Содержание к диссертации
Введение
1 Системный анализ и структурный синтез методологических основ проблемы определения состояния сложных объектов 15
1.1 Обоснование принципов системного подхода к анализу проблемы 15
1.2 Разработка модели процесса определения состояния сложного объекта 27
1.3 Исследование систем определения состояния сложных объектов 43
1.4 Разработка концептуальной модели предметной области 54
1.5 Анализ направлений совершенствования системы определения со стояния сложных объектов 67
2 Методы решения типовых задач, составляющих общую структуру процесса определения состояния сложных объектов 78
2.1 Метод определения минимального числа экспериментов, обеспечивающего требуемую точность оценок 78
2.2 Метод определения представительного периода наблюдения реализации процесса 86
2.3 Метод моделирования динамических звеньев на основе дискретного интегрирования 92
2.4 Применение методов цифровой фильтрации для обработки статистических данных 96
2.5 Метод фильтрации шумов первичных источников информации 99
2.6 Применение метода статистического моделирования для проверки непараметрических гипотез 108
2.7 Обобщенная методика проверки параметрических гипотез 114
2.8 Особенности корреляционного анализа экспериментальных данных 120
3 Определение состояния эргатической системы в задачах оценки эффективности управления 125
3.1 Обобщённая модель действий оператора в эргатической системе 125
3.2 Постановка задачи оценки эффективности управления эргатической системой на примере системы «самолет- летчик» 128
3.2.1 Актуальность проблемы и анализ направлений её решения 128
3.2.2 Обоснование выбора информативного признака для оценки действий оператора 135
3.3 Разработка математической модели системы оценивания качества пилотирования 138
3.3.1 Математическая модель системы «самолет-летчик» 138
3.3.2 Методика выделения информационной составляющей сигнала управления 142
3.3.3 Идентификация закона и параметров распределения «ремнанты» по полётным данным. Метод сглаживания гистограмм 149
3.3.4 Математическая модель действий летчика в продольном канале управления маневренным самолётом 156
3.4 Обоснование метода оценки индивидуальной составляющей модели действий летчика 162
3.5 Разработка статистического критерия оценки качества пилотирования 167
4 Определение состояния вычислительных систем 175
4.1 Системный анализ метода само диагностирования с использованием структур взаимоконтроля и его применение для определения состояния вычислительных систем 175
4.1.1 Общее описание метода и формулировка целей исследований 175
4.1.2 Анализ существующих моделей выявления отказов и критерии их выбора 177
4.1.3 Исследование характеристик диагностируемости выбранных моделей выявления отказов 181
4.1.4 Анализ допущений на применение диагностических моделей 185
4.2 Разработка математической модели диагностирования распределённых вычислительных систем 197
4.2.1 Разработка общей структуры диагностической модели 197
4.2.2 Обоснование параметров диагностической модели вычислительной системы 201
4.2.3 Модель переменной структуры на основе критерия минимума временных затрат на диагностирование 211
4.2.4 Метод решения задачи составления оптимального расписания проверок 215
4.3 Организация диагностирования вычислительных систем при возникновении в них константных, неконстантных и гибридных отказовых ситуаций 221
4.3.1 Обобщённый диагностический признак наличия в структурах взаимоконтроля отказовых ситуаций различного типа 222
4.3.2 Общая организация процесса диагностирования вычислительных систем 228
4.3.3 Алгоритмы идентификации гибридных отказовых ситуаций 233
5 Применение и оценка эффективности разработанных методов определения состояния технических систем 242
5.1 Оценка прочностных свойств крыла самолета в процессе эксплуатации 242
5.2 Применение Z-преобразований для разработки авиационных тренажёров 250
5.3 Оценка качества управления маневренным самолётом 254
5.3.1 Методики обработки полетной информации 254
5.3.2 Структура автоматизированной системы оценивания качества пилотирования 260
5.3.3 Оценка эффективности предлагаемых решений 263
5.4 Оценка эффективности разработанных алгоритмов самодиагностирования вычислительных систем с использованием структур взаимоконтроля 268
5.5 Применение структур взаимоконтроля для диагностирования комплекса бортового оборудования самолёта «БЕ-200» 275
Список использованных источников 286
- Разработка модели процесса определения состояния сложного объекта
- Метод фильтрации шумов первичных источников информации
- Анализ допущений на применение диагностических моделей
- Методики обработки полетной информации
Введение к работе
Актуальность темы диссертационной работы определяется следующими факторами. Программное обеспечение исследований и поддержки принятия решений в энергетике, созданное в нашей стране в период бурного роста отрасли энергетики и появления первых массовых и промышленных компьютеров на рубеже 1980-1990 годов XX века не может эффективно использоваться на современных компьютерах и в современных операционных средах, хотя представляет большую интеллектуальную ценность. Поддержка принятия решений в энергетике требует особого подхода к программному обеспечению, что обусловлено территориальной распределенностью объекта исследования, повышенными требованиями к надежности и отказоустойчивости самого программного обеспечения. Нередки случаи, когда полная замена программных комплексов поддержки принятия решений в энергетике сопряжена с серьезными затратами, а иногда и практически неосуществима вследствие глубокой интеграции с объектами энергетики и невозможности остановки процесса их функционирования.
Программное обеспечение для поддержки принятия решений и исследований в энергетике развивалось в нашей стране параллельно с развитием отрасли. Крупные научно-исследовательские центры, посвященные проблемам энергетики, несмотря на территориальную распределенность, находились в тесном взаимодействии, многие программные разработки были результатом их совместной работы. С распадом Советского Союза такие коллективы распались, возникла проблема поддержки и развития больших программных комплексов.
Проблемами анализа и разработки программного обеспечения в свое время занимались: Д. Кнут, Э. Дейкстра, Г. Майерс и др. В нашей стране большой вклад в развитие этого направления внесли Е.А. Жоголев, Ф.Я. Дзержинский, А.И. Тер-Сааков, М.М. Горбунов-Посадов. В Институте систем энергетики им. Л.А. Мелентьева (ИСЭМ) СО РАН — Л.В. Массель, Е.А. Болдырев, А.В. Черноусов и др.
Работы перечисленных выше авторов являются основой для проведения интеграции ПО и основой для создания интеграционных сред. Одной из таких сред является разработанная в ИСЭМ СО РАН под руко-
водством Л.В. Массель ИТ-инфраструктура научных исследований. Под ИТ-инфраструктурой понимается совокупность: технических и программных средств, телекоммуникаций и информационной базы научных исследований; технологий их разработки и использования; стандартов, как внутренних, так и внешних, для разработки информационных и программных продуктов в области исследований в энергетике, обмена ими и их представления на информационный рынок.
Учитывая изменившиеся условия и требования новых информационных технологий, становится особенно острой проблема реинжиниринга унаследованного программного обеспечения, интегрируемого в рамках разработанной ИТ-инфраструктуры и используемого в исследованиях и принятии решений в энергетике, что подтверждает актуальность предлагаемой работы.
Цель работы: разработка и применение методического подхода и инструментария анализа и реинжиниринга унаследованного программного обеспечения для исследований и поддержки принятия решений в энергетике.
Для достижения поставленной цели необходимо решить следующие задачи:
Выполнить анализ проблемы унаследованного программного обеспечения, выделить особенности, характерные как для научных исследований в целом, так и для исследований в энергетике.
Разработать способ анализа унаследованного программного обеспечения.
Разработать формализованную модель унаследованного программного обеспечения.
Разработать методику анализа и реинжиниринга унаследованного программного обеспечения.
Разработать специализированную экспертную систему для поддержки процесса реинжиниринга, на основе обобщенного опыта успешных применений, предложенных способа анализа и методики реинжиниринга.
6. Применить предложенный подход и инструментальные средства для реинжиниринга унаследованного ПО для исследований и поддержки принятия решений в энергетике.
Методами и средствами исследования являются: методы системного анализа, методы системного и прикладного программирования, методы объектного проектирования и программирования, методы проектирования баз данных и информационных систем, методы проектирования и реализации баз знаний, экспертных систем и систем поддержки принятия решений.
Новизну составляют и на защиту выносятся следующие положения.
Впервые для адаптации унаследованного программного обеспечения для исследований и поддержки принятия решений в энергетике разработан методический подход, включающий авторский способ анализа программных комплексов, основанный на развитии идей анализа программных систем по Майерсу и методологии функционального моделирования SADT. Методический подход к адаптации базируется на методах реинижиринга, переработанных для программных систем, с учетом всех этапов процесса.
Предложена формализованная модель описания программных комплексов и CASE-нотация структурного моделирования программных комплексов. Модель основана на анализе модулей системы с учетом набора количественных и качественных характеристик исходного кода, а также характера связей между ними, что позволяет наглядно оценить трудоемкость реинжиниринга.
Разработана специализированная экспертная система для анализа программных систем и поддержки реинжиниринга. База знаний экспертной системы содержит уникальный опыт, полученный при адаптации унаследованных систем, что позволяет использовать её для реинжиниринга других систем.
Практическая значимость. С использованием предложенной методики и разработанных инструментальных средств поддержки методи-
ки реинжиниринга выполнена программная реализация вычислительного сервера OPTCON на основе унаследованного программного обеспечения. Проведен анализ специализированных программных комплексов (DAKAR, АНАРЭС, ЯНТАРЬ, ГАРМОНИКИ, ИНТЭК) для исследований и поддержки принятия решений в энергетике. Предложенные методики и инструментальные средства поддержки методики реинжиниринга в настоящее время применяются в ИСЭМ СО РАН для анализа и реинжиниринга ряда программных комплексов.
Реализация вычислительного сервера OPTCON выполнялась при поддержке гранта РФФИ №02-07-90343 «Разработка Internet-технологии поддержки удаленного пользователя пакета прикладных программ «OPTCON» при решении сложных задач оптимального управления» (2002-2003 гг.), гранта РФФИ №04-07-90401 «Инструментальные средства экспертной поддержки математического моделирования, доступные пользователям с применением Internet-технологии» (2004-2006 гг.) и гранта интеграционной программы СО РАН №2003-3 «Методы, технология и инструментальные средства создания вычислительной инфраструктуры в Internet» (2003-2005 гг.).
Кроме того, результаты диссертационной работы применены в ИСЭМ СО РАН при выполнении научного проекта СО РАН «Создание телекоммуникационной распределенной вычислительной инфраструктуры научных исследований: разработка методических основ и их применение для исследований в энергетике», в рамках НИР «Интегрированные вычислительные среды, сети и информационные технологии для обеспечения научных исследований в области энергетики», гос. per. № 01.200.116491 (2004-2006 гг.), и при выполнении научного проекта СО РАН «Разработка методических основ и интеллектуальных компонентов ИТ-инфраструктуры системных исследований в энергетике» в рамках приоритетной программы исследований СО РАН № 3.1. «Информационные и вычислительные технологии поддержки принятия решений» (2007-2009 гг.)
Также результаты диссертационной работы применены при реинжиниринге ПК ИНТЭК в проектах при поддержке грантов РФФИ №07-07-00265 (2007-2009 гг.), №08-07-00172 (2008-2010 гг.) и №10-07-00264 (2010-
2011 гг.).
Апробация работы. Результаты работы обсуждались на Международных конференциях «Вычислительные технологии и математическое моделирование», Казахстан, г. Алматы, 2002 г.; «Вычислительные и информационные технологии в науке, технике и образовании», Казахстан, г. Усть-Каменогорск, 2003 г.; XXX Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе», Украина, г. Ялта-Гурзуф, 2003 г.; II межрегиональной школе-семинаре «Распределенные и кластерные вычисления», г. Красноярск, 2002 г.; на региональном форуме «Сибирская индустрия информационных систем», г. Новосибирск, 2002 г.; на VII Байкальской Всероссийской конференции «Информационные технологии в энергетике, экономике, экологии», г. Иркутск, 2002 г.; на XXX, XXXI и XXXII конференциях молодых ученых ИСЭМ СО РАН, г. Иркутск, 2000-2002 гг.; XIII, XIV и XV Байкальских Всероссийских конференциях «Информационные и математические технологии в науке и управлении», г. Иркутск, 2008-2010 гг.; III и IV Всероссийской конференции «Винеровские чтения», г. Иркутск, 2009, 2011 гг.; на заседаниях школы-семинара молодых ученых «Математическое моделирование и информационные технологии: состояние и перспективы», Иркутск, 2001-2002 гг., а также докладывались и обсуждались на заседаниях секций Ученого Совета ИСЭМ СО РАН.
Личный вклад. Результаты, составляющие новизну и выносимые на защиту, получены лично автором.
Публикации. По теме диссертации опубликованы 10 работ, три из них [1-3] — в реферируемых журналах, рекомендованных ВАК.
Объем и структура работ. Диссертация состоит из введения, трех глав, заключения, списка литературы из 140 наименований и двух приложений, общий объем основного текста 125 страниц.
Разработка модели процесса определения состояния сложного объекта
Одним из результатов системного анализа исследуемой проблемы явился вывод о том, что СО, в процессе его разработки и применения по назначению, может находиться в различных состояниях, признаками которых является соответствие вектора количественных и качественных характеристик объекта определённой области его значений (т-число характеристик, используемых для определения состояния объекта). Качественные характеристики объекта при включении в состав вектора предварительно оцифровываются. Положение вектора в пространстве состояний зависит, в общем случае, от числа и номенклатуры характеристик, составляющих этот вектор. Следовательно, вид состояния может быть определён путём соотнесения вектора характеристик объекта определённым областям его значений.
Как показал практический опыт испытаний авиационной техники, наибольшую сложность представляет решение задачи формирования вектора характеристик объекта. Более того, было установлено, что следует в этом случае говорить не столько о характеристиках объекта, сколько о характеристиках эксперимента, включающих помимо других характеристик и характеристики свойств объекта.
К этому же выводу можно прийти и путём анализа понятия состояние, принятому в теории систем, согласно которому состояние можно определять либо через входные воздействия и выходные сигналы, (результаты), либо через макропараметры, макросвойства системы [49]. В первом случае, если рассмотреть элементы (компоненты, функциональные блоки), учесть что входы можно разделить на управляющие и и возмущающие V , и что выходы (выходные результаты) зависят от а, V и м , то есть g = f(a,v,u), то в зависимости от задачи состояние можно определить как 1 {а, м}, 2) {а, u, } или 3){a,v,u,g}.
Анализ процессов позволил прийти к заключению о том, что при определении состояния реальных технических объектов возможно использование всех трёх приведенных вариантов. Покажем это на примере испытаний современной AT как сложных, многофункциональных комплексов, характеристики которых взаимосвязаны и образуют систему, построенную по иерархическому принципу [32]. Эта особенность обусловила необходимость системного подхода при их оценке, суть которого заключается в том, что при испытаниях летательного аппарата (ЛА) регистрируются и анализируются не только его характеристики, а характеристики всех составляющих комплекса испытаний, который называется «испытываемый ансамбль» (рисунок 1.3). В него входят: объект испытаний, сопряжённые системы, внешние факторы, управление, режимы полета (или выполняемой операции), совокупность результирующих характеристик.
Характеристики, определяемые в ходе испытаний, зависят от состояния объекта, степени его доведенности, а также от управления. Кроме этого, они зависят от внешних и внутренних факторов, действующих на ЛА и его системы, в том числе от параметров атмосферы, характеристик условий эксплуатации, от параметров выполняемой операции и т. п. Поэтому все эти факторы подлежат регистрации и используются в процедуре анализа.
Совокупность показателей и характеристик, определяемых в летных испытаниях и исследованиях, составляет некоторую часть общей иерархической матрицы Ф, характеризующей ЛА и его системы. Структура этой матрицы схематически показана на рисунок 1.4.
Характеристики, входящие в общую матрицу Ф, могут быть условно разделены на следующие, более частные или специфические, матрицы.
1. Основные показатели и характеристики ЛА. Их матрицу составляют показателя или характеристики, рассматриваемой системы или компонента авиационного комплекса.
2. Характеристики ожидаемых условий эксплуатации, представляющие собой совокупность параметров, характеризующих атмосферные, эксплуатационные и другие условия применения, признанные допустимыми для эксплуатации ЛА и его систем. В число этих условий входят и условия обслуживания.
3. Показатели и параметры, характеризующие типовые операции, выполняемые ЛА, и этапы полета.
4. Параметры, характеризующие процесс управления ЛА и его системами. В эту матрицу следует включить как параметры, характеризующие управление, выполняемое человеком-оператором, так и параметры регулировки и настройки элементов автоматизированных систем управления.
Поскольку в число характеристик рассматриваемой матрицы должны входить также показатели точности управления, целесообразно включить их в соответствующие подматрицы.
5. Параметры, характеризующие состояние ЛА, могут быть разделены на две группы:
- параметры, описывающие конфигурацию, наличие или отсутствие съемного оборудования и т. п. (в пределах штатных возможностей, предусмотренных документацией);
- параметры состояния, характеризующие наличие реальных или имитированных отказов (дефектов).
6. Факторы, связанные с производственными отклонениями параметров ЛА и его систем. В эту группу, в частности, могут входить технологические допуски на характеристики.
Каждая из специфических матриц характеристик, в свою очередь, весьма обширна и для удобства также строится по иерархическому принципу. Так, матрица основных показателей и характеристик ЛА включает помимо показателей эффективности и летной годности ЛА множество частных характеристик, таких как: летно-технические и взлетно-посадочные, устойчивости и управляемости ЛА, маневренности, прочности и выносливости, воздействия ЛА на окружающую среду, целый ряд характеристик функциональных систем. К ним относятся технические характеристики, определяющие технические возможности аппаратуры по обеспечению заданной эффективности AT и подразделяющиеся на общетехнические и специальные. Первые являются практически одинаковыми для большинства видов аппаратуры, определяя технические параметры стандартных устройств (приемника, передатчика, антенно-фидерной системы) или типовые оценки (электромагнитная совместимость, помехоустойчивость, алгоритмическое и программное обеспечение, отказобезопасность, надежность и т.п.). Кроме того, к ним относятся конструктивные характеристики (масса, габариты, размещение) и стойкость аппаратуры к внешним воздействующим факторам. Специальные характеристики оценивают специфические свойства аппаратуры, необходимые для выполнения своих функциональных задач. К ним относятся качество радиосвязи, характеристики изображения, погрешности измерений и т. п.
Анализ вида и состава характеристик, подлежащих измерению и оценке во время осуществления процесса определения состояния на примере испытаний AT, позволил сделать вывод о том, что вектор характеристик могут составлять как величины, непосредственно измеренные в ходе эксперимента, так и полученные путём соответствующего преобразования первичных данных. Следовательно, обязательной составной частью процесса формирования вектора характеристик, представленного общей схемой, является этап преобразования первичных характеристик (рисунок 1.5)
В настоящее время при исследовании сложных систем преимущественное применение получил системный подход по отношению к классическому (индуктивному) [80; 297]. При реализации классического подхода систему рассматривают путем перехода от частного к общему и синтезируют систему совмещением ее компонент, которые разрабатываются раздельно. В системном же подходе осуществляется последовательный переход от общего к частному. Поэтому вначале сформируем обобщённую модель процесса определения состояния СО, которая явится основой дальнейших исследований..
С методологической точки зрения, оценка состояния сложного объекта в общем виде имеет три основные составляющие: получение полной и достоверной информации о характеристиках исследуемого объекта формирование вектора характеристик и определение его принадлежности определённым областям значений, путём сравнения полученных характеристик с нормативными требованиями. Это обстоятельство является основанием для рассмотрения различных процессов определения состояния с общих позиций.
Метод фильтрации шумов первичных источников информации
Важной научной задачей, возникающей при обработке информации о состоянии систем, является задача фильтрации шумов. В большинстве случаев спектр шумов является более высокочастотным, чем полезный сигнал, поэтому частота опроса датчика информации, соответствующая полезному сигналу, для шума оказывается недостаточной и спектр шума при дискретизации искажается [160; 18]. Частота опроса ограничивается техническими характеристиками регистратора, преобразователя и средств обработки информации (рисунок 1.16, ветвь 7). Вследствие этого не представляется возможным выбрать тип и параметры цифрового фильтра.
Для практического решения целого ряда задач необходимо предварительно теоретически оценить количественный и качественный характер изменения спектра выходного сигнала. Вывести функцию спектра выходного (дискретного) сигнала при известных спектре входного сигнала и частоте опроса представляется весьма затруднительным, однако задачу можно решить с помощью предлагаемого вычислительного алгоритма, позволяющего пошаговое построение выходного спектра.
Для решения поставленной задачи проанализируем преобразования которым подвергается гармонический сигнал, х(t)=Asin(u)t), поступающий на вход АЦП Следствием теоремы Котельникова является то, что в дискретном сигнале могут присутствовать только гармоники с частотой меньше граничной частоты й р = Ч)п/2 Если в исходном спектре присутствуют гармоники с частотой а» й р, то при их дискретизации возникает явление деления частоты колебаний входного сигнала, на которое указывают многие работы .
Частота выходного сигнала со в (2.11) зависит от частоты исходного сигнала со и периода опроса Т.
Известно, что сложение двух гармонических сигналов образует новый гармонический сигнал с частотой биения, равной разности исходных частот [15]. Когда было проанализировано явление преобразования частоты гармонического сигнала при дискретизации (при условии, что со со р), то выяснилось, что частоту гармонического сигнала после дискретизации со можно получить как разность частот, аналогичную частоте биения.
Как следует из графика, при изменении частоты входного сигнала от О до , частота выходного сигнала периодически изменяется от О до щр. Используя найденные зависимости, можно вычислить частоту биения каждой гармоники исследуемого спектра в дискретном сигнале.
Операция поиска гармоник задана в диапазоне от О до , однако на практике можно ограничиться исследованием частот в районе рабочих зон датчика и зоны максимума спектра шумов.
С помощью алгоритма построения спектра шумов при аномально-низкой частоте опроса (8 и 10 Гц) были получены спектры дискретных шумов для датчика-акселерометра МП-95, входящего в состав канала регистрации перегрузки авиационных бортовых устройств регистрации ТЕСТЕР УЗ серии П и МСРП-64-2 [206; 205] (рисунок 2.17).
Для удобства отображения результата принято, что спектр шумов на входе в датчик является белым шумом с интенсивностью, равной 1. Текущая частота спектра на рисунке указана в Герц. Как видно из графика (рисунок 2.17), у дискретного спектра датчика МГТ-95 максимум шумов сместился к нулевой частоте. Это и является причиной неработоспособности ФНЧ при частоте опроса датчика, равной 10Гц
Для учета технологического разброса частот собственных колебаний датчика МП-95 были построены спектры дискретных шумов при частотах опроса всех эксплуатируемых серийных БУР. На основании полученных результатов можно сделать вывод о том, что максимум спектра шумов 0)[тх смещен в рабочую область частот датчика.
Анализ полученных результатов показал, что наименее эффективной будет такая аномально - низкая частота опроса, при которой максимум дискретного спектра сместится в рабочий диапазон частот. Таким образом, исследования показали, что спектр шумов при низкой частоте опроса смещается в область полезного сигнала. При этом становится очевидным, что применение фильтров с прямоугольной характеристикой не даст требуемого эффекта.
Неэффективным также является применение БИХ - фильтров по следуюшим причинам:
- спектр шумов не имеет максимума, поэтому частотное разделение шумов и рабочих сигналов невозможно;
- разница между граничной частотой дискретного спектра датчика (д = сооп/2 и верхней границей рабочего диапазона частот датчика составляет всего несколько герц. При этом, й)отп не превышает 2-5. При такой (Оотн характеристики БИХ - фильтра искажаются.
Применение усредняющих КИХ-фильтров несколько повышает достоверность программ анализа результатов регистрации. Однако, наибольший эффект даёт применение КИХ-фильтра, основанного на методе скользящего среднего (иногда называемый методом Вальда).
Для выбора оптимального значения Иф КИХ-фильтра для канала нормальной перегрузки использовался алгоритм, представленный схемой (рисунок 2.23).
Используя данную схему, найдем показатели достоверности алгоритмов оценки точности пилотирования без фильтрации нормальной перегрузки (Ыф=\) и с фильтрацией нормальной перегрузки (15 контролируемых алгоритмов с NA. от 3доЗІ).
Было выполнено по 5000 испытаний алгоритмов контроля для трех датчиков, отличающихся предельными отклонениями частоты собственных колебаний. По результатам испытании получены вероятности Р правильной оценки вероятности ложного сообщения Р и вероятности пропуска сообщения Р". Результаты испытаний представлены на рисунках 2.24,2.25,2.26.
Применение таких фильтров позволяет повысить с 0,5 до 0,9 вероятность правильной оценки экспериментальных данных.
Очевидными достоинствами КИХ-фильтра, основанного на методе скользящего среднего, является предельная простота программной реализации и минимальные вычислительные затраты на его реализацию.
Анализ допущений на применение диагностических моделей
Применение всех разработанных в настоящее время в рамках рассматриваемого метода диагностических моделей связано с определенными допущениями на характер неисправностей, порядок взаимодействия модулей ВС , полноту и однозначность диагностирования и др (рисунок 1.16. ветвь 8). Рассмотрим допущения на применение наиболее часто используемой BGM - модели ,основными из которых являются:
- отказы, поиск и локализация которых осуществляет система диагностирования, являются только константными (устойчивыми);
- все тестовые проверки могут определить наличие всех возможных неисправностей в модуле;
- допускается только диагностирование без восстановления);
- число отказов не превышает величины t - максимальное для данной структуры число отказавших модулей, при котором возможно получение достоверного диагноза, и наиболее вероятным считается отказ наименьшего числа модулей, при отказе нескольких;
- результаты проверок независимы;
- неисправный модуль должен оценить другой неисправный модуль только как неисправный.
Вместе с тем, существует ряд отказовых ситуаций (ограничений), не входящих в область определения модели, которые назовём неконстантными (в отличие от константных отказов, для которых определена модель). Проанализируем каждое событие из множества А по отдельности.
Событие ах - возникновение сбоев как нарушение предположения об исключительности константных отказов в диагностируемой системе.
Использование больших и сверхбольших интегральных схем (СБИС) в качестве элементной базы ВС характеризуется возрастающим значением интенсивности сбоев Хс в сравнении со значением интенсивности отказов Л0 других типов[105; 149; 76; 219]. Сбои и отказы, возникающие в процессе работы микропроцессорных (МП) - систем, классифицируются в зависимости от места и момента их появления на кратные сбои в одном и том же узле системы, одновременные сбои в различных узлах системы, одиночные сбои и отказы. Наибольший удельный вес имеют одиночные отказы и сбои и наименее надежным функциональным узлом МП - системы является интерфейс.
Таким образом, сбои в МП - системах случаются значительно чаще, чем устойчивые отказы, а соотношение между временем наработки на отказ Т и временем наработки до сбоя Тс в различных ВС достигает 100 и более ( Г 100Г,)[135].
Событие а2 - изменение технического состояния ВС во время проведения цикла диагностирования, вызванное отказом одного или нескольких модулей системы. В результате реализации события а2 исправность одного или нескольких модулей будет по-разному определена исправными контролирующими модулями, что приведет к невозможности правильной идентификации отказавших модулей.
Для того, чтобы оценить вероятность появления события 2 необходимо проанализировать временную диаграмму цикла функционирования вычислительного модуля, представленную на рисунке 4.3.
По некоторым оценкам ТР 0,5Т;, тогда Тд+Тп 0,5Тц [128]. Время, используемое только для диагностирования зависит от выбранной диагностиче-ской модели и его можно оценить в пределах 0,2-0,3Тч. Тогда Р{а2} =0,2-0,3 при условии, что диагностирование проводится с частотой один раз за время Т. А это означает, что вероятность события а2 имеет существенную для диагностирования величину, так как примерно один из трех отказов придется на время диагностирования.
Событие а3 - отказ большего, чем t числа модулей. Величина максимальной t, возможной для данной ВС при условии неограниченной связности графа, обозначается здесь и далее как г(С) На практике для реальной ВС выбирают исходя из требований к диагностируемости системы и её конструктивных особенностей величину t обычно меньшую, чем T(G) Величина / выбирается также с учетом надежности модулей, входящих в ВС.
Анализ графика позволяет сделать следующие выводы: с увеличением числа отказавших модулей \VK\ вероятность отказовой ситуации убывает; вероятность отказовых ситуаций с t T(G) является достаточно малой величиной, которой можно в практических целях пренебречь. Кроме того, при сокращении интервала наблюдения, который соответствует времени между циклами диагностирования, поток отказов в ВС будет стремиться к простейшему и обладать свойством ординарности.
Таким образом, введение условия t T(G) является вполне оправданным, кроме случаев, когда для ВС одним из основных требований является живучесть и возможность боевого воздействия на такие ВС значительно увеличивает вероятность выхода из строя, большего, чем t числа модулей. В этом случае вероятность возникновения события я3 может быть определена как P{a3} = l-[l-Pn(k)](l-Pnop), где Pn(k) - рассчитывается по формуле (4.3), Рпор - вероятность поражения к t модулей.
Событие «4 -перемежающиеся отказы. В отличие от константных, перемежающиеся отказы обладают способностью многократно возникать и самоустраняться. Причиной возникновения перемежающихся отказов могут быть возникающие время от времени изменения параметров компонентов МП, например, из-за колебаний температуры или под влиянием паразитной емкости. Причины могут быть и внешними, вызванные относительно непродолжительными физическими помехами, которые изменяют текущие значения логических переменных в системе, не причиняя компонентам непоправимого вреда[300; 204]. При организации диагностирования МП-систем, которые вследствие специфики своего применения могут подвергаться дестабилизирующему воздействию /-излучения, следует учитывать повышенную вероятность возникновения события а4.
Событие а5 -неполнота тестов диагностирования. Под тестом диагностирования, с помощью которого модуль Vj определяет техническое состояние модуля Vj, в общем случае понимается одно или несколько тестовых воздействий и последовательность их выполнения [271]. Тесты диагностирования ориентированы на идентификацию всех возможных неисправностей в контролируемом устройстве, но практически это условие или трудновыполнимо, или не выполнимо вообще, вследствие неполноты тестов [282].
Появление элементной базы на основе технологий БИС и СБИС привело к разработке новых методов тестирования [61]. Высокая организация тестирования обеспечивает полноту охвата контролем и определения местоположения неисправностей до 98 % В некоторых случаях удается получить еще большую полноту тестов: так, например, полнота теста для СБИС АУКР 1802 составляет 99,5 % [291].
Вместе с тем, ни один из разработанных методов пока еще не гарантирует создание полных тестов, а вероятность проявления события а5 может быть оценена в пределах {«5} =0,02-0,005.
Событие а6 - неисправность каналов связи. Наиболее эффективной формой организации связей является организация обмена информацией с помощью магистралей [218]. Пересылка диагностических тестов в реальной ВС осуществляется по функциональным каналам связи и поэтому от исправности линий и аппаратуры связи зависит достоверность получаемых результатов диагностирования. Для повыщения надежности каналов связи применяют их дублирование и резервирование [71; 221]. Для линий связи характерны неисправности двух типов; обрывы и замыкания. Если обрывы можно обнаружить без введения в исходный тест дополнительных наборов и контрольных точек, то замыкание обнаруживать несколько сложнее и для этого требуется коррекция тестов [271]. Таким образом, для рассматриваемых ВС исправность связей может периодически контролироваться с помощью соответствующих им вычислительных модулей. Эту процедуру целесообразно использовать при проведении контрольно-восстановительных работ, В режиме же функционирования ВС отказ всех линий связи, включая дублирующие, равносилен отказу соответствующего этим связям модуля системы. Поэтому в некоторых работах предлагаются диагностические модели ВС, описывающие взаимодействия компонентов, под которыми понимается комплекс «модуль - связь» [41].
Методики обработки полетной информации
На основании разработанного в главе 3 критерия и результатов исследований предлагается методика обработки полетной информации для peine-ния задач оценивания качества пилотирования, которая предполагает следующий порядок действий:
- полетная информация, зафиксированная штатным бортовым устройством регистрации, переписывается в наземное устройство обработки на базе ЭВМ («Топаз-М», «СКАТ», «Дозор»);
- осуществляется предварительная обработка полетной информации для определения временных границ этапа снижения самолета по глиссаде, при этом происходит выделение информативного параметра S& на участке снижения самолета по глиссаде в отдельный файл,
- полученная реализация параметра с помощью цифрового КИХ фильтра Фурье разделяется на линейную составляющую и «ремнанту»;
- осуществляется обработка «ремнанты» по отдельному алгоритму:
Алгоритм разработан на основе новых решений, предложенных в на стоящей работе, и состоит из следующих операций.
1) Для повышения точности построения гистограммы выполняется симметричный перенос отрицательных значений реализации «ремнанты» в область положительных значений, что эквивалентно удвоению объема выборки п
С этой целью исходная дискретная последовательность измерений полетной информации X = {х(1),х(2),...х(пв -1),jc(/ie)} преобразовывается Z = { (l\г(2),...z(ne-l),z(ne)},rzQ z(/) = \x(i)\, x(i) - значение «ремнанты» S# в / -й момент времени.
2) Весь диапазон экспериментальных значений преобразованной «ремнанты» разбивается на к интервалов. При выборе оптимального количества интервалов гистограммы для выборки состоящей из 400 измерений был использован метод статистического моделирования. Такой объем выборки обусловлен продолжительностью полета самолета Су-24МР по глиссаде (около 100 секунд) и частотой регистрации параметра 8& датчиком МУ-615А 4 Гц. В результате было установлено, что для разработанной методики построения статистической плотности распределения оптимальное число интервалов гистограммы равно 35. При таком числе интервалов искажения формы кривой статистической плотности распределения минимальны.
3) По типовым алгоритмам строится положительная ветвь гистограммы преобразованной «ремнанты» 6 (рисунок 5.7).
4) Проводится сглаживание верхней части гистограммы, для чего она представляется в виде точек, являющихся серединами столбцов гистограммы (рисунок 5.8), а точки на участке А-В экстраполируются влево от вершины. С этой целью по первым 5 точкам гистограммы, прилегающим к (участок В-С, рисунок 5.8), методом наименьших квадратов определяются коэффициенты экстраполирующего полинома первого порядка
В примере, проиллюстрированном на рисунках 5.7-5.12, величина критерия М,р= 5,92 град., что соответствует высокому качеству пилотирования на этапе посадки (уровень снайпера и 1 класса).
Предлагаемая методика реализована в виде программного модуля созданного в среде объектно-ориентированного программирования Delphi 7.0 и обеспечивает автоматическое определение величины критерия AL [251].
