Содержание к диссертации
Введение
Глава 1. Анализ состояния вопроса проектирования систем сбора и обработки информации интегрированных комплексов 22
1.1. Анализ тенденций развития САПР автоматизированных систем 22
1.2. Анализ особенности текущего состояния разработки программных средств и подходов при проектировании систем сбора и обработки информации интегрированных комплексов 28
1.2.1. Особенности разработки программных средств 28
1.2.2. Методы проектирования систем сбора и обработки информации интегрированных комплексов 30
1.3. Общий анализ систем сбора и обработки информации интегрированных комплексов с системных позиций 34
1.4. Анализ программного обеспечения систем сбора и обработки информации интегрированных комплексов как сложных систем 35
1.5. Анализ характерных особенностей проектирования систем сбора и обработки информации интегрированных комплексов 38
1.6. Анализ основных требований при выборе технических средств для систем сбора и обработки информации интегрированных комплексов 41
1.7. Постановка задачи автоматизации исследования и проектирования систем сбора и обработки информации интегрированных комплексов 49
1.8. Выводы 54
Глава 2. Разработка концепции и принципов построения систем сбора и обработки информации интегрированных комплексов 57
2.1. Концепция базовой системы сбора и обработки информации интегрированного комплекса 57
2.2. Анализ представления знаний в системах сбора и обработки информации интегрированных комплексах 65
2.3. Методы представления знаний в системах сбора и обработки информации интегрированных комплексах 71
2.4. Методологические основы проектирования систем сбора и обработки информации интегрированных комплексов 80
2.5. Методологическая база разработки архитектуры систем сбора и обработки информации интегрированных комплексов 89
2.6. Выводы 91
Глава 3. Методы проектирования систем сбора и обработки информации интегрированных комплексов 94
3.1. Особенности процесса проектирования математических моделей системы сбора и обработки информации интегрированного комплекса 94
3.2. Семантика предметной области 97
3.3. Концептуальные средства описания предметной области 101
3.4. Метод декомпозиции концептуальной модели предметной области 108
3.5. Методы формирования знаний с использованием геометрического подхода 114
3.6. Математическая теория категорий в задачах представления знаний при проектировании систем сбора и обработки информации интегрированных комплексов 124
3.7. Выводы 130
Глава 4. Разработка методов формирования и интеграции взаимосвязанных представлений в задачах создания САПР систем сбора и обработки информации интегрированных комплексов 132
4.1. Анализ и обоснование теоретических положений при создании САПР систем сбора и обработки информации интегрированных комплексов 132
4.2. Разработка методов проектирования 135
4.2.1. Разработка метода концептуального моделирования 135
4.2.2. Общее концептуальное представление 139
4.2.3. Концептуальное представление предметной задачи 148
4.3. Разработка метода инфологического моделирования 152
4.3.1. Общее инфологическое представление 155
4.3.2. Инфологическое представление предметной задачи 163
4.4. Разработка метода даталогического моделирования 168
4.5. Разработка методов отображения 173
4.6. Выводы 182
Глава 5. Разработка методологии промышленного проектирования систем сбора и обработки информации интегрированных комплексов 183
5.1. Этап предпроектного исследования в рамках разработанной методологии проектирования систем сбора и обработки информации интегрированных комплексов 183
5.2. Этап концептуального моделирования в рамках разработанной методологии проектирования систем сбора и обработки информации интегрированных комплексов 187
5.3. Этап инфологического моделирования в рамках разработанной методологии проектирования систем сбора и обработки информации интегрированных комплексов 190
5.4. Этап дат алогического моделирования в рамках разработанной методологии проектирования систем сбора и обработки информации интегрированных комплексов 192
5.5. Проектирование математических моделей управления ТП выращивания оптических кристаллов 193
5.6. Проектирование алгоритмов управления систем автоматизации производства оптических материалов 202
5.7. Результаты применения методов проектирования при разработки законов управления ТП выращивания оптических кристаллов 206
5.8. Результаты применения разработанных методов при исследовании особенностей распространения гидромагнитных волн вдоль земной поверхности с целью изучения динамики ионосферных источников геомагнитных вариаций 209
5.9. Использование методологии проектирования интегрированного автоматизированного технологического комплекса 216
5.10. Выводы 219
Заключение 220
Список литературы 226
- Анализ тенденций развития САПР автоматизированных систем
- Анализ представления знаний в системах сбора и обработки информации интегрированных комплексах
- Общее инфологическое представление
- Результаты применения разработанных методов при исследовании особенностей распространения гидромагнитных волн вдоль земной поверхности с целью изучения динамики ионосферных источников геомагнитных вариаций
Анализ тенденций развития САПР автоматизированных систем
Развитие ИТ в процессах проектирования и производства изделий уже в 60-е годы позволило решать различные вычислительные задачи. Компьютеризация только вычислительных задач позволила в процессах проектирования учитывать больше факторов, а также быстрее осуществлять техническое усложнение изделий.
В 70-х годах начало складываться представление о БД как о динамической модели фрагмента действительности, или ПрО, которая организуется и поддерживается внутри вычислительной системы. Для того, чтобы модель была достаточно адекватной и обеспечивала "интеллектуальный" интерфейс между конечным пользователем - экспертом ПрО и САПР АС, основой информационной базы которой служит БД, оказалось необходимым преодолеть характерный для АС предшествующего периода разрыв между синтаксическими структурами данных, с одной стороны, и выражаемым ими смыслом (meaning)-с другой. В результате возникло новое направление математического моделирования - моделирование структуры и динамики фрагментов действительности при помощи сложной системы алгоритмов, действующих на общей, организованной в памяти ЭВМ совокупности данных [1,2,27]. В отличии от традиционных ММ естествознания, которые используют непрерывные структуры и служат основой для проведения сложных арифметических вычислений над относительно небольшим массивом чисел (линейное программирование, решение дифференциальных и интегральных уравнений, статистическая обработка результатов наблюдений и т.п.), в новых моделях основную роль играют дискретные структуры современной алгебры и математической логики, процедуры информационного поиска и получения новых знаний на основе преимущественного выполнения логических операций над большими массивами неоднородных нечисловых данных.
Первоначально в теории проектирования АС основное внимание уделялось средствам эффективной организации данных и манипулирования ими. Так возникли получившие всеобщее распространение три "великих", по выражению Дж. Ульмана, модели данных: иерархическая, реляционная и сетевая [28]. Эти модели оперировали с данными как самостоятельными объектами [29]. Их связь с объектами иной природы, с внешним миром, т.е. их семантика, оставалась вне компьютера. И хотя создатель реляционной модели Э.Ф.Кодд в 1980 г. утверждал [30], что его модель не лишена семантических черт, именно критический анализ семантических возможностей реляционной модели, проведенный во второй половине семидесятых годов во многих работах, например, в работе Х.Шмида и Й.Свенсона [31], положил начало создания новых, так называемых семантических моделей, которые позволили, в частности, определить новые требования к разработке САПР.
Тем не менее, разработка и внедрение в 70-е годы CAD/CAM/CAE-систем позволило увеличить количество вариантов проектирования с одновременным повышением качества результатов математического моделирования, что позволило частично решить задачи, непосредственно связанные с проблемами повышения качества процессов проектирования.
В 80-е годы наблюдается интенсивная разработка интеллектуальных систем основанных на знаниях.
В 90-е годы появилась потребность в совместном использовании информации. История и направления развития инструментальных средств автоматизации поддержки пользователя при создании и эксплуатации прикладных систем с учетом тенденции на ближайшее будущее приведены в таблице 1.1. При этом упор сделан на изменение характера решаемых задач и влияние тех или иных специалистов. Здесь же показана динамика развития технических средств и наращивание мощи методического аппарата, используемого при создании программных систем. В таблице 1.2. представлены этапы развития задач технологии программирования и развитие инструментария, применение которого стало определяющим в каждом из поколений. Здесь так же отображено и изменение в переосмысливании важности технологии программирования.
Проведенный анализ показал, что в настоящее время объектно-ориентированный подход (ООП) при создании прикладных систем является наиболее актуальным. Это объясняется тем, что накопление человечеством знания всегда формируются в контексте иерархической системы (более строго-ациклической сети) понятий и функциональных связей между этими понятиями.
Такая структура представления знаний моделируется при ООП в виде иерархии классов с механизмом наследования общих свойств. Реализация ООП возможна в двух вариантах. В первом случае некоторый набор знаний сразу доводится до уровня машинной программы. Для этого необходим язык программирования, поддерживающий функционально полное описание класса. Практически это означает, что описание класса должно включать как данные (перечень атрибутов класса), так и "методы" (программы, реализующие полный набор операций над объектами данного класса). Симула-67, C++ - примеры языков ООП, т.е. реализация 1 подхода.
Второй вариант - моделирование иерархии понятий и функциональных связей раздельно. В этом случае из описания класса исключаются методы. Описание становится декларативным и уже не связано с использующей его программой. Независимость описания классов от программной реализации делает излишней конкретизацию формата представления данных в ЭВМ. Поскольку разнообразие таких систем определяется только разнообразием предметных областей знания, интеграция понятий в единую международную (стандартную) систему понятий становится реально достижимой целью, приближающей к решению глобальной проблемы представления знаний в ЭВМ.
В 70-80 е годы активно обсуждалась проблема автоматизации разработки самих АС. Однако первоначальные попытки создания некоторой мета-САПР выглядели несколько утопично. В настоящее время по прежнему динамика развития ИТ достаточно высока и поэтому не совсем правильно говорить о сформированной теории и методиках проектирования таких технологий и АС. Но в тоже время заметны достижения в этом направлении [3,23]. Отсюда еще раз следует актуальность выбранной тематики диссертационной работы.
Анализ представления знаний в системах сбора и обработки информации интегрированных комплексах
Проблема представления и использования БЗ в СОИ ИК является центральной в общей задаче создания АС, т.к. эффективность создаваемых АС и их соответствие поставленным при разработке целям зависят от того, насколько полно и точно в системе отражен опыт, накопленный человеком при решении таких задач, которые призвана решать АС [57]. Под представлением знаний в данной работе понимается соглашение о том, как описывать реальную предметную область (отображение ее понятий и отношений) [58]. Модель представления знаний ПрО является формализмом, призванным отобразить статику и динамику ПрО, т.е. отобразить объекты и отношения ПрО, связи между ними, иерархию понятий и изменение отношений между объектами. Для выбора формализма описания необходим анализ для выделения:
- классов понятий (фрагментов понятий), связей между понятиями (фрагментами понятий) выражающих данную область в выбранном представлении. Необходимо решить как объекты и взаимоотношения, существующие в ПрО, отражаются в модели на единицы представления и отношения. При использовании разнообразных представлений необходимо решение задач выбора представления, преобразования одного представления в другое, совместимость представлений;
- ограничений, накладываемых на ПрО.
В БЗ помещаются описания устойчивых связей и зависимостей между объектами предметной области и их совокупностями, в частности связи между элементами условия задачи, информация об их важности, сведения о том, каким образом эти связи и зависимости могут быть использованы. Эта информация обычно носит разнородный характер:
- среди связей и зависимостей могут оказаться аналитические, количественные и качественные;
- среди информации о том, как это использовать, присутствуют логические условия, правила и эвристики;
- иногда задачу требуется решать при неполных исходных данных.
Чем большее количество такой информации будет вынесено за пределы алгоритма решения задачи, тем проще описание собственно алгоритма, тем большее число задач решает алгоритм и тем легче эту информацию использовать для решения других задач.
В настоящее время принято выделяють следующие виды знаний [57]: понятийные, конструктивные, процедурные и фактографические. Применительно к рассматриваемой предметной области (СОИ ИК), эти виды знаний характеризуются следующим образом.
Понятийное (концептуальное) знание - совокупность понятий, терминов, свойств, взаимосвязей понятий, используемых в некоторой ПрО, т.е. это понятийный аппарат технологии СОИ ИК, используемый обычно в теоретических разделах.
Конструктивные знания - это знания о свойствах, связях и закономерностях, существующих в процессе СОИ.
Процедурные (алгоритмические) знания - это методы, алгоритмы и программы решения задач СОИ. Фактографическое (предметное или фактуальное) знание - количественные и качественные характеристики конкретных процессов, объектов, явлений и их элементов в выбранном представлении.
Знания, согласно [59,60] обладают следующими свойствами:
- внутренней интерпретируемостью, т.е. вместе с информацией представлены информационные структуры, позволяющие не только хранить знания, но и использовать их;
- структурированностью, т.е. знания делятся на отдельные фрагменты описания объектов, процессов, ситуаций, явлений и включают поддерживающие структурные знания о способах их представления и модификации;
- связанностью, т.е между единицами представления знаний возможно установление самых разнообразных отношений, отражающих семантику и прагматику связей явлений и фактов;
- активностью, т.е. знание предполагает сознательное, целенаправленное использование информации, способность управлять информационными процессами для решения определенных задач.
Постановка задачи для СОИ ИК характеризуется использованием понятийного уровня, с помощью которого ставятся цели решения задачи и формулируются критерии достижения этой цели.
На следующем этапе исследуется проблемная среда, определяются ее свойства, связи и закономерности, которые должны быть использованы для поставленной цели, т.е. используются конструктивные знания.
Этап анализа завершается этапом синтеза, т.е. созданием методики решения задачи, алгоритма и программы. Этап синтеза характеризуется использованием не только информацией о проблемной среде, отобранной на этапе анализа, но и использованием уже накопленных процедурных знаний (математических методов, пакетов алгоритмов и программ). Особенно успешным использование процедурных знаний будет при декомпозиции задачи на подзадачи, решение котороых уже известно.
Завершение этапа синтеза, т.е. создание и отладка программ (пакета программ) представляет собой, по существу, образование новой совокупности процедурных знаний, включаемую в общую сферу знаний.
Процесс решения любой технологической задачи невозможен без использования фактографической информации. Следовательно, отбор и эффективная организация фактографической информации является важным звеном в создании подсистем СОИ ИК.
Рассматривая классификацию по форме представления знаний, необходимо отметить, что до сих пор весьма мощным средством представления знаний являются естественный язык и некоторые некомпьютерные языки, включая табличные и графические языки. Применительно к СОИ ИК это справочники, стандарты технологического оснащения, технологические документы и т.д.
Появление ЭВМ привело к новой форме представления знаний в виде алгоритмических языков и пакетов программ для процедурных знаний и в виде БД для фактографических знаний. Для обработки понятийных знаний были созданы системы искусственного интелекта (решатели задач, программы автоматического доказательства, вопросно-ответные системы). Для систем такого типа были созданы языки ЛИСП, РЕФАЛ, ПРОЛОГ. Применение указанных выше форм представления в ЭВМ знаний показало неэффективность их раздельного, самостоятельного использования. Поэтому был начат поиск единого аппарата для работы со всеми видами знаний. В результате появились концепции фреймов, семантических сетей, систем продукции, абстрактных типов данных. Часть из указанных концепций, систем, языков начала проникать в теорию и практику разработки СОИ ИК.
Системы обработки знаний по виду результата работы разделяются на системы, ориентированные на фактографическое получение результатов, системы с автоматическим синтезом программ, и системы, ориентированные на абстрактные программы. Большинство подсистем СОИ ИК ориентировано на получение фактографических результатов, т.е. на непосредственное решение технологических задач.
Рассматривая классификацию систем обработки знаний по степени универсальности, необходимо отметить, что в первую очередь универсализации подвергались системы обработки фактографических знаний. Были разработаны системы управления БД, на основе которых возникли интегрированные производственные системы технологического назначения.
Уровень универсализации процедурных знаний в настоящее время достаточно высок. Организация процедурных знаний основана на создании ППП, используемых для решения определенного класса задач. Пакет имеет обычно две части, называемые функциональным и системным наполнением пакета. К универсализации тяготеет больше системное наполнение, т.е. система управления пакетом. В настоящее время наметилась тенденция в создании инструментальных систем проектирования САПР, позволяющих пользователю удобными средствами создавать ППП, генерировать на основе пакета конкретные системы проектирования, эффективно использовать библиотеку программ в процессе решения задачи.
Общее инфологическое представление
Как было отмечено выше, ОИП включает в себя инфологические модели трех уровней абстрагирования, связанные между собой по компонентно:
ОИП={ОИПх ,ОИП2,ОИП3) где ОИП\ - абстрактный уровень ОИПг - объектный уровень ОИЩ - конкретный уровень
Формальное описание инфологической модели ОИП на і-том уровне абстрагирования имеет вид:
ОИПх=(ОЪОИП{,МогОИЩ, где ОЪОИП\ - множество структурных единиц і-го уровня;
MorC?ffl7i=SMHiUDMIiiUFMMi - множество отношений на объектах. SMHj=(BHj,PHi,BPHi) - множество статических отношений на структурных единицах; ВИІСОЬОЯ/7ІХОЬ(Ж/7І - множество бинарных отношений на ОЪОИЩ РИІ - множество схем на ОЪОИЩ
BPHjcPHjxPPTj - множество бинарных отношений на РИІ; DMHj=(VHj,BVHO - множество динамических отношений на структурных единицах. VHj - множество информационных доступов к структурным единицам; BVHjdVMjxVHj - множество бинарных отношений на VHJ; FMHi=(WHi,BWHj) - множество функциональных отношений на структурных единицах; WHi - множество манипуляций;
BWHicWMjHWHj - множество бинарных отношений на HWj.
Состав формального описания моделей приведен в таблице 4.3. В результате проведенных исследований особенностей знаковых представлений в теории и практике моделирования информации и знаний, было определено множество структурных единиц. В качестве информационного моделирования используется аппарат моделей "сущность-связь" или ER-моделей (Entity Relationship Model). Этот формализм позволяет представить информационные потребности в виде, наглядном и удобном для восприятия, что делает их хорошим средством коммуникации между проектировщиками и пользователями. Множество структурных единиц сформировано в результате исследования особенностей знаковых представлений в теории и практике моделирования информации и знаний и включает три типа структурных единиц:
- ИНФОРМАЦИОННЫЙ МОДУЛЬ (ИМ),
- ИНФОРМАЦИОННА!? СУЩНОСТЬ (ИС),
- ИНФОРМАЦИОННЫЙ АТРИБУТ (ИА).
Соотношения между структурными единицами и информационными доступами имеют вид (по рис.4.3.):
VHij=(MH(r)i k,MH(r)i)k)&(MH(q)ij,MH(r)i;k) - отношения между классами структурных единиц и информационными доступами на абстрактном уровне (позиция 1);
vH(n)2j=(mH(r,1)2)k,mH(r 2)2 kvmH(r l)2,k)&Aj;n - отношения между типами информационных доступов и именами структурных единиц на объектном уровне, где Aj;n - условие, определяющее особые связи между именованными структурными единицами на объектном уровне (позиция 3);
vHti n)3jW=:{(mH(r k,1)3 a,mH(r k 2)3,b,"-mH(r k 1)3,c)&Bjjn,w} - отношения между представителями типов информационных доступов и состояниями структурных единиц на конкретном уровне, где Bj,njW - условие, определяющее особые связи между состояниями структурных единиц на конкретном уровне (позиция 5).
Соотношения между структурными единицами и манипуляциями: wHij=Fij{(MH(r)i!k,MH(r)i;k)&(MH(q)ij,MH(l)iik)) - отношения между классами структурных единиц и классами манипуляциями на абстрактном уровне (позиция 2); wH(n)2j=F(n)2j((mH(r 1)2,k,mH(r 2)2;k,"-niH(r l)2,k)&Aj,n) - отношения между именами структурных единиц и типами манипуляциями на объектном уровне (позиция 4);
wH(n s)3J=F(n s)3 j({(raH(r k I)3ja,mH(r k 2)3,b,...mH(r k 1)3ic)&Bj;niS}) - отношения между представителями типов манипуляций и состояниями структурных единиц на конкретном уровне (позиция 6).
Так как инфологическая модель любого уровня есть совокупность трех видов отношений - статических, динамических и функциональных, то необходимо было выделить закономерности формирования инфологических структур на элементах, схемах элементах, формирование систем доступов и формирование систем манипуляций. Каждая закономерность охватывает процесс порождения структур на каждом уровне абстрагирования и увязку структур в единое целое. Общая схема всех закономерностей такая же, как в концептуальном моделировании.
Закономерности формирования статических отношений включают формирование бинарных связей между структурными единицами рис. 4.8) и бинарных связей между схемами структурных единиц (рис. 4.9). Результатом процесса является фиксация бинарных связей вида "состав", "упорядочива ниє", "компоновка" для определенной пары структурных единиц и пары схем структурных единиц.
В процессе формирования бинарных связей между структурными единицами на каждом уровне абстрагирования выявлено повторение применения абстракций, что позволяет по новому сформулировать закон цикличности вербальных знаковых представлений: область допустимых значений структурной единицы типа ИНФОРМАЦИОННЫЙ АТРИБУТ одного уровня сложности вербального описания может быть представлена (раскрыта) как структурная единица типа ИНФОРМАЦИОННЫЙ МОДУЛЬ другого менее сложного уровня вербального описания.
Результатом формирования статических отношений являются инфоло-гические структуры, которые отражают многоуровневую по сложности организацию вербальных знаковых конструкций на всех уровнях абстрагирования.
Теоретическим обоснованием существования ограничений и системы манипуляций является понятие "ограничение целостности" и формальное манипулирование отношениями, обеспечивающее доступ к информационным элементам в теории реляционных БД.
Формирование систем доступов и систем манипуляций подчинено также закономерностям, приведенным на рис.4.10 и рис.4.11 соответственно, где любой доступ отражает динамические отношения структурных единиц типа ИА в структурных единицах типа ИС, а любая манипуляция отражает функциональные отношения структурных единиц типа ИС.
Так как переход от абстрактного уровня (от общего) к конкретному (к частному) основан на анализе, то для каждой пары моделей их взаимосвязь определяется абстракцией "уточнение" по каждой составляющей модели, что можно представить в виде:
ОИЛі- ОИт+і (і=1,2)т.е.
ОЪОИП ОЪОИЛ]+и ВИі-»ВИі+і, РИІ РИІ+Ь ВРИІ ВРИІ+Ь VH,- VHi+b BVHi-»BVHi+i, WHi WHi+b BWHi- BWHi+i.
Формальное обоснование взаимосвязей моделей разных уровней обеспечивает аппарат реляционной алгебры: построение допустимых структур обеспечивается применением операции "естественного соединения" к отношениям, представляющим уточнение элементов и заданную бинарную структуру более высокого уровня абстрагирования:
ВИІ+І=ОЬОЯЯІОЬОЯ/ГІ+І»ВИІ»ОЬОЯЯІОЬОШ7І+) ВРИІ+І=РИ,РИІ+І»ВРИ1«РИІРИІ+[ - для статических отношений, BVHi+i=VHiVHi+i»BVHi»VHiVHj+i - для динамических отношений BWHi+i=WHjWHj+i BWHj«WHjWHj+i - для функциональных отношений На этом основании определяются формальные правила перехода от модели абстрактного уровня к модели объектного уровня, и от модели объектного уровня к модели конкретного уровня для ОИП.
Результаты применения разработанных методов при исследовании особенностей распространения гидромагнитных волн вдоль земной поверхности с целью изучения динамики ионосферных источников геомагнитных вариаций
Известно, что на амплитуды и фазы геомагнитных возмущений, наблюдаемых на земной поверхности, существенное влияние оказывают местоположение ионосферного источника и геоэлектрические неоднородности, имеющие размеры порядка длины волны геомагнитных колебаний [110]. В частности, влияние подстилающего полупространства на параметры геомагнитных пульсаций становится особенно заметным в различных точках земной поверхности при больших расстояниях между станциями наблюдений. Традиционные методы исследования геомагнитных пульсаций в диапазоне частот 0.001-1 гц предполагают использование магнитовариационных станций, разнесенных на расстояния 100-150 км и расположенных вдоль либо поперек геомагнитного меридиана (в некоторых экспериментах использовалась двумерная стационарная сеть станций [111]).
Для определения направления на эффективный центр ионосферного источника генерации пульсаций (его проекцию на Земную поверхность) был предложен в [112] новый метод магнитной локации источников ультранизкочастотных геомагнитных возмущений на основе высокочувствительных дифференциальных измерений амплитуд и фаз вариаций геомагнитного поля. Для этого необходимо наличие реальных данных измерений Н, D и Z компонент вариаций магнитного поля на трех высокочувствительных цифровых магнитовариационных станциях расположенных на Земной поверхности в вершинах треугольника и разнесенных на небольшие (3-7 км) расстояния.
В районе расположения магнитной градиентометрической установки (градиентометра), представленной на рис.5.7., фронт волны геомагнитных пульсаций можно считать плоским, поскольку расстояние между магнитными станциями, составляющими градиентометр, много меньше расстояния до ионосферного источника геомагнитных пульсаций. Следовательно, величина амплитуды пульсаций вдоль фронта волны будет постоянной, а фазовая задержка между любыми двумя точками на фронте равна нулю. По характерным особенностям пульсаций геомагнитного поля можно определить моменты прихода фронтов волн на эти станции, амплитуды компонент пульсаций и затем вычислить скорость распространения этих волн вдоль земной поверхности и градиенты трех компонент геомагнитных пульсаций. Определив направление распространения волны геомагнитных пульсаций или направление вектора градиента, можно определить направление на ионосферный источник пульсаций из области расположения градиентометра.
Для проверки методов магнитной локации источников геомагнитных пульсаций в СПбФ ИЗМИР АН была создана магнитная градиентометрическая установка, использованная в эксперименте в субавроральной зоне в п.Лехта (Фт 60) осенью 1999 г., которая состояла из трех высокочувствительных цифровых трехкомпонентных магнитовариационных станций [112], расположенных в вершинах треугольника и разнесенных на расстояния 6 - 7 км. Географические координаты северной вершины треугольника составляли 6425 39"N, 3358 25"Е. Привязка по времени и по пространственным координатам осу ществлялась одинаковыми системами GPS на каждой магнитовариационной станции независимо. Погрешность привязки по времени составляла 10 4 сек, по пространственным координатам -100 м. Частота съема информации - 12.5 Гц.
На рис. 5.8. представлены результаты исследования геомагнитных пульсаций типа Рс4 по данным градиентометра. На нижней панели приведена Z компонента геомагнитных пульсаций типа Рс4, зарегистрированных на базовой станции в пЛехта 29.09.1999 с 10:21 по 10:31 UT (13:20 - 13:30 LT). Как видно из рисунка, геомагнитные пульсации распространения геомагнитной волны типа Рс4 имели период около 50 сек. За исследуемый временной интервал наблюдается три интенсификации колебаний типа Рс4.
Время прихода фронтов волн определялось по экстремумам геомагнитных пульсаций. Фазовые задержки определялись относительно базовой (самой западной) станции градиентометра. На верхней панели рис.5.8. приведены фазовые задержки. Тонкая кривая на этой панели отражает фазовый сдвиг между северной станцией и базовой. Фазовая задержка в этом направлении не превосходит 0.5 сек. Вторая кривая на этой панели показывает фазовый сдвиг между восточной станцией и базовой, который меняется от 0.1 до 0.8 сек.
Вектора скоростей распространения фронта пульсаций показаны на второй сверху панели на рис. 5.8, Как видно из рисунка, в данном случае геомагнитные волны распространялись от источника вдоль земной поверхности в направлении на юго-восток со скоростями -15 - 50 км/сек. Ионосферный источник пульсаций, таким образом, находился в этот период времени на северо-западе от градиентометра.
На второй снизу панели на рис.5.8. построены вектора градиентов, указывающие в сторону усиления амплитуды магнитного поля геомагнитных пульсаций. Как видно из рисунка, они имеют величины -1-8 пТл/км и направлены на северо-запад, т. е. источник геомагнитных пульсаций типа Рс4 находился в том же направлении, как и при расчетах по фазовым задержкам.
По данным, полученным в ходе экспедиционных работ, исследовались два независимых метода определения направления на ионосферный источник геомагнитных возмущений, используя данные магнитного градиентометра с малой базой разноса магнитных станций. По фазовым задержкам определялась скорость распространения волны. Поскольку вектор скорости распространения волны направлен от источника генерации пульсаций, а вектор градиентов магнитного поля пульсаций - к источнику, то углы, а (угол между направлением на магнитный север и направлением распространения волны от источника) и р (угол между направлением на магнитный север и направлением вектора градиента компоненты геомагнитного поля) связаны следующим образом: (3 = а+%.
Таким образом, на примере геомагнитных пульсаций типа Рс4 показано, что оба метода дают одинаковое направление на ионосферный источник пульсаций. Показано, что для исследованного события волны геомагнитных пульсаций распространяются от источника вдоль земной поверхности в юго-восточном направлении в субавроральную зону со скоростями 15 - 50 км/сек. Близкие величины скоростей распространения волн геомагнитных пульсаций были получены в [113] в средних широтах при разносе магнитных датчиков на 25-50 км. В исследуемом событии градиенты пульсаций составляли 1-8 пТл/км. Небольшая амплитуда пульсаций и маленькие градиенты указывают на далекое расположение источника пульсаций. При наличии двух градиентометров, разнесенных на достаточно большое расстояние ( 100 км), можно провести триангуляцию источников геомагнитных возмущений, определить их местоположение и динамику движения, что необходимо знать для изучения магнито-сферных неоднородностей и при исследовании ионосферно-магнитосферных связей и физической природы магнитосферных источников геомагнитных возмущений.
