаптивного ЭК можно формализовать следующим образом. Найти такую форму структурной реализации str в классе функций F MR , FB Î F MR , которая в сочетании с одним из алгоритмов из набора alg позволят достичь оптимального значения вектора качества q при условии, что ЭК будет реализован на базе заранее выбранного аппаратного базиса hrd DSP . Таким образом, имеем: T

(

)

ìq = CВЫЧ str, alg ® opt ; ï str , alg ï MR ïstr = [ FB ], FB = J ( Np , L, m ) Î FB ; ïalg = [Х-РНК #РНК ААП]T ; ïï í ERLE ³ x ДОП ; ïT ï СХОД £ t ДОП ; ï M ТРЕБ < M DSP ; ï ïhrd = hrd DSP . ïî

(2)

В докладе рассматриваются вопросы экспериментального решения задачи оптимизации параметров структуры адаптивного ЭК, формализованной в виде (2), с использованием методов компьютерного моделирования и математической статистики. Список использованных источников 1. Кузнецов Е.П., Витязев В.В. Цифровая обработка сигналов в задачах эхо-компенсации: тематический обзор (часть 1) // Цифровая обработка сиг432

СПИ-ПИ-2009 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 сигналов. – 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 охлаждающее действие смазочно-охлаждающих жидкостей необходимо компенсировать 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 эффективность можно с точки зрения теплопередачи. Значение коэффициента теплопередачи для твердого сплава режущего инструмента может быть рассчитано по формуле (1) [4] k=

1 1 d 1 + + a1 l a 2

(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 теплопроводностью можно оценить по формуле (1). Как видно из графика (рис. 1) изменение коэффициента теплопроводности почти не влияет на коэффициент теплопередачи. Поэтому для тонких d

пластин можно принять l = 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 значение коэффициента теплоотдачи α2 путем охлаждения опорной поверхности режущей пластины. Оценить эффективность охлаждения опорной поверхности СМП кипящей жидкостью (на примере воды с антикоррозийной добавкой) возможно

433

СПИ-ПИ-2009 зная коэффициент теплоотдачи α2, который при кипении воды может достигать значения 5800 Bт/мºС.

Рис. 1. Зависимость коэффициента теплопередачи от коэффициента теплопроводности 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 изменение 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 поверхностью, что значительно снижает ее эффективность. Наиболее эффективным способом увеличения теплопередачи является увеличение коэффициента теплоотдачи от опорной поверхности, кипящей жидкостью. Список использованных источников 1. Неперетачиваемые пластины повышенной теплопроводности// Труды научно-теоретической конференции профессорско-преподавательского состава «Транспорт-2003» / Г.С. Николаева, Ю.С. Дубров, М.М. Якушев, С.В. 434

СПИ-ПИ-2009 Нехорошков. – Ростов н/Д: Ростов. гос. ун-т путей сообщения, 2003. - Ч.1. 2. Дубров Ю.С., Грибельный М.Г. Сборные резцы, оснащенные тепловыми трубами. СТИН 2002 №9. 3. Котельников В.И., Абдулаев Ш.Р., Ларин А.А.. Резец с водяным охлаждением. 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 оборудование. 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 контроль по вторичным характеристикам - статистике ошибок в последовательности дискретных элементов и блоках информации с учетом зависимого характера их искажения. В качестве оценки неизвестной вероятности Р используется, как правило, коэффициент ошибок по единичным элементам [1]. Преимущество этого метода контроля заключается в том, что не требуется никакой измерительной аппаратуры, а весь контроль можно осуществить с помощью аппаратуры передачи данных и специального комплекса программ. Другой метод контроля - это контроль первичных статистических характеристик канала тональной частоты с помощью измерительной аппаратуры [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 измерительной аппаратуры, с помощью измеренных характеристик нельзя достоверно предсказать как будет вести себя аппаратура передачи данных при работе по этому каналу, отсутствие оперативности, нельзя измерить такие параметры, как дробление и краевые искажения. Но есть, также, и преимущества. Первое, возможность определить причину возникновения ошибок и устранить ее. Второе, при организации канала передачи данных нельзя воспользоваться контролем по вторичным статистическим характеристикам и определить вероятность появления ошибки. Таким образом, наилучшим методом контроля каналов тональной частоты является контроль по первичным статистическим характеристикам. 435

СПИ-ПИ-2009 Список использованных источников: 1. Коричнев Л.П., Королев В.Д. Статистический контроль каналов связи. - 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 изделий 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 моделей [1]. Эскизно-структурное моделирование, основывающееся на типизации и классификации изделий корпусной мебели и ее элементов, обеспечивает укрупненное (эскизное) представление мебельной конструкции. Для идентификации элементов этой конструкции используется система соподчиненных понятий: изделие (F), секция (S), блок (B), деталь (D). С использованием данных понятий структуру любой мебельной конструкции модульного типа можно представить в виде планарного графа, каждая вершина которого относится к одному из следующих уровней: (1) F = S U D' ; l æm ö æ n ö (2) S = U S i , S i = çç U B j ÷÷ U çç U D 'k ÷÷ ; i =1 ø è j =1 ø è k =1 p æ q ö æ s ö ç (3) B = U Bi , Bi = ç U D j ÷÷U çç U D 'k ÷÷ ; j = k = 1 1 è ø i =1 è ø D U D ' = {d1 , d 2 ,..., d n } , D I D ' = Æ , (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 определенный параметр мебельной конструкции. Полное эскизное описание, помимо указания составных элементов и их атрибутов, требует указания отношений (взаимосвязей) между ними. С учетом специфики конструирования корпусной мебели можно выделить следующие отношения между элемента436

СПИ-ПИ-2009 ми: вложенности, или принадлежности, выравнивания, пропорциональности, симметрии, зеркальности (зеркальной симметрии), сопряжения. Для описания различных типов отношений между элементами мебельной конструкции может быть использован структурированный хроматический (цветной) граф с параллельными ребрами, представленный как объединение подграфов: (5) G (V , E ) = G N U G A U GS U GI U GM U GP . Цвета в графе G(V,E) используются для окраски как вершин, представляющих сгруппированные по уровням элементы, так и ребер, задающих различные отношения между элементами одного или разных уровней иерархии. Каждый из подграфов (5) имеет одинаковое количество вершин, представляющих элементы конструкции, и различное количество ребер, отражающих свойства отношений между элементами: G N (V , E N ); G A (V , E A ); GS (V , E S ); GI (V , E I ); GM (V , E M ); G P (V , E P ) , (6) где EN – множество отношений вложенности, EA – отношений выравнивания, ES – отношений симметрии, EI – отношений сопряжения, EM – отношений зеркальности, EP – отношений пропорциональности. Свойство структурированности 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 хроматического графа (5), дополняя множество его окрашенных ребер окрашенными петлями. Каждая петля представляет какой-либо внешний атрибут элемента: один из геометрических атрибутов (например, привязка элементов структуры, привязка к узлам сетки, ориентация элементов структуры, простановка размеров), материал, текстура, цвет, чистота обработки, покрытие и другие. Для визуализации структурной модели мебельного изделия предлагается использовать «оболочечную» модель - высокоуровневое представление изделия, подготовленное для размещения в среде виртуальных сцен, или миров. Конвертирование структурной модели в динамическую оболочечную модель выполняется в два этапа: 1) трансформация в высокоуровневое представление на языке VRML (X3D); 2) выделение объектов с динамическими свойствами, анализ особенностей функционирования этих объектов, разработка для них статико-динамических диаграмм и формирование соответствующих сценариев (script). Таким образом, оболочечная модель, формируемая в результате реконструкции основных геометрических свойств структурной модели изделия, наделяется динамическими свойствами путем размещения 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. 437

СПИ-ПИ-2009 Чернега Д.В., Айдинян А.Р. ТЕЛЕКОММУНИКАЦИОННЫЙ СПОСОБ УПРАВЛЕНИЯ ЭЛЕКТРИЧЕСКИМИ СЕТЯМИ [email protected] Современные условия эксплуатации электрических сетей требуют существенно повысить автоматизацию и управляемость в связи с большой протяженностью воздушных распределительных сетей. В отечественных распределительных сетях среднего напряжения оснащенность средствами телекоммуникаций 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 возможностями сбора и передачи информации о параметрах режимов работы линий. Для отключения шины при коротких замыканиях за разделительным трансформатором устанавливается вакуумный реклоузер РВА/TEL-1012,5/630 производства компании «Таврида Электрик», включающий в себя коммутационный модуль с вакуумным выключателем, систему измерения токов и напряжения и шкаф управления с микропроцессорной защитой и автоматикой. Известно, что при однофазном замыкании на землю напряжение в одной (поврежденной) фазе снижается, а в неповрежденных фазах остается на уровне номинального. Основываясь на этом факте построена защита от однофазных замыканий на землю по напряжению с контролем фазных напряжений. 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 выполнять следующие функции: считывание информации с реклоузера, управление вакуумным реклоузером, определение однофазного замыкания на землю, самостоятельное принятие решений при возникновении нештатных ситуаций. Был рассмотрен набор продукционных правил, используемых в системе. Приведем пример продукции при возникновении аварии: Если (( U r < U уст1 ) and ( U s > U уст2 ) and ( U t > U уст2 )) or (( U s < U уст1 ) and ( U r > U уст2 ) and ( U t > U уст2 )) or (( U t < U уст1 ) and ( U s > U уст2 ) and ( U r > U уст2 )) = true, то Сообщение “Авария”, где U s , U r , U t — параметры напряжения на трех фазах напряжений подключенных к реклоузеру; U уст1 , U уст2 — установленные параметры напря438

СПИ-ПИ-2009 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 базу 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, оптимизировать работу оперативно-диспетчерского персонала, сократить затраты 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 439

СПИ-ПИ-2009 выхода из строя, а также контроль за качественными показателями осуществления операций технологического процесса, использующих сложное механическое оборудование, по параметрам вибрации основывается на том факте, что вибросигнал работающей машины несет в себе достаточно большое количество информации, косвенным образом отражающей её текущее состояние [1]. Очевидно, что для эффективного использования сигнала вибрации, независимо от его природы, в программах осуществляющих контроль состояния оборудования либо же косвенную оценку качества необходимы методы позволяющие осуществить выделение полезной информации из вибросигнала. Одним из таких методов может служить алгоритм усреднения вибросигнала, позволяющий выделять периодизированные составляющие из исходного сигнала. В силу линейности данный алгоритм может рассматриваться, как линейный оператор, воздействующий на функцию вибросигнала. Определим оператор усреднения An с периодом τ и порядком усреднения n, действующий на периодическую функцию f (t ) , следующим образом: 1 n -1 An f (t ) = f (t,n, τ ) = å f (t + kτ ). n k =0 Такой подход позволяет рассмотреть спектральные свойства данного алгоритма, а следовательно и получить численные зависимости характеристик алгоритма от его параметров (порядка и частоты усреднения). Пусть задан гармонический сигнал: f (t ) = sin (ωt + ψ). Очевидно, что результатом операции усреднения , произведенной над заданным сигналом , для любого конечного n будет гармоническая функция с амплитудой Ψ и фазой ψ: f (t,n,τ ) = Ψsin(ωt + ψ). Получим зависимости Ψ(n,τ ) и ψ(n,τ ) . Несложно видеть: n -1 æ sin (ψ + k ) ö çå ÷ ψ(n, τ ) = arctan ç nk =-10 ÷, ç å cos(ψ + k ) ÷ è k =0 ø n -1

откуда следует:

å sin(ψ(n, τ ) - k

- ψ) = 0.

k =0

Решением данного уравнения будет: (n - 1) + ψ. ψ(n, τ ) = 2 Из формулы получаем: Ψ n -1 ö æ (n - 1) Ψ(n,τ ) = å cosç - k ÷. n k =0 ø è 2 Или используя тригонометрические формулы Чебышева [2]:

440

СПИ-ПИ-2009 Ψ æn ö sin ç ÷. æ ö è 2 ø nsin ç ÷ è2ø Тогда, если положить ωy = 2 πτ, выражение принимает вид: Ψ(n, τ ) =

æ ωö Ψsin çç nπ ÷÷ è ωy ø sin æç ωt + (n - 1)π ω ö÷. f (t,n,ωy ) = ç ωy ÷ø æ ωö è ÷ ç nsin ç π ÷ è ωy ø Исходя из полученных результатов, а именно из формулы несложно видеть, что данный оператор может быть представлен в спектральном виде An (ω) следующим образом: æ ωö sin çç nπ ÷÷ ωy ø æ ö ω An (α) = è expçç jπ (n - 1)÷÷ æ ωö è ωy ø nsin ç π ÷ ç ω ÷ y ø è

При использовании оператора усреднения An (ω) в практической деятельности необходимо учитывать тот факт, что реализация n ® ¥ невозможна. В связи с этим приходится иметь дело с фильтром чья полоса пропускания P (ωy ,n ) не равна нулю, то есть его селективность не идеальна.

| |

Рис. 1: График зависимости Ψ при ωy = 2π× 10 от w и n Несложно получить, что вывод зависимости P (ωy ,n ) ширины полосы пропускания от частоты и порядка усреднения в общем виде через элементарные функции невозможен. Но можно воспользоваться приблизительным определением ширины полосы пропускания положив, что АЧХ имеет прямо441

СПИ-ПИ-2009 угольную форму. Тогда справедливо: sin (nα) = 0. sin (α) Отсюда несложно видеть: ω ω P (ωy ,n )= ω1 - ω2 = y (α1 - α 2 ) = y . π n Таким образом, исходя из вышеизложенного, можно заключить, что алгоритм усреднения, базирующийся на обработке исходного сигнала путем воздействия на него оператора позволит выделить периодизированную составляющую с частотой кратной ωy , а также боковые гармоники, расположенные в полосе ωy n и оказать существенное подавление остальных гармоник. Список использованных источников 1. Явленский К.Н., Явленский А.К. Вибродиагностика и прогнозирование 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 частности 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]: X [t + 1] = X [t ] + V [t ] , V [t ] = [R1 R2 ... Rm ] × D[t ], где R1 , …, Rm , D[t ] – некоторые матрицы, X [t ], X [t + 1] – состояния системы в моменты времени t и t + 1 соответственно, V [t ] – управление. На основе временных сетей Петри получена также нечеткая по значениям и по окрестности динамическая окрестностная модель [2]: X (w)[t + 1] = [G 1 ( X (w)[t ],V (w)[t ], M x , M v )... , G m ( X (w)[t ],V (w)[t ], M x , M v )] × D[t ] где G k – некоторые нелинейные функции (k = 1,..., m) , X (w)[t ] , X (w)[t + 1] – нечеткие состояния системы в моменты времени t и t + 1 соответственно, V (w)[t ] – нечеткое управление в момент времени t , M x , M v – функции принадлежностей связей узлов по состояниям и управлениям окрестностной сис442

СПИ-ПИ-2009 темы. С помощью четкой и нечеткой окрестностных моделей произведены расчеты по реальным производственным данным, дающие следующее относительное 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 значительно улучшает результаты четкой окрестностной модели. Список использованных источников 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 технологии, 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 бережного 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 невостребованности в течение долгих лет, производство энергосберегающего и регулирующего 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 энергоресурсов – тепла и воды. Поэтому на первый план вышла задача разработки систем оперативного управления инженерной инфрастуктурой сети водо и теплоснабжения (ИИСВиТ). Внедрение новых информационных технологий в управление комплексом ИИСВиТ относительно социальных аспектов приведет к решению следующих вопросов [1,2]: 1) устранение неполноценности социально-бытовой среды жилищного комплекса; 2) улучшение экономических аспектов. Внедрение системы оперативного управления повлечет за собой, во-первых, наведение порядка в структу443

СПИ-ПИ-2009 ре управления инженерными сетями, поскольку повысится скорость обработки данных, изменятся методы их хранения и отображения, и, как результат, 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 разработки графической части отчетной документации на базе оцифрованной карты; – оптимизации инженерной инфраструктуры средствами геоинформационного 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 уменьшение потребления воды и тепловой энергии и не приводящие к нарушению санитарных норм в помещении. Но большинство организаций бюджетной сферы сегодня не могут непрерывно регулировать собственное потребление. Поэтому отсутствуют и стимулы для сбережения воды и тепла, здания эксплуатируются порой крайне нерационально. На данном этапе требуются значительные инвестиции в энергосбережение. Так, по распределительным пунктам, высокая стоимость оборудования, включающего приборы контроля и автоматики, удерживает простой срок окупаемости на уровне 1-3 лет. При этом рост тарифов происходит медленнее темпов инфляции. Второй путь, который более реален в сложившихся условиях - это точечные 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 сбережению и учету энергоресурсов, проводимых в западноевропейских странах. Здесь давно и с успехом действуют так называемые "билинговые" компании (их можно называть расчетно-измерительными компаниями), специализирующиеся на измерениях и учете энергоресурсов, извлекающие из этих работ соответствующие прибыли и инвестирующие значительные средства в совершенствование систем учета энергоресурсов, в обеспечение их высокой 444

СПИ-ПИ-2009 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 деятельность расчетно-измерительными компаниями, может быть сформулирована следующим образом: получение и предоставление (продажа) объективной и достоверной информации о потребляемых энергоресурсах на всех уровнях их учета. Так же очевидным является тот факт, что информации становится все больше, а значит и увеличивается количество работы, затраченной на ее обработку. Данный факт приводит к привлечению большого количества людей для выполнения подобной работы. Но люди не машины и поэтому могут допускать ошибки, приводящие к серьезным последствиям, и необходимо еще больше людей, которые бы контролировали первых и исправляли допущенные просчеты. Данная пирамида требует вложения громадных 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 систем необходимо усовершенствовать структуры органов управления технологией производства услуг и технологии их работы для того, чтобы они органично вписывались в процесс обработки информации в органах управления, облегчая работу сотрудников. Но при этом необходимо, чтобы внедрение системы оперативного управления происходило параллельно с традиционным процессом управления, не разрушило и не остановило его. Однако в большинстве случаев внедрение и использование вычислительной техники сразу может и не принести прямого экономического эффекта. 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 покупка 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 превышающем 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 обрабатывать информацию с минимальными временными затратами, не требует привлечения дополнительных инвестиций [1,2,3,5]. Относительно технического аспекта систем оперативного управления необходимо отметить, что ее внедрение обеспечит решение многих наболевших вопросов, связанных с управлением ИИСВиТ в целом и их отдельными элементами. В частности, это позволит [1,2]: 445

СПИ-ПИ-2009 1) снизить потребление водных ресурсов и тепловой энергии с платежами 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 отображение сети на экране компьютера, диспетчерский персонал станет принимать, согласовывать и отслеживать исполнение различных оперативных и плановых заявок в автоматизированном режиме, накапливать архивы повреждаемости 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 обеспечивать удовлетворение потребности в транспортировке тепла при существующих нагрузках потребителей и производительности источников; - моделировать различные исключительные ситуации при работе сети. Таким образом, произойдет значительное снижение потерь на аварийности и штрафных санкциях; в) накапливание почасовой или хотя бы посуточной информации о режимных параметрах с насосных станций и источниках, на основе, которой можно с хорошей точностью строить адаптивные модели для текущего прогнозирования 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 текущими режимными характеристиками в различных точках сети и даже осуществлять удаленное управление объектами. Системы телеметрии сами по себе весьма эффективны с точки зрения экономики, поскольку существенно повышают степень надежности и управляемости сетей. В то же время, будучи включенными, в комплексные проекты информатизации в качестве подсистем, «поставляющих» оперативные фактические данные о режимах, они значительно 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 (изношенности) тех или иных участков сетей, выявить имеющиеся утечки и потери. Последнее имеет непосредственное отношение к экономичности, по446

СПИ-ПИ-2009 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, непроизводительные 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 данных 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 управленческие решения без информационных систем. Задача повышения экономических и технических аспектов предприятии ИИСВиТ требует создание эффективных рычагов управления данными инженерными коммуникациями на основе использования современных средств, таких как системы оперативного управления ИИСВиТ. Данный подход является новым шагом в развитии систем водо и теплоснабжения, который обеспечит наиболее высокие результаты их эксплуатации по сравнению с устаревшими методами управления, учета и регистрации данных. Список использованных источников 1. Андрианов Д. Е., Штыков Р. А., Уткин. Ю.В. Экономия энергетических ресурсов// Новости теплоснабжения. – 2003. – № 6. – с. 2–5. 2. Андрианов Д. Е., Штыков Р. А. Технические средства сбора и обработки 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 инвестирования 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 специализированных расчетно-измерительных компаний// ЭСКО. – 2002. – № 7. – с. 3–5. 5. Никольская Е. И. Энергосберегающие проекты на объектах бюджетной сферы: финансово-организационные проблемы и опыт их решения// Энергосбережение. – 1999. – № 3. – 28с.

447

СПИ-ПИ-2009 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 внедрения 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 деятельность ведомственных организаций зачастую приводит к тому, что электронный 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 ведомственных организациях позволяет определить минимальные необходимые требования, предъявляемые к СЭДО: - подтверждение подлинности документов, разработанных исполнителями, утвержденных начальником (руководителем) и согласованных соответствующими лицами; - невозможность внесения изменений в документ, кроме ответственных за него лиц; - предоставление возможности ознакомления с утвержденным документом 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 возможностью разграничения доступа пользователей. Документы на нем хранятся в виде файлов в зашифрованном виде. Для работы с документами пользователи должны использовать программно реализованный симметричный шифратор. Ключи для шифрования и расшифрования имеются только у пользователей, допущенных к работе с соответствующими документами. Пользователи, ответственные за исполнение, согласование и утверждение документа встраивают в него свою цифровую подпись с помощью специального программного обеспечения. Подтверждение подлинности документа и подписи осуществляется с помощью открытого ключа, имеющегося у всех допущенных лиц. Все ключи, необходимые пользователям для работы, хранятся исключительно на их съемном носителе. Несомненным достоинством такой СЭДО является простота ее реализации и эксплуатации. Защищенность документов от несанкционированного 448

СПИ-ПИ-2009 изменения и ознакомления зависит лишь от свойств используемых алгоритмов шифрования. Авсеева О.В., Анащенко А.Г. ДИНАМИЧЕСКАЯ ОПТИМИЗАЦИЯ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ВНУТРИФИРМЕННЫМИ ПРОЦЕССАМИ Банковские системы имеют большое разнообразие и индивидуальность, множество межсистемных связей, изменяющихся во времени. Новые социально-экономические условия и проблемные ситуации не только актуализировали эти характеристики, но и коренным образом изменили структуру банковской деятельности. Отмечается широкое применение современных технологий менеджмента качества. Вместе с тем в условиях рыночной экономики и жесткой конкуренции все более актуальной становится задача оптимального планирования менеджмента с целью минимизации затрат. В современных условиях при участии в банковской сфере многочисленных специализированных организаций, использовании мощного инструментария, передовой технологии и организации комплексный процесс оказания банковских услуг следует рассматривать как сложную систему. 1. Общая оптимизационная задача - постановка Для того, чтобы реализовать управление внутрифирменными процессами в короткие сроки и с наилучшими технико-экономическими показателями, необходимо заранее проанализировать и исследовать возможные варианты решения и найти наиболее целесообразные из них. Одним из путей сокращения затрат является оптимальное использование ресурсов и соблюдение установленных сроков, за нарушение которых налагаются штрафные санкции. Однако в рыночных условиях, при достаточно высоком спросе на качественные услуги и услуги премиум-класса, к моменту готовности услуги она бывает востребована неполностью. А в условиях 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 услуги произвести в момент времени, когда прибыль от продажи максимально перекроет штраф за просрочку. В совокупности с задачами календарно-сетевого планирования формирования каждой услуги и распределения ограниченных ресурсов между исполнителями получаем следующую задачу минимизации общей стоимости услуг. Определить минимум функции t max

å åå c u

ij ijt

jÎJ iÎI t = 0

+

å(g

j

( y j ) - f j ( y j )) 2

при ограничениях x j ³ max yl , j s Î J s , s = 1,..., | F | . s

(1.1)

jÎJ d

lÎK ( j s )

449

(1.2)

СПИ-ПИ-2009 t -j s £ y j s - x j s £ t +j s , j s Î J s , s = 1,..., | F | .

(1.3)

eij s mij s £ uij st £ eij s M ij s при t Î [ x j s , y j s ] , i Î I , j s Î J s ,

(1.4)

uij st = 0 при t Ï [ x j s , y j s ] , i Î I , j s Î J s .

(1.5)

y

js

å år

t = xx

js

iÎR k

ij s

uij st ³ W j s , j s Î J s , s = 1,..., | F | .

y js £ D js , j s Î J s . |F|

ååu s =1 j sÎJ s

ij st

(1.6) (1.7)

£ Vi , i Î I , t ³ 0 .

(1.8)

uijt , x j , y j ³ 0 ,

(1.9) uijt , x j , y j - целые, (1.10) где F - множество объектов; I - множество ресурсов; J s - множество работ по s -му объекту; J = U J s - множество работ по всем объектам; mij , M ij - миs

нимально и максимально допустимое количество ресурса i , потребляемое работой j ; t -j , t +j - минимальное и максимальное время выполнения работы j , j Î J ; x j , y j - моменты начала и окончания выполнения работы j ; x j , y j целые; W jt - объем работы j , выполненный к моменту времени t ; W j - весь объем работы j ; rij - производительность ресурса i по работе j ; J ds - множество работ по s -му объекту, имеющих директивные сроки окончания; J d = U J ds - множество всех работ комплекса, имеющих директивные сроки; s

D j - директивный срок окончания выполнения работы j ; Vi - количество ре-

сурса i , доступное системе в любой момент времени; cij - затраты на использование ресурса i в работе j ; uijt - интенсивность потребления ресурса; tmax = max y j . jÎJ

Первое слагаемое в целевой функции (1) описывает затраты на использование ресурсов. Функции g j ( y j ) представляют собой штрафы за нарушение директивных сроков по каждой работе из J d . А f j ( y j ) есть функции, выражающие стоимость неоказанных услуг на момент сдачи объекта y j , j Î J d . Таким образом, в соответствии с вышеизложенным, в совокупности с задачей минимизации затрат на использование ресурсов необходимо определить такое значение y j , при котором разность g j ( y j ) - f j ( y j ) будет минимальна. 2. Учет изменений стоимости услуги во времени - анализ Уменьшение общей стоимости оказания услуги может быть осуществлено за счет перераспределения ресурсов между объектами и между отдельными работами по каждому объекту, а также за счет корректировки сроков завершения. Предположим, что банк одновременно оказывает несколько услуг. За450

СПИ-ПИ-2009 дача сокращения общих затрат за счет перераспределения ресурсов между объектами состоит в минимизации функции t max

ååå c u ij

(2.1)

ijt

jÎJ iÎI t = 0

при соответствующих ограничениях на переменные. Здесь t max - время завершения оказания последней услуги, I - множество ресурсов; J = U J s - множество работ по всем объектам; cij - затраты на s

использование ресурса i в работе j , 0 £ cij < +¥ , i Î I , j Î J ; uijt - интенсивность потребления ресурса, т.е. количество ресурса i , потребляемое работой j в момент времени t . Второй путь уменьшения общей стоимости связан с изменением ситуации на рынке банковских услуг. Список использованных источников 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 системами. 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 составе большое количество вычислительных систем различных типов, содержащих в своем составе различные комплектующие. Технологии беспроводного доступа в сеть и возможности «горячего» подключения-отключения комплектующих позволяют создавать сложные сетевые структуры с динамически изменяющейся конфигурацией. Важной задачей администратора является контроль наличия экземпляров счетно-вычислительной техники (СВТ), установленных в них комплектующих и их серийных номеров (идентификаторов). Эта задача может быть решена путем программного тестирования установленного оборудования и получения данных, однозначно идентифицирующих конкретный образец 451

СПИ-ПИ-2009 СВТ: его наименование, идентификаторы системной платы, процессора, модулей 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 компонентов из зарегистрированных образцов СВТ при профилактических мероприятиях, 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 местонахождения образца СВТ по уникальному идентификатору при регистрации в корпоративной сети организации из глобальной сети Интернет (определение IPадреса 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 изза возможности несанкционированного доступа к ее информационным ресурсам. Сегодня применяются различные способы защиты от данного типа угроз, такие как туннелирование, аутентификация (односторонняя и двухсторонняя), шифрование передаваемых данных и взаимодействие по протоколам IPSec, PPTP, SSH, NAT и т. д. Тем не менее, вероятность доступа к информации посторонних лиц довольно существенна. Данная вероятность возрастает в разы при настройке сети некомпетентными или неопытными в данной области специалистами, которые могут использовать настройки по умолчанию или оставить без внимания часть необходимых компонентов безопасности, что в конечном итоге становится причиной утечки информации. 452

СПИ-ПИ-2009 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; оптимизировать затраты на обеспечение информационной безопасности; подтвердить, что используемые внутренние средства контроля соответствуют задачам организации и позволяют обеспечить эффективность и непрерывность работы системы и т. д.). Структурно предлагаемый сервис аудита выполняет свои функции на верхнем уровне модели OSI в скрытом от пользователя состоянии, что позволяет более полно оценить действия пользователя и проверить выполнение организационных мероприятий безопасности. Кроме того имеется возможность программного поиска местоположения данной ЭВМ в пространстве IPадресов. Недостатками предложенного решения являются выделение дополнительного объема памяти на ЭВМ администратора для хранения информации аудита; сложность мониторинга данных; возможность обнаружения пользователем программы; не высокая вероятность нахождения точного местоположения требуемой ЭВМ; программные воздействия (ошибки программирования, 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 адресе, 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 достаточно адекватно описывается эволюционными уравнениями, например, уравнением Фоккера-Планка-Колмогорова (ФПК) [1]. С использованием указанных уравнений эффективно решаются задачи анализа нелинейной статистической 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 некоторых ограниченных непрерывных функционалов от плотности вероятности многомерного марковского процесса, удовлетворяющей используемому многомерному эволюционному уравнению. 453

СПИ-ПИ-2009 Существенной причиной, сдерживающей применение марковской теории анализа и синтеза стохастических систем на практике, является колоссальная сложность численного решения указанных эволюционных уравнений. Ситуация еще более усугубляется, если рассматриваются параметризованные эволюционные уравнения (ПЭУ), то есть заданные с точностью до вектора вещественных параметров, в качестве которых могут выступать начальные и граничные условия соответствующего уравнения, а также априорно неизвестные константы, характеризующие условия функционирования стохастической системы. Целесообразно процесс прогнозирования СХ разбивать на два этапа. На первом (предварительном) этапе необходимо оценить локальные характеристики исследуемой системы и сформировать аналитико-параметрическое решение соответствующего ПЭУ. На втором (основном) этапе, в зависимости от конкретных значений вектора параметров, выдаваемых системой идентификации 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 некотором нормированном пространстве W0 ПЭУ в частных производных для r – мерного марковского процесса x(t ) ¶p ( x, t ) = L(wr0),t {p ( x, t )} , p(x, t ) ÎW0 , x Î X Ì R r , t Î T Ì R1 , ¶t

(1)

где L(wr ), t – оператор ПЭУ (например, оператор ФПК), зависящий от вещественного векторного параметра w0 Î W 0 Ì R m . 0

0

*

Пусть искомое решение p(x, t ) уравнения (1) подчинено дополнитель*

ным условиям вида Gw æç p(x, w, t )ö÷ = jw (S i ) , (x, t )Î S i , i = 1, L 0 , j = 1, L1 , где Gw – j

è

ø

j

j

линейный непрерывный оператор, действующий в W0 и зависящий от вещественного векторного параметра w j Î W j Ì R m , S i – некоторое многообразие в j

*

области X ´ T , число измерений которого меньше Yi (w ) , jw (S i ) – заданная j

функция, определённая на многообразии S i и зависящая от w j . По аналогии с [3 – 5] данную задачу можно представить в виде одного операторного уравнения (которое называют точным) p( x,w , t ) - lF (w ) p( x,w , t ) = f ( x,w , t ) , f ( x,w , t ) ÎW , (2) где F (w ) – линейный непрерывный оператор, действующий в нормированном пространстве W Ì W0 , l – некоторая постоянная, не являющаяся характеристическим значением оператора F (w ) для w = (w 0T , w1T ,..., w LT1 ) Î W = W 0 ´ W 1 ´ ... ´ W L1 Ì R T

данная функция из W .

454

m

= R m0 ´ R m1 ´ ... ´ R

m L1

, f (x, w , t ) – за-

СПИ-ПИ-2009 Полагаем, что на первом этапе прогнозирования может быть построено *

аналитико-параметрическое решение p(x, w , t ) операторного уравнения (2), а *

на втором этапе – совокупность искомых СХ Yi (w ) = = Fi éê p(x,w , t )ùú , i = 1, M 0 , ë û *

× – ограниченные непрерывные функционалы. w Î W , где Fi [] *

Поскольку вместо p(x, w, t ) можно найти лишь приближенное решение

{

M

}

0 M ~ ü ì* ~ ( ) p ( x, w , t ) уравнения (2), то и вместо íYi w ý – лишь семейство Yi (w ) i =10 приþi =1 î

ближенных СХ. Требуется с учетом принятых моделей и ограничений разработать двухэтапный численно-аналитический метод высокоточного оперативного прогнозирования СХ МПС, логическая схема которого приведена на рисунке. ~ Рассмотрим в W полное подпространство W , в котором задано приближенное (по отношению к (2)) операторное уравнение: ~ p ( x, w , t ) - l PF (w ) ~ p ( x, w , t ) = Pf ( x, w , t ) , (3) ~ где P – непрерывный линейный оператор, проектирующий W на W , для ко~ торого PW = W , P 2 = P . Полагаем выполненными следующие условия: ~ 1) для любого p(x,w , t ) ÎW найдется элемент ~p (x,w , t )ÎW такой, что F (w ) p ( x, w , t ) - ~ p (x, w , t ) £ h1 p( x, w , t ) ; ~ ~ 2) существует элемент f ( x, w , t ) ÎW такой, что ~ f (x, w, t ) - f (x, w, t ) £ h 2 f ( x, w, t ) . ~ Пусть каждый элемент ~p (x,w , t )ÎW единственным образом представим ¥

~ в форме ~p (x, w, t ) = å ci (w )g i (x, t ) , g i (x, t )ÎW , где система элементов {g i (x, t )}i¥=1 обi =1

~ ~ разует базис в W . Кроме того, считаем заданной полную в W систему {D j } линейных функционалов, такую, что из равенств D j [ ~p (x, w , t )] = 0 , j = 1,2,... , следует ~p (x, w , t ) = 0 . В этом случае вместо (3) можно ограничиться рассмотрением системы равенств D [P(I - lF (w )) ~p (x, w, t )] = D [Pf (x, w , t )], j = 1,2,... С учетом j

j

сказанного приходим к бесконечной системе линейных алгебраических уравнений (БСЛАУ) метода Галеркина в абстрактной форме [4] ¥

¥

k =1

k =1

å ck (w )D j [g k (x, t )] - l å ck (w )D j [PF (w )g k (x, t )] = D j [Pf (x, w , t )] , j = 1,2,... Если система функционалов {D j } биортогональна базису {g i (x, t )}i¥=1 , то ¥

c j (w ) - l å c k (w )D j [PF (w )g k ( x, t )] = D j [Pf ( x, w , t )] , j = 1,2,... В частности, если W – k =1

гильбертово пространство, а P – оператор ортогонального проектирования, 455

СПИ-ПИ-2009 ¥

то c j (w) - låck (w) F(w)g k (x, t ), g j (x, t ) = f (x,w, t ),g j (x, t ) , j = 1,2,... , где ×,× – символ k =1

скалярного произведения. Представим данную систему в следующем окончательном виде ¥

c j (w ) - l å a jk (w )c k (w ) = b j (w ), j = 1,2,... ,

(4)

k =1

¥

по отношению к которой считаем, что

å a jk (w ) < ¥ , 2

j ,k =1 *

*

*

ние c(w) = ìíc (w), c (w),...üý удовлетворяет условию î

1

2

þ

¥

å

*

¥

å b (w ) j

2

< ¥ , а ее реше-

j =1

2

c k (w ) < ¥ .

k =1

Таким образом, в рамках проекционно-параметрической теории задача нахождения приближенного аналитического решения ПЭУ сводится к нахождению решения БСЛАУ (4). Применим к решению БСЛАУ (4) метод редукции, который состоит в замене (4) усеченной системой линейных алгебраических уравнений (УСЛАУ) n

c j (w ) - l å a jk (w )c j (w ) = b j (w ) ,

j = 1, n ,

(5)

k =1

*

решение которой cn (w ) = ìíc nj (w ), j = 1, nüý может рассматриваться в качестве *

î

þ

приближенного решения (4). Рассмотрим систему (4) с учетом ограничений в виде одного операторного уравнения в функциональном банаховом пространстве C = l 2 : c(w ) - l K (w )c(w ) = b(w ) , где c(w ) = {c1 (w ), c2 (w ), ... }, b(w ) = {b1 (w ), b2 (w ), ... }, K (w ) – непрерывный линейный компактный оператор в l 2 , определяемый для всех w Î W матрицей

A(w ) = {a (w ), jk

j, k = 1,2, ... } системы (4), c(w )

1

l2

é¥ 2ù = êå ck (w ) ú . Анаë k =1 û 2

логично систему (5) будем рассматривать в конечномерном пространстве C n = l n2 : cn (w ) - lK n (w )cn (w ) = bn (w ) , где cn (w ) = {c j (w ), j = 1, n} и bn (w ) = {b j (w ), j = 1, n}, а оператор K n (w ) определяется усеченной матрицей An (w) = {a jk (w), j, k = 1, n}, 1

cn (w ) l 2 n

2 én 2ù = êå c k (w ) ú . ë k =1 û

Помимо пространств C и Cn рассмотрим вспомогательное пространство C[n ] Ì l 2 , состоящее из элементов, все координаты которых, начиная с (n + 1) -ой, равны нулю. Обозначим через H n непрерывный линейный оператор, отображающий C[n ] взаимно однозначно на Cn , то есть элементу c[n ] (w ) = {c1 (w ), c 2 (w ),..., c n (w ),0,0, ...}Î C[n ] ставится в соответствие элемент

{

}

cn (w ) = c j (w ), j = 1, n Î C n .

Очевидно, что существует непрерывный обратный оператор H n-1 . На456

СПИ-ПИ-2009 ряду с H n существует также непрерывный линейный оператор Qn , являющийся продолжением оператора H n , то есть отображающий C на Cn и совпасопоставляет элементу дающий с Hn на C[n ] . Оператор Qn c(w) = {c1 (w), c2 (w), ... }ÎC = l 2

{

= Qn c(w ) = {c1 (w ), c2 (w ),..., cn (w )}Î ln2 .

}

cn (щ) = c j (w), j = 1, n ÎCn = ln2 :

элемент

Очевидно,

1

Qn = H n = H n-1 = 1,

что

K n (w )H n c[n] (w ) - Qn F (w )c[n] (w ) = 0 , K (w )c (w ) - [K (w )c (w )]n

cn (w ) =

é ¥ ¥ 2ù = ê å å a jk (w )ck (w ) ú ë j = n+1 k =1 û

1

2

£

2 ¥ 2ù é ¥ ¥ £ ê å å a jk (w ) å ck (w ) ú £ s n c (w ) , где под [K (w )c(w )]n мы понимаем «усеk =1 ë j = n+1 k =1 û ченный» элемент, получающийся из элемента K (w )c(w )Î l 2 заменой всех его 2

1

é ¥ ¥ 2ù координат, начиная с (n + 1) -й, нулями, s n = sup ê å å a jk (w ) ú , w Î W . Ясно, w ë j =n +1 k =1 û что с учетом принятых ограничений s n ® 0 при n ® ¥ . 1

Кроме

c(w ) - [c(w )]n

того,

é ¥ 2 mn = sup ê å b j (w ) w ë j =n +1

2

é ¥ 2ù = ê å b j (w ) ú £ m n c (w ) , ë j = n+1 û 2

где

1

ù2 b j (w ) ú , w Î W . При этом mn ®0 при n ®¥. å j =1 û ¥

2

Используя результаты работы [3], с учетом вышесказанного можно заключить, что, если l не является характеристическим значением системы (4) (то есть не является характеристическим значением оператора K (w ) для всех w Î W ), то для фиксированного w Î W при достаточно больших n система (5) разрешима относительно cn (w ) = ìíc n1 (w ), cn 2 (w ),..., cnn (w )üý и имеет место сходи*

*

*

*

þ

î

*

*

*

мость приближенных решений c [ ] (w ) = ìícn1 (w ), cn 2 (w ),..., cnn (w ),0,0, ... üý к точному *

n

*

c(w ) . *

Быстрота *

*

î

сходимости *

þ

определяется *

неравенством

*

c(w ) - H n-1 cn (w ) = c(w ) - c[n ] (w ) £ q1s n + q2 m n , w Î W , где c(w ) и c n (w ) – решения сис-

тем (4) и (5) соответственно, q1 и q2 – положительные постоянные, не зави*

*

сящие от w и n . Отсюда ясно, что каждая координата ck (w ) вектора c(w ) мало *

*

отличается от каждой координаты cnk (w ) вектора cn (w ) для всех k = 1, n и *

w Î W , а при k > n координата ck (w ) мала для всех w Î W . Кроме того, следует *

*

сходимость lim c nk (w ) = ck (w ), k = 1,2,... n® ¥

Далее рассматривается общий подход к построению приближенного параметризованного решения системы (4) на базе усеченной системы (5). 457

СПИ-ПИ-2009 С целью сокращения записей, не снижая общности рассуждений, положим w Î W Ì R1 . Пусть внутри области W задан набор точек (узлов) w(i ) , i = 1, N . *

Поставим *

в

*

c n (w(1) ), c n (w( 2 ) ),..., c n (w( N ) )

соответствие точных

набору

решений

w (1 ) , w (2 ) ,..., w ( N )

системы

(5),

семейство то

есть

*

cnj (w (i ) ) - l å a jk (w (i ) )c nj (w (i ) ) = b j (w(i ) ), j = 1, n, i Î1, N . По аналогии с [4, 5] считаем, n

*

k =1

что данные решения могут быть построены заранее с использованием известных методов решения СЛАУ на базе ЭВМ. Используя введенное нами семейство, рассмотрим процедуру построения приближенного параметризованного решения c~n (w ) = = {c~n1 (w ), c~n 2 (w ),..., c~nn (w )} системы (5), справедливого для всех w Î W . На базе данного решения сформируем вектор c~[n ] (w ) = = {c~n1 (w ), c~n 2 (w ),..., c~nn (w ),0,0, ... } = H n-1c~n (w ) , который принимается в качестве приближенного параметризованного решения для системы (4) и обеспечивает при этом выполнение следующего неравенства *

*

sup c (w ) - ~ c[n ] (w ) = sup c(w ) - H n-1c~n (w ) £ d n , N , w Î W , где d n, N – заданная положиw

w

тельная постоянная, устанавливающая границу допустимой погрешности вычислений. Очевидно, что количество и правило расположения указанных выше узлов w(1) , w(2 ) ,..., w( N ) зависит от выбора области W и требуемой результирующей точности построения параметризованного решения системы (4), которая определяется константой d n, N . По аналогии с [4], для фиксированного j Î 1, n поставим в соответствие *

*

*

узлам w (1) , w (2 ) ,..., w ( N ) набор чисел cnj (w(1) ), cnj (w(2 ) ),..., cnj (w( N ) ) , который соответствует j -тым координатам построенных нами опорных решений *

*

*

cn (w(1) ), cn (w ( 2 ) ),..., cn (w( N ) )

ра,

системы (5). Проведем интерполяцию данного набоему скалярную функцию y nj (w ) известного класса:

сопоставив

y nj (w ) = q n (w , v j ), v j Î R N , j Î 1, n , v j = {v j1 , v j 2 ,..., v jN } находится

где путем

вектор решения

коэффициентов следующей

СЛАУ

y nj (w(i ) ) = q n (w (i ) , v j ) = cnj (w (i ) ), i = 1, N . *

Последнее соотношение показывает, что вектор коэффициентов v j выбирается таким образом, чтобы значения функции y nj (w ) совпадали со значе*

ниями функции cnj (w ) в N узлах интерполяции, а его решением является вектор коэффициентов v j = {v jk , k = 1, N }. Далее проводится интерполяция для всех *

458

СПИ-ПИ-2009 j = 1, n , то есть находится совокупность параметризованных коэффициентов

y n1 (w ),y n 2 (w ),..., y nn (w ) , удовлетворяющих характеристическому свойству. Ука-

занные коэффициенты принимаются нами в качестве параметризованных координат приближенного решения c~n (w ) = {~cn1 (w ), c~n 2 (w ),..., c~nn (w )} системы (5), то * æ ö * c~n (w(i ) ) = Yn (w(i ) ) = Qn çw(i) ,V n ÷ = cn (w(i) ), i =1, N , где è ø * * * æ * ö ì æ ö æ ö æ öü Yn (w(i) ) ={yn1 (w(i ) ),yn2 (w(i) ),....,ynn (w(i) )}, Qn çw(i) ,Vn ÷ = íqn çw(i) , v1 ÷,qn çw(i) , v2 ÷,...,qn çw(i) , vn ÷ý. Данные соè ø î è ø è ø è øþ

есть

c~nj (w ) = y nj (w )

и

при

этом

отношения показывают, что построенное приближенное параметризованное решение c~n (w ) системы (5) совпадает с её точным параметризованным реше*

нием cn (w ) в узлах интерполяции w(i ) , i = 1, N . В качестве приближенного параметризованного решения c~[n ] (w ) системы (4) следует принять c~[n ] (w ) = {c~n1 (w), c~n2 (w),...,~ cnn(w),0,0, ...} = ü ì æ * ö æ * ö æ *ö = íqn çw, v1 ÷,qn çw, v 2 ÷,...,qn çw, vn ÷,0,0, ...ý. ø è ø è ø þ î è

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

линомов y nj (w ) = å v jk w k получаем следующую СЛАУ k =1

(w( ) ) = å v

y nj

i

k =1

w (ki ) = cnj (w (i ) ), i = 1, N , j Î1, n . *

N

jk

(6)

Решая систему (6) относительно v j = {v j1 , v j 2 ,..., v jN } для j = 1, n , получаем N * N * ìN * ü Очевидно, что c~[n] (w ) = íåv 1k w k , åv 2 k w k ,...,åv nk w k ,0,0, ... ý . k =1 k =1 î k =1 þ * * ü ì* где c~[n] (w(i) ) = {c~n1 (w(i ) ), c~n2 (w(i ) ),...,c~nn (w(i ) ),0,0, ...} = ícn1 (w(i ) ), cn2 (w(i ) ),...,cnn (w(i ) ),0,0, ... ý, þ î * * * * cn (w(i ) ) = ìíc n1 (w (i ) ), c n 2 (w (i ) ),..., cnn (w (i ) )üý – точное решение системы (5), соответстî þ вующее узлу w(i ) Î W .

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 v jk , j = 1, n, k = 1, N . Свободна от этого недостатка реализация рассматриваемого подхода к построению параметризованных решений на базе интерполяционного полинома Лагранжа. Для случая параболической интерполяции на основе полинома Ла-

459

СПИ-ПИ-2009 N

N

N

w - w( p )

k =1

k =1

p =0

w (k ) - w ( p )

гранжа имеем y nj (w ) = å v jk Lk (w ) = å v jk Õ

,

j Î 1, n .

p¹ 0

С учетом того, что Lk (w(i ) ) равно 1 для k = i и 0 для k ¹ i , то несложно убедиться в выполнении следующего характеристического свойства y nj (w(i ) ) =

åv k =1

Lk (w(i ) ) = v ji = cnj (w(i ) ), i = 1, N . *

N

jk

Таким образом, на основании сказанного имеем y nj (w ) = åy nj (w(k ) )Lk (w ) = åc nj (w(k ) )Lk (w ), N *

N

k =1

j = 1, n .

(7)

k =1

По аналогии приближенное параметризованное решение c~[n ] (w ) системы (4) можно представить в следующем виде N * N * ü ìN * c~[n] (w) = íåcn1 (w( k ) )Lk (w), åcn2 (w(k ) )Lk (w),...,åcnn (w( k ) )Lk (w),0,0, ... ý , k =1 k =1 îk =1 þ

(8)

при этом легко убедиться в выполнении характеристического свойства. *

Если обозначить через c(w ) точное аналитическое параметризованное * * решение системы (4), через éêc(w )ùú – вектор, получающийся из c(w ) путем об-

ë

ûn

нуления всех координат, начиная с (n + 1) -ой, а через c~[n ] (w ) – приближенное решение системы (5), то для оценки результирующей погрешности вычислений можно воспользоваться неравенством треугольника * * é* ù sup c (w ) - ~ c[n ] (w ) £ sup c(w ) - êc(w )ú + sup w w w ë ûn

é* ù ~ êëc (w )úû - c[n ] (w ) . n

(9)

Конкретизация данной формулы зависит от метода интерполяции, выбранного в ходе построения параметризованного решения. *

*

Если оценка слагаемого sup c (w ) - éêc (w )ùú ë

w

ûn

давалась ранее, то в качестве

*

оценки слагаемого sup éêc(w )ùú - c~[n ] (w ) можно в каждом конкретном случае исw ë ûn пользовать известные оценки для остаточного члена выбранного метода интерполяции. Полученные выше результаты несложно распространить на многомерный случай, когда w Î W Ì R m . В данном случае процедуры одномерной интерполяции, рассмотренные выше, заменяются процедурами многомерной интерполяции [6]. При этом в качестве погрешности вычислений могут быть приняты остаточные члены, соответствующие принятой многомерной интерполяции. Для развиваемого подхода одним из основных является вопрос, связанный с выбором узлов интерполяции w(i ) Î W, i = 1, N , обеспечивающим минимизацию результирующей погрешности расчетов. Рассмотрим решение 460

СПИ-ПИ-2009 этого вопроса, полагая W = [d1 , d 2 ] Ì R1 . Согласно [6] погрешность интерполяции на основе полинома Лагранжа можно

оценить

с

помощью

остаточного

члена

* c j (w ) - ~ cnj (w ) =

*

=

Z N (w ) d N c j (w ) dw N

N!

j = 1, n , где Z N (w ) = Õ (w - w (i ) ) . N

,

i =1

При выборе семейства узлов w(1) , w(2 ) ,..., w( N ) , предполагающем обоснование значения N и оптимальное размещение узлов в области W , можно воспользоваться следующим неравенством *

*

Z * max sup c j (w ) - c~nj (w ) £ N G N , j N! w

j = 1, n, w Î W ,

(10)

*

d N c j (w ) где Z N = sup Z N (w ), G N = max sup . j dw N w w *

*

Известно, что для минимизации погрешности интерполяции на основе полинома Лагранжа достаточно выбирать в качестве узлов w(1) , w(2 ) ,..., w( N ) корни многочленов Чебышёва, принадлежащие отрезку W = [d1 ,d 2 ] . В этом случае *

при оценке сверху величины Z

можно воспользоваться соотношением

N

N

* æ d - d1 ö Z N £ 2ç 2 ÷ . При этом вместо (10) имеем è 4 ø N

*

æ d - d1 ö G N max sup c j (w ) - c~nj (w ) £ 2ç 2 . ÷ j w è 4 ø N! *

(11)

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

*

* d -d G 1 неравенства (10): sup éêc(w )ùú - c~[n ] (w ) £ 2æç 2 1 ö÷ N n 2 . w ë ûn è 4 ø N! Таким образом, по заданному значению d n, N всегда можно подобрать

такие n и N , при которых для случая оптимального расположения узлов интерполяции w(1) , w(2 ) ,..., w( N ) в области W достигается выполнение неравенства (11). Многочисленные результаты численных экспериментов показывают, что при гладкой зависимости параметризованных коэффициентов СЛАУ (4) от координат вектора параметров w количество узлов интерполяции для выбранной области оказывается незначительным. Приближенное решение ПЭУ (2) можно представить в виде *

n

*

n

*

~ p n ( x, w , t ) = å cni (w )g i ( x, t ) = åq n (w , vi )g i ( x, t ), i =1

или n

i =1

применительно N

*

= åån ik w k g i ( x, t )

к –

конкретным для

видам

степенных

i =1 k =1

461

*

интерполяции

~ p n ( x, w , t ) =

полиномов,

~ p n ( x, w , t ) =

*

СПИ-ПИ-2009 = åå c ni (w( k ) )Lk (w )g i ( x, t ) – для полинома Лагранжа. n

*

N

i =1 k =1

Полагаем, что для любого заданного e > 0 можно указать такое n , при ¥ * котором для всех w Î W выполняется ограничение å ci (w )g i (x, t ) < e . i = n +1

Для оценки общей погрешности можно воспользоваться неравенством * * * * * * треугольника p ( x , w , t ) - ~p n ( x , w , t ) £ p ( x , w , t ) - ~p ( x, w , t ) + + ~p (x,w , t ) - ~pn (x, w , t ) .

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

*

нормы p(x, w, t ) - ~p (x, w , t ) по аналогии с [4] можно воспользоваться следующими теоремами Теорема 1. Если для всех w Î W выполнены названные условия и существует непрерывный оператор (I - lPF (w ))-1 , то справедлива оценка *

*

*

p( x, w , t ) - ~ p ( x, w , t ) £ q p( x, w , t ) , где q = l e I - P

(I - lF (w ))-1 .

На основании данной теоремы легко получить оценку близости при*

*

ближенного ~p (x, w , t ) и точного p(x, w , t ) решений, не использующую данных, относящихся к точному решению: *

*

*

-1 p( x, w , t ) - ~ p ( x, w , t ) £ q (1 - q ) ~ p ( x, w , t ) , q < 1, w Î W .

Для оценки близости параметризованных решений ~p (x, w , t ) и ~pn (x, w, t ) можно воспользоваться следующей теоремой. Теорема 2. Если выполнены условия теоремы 1, то справедлива оценка *

*

~ p ( x, w , t ) - ~ p n ( x, w , t ) £

* é* ù ( ) c c w å i ni (w )úg i ( x, t ) + ê û i =1 ë n

¥

*

å ci (w )g i (x, t ) .

i = n +1

Минимизация первой нормы в правой части данного неравенства достигается за счет выбора эффективного метода интерполяции и требуемого числа узлов w(1) , w(2 ) ,..., w( N ) . Вторая норма удовлетворяет принятому ограниче¥

нию

*

å ci (w )g i (x, t ) < e , которое определяется значением n .

i = n +1

Конкретизация результирующей погрешности может быть получена, если учесть указанные выше соотношения. * С учетом найденного решения ~p (x, w , t ) находим семейство оценок ис-

~*

*

комых приближенных СХ: Yi (w ) = Fi éê ~p (x,w , t )ùú , i = 1, M 0 . Очевидно, что точë

û

ность оценки складывается из двух составляющих: точности получения *

~ p ( x, w , t ) – решения ПЭУ и точности вычисления СХ, определяемой свойства-

ми функционалов Fi []× , i = 1, M 0 . 462

СПИ-ПИ-2009

для

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

* * ~* é* ù é* ù Yi (w) = Fi ê p(x,w, t ) + Dp(x,w,t )ú = Fi ê p( x,w, t )ú + Fi [Dp( x, w, t )] = Yi (w ) + D Y i (w ) . ë û ë û

С

учетом

этого,

используя

*

D Y i (w ) £ Fi Dp ( x, w , t ) , где Fi

понятие

нормы,

получим

оценку

– норма функционала Fi , Dp(x,w , t ) – норма

погрешности интегрирования ПЭУ. Сравнительный показатель оперативности разработанного и традиционного методов прогнозирования СХ определяется выражением -1

M0 ö öæ M 0 æ S T (M 0 ) = çç TЭУ + å TiТР ÷÷çç å Ti Р ÷÷ , i =1 ø øè i =1 è ТР Р где TЭУ , Ti , Ti – 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 соM0

M0

отношения: TЭУ >> å Ti ТР , TЭУ >> åTi Р . i =1

i =1

M0

Полагая, что

åT

i

i =1

ТР

( )

M0

= åTi Р = TM0 приходим к оценке ST » TЭУ TM 0

-1

. Таким

i =1

образом, применительно к разработанному опорно-параметрическому методу, 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 марковскопараметрических систем с учетом выполнения условия TЭУ >> TM указанный выигрыш может достигать нескольких порядков. Итак, разработаны теоретические положения двухэтапного метода оперативного высокоточного прогнозирования СХ марковских систем в опорнопараметрической постановке. Получены аналитические соотношения, позволяющие рассчитывать основные параметры метода, при которых обеспечиваются 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 метода для получения оперативного прогнозирования совокупности СХ, например, в задачах, связанных с возникновением чрезвычайных ситуаций техногенного или природного характера, катастроф и т. д. [2, 7], которые достаточно эффективно моделируются в рамках теории марковских динамических систем. 0

463

СПИ-ПИ-2009 Список использованных источников 1. Пугачев В.С., Синицын И.Н. Стохастические дифференциальные системы. М.: Наука, 1985. 2. Острейковский В.А, Сальников Н.Л. Вероятностное прогнозирование 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. Киев: Наукова думка, 1986. 7. Радаев Н.Н. Повышение точности прогноза вероятности катастроф за счет неоднородности статистических данных по ущербу// Автоматика и телемеханика. 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 зрением человека или животных, но и обеспечивает высокую степень объективности получаемых данных, зачастую недостижимую для человека. Уникальные возможности систем технического зрения (СТЗ) обуславливают их широкое использование при создании современных робототехнических 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, базирующийся на решениях из области персональных компьютеров общего назначения. Этот подход обеспечивает не только возможность использования продвинутых программно-аппаратных решений, доступных на рынке, но 464

СПИ-ПИ-2009 также позволяет минимизировать общую стоимость системы за счет использования 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 использовать возможность не только OS Windows, но и широкий спектр прикладных программ, в частности, ориентированных на обработку изображений. Для оптимизации ресурсов была использована OS Windows XP Embedded SP1. ОС была сконфигурирована на работу с базовыми компонентами, такими как обработка изображений и визуализация (DirectShow), передача через различные интерфейсы связи (USB, Ethernet с использованием протокола TCP/IP). В качестве датчика по приему изображения, была использована Webкамера, 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 библиотекой IMAQ (National Instruments), ориентированной на обработку изображений, рис. 1.

Рис. 1. Тестовое приложение Испытания показали, что предложенное решение обеспечивает считывание до 10 кадров в секунду RGB режима с разрешением 320х240, что сравнимо с характеристиками специализированных СТЗ. У данной платформы существует огромное множество вариантов конечной 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 широкий 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 вычис465

СПИ-ПИ-2009 лительную мощность платформы и параметры видеокамеры, что в конечном итоге обуславливает низкую стоимость создания СТЗ. Список использованных источников 1. Письменный Г.В., Михайлов Б.Б., Корнеев А.Ю. Системы технического 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 повлекло значительные изменения в изначально сельскохозяйственном характере использования земель в долине. В 1960-70-е годы здесь были построены канатные дороги и подъемники, турбазы, дома отдыха и гостиницы. Это привело к настоящему рекреационному «буму» - потоки туристов достигали в начале 80-х годов 3 млн. чел. в год. Возник многосторонний природопользовательский конфликт между традиционным сельским хозяйством, рекреацией и охраной высокогорных ландшафтов [1]. Из-за необходимости разрешения этого конфликта и в целях создания условий для оптимального природопользования 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 тематические карты, характеризующие социо-культурные и природные процессы, происходившие на территории Баксанской долины и культурноландшафтное районирование. На наш взгляд данная система могла бы позволить разрешить конфликт между традиционным сельским хозяйством, охраной высокогорных культурных ландшафтов и особенно рекреацией. ГИС состоит из блоков: ввода данных, редактирования и согласования, анализа и обработки информации, представления результатов, хранения информации. Использование результатов исследования возможно не только в свете обозначенной выше проблемы, но и для выявления и восстановления объектов и территорий наследия, элементов живой традиционной культуры, при разработке социально-экономических и социо-культурных программ разви466

СПИ-ПИ-2009 тия Приэльбрусья, а также как методической основы для дальнейших культурно-ландшафтных исследований. Список использованных источников 1. Гуня А.Н. Трендовые изменения и развитие горного региона: методология, географический анализ и возможности управления. Нальчик, «Издательство 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 моделирования. В работе [1] было указано, что модель в разрабатываемой среде будет представлять собой набор связанных элементов. При этом не проводится разграничения по типам элементов, таким, например, как генераторы или устройства. Роль каждого элемента в модели определяется исследователем на этапе её построения, а его поведение задаётся на языке высокого уровня. Таким образом, предлагаемый подход позволяет избежать некоторых неудобств, 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 уровнями иерархии каждый элемент модели имеет ссылку на родительский элемент, 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 родителя, 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 образом, по данному признаку все элементы модели можно разделить на статичные, 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 467

СПИ-ПИ-2009 динамичных элементов о них должны быть извещены все элементы, входящие в цепочку связей, которая начинается от части модели, порождающей динамичные элементы, и заканчивается там, где такие элементы уничтожаются. В большинстве случаев в такую цепочку будут входить все статичные элементы модели. Список использованных источников 1. Герасимов Д. А. Об одном способе построения имитационных моделей // 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) системы будут зависеть от её структуры и для определения влияния структуры системы на её характеристики необходимо проведение сравнительного анализа систем с различной структурой. Структура каждой подсистемы состоит из подвекторов: протоколов, топологии, элементной базы и административной системы управления. Подвекторы элементной базы и административной системы управления определяются уровнем технического развития и обычно, при сравнении, не варьируются. Топология в данной работе предполагается заданной. Т.о., при сравнении поведения системы используется варьирование подвекторами протоколов. Рассматривается система, моделируемая СМО и удовлетворяющая следующим предположениям: - в коммуникационных подсистемах применяются различные протоколы 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 информационные потоки с биномиальным распределением на интервалах Т0, условно принимаемых 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, обеспечивающие работу в РМВ, т.н. детерминированные (бесконфликтные) протоколы [2]; 468

СПИ-ПИ-2009 - в подсистеме передачи данных реализован протокол повышения достоверности (алгоритм контроля ошибок в канале связи), применяющий помехоустойчивый код с rк контрольными разрядами и решающей обратной связью с ожиданием РОС-ОЖ [3]; - в подсистеме передачи речи применяются протоколы без дополнительного 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 техникоэкономические 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 скорости передачи в среде. Активное сетевое оборудование в кабельной подсистеме (С1) - величина, определяемая количеством пользователей (23 станции на одно активное устройство; 24-й порт используется для сопряжения оборудования друг с другом); ее стоимость зависит от скорости передачи в кабельной среде Vck. Коэффициент С1 принимает стоимостные значения в зависимости 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 469

СПИ-ПИ-2009 кабельной подсистеме. Их стоимость составляет, соответственно, 700 и 750 у.е. Коэффициент С4 включает стоимость УСС, осуществляющей взаимодействие между пользователями подсистем. Его стоимостное значение принимается 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 коэффициента 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., соответственно. Следовательно, выражение для критерия капитальных вложений имеет 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 осуществляется выбор (предъявленное к выбору множество вариантов) обозначим через W * . Варианты структур различаются протоколами доступа, средами передачи, скоростью передачи в средах, качеством каналов передачи, длиной информационной части пакета и количеством абонентов. В качестве характеристики, учитывающей технико-экономические показатели, рассматриваем критерий капитальных затрат К. Функция выбора С( W * ) отображает наиболее предпочтительные элементы из W * . Тогда сформулируем следующую задачу многокритериального выбора вариантов системы [3], которая сводится к поиску: С(W * )=arg min tq (w), j

w ÎW * С(W * )=arg max П q (w),

(2)

j

w ÎW * С(W * )=arg minК (w), j=1,J , w ÎW * при ограничениях tq £ tq доп , j = 1,J , П q ³ П q доп , j = 1,J , j

j

j

(3)

j

где tq - среднее время доставки сообщений j-го типа, tq доп - допустимое знаj

j

чение среднего времени доставки сообщений j-го типа, П q - вероятность j

470

СПИ-ПИ-2009 своевременной доставки сообщений j-го типа, Пq доп - 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 ÎW * ,y¹w)[ni(y)³ni(w)(i= 1,J )]} (4) При J=3 трехкритериальный выбор вариантов, представленный выше, соответствует паретовской функции выбора, определяемой (4) с характеристиками 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 ÎW * не существует варианта y ÎW * 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 Pw-' , j ( w ) = Æ , 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 рассмотрения варианты, не удовлетворяющие заданному ограничению, т.е. те варианты, в которых П q £ Пq доп , tq £ tq доп . j

j

j

j

j

Далее расчленяем, используя принцип декомпозиции [7], многокритериальный выбор на j, j = 1, J двухкритериальных, относительно tq и П q , Пq и j

j

j

К j , tqj и К j , процедур поиска множеств Парето.

Затем для каждой подсиcтемы j, j = 1, J , определяем множества Парето: Сj (W * )=arg min tq (w), j

Сj(W * )=arg max Пq (w), j

w ÎW * w ÎW * Сj (W * )=arg min tq (w), Сj(W * )=arg min К j (w), j

j=1, J ,

j=1, J

w ÎW * w ÎW * Сj (W * )=arg max Пq (w), Сj(W * )=arg min К j (w), j = 1, J j

w ÎW *

w ÎW * при ограничениях (3). 471

(5) (6) (7)

СПИ-ПИ-2009 Введем

понятие

множества

Парето

Pw-' , j (w, e j )

с

зоной

нечувствительности [7], для которого мощность нижней границы множества меньше или равна заданному интервалу e j : Pw-', j ( w, e j ) £ e j , e j - целое, e j = сonst.

При рассмотрении интервала e j , равного нулю, имеем обычное множество Парето. Далее произведем объединение решений двухкритериального выбора, найденных для каждого j с целью получения окончательного решения С( W * ). Объединение осуществимо с помощью операций объединения или пересечения. При использовании операции объединения (логической суммы) C(W * ,e)=C1(W * ,e) U C2(W * ,e) U … U Cj(W * ,e) U … U CJ (W * ,e) , (8) где Cj (W * , e ) находится из решения задачи (2), а Cj (W * , e ) = Pw-, j (w, e j ). '

При использовании для объединения множеств операции пересечения (логическое пересечение, или – общая часть) C(W * ,e)=C1(W * ,e) I C2(W * ,e) I … I Cj(W * ,e) I … I CJ (W * ,e) , (9) получаем наиболее жесткие решения. При заданном интервале e j возможны случаи, когда рассмотренные выше подмножества не совпадают. Такой случай приводит к пустому множеству вариантов при использовании операции пересечения, т.е. C(W * , e) = Æ и рассматриваться не может. Также возможен случай, когда при заданном e j подмножества Парето частично совпадают. Наиболее благоприятное решение задачи выбора возникает в случаях, когда e j , j = 1, J и все элементы подмножеств с номером j совпадают. Увеличение интервала e j , j = 1, J приводит к росту элементов множества многокритериального выбора вариантов и может допускаться по согласованию с заказчиком. Список использованных источников 1. Башарин Г.П., Куренков Б.Ф. Исследование одной системы массового обслуживания с дискретным временем // Изв. АН СССР. Сер. Техн. кибернетика. – 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.: 472

СПИ-ПИ-2009 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 принимаемые управленческие решения. Нет никаких сомнений в том, что любая организация или учреждение требуют управления, при этом, руководству необходима достоверная и актуальная, хорошо структурированная информация о ее деятельности. Корпоративные информационные системы позволяют в этой ситуации значительно повысить качество и оперативность принимаемых решений. Перед современными учреждениями и организациями стоит задача реализации глобальной стратегии повышения эффективности бизнеспроцессов, реализуемых в ходе жизненного цикла любого изделия. Средствами 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 компьютерных 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 информационную поддержку процессов жизненного цикла изделия. Результатами использования CALS должны стать разработка специализированных форм входных документов, создание быстрой навигации по базам данных с возможностью отбора необходимой информации по различным фильтрам, многокритериальный поиск и т.д. CALS-технологии ориентированы на оптимальное использование доступных предприятию программных средств. Таким образом, основой эффективного управления учреждением/организацией должна стать интегрированная корпоративная информационная система, разработанная на основе CALS-технологий, которая представляет собой хранилище данных, содержащее все сведения, создаваемые и используемые всеми подразделениями предприятия. Это хранилище имеет сложную структуру и многообразные внешние и внутренние связи. Интегри473

СПИ-ПИ-2009 рованная информационная система включает в себя наряду с общеупотребимыми, универсальными серверными СУБД как минимум две серверных базы данных: базу данных об изделиях и общую базу данных организации/предприятия. Важным звеном такой информационной системы являются подсистемы планирования и управления ресурсами предприятия или ERP-системы (Enterprise Resource Planning System), которые предназначены для управления 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- Расчет потребностей в материалах ми (Financial Management) (Materials Requirement Planning) Прогнозирование объема реализаУправление персоналом (Human ции и продаж (Forecasting) Resources) Ведения портфеля заказов (Customer Оперативно-производственное плаOrders) нирование (Finite Scheduling) Управление запасами (Inventory Оперативное управление производManagement) ством (Production Activity Control) Управление техническим обслужиУправление складами (Warehouse ванием оборудования (Equipment Management) Maintenance) Расчет себестоимости продукции и Управление закупками (Purchasing) затрат (Cost Accounting) Управление транспортировкой готоУправление продажами (Sales) вой продукции (Transportation) Объемное планирование (Master Управление сервисным обслуживаProduction Scheduling) нием (Service) Для выполнения перечисленных в таблице функций ERP-системы используют информацию, содержащуюся в интегрированной информационной системе, и помещают в нее результаты своей работы для использования данных на последующих стадиях ЖЦ. Неотъемлемой частью общей концепции корпоративного управления организацией является управление кадровым составом, а модули под названием Human Resource входят в число наиболее популярных функциональных направлений в составе ERP-систем. Модули позволяют автоматизировать планирование штатных расписаний, управлять обучением персонала на основании требований, указанных в должностной инструкции с оптимизацией затрат на обучение, оценивать специалистов на основании моделей компетенции, проводить учет кадрового резерва, подбирать сотрудников, оценивать эффективность рекрутинговых мероприятий и вести базу резюме. 474

СПИ-ПИ-2009 Кроме того, модули обеспечивают управление материальной мотивацией кадров. Если каждый из модулей ERP-системы (или отдельное программное приложение) охватывает одно направление деятельности предприятия (например, "Логистика", "Склад", "Сбыт" и др.), то система управления кадровым 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, плановоэкономическому отделу, руководителям всех подразделений, включая топ – менеджеров, при жестком разграничении полномочий и соблюдении прав доступа к информации. Достаточно часто функциональность информационной системы по управлению кадровым составом несколько шире, чем реальные 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 функциональность целям организации. Системы управления кадровым составом, как неотъемлемая и важная часть CALS-технологий предприятия, учреждения или организации, пользуются 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 вопросам управления персоналом, а настоящими стратегическими партнерами для руководства организации. Информационные системы позволяют упорядочить 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 CALSтехнологии пользователь волен, выбирать наиболее эффективные решения по управлению, в связи с чем, возникает реальная возможность наиболее оптимальным образом сформировать корпоративную информационную систему, основываясь в основном на реальных потребностях, а не на навязываемых рынком стереотипах автоматизации учрежденческой деятельности. Список использованных источников 1. Ковшов Е.Е., Мельникова А.В. Автоматизация процесса подбора персонала для машиностроительного предприятия. - СТИН, №9, 2006, С.33.

475

СПИ-ПИ-2009 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 направлений, углубления информационно-поисковой работы и актуализации сведений об объектах интеллектуальной собственности представляет деятельность фондов и центров учета объектов интеллектуальной собственности. В настоящий момент практика мониторинга объектов интеллектуальной собственности в специализированных автоматизированных системах является повседневной. При этом доступ к таким системам осуществляется пользователями различных структурных подразделений, сами системы являются распределенными, а информация, циркулирующая в них – конфиденциальной. В настоящей работе рассматриваются вопросы совершенствования таких 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 алгоритмов и программ государственного координационного центра информационных 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 образовательных и научных учреждений. Программный модуль RegOFAP 4.0 предназначен для использования разработчиками и уполномоченными региональными отделениями отраслевого фонда алгоритмов и программ (ОФАП) в целях подготовки к регистрации программных и иных разработок в ОФАП. Визуализация модуля RegOFAP представлена на рис. 1. Согласно рис. 1 программный модуль разработан в виде «мастера», состоящего из нескольких этапов, который ведет пользователя по процедуре подготовки комплекта документов к регистрации. Входными данными для программы является: реферат, текст рекламно-технического описания разработки, необходимые сведения о разработчиках и контактная информация. Выходными данными программы является подготовленный комплект документов соответствующий формальным признакам процедуры «экспертизы ОФАП». На каждом из этапов «мастера» регистрации пользователю необходимо 476

СПИ-ПИ-2009 указать основные параметры разработки, тип и форму регистрации путем заполнения соответствующих полей, значения которых вводятся с клавиатуры, указываются в виде переключателей или выбираются из справочников: локального или сетевого.

Рис. 1. Визуализация модуля RegOFAP Локальный справочник представляет собой выпадающий список, доступ к которому осуществляется путем нажатия на пиктограмму в правой части поля. Сетевой справочник представляет собой справочник (в виде Webстраницы), расположенный на сайте ОФАП (www.ofap.ru). Доступ к сетевым справочникам организован посредством гиперссылок, которые указаны в виде 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: информационной карты алгоритмов и программ, рекламно-технического описания, письма, строки базы данных ОФАП. Отправка пакета документов осуществляется следующими способами: вручную (через почтовый клиент), автоматически (при наличии доступа к сети Интернет). После завершения процесса отправки пакета документов на экранной форме будет отображена информация о текущем состоянии процесса регистрации разработки, а также инструкции с дальнейшими действиями, касающиеся печати и отправки бумажных копий документов. К основным достоинствам программного модуля RegOFAP можно отнести: оформление программы в виде мастера, интуитивно понятный интерфейс, наличие механизмов контроля корректности вводимой информации, 477

СПИ-ПИ-2009 наличие контекстных подсказок и примеров. К основным недостаткам программного модуля можно отнести: отсутствие механизмов формализованного хранения ранее введенной информации; зависимость корректной работы программы от наличия в системе установленного приложения MS Office 2000/XP; использование в программе двух видов справочников: локального и сетевого. Для выявления несоответствий в базовой системе мониторинга объектов интеллектуальной собственности по показателям адекватности, защищенности 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 мониторинга и регистрации объекта интеллектуальной собственности. Пакет цифровых документов, подготовленный в программном модуле RegOFAP, подвергается оценке на соответствие следующим критериям: полнота 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 научнотехнического информационного центра (ВНТИЦ), сотрудников ОФАП являются 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 отказе в регистрации или аннулировании регистрации. 478

СПИ-ПИ-2009 Анализ этапов регистрации объектов интеллектуальной собственности (подготовка авторами пакета документации для регистрации разработки, отправка первичных данных о разработке в региональное отделение ОФАП, формирование и отправка результатов экспертизы авторам, Внесение сведений о зарегистрированной разработке в БД головного отделения ОФАП и др.) позволяет сделать следующие выводы: 1. Распределенная структура работы ОФАП позволяет проводить качественную регистрацию большого числа разработок. 2. Использование типового программного продукта для подготовки пакета документов для регистрации разработок позволяет унифицировать процесс подготовки документов и избежать ошибок при их оформлении. 3. В качестве основного средства передачи документов используется передача информации через открытую сеть Интернет с использованием электронной почты, что является не безопасным. 4. Несмотря на использование программы RegOFAP в процессе регистрации разработки возникает медиаразрыв (необходимость переноса информации с одного носителя на другой). 5. Технические особенности программы RegOFAP не позволяют создать 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 сведения о зарегистрированных разработках, является база данных головного отделения ОФАП, доступ к которой, осуществляется через сайт ОФАП. Для устранения противоречий в базовой системе мониторинга и регистрации 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 документации; - применение механизмов проверки регистрации на соответствие предъявляемым требованиям по формальным признакам; - использование унифицированных форматов хранения описаний о разработках. С технической стороны используемые средства автоматизации должны обладать следующим функционалом: - унифицированный интерфейс пользователя на каждом этапе регистрации; - поиск разработки по названию, автору, дисциплине и т.д.; - интеллектуальный поиск по встроенным рубрикаторам ГРНТИ, УДК и др., репликация рубрикаторов; - автозаполнение уникального номера разработки; 479

СПИ-ПИ-2009 - автосохранение проекта регистрации разработки; - статистика по филиалам и направлениям; - расширенная статистика по регистрациям разработок; - операция оформления договоров; - поиск разработок с фильтром по отделению ОФАП; - доверенная репликация баз регистрации между отделениями ОФАП; - администрирование хранилища регистраций; - доверительная репликация с сайтом ОФАП и отделений ОФАП; - подготовка регистраций к передаче в Рис. 3. Контекстная типографские системы. диаграмма модели потоПроведем дополнительный анализ проков данных системы цедур регистрации и учета объектов интеллектуальной собственности. На рис. 3 представлена контекстная диаграмма модели функционирования системы регистрации и мониторинга объектов интеллектуальной 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, описанного ранее. Произведем детализацию процесса обмена данными между автором разработки и региональным отделением посредством прямого обмена документами или заполнением соответствующих анкет. Обмен данными между региональным и головным отделениями осуществляется с использованием телекоммуникационных технологий посредством передачи сообщений по протоколу защищенной электронной почты (S/MIME). Потоки данных, представленные на рисунке 4 позволяют определить места образования медиаразрыва и уязвимые места с точки зрения обеспечения безопасности. Например, поток первичных данных от автора разработки к представителю регионального отделения определяет медиаразрыв, который приводит к увеличению времени обработки заявки и увеличению вероятности возникновения ошибки при передаче информации. На рисунках 4-8 представлены детализированные диаграммы потоков данных (DFD) системы регистрации и мониторинга объектов интеллектуальной собственности. Рисунки 7 и 8 описывают один и тот же процесс взаимодействия регионального отделения с головным, но с учетом использования или не использования технологий защищенной передачи информации (электронная цифровая подпись). 480

СПИ-ПИ-2009 В результате моделирования получены внешние сущности и информационные процессы информационной системы регистрации и мониторинга объектов интеллектуальной собственности (табл. 1, 2).

Рис. 4. Модель потоков данных информационной системы регионального отделения

Рис. 5. Модель потоков данных процесса разграничения доступа Разработанные детализированные диаграммы потоков данных системы 481

СПИ-ПИ-2009 мониторинга объектов интеллектуальной собственности, а также выявленные сущности и процессы ИС фактически определяют структуру изменений в программных и функциональных модулях (программном коде) базовой системы мониторинга объектов интеллектуальной собственности RegOFAP, позволяют 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)

482

СПИ-ПИ-2009

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- Пользователь, оператор информационной сиснального отделения темы регистрации объектов интеллектуальной собственности регионального отделения. Осуществляет все операции по управлению, вводу, инициализации, анализу данных и процессов. Региональная база дан- Система управления базой данных региональных ной системы регистрации и мониторинга, поддерживающая механизмы контроля целостности, аутентификации, репликации, резервного копирования и т.д. Таблица 2 Процессы ИС регистрации и мониторинга ОФАП Разграничение доступа Аутентификация Процесс проверки соответствия субъекта доступа 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 определенных полномочий (прав доступа, функционала информационной системы) лицу на выполнение определенных действий на осно483

СПИ-ПИ-2009 вании уровня доступа, полученного в следствии аутентификации. Внесение данных о разработке, контроль правильности данных Внесение данных Процесс внесения данных в информационные поля формализованной формы разработки представителем РО, выполненный в виде мастера с предоставлением необходимых справочных данных. Контроль соответствия Выявление несоответствий в значениях заполтребованиям ненных полей и требований к их заполнению. Контроль уникальности Процесс определения уникальности разработки выполняемый на стороне РО на основании наименования разработки и других первичных полей. Анализ, мониторинг Процесс предоставления оператору информационной системы РО аналитических, сводных данных, количественных и качественных отчетов по имеющимся формам. Взаимодействие с головным отделением Инициализация взаимо- Процесс инициализации (старта) взаимодейстдействия вия с ГО региональным отделением, вызываемый оператором информационной системы. Синхронизация справоч- Процесс обмена данными между РО и ГО наных данных правленный на синхронизацию справочников и классификаторов, находящихся в РО, в виду их постоянной дополняемости. Отправка данных Процесс передачи данных о заявке на регистрацию в ГО в формализованном виде, с использованием, созданного в процессе инициализации, канала безопасной передачи данных. Получение результата Процесс получения результата по отправленным заявкам на регистрацию, отделен от процесса отправки данных по причине наличия определенного промежутка времени, необходимого на анализ заявки в ГО. Предлагается организовать хранение информационных ресурсов с использованием свободно распространяемых серверов баз данных MS SQL Server и Firebird. Передачу информации о регистрации предлагается осуществлять с использованием файла формата xml или mdb (MS Access). Описание 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 484

СПИ-ПИ-2009 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 собственности 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 ассиметричный алгоритм RSA. Таким образом, целостность описаний объектов определяется непротиворечивостью версий слотов. Алгоритмическое решение задачи о непротиворечивости версий слотов определяется проверкой существования соответствующего графа со слотами описаний в качестве вершин. Безопасность описаний объектов интеллектуальной собственности определяется 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 потоков могут быть выявлены уязвимости. Количество уязвимостей и действия, предпринятые по их ликвидации, определяют защищенность системы, которая может быть вычислена по известным методикам STRIDE и DREAD [5]. В соответствии с разработанными моделями потоков процессов, а также предложениями по устранению противоречий в базовой системе, разработана модификация базовой системы мониторинга объектов регистрации интеллектуальной собственности. В виду закрытости исходного кода произведена разработка аналога существующей системы в визуальной среде программирования Borland Delphi. Визуализация окна «Информационный ресурс» модифицированной системы мониторинга объектов интеллектуальной собственности представлена на рис. 9. Согласно рис. 9 информация об объекте интеллектуальной собственности в модифицированной системе структурирована по следующим категориям: «Общая информация», «Системная информация», «Авторы», «Скриншоты», «Документы». Навигация по форме интуитивно понятна, организован контроль корректности заполнения информационных полей. В качестве хранилища информационных ресурсов в модифицированной системе использовалась СУБД MS SQL Server 2000. Взаимодействие между участниками информационного обмена организовано с использованием файла формата xml. В настоящий момент ведутся работы по апробации разработанной системы мониторинга объектов интеллектуальной собственности. В результате апробации планируется получить практическое подтверждение теоретической гипотезы о повышении адекватности и безопасности модифицированной системы в соответствии с предложенными моделями и подходами. Таким образом, система мониторинга объектов интеллектуальной собственности является сложной распределенной системой. Существующие 485

СПИ-ПИ-2009 противоречия в системе вызваны незавершенностью этапов предпроектного проектирования, структурного и функционального проектирования. Применение соответствующих моделей и методик проектирования в совокупности с современными информационными технологиями позволит повысить адекватность и безопасность разрабатываемых систем мониторинга объектов интеллектуальной собственности.

Рис. 9. Визуализация окна «Информационный ресурс» Список использованных источников 1 Липаев В.В. Качество программных средств. Методические рекомендации. Под общей ред. проф., д.т.н. А.А.Полякова. – М.: Янус-К, 2002. 402 c. 2 Вендоров А.М. Проектирование программного обеспечения экономических информационных систем. – М.: Финансы и статистика, 2000. 352 c. 3 Калашян А.Н., Калянов Г.Н. Структурные модели бизнеса: DFDтехнологии. – 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.

486

СПИ-ПИ-2009 Делицын Л.Л. НЕЕДИНСТВЕННОСТЬ МОДЕЛЕЙ ОХВАТА АУДИТОРИИ WWW-РЕСУРСОВ В УСЛОВИЯХ ЗАМЕНЫ ФАЙЛОВ COOKIES [email protected] Интерпретация данных онлайн-счетчиков об охвате аудитории ресурсов WWW осложнена эффектами замены компьютеров и операционных систем, 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 p (l ) можно было бы единственным образом восстановить по кумулятивному охвату аудитории R1 (t ) за период t (кумулятивному числу “уникальных пользователей”), которые публикуют многие системы онлайн-статистики. Однако в этой работе будет показано, что в условиях замены cookies один и тот же результат наблюдений R1 (t ) может быть объяснен бесконечным множеством моделей. Пусть процесс использования информационного ресурса пользователем описывается простейшим потоком событий с параметром l , а процесс уничтожения файлов cookies – простейшим потоком с параметром m . Автором было показано [1], что кумулятивные охваты аудитории k-го порядка имеют вид: k

где

æ l ö æ ö m k -1 l Rk (t ; l , m ) = R × çç Fm (t ; l , m ) + Fk (t ; l , m ) ÷÷ , ÷÷ çç mt å l + m m =1 l+m èl+mø è ø k -1 k 1 ((l + m )t ) e -(l + m )t f k (t ; l , m ) = ( l + m ) и Fk (t ; l , m ) = 1 - l + m å f m (t ; l , m ) - плот(k - 1)! m =1

ность и функция распределения Эрланга k-го порядка [2]. Поскольку пользователи отличаются по параметрам l и m , обозначим p(l , m ) совместную плотность распределения этих параметров. Полные охваты числа пользователей, зарегистрированных не менее k раз за период t , являются результатом интегрирования по всем l и m : ¥¥

Rk (t ) = ò ò p(l , m )Rk (t ; l , m )dldm . 0 0

Однородная модель Кумулятивный охват аудитории, соответствующий модели, состоящей из одного сегмента пользователей, имеет вид: lm l2 (1 - exp (- (l + m )t )) . R (t ; l , m ) = R t+R l+m (l + m )2 (1) 1

Рис. 1 иллюстрирует накопленные охваты аудитории Rk (t ) , рассчитан-1 -1 ные для значений параметров l = 1 / 7 суток , m = 1/16 суток , R = 5,0 млн. человек. Треугольниками показан кумулятивный охват аудитории крупного WWW-проекта в один из месяцев осени 2005 г. 487

СПИ-ПИ-2009 10

Охват аудитории (млн. пользователей)

R1

8 6

R2

4

R3

2

R4 R5

0 0

7

14 21 28 35 Период измерений (количество суток)

Рис.1. Накопленные охваты зарегистрированных не менее k раз за период t «уникальных пользователей» Rk (t ) . 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: “активного” сегмента и сегмента “бесконечно редких” пользователей, которые используют ресурс бесконечно редко, может быть представлен как: l2 ö æ lm (1 - exp (- (l + m)t )) R (t ; l , m) = ç A + B÷×t + A (l + m)2 ø è l+m где {A, l , m} - параметры активного сегмента, B - численность сегмента “ред( 2) 1

ких” пользователей. Найдем параметры такой модели из двух сегментов, (1) ( 2) чтобы выполнялось тождество R1 (t; l , m ) º R1 (t ; l , m ) . Очевидно, такие параметры должны удовлетворять трем условиям l2 l2 = R и (l + m)2 (l + m )2 . Если в качестве свободного параметра выбрать параметр m , то тожде(1) ( 2) ство R1 (t; l , m ) º R1 (t ; l , m ) окажется истинным для любых значения времени A

lm lm +B=R l+m l+m ,

l+m=l+m,

A

при выполнении равенств: l =l+m-m

A=

l2 R l2

B=

Rlm - Alm l+m .

Из первого и третьего равенств и очевидного требования B ³ 0 следует дополнительное ограничение 0 £ m £ m . Таким образом, для произвольных неотрицательных параметров однородной модели l , m , R можно найти бесконечно много таких неотрицательных параметров l , m, A, B модели из двух сегментов, что кривые R1 (t ) для двух 488

СПИ-ПИ-2009 моделей совпадут. В силу аддитивности R1 (t ) решение задачи идентификации параметров модели (численности R и распределения p(l , m ) ) по кумулятивному охвату R1 (t ) не единственно: существует бесконечное число различных моделей с совпадающими R1 (t ) . Охват аудитории (млн. пользователей)

10

R1

8 6 4 R2

2

R3

R4

0 0

7

14 21 28 35 Период измерений (количество суток)

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 Rk (t ) , рассчитанные для модели, включающей: 1) “регулярную” аудиторию с интенсивностью использования l = 0,20 суток -1 численностью A = 2,4 млн. человек, которые вообще не меняют cookie -1 ( m = 0 суток ), и 2) “бесконечно редкую” аудиторию с суточным охватом в B = 187,6 тыс. уникальных пользователей в сутки, бесконечно малой интенсивностью использования 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 компаниями Jupiter Research [3], Nielsen//NetRatings, Atlas Solutions и Gemius [4] свидетельствуют, что от 39 до 43% пользователей WWW меняет cookies в течение одного месяца. В России по словам Марины Соловьевой, руководителя российского отделения Gemius: “мы фиксируем ежемесячный процент обновления на уровне 41%” [4]. Если уничтожение cookies описывается про-1 стейшим потоком, то его интенсивность должна составлять m = 1/57 суток (пользователь меняет cookie в среднем один раз в 57 суток). Результаты расчетов по такой, наиболее реалистичной из рассмотрен489

СПИ-ПИ-2009 ных, модели показаны на рис. 3. Здесь l = 0,19 суток , A = 2,9 млн. человек, m = 0,018 суток -1 ), B = 169,5 тыс. уникальных пользователей в сутки. Мы предполагаем, что в реальности охваты высших порядков Rk (t ) для рассматриваемого ресурса должны были бы выглядеть так, как показано на рис. 3. -1

10

Охват аудитории (млн. пользователей)

8

R1

6 R2

4

R3 R4

2 0 0

7

14 21 28 35 Период измерений (количество суток)

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 0 £ m £ m = 1 / 16 . Замечание 2. Взвешенные средние трех рассмотренных моделей породят ту же самую R1 (t ) . Замечание 3. На рис.1-3 можно видеть, что кривые охвата Rk (t ) высших порядков ( k ³ 2 ) существенно различаются. Таким образом, остается надежда однозначно определить R и p(l , m ) по нескольким кривым Rk (t ) . К сожалению, в отличие от классического случае чтения газет, в случае аудитории WWW охваты Rk (t ) высших порядков не могут быть надежно измерены, 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 - rk (n) , которые описывают количество уникальных пользователей, посещавших ресурс в течение k дней из n. Список использованных источников 1. Делицын Л.Л. Кумулятивные кривые охвата и проблема динамики аудитории российского Интернета // Интернет-Маркетинг. – 2008. - №5. – С. 280-292. 490

СПИ-ПИ-2009 2. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные 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 производственных отраслях, в том числе как исходный продукт в шинной и резинотехнической промышленности. Производство синтетического каучука является сложным многостадийным, взрывопожароопасным производственным процессом. В связи с этим при автоматизации технологических процессов производства синтетического каучука предъявляются высокие требования к программным и техническим средствам, применяемым при построении систем управления. Одним из наиболее важных составляющих при создании автоматизированной системы управления технологическим процессом является “нижний уровень”, который включает в себе технические средства (модули ввода/вывода, интерфейсные модули, контроллер) с помощью которых непосредственно осуществляется первичная обработка информации и выдача управляющих воздействий на исполнительные механизмы. STEP 7 – это пакет программного обеспечения, используемый для конфигурирования и программирования программируемых логических контроллеров SIMATIC фирмы Siemens. Применение данного программного продукта для автоматизации технологических процессов производства синтетического каучука позволяет эффективно реализовать способы управления различными его стадиями, которые характеризуется высокой инерционностью, наличием запаздывания в каналах управления, нестабильностью статических характеристик. В частности, применение пакета программных средств позволило осуществить 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 технологического регламента повышает качество готового продукта. 491

СПИ-ПИ-2009 Внедрение программ управляющих контроллеров с помощью пакета STEP 7 привело к повышению уровня промышленной безопасности и снижению энергетических затрат за счет стабилизации с высокой точностью технологических 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 данных, позволяющие решать задачи поиска объектов по их размещению относительно других объектов, оптимального размещения объектов и классификации территории по комплексу признаков. Однако для некоторых приложений ГИС этих средств недостаточно. В частности, в ГИС систем управления радиочастотным спектром требуется решать задачи построения и отображения 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 время 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, однако при размещении объектов в разных зонах использование этих систем затруднительно. При анализе геоинформационных данных авторы используют местную прямоугольную систему координат, центр которой может располагаться практически в любой точке Земли, а координатные оси направлены параллельно осям системы Гаусса-Крюгера. Местная прямоугольная система координат задается начальной точкой (X 0 ,Y0 ) , где X 0 – географическая долгота начальной точки в градусах, - 180 £ X 0 £ 180 , Y0 – географическая широта начальной точки в градусах, - 90 £ Y0 £ 90 . При создании местной прямоугольной системы координат с центром в точке (X 0 ,Y0 ) вычисляются следующие величины: B0 = pY0 180 ; C0 = cos B0 ; C02 = cos 2 B0 ; S0 = sin B0 ; A0 = C02 (0,7032× C02 - 135,3277) + 32140,4046; 492

СПИ-ПИ-2009

U 0 = 6367558,497 × B0 - A0 × S0 × C0 ; где p = 3,1415926535 8979 . Алгоритм преобразования координат произвольной точки Земли (X,Y) , где X – географическая долгота точки в градусах, - 180 £ X £ 180 , Y – географическая широта точки в градусах, - 90 £ Y £ 90 , в местную прямоугольную систему координат с центром в точке (X 0 ,Y0 ) , разработанный на основе методов преобразования координат, описанных в литературе [2], состоит из следующих шагов: Шаг 1. Вычислить величины: B = pY 180 ; C = cos B ; C2 = cos 2 B ; S = sin B ; S 2 = sin 2 B ; L = X - X0 . Шаг 2. Если L > 180, то положить L = L - 360. Если L < -180, то положить L = L + 360. Шаг 3. Вычислить величины: L0 = pL 180 ; L02 = L20 ; N = S2 (S2 (0,605× S2 + 107,155) + 21346,142) + 6378245; A00 = C2 (0,7032× C2 - 135,3277) + 32140,4046; A24 = C 2 (C2 (0,0000076 × C 2 + 0,0025269 ) + 0,25) - 0,0416667 ; A26 = C2 (C 2 (0,00562 × C2 + 0,16358) - 0,08333) + 0,00139 ; A28 = C2 (C2 (0,125 × C2 - 0,104) + 0,014) ; B13 = C2 (0,00112309 × C 2 + 0,33333333) - 0,1666667 ; B15 = C2 (C 2 (0,004043 × C2 + 0,196743) - 0,166667 ) + 0,008333 ; B17 = C 2 (C2 (0,1429 × C2 - 0,1667 ) + 0,0361) - 0,0002 . Шаг 4. Вычислить координаты точки (x,y) в местной прямоугольной системе координат с центром в точке (X 0 ,Y0 ) по формулам: x = L0 × N × C ( L02 ( L02 ( L02 × B17 + B15 ) + B13 ) + 1) ; y = S × C ( L02 × N ( L02 ( L02 ( L02 × A28 + A26 ) + A24 ) + 0,5) - A00 ) + 6367558,497 × B - U 0 . Погрешность преобразования координат из географической системы координат в местную прямоугольную систему координат по описанному алгоритму при L £ 4 не превышает 0,001 метра, а при 4 < L £ 9 не превышает 0,01 метра. Алгоритм преобразования координат произвольной точки (x,y) в местной прямоугольной системе координат с центром в точке (X 0 ,Y0 ) в географи493

СПИ-ПИ-2009 ческую систему координат, разработанный на основе методов преобразования координат, описанных в литературе [2], состоит из следующих шагов: Шаг 1. Вычислить величины: B = ( y + U 0 ) 6367558,497 ; C = cos B ; C2 = cos2 B ; S = sin B ; B1 = S × C (C2 (2382 × C2 + 293609) + 50221747) 1010 + B ; C1 = cos B1 ; C12 = cos2 B1 ; S1 = sin B1 ; S12 = sin2 B1 ; A22 = S1 × C1 (0,003369263 × C12 + 0,5) ; A24 = C12 (C12 (-0,0000151× C12 + 0,0056154) + 0,1616128)) + 0,25 ; A26 = C12 (C12 (0,00389 × C12 + 0,0431) - 0,00168) + 0,125 ; A28 = C12 (C12 (0,0013× C12 + 0,008) - 0,031) + 0,078 ; B13 = C12 (-0,00112309× C12 + 0,16666667) - 0,33333333; B15 = C12 (C12 (-0,000112 × C12 + 0,008783) - 0,166667) + 0,2 ; B17 = C12 (-0,0361× C12 + 0,1667) - 0,1429 ; N = S12 ( S12 (0,605 × S12 + 107,155) + 21346,142) + 6378245 ; Z = x N × C1 ; Z2 = Z 2 ; L = 180 p × Z (Z 2 (Z 2 ( B17 × Z 2 + B15 ) + B13 ) + 1) . Шаг 2. Вычислить координаты точки (X,Y) в географической системе координат по формулам: X = X0 + L ; Y = 180 p × A22 × Z 2 (Z 2 (Z 2 ( A28 × Z 2 - A26 ) + A24 ) - 1) . Шаг 3. Если X > 180, то положить X = X - 360, если X < -180, то положить X = X + 360. Шаг 4. Если Y > 90, то положить Y = 180 - Y , при этом если X > 0 , то положить X = X -180, а если X £ 0 , то положить X = X + 180 . Если Y < -90 , то положить Y = - 180 - Y , при этом если X > 0 , то положить X = X -180, а если X £ 0 , то положить X = X + 180 . 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 радиочастотным спектром // Четвертая международная летняя школа-семинар по ис494

СПИ-ПИ-2009 кусственному интеллекту: сборник материалов. – Минск: БГУИР, 2000. – С. 187-191. 2. Куштин И.Ф. Геодезия. Учебно-практическое пособие. – М.: «Издательство 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 относится к классу замкнутых смешанных стохастических сетей массового обслуживания, 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 обслуживания 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 сообщений в классе r, тогда число сообщений в укрупненном классе s определится как: N s = å N r' , (1) rÎ R s

где s=1, u . 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 центре, i= 1, М . Вероятность того, что сеть находится в одном из возможных состояний, обозначим P(n). Величина nir должна удовлетворять следующим условиям: 1) nir ≥ 0, i= 1, М , r=1, R ; 2) 3)

R

M

r =1

i =1

ån

ir

å ån rÎ R s

ir

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

= N s , где r= 1, R , s=1, u .

Последнее условие означает, что число сообщений в укрупненном классе Ns должно оставаться постоянным, что следует из свойства постоянства количества заявок в замкнутой стохастической сети массового обслужива495

СПИ-ПИ-2009 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 образом: S (Nu, M) = {n1, n2, …, ni, …, nM | ni = (ni1, ni2,… , niR), nir ³ 0, 1 ≤ i ≤ M, 1 ≤ r ≤ R,

ån

ir

rÎ R s

= N s , s=1, u }.

Число вариантов распределения заявок по терминалам и серверам, для каждого класса сообщений определим как сочетание: ( M | Rs | + N s - 1)! C MM||RRss||-+1N s -1 = , (2) ( M | R s | - 1)! N s ! 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 = Õ C MM ||RRss||-+1N s -1 ,

(3)

s =1

где s=1, u . Общее число состояний сети может рассматриваться как показатель сложности системы, что позволяет отнести данную величину к показателям качества Интранет-систем управления документооборотом. Ранее [4] показано, что исследуемая система может быть представлена с помощью смешанной стохастической сети, состоящей из M устройств с дисциплинами обслуживания FIFO, PS, IS, с заданным множеством классов сообщений и матрицей маршрутов, что позволяет ее отнести к классу BCMP-сетей, стационарные вероятности состояний которых имеют мультипликативную форму. В силу этого для расчета других показателей эффективности Интранет-систем управления документооборотом, воспользуемся методом расчета характеристик 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 имеет одну из дисциплин обслуживания: FIFO, PS, IS, LIFO, стационарное распределение вероятностей существует и имеет мультипликативный вид [3, 5]: M

P(n) = G ( N u )Õ Z i (n i ) , i =1 -1

(4)

где Zi(ni) зависит от типа i-го узла (i= 1, М ) и имеет следующий вид: 496

СПИ-ПИ-2009 1) если i-й центр не зависит от нагрузки и имеет дисциплину обслуживания FIFO, PS или LIFO [3, 5], 1 æe Z i (n i ) = ni !Õ çç ir r =1 nir ! è mir R

ö ÷÷ ø

nir

,

(5)

2) если i-й центр зависит от нагрузки и имеет дисциплину обслуживания FIFO, PS или LIFO [3, 5], n ! R 1 nir , (6) Zi (ni ) = ni i Õ eir n ! Õ mi (k ) r =1 ir k =1

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

ir 1 æ eir ö Zi (ni ) = Õ çç ÷÷ r =1 nir ! è m ir ø R

(7)

Здесь ni означает общее число сообщений любого класса в центре i R

( ni = å nir ) и для дисциплины обслуживания FIFO предполагается, что r =1

μi1=μi2=…=μiR=μi. Величина eir определяется из решения системы линейных уравнений. Из формулы (4) и условия нормировки (8) å P( n ) = 1 nÎ S ( N

u

, M)

следует, что выражение для нормализующей константы имеет вид: M

å ÕZ

G (N u ) =

i

(9)

(n i )

nÎS ( N u , M ) i =1

Для расчета нормализующей константы применим метод Бузена, еще известный, как алгоритм свертки [3, 6]. Рассчитав нормализующую константу, можно получить такие характеристики сети, как: 1) Поскольку центры сети не зависят от нагрузки то, пропускную способность i-го центра для клиента класса r можно рассчитать как [3]: e G (N u - l r ) lir (N u ) = ir , (10) G (N u ) где r=1, R , i= 1, М . 2) Загрузку i-го центра сети [3]: U ir ( Nu ) =

xir G (Nu - l r ) , G (N u )

(11)

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

Li (N u ) = å U ir (N u )[1 + Li ( Nu - l r )] , r =1

497

(12)

СПИ-ПИ-2009 где r=1, R , i= 1, М . 4) Среднее время пребывания сообщения r-класса в i-м центре [3]:

Tir =

Li (Nu ) , lir (Nu )

(13)

где r=1, R , i= 1, М . Полученные выражения для основных параметров сети дают возможность получения функционала общего индекса производительности PS системы, как элемента системы оценки качества, с учетом структуры системы, трудоемкости и частоты появления заявок различных классов, показателя загрузки системы Us: Ps = F ( M T , Rw , Tr' , vr , U s ) , (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 специфических 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 показателей 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, параметры очередей, среднее время обслуживания заявки заданного класса. Получен обобщенный вид функционала индекса производительности. Список использованных источников 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.: Машиностроение, 1979 – 432 с. 3. Жожикашвили В.А., Вишневский В.М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. – 192 с. 4. Клименко С.Г. Информационное обеспечение системы документационного обеспечения управления вуза// Информационные технологии моделирования 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. Comput. 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.

498

СПИ-ПИ-2009 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 использовать 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 подделки с помощью механизма сертификации, и, что немаловажно, встроить в криптосистему любой алгоритм шифрования (криптопровайдер) для обеспечения заданной стойкости.

499

СПИ-ПИ-2009 Колесниченко Е.В. ИНФОКОММУНИКАЦИОННЫЕ И КОГНИТИВНЫЕ ТЕХНОЛОГИИ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ВУЗА [email protected] Переход ВУЗов на рельсы стратегического управления развитием науки и образования сталкивается с необходимостью решения целого ряда проблем информационного характера: сбор, консолидация и стратегический анализ разнородной по своему составу и представлению информации. Целью данной работы является освещение некоторых подходов к организации единой информационной системы (ЕИС) Московского авиационного института, предназначенной для создания интегрированной корпоративной сети и решения 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 данных, их консолидации и превращения в новые знания для поддержки принятия неформальных управленческих решений. Базой BI-систем являются хранилище данных (Data Warehouse), средства интеллектуального анализа данных 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 непротиворечивость, привязка ко времени, неизменяемость, поддержка высокой скорости получения данных из хранилища, полнота и достоверность хранимых данных, поддержка качественного процесса пополнения данных. Средства интеллектуального анализа данных и текстов, возникшие на стыке ряда дисциплин (прикладная статистика, теория баз данных, методы искусственного 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 поддерживают технологии комплексного динамического синтеза, консолидации и экспресс-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 500

СПИ-ПИ-2009 докторантуры, бюро приказов, отдел кадров, бухгалтерия и так далее). Кроме того, она поддерживает внешние информационные связи, в частности взаимодействие с министерством, научными фондами, налоговыми органами, заказчиками и другими организациями. Базовым элементом ЕИС является система анализа данных на основе отечественной аналитической платформы Deductor, обладающая развитыми средствами Data Mining. Ее применение позволяет в реальном масштабе времени решать задачи стратегического анализа, используя накопленную в едином хранилище данных информацию из различных источников и поддерживая тем самым процесс принятия управленческих решений. Здесь бы хотелось остановиться на двух аспектах практического применения BI-технологий в ВУЗе: стратегическому анализу научной деятельности 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 научноисследовательских работ необходимо учитывать объективные мировые тенденции развития науки. А для того, чтобы их получить, необходимо, вопервых, провести контент-мониторинг научной информационной среды, а, во-вторых – дать интегральную оценку востребованности в научном сообществе 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 ключевых слов, отражающих специфику конкретного научного направления, проследить временную динамику изменения интереса к нему в различных информационных источниках. Не вдаваясь в тонкости и нюансы самого процесса контент-мониторинга, отмечу основные этапы его проведения: - определение перечня научных баз данных в соответствии с их доступностью (платные/бесплатные ресурсы) и информативностью; - градация информационных источников по степени их достоверности и авторитетности в научной среде; - формирование поискового запроса, отвечающего условиям смысловой релевантности; - проведение поисковых исследований; - формирование отчета. На последнем этапе осуществляется агрегирование полученных в результате информационного поиска результатов. Здесь в полной мере использовались возможности когнитивных технологий Data Mining по классификации процессов, то есть отнесения их к одному из нескольких предопределенных классов. Применительно к научным направлениям на основе экспертных оценок были выделены 5 таких основных классов, отличающихся динамикой 501

СПИ-ПИ-2009 и характером изменения процесса: бурный рост, уверенный рост, равновесное состояние, заметный спад, прогрессирующий спад. Агрегированным результатом контент-мониторинга конкретной научной тематики является номер класса, к которому она относится, то есть ее обобщенная характеристика. При необходимости такая интегрированная характеристика может быть максимально детализирована: таблицы и статистики по группам источников и годам, временные диаграммы с трендами и так далее. Второй аспект применения BI-технологий тесно связан с рассмотренным выше и касается решения задач кадровой политики. Наряду с научной деятельностью миссия ВУЗа состоит в подготовке специалистов для различных отраслей промышленности. Поэтому при разработке стратегии университета особое внимание должно быть уделено решению кадровых вопросов, призванных укрепить и сбалансировать профессорско-преподавательский состав (ППС) – основной интеллектуальный капитал ВУЗа. Не секрет, что большинство российский ВУЗов в силу известных причин испытывают хроническую 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 проанализировать возрастную структуру ППС как по университету в целом, так и по отдельным подразделениям (факультеты, кафедры). Для решения этой задачи использовалась информация, находящая в обращении бюро приказов и отдела кадров. В результате ее обработки было сформировано хранилище данных, содержащее детализированную информацию о ППС: ФИО, дата рождения, место работы (факультет, кафедра, лаборатория), вид занятости (штатный/нештатный), ученая степень, ученое звание. С помощью средств Data Mining эта неструктурированная информация была трансформирована в набор таблиц, графиков, диаграмм и гистограмм, отражающих характер возрастных категорий ППС в целом по университету и отдельным его подразделениям. Для получения интегрированных показателей возрастного состава ППС были разработаны два полезных приложения. Первое из них (тактическая маска) позволяет выделить наиболее проблемные подразделения с точки зрения возраста ППС и оценить положение дел в них по сравнению общевузовской статистикой. Второе приложение (стратегическая маска) позволяет провести 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 авторитетных 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. 502

СПИ-ПИ-2009 Помимо масок, таблиц, диаграмм и прочего, руководитель всегда может 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 категорий, тип занятости, ученое звание, ученая степень). Эта таблица позволяет оперативно получать нужную информацию в детализированном или агрегированном виде, например, число штатных преподавателей на конкретной кафедре в возрасте от 30 до 40 лет, имеющих ученую степень. Воспользовавшись при этом опцией «детализация» в меню, можно увидеть не только число таких преподавателей, но и их ФИО, дату рождения и так далее. Подводя итог краткому рассмотрению возможностей инфокоммуникационных и когнитивных технологий при решении стратегических задач ВУЗа, необходимо отметить их практическую направленность, заключающуюся в обеспечении руководителей оперативной, объективной и достоверной 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 ИТинфраструктуры 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 количества терминальных пользователей. Полученные результаты тестов 1. Тест 1. ASU – Axapta standart user (50 строк заказов в час). Результаты 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. 503

СПИ-ПИ-2009 Таблица 1 Количество пользователей 10 20 30 40 50 60

Результаты теста 1 Строк заказов в час 26043.25 65600.3 94756.3 131201.7 165823.8 182223.2

Результаты теста 2 Количество пользователей Строк заказов в час 10 15540.32 20 37660.32 30 58100.32 40 81805.56 50 100310.16 60 110670.16

ASU 510 1237 1909 2688 3296 3637 Таблица 2 ASU 310 753 1162 1636 2006 2213 Таблица 3

Результаты теста 3 Количество Кол-во обрабо- Строк в Среднее вре- Средневзвепользователей танных в тече- час мя отклика, шенное время ние сеанса строк мс отклика, мс заказов 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 52% Нагрузка на сервера распределяетна процессорах ся практически равномерно (на первый сервер 50%, на второй – 54%) SQL Средняя нагрузка 72% По мере выполнения теста нагрузна процессорах ка растет практически экспоненциально до 70%, затем мало меняется SQL Количество стра- 0.1 ниц RAM прочитанных / записанных на диск 504

СПИ-ПИ-2009 Параметр Значение SQL Время бездейст- 53% вия дисковой подсистемы

Комментарии Изменяется в диапазоне от 5% до 80% Таблица 5

Результаты теста 4 Количество Кол-во обрабо- Строк в Среднее вре- Средневзвепользователей танных в тече- час мя отклика, шенное время ние сеанса строк мс отклика, мс заказов 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 Нагрузка на сервера распределяется AOS Средняя нагрузка на 74% процессорах неравномерно (на первый сервер 62%, на второй – 86%) По мере выполнения теста нагрузка SQL Средняя нагрузка на 94% процессорах растет практически квадратично до 90%, затем мало меняется SQL Количество страниц 0.3 RAM прочитанных / записанных на диск SQL Время бездействия 28% Изменяется в диапазоне от 2% до дисковой подсистемы 43% 4. Результаты теста 4. Результаты теста 4 занесены в табл. 5. Полученные результаты нагрузок на серверы занесены в табл. 6. Анализ полученных результатов На основе полученных данных и интерполируя их на заданное в количество пользователей (650), можно получить следующие значения максимального 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 информационной сети получено расчетным путем количество серверов, равное 4. Соответственно максимальное количество ASU в этом случае будет: 505

СПИ-ПИ-2009 - 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 максимального 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. Список использованных источников 1. Копылов М.В., Кравец О.Я. Модель двухзвенной архитектуры «клиент – 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 «клиент – 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 технологии 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 основных и неотъемлемых функциональных элементов цепочки поставок. Эволю506

СПИ-ПИ-2009 цию роли складов и дистрибуции в указанной цепочке можно сравнить – и связать – с эволюцией систем MRP-ERP. Практически все современные ERPсистемы имеют в своем составе специализированные модули "Склад", "Логистика" и т.д. Тем не менее, чтобы подняться на уровень, эквивалентный планированию ресурсов предприятия в сфере складского хозяйства/ дистрибуции, многие компании внедряют автоматизированные системы управления складом (Warehouse Management Systems, WMS). Основная задача WMS-системы заключается в управлении перемещением и хранением материалов/комплектующих, а также в обработке соответствующих транзакций. Детали системы могут существенно меняться в зависимости от поставщика программного обеспечения, однако в основе всегда лежит логика работы с наименованиями товаров, их местонахождением, единицами измерения и информацией о заказах, позволяющая определять источник 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 Aberdeen Group опросила сотни предприятий, пытаясь определить характеристики их WMS-систем и выяснить, какие стратегии управления складом используют наиболее успешные компании. Большинство респондентов своими главными задачами сочли сокращение затрат и ускорение обслуживания клиентов. Некоторые компании смогли решить обе эти задачи. Те, что добились наибольших успехов, активно 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 производительности. Многие планируют модернизировать или заменить свои системы управления складом в ближайшие полтора года. Им требуется большая прозрачность складов и подразделений дистрибуции, информация о заказах, товарных запасах, состоянии складских операций. Они рассчитывают на повышение 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 специальные меры для достижения этой цели. Большинство компаний высказали пожелание, чтобы система управления складом была гибкой, им нужна WMS-система с настраиваемыми потоками операций, которые автоматически инициируются и определяют задачи в зависимости от клиента и других параметров. Кроме того, им необходима 507

СПИ-ПИ-2009 гибкость, позволяющая справляться с сезонными волнами нагрузки, временным дефицитом кадров, заказами с участием нескольких поставщиков и особыми 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 хранения 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" системы управления складом: · Мобильная связь в реальном времени. Без такой связи задержка 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 бумаге и должна вводиться в систему позднее, что приводит к задержкам передачи данных и трудоемким административным процедурам. · Автоматический ввод данных. Если эти данные должны вводиться 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 операции размещения, пополнения и отбора могут вылиться в долговременный поиск товара, если в исходной ячейке его недостаточно. · Направление процесса. Некоторые простые системы управления 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 некоторых случаях она может способствовать повышению точности работы, но мало влияет на ее эффективность. · Простота модернизации. Если применяется коммерческое программное обеспечение, регулярно ли поставщик наращивает функциональ508

СПИ-ПИ-2009 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 компании, занятые в сфере дистрибуции, до сих пор не внедрили WMS? Используются ли WMS только в компаниях определенного размера или с определенным уровнем сложности управления складом или это необходимое требование для всех дистрибьюторских центров, независимо от размера и отрасли? В числе прочих выводов исследование Aberdeen установило, что лучшие 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 складом по 50 критериям. У Highjump лучшая стратегия, и она предлагает наиболее гибкую архитектуру. В числе достоинств системы этой компании хорошо спроектированный и конфигурируемый механизм управления технологическими потоками, четко сфокусированная стратегия продукта, методология быстрого внедрения, великолепная гибкость и хорошая поддержка дополнительных услуг. Кроме того, Forrester выделяет компанию Manhattan Associates, которая также твердо закрепилась в положении лидера благодаря широким возможностям своего продукта и продуманной стратегии развития. Сильными игроками 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 повысилась 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, представляет собой взаимосвязанные объекты и коллекции объектов. Каждый 509

СПИ-ПИ-2009 объект или коллекция включает в себя множество параметров и других объектов, коллекций. В свою очередь, сами объекты и коллекции имеют хозяина (Parent), в состав которого они входят. На вершине объектной модели табличного процессора Excel находится объект Excel.Application. Через этот объект, в основном, и осуществляется связь приложения с внешними программами. 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, существенно сокращается время на разработку приложений. Возможность автоматической записи макросов существенно облегчает понимание и сокращает время создания приложений в MS Excel. Встроенный языка MS Office позволяет использовать в макросах внешние 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 документы Excel и создавать сложные документы и отчеты на комплексной основе. 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. Список использованных источников 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 вычислительных 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 510

СПИ-ПИ-2009 вычислительных ресурсов. Особенностью процессов применения распределенных вычислительных систем является различная степень использования вычислительных ресурсов. В настоящее время сложилось ситуация нерационального использования установленных вычислительных ресурсов, что приводит к существенному превышению расходов на ввод основных средств, а также электроэнергию, 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 происходит в результате нескольких факторов, среди которых отсутствие возможности использования внешних ресурсов, и соответственно их предоставления; использование неоптимальных стратегий планирования распределенных вычислений. При этом основную роль по распределению доступных вычислительных ресурсов играют стратегии планирования, которые определяют порядок обработки запросов. В связи с этим, актуальным является исследование процесса планирования распределенных вычислений, выявления недостатков и формулировка предложений по повышению эффективности использования вычислительных ресурсов. Повышение эффективности использования вычислительных ресурсов в вычислительных кластерах, а особенно с гибридной архитектурой, приведет 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 функционирующие системы содержат каналы, по которым транспортируются вещество, энергия, информация и выносятся из системы продукты распада. Всякая сеть по переносу вещества и энергии от источника к потребителям состоит 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 511

СПИ-ПИ-2009 представляет собой орграф, дуги которого ассоциируются с каналами сети, одна из дуг - с каналом, в который включен источник, а вершины - с абонентскими пунктами и узлами соединения каналов друг с другом. Функционирование стационарных сетей по переносу вещества и энергии описывается с помощью двух типов сетевых переменных - кинетических и потенциальных, подчиненных уравнениям, аналогичным уравнениям Кирхгофа для электрической цепи. Вследствие этого синтез такого рода сетей следует проводить на единой математической основе, учитывая специфику каждого типа сети при конкретном проектировании. К такого рода сетям относятся: электрические, трубопроводные гидравлические и газовые сети (далее инженерные сети). В инженерных сетях, можно выделить ряд общих, с точки зрения топологии, элементов: § Источник. Узловой элемент. В электроснабжении это может быть источник напряжения, трансформаторная подстанция, в водоснабжении - водонапорная башня, скважина, в теплоснабжении - котельная, ТЭЦ. Источник может иметь два состояния: включен или отключен. § Потребитель. Узловой элемент. Это потребители воды, газа и тепловой энергии. Источник может иметь два состояния: подключен или отключен. § Отсекающее устройство. Узловой элемент. В трубопроводных сетях запорная арматура: вентили, задвижки, краны. Отсекающее устройство может 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 трубопроводов. 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 потенциалов потоков у потребителей требуется так определить параметры участков сети и источников сети, чтобы приведенная стоимость сети была наименьшей; § инвентаризация объектов распределенной производственной и вспомогательной инфраструктуры инженерных сетей, ведение технической документации; § оперативное диспетчерское управление в нормальном режиме эксплуатации; § оперативное реагирование на аварии и чрезвычайные ситуации, в том 512

СПИ-ПИ-2009 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 программирование, теория графов, ГИС-технологии. При инвентаризации объектов сети используем 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 методом расчета сети, приведенного в [2]. В результате работы программы происходит расчёт изменения потоков на дугах сети и перерасчёт законов сопротивления. Используется метод Зейделя с заранее заданной погрешностью. Результатом расчёта программы является база данных – содержащая матрицу результатов по всем дугам и потокам. Добавочным полем обозначаются строка значений, при которых произошло схождение малой итерации. Для тестовой проверки системы расчёта была использована существующая ГИС «г. Нальчик» . Был выбран 6 контурный сегмент сети, представленный на рис. 1.

Рис. 1. Пример тестовой проверки системы расчёта в ГИС «Нальчик» 513

СПИ-ПИ-2009 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: S S S S S S S

15

0 ,77

S = S = 2| xij| =S =S =S =x = 0, 7 x = 0,3 x = 0, 2 x =S = 1,5 x = S = S = 1,5 x

610

=

711

812

26

37

48

0 ,85 ij

0, 9

34

34

1,9

23

23

0 ,9

12

12

0, 77

1011

1112

ij

0, 85

56

67

78

ij

Систему контурных уравнений считаем методом Зейделя : x

15

x x

23

- S 26 x23 + p S 56 + 10 p S 26 + 11 p S 12

=

S x

=

S 37 x 23 - S 67 x1011 - S 26 x115 + 2 p S 37 + 6 p S 67 + 10 p S 23

=

S 78 x812 + S 37 x 23 + p S 78 - 2 p S 37 - p S 34

56

59

S

15

+ S 56 + S 26 + S 12

S

23

+ S 37 + S 67 + S 26

S +S +S +S + +p +2p -pS x = S x S +x +S + S S S S S - S x + S x + 2p S +6p S S x x = S +S +S +S + +p +2p - pS x = S x S +x +S + S S S S S 48

48

610

1011

78

56

37

15

34

910

610

56

59

59

711

910

610

610

612

67

23

1011

78

48

56

59

711

67

- 2 p S 611

1011

1011

711

711

67

1112

610

711

78

812

812

1112

711

78

В результате тестового прогона программного комплекса было 316 итераций подсчёта, из них в 36 итерациях наблюдалось схождение малого условия. Список использованных источников 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 производительности. Это связано из-за необходимости получать изображение с высоким разрешением. К ряду систем, таких как интеллектуальные цифровые камеры, 514

СПИ-ПИ-2009 предъявляются еще и требования по габаритам. Если рассматривать организацию подобных систем, то можно выделить несколько частей. 1. Приемник видеоинформации. Это может быть CMOS-сенсор или видеосигнал 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 куда-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 платформу для обработки, хранения и передачи видеоинформации высокого разрешения. Основными требованиями, которые предъявляются к такой платформе, 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, которая состоит из аппаратной и программной части. Аппаратная часть представляет собой малогабаритную плату. Функции приема изображений реализуются сменными модулями, которые подсоединяются к базовой плате. Эти сменные модули реализуют интерфейс 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 флэшпамяти. 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 использовать аккумуляторную батарею для автономной работы. Реализованы функции по зарядке батареи и отслеживанию ее состояния. 2. Сохранение параметров. Для сохранения параметров применяется энергонезависимая FRAM-память. Это позволяет сразу записывать параметры при их изменении. 3. Для загрузки системы используется загрузочная флэш-память размером до 16Мбайт. 515

СПИ-ПИ-2009 4. Расширение системы. Для расширения функций системы возможно подключение любых USB-устройств. Для их работы необходимо скомпилировать требуемые драйвера. Программная часть состоит из программ для двух ядер. Для ядра общего назначения ARM9, было адаптировано ядро linux-2.6.21 и построена файловая система, которая включает набор сервисных программ. Также были реализованы специфичные драйвера для работы с памятью FRAM и другими нестандартными устройствами. Выполнением системных функций занимается специальная программа-сервер, которая организует конвейер приема данных, обработки, и, в зависимости от настроек, сохранение или передачу данных клиентскому программному обеспечению. Функциями обработки и кодирования информации занимается DSPядро процессора. Для него разрабатывается отдельные программы, которые загружаются управляющей программой по необходимости. Такое отделение логики обработки позволяет четче сконцентрироваться на вопросах обработки видеоинформации. Также данное ядро оптимизировано для выполнения таких задач. Система была разработана, создана и оттестирована. Она удовлетворяет 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 распределения ресурсов системы. Одной из используемых классических оценок является определение количества информации [2]. Данный показатель, как правило, 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 элементам систем обработки информации. Примем, что блок обработки информации, 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: Рис. 1. s×k→ s'×k' – рис. 1. Оценим количество входящей обрабатываемой информации:

516

СПИ-ПИ-2009 Проведем разбиение блока обработки информации на m блоков, сокращая информационную нагрузку на каждый блок. Вместе с тем необходимо 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 информации подобным образом проводится достаточно успешно на различных уровнях обработки: как на уровне элементов процессора (например, на уровне ядра), так и при реализациях в виде кластерных систем.

Рис. 2. Предлагается использовать критерий оценки количества обрабатываемой информации для оптимального распределения ресурсов системы. Будем считать критерием оптимальности равенство количества обрабатываемой информации: H1= H2=…= Hm. Однако, остается важным оценить количество обрабатываемой информации в блоке Bc. Очевидно, что при увеличении количества блоков m количество 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 разбивать 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 информации, но и вычислительная сложность реализуемой функции обработки данных в блоке. Список использованных источников 1. Мещеряков Р.В., Бондаренко В.П. Диалог как основа построения речевых систем // Кибернетика и системный анализ, 2008, - N2. - С.30-41 517

СПИ-ПИ-2009 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 построения экспертных систем (ЭС) был выделен ряд присущих им недостатков, таких как: узкая направленность; большие временные, трудовые, организационные затраты специалистов, при построении экспертных систем; высокая стоимость. Таким образом, разработка программного комплекса реализующего автоматизированное построение ЭС при малых производственных затратах, является довольно актуальной задачей. Разработка такого программного комплекса предполагается на основе автоматизированной технологии построения экспертных систем [1], предусматривающей реализацию процессов извлечения и накопления знаний из различных предметных областей, автоматизированное построение интеллектуальной модели решаемой задачи, автономное функционирование ЭС. Разрабатываемый программный комплекс представляет собой целостною интерактивную систему, состоящую из взаимосвязанных компонентов, позволяющих осуществлять построение нейросетевых экспертных систем для различных предметных областей. Для каждого компонента системы определен круг решаемых им задач. Система включает три основных компонента: информационная часть; компонент импортирования данных (интегратор); модуль работы с искусственной нейронной сетью (ИНС). Информационная часть обеспечивает накопление, хранение и предоставления информации, а также реализует интерфейс конечного пользователя. Компонент импортирования данных обеспечивает импортирование накопившихся совокупностей данных из базы данных в модуль работы с нейронной сетью. Компонентом реализуется подготовка обучающей выборки для сети. Модуль работы с ИНС обеспечивает автоматизированное построение и обучение нейронной сети на основе множества совокупностей входных параметров решаемой задачи с соответствующими выходными состояниями, способной классифицировать вновь поступающую информацию, а также обладающей способностью доучиваться. В основу работы данного компонента положен алгоритм самоорганизации и подбора архитектуры ИНС, предложенный ранее А.А. Арзамасцевым и др. в работе [2] для построения нейронных сетей. Результатом работы компонента является интеллектуальная модель решаемой задачи, по ходу работы системы принимающая соответст518

СПИ-ПИ-2009 вующие состояния. Модель может находиться в трех состояниях: построения, классификации и доучивания. Все вышеописанные компоненты являются взаимосвязанными частями единой целостной системы, функционирующей поэтапно согласно схеме представленной на рис. 1. Каждому этапу соответствует реализация определенных задач.

Рис. 1. Общая схема функционирования компонентов системы Первый этап – извлечение и накопление знаний. Второй этап – построение интеллектуальной модели решаемой задачи. Третий этап – доучивание модели на основе вновь поступающих данных. Третий этап – классификация поступающей информации с помощью построенной интеллектуальной модели. Таким образом, на основе автоматизированной технологии построения экспертных информационных систем разработан программный комплекс, позволяющий осуществлять автоматизированное построение экспертных систем для различных предметных областей, и поддерживающий весь жизненный цикл их разработки. Список использованных источников 1. Арзамасцев А.А., Неудахин А.В., Зенкова Н.А. Автоматизированная технология построения экспертных систем с интеллектуальным ядром на основе ИНС-моделей // Открытое образование. 2008. Вып. 3(68). С. 35–39. 2. Арзамасцев А.А., Крючин О.В., Азарова П.А., Зенкова Н.А. Универсальный программный комплекс для компьютерного моделирования на основе искусственной нейронной сети с самоорганизацией структуры // Вестник Тамбовского университета. Сер. Естественные и технические науки. Тамбов, 2006. Т.11. Вып. 4. С. 564–570.

519

СПИ-ПИ-2009 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 узлов) необходимо определять лидера. Обычно узел лидера используется, чтобы координировать некоторые задачи. Выбор лидера влияет на эффективность системы в двух стадиях; выбор операции и результат выбора, как способность лидера в принятии своих обязанностей. Из-за высокой динамичности пиринговых систем, мы сосредоточиваем своё внимание на первой стадии для того, чтобы выбрать лидера наиболее эффективным методом. Поэтому в данной работе представлено эффективный алгоритм для выбора лидера. 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 используются в распределенных системах для балансировки нагрузки [1] и сохраняют согласованность между копиями ресурса [2]. Кроме того, эти алгоритмы 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 пропускной способности места и перегруженность каналов, которая вызвана одновременной работой узлов или общим использованием сетевых ресурсов. Перегруженность сети и эффективность использования ресурса всегда относятся 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 отключения узлов, отсутствие отказов, актуальности выставляемых данных для потребителей и децентрализации. Цель настоящей роботы - предложить масштабируемый децентрализованный 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 520

СПИ-ПИ-2009 отказ. Лидер всегда принадлежит кластеру узлов со сходными интересами. Алгоритм представленный в статье, основан на следующей модели представления динамической пиринговой системы. Базовые элементы системы – это её узлы (peers). Узлы соединены с помощью пиринговых оверлеев, которые позволяют, используя маршрутизацию, передавать сообщения между любыми 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 подключаются и отключаются от системы в произвольные моменты времени. Все узлы, имеющие один и тоже интерес, объединяются в кластере, и обозначается S j = {pi , i = 1, n}, n - число узлов в Sj ,j=1,…,l , l - номер кластера. Алгоритм МДАГЛ Вначале в качестве лидера кластера назначается элемент с максимальным 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 элементы получают сообщение, они просто назначают пославший его узел лидером. при одновременной посылке сообщений Я-ЛИДЕР несколькими узлами, 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 комментариями. Каждый элемент хранит свое внутреннее состояние: текущего лидера и время Tm (временная отметка) лидера после получения сообщения об операции 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 заключается 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 лидер, 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 Þ "Pj , i ¹ j , не являются лидерами. 521

СПИ-ПИ-2009 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 одновременно, то лидером становится тот, у кого максимальный идентификатор. 3) Если же в данный узел пришло одновременно несколько сообщений «Я-лидер» от двух и более узлов, то вступает лидером тот, кто по отметке времени последний отправил. Теорема (живучести) 2: В результате каждого исполнения алгоритма достигается ситуация, что pi – лидер. Доказательство. Согласно теореме 1 ,мы утверждаем, что в результате 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 пиринговых 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 (n2)*CN . Допустим из описания алгоритма, следует, что число шагов для исполнения одного соотношения не превышает CN и число кандидатов не может 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 522

СПИ-ПИ-2009 Свойства алгоритма Теперь рассмотрим, какие свойства имеет МДАГЛ1) Алгоритм удовлетворяет требование децентрализации. Когда узел Pi обнаруживает, что текущий лидер вышел из строя, Pi начинает локально операцию выбора и Pi, возможно, является лидером, если не один из других узлом, 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 эффективность алгоритма. Список использованных источников 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 244251.IEEE Computer Sociaty,2005 2. Decentralized and Fair Mutual Exclusion Protocol in Peer-to-Peer Systems/ A.A.Obeidat, V.V.Gubarev, А.А.Al-yousef // The 10th International Workshop 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. Addisonwesley, 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 Technology, US Department of Commerce, Washington D.C., April 1995. 5. Lamport L. Time, clocks and the ordering of events in a distributed system, 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, основанного на интернет-технологиях и объединяющего имеющие распределенный характер данные, и обеспечения возможности интеграции информаци523

СПИ-ПИ-2009 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 усилий академических географических и геоэкологических учреждений РАН европейской 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 географии и геологии как основных производителей и потребителей пространственных данных. Российские научные институты географии, в том числе и ТИГ ДВО РАН во Владивостоке, располагают значительными, но недооцененными и мало востребованными информационными ресурсами. Это электронные атласы и серии электронных карт экологического и природноресурсного содержания, немногие пока онлайновые картографические ресурсы, а также другие цифровые данные. Решение данной задачи сталкивается с трудностями общего характера. В организациях РАН накоплен большой объем разнообразных цифровых ресурсов, образующих достаточно развитую информационную инфраструктуру. Но эффективность этой инфраструктуры невысока в основном из-за значительной неоднородности уровня применяемых информационных технологий в различных организациях. Научная информация слабо представлена для доступа по телекоммуникационным каналам. В результате, полноценная интеграция отдельных организаций в глобальную систему на уровне современных информационных технологий становится сложной. Кроме того, ситуация усугубляется еще и неоднородностью уровня профессиональной подготовки персонала на местах и недопониманием важности проблемы администрациями организаций. Отсутствует заинтересованность научных сотрудников в интеграции данных, и нет крупных междисциплинарных проектов, способных объединить их интересы и усилия. Отсутствуют даже всех удовлетворяющие стандарты на данные и метаданные. Тем не менее, успешное решение задачи объединения цифровых ресурсов РАН в интегрированное информационное пространство является необходимым условием дальнейшего развития российской науки. С 2001 года Российской академией наук выполняется целевая программа «Информатизация научных учреждений и Президиума РАН». Основная задача, решаемая в рамках этой программы – создание Единой информационной системы (ЕИС) РАН, которая должна объединить в интегрированное информационное пространство распределенные и локальные электронные ресурсы организаций РАН. ЕИС РАН – это информационная среда фундаментальных и прикладных исследований РАН, которую должны составлять всевозможные цифровые (электронные) ресурсы: информационные и вычислительные системы, Web-сайты, цифровые библиотеки, распределенные и локальные базы и банки данных, использующие как собственные 524

СПИ-ПИ-2009 принципы организации, так и технологии открытой архитектуры проекта ЕИС РАН. При этом ЕИС РАН не заменяет собой и не дублирует функции информационных и вычислительных систем отдельных организаций РАН. Эти системы и их отдельные компоненты сохраняют функциональную самостоятельность и возможность работать независимо друг от друга. Объединение распределенных ресурсов в ЕИС РАН достигается поддержкой всеми интегрированными компонентами единообразного представления ресурсов и реализацией интерфейсов взаимодействия, основанных на открытых стандартах. В рамках этого направления разработаны информационные системы подразделений РАН, в частности – Научный институт РАН [1]. Использовались передовые технологии и форматы представления метаданных [2]. На базе НИ РАН разработана геоинформационно-аналитическая система «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 исследований и огромными, постоянно растущими объемами данных о них — информационными моделями объектов различного масштаба: от элементарных 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 многоаспектных пространственных данных, а также сопоставление результатов исследований для выявления общих закономерностей геопроцессов в пространственно-временных координатах на локальном, региональном и глобальном уровнях. Для решения поставленных задач необходимо привлекать достижения современных геоинформационных технологий — распределенные ГИС, представляющие собой распределенные разнородные базы данных; распределенные 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 семантической интероперабельности вне зависимости от способа их представления. Система предоставляет единую точку входа (Web-портал) к этой среде, которая имеет широкий круг применения в области интеграции и поиска распределенных неоднородных источников пространственных данных и приложений для решения научных задач исследования Земли и каталогизации, обмена, поиска и автоматизации сбора распределенных пространственных метаданных. Система «ГеоМЕТА» расширяет ИС «НИ РАН» компонентом поддержки работы с пространственными ресурсами и реализована с использова525

СПИ-ПИ-2009 нием ключевых технологий и стандартов Интернет. Эта система была взята за основу при решении задачи интеграции ресурсов пространственных данных ТИГ ДВО РАН, объединении их с другими научными, административными 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 несколько «уровней поддержки» схем метаданных: минимальную; базовую; расширенную – объем достаточный для основной работы «специалистов» предметной подобласти; специализированную – объем, существенно ориентированный на специалистов предметной области. Использование указанной системы позволит решить следующие задачи: разработка структуры единого информационного пространства ТИГ, основанного на интернет-технологиях и объединяющего имеющие распределенный характер данные; организация автоматизированного сопоставления, связывания, анализа и структурирования соответствующих информационных ресурсов; обеспечение возможности интеграции информационного пространства 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 редактирования и соответствующей гарантии прав на тот или иной вид доступа обеспечить возможность поддержки актуальности информационных ресурсов ТИГ самими сотрудниками и/или администраторами подмножества данных, входящих в их компетенцию. С целью безопасности информации обеспечить аутентификацию 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. Объединение имеющих распределенный характер научных данных в концептуально общее информационное поле и создание на основе Интернеттехнологий 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 доступ через Интернет (с учетом гарантии прав на тот или иной вид доступа) к научным информационным ресурсам ТИГ, которые представляют значительный интерес для членов мирового научного сообщества, работников промышленности и предпринимателей, которые заинтересованы во внедрении результатов научных исследований. Обеспечение поддержки основной административной, научной и публичной деятельности ТИГ в составе РАН. Обеспечение активных научных коммуникаций и эффективного использования 526

СПИ-ПИ-2009 научной информации, включая междисциплинарную проблематику. Использование принципа распределенности, как для самой информации, так и для администрирования, что обеспечивает поддержку актуальности информации самими сотрудниками и/или администраторами подмножества данных, входящих в их компетенцию. Список использованных источников 1. Бездушный А.А., Бездушный А.Н., Нестеренко А.К., Серебряков В.А., Сысоев Т.М., Теймуразов К.Б., Филиппов В.И. Информационная Webсистема «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 экспериментального 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 разработки оборудования для МГЭС на современном технологическом уровне обусловлена резким повышением цен на органическое топливо и стремлением к использованию децентрализованного электроснабжения. Основным препятствием для развития данного направления гидроэнергетики являются высокие капиталовложения на основное гидроэнергетическое оборудование. Сокращения капиталовложений можно достичь путем применения стандартизованного оборудования. В качестве альтернативы применения традиционной гидротурбины, предлагается использовать стандартный насос, работающий в режиме турбины. Основными преимуществами применения насос-турбины является использование серийного оборудования и как следствие – сравнительно низкие капитальные затраты, а также простота и надежность конструкции. Разнообразные конструкции насосов и широкий диапазон их выходных мощностей обеспечивают возможность использования их для напора от десяти до нескольких сотен метров. К недостаткам можно отнести отсутствие гидравли527

СПИ-ПИ-2009 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 регулирующей задвижки, что обеспечивает постоянные параметры потока в условиях переменного напора и водотока. В качестве автономного источника электроэнергии используется серийный 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 стенда, является экспериментальная проверка и отработка алгоритмов автоматического управления, разработанных в ходе создания цифровой модели и проведения моделирования режимов работы малой ГЭС на базе системы компьютерной математики MATLAB 7.0. В составе системы управления можно выделить два основных контура: регулятор напряжения и автобалластный регулятор частоты. Для поддержания постоянства параметров вырабатываемого напряжения необходимо регулировать емкостную мощность возбуждения в зависимости от величины и характера нагрузки. Данное регулирование может осуществляться как в ручном, так и в автоматическом режимах. Автоматическое регулирование выполняется при помощи тиристоров, управляемых сигналами, пропорциональными отклонению линейного напряжения, либо при помощи дискретного регулирования емкости подключаемых секций конденсаторов возбуждения. Для стабилизации частоты вращения гидроагрегата, а следовательно и требуемой частоты выходного напряжения, применяется автобалластный регулятор. Балластная нагрузка подключается через регулятор параллельно полезной и представляет собой набор дискретно дозированных секций, поразрядно 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 современными 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. Список использованных источников 1. Лукутин Б.В., Обухов С.Г. Автономное электроснабжение от микрогидроэлектростанций. – Томск: STT, 2003 528

СПИ-ПИ-2009 2. Птицын О.В., Григораш О.В. Генераторы переменного тока. Состояние 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 уделяется синтезу контролепригодных систем, так как именно решение этих задач позволяет наиболее эффективно использовать технические средства диагностирования. 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 ошибок. Наиболее удобной является структурная модель, представляемая в форме ориентированного графа, вершины которого отображают блоки объекта диагностирования, а дуги - связи между блоками. Представление объекта диагностирования в форме ориентированного графа позволяет абстрагироваться от специфики объектов и рассматривать иx в весьма общем плане. В качестве критериев синтеза контролепригодных объектов целесообразно использовать коэффициент глубины диагностирования. Так как данный коэффициент изменяется в зависимости от числа точек, с которых снималась информация, то накладывая определенные ограничения, можно обеспечивать различную глубину диагностирования. Обеспечение контролепригодности объектов диагностирования можно осуществлять различными методами. Применение того или иного метода зависит 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 контрольную пару (х, z), если в соответствующей системе сигнал, подаваемый на вход элемента х, может быть снят на выходе элемента z. При этом вершина z графа 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. 529

СПИ-ПИ-2009 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 векторстолбец в матрице, вычеркиваем из нее все строки, соответствующие единичным проверкам, и все столбцы, имеющие в этих строках единицы. В матрице B* всегда существует по крайней мере одна определяющая строка. Номер столбца, содержащего ненулевой элемент определяющей строки, определяет номер дефектного элемента. Ситуация осложняется возможностью появления эквивалентных дефектов. Такие дефекты образуют классы эквивалентности и не позволяют однозначно определить дефектный блок. Для различения эквивалентных дефектов 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 расположения 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 блокирующих точек или точек контроля. Поздняков В.А. МОДИФИКАЦИИ УНИВЕРСАЛЬНОЙ СИСТЕМЫ ОБРАБОТКИ ПОТОКОВ ДАННЫХ [email protected] В настоящее время одной из актуальных проблем, стоящих перед разработчиками цифровых систем передачи данных, является универсализация используемых алгоритмов обработки информационных потоков. Критерием универсальности таких алгоритмов является возможность использования одних 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 имеющихся частей. Одним из решений рассматриваемой проблемы является создание алгоритмов на базе универсальной системы обработки потоков данных (УСОПД) [1]. В ее основе лежит принцип крупномодульного потокового программирования [2]: обработчики представляются в виде ориентированных графов, вершинами которых являются модули, реализующие простые 530

СПИ-ПИ-2009 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 полно удовлетворяющих критерию универсальности. Однако в реальных приложениях максимизация универсальности алгоритмов не всегда является наиболее приоритетной задачей. Поэтому в некоторых случаях возможно использование различных модификаций УСОПД, которые позволяют достичь требуемых результатов. Низкая скорость обработки — один из наиболее существенных недостатков исходного варианта УСОПД, что затрудняет его использование для отложенной обработки больших объемов данных и для работы в режиме реального времени с высокоскоростными потоками. Основной причиной низкой производительности является использование виртуальной машины с неоптимизированной под конкретную платформу системой команд. Самым очевидным решением данной проблемы является оптимизация системы команд. Это приведет к повышению производительности на соответствующей платформе, однако на других платформах производительность может снизиться, к тому же, может значительно возрасти сложность реализации для них виртуальных машин. Можно также предложить другое решение, позволяющее значительно повысить производительность обработчиков на многих платформах: для некоторых модулей, скорость работы которых критична, дублировать коды обработки 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 обработчиков, объединить коды обработки входов и итоговый код, упростить систему команд байт-кода, отказаться от структурирования элементов данных потоков. Последний пункт фактически означает отказ от описания полей потоков 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 одномерных байтовых массивов. Следовательно, данная модификация несколько ус531

СПИ-ПИ-2009 ложняет процесс создания кода. Если необходимо использовать обработчики на основе УСОПД для решения задач, предполагающих, например, использование сложных математических 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 операций, которые обычно выполняются слишком медленно (например, вычисление свертки или сортировка массива). Список использованных источников 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 преимущества перед другими системами, использующие аналогичные технологии: для обеспечения связи не требуются выделенные линии связи или специальное оборудование, а услуги связи доступны везде, где есть сотовая связь с поддержкой необходимых сервисов передачи данных. Наиболее характерными применениями этих систем являются: сбор данных и управление объектами; мониторинг транспортных средств; охранный мониторинг объектов; торговые, кассовые и игровые автоматы; публичные информационные сервисы. Для обеспечения высокой скорости передачи данных в SCADA/GSMсистемах реального времени применяют пакетные технологии [1]: General Packet Radio Service (GPRS) – пакетная передача данных и Enhanced Data for 532

СПИ-ПИ-2009 Global Evolution (EDGE) – протокол с повышенной скоростью передачи. Однако на сегодняшний день эти технологии все еще находятся в привилегированном положении: дороги в применении и не всегда доступны в районе развертывания систем. В тоже время существуют системы, в которых главным является не интерактивность работы, а экономичность эксплуатации. Такими, в частности являются системы мониторинга удаленных объектов, большую часть времени находящиеся в состоянии ожидания поступления данных от датчиков. В этих системах оказывается целесообразным применение простых 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. Обобщенная 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), оснащенные GSM-модемами. Связующим звеном между контроллерами и диспетчерским пунктом является коммуникационный GSM-центр, осуществляющий коммутацию потоков данных системы. Наиболее простой технологией, применяемой передачи данных в GSMсетях, является сервис SMS. Его достоинствами являются: простота применения, низкая стоимость услуги, удобство доставки. При использовании сервиса SMS короткий пакет данных посылается в SMS-центр сети, откуда передается 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 зависимости от загруженности сети. Таким образом, из-за того, что сети сотовой связи подвержены действию множества случайных факторов, система, использующая для передачи данных сервис SMS, не способна обеспечить детерминированную задержку передачи данных. Сервис передачи данных CSD обеспечивает более оперативную доставку данных по сети. Для реализации этого сервиса GSM-системой выделяется отдельный голосовой канал и производится прямое модемное соедине533

СПИ-ПИ-2009 ние между контроллером объекта и SCADA-центром с выполнением необходимых процедур дозвона. Сервис CSD характеризуется скоростью передачи данных до 38,4/57,6 кбит/с и временем установления соединения от нескольких десятков секунд до нескольких минут. По сравнению с сервисом SMS его достоинством является относительно небольшая задержка в получении данных и возможность передачи больших объемов данных. SCADA/GSM-центр системы обеспечивает поддержку сервисов SMS и CSD и включает в себя: коммуникационный компьютер диспетчера, архивный сервер, принтер, GSM-модемы – рабочий Working Modem (WM) и аварийный Alarm Modem (AM) (см. рис.2) [2].

Рис. 2. Структурная схема SCADA/GSM - центра Как видно из рис.2, основой SCADA/GSM-центра является коммуникационный компьютер диспетчера, предназначенный для сбора данных с технологических контроллеров и передачи им команд управления. Помимо сбора данных, компьютер диспетчера осуществляет их обработку, визуализацию и архивацию на сервере. Связь между сервером и коммуникационным компьютером осуществляется по сети Ethernet, к которой также подключен сетевой принтер, предназначенный для документирования работы системы. Особенностью 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 приема 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 рационального 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 применяется более оперативный сервис доставки данных – CSD. GSM-модем TC и AM 534

СПИ-ПИ-2009 модем SCADA-центра устанавливают между собой прямую связь, и в диспетчерский пункт передается список аварийных сообщений TC, а также состояние всех аналоговых и дискретных датчиков объекта. Это позволяет оператору 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 сократить временные и материальные затраты на разработку, изготовление и эксплуатацию этих систем. Однако, поскольку сервисы SMS и CSD не могут обеспечить работу SCADA/GSM-систем в режиме реального времени, то основная область их применения – системы с относительно небольшим числом объектов для сбора данных, задержка в получении которых не имеет существенного значения, и системы, объекты которых не требуют в своей работе оперативной поддержки со стороны SCADA-центра. Список использованных источников 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 особенностей, которые накладывают определенные требования к ее системе управления. Это интегрированная система функционирования различных хозяйствующих субъектов, постоянно действующих мероприятий организационного, диагностического, реабилитационного, технико-экономического, пропагандистского 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 стандартизации. Если методы правового регулирования (законы и другие нормативные правовые акты), определяют вопросы предоставления санаторно-курортных 535

СПИ-ПИ-2009 услуг и регламентируют отношения на рынке санаторно-курортных услуг, регулирование оценок врачебной квалификации и статуса пациента то стандартизации в курортологии направлена на обеспечение качества и безопасности санаторно-курортных услуг. Реабилитационная помощь в санаторно-курортных условиях регламентирована необходимостью строгой преемственности между общелечебной сетью и санаторием. На реабилитацию поступают пациенты, получившие лечение или находящиеся под диспансерным наблюдением. План оздоровительных мероприятий рекомендуется лечащим врачом ЛПУ. Данные обследования, проведенных медицинских пособий документируются в санаторнокурортной 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, который субъективно оценивает качество услуг, сравнивая их с аналогичными в других санаториях. Поэтому особое значение приобретает конкурентоспособность. Специфичными объектами управления в региональной санаторнокурортной системе являются: курорт, природные ресурсы и лечебнооздоровительные местности. Также специфично законодательство о природных лечебных ресурсах, лечебно-оздоровительных местностях и курортах регулирует отношения, возникающие в связи с использованием и охраной природных лечебных ресурсов как в пределах указанных особо охраняемых природных территорий, так и расположенных вне их границ;» Наряду с санаторно-курортными и лечебно-профилактическими учреждениями как объектами управления могут быть выделены предприятия и организации муниципального хозяйства, высшие и средние медицинские учебные заведения а также объекты социальной, производственной инфраструктуры, способствующие эффективному развитию и функционированию региональной санаторно-курортной системы. В санатории помимо услуг медицинского профиля есть ряд направлений социального, культурного, гостиничного и прочих. Санаторий является хозяйствующим субъектом с присущему ему целями и задачами. Особую значимость для санаторно-курортной деятельности имеет система маркетинга, так как все санаторно-курортные учреждения находятся на самоокупаемости. Особенностью управления санаторно-курортной системой является то, что это система с низкой степенью формализации. Структурную схему региональной санаторно-курортной системы можно представить в виде, показанном на рис. 1. Она включает в себя: - лечебно-профилактические учреждения (ЛПУ) - осуществляющие отбор и направление пациентов на санаторно-курортное лечение; 536

СПИ-ПИ-2009 - санаторно-курортные учреждения, курорты с их лечебнооздоровительными ресурсами; - промышленные и сельскохозяйственные предприятия – обеспечивающие своей продукцией и услугами функционирование данной системы; - высшие и средние учебные заведения региона, обеспечивающие квалифицированным кадровым составом и предоставляющие базы для повышения их квалификации, а также современными методиками диагностики и лечения; - 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 основными методами управления отношениями ее субъектов являются методы пра537

СПИ-ПИ-2009 вового, экономического регулирования и стандартизации. При этом, стандартизация является мощным инструментом управления качества и безопасности результатов деятельности любого субъекта системы. К основным объектами стандартизации в социально-экономической системе можно отнести: организационные технологии; предоставляемые услуги; технологии предоставления 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 реабилитации необходимо осуществлять на основе учета особенностей объекта управления. Список использованных источников 1. Соляник А.И., Кравец О.Я.. Алгоритмизация бизнес-процессов в системе управления качеством санаторно-курортного лечения на основе требований стандартов ISO серии 9000// Информационные технологии моделирования 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: матер. юбилейной межрегион. НПК. – Воронеж, 2007. – С. 65-72. 3. Стрельников А.В., Сержанина О.А., Соляник А.И. Принципы создания алгоритма определения клинико-экономической целесообразности внедрения методов диагностики и лечения заболеваний предстательной железы// Пленум правления российского общества урологов: материалы пленума. – 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 управления. Это подтверждается тем, что во всех федеральных министерствах и ведомствах, а также во всех региональных администрациях работают, модернизируются и вновь создаются информационные и информационноаналитические центры (ИАЦ). 538

СПИ-ПИ-2009 Процессы сбора, обработки, хранения и передачи информации для таких центров являются трудоемкими, требуют большого количества ресурсов и использования новых информационных технологий [1]. Одним из подходов к обеспечению информационных процессов является применение технологий беспроводной связи на основе стандартов WiFi, WiMAX. Они могут быть использованы при развертывании локальной вычислительной сети, а также решить задачу "последней мили", когда необходимо передать большие объемы информации с места события в ИАЦ. Широкополосность и, как следствие, мультисервисность характеризуют современные тенденции развития беспроводного доступа. В идеале, пользователь не должен испытывать ограничения на любые виды услуг, доступные в настоящее время через кабельные соединения, такие как SDH или Ethernet. Проходящие научные исследования и испытания 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 топологии сети при подключении, передвижении и отключении мобильных пользователей 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 аренды оптоволоконного или медного кабеля. Таблица 1 Краткие характеристики семейства стандартов 802.16 802.16 802.16a 802.16e Название стандарта Дата принятия декабрь 2001 январь 2003 середина 2006 Частотный диа- 10-66 ГГц 2-11 ГГц 2-6 ГГц пазон до 75 Мбит/с до 15 Мбит/с Быстродействие 32-135 Мбит/с для 28МГцдля 28МГцдля 5МГц-канала канала канала Модуляция QPSK, 16QAM, OFDM 256, OFDM 256, 64QAM QPSK, QPSK, 16QAM, 64QAM 16QAM, 64QAM Ширина канала 20, 25 и 28 МГц Регулируемая Регулируемая 1,5-20МГц 1,5-20МГц Радиус дейст- 2-5 км 7-10 км; макс. 2-5 км вия радиус 50 км Условия работы Прямая види- Работа на отраРабота на отрамость жениях жениях 539

СПИ-ПИ-2009 В 2001 году, Международным союзом электросвязи был принят стандарт IEEE 802.16, в последствии получивший развитее в модификациях: 802.16а и 802.16е. В стандартах представлено описание территориально распределенных 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 километров. В конце 2006 года была завершена работа над созданием мобильного профиля технологии WiMAX IEEE 802.16e. На сегодняшний день существует 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 условиях плотной городской застройки. Основные технические характеристики представлены в табл. 1. Таким образом, системы мобильного радиосервиса, радиоинтерфейс "абонентский терминал – точка доступа" подвержены изменениям и совершенствованиям, 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 проблем является предварительная обработка поступающей информации – так называемая сегментация аудиоданных. Сегментация сигналов - это задача разделения непрерывного потока данных на однородные участки. В предыдущих подходах длина сегмента являлась фиксированной. Несмотря на удобство практической реализации, это приводит к отсутствию "глобальной сегментации". Для преодоления указанных недостатков нами был разработан подход, имеющий более сложную четырехуровневую схему сегментации. Для решения задачи сегментации аудиопотока в работе было предложено использовать в качестве вектора признаков сегмента четыре характеристики [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 540

СПИ-ПИ-2009 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, музыку, 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 порог, 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 производится 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 тишиной. На предыдущем этапе уже были выявлены все фреймы с тишиной. Именно теперь стоит задача объединить их в сегменты. В процессе образования сегментов с тишиной большое значение имеет эмпирически установленный порог минимальной длины сегмента (например 0,2 секунды). Если суммарная длительность следующих друг за другом фреймов с тишиной превышает данный порог, происходит формирование сегмента. Части, находящиеся между полученными сегментами, формируют сегменты, содержащие сигнал. При этом сразу же осуществляется их промежуточная классификация 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 причине того, что на данном этапе происходит только подготовка для дальнейшей, глобальной целевой сегментации. Третий этап является наиболее важным, так как именно на нем подводится итог попыткам осуществить глобализацию сегментов. На практике часто бывает так, что сформированные на предыдущих этапах сегменты, содержащие 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 итерацию необходимо вычислить заново признаки КПП и СЭД для новообразованных сегментов и осуществить процесс переклассификации, результатом 541

СПИ-ПИ-2009 которой может стать возможность дальнейшего устранения сегментов с тишиной. Цикл вышеописанных итераций выполняется до тех пор, пока не будут проверены все возможности удаления коротких сегментов с тишиной и глобализации сегментов, содержащих сигнал. Завершающей стадией данного 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 сегмент, 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 распространенный принцип "обнаружения точек перехода". Непременным условием для осуществления внутренней сегментации является минимальная длина сегмента. Нецелесообразность разделения слишком коротких сегментов на еще более мелкие очевидна. Кроме того, при слишком короткой длительности становится весьма затруднительно извлечение таких признаков как КПП, ЦП, ЧОТ. Основная идея принципа "обнаружения точек перехода" состоит в том, чтобы наблюдать поведение какого-либо устойчивого сегментного признака (в данном случае ЦП) на протяжении сегмента. Осуществляется поиск точек перехода, то есть положений фреймов в сегменте, в которых происходит переход класса, вычисленного по выбранному сегментному признаку (в этом случае ЦП) по отношению к классу глобального сегмента. На следующей стадии происходит верификация найденных точек перехода и финальная классификация. Для проверки на практике эффективности разработанной схемы сегментации предложенный нами алгоритм был программно реализован. В качестве 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. 542

СПИ-ПИ-2009

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

543

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 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

544

СПИ-ПИ-2009 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 водои 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 ................................................................................ 473 545

СПИ-ПИ-2009 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 WWWресурсов 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 ............... 523 546

СПИ-ПИ-2009 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 информационноаналитических центров ............................................................................ 538 Янь Цзинбинь, У Ши. Устойчивый метод сегментации аудиоданных ......... 540 Авторский указатель ..................................................................................... 543

547

СПИ-ПИ-2009

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

548