Вы находитесь на странице: 1из 147

ИНФОРМАЦИОННЫЕ

ТЕХНОЛОГИИ
МОДЕЛИРОВАНИЯ
И УПРАВЛЕНИЯ

НАУЧНО-ТЕХНИЧЕСКИЙ ЖУРНАЛ

Основан в 1995 г.

2005
№ 1(19)

Воронеж

Научная книга

2005
Издательство "Научная книга"
Воронежский государственный технический университет
Липецкий государственный технический университет
Бакинский государственный университет
Международный университет компьютерных технологий

ISSN 1813-9744

Журнал выходит шесть раз в год

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ МОДЕЛИРОВАНИЯ


И УПРАВЛЕНИЯ

РЕДАКЦИОННАЯ КОЛЛЕГИЯ:

Главный редактор О.Я.Кравец, д-р техн. наук, профессор

ЧЛЕНЫ РЕДАКЦИОННОЙ КОЛЛЕГИИ:

А.А.Алиев, д-р техн. наук, профессор (БГУ, Азербайджан, г. Баку)


С.Л.Блюмин, д-р техн. наук, профессор (ЛГТУ, Россия, г. Липецк)
С.Л.Подвальный, д-р техн. наук, профессор (ВорГТУ, Россия, г. Воронеж)
А.И.Шиянов, д-р техн. наук, профессор (МИКТ, Россия, г. Воронеж)

Статьи, поступающие в редакцию, рецензируются. За достоверность сведений, изложен-


ных в статьях, ответственность несут авторы публикаций. Мнение редакции может не
совпадать с мнением авторов материалов. При перепечатке ссылка на журнал обязатель-
на.

Материалы публикуются в авторской редакции.

Адрес редакции: Телефон: (0732)137653


394077 Воронеж, ул. Маршала Жукова, дом Факс: (0732)437660
3, комн. 244 E-mail: kravets@vsi.ru
http://www.vsi.ru/~sbph/itmu/
Издатель: ООО Издательство "Научная книга"
http://www.vsi.ru/~sbph

Подписано в печать 20.02.2005. Заказ 47. Тираж 500. Уч.-изд.л. 9,3. Усл.печ.л. 9.7.

ã Информационные технологии моделирования и управления, 2005


Информационные технологии моделирования и управления, 2005, №1(19) 3

Содержание
1. Информационные технологии в непромышленной сфере и экономике
Авилкина И.Н. Информационно-коммуникационные технологии в педагогическом
образовании .....................................................................................................................4
Демидова Л.А., Кираковский В.В. Двухкаскадная система нечеткого вывода для решения
задачи диагностики состояния городских инженерных коммуникаций .......................9
Козачок В.И. Технологии сбора, агрегирования и визуализации результатов
социологического исследования кадровых ресурсов................................................... 20
Ладяев Д.А. Кластерный анализ в обнаружении предсердной узловой экстрасистолии .... 25
Немцов Л.Б. Нечеткое математическое программирование в задачах оптимизации
транспортных систем .................................................................................................... 30
Сафонов А.И., Кравец О.Я. Особенности проектирования АРМ ученого секретаря
диссертационного совета .............................................................................................. 35
Тархов С.В. Управление адаптивным обучением и его оптимизация на базе теории
абстрактных автоматов и марковских процессов ........................................................ 39
2. Моделирование и анализ сложных систем
Крыжановская Ю.А. Построение регуляторов, обеспечивающих желаемое расположение
корней характеристического полинома дискретной многосвязной системы ............. 46
Милич Н.В., Милич В.Н. Автоматическая сегментация результатов трехмерного лазерного
сканирования ................................................................................................................. 51
Пальчик О.В., Доков Д.С. Анализ методов статистической обработки и оценивания
параметров одиночного видеоимпульса ....................................................................... 58
Преображенский А.П. Исследование возможностей двух методов восстановления
параметров локальных отражателей на поверхности объектов по их диаграммам
обратного рассеяния...................................................................................................... 65
Солер Я.И., Казимиров Д.Ю. Компьютерное моделирование тепловых явлений при
плоском шлифовании закаленной стали 30ХГСН2А-ВД периферией абразивного
круга ............................................................................................................................... 70
Чумаков Р.Е. Комплексная технико-экономическая модель сборочно-резьбообразующих
процессов ....................................................................................................................... 77
Шопырин Д.Г. Метод проектирования и реализации конечных автоматов на основе
виртуальных вложенных классов ................................................................................. 87
3. Программные и телекоммуникационные системы
Bogush A.V., Sypko V.A. The DVB unicasting: overview and scenarios.................................. 97
Бунаков П.Ю. Параметрический подход к проектированию корпусной мебели............... 102
Гуров В.В. Методика оценки качества отладки программ малой и средней сложности .. 107
Королев А.А. Интерактивное отображение трехмерных данных....................................... 111
Котенко А.Г. Информационная безопасность АСУ и ценность информации........................ 115
Кравец О.Я., Свиридова О.С. Использование UML для моделирования и генерации Web-
приложений.................................................................................................................. 122
Кремер А.А., Алгазинов Э.К. Волновой контроль состояния объектов распределенной
системы в кольцевой топологической структуре....................................................... 127
Попов Н.В. Новые возможности программной системы поддержки коллективного
выбора .......................................................................................................................... 135
Сыпко В.А., Богуш А.В. Использование объектного подхода для построения интернет-
сайтов ........................................................................................................................... 140
Правила для авторов ........................................................................................................147
4 1. Информационные технологии в непромышленной сфере и экономике

1. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НЕПРОМЫШЛЕННОЙ


СФЕРЕ И ЭКОНОМИКЕ

Авилкина И.Н.
ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫЕ ТЕХНОЛОГИИ В
ПЕДАГОГИЧЕСКОМ ОБРАЗОВАНИИ
Сибирская автомобильно-дорожная академия, г.Омск

Процесс информатизации общества оказывает огромное влияние на


формирование информационно-образовательного пространства педагогиче-
ского вуза, которое понимается нами как совокупность баз и банков данных,
технологий их сопровождения и использования, информационно - телеком-
муникационных систем и сетей, функционирующих на основе единых
принципов и по общим правилам, обеспечивающим информационное взаи-
модействие организаций и граждан, а также удовлетворение их информаци-
онных потребностей.
Формирование и развитие единого информационного пространства
России – проблема, которая требует решения сложных организационных и
технико-технологических вопросов, значительных затрат и не может быть
решена одномоментно. При этом необходим комплексный учет социально-
экономических, правовых и политических аспектов информатизации обще-
ства, всестороннее использование организационного, технологического, тех-
нического и нормотворческого опыта, полученного при развитии информа-
ционных пространств ведущих стран [6].
Формирование и развитие единого информационного пространства пе-
дагогического вуза предусматривает, в первую очередь, обеспечение опера-
тивного доступа к имеющимся информационным ресурсам и проведение ра-
бот по их включению в единое информационное пространство. В тоже время
современное состояние информационного пространства России препятствует
равноправному включению ее в мировое информационное сообщество [3].
Поэтому, обеспечение условий, гарантирующих удовлетворение ин-
формационных потребностей граждан, установление порядка формирования
и использования информационных ресурсов, обязательного для всех субъек-
тов информационных отношений в рамках единого информационного про-
странства; повышение уровня информационной компетентности является
приоритетными задачами как государственной политики в области информа-
ционных ресурсов, так и образования в целом [2].
В концепции информатизации подчеркивается, что одна из ключевых
проблем создания единого информационного пространства – это формирова-
ние и использование информационных ресурсов. Информационные ресурсы
формируются в результате деятельности государственных и негосударствен-
ных предприятий, научных, учебных и общественных организаций. Они
включают информацию и знания, а также лингвистические средства, приме-
няемые для описания конкретной предметной области и для доступа к ин-
формации и знаниям. В процессе формирования и использования информа-
Информационные технологии моделирования и управления, 2005, №1(19) 5

ционных ресурсов осуществляется сбор, обработка, хранение, поиск и выда-


ча информации по запросам или регламенту.
В последние годы к источникам информации прибавился мощнейший
информационный резервуар – Интернет, глобальная телекоммуникационная
сеть, охватывающая все развитые страны мира. Информационный потенциал
Интернета неисчерпаем. Здесь можно не только получить любую интере-
сующую нас информацию, но и поделиться собственной информацией с
пользователями сети по всему миру. С появлением сети Интернет создалась
принципиально новая информация в системе образования. С одной стороны,
сеть наполнена всякой негативной информацией для нравственного, духов-
ного, культурного развития личности. С другой, возможности сети для целей
образования и развития личности уникальны. Однако Интернет многократно
приумножил как положительную, необходимую для человека информацию,
так и вредную, очень опасную для детей, для духовного роста человека [7].
Отсюда со всей актуальностью встает проблема образования, проблема
формирования собственной нравственной социальной позиции, формирова-
ния самостоятельного и творческого мышления. Умение самостоятельно ана-
лизировать информацию, критично к ней относится – единственный путь
правильному отбору информации.
На темпы формирования информационных ресурсов, совершенствова-
ния доступа к ним может весьма отрицательно повлиять недостаточная ин-
формационная активность пользовательской среды. Единое информационное
пространство должно не только обеспечить удовлетворение информацион-
ных потребностей, но и стимулировать деятельность потребителей информа-
ции. Для этого необходимо разработать комплекс мер по повышению ком-
пьютерной грамотности и информационной компетентности пользователь-
ской среды.
Развитость и совершенство методов и средств информационно-
коммуникационных технологий создают реальные возможности для их ис-
пользования в системе образования с целью развития творческих способно-
стей человека в процессе его образования. Именно с новыми информацион-
ными технологиями связаны реальные возможности построения открытой
образовательной системы, позволяющей каждому человеку выбирать свою
собственную траекторию обучения.
Работа с педагогической информацией предполагает, что студент ис-
пользует информационно-коммуникационные технологии при решении за-
дач, которые он ставит для достижения цели своей деятельности. Компьюте-
ры и программы при этом служат в качестве средств, на которые опираются
информационно-коммуникационные технологии. С их помощью человек
может планировать последовательность действий, необходимых для дости-
жения поставленной цели.
По нашему мнению, наиболее адекватным является определение ин-
формационно-коммуникационных технологий, как технологий, ориентиро-
ванных на получение, обработку и распространение (передачу) информации.
Данное определение, слегка расширенное, будет выглядеть таким образом.
6 1. Информационные технологии в непромышленной сфере и экономике

Информационно-коммуникационные технологии - это совокупность


информационных методов, систем информации и информационных меха-
низмов, лежащих в основе сбора, обработки, передачи, хранения и представ-
ления информации во всех сферах человеческой деятельности.
Использование информационно-коммуникационных технологий по-
зволяет эффективно организовать как индивидуальное обучение, так и обу-
чение в группах, где обучаемые получают знания и создают творческие про-
дукты в результате новых форм взаимодействия с информацией.
Усиление профессиональной направленности педагогического образо-
вания связано с технологизацией образовательного процесса, обеспечиваю-
щий перенос целевых и содержательных компонентов. Профессиональное
образование в условиях информационного общества, интегрированных про-
цессов в педагогике, ориентировано на идею развития человека в профессии,
на открытый диалог с многообразием педагогических культур как освоение
путей познания мира и себя в нем (М.И.Богуславский, Н.В.Бордовская,
А.С.Роботова, Н.Ф.Радионова).
В информационном обществе ценности высшего педагогического об-
разования меняются. Одной из главных ценностей становится информация,
которая циркулирует по каналам связи и объединяет людей в новое социаль-
ное целое. Важнейшим средством владения «информационным капиталом»
являются современные коммуникации. Они открывают новые возможности,
соединяют вместе музыку, живопись, литературу, науку, философию, поли-
тику. Такая ситуация приводит и к качественным изменениям в стиле мыш-
ления, в способе видения, оценки и понимания действительности. Прежний
линейный способ восприятия мира, понимание, основанное на логической
последовательности, аргументации и обосновании, уступают место сложно-
му целостному охвату смысла происходящего [4].
Следовательно, постиндустриальное общество, в отличие от индустри-
ального общества конца XIX – середины XX века в гораздо большей степени
заинтересовано в том, чтобы его граждане были способны самостоятельно,
активно действовать и принимать решения, оценивать моральное значение
действий и выбора.
Необходимость использования информационно-коммуникационных
технологий в преподавании педагогических дисциплин диктуется несколь-
кими обстоятельствами. Во-первых, фундаментальные цивилизованные из-
менения, начавшиеся в последней трети XX в., поставили на повестку дня
вопрос о разработке и использовании новых технологий приобретения зна-
ний, навыков, умений, которые соответствовали бы науке, ценностям и от-
ношениям информационного общества. В эпоху развития общества, осно-
ванного на информации, многократно умножающего возможности доступа к
данным и фактам, образование должно помочь каждому индивиду пользо-
ваться этой информацией, отбирая, упорядочивая, накапливая и управляя ею
[5].
Во-вторых, чрезвычайная пластичность и динамичность хозяйственной
среды на рубеже веков, повышение уровня неопределенности и риска поста-
Информационные технологии моделирования и управления, 2005, №1(19) 7

вили перед участниками образовательного процесса (преподавателями и сту-


дентами) новые задачи.
Поиск новой концепции образования ведется в стремительно изме-
няющихся условиях. Происходит быстрое обесценивание предыдущего опы-
та, возникают принципиально новые задачи и нарастает их множественность.
Возникает и увеличивается разрыв между сложностью и новизной задач, с
одной стороны, и приемами и методами их решения, выработанными в про-
шлом – с другой. Повышается вероятность стратегических неожиданностей.
При этом следует учитывать, что в соответствии с концепцией гиперконку-
ренции, выдвинутой Р.Д’Авени, нормой является не равновесное состояние,
а непрерывная ломка тенденций во всех областях и сферах хозяйственного
взаимодействия. Это предъявляет определенные требования к формированию
модели образования, основанной на приобретении, актуализации и использо-
вании знаний. Перед студентами стоит задача научиться приобретать знания.
В третьих, изменения в технологии образования являются не только
технической необходимостью, но и ответом на определенный социальный
запрос. Современные студенты очень активно используют новейшие носите-
ли информации – электронные энциклопедии, электронные педагогические
издания, Интернет – ресурсы, электронные учебники и т.д. В процессе иссле-
дования было выявлено отношение студентов к различным методам и фор-
мам получения знаний при изучении педагогических дисциплин. Результаты
опроса показали, что студенты отдают предпочтение электронным носителям
информации по сравнению с традиционными бумажными носителями ин-
формации – книгами, газетами, журналами. Более того, при подготовке к за-
нятиям студенты предпочитают не фундаментальные книги, а справочную
литературу, конспекты и сжатые хрестоматии. Иными словами, студенты
предпочитают получать информацию в более простой и доступной форме,
часто им легче найти необходимую информацию (иногда более полную или
даже уникальную) в Интернете, чем в фондах вузовских библиотек [1].
В четвертых, преподаватели гуманитарных дисциплин вынуждены по-
стоянно решать дилемму: как «уложить» растущий объем изучаемого мате-
риала в небольшое количество часов, которое имеет тенденцию к сокраще-
нию. Неоценимую помощь преподавателям могут оказать информационно-
коммуникационные технологии, в основе которых лежит понятие гипертек-
ста. Термин «гипертекст» означает «информационный массив, на котором
заданы и автоматически поддерживаются ассоциативные и смысловые связи
между выделенными элементами, понятиями или разделами». В работе
Н.Ю.Русовой гипертекст – это текст, устроенный таким образом, что он пре-
вращен в систему, иерархию текстов, одновременно составляя единство и
множество текстов. Простейший пример – словарь или энциклопедия, где
каждая статья имеет отсылки к другим статьям этого же словаря. Гипертекст
можно читать подряд; начиная с разных мест; переходя от одной точки к
другой, руководствуясь отсылками [8].
Мы рассматриваем гипертекст как тип интерактивный среды с пере-
ходами по ссылкам. Ссылки, вставленные в слова или фразы, позволяют або-
8 1. Информационные технологии в непромышленной сфере и экономике

ненту выбрать текст ссылки и немедленно вывести связанные с ним сведе-


ния или материалы мультимедиа.
Все это говорит о том, что информационно-коммуникационные техно-
логии – и, прежде всего Интернет – не просто еще одно техническое средство
обучения, а качественно новая технология обучения, позволяющая сущест-
венно расширить творческий потенциал, повысить его в самом широком
смысле слова и при этом выйти за рамки традиционной модели изучения пе-
дагогических дисциплин.
Информационно-коммуникационные технологии открывают принци-
пиально новые возможности взаимодействия с информацией по сравнению с
традиционными. По сравнению с лекцией или семинаром информационно-
коммуникационные технологии более демократичны. Они позволяют охва-
тить большее количество студентов, индивидуализировать обучение и управ-
лять процессом усвоения знаний. Использование информационно-
коммуникационных технологий в процессе обучения позволяет педагогу раз-
рабатывать учебные занятия, «открытые» к изменениям информационного
общества.
Таким образом, можно утверждать, что использование информацион-
но-коммуникационных технологий способно обеспечить новое качество об-
разовательного процесса, эффективность развития информационной культу-
ры будущего учителя, а также достижение студентами достаточного уровня
готовности к продуктивному взаимодействию с информацией.

Список использованных источников


1. Акулова О.В. Изменения школьного процесса обучения в условиях
перехода к информационному обществу. Монография. Санкт – Петербург.
Изд-во РГПУ им. А.И.Герцена 2003.
2. Брановский Ю. Работа в информационной среде. Высшее образова-
ние в России. – 2002. - № 1. с.81
3. Веряев А.А., Шалаев И.К. От образовательных сред к образователь-
ному пространству: понятие, формирование, свойства. Педагогика, 1998, №
4. – С.24-35.
4. Голицин Г.А. Информация – поведение – творчество. –М., Наука,
19991г. – с. 221
5. Коган В.З. Человек в потоке информации. Новосибирск: Наука 1981.
– 177 с.
6. Концепция формирования и развития единого информационного
пространства России и соответствующих государственных информационных
ресурсов. 1995. – www. sbras.ru
7. Полат Е.С. Интернет в гуманитарном образовании. М., Владос., 2001.
8. Русова Н.Ю. Теоретические основы моделирования дидактического
материала (на примере образовательной области «Филология»). Диссертация
на соискание ученой степени доктора педагогических наук. Санкт – Петер-
бург. 2002. – с.42.
Информационные технологии моделирования и управления, 2005, №1(19) 9

Демидова Л.А., Кираковский В.В.


ДВУХКАСКАДНАЯ СИСТЕМА НЕЧЕТКОГО ВЫВОДА ДЛЯ
РЕШЕНИЯ ЗАДАЧИ ДИАГНОСТИКИ СОСТОЯНИЯ ГОРОДСКИХ
ИНЖЕНЕРНЫХ КОММУНИКАЦИЙ
Рязанская государственная радиотехническая академия, г.Рязань

В процессе функционирования и эксплуатации городских инженер-


ных сетей (теплосетей) постоянно возникает необходимость в случае ава-
рийной ситуации (прорыва некоторого участка трубопровода) принятия ре-
шения о возможности перекрытия того или иного вентиля в теплосети. Т.о.,
во-первых, необходимо оценить качество вентиля (вентилей) на аварийном
участке и, если таких вентилей несколько, выбрать тот, который обладает
самой высокой надежностью. Как показывает практика, качество вентиля в
основном зависит от его возраста (срока эксплуатации) и качества воды в те-
плосети. При этом предполагается, что все остальные характеристики венти-
лей (материал вентиля, условия эксплуатации и т. п.) совпадают. В против-
ном случае, эти характеристики так же должны учитываться при принятии
решения о качестве вентиля. Плохое качество воды может вызвать коррозию
материала, из которого изготовлен вентиль, и привести к его преждевремен-
ному износу (старению). Качество вентиля тем выше, чем меньше его возраст
(срок эксплуатации) и выше качество воды. Во-вторых, необходимо оценить
возможность перекрытия вентиля. Будем предполагать, что возможность пе-
рекрытия зависит от качества вентиля и численности населения, временно
отключаемого от подачи воды. При этом возможность отключения тем выше,
чем выше качество вентиля и меньше численность населения.
Исходя из выше сказанного, была разработана двухкаскадная система
нечеткого вывода, которая имеет следующие входные параметры: "Возраст
вентиля", "Качество воды", "Население". На первом уровне оценивается ка-
чество вентиля и используются входные параметры: "Возраст вентиля", "Ка-
чество воды". Выходной параметр на первом уровне системы - "Качество
вентиля. На втором уровне оценивается возможность перекрытия вентиля и
используются входные параметры: "Качество вентиля" (выходной параметр с
первого уровня системы), "Население". Выходной параметр на первом уров-
не системы - "Отключение".
Такие параметры, как "Качество воды", "Качество вентиля", "Отклю-
чение" не могут быть измерены привычным для нас способом, поэтому при
их оценивании большую роль играет субъективный (человеческий) фактор:
эксперт каким-либо образом оценивает значения этих параметров, исполь-
зуя их для принятия решений. "Качество воды" может быть оценено как
"Отличное", "Качество вентиля" как "Низкое" и т. п. Даже такой параметр
как "Население" может быть оценен только приблизительно, хотя его и мож-
но измерить точно, но только для некоторого фиксированного момента вре-
мени (например, по результатам переписи населения).
10 1. Информационные технологии в непромышленной сфере и экономике

Т.о., при решении задачи оценивания возможности перекрытия того


или иного вентиля в случаи аварийной ситуации приходиться оперировать
лишь приближенными значениями входных параметров задачи. Поэтому для
решения подобной задачи логично обратиться к аппарату теории нечетких
множеств и нечеткой логике.

1. База правил двухкаскадной системы нечеткого вывода


Правила первого уровня имеют вид:
1. ЕСЛИ "Возраст вентиля" есть 2. ЕСЛИ "Возраст вентиля" есть
"Большой" И "Качество воды" есть "Большой" И "Качество воды" есть
"Низкое" ТО "Качество вентиля" есть "Высокое" ТО "Качество вентиля" есть
"Очень низкое" "Плохое"
3. ЕСЛИ "Возраст вентиля" есть "Выше 4. ЕСЛИ "Возраст вентиля" есть "Выше
среднего" И "Качество воды" есть "Низ- среднего" И "Качество воды" есть "Вы-
кое" ТО "Качество Вентиля" есть "Низ- сокое" ТО "Качество вентиля" есть
кое" "Среднее"
5. ЕСЛИ "Возраст вентиля" есть "Ма- 6. ЕСЛИ "Возраст вентиля" есть "Ма-
лый" И "Качество воды" есть "Высокое" лый" И "Качество воды" есть "Низкое"
ТО "Качество вентиля" есть "Очень вы- ТО "Качество Вентиля" есть "Хорошее"
сокое"
7. ЕСЛИ "Возраст вентиля" есть "Ниже 8. ЕСЛИ "Возраст вентиля" есть "Ниже
среднего" И "Качество воды" есть "Вы- среднего" И "Качество воды" есть "Низ-
сокое" ТО "Качество вентиля" есть кое" ТО "Качество вентиля" есть "Сред-
"Среднее" нее"
9. ЕСЛИ "Возраст вентиля" есть 10. ЕСЛИ "Возраст вентиля" есть "Вы-
"Большой" И "Качество воды" есть ше среднего" И "Качество воды" есть
"Среднее" ТО "Качество Вентиля" есть "Среднее" ТО "Качество вентиля" есть
"Низкое" "Плохое"
11. ЕСЛИ "Возраст вентиля" есть "Ма- 12. ЕСЛИ "Возраст вентиля" есть "Ниже
лый" И "Качество воды" есть "Среднее" среднего" И "Качество воды" есть
ТО "Качество вентиля" есть "Высокое" "Среднее" ТО "Качество Вентиля" есть
"Хорошее"
13. ЕСЛИ "Возраст вентиля" есть 14. ЕСЛИ "Возраст вентиля" есть
"Средний" И "Качество воды" есть "Средний" И "Качество воды" есть "Вы-
"Низкое" ТО "Качество вентиля" есть сокое" ТО "Качество вентиля" есть
"Плохое" "Хорошее"
15. ЕСЛИ "Возраст вентиля" есть
"Средний"И "Качество воды" есть
"Среднее" ТО "Качество Вентиля" есть
"Среднее"
Правила второго уровня имеют вид:
1. ЕСЛИ "Качество вентиля" есть 2. ЕСЛИ "Качество вентиля" есть
"Очень низкое" И "Население" есть "Очень низкое" И "Население" есть
"Очень большое" ТО "Отключение" есть "Большое" ТО "Отключение" есть
"Очень очень недопустимо" "Очень недопустимо"
3. ЕСЛИ "Качество вентиля" есть 4. ЕСЛИ "Качество вентиля" есть
"Очень низкое" И "Население" есть "Очень низкое" И "Население" есть
Информационные технологии моделирования и управления, 2005, №1(19) 11

"Среднее" ТО "Отключение" есть "Не- "Малое" ТО "Отключение" есть "Почти


допустимо" недопустимо"
5. ЕСЛИ "Качество вентиля" есть 6. ЕСЛИ "Качество вентиля" есть "Низ-
"Очень низкое" И "Население" есть кое" И "Население" есть "Очень боль-
"Очень малое" ТО "Отключение" есть шое" ТО "Отключение" есть "Очень не-
"Допустимость ниже средней" допустимо"
7. ЕСЛИ "Качество вентиля" есть 8. ЕСЛИ "Качество вентиля" есть
"Очень низкое" И "Население" есть "Очень низкое" И "Население" есть
"Большое" ТО "Отключение" есть "Не- "Среднее" ТО "Отключение" есть "Поч-
допустимо" ти недопустимо"
9. ЕСЛИ "Качество вентиля" есть 10. ЕСЛИ "Качество вентиля" есть
"Очень низкое" И "Население" есть "Очень низкое" И "Население" есть
"Малое" ТО "Отключение" есть "Допус- "Очень малое" ТО "Отключение" есть
тимость ниже средней" "Средняя допустимость"
11. ЕСЛИ "Качество вентиля" есть 12. ЕСЛИ "Качество вентиля" есть
"Плохое" И "Население" есть "Очень "Плохое" И "Население" есть "Большое"
большое" ТО "Отключение" есть "Не- ТО "Отключение" есть "Почти недопус-
допустимо" тимо"
13. ЕСЛИ "Качество вентиля" есть 14. ЕСЛИ "Качество вентиля" есть
"Плохое" И "Население" есть "Среднее" "Плохое" И "Население" есть "Малое"
ТО "Отключение" есть "Допустимость ТО "Отключение" есть "Средняя допус-
ниже средней" тимость"
15. ЕСЛИ "Качество вентиля" есть 16. ЕСЛИ "Качество вентиля" есть
"Плохое" И "Население" есть "Очень "Среднее" И "Население" есть "Очень
малое" ТО "Отключение" есть "Допус- большое" ТО "Отключение" есть "Поч-
тимость выше средней" ти недопустимо"
17. ЕСЛИ "Качество вентиля" есть 18. ЕСЛИ "Качество вентиля" есть
"Среднее" И "Население" есть "Боль- "Среднее" И "Население" есть "Сред-
шое" ТО "Отключение" есть "Допусти- нее" ТО "Отключение" есть "Средняя
мость ниже средней" допустимость"
19. ЕСЛИ "Качество вентиля" есть 20. ЕСЛИ "Качество вентиля" есть
"Среднее" И "Население" есть "Малое" "Среднее" И "Население" есть "Очень
ТО "Отключение" есть "Допустимость малое" ТО "Отключение" есть "Почти
выше средней" допустимо"
21. ЕСЛИ "Качество вентиля" есть "Хо- 22. ЕСЛИ "Качество вентиля" есть "Хо-
рошее" И "Население" есть "Очень рошее" И "Население" есть "Большое"
большое" ТО "Отключение" есть "До- ТО "Отключение" есть "Средняя допус-
пустимость ниже средней" тимость"
23. ЕСЛИ "Качество вентиля" есть "Хо- 24. ЕСЛИ "Качество вентиля" есть "Хо-
рошее" И "Население" есть "Среднее" рошее" И "Население" есть "Малое" ТО
ТО "Отключение" есть "Допустимость "Отключение" есть "Почти допустимо"
выше средней"
25. ЕСЛИ "Качество вентиля" есть "Хо- 26. ЕСЛИ "Качество вентиля" есть "Вы-
рошее" И "Население" есть "Очень ма- сокое" И "Население есть "Очень боль-
лое" ТО "Отключение" есть "Допусти- шое" ТО "Отключение" есть "Средняя
мо" допустимость"
27. ЕСЛИ "Качество вентиля" есть "Вы- 28. ЕСЛИ "Качество вентиля" есть "Вы-
сокое" И "Население есть "Большое" ТО сокое" И "Население" есть "Среднее"
12 1. Информационные технологии в непромышленной сфере и экономике

"Отключение" есть "Допустимость вы- ТО "Отключение" есть "Почти допус-


ше средней" тимо"
29. ЕСЛИ "Качество вентиля" есть "Вы- 30. ЕСЛИ "Качество вентиля" есть "Вы-
сокое" И "Население" есть "Малое" ТО сокое" И "Население" есть "Очень ма-
"Отключение" есть "Допустимо" лое" ТО "Отключение" есть "Очень до-
пустимо"
31. ЕСЛИ "Качество вентиля" есть 32. ЕСЛИ "Качество вентиля" есть
"Очень высокое" И "Население" есть "Очень высокое" И "Население" есть
"Очень большое" ТО "Отключение" "Большое" ТО "Отключение" есть
есть "Допустимость выше средней" "Почти допустимо"
33. ЕСЛИ "Качество вентиля" есть 34. ЕСЛИ "Качество вентиля" есть
"Очень высокое" И "Население" есть "Очень высокое" И "Население" есть
"Среднее" ТО "Отключение" есть "До- "Малое" ТО "Отключение" есть "Очень
пустимо" допустимо"
35. ЕСЛИ "Качество вентиля" есть
"Очень высокое" И "Население" есть
"Очень малое" ТО "Отключение" есть
"Очень очень допустимо"

2. Фаззификация входных и выходных переменных


В качестве терм-множества первой входной лингвистической перемен-
ной (ЛП) первого уровня "Возраст вентиля" будем использовать Т1={"Очень
малый", "Малый", "Средний", "Большой", "Очень большой"} (табл. 1). ЛП
"Возраст вентиля" определена на интервале [0..15] (лет).
В качестве терм-множества второй входной ЛП первого уровня "Каче-
ство воды" будем использовать Т2={"Высокое", "Среднее", "Низкое"} с (табл.
2). ЛП "Качество воды" определена на интервале [0..10] (безразмерная вели-
чина; чем число меньше, тем качество выше).
В качестве терм-множества выходной ЛП первого уровня "Качество
вентиля" будем использовать Т3={"Очень низкое", "Низкое", "Плохое",
"Среднее", "Хорошее", "Высокое", "Очень высокое"} (табл. 3). ЛП "Качество
вентиля" определена на интервале [0..10] (безразмерная величина; чем число
больше, тем качество выше).
Выполним фаззификацию первой входной ЛП второго уровня "Качест-
во вентиля". В качестве терм-множества первой входной ЛП "Качество вен-
тиля" будем использовать Т3’={"Очень низкое", "Низкое", "Плохое", "Сред-
нее", "Хорошее", "Высокое", "Очень высокое"} (табл. 4).
Отметим, что значение выходной ЛП "Качество вентиля" является зна-
чением первой входной ЛП "Качество вентиля, но на втором уровне выпол-
няется фаззификация этого значения.
В качестве терм-множества второй входной ЛП второго уровня "Насе-
ление" будем использовать Т4={"Очень малое", "Малое", "Среднее", "Боль-
шое", "Очень большое"} (табл. 5). ЛП "Население" определена на интервале
[0..10000] (человек).
В качестве терм-множества выходной ЛП второго уровня "Отключе-
ние" для алгоритма Мамдани будем использовать множество Т5={"Очень
Информационные технологии моделирования и управления, 2005, №1(19) 13

очень недопустимо", "Очень недопустимо", "Недопустимо", "Почти недопус-


тимо", "Допустимость ниже средней", "Средняя допустимость", "Допусти-
мость выше средней", "Почти допустимо", "Допустимо", "Очень допустимо",
"Очень очень допустимо"} (табл. 6). ЛП "Отключение" определена на интер-
вале [0..10] (безразмерная величина; чем число больше, тем допустимость
отключения выше).
Таблица 1
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Возраст вентиля"
"Очень малый" трапециевидная [0 0 0.5 3.5]
"Малый" треугольная [1 4 7]
"Средний" треугольная [4.5 7.5 10.5]
"Большой" треугольная [8 11 14]
"Очень большой" трапециевидная [11.5 14.5 15 15]

Таблица 2
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Качество воды"
"Высокое" трапециевидная [0 0 0.5 4]
"Среднее" трапециевидная [1 4.5 5.5 9]
"Низкое" трапециевидная [6 9.5 10 10]

Таблица 3
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Качество вентиля"
"Очень высокое" треугольная [10 10 10 10]
"Высокое" треугольная [8.5 8.5 8.5]
"Хорошее" треугольная [7 7 7]
"Среднее" треугольная [5 5 5]
"Плохое" треугольная [3 3 3]
"Низкое" треугольная [1.5 1.5 1.5]
"Очень низкое" треугольная [0 0 0]

Отметим, что параметры треугольных функций принадлежности, ука-


занные в табл. 3, фактически превращают их в линейные. Однако в редакторе
FIS не предусмотрено задание линейных функций принадлежности, и поэто-
му приходится использовать треугольные с указанными параметрами. В ка-
честве типа функций принадлежности выходной лингвистической перемен-
ной "Качество вентиля" был выбран линейный тип для того, чтобы можно
было использовать два алгоритма нечеткого вывода - Мамдани и Сугено.
14 1. Информационные технологии в непромышленной сфере и экономике

Таблица 4
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Качество вентиля"
"Очень высокое" треугольная [8.5 10 10]
"Высокое" треугольная [7 8.5 10]
"Хорошее" треугольная [5 7 8.5]
"Среднее" треугольная [3 5 7]
"Плохое" треугольная [1.5 3 5]
"Низкое" треугольная [0 1.5 3]
"Очень низкое" треугольная [0 0 1.5]

Таблица 5
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Население"
"Очень малое" трапециевидная [0 0 500 2000]
"Малое" трапециевидная [550 2000 3000 4500]
"Среднее" трапециевидная [3000 4500 5500 7000]
"Большое" трапециевидная [5500 7000 8000 9450]
"Очень большое" трапециевидная [8000 9500 10000 10000]

Таблица 6
Название нечеткого Тип функции Значения
множества ЛП принадлежности параметров
"Отключение"
"Очень очень недопустимо" треугольная [0 0 0]
"Очень недопустимо" треугольная [1 1 1]
"Недопустимо" треугольная [2 2 2]
"Почти недопустимо" треугольная [3 3 3]
"Допустимость ниже средней" треугольная [4 4 4]
"Средняя допустимость" треугольная [5 5 5]
"Допустимость выше средней" треугольная [6 6 6]
"Почти допустимо" треугольная [7 7 7]
"Допустимо" треугольная [8 8 8]
"Очень допустимо" треугольная [9 9 9]
"Очень очень допустимо" треугольная [10 10 10]

3. Применение алгоритмов нечеткого вывода Мамдани и Сугено


При использовании практических задач нечеткого моделирования мо-
гут одновременно использоваться несколько алгоритмов нечеткого вывода с
целью получения наиболее адекватных результатов. В предлагаемой двух-
каскадной модели нечеткого вывода используются два алгоритма нечеткого
вывода: Мамдани и Сугено. Выбор этих алгоритмов вызван особенностью
Информационные технологии моделирования и управления, 2005, №1(19) 15

используемого программного обеспечения - пакета Fuzzy Logic Toolbox сис-


темы MATLAB 6.5, в котором реализованы только эти два алгоритма. В про-
граммной реализации двухкаскадной модели нечеткого вывода на каждом
уровне первоначально реализуется алгоритм Мамдани. Затем с помощью
функции mam2sug осуществляется преобразование от системы нечеткого вы-
вода Мамдани к системе нечеткого вывода Сугено. Если решения, предла-
гаемые по обоим алгоритмам на данном уровне совпадают, то это решение и
принимается в качестве окончательного на данном уровне. Если решения
различны, то в качестве окончательного решения следует выбрать интервал
[ min( Desicion _ Mamdani, Desicion _ Sugeno ) ,
max(Desicion _ Mamdani, Desicion _ Sugeno )], (1)
где Desicion _ Mamdani - нечеткое решение по алгоритму Мамдани,
Desicion _ Sugeno - нечеткое решение по алгоритму Сугено.

4. Нечеткие решения на основе алгоритмов Мамдани и Сугено


Анализ двухкаскадной системы нечеткого вывода на каждом уровне
подтвердил:
- высокую адекватность принимаемого решения реальной ситуации
как по алгоритму Мамдани, так и по алгоритму Сугено;
- необходимость использования обоих нечетких решений о значении
выходного параметра (по алгоритмам Мамдани и Сугено) для повышения
адекватности принимаемого решения; при этом окончательное решение при-
надлежит интервалу (1).
В таблице 7 приведены некоторые нечеткие решения (первого уровня)
о значении выходного параметра - лингвистической переменной "Качество
Вентиля" по алгоритму Мамдани - Desicion _ Mamdani и по алгоритму Сугено -
Desicion _ Sugeno для наборов значений входных лингвистических переменных
первого уровня -"Возраст вентиля" и "Качество воды", изменяющихся в диа-
пазонах [0..15] и [0..10] соответственно. Соответствующие нечеткие решения
находятся на пересечении строк и столбцов, при этом в каждой ячейке таб-
лицы с нечеткими решениями по числителю расположено нечеткое решение
по алгоритму Мамдани, а по знаменателю - нечеткое решение по алгоритму
Сугено.
Как видно из таблицы 7 и рис. 1, существуют:
- области, в которых наблюдается совпадение нечетких решений по
алгоритму Мамдани и алгоритму Сугено;
- области, в которых наблюдается несовпадение нечетких решений по
алгоритму Мамдани и алгоритму Сугено.
Рассмотрим как принимается решение при следующих значениях
входных лингвистических переменных. Пусть значение входной лингвисти-
ческой переменной "Возраст вентиля" постоянно и равно 10.5 (лет), а вход-
ная лингвистическая переменная "Качество воды" принимает значения в ин-
тервале [0..10] с шагом h = 0.5 : 0, 0.5, 1, 1.5, 2, 2.5,…, 9.5, 10.
16 1. Информационные технологии в непромышленной сфере и экономике

Рис. 1. Поверхности нечеткого вывода первого уровня на основе алго-


ритмов Мамдани и Сугено соответственно

Из таблицы 7 видно, что при указанных значениях лингвистических


переменных "Возраст вентиля" и "Качество воды" наблюдается совпадение
нечетких решений по алгоритму Мамдани и Сугено, т. е. при значении вход-
ной лингвистической переменной "Возраст вентиля", равном 10.5 (лет), и
значениях входной лингвистической переменной "Качество воды", равных 0,
0.5, 1, 1.5, 2, 2.5,…, 9.5, 10, значение выходной лингвистической переменной
"Качество вентиля" равно 5.000, 5.000, 5.000, 4.667, 4.333, 4.000, 3.667, 3.333,
3.000, 3.000, 3.000, 3.000, 3.000, 2.750, 2.500, 2.250, 2.000, 1.750, 1.500, 1.5000,
1.500 соответственно (по обоим алгоритмам).
Рассмотрим еще один пример из таблицы 7, демонстрирующий как на-
личие совпадающих решений по обоим алгоритмам, так и различающихся
(при этом результирующее нечеткое решение принадлежит некоторому ин-
тервалу). Пусть значение входной лингвистической переменной "Возраст
вентиля" постоянно и равно 1.5 (лет), а входная лингвистическая переменная
"Качество воды" принимает значения в интервале [0..10] с шагом h = 0.5 : 0,
0.5, 1, 1.5, 2, 2.5,…, 9.5, 10.
При значениях второй лингвистической переменной "Качество воды",
равных 0, 0.5, 1, значения выходной лингвистической переменной "Качество
вентиля" по обоим алгоритмам совпадают, т. е. Desicion _ Mamdani =9.700 (для
алгоритма Мамдани) и Desicion _ Sugeno =9.700 (для алгоритма Сугено). Следо-
вательно, окончательное значение выходной лингвистической переменной
"Качество вентиля" также равно 9.700.
При значениях второй лингвистической переменной "Качество воды",
равных 4, 4.5, 5, 5.5, 6, значения выходной лингвистической переменной "Ка-
чество вентиля" по обоим алгоритмам также совпадают, т. е.
Desicion _ Mamdani =8.200 (для алгоритма Мамдани) и Desicion _ Sugeno =8.200
(для алгоритма Сугено). Следовательно, окончательное значение выходной
лингвистической переменной "Качество вентиля" также равно 8.200.
Информационные технологии моделирования и управления, 2005, №1(19) 17

Таблица 7
Качество воды
.5 .5 .5 .5 .5 .5 .5 .5 .5 .5 0
1 1 1 9 9 9 9 8 8 8 8 8 8 8 8 7 7 7 7 7 7
0.00 0.00 0.00 .750 .500 .250 .000 .750
.250 .0008 .500 .500 .500 .500 .500 .750 .500 .250 .000 .000 .000
.000
0.00 0.00 0.00 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .750 .500 .250 .000 .000 .000
1 1 1 9 9 9 9 8 8 8 8 8 8 8 8 7 7 7 7 7 7
.5 0.00 0.00 0.00 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .0008 .750 .500 .250 .000 .000 .000
.000
0.00 0.00 0.00 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .750 .500 .250 .000 .000 .000
1 1 1 9 9 9 9 8 8 8 8 8 8 8 8 7 7 7 7 7 7
0.00 0.00 0.00 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .0008 .750 .500 .250 .000 .000 .000
.000
0.00 0.00 0.00 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .750 .500 .250 .000 .000 .000
Возраст вентиля

9 9 9 9 9 8 8 8 8 8 8 8 8 7 7 7 7 6 6 6 6
.5 .700 .700 .700 .305 .093 .884 .674 .463 .200 .200 .200 .200 .200 .7327 .512 .302 .093 .878 .600 .600 .600
.638
.700 .700 .700 .202 .010 .830 .650 .468 .200 .200 .200 .200 .200 .440 .260 .080 .894 .600 .600 .600

5 5 5 5 4 4 4 3 3 3 3 3 3 3 2 2 2 2 1 1 1
0 .400 .400 .400 .049 .767 .488 .209 .927 .400 .400 .400 .400 .400 .122 .907 .698 .488 .268 .800 .800 .800

.400 .400 .400 .043 .800 .560 .320 .064 .400 .400 .400 .400 .400 .106 .920 .740 .560 .362 .800 .800 .800
5 5 5 4 4 4 3 3 3 3 3 3 3 2 2 2 2 1 1 1 1
0.5 .000 .000 .000 .667 .333 .000 .667 .333 .000 .000 .000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500

.000 .000 .000 .667 .333 .000 .667 .333 .000 .000 .000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500

3 3 3 2 2 2 2 1 1 1 1 1 1 1 1 0 0 0 0 0 0
4 .000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000

.000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000
3 3 3 2 2 2 2 1 1 1 1 1 1 1 1 0 0 0 0 0 0
4.5 .000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000

.000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000
3 3 3 2 2 2 2 1 1 1 1 1 1 1 1 0 0 0 0 0 0
5 .000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000

.000 .000 .000 .750 .500 .250 .000 .750 .500 .500 .500 .500 .500 .250 .000 .750 .500 .250 .000 .000 .000

При значениях второй лингвистической переменной "Качество воды",


равных 9, 9.5, 10, значения выходной лингвистической переменной "Качест-
во вентиля" по обоим алгоритмам также совпадают, т. е.
Desicion _ Mamdani =6.600 (для алгоритма Мамдани) и Desicion _ Sugeno =6.600
(для алгоритма Сугено). Следовательно, окончательное значение выходной
лингвистической переменной "Качество вентиля" также равно 6.600.
При других значениях второй лингвистической переменной "Качество
воды" отсутствует совпадение нечетких решений по алгоритму Мамдани и
по алгоритму Сугено, и все принимаемые решения принадлежат некоторому
интервалу. При значении второй лингвистической переменной "Качество во-
ды":
- равном 1.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [9.202, 9.305]
( min = Desicion _ Sugeno =9.202; max = Desicion _ Mamdani =9.305);
- равном 2, окончательное значение выходной лингвистической пере-
менной "Качество вентиля" лежит в интервале [9.010, 9.093]
( min = Desicion _ Sugeno =9.010, max = Desicion _ Mamdani =9.093);
- равном 2.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [8.830, 8.884]
( min = Desicion _ Sugeno =8.830, max = Desicion _ Mamdani =8.884);
18 1. Информационные технологии в непромышленной сфере и экономике

- равном 3, окончательное значение выходной лингвистической пере-


менной "Качество вентиля" лежит в интервале [8.650, 8.674]
( min = Desicion _ Sugeno =8.650, max = Desicion _ Mamdani =8.674);
- равном 3.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [8.463, 8.468]
( min = Desicion _ Mamdani =8.463, max = Desicion _ Sugeno =8.468);
- равном 6.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [7.638, 7.732]
( min = Desicion _ Sugeno =7.638; max = Desicion _ Mamdani =7.732);
- равном 7, окончательное значение выходной лингвистической пере-
менной "Качество вентиля" лежит в интервале [7.440, 7.512]
( min = Desicion _ Sugeno =7.440, max = Desicion _ Mamdani =7.512);
- равном 7.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [7.260, 7.302]
( min = Desicion _ Sugeno =7.260, max = Desicion _ Mamdani =7.302);
- равном 8, окончательное значение выходной лингвистической пере-
менной "Качество вентиля" лежит в интервале [7.080, 7.093]
( min = Desicion _ Sugeno =7.080, max = Desicion _ Mamdani =7.093);
- равном 8.5, окончательное значение выходной лингвистической пе-
ременной "Качество вентиля" лежит в интервале [6.878, 6.894]
( min = Desicion _ Mamdani =6.878, max = Desicion _ Sugeno =6.894).

Рис. 2. Поверхности нечеткого вывода второго уровня на основе алго-


ритмов Мамдани и Сугено соответственно

Аналогичные результаты были получены и на втором уровне двухкас-


кадной системы нечеткого вывода.
Графики зависимостей принимаемого нечеткого решения от любой
входной переменной при фиксированном значении другой переменной пред-
ставляют собой монотонно возрастающие или монотонно убывающие зави-
симости как на первом, так и на втором уровне. Т. е. для предложенных пра-
вил нечеткого вывода на каждом из двух уровней исключается возможность
принятия противоречивых решений.
Информационные технологии моделирования и управления, 2005, №1(19) 19

Т.о., анализ поверхностей нечеткого вывода первого и второго уровней


показал высокую адекватность решений, принимаемых на основе предло-
женных правил нечеткого вывода.

Список использованных источников


1. Леоненков А. Нечеткое моделирование в среде MATLAB и
fuzzyTECH. - СПб.: БХВ-Петербург, 2003. - 736 с.: ил.
2. Демидова Л. А., Кираковский В. В., Пылькин А. Н. Двухкаскадная
нечеткая модель диагностики узлов городских инженерных коммуникаций //
Информационно-телекоммуникационные технологии: Материалы 30-й Меж-
вузовской научно-практической конференции. - Рязань: Рязанское высшее
военное командное училище связи. - 2004. - С. 161-163
3. Демидова Л. А., Кираковский В. В., Пылькин А. Н. Разработка моде-
ли диагностики неисправностей в городских инженерных сетях // Математи-
ческое и программное обеспечение вычислительных систем: Межвуз. сб. на-
уч. тр./ Под ред. Л. П. Коричнева. - М.: Минобразования России; Рязань:
РГРТА. - 2004. - С. 25-30

Козачок В.И.
ТЕХНОЛОГИИ СБОРА, АГРЕГИРОВАНИЯ И ВИЗУАЛИЗАЦИИ
РЕЗУЛЬТАТОВ СОЦИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ
КАДРОВЫХ РЕСУРСОВ
Орловская региональная академия государственной службы, г. Орел

Усиление интереса к исследованию проблем подбора кадров в феде-


ральные органы исполнительной власти в целом и в управленческую элиту в
частности в настоящий момент представляется явлением вполне закономер-
ным. В эпоху бурного переустройства общественной жизни подбор лиц, спо-
собных эффективно решать возникающие задачи, приобретает особую зна-
чимость. Особую значимость в современных условиях реформирования сис-
темы государственного управления приобретают вопросы формирования ап-
паратов управления территориальных органов.
Объемы данных о персонале федерального органа растут с лавинооб-
разной скоростью, но методы обработки этой информации до настоящего
времени не претерпели коренных преобразований. «Экспериментальная ма-
тематика» [1, c. 382] на базе применения компьютерных технологий стано-
вится новой ветвью научного знания, позволяет на экране монитора делать
открытия, по-новому взглянуть на многие социальные процессы и явления,
осуществить прогноз, а затем и предпринять меры управляющего характера.
Социальная информация предоставляет широкие возможности для компью-
терного моделирования.
Сегмент программных приложений управления персоналом в настоя-
щее время представляет одну из разновидностей бизнес-программ, наиболее
быстро развивающихся на мировом рынке. По прогнозу IDC, объем мирового
20 1. Информационные технологии в непромышленной сфере и экономике

рынка приложений управления персоналом (workforce management applica-


tions) должен увеличиться от 1,5 млрд. долларов в 2000 году до более чем 4
млрд. долларов в 2004 году (с ежегодными темпами роста 29%). Для сравне-
ния: ежегодные темпы роста всего рынка бизнес-приложений составят лишь
15%, то доля приложений управления персоналом на мировом рынке бизнес-
программ увеличилась с 1,8% в 1999 году до 3,4% в 2003 году [2, с. 180].
Сложившееся положение дел требует разработки соответствующих
технологий сбора, обработки, агрегирования и визуализации результатов со-
циологических исследований кадровых ресурсов федерального органа ис-
полнительной власти. Предложение В. В. Травина в интервью журналу
"Управление персоналом" [3] о необходимости на современном этапе: "иметь
кадровых технологов, которые бы занимались только технологией, и кадро-
вых менеджеров, которые бы вели организационную работу" актуальное, но
не выполнимое в бюджетных организациях, к категории которых относятся
федеральные органы исполнительной власти.
Таким образом, понятие "технология" обоснованно и прочно вошло в
управление персоналом, учебники под редакцией А.Я.Кибанова [4, с. 241–
327], А.И.Турчинова [5, с. 257–386], П.Морнеля [6, c. 92–133] имеют целые
главы, посвященные социально-кадровым технологиям. При этом под
социальной технологией понимается программа и инструментарий
социологического исследования дающая возможность многократного
использования отработанных стандартных алгоритмов для решения типовых
задач социального управления [7, с. 701]. Однако при таком подходе
смешиваются понятия технологии, системы и программы, поэтому автор
предлагает четко разделить социальную технологию и систему. Социальная
технология это совокупность алгоритмов для решения конкретного
множества однородных задач, при этом синтезированные алгоритмы могут
быть реализованы с использованием вычислительной техники. В свою
очередь система представляет собой комплекс организационных мер,
которые обеспечат эффективное внедрение и использование предложенной
технологии.
Новые технологии, помимо несравненно более высокой точности тра-
диционной работы с персоналом (аттестация, формирование резерва, прием
на работу и т. д.) позволяют решать эти и другие возникшие проблемы в со-
вокупности с целями и задачами федерального органа. Разработанная авто-
ром социальная диагностика персонала ни коим образом не претендует на
отмену ранее существующих технологий профессионального отбора, тести-
рования качеств личности, полиграфа и других, но существенно дополняет
этот арсенал с позиции определения пригодности претендента на должность
руководителя.
Автором под технологией социологического обеспечения процессов
формирования аппарата управления понимается определенная логическая
последовательность осуществления субъектом управления (линейным руко-
водителем или сотрудником кадрового органа) действий и операций, в ре-
зультате которых собирается, обрабатывается и анализируется информация
об объекте управления (претенденте на должность руководителя) и среде его
Информационные технологии моделирования и управления, 2005, №1(19) 21

функционирования, на основе которой затем вырабатывается управленческое


решение и организуется его исполнение. Технология социологического обес-
печения процессов формирования аппарата управления – совокупность методов и
способов сбора, передачи, накопления, обработки, хранения, визуализации и
использования информации при решении конкретных кадровых задач. С
учетом того, что результатом применения такой технологии является не ма-
териальный, а информационный продукт, то основными компонентами та-
кой технологии являются:
1. Сбор данных или первичной информации;
2. Обработка данных и получение результативной информации;
3. Выдача пользователю результативной информации для принятия на
ее основе решений.
Каждая из перечисленных в определении информационной технологии
фаз преобразования и использования информации реализуется с помощью спе-
цифической технологии. В этом смысле информационная технология социоло-
гического обеспечения процессов формирования аппарата управления может
рассматриваться как совокупность технологий – технологии сбора информации,
технологии обработки и выдачи информации и др. В соответствии с этим необ-
ходимо выделить три вида технологий:
– сбора социо- и психофизиологических данных о персонале федераль-
ного органа исполнительной власти;
– агрегирования полученных исходных данных в информацию пригод-
ную для использования в системе поддержки принятия кадрового решения;
– визуализации полученной информации позволяющей провести объ-
ективную и всестороннюю оценку рассматриваемой кандидатуры на долж-
ность руководителя.
Кроме перечисленных трех видов информационных технологий в со-
циологическом обеспечении процессов формирования аппарата управления
используются широко распространенные базовые компьютерные технологии
подготовки документов, баз данных и знаний, хранения информации, разгра-
ничения доступа к ней, поиска, вывода на печать и другие.
Цель технологии социологического обеспечения – получить нужную
информацию требуемого качества на заданном носителе. При этом сущест-
вуют ограничения на стоимость обработки данных, трудоемкость процессов
использования информационного ресурса, надежность и оперативность
процесса обработки информации, качество получаемой информации.
Основным условием принятия точных и адекватных решений руково-
дителем является возможность получать в режиме реального времени в фор-
ме, удобной для анализа:
– информацию о состоянии ресурсов федерального органа (кадровых,
финансовых, материальных и др.);
– данные о структуре служебных процессов и мониторингу их текуще-
го состояния; управленческой документации;
– сведения нормативно-правового характера;
– социально-политическую информацию региона.
22 1. Информационные технологии в непромышленной сфере и экономике

Естественно, что принятие управленческого решения основывается на


подмножестве перечисленных выше информационных массивов, причем
многие из них находится не только в информационных источниках феде-
рального органа, но и вовне его, и источники эти совершенно разнородны по
форматам хранения информации.
Исторически все перечисленные задачи решались при помощи инфор-
мационных технологий, но их решение подразумевалось исключительно
внутренними средствами для каждого информационного источника или кор-
поративной информационной системы. Это приводило к невозможности про-
ведения комплексного анализа в режиме реального времени по непосредст-
венному запросу руководителя. Все это вызывало естественную неудовле-
творенность руководителей соотношением размера инвестиций в информа-
ционные технологии с результатом, которые они могли дать основной слу-
жебной деятельности федерального органа.
Анализ основных технологических подходов решения такого рода за-
дач сводится к разработке экспертных систем [8] или более современного
средства – информационного портала [9]. Именно появление корпоративных
информационных порталов позволяет сформулированные проблемы руково-
дителей решить за счет следующих функциональных возможностей про-
граммных продуктов нового класса:
1. Простота и универсальность интерфейса, единого для отображения
информации из любых внешних и внутренних информационных источников
и приложений в любых форматах.
2. Возможность создания сводных проблемно-ориентированных дина-
мически изменяющихся страниц для их регулярного мониторинга с переклю-
чением между страницами по разной проблематике по принципу "одной
кнопки".
3. Возможность интерактивного взаимодействия типа "вопрос-ответ"
непосредственно самим руководителем и быстрой имплементации в портал
новых функций без программирования эксплуатирующим персоналом.
4. Выполнение всех функций в режиме реального времени, включая
получение аналитических отчетов по структурированным и неструктуриро-
ванным данным.
5. Селекция данных и отображение лишь наиболее значимых показате-
лей для принятия решения на уровне руководителя, основанных на анализе
порталом первоисточников информации.
6. Возможность активного воздействия на служебные процессы феде-
рального органа непосредственно через портал после анализа информации и
принятия решения с целью организации их выполнения.
7. Доступность для одновременного анализа по одному запросу в лю-
бых форматах, на любых носителях всех внутренних и внешних источников
информации, являющихся значимыми для принятия решения.
Таким образом, технология корпоративных информационных порталов
позволяет непосредственно оказывать влияние на повышение эффективности
деятельности федерального органа исполнительной власти. Данный класс
Информационные технологии моделирования и управления, 2005, №1(19) 23

программного обеспечения в отличие от всех предыдущих информационных


технологий, внедряемых в федеральных органах, обеспечивает не просто ус-
корение обработки данных, а предоставляет новое качество управления в це-
лом [10, с. 21].
Хранилища информации федеральных органов исполнительной власти
могут включать самую разнообразную информацию, такую как сообщения
электронной почты, информацию, используемую в приложениях групповой
работы, системах управления документами и различных обеспечивающих
приложениях. Требование времени таково, что информационный портал фе-
дерального органа, функциональная схема которого приведена на рисунке 1,
должен обеспечивать доступ к любой информации, используемой в его ин-
фраструктуре.
Приложение информационного - Персонализация
портала социологического - Универсальный интерфейс
обеспечения принятия кадровых линейного руководителя
решений - Интерфейс кадровой службы
- Единое рабочее пространство

Сервер информационного - Агрегация


портала - Метаданные
- Категоризация
- Фильтрация
Протоколы аутентификации
пользователей - Средства глобальной
регистрации пользователя

Витрины данных

Репозитории Почтовые Программное Файловые


WWW
документов серверы обеспечение системы
групповой
работы

Структурированные и
Мэйнфрейм AS/400 UNIX
неструктурированные данные

Рис. 1. Функциональная схема информационного портала социологиче-


ского обеспечения процессов формирования аппарата управления

Информационный портал помимо доступа, линейному руководителю


федерального органа исполнительной власти предоставляет возможность
анализировать имеющуюся информацию. Используемая технология позволя-
ет точно и быстро аннотировать документы, собирать в единое целое инфор-
мацию из разных источников, обеспечивать унифицированный доступ ко
всем хранилищам информации, представлять информацию в различных раз-
резах, персонализировать доставку и представление информации. Таким об-
разом, как только нужная информация предоставлена в распоряжение линей-
ного руководителя, ним может быть сформирован обоснованный вариант
кадрового решения.
24 1. Информационные технологии в непромышленной сфере и экономике

Наконец, решающим отличием информационного портала является


возможность выполнения действий, предложенная технология не только ин-
тегрирует все используемые компьютерные приложения в единую среду, но
и предоставляет возможность рассмотреть альтернативные варианты кадро-
вых решений в той же самой среде. Информационный портал становится для
линейного руководителя или сотрудника кадрового аппарата привычной сре-
дой, где информация представлена в удобном для него виде, где можно об-
думать, обосновывать и предлагать конкретные кадровые решения, которое
затем представлять на утверждение руководителю федерального органа ис-
полнительной власти и приводить в исполнение.
Современная технология информационного портала имеет в распоря-
жении все необходимые технологии, в том числе организация межсетевого
взаимодействия, интеграции данных и их представления, управления зна-
ниями и документами. Благодаря наличию такой услуги возможно создание
единого социологического обеспечения процессов формирования аппарата
управления не в отдельном территориально органе исполнительной власти, а
в системе федеральных органов страны. С одной стороны это позволит ком-
плектовать вакансии руководителей наиболее квалифицированными и спо-
собными кадрами, не ограничиваясь конечным множеством одного феде-
рального органа исполнительной власти, с другой – продвигать талантливых
и одаренных руководителей в условиях реальной конкуренции.

Список использованных источников


1. Автоматизированные информационные технологии в экономике/
Под ред. проф. Г.А. Титоренко. – М.: Компьютер, ЮНИТИ, 1999. – 400 с.
2. Логинова А.Ю., Гутгарц Р.Д. Кадры из жизни менеджера по персо-
налу. – М.: ДМК Пресс, 2002. – 240 с.
3. Травин В.В. Есть такая профессия управлять персоналом / Управле-
ние персоналом. – 2001. – № 2. – С. 28–31.
4. Управление персоналом организации/ Под ред. А.Я. Кибанова. – М.:
ИНФРА-М, 1997. – 512 с.
5. Управление персоналом/ Общ. ред. А.И. Турчинова. – М.: Изд-во
РАГС, 2002. – 488 с.
6. Морнель Пьер. Технология эффективного найма – М.: Изд-во "Доб-
рая книга", 2002. – 264 с.
7. Кравченко А.И., Тюрина И.О. Социология управления: фундамен-
тальный курс – М.: Академический Проект; Трикста, 2004. – 1136 с.
8. Масленников Е.В. Экспертное знание: Интеграционный подход и его
приложения в социологическом исследовании. – М.: Наука, 2001. – 228 с.
9. Черняк Л. Порталы и жизненные циклы// Открытые системы. – 2002.
– № 2. – С. 60–65.
10. Хмельной И. Портал предприятия как инструмент управления ин-
формационными ресурсами // Директор информационной службы. – 2002. –
№ 4. – С. 21–25.
Информационные технологии моделирования и управления, 2005, №1(19) 25

Ладяев Д.А.
КЛАСТЕРНЫЙ АНАЛИЗ В ОБНАРУЖЕНИИ ПРЕДСЕРДНОЙ
УЗЛОВОЙ ЭКСТРАСИСТОЛИИ
Мордовский государственный университет им. Н.П.Огарева, г.Саранск

Кластерный анализ – раздел математической статистики, который ис-


пользуется для принятия решения о том, какие переменные различают (дис-
криминируют) две или более возникающие совокупности (группы).
Основная идея такого анализа заключается в том, чтобы определить,
отличаются ли совокупности по среднему какой-либо переменной (или ли-
нейной комбинации переменных), и затем использовать эту переменную
(комбинацию), чтобы предсказать для новых членов их принадлежность к
той или иной группе [3].
Описанный вид стати-
стического анализа прово-
дился при помощи модуля
«Дискриминантный анализ»
пакета Statistica компании
StatSoft, Inc., лицензионной
копией которого обладает
МГУ им. Н.П Огарева.

Объекты анализа
Наличие атипичного Р–
-комплекса связано с появ-
лением дополнительного ге-
теротопного очага возбуж-
дения в предсердиях, при ко-
Рис. 1. Нормальный кардиоцикл тором теряется функцио-
нальная однородность мио-
карда. Дополнительный очаг
возбуждения периодически
посылает импульсы, приво-
дящие к внеочередному со-
кращению предсердий и по-
явлению экстрасистол на
ЭКГ. Предсердная экстрасис-
толия является одним из
предвестников фибрилляции
отделов сердца, при которой
возможно наступление ле-
тального исхода у больного
[1]. Если проведенный стати-
стический анализ сможет
Рис. 2. Кардиоцикл с атипичным зубцом Р- привести к хорошей класси-
26 1. Информационные технологии в непромышленной сфере и экономике

фикации групп сигналов, то, возможно, он может быть применен для клини-
ческого диагностирования.

Проведение классификации объектов исследования


Для проведения кластерного анализа будем использовать в качестве
переменных значения спектра мощности ЭКГ-сигналов с нормальным и ати-
пичным значением полярности зубца Р, определенных методом Уэлча [2],
интерполированные с шагами в 1, 2 и 5 Гц. В процессе анализа будем изме-
нять число независимых переменных (Fn), содержащих значения спектра
мощности, для нахождения такого их множества, которое будет давать мак-
симально точную классификацию представленных ЭКГ-сигналов. Условные
обозначения видов исследуемых сигналов представлены в таблице 1.

Таблица 1
Условные обозначения сигналов
Обозначение Характеристика сердечного цикла
Оk Сердечный цикл не имеет отклонений от нормы
Сердечный цикл содержит атипичный зубец Р отрицатель-
Р
ной полярности

Классификацию сигналов будем производить поочередно тремя мето-


дами: стандартным (standard), пошаговым включения (forward), пошаговым
исключения (backward).
Кроме этого при выполнении анализа будем изменять множество ис-
пользуемых независимых переменных с целью выявления их минимального
числа, при котором достигается приемлемая классификация ЭКГ-сигналов.

Функции классификации
Функции классификации предназначены для определения того, к какой
группе наиболее вероятно может быть отнесен каждый ЭКГ-сигнал. Имеется
столько же функций классификации, сколько групп, поэтому в результате
проведения кластерного анализа получим 2 функции классификации для ка-
ждого множества независимых переменных.
В общем случае функция классификации имеет вид:
S i = ci + wi1 × x1 + wi 2 × x 2 + ... + wim × x m , (1)
где i – соответствующая совокупность данных; m – число переменных; ci –
константы для i-й совокупности; wij – веса для j-й переменной при вычисле-
нии показателя классификации для i-й совокупности; xj – наблюдаемое зна-
чение для соответствующего образца j-й переменной; Si – результат показа-
теля классификации.
Как только вычислены показатели классификации для наблюдений,
легко решить, как производить классификацию наблюдений. В общем случае
наблюдение считается принадлежащим той совокупности, для которой полу-
чен наивысший показатель классификации.
Информационные технологии моделирования и управления, 2005, №1(19) 27

Классификация сигналов
Представим результаты анализов на основе матриц классификации в
виде сводных таблиц 2, 3, 4.
Таблица 2
Значения матриц классификации (шаг частотной сетки – 1 Гц)
№ Достоверность результата, %
Список переменных Метод анализа
п/п Ok P
1 Standard 100,00 100,00
2 F1 – F8 Forward 100,00 100,00
3 Backward 100,00 100,00
4 Standard 100,00 100,00
5 F1 – F5, F8 Forward 100,00 100,00
6 Backward 100,00 100,00
7 Standard 100,00 100,00
8 F1 – F5 Forward 100,00 100,00
9 Backward 100,00 100,00
10 Standard 100,00 95,00
11 F1 – F3 Forward 100,00 95,00
12 Backward 100,00 60,00
13 Standard 100,00 100,00
14 F1 – F4, F6 Forward 100,00 100,00
15 Backward 100,00 100,00
16 Standard 100,00 100,00
F1 – F3,
17 Forward 100,00 100,00
F5 – F6
18 Backward 100,00 100,00
20 Средний процент 100,00 97,22

Таблица 3
Значения матриц классификации (шаг частотной сетки – 2 Гц)
№ Достоверность результата, %
Список переменных Метод анализа
п/п Ok P
1 Standard 100,00 100,00
2 F1 – F4 Forward 100,00 100,00
3 Backward 100,00 100,00
4 Standard 90,00 95,00
5 F1 – F3 Forward 90,00 95,00
6 Backward 90,00 95,00
7 Standard 100,00 100,00
8 F1 – F4, F6 Forward 100,00 100,00
9 Backward 100,00 100,00
10 Средний процент 96,67 98,33

Анализируя приведенные выше таблицы, можно сделать следующие


выводы:
28 1. Информационные технологии в непромышленной сфере и экономике

− наибольший средний процент достоверной классификации (98,33 %)


получился для частотной сетки с шагом 2 Гц ;
− наилучшая классификация (100,00 %) наблюдалась при интерполи-
ровании частотной линейки с шагом 2 Гц, ее качество не зависело от исполь-
зуемого метода дискриминантного анализа;
− наилучшие результаты классификации получаются при использова-
нии четырех независимых переменных;
− «значащие» величины СПМ, достаточные для классификации рас-
сматриваемых типов сигналов, лежат в полосе частот от 0 Гц до 8 Гц.
Таблица 4
Значения матриц классификации (шаг частотной сетки – 5 Гц)
№ Достоверность результата, %
Список переменных Метод анализа
п/п Ok P
1 Standard 90,00 100,00
2 F1-F11 Forward 85,00 85,00
3 Backward 85,00 85,00
4 Standard 90,00 95,00
5 F1-F10 Forward 85,00 85,00
6 Backward 85,00 85,00
7 Standard 85,00 100,00
8 F1-F9,F12 Forward 85,00 90,00
9 Backward 85,00 85,00
10 Standard 90,00 100,00
11 F1-F8,F12 Forward 90,00 95,00
12 Backward 85,00 85,00
13 Средний процент 86,67 90,83
Для оценки качества проведенных классификаций воспользуемся ста-
тистикой Уилкса и величиной уровня значимости, значения которых приве-
дены в таблице 5.
Таблица 5
Значения l-Уилкса и уровня значимости
Статистика Уилкса
Шаг частотной сетки, Гц
min (lw) max (lw)
1 0,0376 0,5985
2 0,0512 0,2479
5 0,0779 0,3762
Данные представленной таблицы подтверждают вывод о том, что наи-
лучший результат классификации достигается на сетке частот с шагом в 2 Гц,
так как при этом получаем наименьшее значение максимума статистики
Уилкса (0,2479). Это говорит о самой лучшей дискриминации переменных и
точной классификации представленных для анализа сигналов.
Проведем дополнительную оценку качества классификаций на основе
диаграмм рассеяния канонических значений (рис. 3).
Информационные технологии моделирования и управления, 2005, №1(19) 29

Рис. 3. Диаграмма рассеяния канонических значений для шага частот-


ной сетки 2 Гц и диапазона частот 0 – 8 Гц (стандартный метод)

Запишем функции классификации на основе рассчитанных коэффици-


ентов, для частотной сетки с шагом 2 Гц и полосы анализируемых частот от 0
до 8 Гц:
Sok = -9.15352 + 7.75942 × F1 - 2.00924 × F2 + 1.21569 × F3 - 6.46180 × F4 ,
(2)
S P = -6.04470 - 3.63493 × F1 + 9.34604 × F2 - 4.88676 × F3 + 10.34901 × F4 .

Выводы
1. Применение кластерного анализа для классификации ЭКГ-сигналов
при предсердной узловой экстрасистолии оказалось оправданным и целесо-
образным. В отдельных случаях точность составляла 100,00%, что дает
право предположить применимость статистического подхода в клинической
практике.
2. Получены математические выражения функций классификации
ЭКГ-сигналов.

Список использованных источников


1. Яковлев П.В., Яковлев В.М. Клинико-патофизиологическая интер-
претация электрокардиограмм. – Н.Новгород: Изд-во НГМА, Москва: Меди-
цинская книга, 1999. – 100 с.
2. Сергиенко А.Б. Цифровая обработка сигналов. - СПб.:Питер, 2002.–
608 с.
3. Http://www.statsoft.ru/home/textbook/modules/stdiscan.html
30 1. Информационные технологии в непромышленной сфере и экономике

Немцов Л.Б.
НЕЧЕТКОЕ МАТЕМАТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ В
ЗАДАЧАХ ОПТИМИЗАЦИИ ТРАНСПОРТНЫХ СИСТЕМ
Петербургский государственный университет путей сообщения Министерства путей
сообщения Российской Федерации

В последние три десятилетия методы линейного, нелинейного, дина-


мического и целочисленного программирования успешно используются при
решении различных задач управления на транспорте [1, 2]. Такими задачами
являются: маршрутизация перевозок, оптимизация графика движения, со-
ставление расписания, экономическое планирование и т.д.
В реальных системах поддержки принятия решений входная информа-
ция не всегда является четкой. Это может быть оценка затрат на перевозку,
оценка доступного вагонного парка, количество пассажиров и т.д.
В линейном программировании постановка задачи осуществляется
следующим образом:
max F = c1x1 + c2x2 + … + cnxn
при ограничениях:
a11x1 + a12x2 + … + a1nxn ≤ b1
a21x1 + a22x2 + … + a2nxn ≤ b2

am1x1 + am2x2 + … + amnxn ≤ bm
Другими словами, необходимо найти оптимальное решение (x*1, x*2, …,
x*n), удовлетворяющее всем ограничениям и при котором целевая функция
достигает максимального значения.
В статье будет рассмотрено три возможных случая задачи нечеткого
линейного программирования: задача с нечеткими коэффициентами ограни-
чений, задача с нечеткими коэффициентами целевой функции и задача с не-
четкими ограничениями. Комбинация этих вариантов покрывает всю область
задач нечеткого линейного программирования.

Задача линейного программирования с нечеткими коэффициентами


ограничений
Демонстрация решения задачи линейного программирования с нечет-
кими коэффициентами ограничений будет показана на следующем примере:
max F = c1x1 + c2x2,
где F – целевая функция, описывающая возможную прибыль, при ограниче-
ниях:
a1x1 + a2x2 ≤ b (*)
e1x1 + e2x2 ≤ r.
Предположим, что значения a1, a2 и b известны только приблизительно,
т.е. являются нечеткими значениями, например, нечеткими числами. Таким
образом, ограничение (*) можно записать следующим образом:
A1x1 + A2x2 ≤ B. (**)
Функции принадлежности нечетких чисел A1, A2, B приведены на рис. 1.
Информационные технологии моделирования и управления, 2005, №1(19) 31

Умножение нечетко-
го числа A1 = (a11, a21, a31)
на константу x1 образует
нечеткое число A1x1 =
(a11x1, a21x1, a31x1) , где a11 –
левая граница, a31 – правая
Рис. 1. Нечеткие числа A1, A2 и B граница, a21 – среднее зна-
чение. Таким же образом получается нечеткое число A2x2 = (a12x2, a22x2, a32x2).
Определим нечеткое число D = (d1, d2, d3) – результат сложения нечет-
ких чисел A1x1 и A1x2. Левая граница, среднее значение и правая граница со-
ответственно равны: d1 = a11x1+ a12x2, d2 = a21x1+ a22x2, d3 = a31x1+ a32x2.
На рис. 2 показаны
функции принадлежности
нечеткого числа D и нечет-
кого числа <B («меньше
B») и уровень уверенности
h, которого мы хотим дос-
тичь.
Уровень уверенности
может быть выбран как
значение D, при котором
Рис. 2. Функции принадлежности нечетких чи- уровень уверенности мень-
сел D и <B ше или равен значения <B.
* *
Значения d и b - максимальные возможные значения нечетких чисел D и B
для уровня уверенности h. Основываясь на подобии треугольников легко по-
казать, что
d* = d2 + (1 – h)(d3 – d2) и b* = b1 + (1 – h)(b2 – b1).
В порядке соблюдения ограничения (**) с наименьшим уровнем уве-
ренности h должно выполняться следующее выражение:
d2 + (1 – h)(d3 – d2) ≤ b1 + (1 – h)(b2 – b1).
Как следует из поста-
новки задачи, функция F
представляет собой при-
быль, которую мы хотим
максимизировать. Предпо-
ложим, что мы имеем воз-
можность оценить «уверен-
ную прибыль». В таком
случае «уверенная при-
Рис. 3. Нечеткие числа F представляющее быль» также может быть
«уверенную прибыль» и >F, представляющее описана нечетким числом F
высказывание «больше чем уверенная при- = (f1, f2, f3) (рис. 3).
быль» Из рис. 3 ясно, что
32 1. Информационные технологии в непромышленной сфере и экономике

«больше чем уверенная прибыль» будет достигнута с уровнем уверенности


меньше h если
c1x1 + c2x2 ³ f1 + h(f3 - f1).
Таким образом, задача сводится к определению максимального уровня
уверенности h:
max h
при ограничениях
c1x1 + c2x2 ³ f1 + h(f3 - f1)
d2 + (1 – h)(d3 – d2) ≤ b1 + (1 – h)(b2 – b1)
e1x1 + e2x2 ≤ r.
Пример. Рассмотрим следующую задачу нечеткого линейного про-
граммирования:
max F = 2x1 + 3x2
при ограничениях
x1 + 2x2 ≤ 8
2x1 + x2 ≤ 10
-x1 + x2 ≤ 2
0 ≤ x2 ≤ 3, x1 ³ 0,
где 2 и 10 нечеткие числа, субъективно выраженные как 2 = (1.5, 2, 2.5), 10 =
(8, 10, 12).
Применяя правила нечет-
кой математики, получим нечет-
кое число 2x1 + x2: 2x1 + x2 =
(1.5x1 + x2, 2x1 + x2, 2.5x1 + x2).
Функции принадлежности не-
четких множеств 2x1 + x2, 10 и
≤10 показаны на рис. 4.
Основываясь на предыду-
щем обсуждении легко показать,
Рис. 4. Функции принадлежности нечет- что наибольшее значение нечет-
ких множеств 2x1 + x2, 10 и ≤10 кого числа 2x1+x2 для уровня
уверенности h равно (2x1+x2) +
0.5x1(1-h). Соответственно ограничение с нечеткими коэффициентами примет
следующий вид:
(2x1+x2) + 0.5x1(1-h) ≤ 8 + 4(1-h).
Для случайно выбранных значений x1 = 3.5 и x2 = 2, удовлетворяющих
ограничениям, получим значение функции равное 13. Представим это значе-
ние как нечеткое число 13 = (12, 13, 14). В таком случае целевая функция
трансформируется в ограничение: 2x1+3x2 ³ 12+2h. А задача перейдет к зада-
че нелинейного программирования:
max h
при ограничениях
2x1+3x2 ³ 12+2h
x1 + 2x2 ≤ 8
Информационные технологии моделирования и управления, 2005, №1(19) 33

(2x1+x2) + 0.5x1(1-h) ≤ 8 + 4(1-h)


-x1 + x2 ≤ 2
0 ≤ x2 ≤ 3, x1 ³ 0
Для решения задачи использовался программный пакет Mathcad [3].
Было найдено следующее решение: x1* = 3.08, x2* = 2.46, которое достигается
при уровне уверенности 0.75.

Задача линейного программирования с нечеткими коэффициентами


целевой функции
В некоторых задачах оптимизации транспортных систем нечеткость
«проявляется» в коэффициентах целевой функции. Как и в предыдущем слу-
чае это обусловлено нечеткостью информации обрабатываемой системой.
Опишем следующую целевую функцию: max F = C1x1 + C2x2 + … +
Cnxn, где C1, C2, …, Cn – нечеткие числа. Следовательно, выражение C1x1 +
C2x2 + … + Cnxn также представляет собой нечеткое число. Определим это
число как F = (f1, f2, f3) (рис. 5). Величины f1, f2, f3 основываются на известных
значениях левых границ c1i, средних значений c2i и правых значений c3i не-
четких чисел C1, C2, …, Cn. Используя правила нечеткой математики, полу-
чим:
n n n
f1 = å c1i xi , f 2 = å c2i xi , f 3 = å c3i xi .
i =1 i =1 i =1
Основываясь на подобии треуголь-
ников легко показать, что наибольшее зна-
чение целевой функции для уровня уверен-
ности h равно f3 - h(f3 – f2). Следовательно,
целевая функция примет новый вид:
max f3 - h(f3 – f2).
Рис. 5. Нечеткое число F, пред- В этом случае решение определяется
ставляющее целевую функцию предварительно заданным уровнем уверен-
ности h.
Пример. Рассмотрим следующую задачу нечеткого линейного про-
граммирования:
max F = 5x1 + 6x2
при ограничениях
x1 – 2x2 ≤ 4
6x1 + 7x2 ≤ 42
x1 ³ 0, x2 ³ 0.
Отметим, что коэффициенты целевой функции являются нечеткими
числами: 5 = (4, 5, 6), 6 = (5, 6, 7).
Определим нечеткое число F:
F = (f1, f2, f3) = 5x1 + 6x2 = (4x1+5x2, 5x1+6x2, 6x1+7x2)
и новую нелинейную целевую функцию:
max f3 - h(f3 – f2) = max 6x1 + 7x2 – h(x1 + x2).
34 1. Информационные технологии в непромышленной сфере и экономике

Предположим, что необходимо достичь уровня уверенности h = 0.9.


Тогда задача может быть представлена следующим образом:
max G = 5.1x1 + 6.1x2 при заданных ограничениях. Решение этой задачи,
полученное в Mathcad: x1 = 5.895, x2 = 0.946, G = 34.895.

Задача линейного программирования с нечеткими ограничениями


При построении различных моделей транспортных систем ЛПР часто
оперирует выражениями вида: «приблизительно больше чем …», «около …».
Такие «ослабленные» ограничения являются результатом субъективного
представления о моделируемых процессах, и нечеткости относительно зна-
чений некоторых параметров.
Например, пусть в некоторой задаче имеется ограничение: 3x1 <18 . Лин-
~

гвистической интерпретацией этого выражения яв-


ляется – 3x1 приблизительно меньше чем 18. Выра-
жение «приблизительно меньше» описывает тот
факт, что 3x1 меньше чем 18, но не исключает слу-
чая, когда 3x1 «чуть больше» чем 18. Это выраже-
Рис. 6. Функция при-
ние может быть представлено как нечеткое множе-
надлежности A
ство A (рис. 6).
Математически функция принадлежности нечеткого множества A за-
писывается следующим образом:
ì 1 3x1 £ 18
ï 3 x1 - 18
m A (3 x1 ) = í1 - 18 < 3x1 £ 24
ï 6
î 0 3 x1 > 24
Предположим, что мы
имеем ограничение сле-
дующего вида: Ax < B , где A
~

= (a1, a2, a3) – нечеткое чис-


ло. Выражение «приблизи-
тельно меньше» задает до-
пустимый интервал (B,
B+C), в котором ограниче-
ние выполняется. Значение
константы C определяется
Рис. 7. Нечеткое ограничение Ax < B субъективно. На рис. 7
представлен допустимый интервал и нечеткое число Ax.
Основываясь на подобии треугольников можно легко получить: a2x+(1-
h)(a3-a2)x ≤ B + (1-h)C. Это неравенство заменяет рассматриваемое ограниче-
ние при решении задачи нечеткого линейного программирования.

Список использованных источников


1. Белов И.В., Каплан А.Б. Применение математических методов в пла-
нировании на железнодорожном транспорте – М.: Транспорт, 1967. – 182 с.
Информационные технологии моделирования и управления, 2005, №1(19) 35

2. Акулиничев В.М., Кудрявцев В.А., Корешков А.Н. Математические


методы в эксплуатации железных дорог – М.: Транспорт, 1981.– 224с.
3. Дьяконов В.П., Абраменкова И.В. Mathcad 8 PRO в инженерных рас-
четах. – М.: «Нолидж», 1999. – 512 с.

Сафонов А.И., Кравец О.Я.


ОСОБЕННОСТИ ПРОЕКТИРОВАНИЯ АРМ УЧЕНОГО СЕКРЕТАРЯ
ДИССЕРТАЦИОННОГО СОВЕТА
Воронежский государственный технический университет, г.Воронеж

Современные масштабы и темпы внедрения средств автоматизации


управления в учреждениях образовательного характера с особой остротой
ставит задачу проведения комплексных исследований, связанных со всесто-
ронним изучением и обобщением возникающих при этом проблем как прак-
тического, так и теоретического характера.
В последние годы возникает концепция распределенных систем
управления деятельностью Вузов, где предусматривается локальная обра-
ботка информации. Для реализации идеи распределенного управления необ-
ходимо создание для каждого уровня управления и каждой предметной об-
ласти автоматизированных рабочих мест (АРМ) на базе профессиональных
персональных ЭВМ.
Анализируя сущность АРМ, специалисты определяют их чаще всего
как профессионально-ориентированные малые вычислительные системы,
расположенные непосредственно на рабочих местах специалистов и предна-
значенные для автоматизации их работ.
Для каждого объекта управления нужно предусмотреть автоматизиро-
ванные рабочие места, соответствующие их функциональному назначению.
Однако принципы создания АРМ должны быть общими: системность, гиб-
кость, устойчивость, эффективность.
Согласно принципу системности АРМ следует рассматривать как сис-
темы, структура которых определяется функциональным назначением.
Принцип гибкости означает приспособляемость системы к возможным
перестройкам благодаря модульности построения всех подсистем и стандар-
тизации их элементов.
Принцип устойчивости заключается в том, что система АРМ должна
выполнять основные функции независимо от воздействия на нее внутренних
и внешних возможных факторов. Это значит, что неполадки в отдельных ее
частях должны быть легко устранимы, а работоспособность системы - быст-
ро восстановима.
Эффективность АРМ следует рассматривать как интегральный показа-
тель уровня реализации приведенных выше принципов, отнесенного к за-
тратам по созданию и эксплуатации системы.
Функционирование АРМ может дать численный эффект только при
условии правильного распределения функций и нагрузки между человеком
36 1. Информационные технологии в непромышленной сфере и экономике

и машинными средствами обработки информации, ядром которых является


ЭВМ. Лишь тогда АРМ станет средством повышения не только производи-
тельности труда и эффективности управления, но и социальной комфортно-
сти специалистов.
Создание автоматизированного рабочего места (АРМ) ученого секре-
таря диссертационного совета позволяет успешно решить задачу автоматиза-
ции работы диссертационных советов и предоставляет возможность осуще-
ствить:
· сбор, обработку и выдачу статистических и фактографических дан-
ных о системе послевузовского образования и порядке аттестации научных и
научно-педагогических кадров высшей квалификации по широкому спектру
срезов;
· получение как регламентированной (путем выдачи сводок по уста-
новленной форме), так и нерегламентированной (в форме свободного запро-
са) информации.
АРМ ученого секретаря диссертационного совета предназначен для
сбора, обработки и выдачи статистических и фактографических данных о ра-
боте Диссертационных Советов, а именно:
· перечни диссертационных советов по всему спектру, в том числе с
данными по итогам их деятельности за данный период;
· данные об участии учёных в работе диссертационных советов;
· данные о полномочиях диссертационных советов;
· статистическая информация о диссертационных советах по специ-
альностям, отраслям наук, организациям, городам, регионам;
· статистическая информация о работе диссертационных советов за
заданный период по широкому спектру срезов;
· фактографическая информация о специалистах, аттестованных ВАК
России, их диссертациях, диссертационных советах, научных руководителях,
оппонентах и учебных (научных) организациях, где выполняются и защища-
ются научные работники;
· статистическая информация о числе лиц, аттестованных ВАК России
по специальностям, отраслям наук, организациям, городам, регионам (еже-
годная и за заданный период);
· учётные данные аттестационных дел, номера решений, протоколов и
дипломов;
· учётные материалы входящей и исходящей корреспонденции для
контроля её прохождения и исполнения.
Результаты выдаются в виде таблиц-сводок по установленной форме.
Сбор информации о соискателях, научных руководителях, официаль-
ных оппонентах и ведущей организации осуществляется на основе следую-
щих документов:
· заявления соискателя в ДС;
· личной карточки по учету кадров с места работы;
· документов, предоставляемых в ДС, перечень которых регламентиру-
ется ВАК;
Информационные технологии моделирования и управления, 2005, №1(19) 37

·на основе данных, хранящихся в БД ВАК и предоставляемых по за-


просу ДС;
· нормативно-справочной документации.
Данные справочно-нормативного характера заносятся в центральную
БД специализированным подразделением ВАК и доступны всем участникам
информационного обмена.
Заявление соискателя в ДС состоит из следующей информации:
· Соискатель:
- ФИО;
- ФИО (в дательном падеже);
- пол
- гражданство;
- год рождения;
- национальность;
- год присуждения ученой степени кандидата наук;
- отрасль наук, по которой была защищена кандидатская диссерта-
ция;
- наименование кандидатской диссертации;
- наименование организации, в которой защищалась кандидатская
диссертация;
- код города организации защиты;
- наименование организации (места работы), в которой работает
соискатель;
- структурное подразделение;
- должность;
- год поступления на работу в данную организацию;
- тип организации;
- код ведомства организации (места работы);
- код города организации (места работы);
- почтовый индекс организации (места работы);
- адрес организации (места работы);
- год окончания Вуза;
- год окончания аспирантуры;
- ФИО научного (ых) руководителя (лей).
· Диссертация:
- отрасль наук;
- специальность 1;
- специальность 2;
- шифр диссертационного совета;
- название диссертации;
- дата защиты;
- вид диссертации;
- гриф диссертации;
- язык диссертации;
- тип организации, где выполнена диссертация;
38 1. Информационные технологии в непромышленной сфере и экономике

- код ведомства организации, где выполнена диссертация;


- название организации, где выполнена диссертация;
- название подразделения, где выполнена диссертация;
- код города организации, где выполнена диссертация;
- почтовый индекс организации, где выполнена диссертация;
- адрес организации, где выполнена диссертация;
- наиболее значимые публикации.
· Оппоненты:
- ФИО;
- гражданство;
- ученая степень;
- отрасль наук;
- ученое звание;
- академическое звание;
- код академии наук;
- должность;
- наименование организации (места работы);
- структурное подразделение;
- код города организации (места работы).
· Ведущая организация:
- название ведущей организации;
- код города ведущей организации;
- название организации, где внедрены результаты диссертации;
- код города организации внедрения;
- почтовый индекс организации внедрения;
- адрес организации внедрения.
· Результаты защиты диссертации:
- дата защиты;
- председатель;
- члены ДС;
- явка;
- результаты защиты диссертации;
- заключение диссертационного совета.
Движение дела можно представить следующим образом:
· первичное поступление:
- персональные данные;
- данные о диссертации.
· совет:
- до защиты – информация об оппонентах, ведущей организации и
дате и времени проведения защиты;
- после защиты – кворум голосования.
Персональные данные и данные о диссертации заносятся непосредст-
венно кандидатом в БД, через гостевой вход. Данные о совете, как до защи-
ты, так и после дополняются к первичным данным ученым секретарем.
Информационные технологии моделирования и управления, 2005, №1(19) 39

Рис. 1. Интерфейс АРМ ученого секретаря ДС

Список использованных источников


1. Кантарь И.Л. Автоматизированные рабочие места управленческого
аппарата. - 1990.
2. Жожикашвили В.А., Силаев В.Н. Концепции построения информа-
ционных управляющих сетей для распределенных объектов// Изв. РАН. Тех-
ническая кибернетика. – 1994. – №2. - С.137-146.
3. Каменнова М.С. Корпоративные информационные системы: техно-
логии и решения// Системы управления базами данных. - №3. - 1995.

Тархов С.В.
УПРАВЛЕНИЕ АДАПТИВНЫМ ОБУЧЕНИЕМ И ЕГО
ОПТИМИЗАЦИЯ НА БАЗЕ ТЕОРИИ АБСТРАКТНЫХ АВТОМАТОВ И
МАРКОВСКИХ ПРОЦЕССОВ
Уфимский государственный авиационный технический университет, г.Уфа

Введение
Эффективное функционирование образовательных систем во многом
определяется методами и средствами планирования и управления учебным
процессом. Использование в учебном процессе современных телекоммуни-
кационных технологий компьютерного обучения вызывает необходимость
пересмотра подходов к организации управления процессом обучения, что
объясняется возможностью обучаемого самостоятельно осваивать учебный
материал. При этом значительно усиливается доля индивидуальной учебной
компоненты по сравнению с традиционным обучением и появляется возмож-
ность формировать для обучаемого индивидуальную образовательную траек-
торию, подстраиваться под его личностные особенности и предпочтения.
Проведенный анализ работ, посвященных проблеме компьютерного ав-
томатизированного обучения, опубликованных в Интернет систем автомати-
40 1. Информационные технологии в непромышленной сфере и экономике

зированного и дистанционного обучения и различного рода образовательных


ресурсов, а также анализ их преимуществ и недостатков показал, что в на-
стоящее время в недостаточной мере разработаны модели и алгоритмы
управления адаптивным обучением в сетевых информационно-обучающих
системах (СИОС). Такие системы должны осуществлять в Intranet/Internet не
только доставку учебно-методических материалов, но и интенсивное удален-
ное интерактивное, в том числе адаптивное обучение, способствуя повыше-
нию эффективности учебного процесса. Имеющиеся в настоящее время
СИОС не позволяют настраиваться на индивидуальное восприятие учебного
материала обучаемым. Необходима проработка вопросов оптимального
взаимодействия системы с обучаемым с точки зрения соотношения времени
и эффективности обучения на базе технологий удаленного доступа к образо-
вательным ресурсам.

Разработка структуры учебного курса


При организации учебного процесса и на основе использования ком-
пьютерных автоматизированных обучающих систем, в частности СИОС, для
каждого курса должна быть разработана рабочая программа, в которой опре-
деляются уровни иерархии в соответствии с перечнем ее разделов [1]. Между
разделами устанавливаются связи и определяются ключевые характеристики
каждого уровня иерархии.
Граф иерархической
структуры рабочей про-
граммы представлен на рис.
1, где в роли вершин вы-
ступают разделы, содержа-
щие семантические едини-
цы, а в роли ребер — смы-
словые связи. Каждая вер-
шина графа содержит мно-
жество семантических еди-
ниц, которые отражают ин-
формационное наполнение
Рис. 1. Граф структуры рабочей программы
программы.
С позиций системного подхода рабочая программа может также рас-
сматриваться как системное описание модели организации процесса обуче-
ния, элементами которого являются тематические разделы изучаемой дисци-
плины и семантические связи между ними.
Структурный анализ может быть выполнен с использованием извест-
ных из теории графов алгоритмов, позволяющих обоснованно распределить
по времени изучения отдельные разделы курса для всего периода его изуче-
ния, аналогично тому, как это сделано при распределении дисциплин в про-
цессе составления учебного плана [2].
Для обеспечения возможности организации адаптивного обучения соз-
дается модель усвоения учебного материала в виде семантической сети, в
Информационные технологии моделирования и управления, 2005, №1(19) 41

которой предусмотрены необходимые переходы между отдельными инфор-


мационными блоками учебно-методической информации (УМИ).
В соответствии с разработанной рабочей программой строим ориенти-
рованные графы последовательности изучения УМИ учебного курса. При
этом может быть построено несколько вариантов последовательностей изу-
чения учебного материала, если отношения предшествования для отдельных
разделов учебной дисциплины отсутствуют (рис. 2а). Затем, с учетом логиче-
ских связей разделов (подразделов, параграфов и т.д.) учебной дисциплины
строится граф логических связей (рис. 2b). Этот граф целесообразно распо-
лагать под вариантами последовательности изучения учебного материала, по
возможности, сохраняя указанный порядок его освоения.
Ребра графа указывают на логические опорные связи между компонен-
тами учебного материала, включаемого в состав учебной дисциплины.

Рис. 2. Последовательность изучения и граф логических связей

Граф семантической сети учебного материала получим путем наложе-


ния возможных последовательностей изучения УМИ на граф логических свя-
зей. Этот граф представлен на рис. 3.

Рис. 3. Граф семантической сети учебного материала

Модель освоения учебного материала определяет последовательность


его представления обучаемому при его взаимодействии с ИОС и позволяет
установить логические связи при построении гипертекста.
42 1. Информационные технологии в непромышленной сфере и экономике

Модель управления адаптивным обучением


Модель взаимодействия обучае-
мого с ИОС строится на основе теории
конечных автоматов Мура (рис. 4).
Рис. 4. Конечный автомат в ИОС В процессе изучения учебного
ДДО материала система каждый момент
времени находится в некотором со-
стоянии, характеризуемым вектором S .
S = ( Q , X , Z , d , l , q ),
где
Q = { q1 ,q2 ,...qm ,...qM } - множество состояний обучаемого;
X = {x1 , x2 ,...xn ,...x N } - множество обучающих воздействий;
Z = {z1 , z 2 ,...z k ,...z K } - множество новых знаний, умений и навыков,
полученных обучаемым;
d : Q ´ X ® Q - функция перехода обучаемого в новое состояние
при внешнем обучающем воздействии X;
l : Q ´ X ® Z - функция выходов обучаемого как его реакция от
состояния при внешнем обучающем воздействии X.
Получая внешнее воздействие от ИОС ДДО, обучаемый последова-
тельно переходит из одного состояния qm в другое qm+1, получая воздействие
xn - очередную «порцию» знаний. При этом на каждом шаге обучения он по-
лучает новые компоненты множества zk - новые знания, умения и навыки.
Обучающие воздействия xn складываются из элементарных обучающих дей-
ствий системы yf, т.е. xn = f ( y1, y2 ,...yv ) .
В этом случае процесс обучения рассматривается как дискретный про-
цесс, характеризующийся некоторыми устойчивыми состояниями qi системы.
Формализованная модель управления программированным обучением в виде
автомата Мура показана на рис. 5.

Рис. 5. Модель обучения на базе абстрактного автомата Мура

На каждом шаге i работы с объектам УМИ обучаемый получает от


ИОС обучающие воздействие xi - некоторый объем учебного материала Rуi,
представленный в виде совокупности текстовой (гипертекстовой) gу i, стати-
Информационные технологии моделирования и управления, 2005, №1(19) 43

ческой графической pуi, анимированной графической- и видео- информации


vуi, а также аудиоданных aу i.
При этом, если материал воспринят обучаемым, то осуществляется пе-
реход из некоторого состояния qm в новое устойчивое состояние qk. Если ре-
зультат обучающего воздействия оказался отрицательным ( x i ), то выполня-
ется переход для изучения дополнительного учебного материала Rдоп.i, или
возврат к учебному материалу, представленных другими объектами Qу пред.i
УМИ. Так, на рис. 1 переход из состояния q4 в q6 осуществляется, если воз-
действие x3 было успешным. Если обучающее воздействие не было воспри-
нято, от выполняется переход в состояние q5.
В начале работы обучаемого с УМИ система находится в состоянии q1.
В этом состоянии осуществляется ожидание действий обучаемого x 1 , при-
водящих к началу функционирования ИОС. На каждом шаге переход в оче-
редное состояние qm осуществляется в случае, если обучающее воздействие
xn было воспринято обучаемым. В противном случае ( x n ) выполняется пере-
ход в вершину ql, в которой обучаемый изучает ранее не усвоенный им мате-
риал xo, необходимый для успешного освоения нового учебного материала.
В каждом состоянии система предоставляет обучаемому один из фраг-
ментов учебного материала в выбранном способе его представления, опреде-
ляемым сочетанием компонент множества Rу i, и глубине изложения. При
этом предусмотрены переходы от более низкой степени детализации к более
высокой. Так на рис. 5 для вершины графа q2 приведены k уровней представ-
ления УМИ – q12, q22, q32, qk2. Переходы между уровнями могут иницииро-
ваться ИОС или выбираться обучаемым самостоятельно, в зависимости от
вариантов настройки системы. Сборка учебного объекта из базы данных
УМИ [3] осуществляется на основе сценариев обучения с учетом автомати-
зированного анализа текущих результатов обучения, индивидуальной траек-
тории обучения и личных предпочтений обучаемого.
Одним из основных показателей, характеризующих функционирование
ИОС, является время работы обучаемого, необходимое на усвоение опреде-
ленной совокупности УМИ, например, раздела учебного курса.
Для графовой модели процесса обучения установим вероятности Pi/i+1
перехода системы из некоторого состояния qi в очередное состояние в связи с
возможным допущением обучаемым некоторых ошибок, т.е. вероятности
выполнения системой действий x i . Учитывая, что в каждом дискретном со-
стоянии qi система находится некоторое время Ti , построим граф цепи Мар-
кова, показанный на рис. 6, в котором в качестве вершин будет время нахож-
дения системы в некотором устойчивом состоянии, а в качестве ребер – ве-
роятности перехода в эти состояния. Очевидно, что по структуре этот граф
будет эквивалентен графу состояний системы при информационном взаимо-
действии системы с обучаемым.
Вероятности перехода на этапе проектирования курса определяются
путем экспертных оценок и уточняются в процессе функционирования ИОС
в результате анализа траекторий обучения.
44 1. Информационные технологии в непромышленной сфере и экономике

Рис. 6. Граф цепи Маркова в ИОС

Оптимизация функционирования системы по времени взаимодействия


с обучаемым выполняется на основе теории марковских процессов. При
адаптивном процессе обучения для каждого обучаемого формируется инди-
видуальная структура УМИ. При этом для достижения поставленной цели
обучения могут быть использованы графовые модели различной структуры с
различными вероятностями переходов от вершины к вершине в процессе
обучения. Время прохождения марковской цепи для графа, имеющего l –ую
структуру, определяется по формуле
n
m
å RУ З i
G у l = å tУ l ,i × ( 1 - Pl ,i / i +1 ) + i =1 ,
i =1 K
где tУ l,i - время нахождения системы в i–ой вершине l –го графа; m - количе-
ство вариантов графовых моделей; RУ З i - информация, содержащаяся в i-ом
загружаемом по Internet учебном объекте; n - количество объектов УМИ; K -
средняя пропускная способность канала связи.
Время tУ l,i будет зависеть от структуры и содержания УМИ, уровня ее
детализации, применяемых дидактических приемов обучения и т.д.
Оптимальным будет граф, для которого время прохождения марков-
ской цепи минимально среди всех допустимых графов:
m = min { GУ ,l } .
l
Именно он формируется ИОС для проведения обучения. Оптимизация
функционирования приводит к уменьшению времени работы обучаемого с
УМИ и, как следствие, к снижению затрат на обучение в Internet.
Информационные технологии моделирования и управления, 2005, №1(19) 45

Заключение
На базе описанных моделей, позволяющих организовать управление
адаптивным программируемым обучением, разработан сетевой программно-
методический комплекс СИОС, предназначенный для проведения учебных
занятий со студентами в условиях интеграции традиционного очного и элек-
тронного обучения, в том числе дистанционного обучения. Технологии дис-
танционного обучения используются при проведении лабораторных работ и
в курсовом проектировании по дисциплине информатика.
Программно-методический комплекс СИОС, создан на базе программ-
ного ядра «K-Media» [4] с использованием мультиагентного подхода и прин-
ципов объектно-ориентированной обработки учебно-методической и иной
информации, хранящейся в базах данных. Открытая архитектура позволяет
переконфигурировать систему под потребности и предпочтения конкретных
пользователей, создавать новые АРМы, изменять интерфейс пользователя.
Программно-методический комплекс СИОС позволяет проводить обучение
по широкому спектру учебных дисциплин, а также осуществлять организа-
ционную поддержку учебного процесса на стадиях подготовки, прогнозиро-
вания и анализа результатов обучения.
Авторизованный доступ к СИОС (http://informatic.ugatu.ac.ru), осуще-
ствляется как из учебных компьютерных классов кафедры информатики (по
локальной сети), так и с компьютеров, расположенных за пределами кафедры
(24 часа 7 дней в неделю по Internet).

Список использованных источников


1. Кабальнов Ю.С. Микова Т.В., Тархов С.В. Модели и алгоритмы ор-
ганизационной поддержки обучения в образовательных системах// Вестник
УГАТУ. Т.5, №1, Уфа, 2004. -C. 175-185.
2. Кабальнов Ю.С., Кузьмина Е.А., Никин А.Д., Шехтман Л.И. Графо-
вая модель учебного плана специальности обучения в вузе// Вычислительная
техника и новые информационные технологии.: Межвузовский научный
сборник. Выпуск №4. Уфа, УГАТУ, 2001. -С.116-123.
3. Кабальнов Ю.С., Тархов С.В., Минасов Ш.М. Способы хранения и
генерации учебных курсов в информационно-обучающей среде, функциони-
рующей на базе технологии WWW// Материалы научно-практической кон-
ференции «Информационные недра Кузбасса», посвященной 60-летию Кеме-
ровской области. Кемерово. 2003. С.169-171.
4. Тархов С.В., Минасов Ш.М., Минасова Н.С. Информационно-
обучающая система дистанционного обучения K-Media (ИОС ДО K-Media)//
Свидетельство об официальной регистрации программы для ЭВМ №
2003612176. Российское агентство по патентам и товарным знакам
(РОСПАТЕНТ). Зарегистрировано в реестре программ для ЭВМ 22 сентября
2003 г.
46 2. Моделирование и анализ сложных систем

2. МОДЕЛИРОВАНИЕ И АНАЛИЗ СЛОЖНЫХ СИСТЕМ

Крыжановская Ю.А.
ПОСТРОЕНИЕ РЕГУЛЯТОРОВ, ОБЕСПЕЧИВАЮЩИХ ЖЕЛАЕМОЕ
РАСПОЛОЖЕНИЕ КОРНЕЙ ХАРАКТЕРИСТИЧЕСКОГО ПОЛИНОМА
ДИСКРЕТНОЙ МНОГОСВЯЗНОЙ СИСТЕМЫ
Воронежский государственный университет, г.Воронеж

Введение
В настоящее время для теории и практики управления является акту-
альной задача построения регуляторов, обеспечивающих заданное располо-
жение в комплексной плоскости всех особенностей передаточной функции
замкнутой системы. Широко известен метод синтеза модального регулятора
Калмана [3], разработанного на основе метода пространства состояний и
применявшийся при проектировании конкретных систем регулирования [6].
Однако введение в регулятор наблюдателей и оценивателей состояния ус-
ложняет структуру. В [4, 7] задача нахождения передаточной функции мо-
дального регулятора решается на основе хорошо разработанного в теории ре-
гулирования метода передаточных функций. Подобная задача рассматрива-
лась в [2], однако при этом предполагалось, что объект регулирования обяза-
тельно минимально фазовый, а полином в числителе передаточной функции
объекта - гурвицев. Метод, предлагаемый в [4, 7], позволяет снять эти огра-
ничения и позволяет построить целое семейство регуляторов.
В [1] задача построения множества регуляторов, обеспечивающих же-
лаемое расположение корней характеристического уравнения замкнутой сис-
темы, сводится к решению полиномиальных уравнений. В отличие от этого
подхода, в [4, 7] синтез модальных регуляторов сводится к процедуре деле-
ния полиномов, что позволяет построить не только множество регуляторов,
при которых характеристический полином замкнутой системы имеет желае-
мый вид, но и множество передаточных функций замкнутой системы, обла-
дающих этим свойством, что позволяет помимо свободного движения систе-
мы проектировать и вынужденное. Кроме того, в частном случае устойчивого
и нейтрального объектов, процедура деления полиномов сильно упрощается
и передаточная функция регулятора может быть выписана в общем виде че-
рез коэффициенты передаточной функции объекта.
В данной статье предлагается на распространить метод, рассмотренный
в [4, 7] на дискретные многосвязные системы, используя идею декомпозиции
многосвязной системы. Безусловным преимуществом данного метода явля-
ется простота алгоритма и возможность физической интерпретации результа-
тов, получаемых на этапе декомпозиции многосвязной системы, без выпол-
нения дополнительных вычислений и преобразований.

Одноконтурные системы
Рассмотрим кратко алгоритм [4], применяемый в дальнейшем к под-
системам, полученным в результате декомпозиции многосвязной системы.
Информационные технологии моделирования и управления, 2005, №1(19) 47

Рассмотрим замкнутую дискретную систему автоматического управле-


ния, где передаточная функция объекта задана отношением двух полиномов
P1(z) и P2(z) : Gobj ( z ) = P1 ( z ) , Gr(z) - передаточная функция регулятора, обеспе-
P2 ( z )
чивающего желаемое расположение корней характеристического уравнения
замкнутой системы. Передаточную функцию замкнутой системы зададим в
Q1 ( z )
виде отношения полиномов Q1(z) и Q2 (z): G sys ( z ) = (полином Q2(z) счита-
Q2 ( z )
ется желаемым полиномом).
Введем в рассмотрение полиномы N(z), L(z), Nost(z) и Lost(z), которые
находятся следующим образом:
(Q 2 ( z ) - Q1 ( z ) ) N ost ( z )
(1)
= N ( z) +
P2 ( z ) P2 ( z )
Q1 ( z ) L ( z)
= L ( z ) + ost (2)
P1 ( z ) P1 ( z )
Было показано, что для дискретной системы управления выполнено:
если [Q2(p)- Q1(p)] и Q1(p) делятся на полиномы P2(p) и P1(p) без остатка, то
существует передаточная функция регулятора, обеспечивающая желаемое
расположение корней характеристического уравнения замкнутой системы.
При этом передаточная функция регулятора будет иметь вид:
L( z )
Gr ( z ) = . (3)
N (z)
Многосвязные системы
Рассмотрим дискретный линейный многосвязный объект, который
описывается матричной передаточной функцией
y ( z ) = G ( z )u ( z ) , (4)
где у - n-мерный вектор выхода объекта, и - n-мерный вектор управлений,
G(z) - дискретная передаточная матрица
æ G11 G12 K G1n ö
ç ÷
çG G22 K G2 n ÷
G ( z ) = ç 21 . (5)
K K K K÷
ç ÷
çG Gn 2 K Gnn ÷ø
è n1
Вектор управлении будем искать в следующем виде:
u = G (z )e , (6)
где G (z ) — матричная передаточная функция регулятора
æ G11 G12 K G1n ö
ç ÷
çG G22 K G1n ÷
G ( z ) = ç 21 , (7)
çK K K K ÷÷
çG K Gnn ÷ø
è n1 Gn 2
где e — n-мерный вектор отклонений вектора у от вектора задающих воздей-
ствий xз:
48 2. Моделирование и анализ сложных систем

e = x3 - y. (8)
Исключив переменную и из уравнений (4) и (6), получим, что
y = G ( z )G ( z )( x з - y ) . (9)
Поставим задачу выбора матричной передаточной функции регулятора
G(z) таким образом, чтобы характеристический полином замкнутой системы
(9) с управлением (6) имел бы желаемое расположение, корней. Выберем
элементы матричной передаточной функции регулятора таким образом, что-
бы передаточная функция замкнутой системы (9) была диагональной. В этом
случае замкнутая система (9) распадается на п независимых друг от друга,
подсистем. Структурная схема каждой из таких подсистем может быть пред-
ставлена в виде. изображенном на Рис.1, где i = 1, 2, ... , n; d i k — символ
Кронекера, d i k = 0 при i ¹ k и d i k = 1 при i=k. Определители D i k , (k =
1,2,...,n); i ¹ k и D i i получим следующим образом. Пусть |G| есть определи-
тель матрицы G. Тогда D i i есть алгебраическое дополнение элемента Gii в оп-
ределителе |G|. В матрице G вычеркнем i-ю строку. В полученной таким об-
разом матрице выделим столбец не
входящий в алгебраическое допол-
нение D i i и обозначим его через Вi.
Обозначим столбцы алгебраическо-
го дополнения D i i через Cik (k = 1,2,
Рис. 1. Структурная схема подсистем,
получаемых в результате декомпози- ... , n), k ¹ i. Тогда, определители D i k
ции многосвязной системы получим заменой Cik-го столбца, оп-
ределителя D i i , на столбец (-Bi).
Недиагональные элементы G ik (k = 1,2,...,n, i ¹ k) связаны с диагональ-
ными элементами матрицы G(z) формулой
Di k
Gk i = Gi i k = 1,2, K , n, k ¹ i. (10)
Dii
Если каждая из i-х подсистем, изображенных на рис. 1, управляема, и
наблюдаема, то, как показано в [4], всегда, могут быть определены реали-
зуемые передаточные функции Gi i (z ) , обеспечивающие желаемое распо-
ложение корней характеристического уравнения каждой из i-х подсистем.
Проделав процедуру для всех подсистем, полученных в результате декомпо-
зиции, найдем диагональные элементы передаточной матрицы регулятора, а
затем, используя формулу (10), получим недиагональные элементы переда-
точной матрицы регулятора Gk i (z ) (i≠k).
Тогда характеристический полином исходной замкнутой системы (9)
будет равен произведению характеристических полиномов i-х подсистем.
В качестве замечания следует отметить, что объекты управления для i-
х подсистем, изображенных на Рис.1, могут оказаться неполностью управ-
Информационные технологии моделирования и управления, 2005, №1(19) 49

ляемыми и неполностью наблюдаемыми при управляемой и наблюдаемой


исходной системе (4), что связано с возможностью наличия сокращаемых
нулей и полюсов в передаточных функциях объектов управления подсистем.
Пример. Рассмотрим систему, для которой выполнено:
2z - 3 z + 0.3
G11 ( z ) = , G12 ( z ) = - 2 ,
2 z - 0.4 z - 0.3
2
2 z - 0.4 z - 0.3
(11)
2 z + 0.3
G 21 ( p) = 2 , G22 ( p) = 2 .
2 z - 0.4 z - 0.3 2 z - 0.4 z - 0.3
Для n=2 замкнутая система распадается на две независимые друг от
друга подсистемы. Структурные схемы этих подсистем изображены на рис. 2
и 3.
По условию (11), получим:
G12 G21 (2 z - 1)( z + 0.3) 1
G11 - = = , (12)
G22 (2 z - 0.4 z - 0.3)( z + 0.3) z + 0.3
2

G G (2 z - 1)( z + 0.3) 1
G22 - 12 21 = = . (13)
G11 (2 z - 0.4 p - 0.3)(2 z - 3) 2 z - 3
2

Поскольку в выражениях (12),


(13) произведено сокращение со-
множителей, то подсистемы, изо-
браженные на рис.2 и рис.3, не яв-
ляются полностью управляемыми.
Рис. 2. Структурная схема первой под-
Однако эти системы стабилизируе-
системы
мы, так как сокращаемые нули и
полюсы передаточных функций
расположены внутри единичной ок-
ружности на комплексной плоско-
Рис. 3. Структурная схема второй под- сти.
системы Зададим желаемые характери-
стические полиномы для замкнутых
систем, изображенные на рис. 2 и 3. Пусть для первой системы
Q2(z)=(z+0.3)(z+0.4), а Q1 (z) = d0z2+d1 z+d2, где –0.3, -0.4 - желаемые корни,
d0, d1, d2 -- неопределенные коэффициенты. Тогда по (1), (2) получим
L(z)= d0z2+d1 z+ d2, N(z) = (1- d0)z+(d1-1+0.3 d0) ; (14)
Lост(z) = 0, Nост(z) = d2 –0.12-0.3 d1+0.3 -0.09 d0=0 . (15)
Из условия физической реализуемости регулятора (degL(z) £ degN(z))
получаем, что d0=0. Для обеспечения астатизма первого порядка положим
d1-1+0.3 d0=0. Учитывая эти равенства, найдем
z + 0 .12
G 11 ( z ) = . (16)
z
Для второй подсистемы произведем аналогичные действия: в качестве
желаемых корней характеристического уравнения возьмем 0,3 и –0,4, а за-
тем, решив систему уравнений
50 2. Моделирование и анализ сложных систем

ìd 0 = 0 ( условие физической реализуемости)


ï
í(3 / 2)(0.1 - d1 + 3 / 2(1 - d 0 )) = d 2 + 0.12 ( N ост = 0) .
ï0,1 - d + 1.5(1 - d ) = 0( астатизм)
î 1 0

относительно неизвестных d0 ,d1, d2, получим


1 . 6 z - 0 . 12
G 22 ( z ) = . (17)
0 .5 z
Таким образом, передаточные функции G11 ( z ) и G 22 ( z ) обеспечиваю-
щие желаемое расположение корней характеристических уравнений замкну-
тых систем, изображенных на рис. 2 и 3 для управляемой части объектов, т.е.
для объектов (12) и (13), имеют вид (16) и (17) соответственно.
По формулам (10) для данного примера определим недиагональные
элементы передаточной матрицы регулятора. Таким образом,
æ z + 0.12 ( z + 0.3)( z + 0.12) ö
ç ÷
z z ( z + 0.3)
æG G12 ö ç ÷
G ( z ) = çç 11 ÷=ç ÷ .
è G 21 G 22 ÷ø ç ÷
çç - 2( z + 0.12) 1.6 z - 0.12 ÷÷
è z (2 z - 3) 0.5 z ø

Заключение
Рассмотренный метод позволяет построить множество регуляторов,
обеспечивающих желаемый вид характеристического уравнения замкнутой
системы. Это дает возможность поставить задачу оптимизации, т. е. выбора
среди полученных регуляторов оптимального по какому-либо критерию.
Кроме того, метод естественным образом пересекается с методами теории
автономности и может быть применен для решения задач в рамках этой тео-
рии.
Данный способ нахождения модальных регуляторов был реализован в
рамках программы синтеза регуляторов [5], которая используется при изуче-
нии специального курса «Дискретные системы управления».

Список использованных источников


1. Волгин Л.Н. Оптимальное дискретное управление динамическими
системами. — М.: Наука, 1986. — 239с.
2. Воронов А.А. Синтез минимальных модальных регуляторов, дейст-
вующих от измеримых входа и выхода линейного объекта.// АиТ, 1993, №2.
— С. 34-51.
3. Калман Р., Фабл П., Арбиб М. Очерки по математической теории
систем. — М.: Мир, 1971. — 400с.
4. Крыжановская Ю.А. Построение модальных регуляторов для дис-
кретных систем управления// Доклад Международной научно-технической
конференции “Кибернетика и технологии XXI века”, апрель 2003г.- Воронеж,
2003, с.24-29.
Информационные технологии моделирования и управления, 2005, №1(19) 51

5. Крыжановская Ю.А. Программная реализация нахождения модаль-


ных регуляторов для одноконтурных и многосвязных систем//Сб. тр. "Ин-
формационные технологии моделирования и управления" - Воронеж, 2004.
6. Кузовков Н.Т. Модальное управление и наблюдающие устройства -
М.: Машиностроение, 1976. — 184с.
7. Лозгачев Г.И Построение модальных регуляторов для одноконтур-
ных и многосвязных систем// АиТ. 2000. №12. С.15-21.

Милич Н.В., Милич В.Н.


АВТОМАТИЧЕСКАЯ СЕГМЕНТАЦИЯ РЕЗУЛЬТАТОВ
ТРЕХМЕРНОГО ЛАЗЕРНОГО СКАНИРОВАНИЯ
Физико-технический институт УрО РАН, г.Ижевск

Трехмерные лазерные сканеры применяются для построения простран-


ственных моделей местности, зданий, линий электропередач, производствен-
ных помещений и территорий, карьеров и т.д. (см., например, [1, 2, 3]) Ре-
зультатом работы сканера являются координаты точек пространства, принад-
лежащих объектам сканируемой сцены. Для построения модели необходимо,
исходя из измеренных координат, восстановить форму объектов в виде сово-
купности геометрических примитивов: плоскостей, цилиндров, конусов,
сфер, триангулированных поверхностей и кривых. Чтобы восстановить фор-
му объектов, требуется сначала произвести сегментацию исходного множе-
ства точек, т.е. разбить это множество на подмножества, соответствующие
разным объектам и примитивам. Существующее коммерческое программное
обеспечение (см., например, [4]) требует от пользователя производить сег-
ментацию вручную. В работе предлагается метод автоматической сегмента-
ции множества точек, полученных в результате лазерного сканирования.
Пусть A – множество точек, полученных в результате сканирования. Во
время сканирования луч лазера последовательно пробегает n вертикальных
плоскостей, имеющих одну общую прямую, и для каждой плоскости измеря-
ет координаты m точек, лежащих в этой плоскости (см. [6, с. 2]). Поэтому
элементы множества A можно обозначить aij , где 1 £ i £ m, 1 £ j £ n .
Если при сканировании луч лазера попадает на зеркальную или темную
поверхность, то он может не отразиться обратно к сканеру. Поэтому точки,
соответствующие некоторым значениям i и j, могут не попасть во множество
A, т.е. для таких i и j имеем aij Ï A . Для формулировки алгоритмов нам будет
удобно рассматривать и такие точки aij Ï A , для которых выполнено одно из
неравенств i < 1, i > m, j < 1, j > n.
На множестве индексов {(i , j )} можно ввести лексикографический по-
рядок: (i1 , j1 ) < (i2 , j2 ) , если j1 < j 2 или j1 = j2 , i1 < i2 . Далее, говоря о первой
точке, для которой выполнено некоторое условие, будем понимать под этим
то, что точка является первой в смысле введенного лексикографического по-
52 2. Моделирование и анализ сложных систем

рядка. В приведенных ниже


алгоритмах выполнение
всех циклов по переменным
(i, j ) производится в лекси-
кографическом порядке.
Пусть точки aij име-
ют координаты ( xij , yij , zij )
и (rij , j ij , Jij ) в декартовой и
сферической системах ко-
ординат, соответственно.
Луч лазера движется
таким образом, что для всех
i и j выполняются неравен-
Рис. 1. Системы координат ства j i, j < j i , j +1 , Ji , j < Ji+1, j ,
т.е. точки
aij , ai , j +1 , ai+1, j и
ai +1, j +1 являются со-
седними в смысле
близости углов. Ес-
ли две соседние точ-
ки ai1 j1 и ai2 j2 имеют
близкие значения rij ,
то будем считать их
принадлежащими
одному множеству
Bk . Каждое множе-
ство Bk соответст-
Рис. 2. Пример разбиения множества A на подмноже-
вует одному или не-
ства Bk
скольким объектам
сцены. На рис. 2 показан пример разбиения множества A на подмножества
Bk . В примере предполагается, что Jij не зависит от j , т.е. Jij = Ji для всех i
и j.
На рис. 3 представлен алгоритм разбиения множества A на подмноже-
ства Bk . Число d является параметром алгоритма.
Замечание. Может оказаться, что на некоторых итерациях цикла числа
m1 или m2 не будут существовать. Это не сужает область применимости ал-
горитма, поскольку m1 и m2 используются в алгоритме только после провер-
ки условий ai-1, j Î A и ai , j -1 Î A , соответственно.
Информационные технологии моделирования и управления, 2005, №1(19) 53

Рис. 3. Алгоритм разбиения множества A на подмножества Bk

Некоторые множества Bk , получающиеся в результате работы алго-


ритма, являются пустыми. Исключим их из разбиения, а все оставшиеся
N
множества последовательно перенумеруем, получив разбиение A = U Bk .
k =1
Каждому множеству Bk могут соответствовать несколько геометриче-
ских примитивов, поэтому необходимо произвести дальнейшее разбиение
этих множеств на подмножества Сkl , каждое из которых соответствует одно-
му геометрическому примитиву. Далее будем предполагать, что все рассмат-
риваемые точки принадлежат множеству Bk .
Если точка aij и соседние с ней точки лежат на некоторой поверхности
G, то векторы
54 2. Моделирование и анализ сложных систем

d ij11 = ai +1, j - aij , d ij12 = ai , j +1 - aij , d ij21 = ai +1, j - ai -1, j , d ij22 = ai , j +1 - ai , j -1


являются аппроксимациями касательных векторов к поверхности G в точке
aij (первый верхний индекс показывает порядок аппроксимации). Таким об-
разом, нормальные векторы поверхности G в точке aij можно аппроксимиро-
вать векторными произведениями hij3 = d ij11 ´ d ij12 , hij4 = d ij21 ´ d ij22 , где верхний
индекс соответствует количеству точек aij , необходимых для вычисления.
При сканировании координаты точек aij определяются с погрешно-
стью, наличие которой снижает точность аппроксимации нормальных векто-
ров. Для повышения точности можно перед вычислением векторов hijp произ-
вести усреднение координат точек aij по формулам
r2i , 2 j + r2i +1, 2 j + r2i , 2 j +1 + r2 i +1, 2 j +1 j 2i , 2 j + j 2i +1, 2 j + j 2 i, 2 j +1 + j 2i+1, 2 j +1
rij1 = , j ij1 = ,
4 4
J2i , 2 j + J2i+1,2 j + J2i ,2 j +1 + J2i+1, 2 j +1
Jij1 = ,
4
а затем переобозначить точки aij := aij1 = (rij1 ,j ij1 ,Jij1 ) .
Другим способом повышения точности аппроксимации нормальных
векторов является построение методом наименьших квадратов плоскости Gij0 ,
соответствующей набору, состоящему из точки aij и нескольких соседних с
ней точек. Нормальные векторы этой плоскости и поверхности G в точке aij
приблизительно равны. На рис. 4 изображены различные наборы точек для
построения плоскости Gij0 . Нормальный вектор этой плоскости обозначим
hijp , где p – количество точек в наборе.
Мы хотим разбить множество Bk на подмножества Ckl , исходя из бли-
(h , h )
зости направлений векторов hijp . Функция a (h1 , h2 ) = 1 2 равна модулю
h1 × h2
косинуса угла между векторами h1 и h2 . Если значение этой функции близко
к единице, то и направления векторов h1 и h2 близки.
Назовем границей множества Bk множество всех точек, среди соседей
которых имеются точки, не принадлежащие Bk . Для точек aij , находящихся
на границе и вблизи границы множества Bk , векторы hijp могут быть не опре-
делены, поскольку точки, необходимые для вычисления этих векторов, не
принадлежат Bk . Поэтому будем рассматривать множества Bkp Ì Bk , состоя-
щие из таких точек aij , для которых соответствующие векторы hijp определе-
ны. Заметим, что для p > 4 можно определить векторы hijp и для некоторых
граничных точек множества Bk . Для этого при построении плоскости Gij0
Информационные технологии моделирования и управления, 2005, №1(19) 55

нужно исключить из соответствующего набора точки, не принадлежащие


множеству Bk . Если в наборе останется не менее трех точек, то плоскость Gij0
и вектор hijp корректно определяются.

Рис. 4. Наборы точек для построения плоскости Gij0

На рис. 5 представлен алгоритм разбиения множества Bkp на подмно-


жества Ckl . Числа p и b являются параметрами алгоритма. В результате ра-
боты этого алгоритма после исключения пустых множеств Ckl получается
Lk
разбиение B = U Ckl .
k
p

l =1
Таким образом, из множества A выделены подмножества, каждое из
которых можно считать соответствующим одному геометрическому прими-
N Lk
тиву: A É UU C kl .
k =1 l =1
Предложенный метод был применен к реальным данным, полученным
при помощи сканера LMS-Z210 (данные для обработки предоставлены ком-
панией «Геокосмос»). В качестве параметров алгоритмов были взяты d = 0.1
м., b = 0.8 . Наилучшие результаты разбиения получены без усреднения при
p = 37 .
На рис. 6 изображено множество A. Оттенок каждой точки этого ри-
сунка соответствует интенсивности лазерного луча, отраженного от соответ-
ствующей точки множества A. Углы j и J изменяются по горизонтали и
вертикали, соответственно. Значения интенсивности не используются в при-
56 2. Моделирование и анализ сложных систем

веденном методе, но позволяют понять, как выглядит обрабатываемая сцена.


На рис. 7 показаны множества Bk . Оттенок точек рисунка представляет но-
мер множества Bk . Направления векторов hij37 изображены на рис. 8 оттенка-
ми точек. Наконец, рис. 9 представляет окончательный результат метода сег-
ментации. Разный оттенок точек соответствует разным множествам Ckl .

Рис. 5. Алгоритм разбиения множества Bkp на подмножества Ckl


Информационные технологии моделирования и управления, 2005, №1(19) 57

Рис. 6. Интенсивность, измеренная в точках множества A

Рис. 7. Множества Bk

Список использованных источников


1. RIEGL Laser Measurement Systems. Applications. http://www.riegl.com/
appl_notes/e_application_notes.htm
2. Optech – Laser-Based Ranging, Mapping and Detection Systems. ILRIS-
3D Applications. http://www.optech.on.ca/ilrisapps.htm
3. Медведев Е.М., Григорьев А.В. С лазерным сканированием на веч-
ные времена // Геопрофи. – 2003. – № 1. – С. 5–10.
4. Cyclone 5.1. http://hds.leica-geosystems.com/products/cyclone5.html
5. 3Dipsos. http://www.mensi.com/Website2002/3Dipsos.asp
6. Лазерный зеркальный сканер LMS-Z210. Техническая документация
и инструкции для пользователей. RIEGL Австрия, 2001. – 80 с.
58 2. Моделирование и анализ сложных систем

Рис. 8. Направления векторов hij37

Рис. 9. Множества Ckl

Пальчик О.В., Доков Д.С.


АНАЛИЗ МЕТОДОВ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ И
ОЦЕНИВАНИЯ ПАРАМЕТРОВ ОДИНОЧНОГО ВИДЕОИМПУЛЬСА
ООО «Агроэл», г.Рязань

Введение
В задачах обработки экспериментальных данных исследователи часто
имеют дело с информацией об их корреляционных свойствах, в частности, с
автокорреляционной последовательностью (АКП). Использование АКП в
статистических работах дает возможность сопоставить полученные данных
эталонным (ожидаемым), получить оценку некоторых параметров и т.п.
Информационные технологии моделирования и управления, 2005, №1(19) 59

Наиболее характерен вид АКП в виде одиночного видеоимпульса в


пределах массива отсчетов длиной N относительной длительностью Dj/N, где
Dj – длительность импульса. Одним из параметров такой АКП является по-
ложение ее экстремума (мода импульса M), поскольку экстремум соответст-
вует входных данных наиболее похожим на эталонные. Оценить моду им-
пульса можно различными методами, соответственно будут различаться ха-
рактеристики оценки и, в первую, очередь ее дисперсия.
Таким образом, задачу, которая ставится и анализируется в данной ра-
боте можно обобщенно сформулировать как анализ методов обнаружения и
обработки одиночного видеоимпульса, а также оценивания его параметров,
что находит применение в самых разных областях науки и техники: эхо- и
радиолокации, измерительной техники и прочее.

Анализ обработки множественных замеров


На практике, выбирая метод, который позволил бы оценить положение
импульса ограниченной длительности, обычно стремятся найти метод, обла-
дающий наименьшей дисперсией своих оценок. Однако ряд практических за-
дач характеризуется возможностью проведения нескольких испытаний. По-
этому является актуальным вопрос выбора наилучшего алгоритма обработки
набора измерений, который при сравнительно невысоком качестве исходных
оценок позволит добиться приемлемой величины дисперсии конечной оцен-
ки.
В качестве примера рассмотрим задачу первичной обработки сигнала
лазерного триангуляционного дальномера [1], на выходе которого имеется
вектор отсчетов сигнала s = {s[j]}, который представляет собой аддитивную
смесь s = x + f информационной компоненты x = {x[j]} (одиночный видеоим-
пульс с модой M) и фонового белого шума f = {f[j]} с дисперсией s 2f , где
j = 0…N-1. Относительная длительность импульса обычно равна
Dj/N = 0,05…0,15.
Для нахождения наилучшего в статистическом смысле метода обра-
ботки набора измерений осуществим переход от кадра s к процессу
m = {Mˆ [ j ]} , представленному набором оценок M̂ параметра M.
Модель процесса m представляет собой аддитивную смесь истинного
значения параметра M с погрешностью измерения n = {n[i]}:
m = M + n,
где n является функцией интенсивности sf аддитивного шума f из состава
сигнала s; i = 0…K-1, K – число опытов (замеров положения импульса).
Ошибка n зависит от метода, с помощью которого получен вектор m.
Эксперименты показали, что в условии практической работоспособно-
сти метода оценивания распределение L(n) процесса n имеет нормальный
характер:
1 ì n T R ε-1n ü
L (n ) = exp í- ý,
2p R ε î 2 þ
60 2. Моделирование и анализ сложных систем

где Re – ковариационная матрица ошибок измерения. В силу некоррелиро-


ванности замеров Mˆ [i] распределение может быть записано в упрощенном
виде:
1 ì n Tn ü
L (n ) = exp í- 2 ý , (1)
2ps n î 2s n þ
где, согласно экспериментальным исследова-
ниям, sn пропорциональна интенсивности фо-
новых аддитивных шумов sf сигнала s
(sn = k×sf; величина k определяется на основе
опытов).
Воспользуемся методикой максимально-
го правдоподобия для нахождения оптималь-
ного способа обработки набора измерений [2].
Оценка максимального правдоподобия
получается из соображения, что наиболее
правдоподобным является то значение искомо-
го параметра, при котором с большей вероят-
ностью будет наблюдаться зарегистрированная
реализация вектора исходных данных. В осно-
ве оценки лежит условная плотность вероятно-
сти L(m/M), которая по структуре совпадает с
Рис. 1. L(n):
1 ì (m - M ) T (m - M ) ü
L (m M ) = L (n ) n=m -M = exp í- ý. (2)
2ps n î 2 s 2
n þ
Максимально правдоподобные оценки находят из условия [2]
d
Ñ ln L (m M ) = ln L(m M ) = 0 , (3)
dM
которое называется уравнением правдоподобия.
Распишем логарифм условной плотности вероятности (2):
æ 1 ö (m - M )T (m - M )
ln L (m M ) = ln çç - ÷+ ,
è 2ps n ÷ø 2s 2n
откуда градиент (3) запишется как
d d æ 1 ö
ln L (m M ) = çç 2 (m - M )T (m - M ) ÷÷ = 0 . (4)
dM dM è 2s n ø
Преобразуя переменную часть выражения (4) согласно правилу умно-
жения вектора-строки на вектор-столбец получаем:
(
d K -1 ˆ
dM i=0
å ) 2
M [i ] - M = 0 ,
d æ K -1
ˆ
K -1
ˆ
K -1

ç å M [i ] - 2 å M × M [i ] + å M ÷ = 0 ,
2

dM è i = 0 i =0 i =0 ø
Информационные технологии моделирования и управления, 2005, №1(19) 61
K -1
- 2å Mˆ [i ] + 2 MK = 0 . (5)
i =0

Получение наиболее правдоподобной оценки M из выражения (5) при-


водит к записи в виде среднего:
1 K -1
M = å Mˆ [i ] . (6)
K i=0
Очевидно, что алгоритм (6) реализуется равновесным накопителем, ко-
торый представляет собой согласованный фильтр [2]. Предельное качество
(дисперсия s2) оценки (6), характеризующейся заданным распределением (1),
определяется неравенством Рао-Крамера [2]:
-1
æ d2 ö
s ³ç
2
2
ln L (m M ) ÷ ,
è dM ø
которое получаем дифференцируя (4):
s 2 ³ s 2n K . (7)
Выражение (7) показывает, что оценка максимального правдоподобия
для распределения (1) является асимптотически эффективной, т.к. с ростом K
дисперсия s2 конечной оценки уменьшается.

Анализ обработки однократных замеров


Как было указано выше, для практически эффективных методов рас-
пределение (1) является нормальным и не смещенным. Однако величина
дисперсии s 2n ошибки оценивания n зависит от самого метода, что, в конеч-
ном счете, и определяет дисперсию результирующей оценки (7). Более того,
многие задачи не предполагают многократных измерений, и потому исследо-
ватели стремятся обеспечить наименьшую величину s 2n .
Среди неоптимальных методов обработки сигналов, получивших ши-
рокое распространение благодаря невысоким вычислительным затратам на
их реализацию, наиболее популярна пороговая обработка, которая позволяет
снизить влияние фонового шума и минимизировать таким образом, s 2n .
Из статистической радиотехники хорошо известен т.н. весовой крите-
рий (критерий Неймана-Пирсона). Согласно этому критерию фиксируется
вероятность F превышения шумом f порогового уровня. При этом увеличе-
ние энергии сигнала x (полезной части процесса входного s) за счет увеличе-
ния его амплитуды A (или, что эквивалентно, отношения сигнал/шум A/sf),
приводит к увеличению вероятности правильного обнаружения D практиче-
ски без изменения вероятности F, что связано с обычно используемым спо-
собом определения величины порога [2]:
1) по принятой реализации s определяется дисперсия s 2f шума f (тре-
буется много умножений с высокой точностью);
2) по таблицам интеграла вероятности Ф(·) определяют относитель-
ный порог h исходя из вероятности F = 1-Ф(h) (требуются объемные табли-
цы);
62 2. Моделирование и анализ сложных систем

3) находится порог q = s2f × h .


Подобные алгоритмы приводят к существенным затратам на аппарат-
но-программную реализацию, неприемлемым в сравнительно недорогих уст-
ройствах, каковыми являются триангуляционные измерители в задачах тех-
нической диагностики и неразрушающего контроля. Также указанный алго-
ритм отличается от оптимального [2] тем, что в него не входит информация
об энергии (амплитуде) импульса.
Особо следует отметить тот факт, что в практике лазерных триангуля-
ционных измерителей малого диапазона (до метра) характерна та ситуация,
что требуется максимально увеличивать вероятность обнаружения импульса,
а фактически требуется фиксировать уровень вероятности правильного обна-
ружения, поскольку шум лишь вносит рассеяние оценки временного положе-
ния сигнала. Поэтому вне зависимости от того, сколько измерений представ-
ляется возможным провести, всегда целесообразно стремиться максимизиро-
вать вероятность обнаружения сигнала.
Однако выбор низкого порога, который обеспечит постоянное обнару-
жение сигнала не допустимо, поскольку исключает возможность работы с
однократными измерениями. Поэтому требуется разработать методику выбо-
ра порога, отталкиваясь от статистических свойств не шума f, а самого сиг-
нала x [3].
При таком подходе увеличение амплитуды сигнала приводит к увели-
чению порога без снижения вероятности обнаружения. Это позволит рабо-
тать с широким диапазоном отношения сигнал/шум, получая закономерное
улучшение результатов при увеличении амплитуды импульса.
Поскольку ставится задача выделения импульса x по его амплитуде,
требуется осуществить переход от временного процесса s к его распределе-
нию L(s). При этом наибольшая часть процесса будет сосредоточена в облас-
ти малых значений (шум), а меньшая, определяемая импульсом – выше зна-
чений шума.
Очевид-
но, что наи-
лучший порог
будет соответ-
ствовать мини-
муму пересече-
ния значений
шума и сигнала.
Обоснованием
этого вывода
является из-
Рис. 2.
вестный прием
сегментирования изображения (сигнала) [4, 5], использующий пороговую об-
работку как средство разделения независимых участков изображения.
Практически сегментирование обосновывается тем, что сигнал имеет
Информационные технологии моделирования и управления, 2005, №1(19) 63

крутые фронты, значениям которым в распределении процесса соответствует


минимальное число отсчетов.
Таким образом, практический алгоритм выбора порога, который обес-
печивает независящую от отношения сигнал/шум вероятность обнаружения
сигнала, сводится к построению распределения L(s) процесса с ограниченной
разрядностью отсчетов h (может быть меньше чем разрядность m входных
отсчетов) и нахождению среднего от значений аргумента распределения, со-
ответствующих минимуму распределения.
Ограничением разрядности до h бит можно добиться сокращения чис-
ла значений аргумента распределения, а в силу более грубого квантования,
минимумом распределения станет значение 1 (нулевые значения игнориру-
ются, т.к. во входном сигнале отсутствовали отсчеты соответствующей вели-
чины). Последнее позволяет представлять распределение только h = 2 бита-
ми и при этом:
L(s[j]) = 0 – отсчеты такой величины отсутствуют (игнорируется);
L(s[j]) = 1 – соответствует минимуму распределения;
L(s[j]) = 2…3 – 2 и более отсчета (не минимум распределения).
Тогда процедура формирования L(s) сводится к виду:
1) из массива s выбирается очередной отсчет s[j];
2) увеличивается на 1 значение L(s[j]) с учетом ограничения числом 3
(для отсчетов повторяющихся более одного раза);
3) повторяются пункты 1 и 2 для всех значений j.
Для поиска порога q требуется обработка дискретного по аргументу s
распределения L(s):
1) ищутся все единичные значения распределения L(s);
2) в качестве порога q берется среднее значение элементов s[j], соответ-
ствующих значениям распределения, обнаруженным в пункте 1.
На рис. 3 приведена
зависимость q(A) порога
от амплитуды импульса
при различной интенсив-
ности шума для N = 1024,
m = h = 8. Все величины
абсолютные и приведены
в единицах АЦП. В каче-
стве полезного импульса
использована модель в ви-
Рис. 3. де гауссианы. Штрихов-
кой на рис. 3 отмечена об-
ласть наихудшего качества оценок положения импульса (величина 5sf пре-
вышает амплитуду A импульса) [3].
При использовании предлагаемой процедуры выбора порога его вели-
чина, как показали результаты моделирования, практически линейно зависит
от амплитуды импульса и всегда ниже ее (рис. 3). Увеличение шума приво-
64 2. Моделирование и анализ сложных систем

дит к незначительному поднятию уровня порога, однако в силу особенностей


алгоритма, выше амплитуды импульса порог не растет, что обеспечивает
D » 1 с монотонно растущей зависимостью q ( A, s f ) .

Заключение
Поставленная в статье задача оценивания положения одиночного ви-
деоимпульса характерна для многих приложений цифровой обработки сигна-
лов. Для ее анализа рассмотрены два варианта: с многократными замерами и
однократным. Исследована оптимальная методика максимального правдопо-
добия для нахождения алгоритма наилучшей обработки набора точечных за-
меров, характеризующихся симметричным (гауссовым) распределением. Вы-
воды анализа характеризуют необходимость снижения дисперсии оценки мо-
ды полезного импульса за счет исключения фона, например, пороговой обра-
боткой.
Разработана эвристическая процедура адаптации порога к статистиче-
ским свойствам полезного импульса. Экспериментальное исследование пока-
зало линейную зависимость адаптивного порога q(A, sf) от параметров вход-
ных данных при которой порог не растет выше амплитуды A, обеспечивая
практически 100% обнаружение импульса. Увеличение интенсивности sf
шума f также приводит к увеличению величины порога, за счет чего диспер-
сия оценки положения импульса увеличивается незначительно.
Использование предложенной адаптивной обработки дополнительно
снижает смещение оценки положения несимметричного видеоимпульса за
счет выделения только участка импульса вблизи его экстремального значе-
ния. Однако следует отметить, что пороговая обработка является эффектив-
ной только при A/sf ³ 5, т.к. при меньшем отношении сигнал/шум дисперсия
оценки оказывается недопустимо большой, что исключает возможность при-
менения пороговой обработки.

Список использованных источников


1. Dorsch G. Hausler, Herrman J.M. Laser triangulation: fundamental un-
certainty in distance measurement // Appl. Opt. 33.– 1994.– PP. 1306-1314.
2. Чердынцев В.А. Радиотехнические системы: Учеб. Пособие для ву-
зов.– Мн.: Высшая школа, 1988.– с 369.
3. Андреев В.Г., Пальчик О.В. Повышение точности измерения геомет-
рических параметров движущихся объектов методом лазерной триангуля-
ции// Датчики и системы.– 2004.– № 9.– С. 6-9.
4. Прэтт У. Цифровая обработка изображений, в 2-х томах.– М.: Мир,
1982.
5. Venediktov A.Z. , Demkin V.N. , Dokov D.S. Choice of optimum modes
of laser triangulation meter at control of surface form // Procеedings of SPIE.–
Vol. 5381.– PP. 103-109.
Информационные технологии моделирования и управления, 2005, №1(19) 65

Преображенский А.П.
ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ ДВУХ МЕТОДОВ
ВОССТАНОВЛЕНИЯ ПАРАМЕТРОВ ЛОКАЛЬНЫХ ОТРАЖАТЕЛЕЙ
НА ПОВЕРХНОСТИ ОБЪЕКТОВ ПО ИХ ДИАГРАММАМ ОБРАТНОГО
РАССЕЯНИЯ
Воронежский институт высоких технологий, г.Воронеж

Введение. Вопросам определения пространственной структуры объек-


тов и получению их радиолокационных изображений (РЛИ) посвящена об-
ширная литература [1-3]. Актуальность проводимых работ обусловлена не-
обходимостью разработки новых и совершенствования известных методов
восстановления РЛИ объектов по результатам измерения их комплексных
диаграмм обратного рассеяния (ДОР).
Цель работы – сравнительный анализ возможностей двух методов вос-
становления РЛИ, один из которых основан на использовании радиогологра-
фического подхода, а другой на применении обратного оператора к массиву
зарегистрированных отсчетов ДОР.
Постановка задачи и методика расчета. Объект, представленный со-
вокупностью независимых отражателей, расположен на опорно-поворотном
устройстве (Рис. 1). Антенна А, располагается в дальней зоне, создает поле
облучения и осуществляет прием рассеянного объектом поля в наборе
k=0..Nk-1 точек. Задачей является определение амплитудно-фазового распре-
деления (АФР) поля вторичного излучения объекта в рабочей зоне D по мас-
сиву Ek зарегистрированных отсчетов ДОР.

Рис. 1. Схема рассеяния электромагнитных волн на объекте

При использовании радиоголографического подхода, с учетом измене-


ния структуры поля облучения в процессе измерений, расчет РЛИ можно
провести следующим образом:
E пл ( x i , y j )
E ( x i , y j ) = å E k ( x i , y j ) обл
V V
, (1)
k E k (x i , y j )
66 2. Моделирование и анализ сложных систем

exp( +2 jk ( x i - x k ) 2 + ( y j - y k ) 2 )
E (x i , y j ) =
V
k
(x i - x k ) 2 + ( y j - y k ) 2
где xi, yj – точки изображения, i=0..Ni-1, j=0..Nj-1, E Vk - АФР в области D, вос-
станавливаемое с k-й точки наблюдения, E обл
k ( x i , y j ) - АФР антенны при рас-

положении антенны в k-й точке наблюдения, E пл - АФР плоского поля, рас-


2p
пространяющегося в направлении j=0, k = , l - длина волны, xk=Rcosjk,
l
yk=Rsinjk – координаты точки наблюдения, R- расстояние до объекта, удов-
летворяющее условию дальней зоны, jk – угол наблюдения.
После подстановок (1) принимает вид
N k -1 exp( +2 jk ( x i - x k ) 2 + ( y j - y k ) 2 )
E (x i , y j ) = å E k (x i , y j )
V r
. (2)
k =0 (x i - x k ) 2 + ( yi - y k ) 2
Выражение (2) представляет основу для синтеза первого алгоритма
восстановления РЛИ.
Второй подход к получению РЛИ заключается в рассмотрении задачи
восстановления как обратной.
Отсчеты зарегистрированного массива E rk , k=0.. Nk-1, представляют
“смазанный” образ РЛИ. Элементы оператора искажений А находятся из ви-
да выражения, описывающего прямой процесс формирования поля вторично-
го излучения объекта.
0 exp( -2 jk ( x s - x k ) + ( y s - y k ) )
S 2 2

E(x k , y k ) = å E s , (3)
s =1 (x s - x k ) + ( y s - y k )
2 2

где E 0s - поле вторичного излучения (неизвестное) в рабочей зоне радиолока-


ционного измерительного комплекса, s – индекс, принимающий значение
0..S-1, S=Ni-1Nj-1
В последнем выражении
exp( -2 jk (R cos(j j ) - x s ) 2 + (R sin( j k ) - y s ) 2 )
A s ,k = , (4)
(R cos(j k ) - x s ) 2 + (R sin( j k ) - y s ) 2
элементы обратного оператора, где k=0..K, i=0..Ni-1.
Строится обобщенная матрица системы линейных уравнений [4]
ì(A * ) Т (A(A * ) Т + d) -1 , K > S
A=í -1
, (5)
î ( A ( A * Т
) + d ) ( A * Т
) , K < S
где d - параметр регуляризации [5]. Параметр регуляризации d=10-10.
Далее определяется восстанавливаемое изображение
J= A Es1, (6)
где Es1= Es(Ek, yk).
Обсуждение результатов расчетов. С использованием алгоритмов (1)-
(2) и (3)-(5) проводилась оценка разрешающей способности локального от-
Информационные технологии моделирования и управления, 2005, №1(19) 67

ражателя в виде точечного источника. Расстояние до локального отражателя


составляло R=2000l, сканирование проводилось в плоскости X,Y=1l..10l.
На рис. 2 приведена зависимость разрешающей способности рассмот-
ренных выше алгоритмов от сектора углов наблюдения. Видно, что исполь-
зование регуляризирующего оператора ведет к заметному улучшению раз-
решающей способности, особенно при малых углах наблюдения.

Рис. 2. Разрешающая способность (ширина максимума восстанавли-


ваемой функции рассеяния точечного отражателя по уровню 0,7) в зависимо-
сти от сектора углов наблюдения, полученная на основании алгоритма (1)-(2)
и (3)-(5)

На рис. 3 приведены нормированные восстановленные распределения


параметров объекта при различных секторах наблюдения Dj для указанных
выше алгоритмов восстановления (1)-(2) и (3)-(5).
Помимо точечных отражателей на основании вышеизложенного алго-
ритма проводилось восстановление локальных отражателей распределенных
в пространстве – двумерных пластин, повернутых на небольшой угол a (по-
пытка рассмотреть фасеточную модель реального объекта), а также трехмер-
ного цилиндра с радиусом a и длиной L. При математическом моделирова-
нии расчет характеристик рассеяния проводился на основе метода физиче-
ской теории дифракции [6].
Расстояние до отражателей составляло R=2000l, сканирование прово-
дилось в плоскости X,Y=1l..50l.
На рис. 4а в качестве примера приведены результаты восстановления
пластин с размером 2a=20l на основании алгоритма (3)-(5). Пластины были
повернуты друг относительно друга на угол a=20°. Сектор углов наблюдения
Dj = 50° - вдали от зеркального отражения.
68 2. Моделирование и анализ сложных систем

а) алгоритм (1)-(2) 1-Dj/2=1°, 2-Dj/2=2°, ..., 10-Dj/2=10°

б) алгоритм (3)-(5) 1-Dj/2=1°, 2-Dj/2=2°, ..., 10-Dj/2=10°


Рис. 3. Восстановленные распределения объекта при различных секто-
рах наблюдения

На рис. 4б в качестве примера приведены результаты восстановления


цилиндра (локальные отражатели - углы цилиндра) - двумерная картина, на
основании алгоритма (3)-(5). Радиус цилиндра составлял a=20l, длина -
L=32l. Сектор углов наблюдения Dj =40°.
При восстановлении на основе алгоритма (1)-(2) может использоваться
функция аподизации [2]
Q m = exp( -3(2m - Ns - 1) 2 ( Ns - 1) - 2 ) . (7)
где m=0.. Ni-1Nj-1-1, Ns=Ni-1Nj-1.
Информационные технологии моделирования и управления, 2005, №1(19) 69

а)

б)
Рис. 4. Восстановление а)двумерных пластин длиной a=10l, б) цилинд-
ра радиусом a=10l и длиной L=32l

При использовании аподизации уменьшается число побочных макси-


мумов на плоскости сканирования, что позволяет более качественно восста-
новить искомые локальные отражатели.
Результаты работы могут быть полезны при прогнозировании радиоло-
кационных характеристик и формы восстанавливаемых объектов [7, 8].
Вывод. В работе на основе метода, использующего обратный оператор,
проведено восстановление локальных отражателей, входящих в состав объ-
ектов сложной формы. Определена разрешающая способность используемого
70 2. Моделирование и анализ сложных систем

метода - разрешающая способность метода не превышает 2l когда угол на-


блюдения больше 12°.

Список использованных источников


1. Манукьян А.А. Определение координат локальных неоднородностей
по поверхности объекта по амплитудно-фазовой диаграмме обратного рас-
сеяния. – Радиотехника и электроника, 1985, т.30, № 2, с.282-290.
2. Варганов М.Е., Зиновьев Ю.С. Радиолокационные характеристики
летательных аппаратов/ Под.ред. Л.Т.Тучкова. М.:Радио и связь, 1985. - 236с.
3. Штагер Е.А., Чаевский Е.В. Рассеяние волн на телах сложной фор-
мы. – М.: Сов. Радио, 1974 – 240 с.
4. Ермаков С.М., Жиглявский А.А. Математическая теория оптималь-
ного эксперимента. – М.: Наука, 1987 – 318 с.
5. Василенко Г.И., Тараторин А.М. Восстановление изображений. –
М.: Радио и связь, 1986 – 301 с.
6. Уфимцев П.Я. Метод краевых волн в физической теории дифракции.
– М.: Сов. радио, 1962. – 244 с.
7. Преображенский А.П. Исследование возможности определения фор-
мы объекта в окрестности восстановления локальных отражателей на по-
верхности объектов по их диаграммам обратного рассеяния// Телекоммуни-
кации, 2003. №4, С. 29-32.
8. Преображенский А.П., Чопоров О.Н. Алгоритмы прогнозирования
радиолокационных характеристик объектов при восстановлении радиолока-
ционных изображений// Системы управления и информационные техноло-
гии, 2004. №5с, С. 85-87.

Солер Я.И., Казимиров Д.Ю.


КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ТЕПЛОВЫХ ЯВЛЕНИЙ ПРИ
ПЛОСКОМ ШЛИФОВАНИИ ЗАКАЛЕННОЙ СТАЛИ 30ХГСН2А-ВД
ПЕРИФЕРИЕЙ АБРАЗИВНОГО КРУГА
Иркутский государственный технический университет, г.Иркутск

В современном машиностроении неуклонно повышается роль шлифо-


вания на завершающих этапах механообработки. Это обусловлено не только
повышением требований к качеству изготовления деталей, но и расширением
возможностей абразивной обработки, например, с появлением кругов высо-
кой пористости.
Воздействие круга на деталь протекает в малых приповерхностных
слоях, вызывая высокие механические и тепловые нагрузки. Под их воздей-
ствием могут возникнуть структурные превращения и трещины в материале
детали. Владея сведениями о температурных полях в обрабатываемой детали,
можно прогнозировать её долговечность и правильно организовать процесс
шлифования. Теплофизический анализ обрабатываемой детали ведут с ис-
пользованием экспериментальных, аналитических и численных методов, а
Информационные технологии моделирования и управления, 2005, №1(19) 71

также математического моделирования [1]. Развитие вычислительной техни-


ки и математического обеспечения расширило возможности численных ме-
тодов решения дифференциального уравнения теплопроводности. Про-
граммный комплекс MSC.Marc/Mentat использует метод конечных элементов
(МКЭ). Он обладает широкими возможностями при решении нелинейных за-
дач технологической теплофизики. В данной работе комплекс
MSC.Marc/Mentat адаптирован для исследования тепловых полей, возни-
кающих при плоском шлифовании закаленной стали 30ХГСН2А-ВД
( HRCЭ 47-49) периферией абразивных кругов. Размеры шлифуемой поверх-
ности детали составляли L ´ B = 25 ´ 25 мм2, а высота H =5 мм. Форма, раз-
меры и характеристика абразивных кругов высокой пористости –
ПП250×20×76 25А40ПС1 10К5/КФ40. Режимы шлифования: скорость круга
u K =30м/с; продольная подача sпр =20м/мин.; поперечная подача sп =0,2 H к =4
мм/дв.х., где H к =20мм – высота абразивного круга; глубина резания t - 0,005;
0,01 и 0,015мм.
Конечно-элементная (КЭ) модель построена в MSC.Marc/Mentat [1] и
представлена на рис. 1.
В данной работе приведены сведения по КЭ-модели, которые необхо-
димы для количественной оценки результатов моделирования. Шаги сетки по
всем направлениям взяты по 1мм, а на шлифуемой поверхности один шаг
сетки по высоте соответствует глубине резания на каждом режиме.

Рис. 1. КЭ-модель детали

При моделировании использованы следующие физико-механические


свойства стали 30ХГСН2А-ВД: плотность, модуль Юнга, удельная теплоём-
кость, коэффициенты Пуассона, линейного расширения и теплопроводности,
которые задавались с учётом температуры нагрева. Выбор начального и гра-
72 2. Моделирование и анализ сложных систем

ничных условий (значений коэффициента и температуры конвекции) рас-


смотрен в работе [1]. Следующим шагом в нагружении КЭ-модели было за-
дание теплового потока по элементарному объёму верхнего слоя конечных
элементов, который нашли из выражения:
q = Pz uК K1K 2 K3 / Fk , (1)
где Pz – тангенциальное усилие, Н [2]; K1 =0,85 – коэффициент неполноты
перехода мощности резания в тепло; K 2 =0,65 – коэффициент распростране-
ния тепла в обрабатываемую заготовку; K 3 – коэффициент, учитывающий
технологическое назначение прохода и расположение круга относительно
ширины шлифуемой детали; Fk = Lk Bk , м2 – площадь контакта круга с дета-
лью; Lk - длина дуги контакта [3], Bk - его ширина.
Поперечная подача sп = 0,2 H K = 4 мм/дв.х. принята меньше ширины
детали B =25 мм, поэтому моделирование съема припуска производилось за
12 двойных проходов с учётом перебега круга до полного выхода из контакта
с заготовкой. В выражении (1) усилие Pz находим для первого рабочего хода,
т.е. при врезании круга в деталь на 4 мм. Для этого момента резания коэффи-
циент K 3 =1,0. При обратном (выхаживающем) ходе его снижаем до 0,8. На
втором рабочем ходе значение K 3 для нового шлифуемого слоя детали со-
храняем прежним, а на прошлифованном участке принимаем K 3 =0,5 и т.д.
Для случая полного врезания круга на всю высоту H K распределение тепло-
вых потоков дано в таблице.

Распределение тепловых потоков по ширине шлифуемой детали


Значения коэффициента K 3 при расположении круга
Проход 0,2 H K = 4 0 ,4 H K = 8 0 ,6 H K = 12 0 ,8 H K = 16 H K = 20
мм
Рабочий 0,02 0,050 0,15 0,50 1,00
Выхаживающий 0,01 0,025 0,10 0,20 0,80

При врезании круга более 20 мм по ширине заготовки только на одном


двойном проходе величина Fk сохраняется наибольшей. Затем она начинает
последовательно снижаться, поэтому сохраняем закон изменения коэффици-
ента K 3 в обратной последовательности. Режим нагружения КЭ-модели
включал также начало и окончание действия теплового потока. При модели-
ровании продольная подача не изменялась, поэтому время прохождения
шлифовальным кругом элементарного объема (шага) получилось постоян-
ным и равно t = 0,003 с.
На рис. 2-4 представлены температурные поля, просчитанные про-
граммой MSC.Marc, при шлифовании с различными глубинами t на рабочем
ходе для следующего момента времени: абразивный круг врезался в направ-
лении поперечной подачи на величину 0 ,8 H K и находится по длине заготов-
Информационные технологии моделирования и управления, 2005, №1(19) 73

ки на расстоянии 13 мм (узел 14) от начала шлифования. Результаты модели-


рования показали, что характер нагрева по длине детали зависит от величины
операционного припуска, срезаемого за проход круга. При наименьшей глу-
бине резания t1 = 0 ,005 мм изотермы в прошлифованной зоне детали получи-
лись пологими; при наибольшей глубине t3 = 0 ,015 мм они выходят на по-
верхность почти под прямым углом. Одновременно сокращается их протя-
женность li , i = 1,3 относительно очага наибольшего нагрева. Для иллюстра-
ции сказанного рассмотрим изотерму 0,45Tmax , где Tmax - наибольшая темпе-
ратура резания. В зависимости от режима шлифования получаем изолинии:
T1 = 132 0 C при t1 = 0 ,005 мм; T2 = 178 0 C при t2 = 0 ,01 мм и T3 = 227,9 0C при
t3 = 0 ,015 мм. Длины этих изотерм: l1 = 10 мм, l2 = 6 ,5 мм, l3 = 5,5 мм соответ-
ственно. Наибольшая глубина t3 = 0 ,015 мм создает предпосылки для форми-
рования структурных превращений в материале шлифуемой заготовки и по-
явления термических трещин. При этой глубине изолинии минимальных
температур нагрева имеют точку перегиба впереди зоны шлифования, поэто-
му выпуклость изотермы переходит в ее вогнутость.
Прослеживается воздействие глубины резания на распределение тем-
ператур нагрева в поперечном сечении А-А шлифуемой заготовки (рис. 2-4).
При минимальной глубине t1 (рис. 2) охлаждение детали в прошлифованной
зоне протекает более интенсивно, чем при большей глубине ti , i = 2,3 , а ее
прогрев впереди источника тепла снижается. На всех режимах шлифования
тепловой источник Tmax имеет меньшую ширину, чем принятая поперечная
подача sп =0,2 H к =4 мм/дв.х., за счет отвода тепла в более холодные слои ма-
териала.
Одновременно установлено, что в момент окончания шлифования (ра-
бочего прохода) наблюдается скачок наибольшей температуры нагрева дета-
ли в 1,18-1,34 раза от значений, представленных на рис. 2-4. Большее возрас-
тание дано для t3 = 0 ,015 мм, меньшее - t1 = 0 ,005 мм. При небольшой скоро-
сти перемещения теплового источника ( sпр £ 7 м/мин.) описанное явление
при компьютерном моделировании тепловых полей не обнаружено [1, 6].
На рис. 5 изображено температурное поле в поперечном сечении дета-
ли при t3 = 0 ,015 мм в момент полного выхода абразивного круга из зоны
шлифования. Остальные условия обработки идентичны рис. 4. В этот момент
наибольшая температура нагрева снизилась до Tmax = 222 0C . В зоне начала
шлифования по длине детали T = 197 0C , а на противоположной стороне за-
готовки (впереди источника тепла) еще ниже и составила T = 134 0C . Но ее
значение намного больше принятой начальной температуры T = 20 0C за счет
прогрева материала по ширине заготовки при многопроходном шлифовании.
74 2. Моделирование и анализ сложных систем

Рис. 2. Температурное поле в детали при глубине резания t1 = 0,005 мм

Рис. 3. Температурное поле в детали при глубине резания t2 = 0,01 мм


Информационные технологии моделирования и управления, 2005, №1(19) 75

Рис. 4. Температурное поле в детали при глубине резания t3 = 0,015 мм

Результаты проведенного исследования не подтвердили положение [4,


5], используемое ранее при электромоделировании теплофизики процесса
шлифования, о том, что форма изолиний нагрева детали определяется только
скоростью движения теплового источника. При этом глубина резания оказы-
вает влияние только на значения температур изолиний.

Выводы по работе
1. Показана высокая эффективность использования программного ком-
плекса MSC.Marc/Mentat при исследовании тепловых явлений, протекающих
при плоском шлифовании закаленной стали 30ХГСН2А-ВД.
2. Установлено, что при работе без охлаждения увеличение глубины
резания до 0,015 мм может привести к структурным превращениям в мате-
риале детали и термическим трещинам. Для устранения дефектов в поверх-
ностных слоях заготовки следует ограничивать глубину t £ 0,01 мм.
3. Выявлено, что на характер распределения температур в детали при
шлифовании оказывает влияние не только продольная подача, но и глубина
резания.
4. Скачок температур нагрева в 1,2-1,3 раза в момент выхода круга из
зоны резания позволил объяснить наличие прижогов на шлифованной по-
верхности в конце рабочего хода, которое часто имеет место на практике.
Для их устранения при шлифовании ответственных деталей большой длины
следует снижать величину продольной подачи и увеличивать перебеги абра-
зивного круга при многопроходном съеме припуска.
76 2. Моделирование и анализ сложных систем

Рис. 5. Температурное поле в детали в поперечном сечении при рабо-


чем ходе в момент полного выхода круга из контакта с деталью при
t3 = 0 ,015 мм

Список использованных источников


1. Солер Я.И., Вторушин В.А. Компьютерное моделирование тепловых
явлений при заточке-доводке быстрорежущего инструмента кругами из ку-
бонита с использованием системы MSC.Marc // Вестник ИрГТУ. – 2004. - №1
(17). – С. 63-68.
2. Зубарев Ю.М. Теоретические и технологические основы высокопро-
изводительного плоского шлифования: Авт. дис. … докт. техн. наук. – СПб,
2001. – 49 с.
3. Маслов Е.Н. Теория шлифования материалов. – М.: Машинострое-
ние, 1974. – 320 с.
4. Резников А.Н. Теплофизика процессов механической обработки ма-
териалов. М.: Машиностроение, 1981. - 279 с.
5. Темников А.В., Синяев Г.М., Солер Я.И. Применение электромоде-
лирования для исследования температур при шлифовании быстрорежущей
стали алмазными и эльборовыми кругами // Алмазы. - 1972. - №5. – С. 21-24.
6. Солер Я.И., Казимиров Д.Ю. Моделирование тепловых полей при
доводке быстрорежущих резцов с учетом физической нелинейности // Ин-
формационные технологии моделирования и управления: Междун. сб. научн.
тр. Вып. 18 / Под ред. д.т.н., проф. О.Я. Кравца. – Воронеж: Научная книга,
2004. – С. 131-139.
Информационные технологии моделирования и управления, 2005, №1(19) 77

Чумаков Р.Е.
КОМПЛЕКСНАЯ ТЕХНИКО-ЭКОНОМИЧЕСКАЯ МОДЕЛЬ
СБОРОЧНО-РЕЗЬБООБРАЗУЮЩИХ ПРОЦЕССОВ
Читинский государственный университет, г.Чита

Введение
Современное сборочное производство характеризуется внедрением пе-
редовых технологий, позволяющих значительно снизить трудоемкость про-
изводства, сократить затраты на энергию и материалы и получить изделие с
высокими эксплуатационными свойствами.
Резьбовые соединения составляют свыше 70% общего объема механи-
ческих соединений в промышленности [10], при этом сборка резьбовых со-
единений считается одной из самых трудоемких операций. Сборочно-
резьбообразующия технология позволяет значительно снизить трудоемкость
сборки. Данная технология объединяет этапы ориентирования, резьбообразо-
вания и затяжки. При этом исключается операция предварительного нареза-
ния резьбы, происходит экономия времени, материалов и инструмента.
Реализация сборочного процесса возможна на основе различного обо-
рудования и технологий. В настоящее время существует множество типов
крепежных элементов с различной геометрией, приспособленной под опре-
деленные материалы и т.д. В условиях современного производства одним из
главных становится экономический фактор. В работе [11] указывается, что
неправильный выбор стратегии сборки может привести к значительным фи-
нансовым потерям для компании.
Для принятия решения о выборе того или иного варианта необходимо
провести сравнительный анализ не только технических характеристик кре-
пежных элементов и получаемого резьбового соединения, но и сравнить ва-
рианты реализации с экономических позиций.
Структурный анализ сборочных процессов и их формализация произ-
водится с целью автоматизации технологической подготовки сборочного
производства и облегчения задачи выбора оптимальных вариантов в много-
компонентной и многокритериальной среде.
Структуризация сборочных операций реализуется на различных прин-
ципах дробления на элементарные действия, взаимосвязи, составляющие и
т.д. [8]. Самым традиционным является путь схематизации сборки [7].
В последнее время получили развитие новые методы анализа. Среди
них можно выделить оптимизационные, многоуровневые, сетевые, а также
планирование производства с использованием экспертных знаний [9].
Указанные направления и методики достаточно эффективны для мно-
гооперационных процессов. Отдельная же сборочная операция структурно
считается достаточно простой, и анализу таких операций не уделяется долж-
ного внимания.
Однако обоснование структурной схемы даже отдельной операции вы-
зывает серьезные трудности, поскольку оценки с использованием только
экономических критериев недостаточно для обоснованного решения. Даже
78 2. Моделирование и анализ сложных систем

худшие с экономической стороны варианты могут обеспечить высокое каче-


ство сборки. Если добавить показатели надежности, эксплуатационные пока-
затели, затраты на энергию и т.д., то становится очевидной вся сложность
оценки.
С анализом эффективности того или иного процесса связаны трудности
выбора определенного оценочного критерия. Все многообразие критериев
сводят к двум группам [6]: экономические; технико-экономические.
Экономические оценивают конкретный процесс по абсолютным пока-
зателям (себестоимость, полные затраты, затраты на приобретение дополни-
тельных средств и другие) [1], по показателям стоимостной производитель-
ности [4]. Экономические показатели не учитывают техническую сторону
эффективности.
Технико-экономические оценивают процесс, как с позиций экономики,
так и с позиции технической эффективности. Разработка конкретной методи-
ки оценки должна привести к достижению двух качеств:
– методика должна быть универсальной;
– она должна адаптироваться под конкретный процесс.
Эти качества являются техническим противоречием, разрешить кото-
рое удалось с помощью разработанного метода, в основе которого лежит
технико-экономический анализ монтажно-резьбообразующих операций [2].

1. Структурный анализ технологий сборочно-резьбообразующего


процесса
Для установления показателей процесса сборки необходимо провести
анализ структуры сборочно-резьбообразующего процесса.
Задача структуризации решалась в следующем порядке:
1. Создавалась морфологическая структура сборочного процесса,
включающая исходные данные процесса, технологические способы реализа-
ции процесса, применяемое оборудование [5].
2. Определялся набор показателей, характеризующих технологические
параметры сборки, качественные показатели образуемых соединений, а так-
же экономические стороны процесса.
Морфологическая структура сборочно-резьбообразующих процессов
представлена в табл. 1. В ней показаны набор вариантов по различным харак-
теристикам процесса: диапазон резьб, материал корпусных деталей, типы
крепежных элементов, способы получения резьбовых соединений, типы обо-
рудования.
Представленная структура обладает следующими достоинствами:
1. Более широкие технологические возможности, в том числе и для
формирования новых типов резьбовых соединений.
2. Многовариантность реализации сборочного процесса.
3. Возможность управления режимами сборочной операции.
4. Возможность синтеза новых технических решений, например, по ти-
пам крепежа.
Информационные технологии моделирования и управления, 2005, №1(19) 79

Таблица 1
Морфологическая карта вариантов сборочных процессов

ДЕТАЛИ РАБОЧИЙ ПРОЦЕСС


Резьба Материал Крепежные Способ Оборудование
корпуса элементы сборки
1.1.М5– 2.1. Алю- 3. Стандартные: 5.1. Сборка 6.1. Универсальные свер-
М6 миниевые 3.1. Шпильки соедине- лильные станки
1.2.М8– литейные 3.2. Винты ний с тугой 6.2. Станки с ЧПУ. За-
М12 сплавы 3.3. Втулки посадкой грузка крепежа роботом
1.3.М14– 2.2. Алю- 3.4. Стойки 5.2. Ввин- 6.3. Станки с ЧПУ. Пода-
М20 миниевые 4. Нестандарт- чивание в ча крепежа из загрузоч-
1.4. >М20 деформи- ные: гладкое от- ного устройства
руемые 4.1. Крепеж с об- верстие 6.4. Станки с ЧПУ. Захват
сплавы ратной конусно- 5.3. Ввин- крепежа из палеты
2.3. Маг- стью чивание в 6.5. Станки с ЧПУ. Пода-
ниевые ли- 4.2. Крепеж с гладкое от- ча крепежа в патрон через
тейные овальной дефор- верстие с инструментальный мага-
сплавы мируемой частью ультразву- зин
2.4. Угле- 4.3. Винты де- ком 6.6. Стационарные одно-
родистые формирующие 5.4. Другие шпиндельные винтоверты
стали специальные 6.7. Стандартные одно-
2.5. Серые 4.4. Другие виды шпиндельные шпилько-
чугуны верты
Структура сборочно-резьбообразующего процесса представлена на рис.
1. Основу процесса составляет сборочная операция, состоящая из нескольких
этапов, и комплекс ее технологического обеспечения.
Вся совокупность показателей охватывает два основных типа:
- показатели технологии;
- экономические показатели.
Указанные группы показателей стали основой для комплексного тех-
нико-экономического анализа.

2. Технико-экономический анализ эффективности процесса сборки


А.Э. Розенплентер, В.С. Сычев, С.П. Чернышов и др. указывают, что
методы технико-экономического анализа объединяют три группы: сравнения,
оптимизации и специальные методы [6].
Представленный в статье метод по признакам ближе к оптимизацион-
ным методам анализа, хотя и включает в себя совокупность экономических
показателей. В нем применена система относительных показателей, которые
адаптированы под любой процесс, включая эксплуатацию, испытания, меха-
ническую обработку и т.д. Внутри каждой группы показателей определялась
группа коэффициентов, соответствующих их физической сущности. Произ-
водилась работа по выявлению ранее неизвестных, но необходимых парамет-
ров и их численной оценке. Например, определение себестоимости различ-
ных вариантов, расчет интенсивностей силовых показателей и т.д. Оценка
80 2. Моделирование и анализ сложных систем

значимости показателей производилась методом расстановки приоритетов


[3]. При этом определялись коэффициенты значимости не менее 10%, ос-
тальные не учитывались. Аналитическая модель процесса представлена в
форме комплексной целевой функции:
F = FT + FЭ ® min (1)
где
ìF = n k П ;
ïï T å p
p Т

í m
ï FЭ = å kl П Э ;
ïî l

ПТ, ПЭ – коэффициентные оценки технологических и экономических


показателей соответственно;
p, l – порядковые номера показателей в группе;
n, m – количество показателей;
kp, kl – соответствующие коэффициенты значимости показателей.
Коэффициенты сформированы таким образом, чтобы целевая функция
(1) стремилась к экстремальной области.
Для показателей технологии выбраны: П1 – интенсивность крутящих
моментов; П2 – качество резьбового профиля; П3 – упрочнение внутренней
резьбы; П4 – свойства и стабильность затяжки; П5 – возможность демонтажа;
П6 – возможность монтажа в корпуса с НВ > 900 МПа (твердость по Бринел-
лю). Система 15-ти сравнений вариантов будет иметь вид
П1 > П2 П2 = П3 П3 = П4 П4 > П5 П5 = П6
П1 > П3 П2 = П4 П3 = П5 П4 > П6
П1 = П4 П2 > П5 П3 > П6
П1 > П5 П2 > П6
П1 = П6
Приняв систему количественных соотношений
ì2 П i > П j ;
ï
aij = í1 П i = П j ; (2)
ï0 П i < П j ,
î
построим матрицу смежности (табл. 2).
Таблица 2
Матрица смежности при оценке приоритетов
j П1 П2 П3 П4 П5 П6 Pi1 Pi1ОТ Pi2 Pi2ОТ или kp в Приори-
i формуле (1) тет
П1 1 2 2 1 2 1 9 0,25 50 0,266 I
П2 0 1 1 1 2 2 7 0,194 35 0,186 III
П3 0 1 1 1 1 0 4 0,111 22 0,117 V
П4 1 1 1 1 2 2 8 0,222 44 0,234 II
П5 0 0 1 0 1 1 3 0,083 12 0,064 –
П6 1 0 2 0 1 1 5 0,138 25 0,133 IV
S – – – – – – 36 1,0 188 1,0 –
Информационные технологии моделирования и управления, 2005, №1(19) 81
82 2. Моделирование и анализ сложных систем

Коэффициенты значимости определялись по весовым оценкам


ì ОТ Pi1
ï Pi1 = 6 ;
ï
ï å Pi1
ï i =1
ï 6
(3)
í
ï å a j Pi1
ï PОТ = i, j =1 ,
ï i2 6
ï
ïî
å Pi 2
i =1
где aij – элементы матрицы смежности.
Pi1, Pi2 – первичный и вторичный весовые показатели:
ì 6
ï Pi1 = å aij ;
ïï j =1
í 6 (4)
ïP =
ï i2 å a j Pi1.
ïî i , j =1
Например, для П1 весовые показатели рассчитываются следующим об-
разом:
P1 = 1 + 2 + 2 + 1 + 2 + 1 = 9;
P2 = 1 ´ 9 + 2 ´ 7 + 2 ´ 4 + 1 ´ 8 + 2 ´ 3 + 1 ´ 5 = 50.
Коэффициенты значимости k1–k6 для целевой функции (1) равны РiОТ.
Таким образом, значимостью обладают все показатели, кроме П5.
Систему коэффициентной оценки показателей приведем на примере их
совокупности для П1–П6.
Показатель интенсивности крутящего момента:
ì 4 M кр
ï K J = a1 2 ;
ï pd1 × z
ï M кр
П1 Î í K M = ; (5)
ï M тр
ï M кр
ï K ПМ = [M ] ,
î
где KJ – коэффициентная оценка интенсивности крутящего момента;
KM – оценка уровня крутящего момента;
KПM – оценка предельного крутящего момента;
а1 – коэффициент приведения к уровню, близкому к единице;
Mкр – крутящий момент;
Мтр – момент завинчивания, аналогичного с тугой посадкой по ГОСТ
4608-81;
[М] – предельный момент среза стержня КРЭ;
d1 – внутренний диаметр резьбы;
z – количество витков на длине свинчивания.
Качественный показатель резьбового профиля:
Информационные технологии моделирования и управления, 2005, №1(19) 83

ì hс
ï Kh = h ;
П2 Î í d - d1k (6)
ï Kh = ,
î d - d1
где Kh – коэффициент высоты сформированного профиля;
Kη – коэффициент заполнения профиля;
hc – высота профиля по ГОСТ 9150-81;
h – реальная высота профиля.
Показатель упрочнения внутренней резьбы:
ì H 50исх
ïK H = ;
ï H 50max
П3 Î í (7)
ïK = d - do × a ,
ï У 2h упр 3
î
где KH – степень упрочнения профиля;
KУ – показатель глубины упрочнения;
a 3 – коэффициент приведения;
H50исх, Н50max – уровни микротвердости недеформированных слоев и
впадин резьбы;
hупр – глубина упрочненной зоны;
d, do – наружный диаметр винта и отверстия соответственно.
Показатель стопорящих свойств и стабильности затяжки:
0,7
П4 =
KC
где 0,7 – средний коэффициент стопорения соединений по ГОСТ 4608-81;
KC – коэффициент стопорения.
Показатель возможности демонтажа принят равным:
a5
П5 = (8)
KC × n

где a 5 – коэффициент приведения;


n – число повторных сборок для одного КРЭ.
Показатель П6 определяет возможность монтажа КРЭ в отверстиях
корпусов с НВ>900 МПа.
М кр 2
П6 = , (9)
М кр × [М ]
(HB 90 )
где Мкр – расчетное значение действующего крутящего момента;
Мкр(НВ 90) – расчетное значение момента для данного типа КРЭ, соответ-
ствующее его завинчиванию в алюминиевый сплав с НВ 90.
К экономическим показателям относятся:
ПЭ 1 – показатель производительности;
ПЭ 2 – показатель эффективности процесса;
ПЭ 3 – показатель приведенных затрат.
84 2. Моделирование и анализ сложных систем

ì To
ï ПЭ1 = T
ï on
ï
ПЭ Î í ПЭ 2 =
å N
aЭ 2 (10)
ï M кр
ï ПЭ 3 = SцaЭ 3 ,
ï
î
где То – основное время сборки одного соединения;
Топ – суммарное время выполнения операции;
SN – суммарная мощность устройств, включая станок, УЗ-генератор,
электросиловую установку (при условии использования последних);
a Э 2 ,a Э 3 – коэффициенты приведения;
Sц – значения приведенных затрат.
Коэффициенты kl в целевой функции (1) назначались на основе экс-
пертных оценок.
В процессе анализа произведен расчет цеховой себестоимости по раз-
личным вариантам реализации технологических процессов сборки. Расчет по
каждому из способов (коды 5.1–5.4 согласно табл. 1) выполнен для различ-
ных схем, включая оборудование и другое техническое оснащение (приспо-
собления, патроны, мерительный инструмент, подготовку управляющих про-
грамм, транспортные устройства и прочее).
Приведенные затраты на дополнительные капитальные вложения рас-
считывались по основному оборудованию и по производственным площадям.
Цеховая себестоимость определена в размерности руб./отверстие при годо-
вой программе 1000 штук деталей с 16-ю отверстиями каждая.
Типы используемого основного оборудования:
1. Радиально-сверлильный станок.
2. Вертикально-сверлильный станок с позиционным столом и с загру-
зочным роботом.
3. Вертикально-фрезерный станок.
4. Агрегатный завинчивающий одношпиндельный автомат с позицион-
ным столом.
Варьированием затрат по изменяемым статьям реализованы регресси-
онные модели цеховой себестоимости по каждому из существующих спосо-
бов сборки и их технологическому оснащению. Цеховая себестоимость опре-
делялась в форме:
Sц=с0+с1Цоб+с2N+с3Sкрэ+с4Sпл+с5tшт.к+с6Цоб×Sкрэ+
+с7Sкрэ×Sпл+с8Цоб×tшт.к+с9×Цоб×Sкрэ×tшт.к , (11)
где с0 – константа;
с1–с9 – коэффициенты уравнений регрессии;
Цоб – затраты на приобретение основного оборудования
Kmin – коэффициент дополнительных затрат на соответствующую ком-
поновку сборочного модуля;
N – суммарная мощность, затраченная на сборку;
Sкрэ – покупная стоимость крепежного элемента;
Sпл – затраты на производительные площади;
Информационные технологии моделирования и управления, 2005, №1(19) 85

tшт.к – штучно-калькуляционное время на сборку одного соединения.


Коэффициенты регрессионных моделей приведены в табл. 3.

Таблица 3
Коэффициенты регрессионных моделей цеховой себестоимости и пока-
затели анализа
Коэффициенты с1–с9 моделей для способов
Факторы сборки по кодам, согласно таблице 1
регрессионной модели без дополнительных с дополнительными
капиталовложений капиталовложениями
Фактор Размерность Код 5.2 Код 5.3 Код 5.2 Код 5.3
Цоб руб. – 0,038 – 0,0095 – 0,0096 – 0,0033
N кВт 0,254 0,075 0,455 – 0,193
Sкрэ руб. 0,906 34,97 2,503 – 1,59
Sпл руб. 0,34 – 3,54 0,235 0,364
tшт.к мин. 0,932 – 5,45 – 0,44 – 0,021
2
Цоб× Sкрэ руб. – 0,0022 0,961 0,025 – 0,12
2
Sкрэ× Sпл руб. 0,044 – 12,45 – 0,032 1,008
Цоб× tшт.к руб×мин 0,000057 0,0136 0,003 0,005
Цоб× tшт.к× Sкрэ руб ×мин
2
0,000555 – 0,31 – 0,011 0,039
Константа с0 – 4,83 22,65 – 0,577 5,69
Выборочный коэффициент 0,999174 0,997 0,9996 0,9998
корреляции rij
Ошибка аппроксимации dij 0,016 0,025 0,018 0,0105

Анализ целевой функции (1) и ее оптимизация производились в


MatCAD 8.0. Программа была настроена на построение полей распределения
3
значений целевой функции в пространстве ÉX =F U ( X e I Yn I Ym ) ,
e, n, m
где Х – координата способов сборки;
Y – оси ординат;
e – анализируемые способы (5.2; 5.3; 5.4 по табл. 1);
n – анализируемые типы крепежных деталей (3.1; 4.1; 4.2 по табл. 1);
m – анализируемые типы оборудования (6.1; 6.2; 6.3 по табл. 1).
Примеры полей распределения целевой функции (1) показаны на рис.
2. В соответствии с рис. 2, например, для алюминиевого сплава предпочти-
тельный вариант реализации будет (согласно кодам табл. 1): 4.1; 5.3; 6.3, т.е.
сборка резьбовой детали с обратной конусностью на станке с ЧПУ; метод ин-
тенсификации - ультразвуковые колебания.

Заключение
Представленная методика позволяет комплексно оценить процесс
сборки резьбообразующих крепежных элементов с позиции технико-
86 2. Моделирование и анализ сложных систем

экономической эффективности. Структурный анализ процесса сборки рас-


ширяет технологические возможности, обеспечивая формирование новых
типов соединений и использование различного сборочного оборудования и
технологической оснастки.

На основе структурного анализа различных компоновок оборудования


определены реализуемые варианты данной технологии, проведена оценка
технико-экономической эффективности различных вариантов.
Разработанная методика позволяет на этапе конструкторско-
технологических расчетов оценить техническую и экономическую эффек-
тивность сборочно-резьбообразующей технологии, рассчитать основные за-
траты и определить альтернативные варианты реализации.
Информационные технологии моделирования и управления, 2005, №1(19) 87

Список использованных источников


1. Бамбалов С.Н., Демидов В.И., Сак А.В. Экономические методы
оценки новой техники // Машиностроитель. – 1996. – № 12. – С. 30–33.
2. Березин С.Я., Березина Л.М. Технико-экономические показатели и
структурный анализ модулей для монтажно-резьбообразующих операций //
Вестник Читинского гос. техн. ун-та: Вып. 14. – Чита: ЧитГТУ, 1999. – С.
148–156.
3. Блюмберг В.А., Глущенко В.Ф. Какое решение лучше? Метод
расстановки приоритетов. – Л.: Лениздат, 1982. – 160 с.
4. Иванов Ю.В. Повышение эффективности сборки изделий // Вест-
ник МГТУ: Машиностроение. – 1995. – № 4. – С. 66–75.
5. Кузнецов Ю.Н. Методические указания к применению системно-
морфологического метода поиска новых технических решений. – Киев:
Политехнический институт, 1985. – 60 с.
6. Розенплентер А.Э, Сычев В.С., Чернышов С.П., Шур И.С. Основы
технико-экономического анализа инженерных решений. – Киев: Высш. шк.,
1989. – 126 с.
7. Яхимович В.А., Головащенко В.Е., Кулинич И.Я. Автоматизация
сборки резьбовых соединений. – Львов: Высш. шк., 1982. – 180 с.
8. Awad E.M. Systems Analysis and Design. – Illinois: Richard D. Irwin,
Inc, 1986.
9. Chang T.C. Expert Process Planning for Manufacturing. – Addison-
Wesley Publishing Company, Inc, 1990.
10. Hellmann K.-H. Entwicklung der Schraubtechnik // VDI – Zeitschrift. –
1989. V. 131. №5. S. 89 – 93.
11. John R., Jones S. The economic Relevance of materials joining technol-
ogy // Welding World. – 1997. V. 39. №3. P. 145 – 153.

Шопырин Д.Г.
МЕТОД ПРОЕКТИРОВАНИЯ И РЕАЛИЗАЦИИ КОНЕЧНЫХ
АВТОМАТОВ НА ОСНОВЕ ВИРТУАЛЬНЫХ ВЛОЖЕННЫХ
КЛАССОВ
Санкт-Петербургский государственный университет информационных технологий, ме-
ханики и оптики, г. Санкт-Петербург

Введение
Объектно-ориентированная система может содержать объекты с выде-
ленными состояниями [1] или объекты с выделенными режимами работы
[2]. Термин состояние в данном контексте неоднозначен, так как объект мо-
жет содержать данные, которые формально являются его «состоянием», но
при этом незначительно влияют на его поведение. Поэтому далее будет ис-
пользоваться термин режим работы (mode). Этот термин заимствован из
англоязычной литературы, в то время как в работе [3] состояния объекта раз-
88 2. Моделирование и анализ сложных систем

делены, как и в машине Тьюринга, на две группы – управляющие и вычисли-


тельные, причем режимам работы соответствует управляющие состояния.
Множество возможных режимов вместе с правилами перехода между
ними назовем макрологикой - она описывает поведение объекта. Одним из
способов формализации макрологики являются конечные автоматы [4].
Совместное использование объектно-ориентированной и автоматно-
ориентированной технологий программирования связано с решением сле-
дующих задач:
· интеграция конечного автомата в объектно-ориентированную систе-
му;
· реализация конечного автомата в объектно-ориентированном стиле.
Подробный обзор существующих подходов к решению указанных за-
дач приведен в работах [5, 6]. В настоящей работе предлагается новый под-
ход, являющийся комбинацией паттерна проектирования State [7] и подхода,
основанного на виртуальных методах [8].
Достоинством паттерна State является декомпозиция режимов работы
объекта в отдельные классы, а недостатком – отсутствие возможности рас-
ширять макрологику за счет наследования.
Преимуществом подхода, основанного на виртуальных методах, явля-
ется возможность расширять макрологику, используя механизм наследова-
ния, а его недостатками:
· трудоемкость преобразования методов в события;
· практическая невозможность иметь внутренние (вычислительные)
состояния в конкретных режимах работы.
Предлагаемый подход, основанный на виртуальных вложенных клас-
сах, сохраняет возможность расширения логики с помощью наследования и
избавляет от указанных недостатков.
Механизм виртуальных вложенных классов позволяет перегружать
вложенный класс базового класса в его потомках. Например, если класс
Vector содержит вложенный виртуальный класс Item, то класс IntVector мо-
жет перегрузить его вложенным классом IntItem. Подобная возможность
предоставляется, например, в языке программирования Python [9]. Многие
статически типизируемые объектно-ориентированные языки программиро-
вания не поддерживают виртуальные вложенные классы, хотя в большинстве
из них существует возможность эмулировать подобную функциональность.
Ниже будет использоваться язык программирования C++, который не являет-
ся единственным подходящим языком программирования.

Пример
Рассмотрим в качестве примера семейство объектов доступа к файлу.
Пусть существуют следующие разновидности объектов доступа:
· доступ на чтение;
· доступ на запись;
· доступ на чтение, запись и чтение/запись.
Информационные технологии моделирования и управления, 2005, №1(19) 89

Клиент должен быть изолирован от конкретного типа объекта, и взаи-


модействовать с ним через обобщенный интерфейс, описанный ниже.
class IFile
{
public:
virtual void Open(string fname, string mode) = 0;
virtual void Close() = 0;
virtual bool IsOpened() const = 0;

virtual void Write(int value) = 0;


virtual int Read() = 0;

class InvalidOperation : public exception {};


};

Рассматриваемые объекты имеют авто-


матную природу (с режимами работы «за-
крыт», «открыт на чтение»). Они образуют
иерархию (рис. 1).
Приведем пример использования опи-
санных объектов доступа к файлу. Функция
Рис. 10. Иерархия объектов ReadingClient() ожидает в качестве параметра
доступа к файлу ссылку на интерфейс IFile. Эта функция от-
крывает файл на чтение, читает целое число
и закрывает файл. Функция main() создает два различных объекта доступа к
файлу (ReadFile и ReadWriteFile), с которыми клиент (ReadingClient) работает
универсально (полиморфно). В целях повышения читабельности, в приве-
денном коде не обеспечена, например, безопасная обработка исключений.
void ReadingClient(IFile& file) {
file.Open("data.txt", "r");
int value = file.Read();
file.Close();
}

int main() {
ReadFile rfile;
ReadWriteFile rwfile;

ReadingClient(rfile);
ReadingClient(rwfile);

return 0;
}

Описание подхода
Термины и определения
Для упрощения изложения введем следующие термины.
90 2. Моделирование и анализ сложных систем

Состояние (State) – совокупность значений всех атрибутов объекта.


Режим Работы (Mode) – формально выделенное множество состоя-
ний, характеризуемое специфическим поведением объекта.
Интерфейс (Interface) – общий интерфейс семейства автоматных объ-
ектов.
Класс Режима (Mode Class) – класс, реализующий Интерфейс и пред-
ставляющий поведение объекта в конкретном Режиме Работы.
Прототип Режима (Mode Prototype) – класс, обобщающий поведение
объекта, неизменное в каком-то подмножестве Режимов Работы.
Фабрика Режима (Mode Factory) – метод Контекста, используемый
для создания экземпляра Класса Режима. Пространство возможных режи-
мов работы объекта отображается на множество фабрик режимов. Принято,
что Режимы Работы имеют такие же имена, как и Фабрики Режимов.
Посредник (Proxy) – класс, реализующий Интерфейс и переадресовы-
вающий все вызовы текущему экземпляру Класса Режима.
Контекст (Context) – класс, являющийся потомком (возможно непря-
мым) Посредника, предоставляющий набор Фабрик Режимов.

Распределение ролей в примере


На рис. 2 показана иерархия внешних клас-
сов, появляющаяся в соответствии с ролями, оп-
ределенными в разд. 0.
Класс IFile играет роль Интерфейса, класс
FileProxy – Посредника. На этом рисунке изо-
бражены три различных Контекста: ReadFile,
WriteFile и ReadWriteFile, причем последний яв-
ляется потомком двух предыдущих. Промежу-
точный класс File используется для хранения
Прототипов Режима.
Обратим внимание на Каркасный класс
VirtualState. Он является основой предлагаемого
подхода и все Посредники должны от него на-
Рис. 11. Иерархия клас- следоваться.
сов доступа к файлу

Диаграмма макрологики
Рассмотрим диаграмму макрологики, показанную на рис. 3. Данная
диаграмма является расширением графов переходов [10, 11]. Автоматные
объекты изображены в виде рамок, режимы работы объекта – как закруглен-
ные прямоугольники внутри соответствующей рамки, а переходы между ре-
жимами – в виде направленных дуг.
Дуги помечены условиями в терминах Интерфейса. Например, для
обозначения перехода при вызове метода Open() с параметром mode равным
“r” – дуга помечена строкой Open(fname, “r”).
Информационные технологии моделирования и управления, 2005, №1(19) 91

Рис. 12. Диаграмма макрологики

Режим работы ReadWriteFile::main расширяет логику режимов


ReadFile::main и WriteFile::main. Переходы с метками Open(fname, “r”) и
Open(fname, “w”), существующие в базовых режимах, в этом режиме пред-
ставлены неявно.
Отношения и взаимодействия
Контекст – класс, предоставляющий множество Фабрик Режимов.
Пространство Режимов Работы автоматного объекта отображается на про-
странство Фабрик Режимов.
Фабрика Режима является виртуальным конструктором соответст-
вующего Класса Режима и может иметь произвольный набор параметров.
Виртуальная Фабрика Режима может быть перегружена в потомках, что по-
зволяет изменять поведение объекта в соответствующем состоянии. Предо-
пределенная абстрактная Фабрика Режима main() используется для созда-
ния начального режима работы. Каждый конкретный Контекст должен пере-
грузить эту фабрику.
Посредник хранит экземпляр текущего Класса Режима и переадресу-
ет к нему все вызовы методов Интерфейса. Экземпляр Класса Режима от-
вечает за изменение Режима Работы объекта, когда это необходимо. Други-
ми словами, макрологика распределена между Режимами Работы.
Для переключения между режимами используются указатели на мето-
ды. Текущий экземпляр Класса Режима передает указатель на Фабрику Ре-
жима и все необходимые этой фабрике параметры методу NextState() каркаса
VirtualState. Таким образом, в соответствии с механизмом вызова виртуаль-
ных методов по указателю [12], если данная Фабрика Режима была пере-
гружена, то будет вызвана наиболее подходящая в текущем контексте версия.
Поясним изложенное на примере. Пусть контекст ACtx имеет две фаб-
рики режимов: foo() и goo(). Причем фабрика goo() – виртуальная. Контекст
ACtx содержит два класса режимов – FooMode и GooMode. Класс FooMode
92 2. Моделирование и анализ сложных систем

переключается в режим goo() используя указатель на метод ACtx::goo(). Кон-


текст BCtx является потомком контекста ACtx и перегружает фабрику режи-
ма goo(). Фабрика BCtx::goo() создает экземпляр режима ExtendedGooMode.
Таким образом, если будет создан экземпляр класса BCtx и из класса
ACtx::FooMode будет запрошено переключение в режим goo, то будет вызван
метод BCtx::goo() и создан экземпляр режима ExtendedGooMode.

Каркас VirtualState
Рассмотрим каркас, представленный шаблонным классом VirtualState
(рис. 2), который можно рассматривать в качестве библиотечного. Единст-
венным параметром этого класса является Интерфейс.
Класс VirtualState предоставляет два основных семейства методов:
CurrentMode() и NextMode(). Константная и неконстантная версии метода
CurrentMode()возвращают текущий экземпляр Класса Режима.
Основная функциональность класса VirtualState сосредоточена в се-
мействе шаблонных методов NextMode(). Каждый из этих методов получает
указатель на Фабрику Режима и ее параметры. Метод NextMode() создает
экземпляр соответствующего класса ModeCtorX, где X – число параметров
вызываемой фабрики режима. Все классы ModeCtorX реализуют интерфейс
IModeCtor. Этот интерфейс содержит единственный метод Create(), возвра-
щающий экземпляр Класса Режима.
Созданный экземпляр класса ModeCtorX запоминается классом
VirtualState в виде указателя на IModeCtor. Когда текущая транзакция обра-
щения к объекту завершается, класс VirtualState проверяет присутствие эк-
земпляра IModeCtor. Если указатель ненулевой, то с помощью экземпляра
IModeCtor создается новый экземпляр Класса Режима. Уничтожение теку-
щего экземпляра Класса Режима является отложенным процессом, поэтому
экземпляр не будет разрушен, пока не завершится текущий вызов.

Реализация
Далее на примере, описанном в разд. 0, приведено краткое описание
подробностей использования предлагаемого подхода.

Реализация посредника
Реализация класса FileProxy (рис. 2) состоит только в переадресации
всех методов Интерфейса текущему экземпляру Класса Режима. Класс
FileProxy является потомком классов IFile и VirtualState<IFile>.
class FileProxy
: public IFile
, public VirtualState<IFile>
{
public:
virtual bool Open(string fname, string mode) {
return CurrentMode()->Open(fname, mode);
}
Информационные технологии моделирования и управления, 2005, №1(19) 93

virtual void Close() {


CurrentMode()->Close();
}

/*...и так далее...*/


};
Реализация прототипов режимов
Рассмотрим класс File (рис. 2), предназначенный для хранения Прото-
типов. В рассматриваемом примере использованы два Прототипа Режимов:
ClosedMode и OpenedMode.
Эти прототипы обобщают поведение объекта, когда файл открыт или
закрыт соответственно. В частности, они перегружают метод IsOpened(), воз-
вращающий значение false в классе CloseMode и значение true в классе
OpenedMode. Реализация класса ClosedMode приведена ниже.
class File : public FileProxy {
protected:
class ClosedMode : public Mode
{
public:
/*...конструктор и деструктор...*/

virtual void Close() {


//because already closed file cannot be closed again
throw IFile::InvalidOperation();
}

virtual bool IsOpened() const {


return false;
}

/*...и так далее...*/


};

/*...реализация класса OpenedMode...*/


};

Класс ClosedMode является потомком класса Mode, вложенного в кар-


касный класс VirtualState.

Реализация контекста
Контекст (рис. 2) предназначен для предоставления Фабрик Режимов.
Класс Режима объявляется внутри Контекста. Существуют следующие аль-
тернативы:
· объявить Класс Режима в виде вложенного класса Контекста;
· объявить Класс Режима в виде локального класса Фабрики Режи-
ма.
94 2. Моделирование и анализ сложных систем

Класс ReadFile, код которого приведен ниже, иллюстрирует эти аль-


тернативы. Класс MainMode объявлен как вложенный класса контекста
ReadFile, а класс ReadingMode – как локальный класс фабрики режима
reading().
class ReadFile : public virtual File {
protected:

/* вложенный класс режима */


class MainMode : public virtual ClosedMode
{
public:
/*...конструктор и деструктор...*/

virtual bool Open(string fname, string mode);


};

virtual IFile* main();


virtual IFile* reading(string fname);
};

IFile* ReadFile::main() {
return new MainMode( *this );
}

IFile* ReadFile::reading(string fname) {


/* локальный класс режима */
class ReadingMode : public OpenedMode
{
public:
ReadingMode(string fname, TVirtualState& _outer)
: OpenedMode( _outer )
, file( fname.c_str() ) {}

virtual void Write(int value) {


throw IFile::InvalidOperation();
}

/*...и так далее...*/


private:
ifstream file;
};

return new ReadingMode(fname, *this);


}
Достоинство вложенного Класса Режима – возможность наследовать-
ся от него в потомках контекста ReadFile. Локальные же Классы Режимов не
позволяют наследоваться, но лучше инкапсулированы. Пример наследования
от Класса Режима проиллюстрирован в контексте ReadWriteFile. Класс Ре-
жима ReadWriteFile::MainMode является потомком классов
Информационные технологии моделирования и управления, 2005, №1(19) 95

ReadFile::MainMode и WriteFile::MainMode. Поведение класса


ReadWriteFile::MainMode является расширением поведения его предков.
class ReadWriteFile
: public virtual ReadFile
, public virtual WriteFile
{
protected:
class MainMode
: public virtual ReadFile::MainMode
, public virtual WriteFile::MainMode
{
public:
/*...конструктор и деструктор...*/

virtual bool Open(string fname, string mode);


};

virtual IFile* main();


virtual IFile* readwriting(string fname);
};

bool ReadWriteFile::MainMode::Open(string fname, string mode) {


if ( mode == "rw" ) {
NextMode( &ReadWriteFile::readwriting, fname );
return true;
} if ( ReadFile::MainMode::Open(fname, mode) )
return true;
else
return WriteFile::MainMode::Open(fname, mode);
}

Приведенная реализация иллюстрирует возможность наследования и


расширения макрологики. Кроме того, отсутствует трудоемкое преобразова-
ние методов интерфейса в события, и классы режимов могут иметь вычисли-
тельные состояния.
Заключение
Предложенный метод реализации конечных автоматов на основе вло-
женных виртуальных классов предоставляет возможность реализовывать
объекты с выделенными состояниями в объектно-ориентированном стиле. В
предлагаемом подходе отсутствует ручная инициализация логики автоматно-
го объекта.
Подход полностью удовлетворяет основным принципам объектно-
ориентированного программирования.
Инкапсуляция. Факт того, что данный объект является автоматным,
скрыт от окружения. Экземпляры классов режима могут иметь вычислитель-
ные состояния.
Полиморфизм. Если существует несколько автоматных объектов с
различным поведением, но с одинаковым интерфейсом, то клиент может
взаимодействовать с ними универсальным образом.
96 2. Моделирование и анализ сложных систем

Наследование. Поведение автоматного объекта может быть расширено


с помощью обычного механизма наследования. Кроме того, похожее поведе-
ние в разных режимах может быть обобщено в отдельном классе, и быть по-
вторно использовано.
Отметим, что предложенный подход отличается не только от прототи-
па – классического паттерна State, но и от предложенного в работе [11] пат-
терна State Machine. В отличие от последнего, предлагаемый подход позво-
ляет расширять макрологику объекта без дублирования исходного кода.

Благодарности
Автор выражает благодарность Анатолию Абрамовичу Шалыто и
Александру Витальевичу Евдокимову за их поддержку и помощь.

Список использованных источников


1. Шалыто А.А., Туккель Н.И. Программирование с явным выделени-
ем состояний //Мир ПК. 2001. № 8, с.116-121; № 9, с.132-138, 2001.
http://is.ifmo.ru/works/mirk/
2. Henney K. Methods for states. A pattern for realizing object lifecycles //
In VikingPLoP 2002, Proceedings of the First Nordic Conference on Pattern Lan-
guages of Programs, 2002, September.
3. Шалыто А.А., Туккель Н.И. От тьюрингова программирования к ав-
томатному // Мир ПК. 2002. № 2, с. 144-149. http://is.ifmo.ru/works/turing/
4. Automata Studies / Shannon C.E., McCarthy J. Princeton University
Press, 1956
5. Adamczyk P. The Anthology of the Finite State Machine Design Pat-
terns // The 10th Conference on Pattern Languages of Programs, 2003.
6. Шалыто А.А., Наумов Л.А. Методы объектно-ориентированной
реализации реактивных агентов на основе конечных автоматов // Искусст-
венный интеллект. 2004. №4, с. 756-762. http://is.ifmo.ru/works/_aut_oop.pdf
7. Гамма Э., Хелм Р., Джонсон Р., Влиссидес Дж. Приемы объектно-
ориентированного проектирования. Паттерны проектирования. СПб.: Питер,
2001. — 368 с.
8. Shopyrin D. Object-oriented implementation of state-based logic.
http://www.codeproject.com/cpp/statebased.asp
9. Лутц М. Программирование на Python. СПб.: Символ-Плюс, 2002.
— 1136 с.
10. Harel D. Statecharts: A visual formalism for complex systems // Sci.
Comput. Program., 1987, № 8.
11. Шалыто А. А. SWITCH-технология. Алгоритмизация и программи-
рование задач логического управления. СПб.: Наука, 1998. — 628 с.
12. Страуструп Б. Язык программирования C++. 3-е издание. СПб.:
Невский диалект, 1999. — 991 с.
13. Шамгунов Н.Н., Корнеев Г.А., Шалыто А.А. State Machine - новый
паттерн объектно-ориентированного проектирования //Информационно-
управляющие системы. 2004. № 5, с. 13–25
Информационные технологии моделирования и управления, 2005, №1(19) 97

3. ПРОГРАММНЫЕ И ТЕЛЕКОММУНИКАЦИОННЫЕ СИСТЕМЫ

Bogush A.V., Sypko V.A.


THE DVB UNICASTING: OVERVIEW AND SCENARIOS
Institute of Informatics Systems SB RAS, Novosibirsk

Introduction
The evolution of Internet opens up a new horizon for the digital video
broadcasting industry. Two worlds that were barely connected are on the verge of
being merged: namely, streaming video and Internet. Thanks to the transition of
video medium from analog to digital, and the emerged powerful video compres-
sion standards, such as MPEG-2 [12,13] and MPEG-4, it is now possible to com-
bine video, audio, and data streams within the same signal and transmit it over
broadcast networks such as DVB-MHP [7] or OCAP [8]. These changes lead to the
emergence of new generation of multimedia applications, with unlimited possibili-
ties and great commercial potential. For example, computers can be turned into
traditional TV receivers and the digital set-top boxes can host multiple applications
such as interactive TV, e-commerce, and customized software. There are different
service models used for sending data from a sender to one or multiple receivers.
Three main possibilities are described here (see Figure 1): Unicasting, Broadcast-
ing and Multicasting. Each packet of the Internetworking Protocol (IP) [10] has
unique sender’s and recipient’s address. Using IP as a medium for the transmis-
sion, data can be send to all (=broadcast), group (=multicast), and single (=unicast)
terminal devices.

Transmission Model
|
------------------------------------
| | |
Unicast Multicast Broadcast

Fig. 1. Data transmission approaches.

Unicasting
Called also point-to-point communication, in which data is only sent to one
recipient at the same time with several receivers. Unicast wastes bandwidth by
sending multiple copies of the data. In unicast, return channel for the receiver can
be used to provide feedback to the sender. In this case, the sender has more knowl-
edge about the receiver and the channel. The sender can use this feedback to adapt
dynamically the data being sent to the receiver, and accommodate capacity varia-
tions.
Broadcasting
The data is sent to every terminal in the link even if they are not all con-
cerned by this data. Furthermore the service scope is limited to resources on the
Local Area Network. Broadcast is widely used for digital television and radio (e.g.
98 3. Программные и телекоммуникационные системы

Satellite or Cable Broadcast). Broadcast wastes bandwidth by sending the data to


the whole network. It can also needlessly slow the performance of client machines
because each client must process the broadcasted data whether or not the service is
of interest. The main challenge for broadcasting is the scalability problem. Receiv-
ers may experience different channel characteristics, and the sender must cope with
all the receivers. In this case, feedbacks from the receivers are unmanageable for
the sender.
Multicasting
It takes the strengths of both of these previous approaches and tries to avoid
their weaknesses. This technique is between unicast and broadcast communication.
It is similar to broadcasting but the data is sent only to limited identified receivers.
Data transmission to single terminal devices allows different types of per-
sonalized applications and services to be delivered via broadcast channel. In this
paper, we studied the problems involved in the transport of unicast streams over
DVB-MHP and OCAP networks. We gave an overview of the general DVB uni-
casting scheme, its typical usage scenarios, described unicasting applications and
our implementation approach.

Unicasting Overview
Major aspects of the DVB unicasting scheme (see fig. 2) are explored below.

Fig. 2. General DVB unicasting scheme

Data insertion
Digital broadcasting systems use MPEG-2 standard for processing, com-
bining and transmitting transport streams on all levels. IP packets can be added to
transport stream by encapsulation - when IP packets added to a free space of input
stream or by generation – when created transport stream includes exclusively data
Информационные технологии моделирования и управления, 2005, №1(19) 99

packets. Because IP packet is addressable, they can be assigned to single terminal


device and added to transport streams as private section [1-5] or using MPE proto-
col [1-3].

Terminal requirements
To allow unicasting, DVB receiver (Computer-based or set-top box) should
have unique MAC-address. IP packets must be extractable to be brought to proc-
essing.

Privacy/Security
In DVB network, each receiver could potentially read external packets. For
IP networks this is not so. That's why all critical applications and private data
should be encrypted on transport level. Any suitable Internet and software encryp-
tion systems with symmetric key cipher can be used, for example Diffie-Hellman
key agreement protocol and RC4 encryption. Asymmetric encryption should be
avoided [17].

Data transmission
Bandwidths are perfectly practicable from 500Kbit/s, but unicasting is not
bandwidth friendly. And each individual connection adds to network capacity
utilization, ultimately consuming all the available bandwidth. For preventing bot-
tlenecks, operators of IP-based services should control how many different data are
to be transmitted from their channel and related to that, how many IP-connections
are to be transmitted in their channel.

Return channels
Return channels are required only for bidirectional applications and it is not
necessary for many applications, especially if the data broadcasting system itself
remains broadcast-oriented. As physical channel all available TCP/IP connections
like modems, ISDN, direct network connections, mobile phones, Wi-Fi, and future
TV downstream connection, can be used.

Carousels
DSM-CC object carousels [12] can be used when the broadcast system is a
unidirectional net and not all receivers are always switched on at the same time. A
carousel cycle time results from the amount of data and the available bandwidth for
the data service. After that time receiver will have a copy of the content, which it
can use.

Quality of service
Some applications are critical to channel bandwidth, e.g. streaming media.
Others uncritical, e.g. File transfer. Special module is required that must provide
the prioritization among the data services, the allocation of parameters, especially
minimum and maximum bandwidth. As well as for the conversion of the unstable
100 3. Программные и телекоммуникационные системы

internet traffic into a quite stable equally distributed packet stream (see QoS mod-
ule on fig.2).

Main application types


All unicasting applications and services can be divided on two groups de-
pending upon their need for a return channel. Unidirectional applications do not
require return channel. They allow remotely control home appliances and provide
local interactivity. Bidirectional applications require return channel to interact with
head-end and internet servers.

Usage scenarios
Below we listed some of the most common usage scenarios by type.
Unidirectional
– Unicast streaming video/audio
– MMS, SMS shown on the display
– “Schedule recording” command to TV-Set, sent from the outside
– any other external commands like turn on the camera, enable conditioner
(or another home electronic device), and finally
– simulators and game devices working together with TV program
Bidirectional
– voting on the TV-show with voting result
– migration of all current SMS/MMS services
– teleshop applications integrated with e-commerce systems
– various support and question-answering systems (yellow pages)
– any kind of internet applications brought to DVB platform

Implementation
In this work, we created own implementation of general DVB unicasting
model provided on Figure 2. Our implementation consists of two applications: IP
Encapsulator (Server) and Decoding Xlet (Terminal application) [15], connected
across DVB Network. IP Encapsulator’ components developed using Java Runtime
Environment 1.4.2, Client components developed using Personal Java environment
for MHP and OCAP terminals [14].
IP Encapsulator is multi-threaded because it gets packets from IP network
and process MPEG-2 Transport Stream [1, 3] at the same time. It can run in several
modes:
Transport Stream can be obtained:
· From Socket
· From File
IP datagrams can be received from:
· UDP Socket [11]
· File
IP datagrams can be encapsulated in three ways:
· As MPE sections in video stream of DSM-CC program [2,12]
Информационные технологии моделирования и управления, 2005, №1(19) 101

· As MPE sections in data stream of DSM-CC program


· As Raw data inside MPEG-2 Transport Packets
We prefer to use MPE sections in data elementary stream as transport me-
dium because it cannot affect video rendering like in other ways. Decoding Xlet
extracts IP datagrams from MPEG-2 stream and provides data to end-user terminal
applications, such as video conferencing, chat, instant messenger, etc. It uses Pro-
gram Identifier (PID) of elementary stream and IP packet address as entering
points during extraction.
Conclusion and Perspectives
In this paper, we gave an overview of the DVB unicasting scheme, including
how to encapsulate IP packets to broadcast transport stream, how to process them,
and how to extract packets on MHP/OCAP terminal. Advantages and disadvan-
tages of certain scenarios were examined. Methods and solutions that can be used
for creating unicasting applications over broadcast network were explored. Proto-
type implementation of unicasting scheme was described.
DVB networks are growing exponentially and are impacting many aspects
of modern life. Unicasting applications are expected to become a significant part of
these networks. Support for these applications in broadcast networks is still in its
immaturity. Besides, technologies are still under development and not yet widely
deployed. Using unicasting scheme, broadcast systems can provide personalized
services, allow home appliances to be remotely accessed and controlled.
DVB unicasting is gaining more and more interest from the telecommunica-
tion and networking industry. In succeeding years we can observe further conver-
gence of DVB and IP networks, finally making up unified platform for both broad-
casting and unicasting applications, with digital TV host in its heart, because it is
practically always on.
As part of our future work, we plan to pursue research activity in the fol-
lowing directions:
Bandwidth usage optimization
Unicasting is not bandwidth friendly, and each individual connection adds to
network capacity utilization, ultimately consuming all the available bandwidth.
Currently IP Encapsulator adds all received packets in a queue and send them
when free space is available in a transport stream. We should adapt encapsulation
mechanism to provide consistent quality for all connected clients.
Privacy/Security
Each receiver can potentially read external packets. Currently packets are
included to the transport stream without encryption. We plan to encrypt private
data on IP level. Also, authorization and authentication should be added to appli-
cations on terminal device.
Implementation Issues
Part of our implementation was done using simulation. We plan to adapt the
core components to real environment. This can be done by using gateway of some
cable or satellite channel provider. This will allow performing real world experi-
ment on the Internet.
Consumer electronics interaction
102 3. Программные и телекоммуникационные системы

TV host which runs UPnP framework Control Point application [16], allows
home electronic devices to be accessed and controlled. Via unicasting scheme us-
age it is possible to control them from outside.

References
1. Digital Video Service Multiplex and Transport System Standard for Cable
Television, SCTE 54, Digital Video Subcommittee, 2003.
2. IP Multicast for Digital MPEG Networks, ANSI/SCTE 42, 2002.
3. Data Broadcast Standard (A/90), ATSC, July 2000.
4. Program and System Information Protocol for Terrestrial Broadcast and
Cable, A65, Advanced Television Systems Committee, March 2003.
5. Digital Video Broadcasting. Specification for data broadcasting, ETSI EN
301 192, pp.12-36, ETSI, January 2003.
6. Implementation guidelines for data broadcasting, ETSI TR 101 202,
pp.13-14, European Telecommunications Standards Institute, January 2003.
7. Digital Video Broadcasting Multimedia Home Platform, Home Page
http://www.mhp.org/
8. OpenCable Home Page http://www.opencable.com/
9. Jaekel T. Web-over-DTV – an Overview, Rohde&Schwarz FTK GmbH,
Berlin, Germany, January 2002.
10. Postel J. Internet Protocol, RFC 791, September 1981.
11. Postel J. User Datagram Protocol, RFC 768, August 1980.
12. The Digital Storage Media Command and Control (DSM-CC) specifica-
tion, ISO/IEC 13818-6 (9), MPEG-2, 1998.
13. Generic coding of moving pictures and associated audio: systems,
ISO/IEC 13818-1, MPEG-2, 1995.
14. Personal Java Application Environment specification,
http://java.sun.com/products/personaljava/, Sun Microsystems, 2004
15. Sun specification for DVB, http://java.sun.com/products/specformhp/,
Sun Microsystems, 2004
16. UPnP Device Architecture specification 1.0.1 draft,
http://www.upnp.org/standardizeddcps/, September 2004
17. Aly S., “A Light-Weight Encrypting For Real Time Video Transmis-
sion”, Depaul CTI, cs.depaul.edu, 2003.

Бунаков П.Ю.
ПАРАМЕТРИЧЕСКИЙ ПОДХОД К ПРОЕКТИРОВАНИЮ
КОРПУСНОЙ МЕБЕЛИ
ООО «Базис-Центр», г.Коломна

Одной из важнейших задач, стоящих сегодня перед российской ме-


бельной промышленностью является повышение оперативности и эффектив-
ности выполнения проектных операций конструкторско-технологической
Информационные технологии моделирования и управления, 2005, №1(19) 103

подготовки производства. Это связано с двумя основными причинами: по-


вышением конкуренции на мебельном рынке и изменением структуры поку-
пательского спроса. В последние годы особенно заметено стремление поку-
пателя к приобретению качественной мебели, в максимальной степени адап-
тированной функционально к условиям его проживания и эстетически - к его
вкусам.
Удовлетворить новые потребности рынка легче в условиях мелкосе-
рийного производства мебели или производства мебели по индивидуальным
заказам. По этим же причинам крупные мебельные предприятия существенно
расширяют ассортимент выпускаемых изделий, давая покупателю возмож-
ность выбора нужной комбинации из десятков возможных.
Работа предприятий в подобных условиях предполагает жесткие сроки
выполнения заказов. Как известно, сократить эти сроки можно двумя основ-
ными путями: ускорением конструирования изделий и технологической под-
готовки производства или ускорением собственно производственного про-
цесса. Естественно, что второй способ в значительной степени ограничен
конкретными предельными значениями производительности используемого
оборудования и физическими свойствами используемых материалов и инст-
румента. Следовательно, основные резервы времени следует искать именно
на этапе подготовки производства.
Для решения этой задачи разработан ряд систем автоматизированного
проектирования и технологической подготовки производства, или сокращен-
но САПР. В качестве английского варианта этой аббревиатуры в последнее
время часто используют сочетание CAD/CAM/CAE (Computer Aided De-
sign/Manufacturing/Engineering), хотя прежде под САПР понимались только
CAD-системы.
Процесс подготовки производства корпусной мебели достаточно тра-
диционен и включает в себя ряд типовых проектных операций, несуществен-
но отличающихся друг от друга на различных предприятиях. В силу этого
все мебельные САПР функционально идентичны. Линия различия между
ними проходит на уровне организации интерфейса, скорости и качественных
характеристик выполнения тех или иных проектных операций, возможности
и трудоемкости адаптации к новым изделиям. С точки зрения последней ха-
рактеристики мебельные САПР можно разделить на два класса:
·системы с жесткой структурой, или параметрические системы;
·системы с гибкой структурой, или универсальные системы.
Универсальные САПР позволяют проектировать любые мебельные из-
делия, безотносительно к их функциональному назначению, используемым
материалам и комплектующим, серийности и объемам производства. Они яв-
ляются хорошей основой для формирования единого информационного про-
странства предприятия и его комплексной автоматизации.
В отличие от универсальных систем, параметрические САПР всегда
ограничены некоторым вполне определенным кругом изделий. Каждая кон-
кретная модель получается из некоторого, заранее созданного прототипа пу-
тем задания определенного набора параметров. По этой причине использова-
104 3. Программные и телекоммуникационные системы

ние параметрических САПР затрудняет работу по обновлению ассортимента


выпускаемой продукции, так как такое обновление возможно только в преде-
лах имеющихся прототипов. Разработка новых прототипов требует програм-
мирования на специализированных языках, что является достаточно сложной
и несвойственной для пользователей мебельных САПР задачей. Кроме того,
процесс формирования параметрической модели конкретного изделия не яв-
ляется интерактивным, т.е. визуализация изделия происходит только после
определения всего набора параметров.
С другой стороны параметрические системы имеют существенные
преимущества. Прежде всего, они связаны с высокой скоростью создания но-
вых изделий и возможностью автоматического (без участия человека) вы-
полнения ряда проектных операций.
Исходя из этого, перспективным представляется развитие параметри-
ческого проектирования по трем направлениям:
·разработка параметрических САПР, охватывающих возможно более
широкий круг изделий;
·создание аппарата интерактивного параметрического проектирования;
·разработка и апробация методики двухуровневого процесса проекти-
рования, при котором максимально возможное количество проектных опера-
ций выполняются в параметрической САПР, а те из них, выполнение кото-
рых невозможно, переносятся в универсальную САПР.
Автором разработаны принципы формирования математической моде-
ли широкого круга мебельных изделий, которые можно объединить терми-
ном «шкаф» - изделие, состоящее из корпуса, фасадов и внутреннего напол-
нения. Примерами подобных изделий могут служить любые платяные шка-
фы, в том числе и с раздвижными дверями, комоды, практически вся кухон-
ная мебель, тумбочки, некоторые типы столов. Изделия данного класса со-
ставляют большую долю отечественного мебельного рынка [1], [2].
Основной идеей предлагаемого подхода является разбиение модели из-
делия на четыре информационных множества: параметры, типовые элемен-
ты, алгоритмы и ограничения. Параметры – это множество данных, опреде-
ляющих конструктивный облик изделия. Они определяются конструктором,
исходя из функционального назначения и места расположения проектируе-
мого изделия, и задаются традиционными способами – табличным или выбо-
ром из списка. Типовые элементы – это внутреннее наполнение изделия (пе-
регородки, полки, выдвижные ящики и т.д.) и фасады. Проектирование внут-
реннего наполнения обычно занимает большую часть общего времени проек-
тирования изделия, поэтому для описания типовых элементов разработаны
специальные структуры данных, позволяющие реализовать интерактивный
режим работы в рамках параметрической модели.
Алгоритмы выполнения проектных операций (скрепление элементов
изделия между собой, облицовка кромкой и другие) включаются непосредст-
венно в модель изделия. Это позволяет выполнять данные операции в авто-
матическом режиме, что помимо высокой скорости дает возможность избе-
жать многих субъективных ошибок. Задача конструктора только в том, чтобы
Информационные технологии моделирования и управления, 2005, №1(19) 105

осуществить первоначальную настройку этих алгоритмов на специфику сво-


его предприятия. В дальнейшем эти алгоритмы работают автоматически для
реализации определенных проектных операций.
Ограничения являются неотъемлемой частью модели изделия. Наряду с
алгоритмами, они предназначены для минимизации количества ошибочных
действий в процессе проектирования. Все четыре множества связаны между
собой многоаспектными связями. Таким образом, модель изделия представ-
ляет собой единство данных и связей между ними, рис. 1.
Для реализации двух-
уровневого подхода к проек-
тированию в разработанную
структуру добавлены специ-
альные средства для опера-
тивного получения выборок
Рис. 1. Структура модели информации, требуемых при
доработке изделия средствами универсальной САПР. Помимо этого, данные
созданной математической модели используются на других этапах конструк-
торско-технологической подготовки производства (раскрой материалов, по-
лучение управляющих программ для станков с ЧПУ, экономические расчеты
и другие). Это соответствует основному принципу CALS технологии – ис-
пользованию единой математической модели на всем жизненном цикле изде-
лия.
На основе модели разработана и внедрена в промышленную эксплуа-
тацию и учебный процесс ряда высших учебных заведений автоматизиро-
ванная система «Базис-Шкаф» [3]. Реализация предложенного подхода по-
зволила создать систему параметрического проектирования мебельных изде-
лий, в которой практически все проектные операции выполняются в интерак-
тивном режиме. Это дает возможность на любом этапе формирования модели
получать визуальное трехмерное изображение изделия и корректировать ход
проектирования в соответствии с замыслом конструктора.
В системе введено разделение проектных операций на группы, выпол-
няемые вручную, в автоматизированном и автоматическом режимах. Конст-
руктивные параметры корпуса изделия, материалы и виды фурнитуры, а так-
же ряд других основополагающих операций выполняются вручную. Форми-
рование внутреннего наполнения (вертикальные и горизонтальные перего-
родки, стационарные и съемные полки, выдвижные ящики) производится в
автоматизированном режиме с автоматическим контролем допустимости вы-
полнения и соответствия имеющимся ограничениям. Например, размер лис-
тов задней стенки не должен превышать заданных размеров, а при наличии
раздвижных дверей они не должны препятствовать выдвижению ящиков.
Проектные операции, не требующие творческого подхода, выполняются ав-
томатически. Подобное разделение позволило оптимизировать работу конст-
рукторов, освободив их от выполнения рутинных операций.
Анализ опыта применения разработанной системы на ряде мебельных
предприятий (ЗАО ПК «Ангстрем», ФГУП ПО «Звездочка», Калининград-
106 3. Программные и телекоммуникационные системы

ская мебельная фабрика, «Башмебель» и другие) показал эффективность


предложенного подхода. Были получены следующие качественные и количе-
ственные показатели:
· время проектирования изделий, полностью или частично входящих в
поддерживаемое множество, сократилось в 3-7 раз;
· в общей номенклатуре выпуска от 40% до 70% изделий допускают
параметрическое проектирование;
· количество изделий, частично проектируемых в параметрической
системе и требующих доработки в универсальной системе, менее 30%;
· практически не наблюдались субъективные ошибки проектирования;
· по оценке конструкторов и преподавателей работа в системе проста
и удобна, во многом напоминая традиционный процесс проектирования.
Характерной чертой современного этапа внедрения информационных
технологий в мебельное производство является переход от автоматизации
отдельных проектных операций к комплексной автоматизации всего процес-
са проектирования. Традиционно наибольшие временные затраты падают на
этап конструирования изделия, на котором создается математическая модель
изделия – основа автоматизации всех других этапов. Этап конструирования
наименее формализуем, существенную роль на нем играет творческая работа
человека. Использование двухуровневой методики на этом этапе позволяет
существенно сократить временные затраты. Передача информации на все
другие этапы производится в автоматизированном режиме путем выборки
нужных данных.
Немаловажной является возможность использования разработанной
системы при подготовке кадров для мебельной промышленности в высших и
средних специальных учебных заведениях (специальность 2602). Простота
освоения системы в сочетании с охватом всех основных проектных операций
конструкторско-технологической подготовки производства мебели позволяет
студентам получить практические навыки автоматизированного проектиро-
вания в условиях недостатка учебного времени.
Дальнейшие исследования и разработки будут направлены на расши-
рение класса проектируемых изделий и апробацию новых алгоритмов, позво-
ляющих перевести ряд проектных операций в разряд выполняемых автома-
тически.
Список использованных источников
1. Никитина С.Ю. Мебельный рынок России. Научно-
производственный журнал «Дизайн и производство мебели» №1-2003.
2. Горощенко Л.Г. Российский мебельный рынок: журнал «Мебельный
мир» №3-2004.
3. Бунаков П.Ю., Рудин Ю.И. Автоматизированное конструирование
корпусной мебели средствами системы «Базис-Конструктор-Мебельщик»:
Учебное пособие к курсовому проектированию для студентов очной, заочной
и дистанционной форм обучения специальности 2602. - М.: МГУЛ, 2004. –
123 с.
Информационные технологии моделирования и управления, 2005, №1(19) 107

Гуров В.В.
МЕТОДИКА ОЦЕНКИ КАЧЕСТВА ОТЛАДКИ ПРОГРАММ МАЛОЙ И
СРЕДНЕЙ СЛОЖНОСТИ
Московский инженерно-физический институт (государственный университет), г.Москва

Широкое и разнообразное применение средств вычислительной техни-


ки предъявляет высокие требования к качеству и надежности установленного
программного обеспечения (ПО). Несмотря на то, что в этой области за по-
следнее время достигнуты определенные положительные результаты, и
ошибки в процессе функционирования ПО в ответственных применениях
сравнительно редки, проблема обеспечения высокой надежности программ-
ных средств остается достаточно актуальной.
Надежность программного обеспечения влияет на общую надежность
вычислительного комплекса аналогично надежности аппаратных средств.
Поэтому проведение ее оценки необходимо как на этапе разработки аппарат-
но-программного комплекса, так и на этапе его тестирования и сопровожде-
ния.
В области надежности аппаратуры достигнут уровень, когда уже соз-
дан ряд математических методов, позволяющих проектировать изделие с за-
данными показателями надежности, а также оценивать надежность сущест-
вующих аппаратных комплексов. В то же время вопросы, связанные с проек-
тированием программ с заданными показателями надежности и с оценкой
надежности программных средств в процессе их использования, во многом
еще требуют своего решения.
Известно, что в общем случае отказы изделия вызываются двумя типа-
ми дефектов: ошибками разработки, присутствующими в каждом образце из-
делия, и дефектами изготовления, влияющими на отдельные (но не все) об-
разцы. Для надежности аппаратуры определяющим является последний фак-
тор. В то же время доминирующими для надежности программных средств
являются ошибки проектирования.
Это приводит к существенным отличиям в подходах к проектированию
и отладке программ с заданными показателями надежности и к оценке на-
дежности функционирующих программ по сравнению с аппаратными сред-
ствами.
Рассмотрим эти положения на примере проектирования компьютерных
обучающих программ (КОП), которые предполагается использовать при не-
посредственном проведении занятия в учебных лабораториях.
Комплексы компьютерных обучающих программ могут представлять
собой весьма разнообразные продукты, различающиеся как по количеству
реализуемых функций, так и по объему каждого функционального модуля,
входящего в состав комплекса. Среди основных модулей выделим следую-
щие:
1 - модуль администрирования, позволяющий проводить регистрацию
пользователей, распределение их по группам, распределение прав на доступ
к обучающим программам;
108 3. Программные и телекоммуникационные системы

2 - модуль, поддерживающий создание учебного материала курса,


включающего текстовые фрагменты, иллюстрации, анимации, видеофраг-
менты;
3 - модуль – редактор вопросов, облегчающий создание и модифика-
цию упражнений и вопросов по курсу и отдельным его разделам;
4 - модуль регистрации процесса изучения курса каждым студентом;
5 - программные модули, реализующие те или иные практические заня-
тия.
Модули 1-4 составляют некую оболочку, инвариантную к реализуемо-
му курсу. В качестве нее может быть использован один из широко представ-
ленных в настоящее время специализированных пакетов. Либо такая оболоч-
ка может быть создана один раз большим коллективом разработчиков, чтобы
в последующем наполняться содержимым различных курсов.
Модуль 5 фактически учитывает специфику изучаемой дисциплины [1,
2]. Это наиболее динамичная часть комплекса. В настоящее время значи-
тельная часть таких программ, используемых в учебном процессе вузов, раз-
рабатывается коллективом разработчиков этих же вузов. Это обстоятельство
обусловлено двумя основными причинами. Во-первых, организационными и
содержательными особенностями учебного процесса данного вуза. А, во-
вторых, наличием собственных сильных коллективов разработчиков. Каждая
из программ, входящих в состав этого модуля, не может быть отнесена к
классу сложных, однако именно они во многом определяют надежность всего
комплекса КОП.
Этот класс программ имеет следующие отличительные черты:
- программы не относятся к классу сложных, так как, как правило, со-
стоят из относительно небольшого числа блоков без сложных взаимозави-
симостей между ними; при этом можно считать, что исправление ошибки в
отдельном блоке не приводит к появлению новых ошибок;
- время работы программы ограничено продолжительностью аудитор-
ного занятия;
- время поиска и устранения возникшей ошибки много больше дли-
тельности занятия и, к тому же, как правило, занятия проводят не разработ-
чики программного комплекса, поэтому фактически любая ошибка может
рассматриваться как неустранимая. В отличие от аппаратуры, здесь нельзя
заменить отказавший экземпляр изделия некоторым другим, априорно ис-
правным. Поэтому систему, использующую данную программу, в термино-
логии аппаратной надежности можно рассматривать как невосстанавливае-
мую.
Выбор той или иной модели оценки надежности программного обеспе-
чения обусловлен, в первую очередь, возможностью получения необходи-
мых параметров надежности и сложностью этого процесса.
Основными параметрами надежности программного обеспечения, ис-
следуемыми в работе, являются предполагаемое общее количество ошибок,
содержащихся в программном комплексе, вероятное время проявления бли-
жайшей ошибки и вероятность правильного выполнения программы при слу-
Информационные технологии моделирования и управления, 2005, №1(19) 109

чайном времени ее завершения и наличия в ней ошибок.


Наиболее удобной в данном случае представляется, несмотря на ее оп-
ределенные недостатки, модель Шумана роста надежности программ [3], ко-
торая позволяет по накапливаемой статистике проявления программных
ошибок предсказать время появления следующей ошибки и общее количест-
во ошибок в программе согласно соотношениям:
n 1 n
å = n /( N - (1 / T )( å x[i ] · i)) = KT (1)
i =1 N - i i =1

В этих выражениях N – неизвестное первоначальное число ошибок, K–


некоторая неизвестная константа, n –количество обнаруженных ошибок, x[i]–
времена между проявлением ошибок, T – сумма времен между ошибками
(период тестирования).
Во время тестирования программы разработчиками производится фик-
сация времени проявления очередной ошибки x[i], что позволяет по оконча-
нии этого этапа оценить значения N и x[i+1]. Если полученное значение вре-
мени до проявления следующей ошибки соизмеримо с длительностью заня-
тия, на котором предполагается использовать этот программный продукт, то
его можно передать в опытную эксплуатацию.
Основной задачей этапа опытной эксплуатации является выявление и
исправление ошибок, не обнаруженных разработчиками при тестировании. В
отличие от аппаратуры, где для получения необходимой статистики прово-
дится испытание ряда образцов, здесь на испытание ставится один образец
изделия, имеющий одни и те же ошибки проектирования. Применительно к
обучающим программам этап опытной эксплуатации предполагает выполне-
ние разработанного ПО ограниченным кругом студентов. При этом прово-
дится многократное использование одной и той же программы при различ-
ных исходных данных, что приводит к различным путям прохождения про-
граммы и, следовательно, к проявлению различных ошибок или проявлению
одних и тех же ошибок в различное время.
Исходя из этого, на данном этапе необходимо обеспечить не только
фиксацию времени проявления ошибки, но и идентифицировать тип возник-
шей ошибки. Анализ следует вести по каждой из идентифицированных оши-
бок отдельно.
Обработка полученных результатов должна проводиться по следующей
методике:
- по накопленной статистике проявления ошибок определить закон
распределения вероятности проявления каждой из обнаруженных ошибок и
параметры этого закона;
- упорядочить математические ожидания времен проявления ошибок
~
( t i) по возрастанию;
~ ~
- составить множество {ti = t i+1 - t i}, которое определит интервалы
между проявлениями ошибок при выполнении программы;
- на основании полученных при тестировании и рассчитанных по ре-
110 3. Программные и телекоммуникационные системы

зультатам опытной эксплуатации значений ti определить функцию распреде-


ления вероятности безотказной работы программы p(t);
- использовать полученную функцию для определения вероятности
безотказной работы системы за время выполнения задачи [4]:
¥ ¥
p = ò p (t )dG (t ) = ò p(t ) g (t )dt (2),
0 0

где G(t) – вероятность того, что длительность решения задачи не превысит


величины t (распределение длительности выполнения задач),
g(t) – плотность распределения G(t),
p(t) – вероятность безотказной работы системы за время t.
Использование этого выражения в случае компьютерных обучающих
программ имеет свою специфику. Если известно фиксированное время вы-
полнения задачи (точнее время, на протяжении которого комплекс должен
функционировать безотказно, – в нашем случае это длительность занятия), то
вероятность безотказной работы системы будет определяться лишь величи-
ной p(t).
Однако существует и другой вариант использования КОП – выполне-
ние электронного урока до его полного завершения, например, в случае экс-
тернатной формы обучения. Структура урока имеет, как правило, достаточно
сложный вид и включает изучение теоретического материала, самостоятель-
ное и контрольное тестирование с возможностью многократного прохожде-
ния отдельных этапов и многократных вероятностных переходов между ни-
ми [5]. При этом составление функции g(t) требует отдельной эксперимен-
тальной и аналитической работы.
Результатом проделанной работы должен стать вывод об окончании
этапа опытной эксплуатации и передаче подготовленной программы для
применения в учебном процессе в том случае, если рассчитанная вероятность
превысит некоторый установленный порог.

Список использованных источников


1. Гуров В.В., Забродин Л.Д., Чуканов В.О. Организация дистанцион-
ного обучения при подготовке инженеров-системотехников на кафедре
"Компьютерные системы и технологии" МИФИ. – Современные технологии
в задачах управления, автоматики и обработки информации: Сборник трудов
IX международного научно-технического семинара, посвященного 70-летию
МАИ и 70-летию МЭИ./ М.:Изд. Научтехлитиздат, 2000.-414с. С.300-301
2. Гуров В.В., Гуров Д.В., Кузнецова П.В., Михайлов Д.М. Использова-
ние компьютерных обучающих программ в курсе общей физики. – Новые
информационные технологии и системы: Труды VI Международной научно-
технической конференции - Ч.2. - Пенза, ПГУ, 2004. - С.157-161
3. Майерс Г. Надежность программного обеспечения. - М.: Изд. Мир,
1980.
4. Козлов Б.А., Ушаков И.А. Справочник по расчету надежности аппа-
ратуры радиоэлектроники и автоматики. - М.: Изд. Сов. радио, 1975.
Информационные технологии моделирования и управления, 2005, №1(19) 111

5. Гуров В.В. Организация лабораторного практикума при использова-


нии компьютерных обучающих программ. – Компьютерное моделирование
2002: Труды Междунар. научн.-техн. конф. СПб.: Изд-во СПбГПУ, 2002.

Королев А.А.
ИНТЕРАКТИВНОЕ ОТОБРАЖЕНИЕ ТРЕХМЕРНЫХ ДАННЫХ
Мордовский государственный университет им. Н.П.Огарева, г.Саранск

Вейвлеты дали значительный толчок развития некоторых областей


науки, они привели к значительному числу эффективных и простых алгорит-
мов, которые используются в:
- сжатие и обработка изображений;
- расчет глобальной освещенности;
- иерархическое моделирование;
- анимация;
- объемная визуализация;
- многомасштабное рисование.
Изучение вейлветов было инициировано необходимостью в быстрых
алгоритмах вычисления компактного представления набора данных. Они по-
зволили структурировать набор данных, перестроив их в иерархическом сти-
ле.
Метод, основанный на вейвлет анализе поверхностей произвольной то-
пологии, дал возможность осуществить прогрессивную передачу трехмерной
поверхности. Мы должны итеративно декомпозировать исходную, высокоде-
тализированную поверхность в низкодетализированную часть и набор вейв-
лет коэффициентов. В итоге с помощью грубого представления исходной по-
верхности и последовательности наборов вейвлет коэффициентов мы сможем
восстановить исходную поверхность [1].
Высококачественная анимация обычно содержит очень сложные и вы-
соко детализированные модели, каждая из которых может содержать мил-
лионы треугольников. Такая детализация может быть необходима при ото-
бражении моделей с близкого расстояния, но избыточна для отображения с
других расстояний. Эти избыточные детали увеличивают время на отображе-
ние анимации, так как увеличивается число треугольников необходимое для
обработки. Применение вейвлетов подразбиения помогает решить данную
проблему интерактивного отображения трехмерных данных.
Процесс создания компьютерной анимации может быть очень долгим.
Дизайнер работает итеративно; шаг за шагом меняет модели, добавляет но-
вые идеи, смотрит на результат и повторяет. Высококачественные модели,
применяемые в высококачественной анимации, имеют огромное число дета-
лей. Использование низкокачественной аппроксимации модели удобно для
предпросмотра анимации, и вейвлет аппроксимация может значительно ус-
корить процесс создания анимации.
112 3. Программные и телекоммуникационные системы

Высокое качество не является необходимостью на этапе проектирова-


ния, вполне достаточно иметь возможность просмотра анимации в реальном
масштабе времени, даже если вместо сложной модели будет использована ее
грубая аппроксимация.
При интерактивном отображении трехмерных данных направление
взгляда зрителя постоянно меняется. Когда сложная модель находится очень
далеко, было бы крайне неэффективно отображать каждую ее деталь, жела-
тельно иметь возможность получить только наиболее значимые детали моде-
ли для зрителя. При приближении объекта к зрителю все больше и больше
деталей может быть добавлено. Этот процесс известен как контроль уровня
детализации.
Уровень детализации используется в полетных симуляторах много лет.
Фанкхаузер и Секвин использовали контроль уровня детализации в своей ра-
боте посвященной движению среди архитектурных моделей в реальном мас-
штабе времени. Они использовали «упрощенные» модели объектов, которые
находились на удалении и детализированные модели для объектов близких к
зрителю. Каждая модель с определенным уровнем детализации генерирова-
лась отдельно [2].
Мы можем использовать технику автоматической реализации контроля
уровня детализации, основанную на вейвлетах подразбиения. Основная идея
проста. Порог e (0) выбирается исходя из дистанции зрителя до модели. Порог
e (0) затем используется для построения аппроксимации A(0).
Как только объект двигается ближе к зрителю, выбирается новый
меньший порог e (1) , и создается новая более детализированная аппроксима-
ция A(1). Тут есть некоторое осложнение – аппроксимация A(1) имеет дета-
ли, которые отсутствуют на A(0). Если A(1) сразу заменит A(0) при отобра-
жении, то детали проявятся «рывком», что будет заметно для зрителя. Появ-
ление деталей «рывком» можно избежать путем плавного смешивания ап-
проксимаций A(0) и A(1).
При интерактивном отображении анимации создание аппроксимаций
объектов должно быть как можно более быстрым. Таким образом, при ис-
пользовании вейвлетов подразбиения, возможно повысить скорость каждого
шага аппроксимации лишь изменяя вейвлет коэффициенты.
На больших дистанциях d0 все кроме наибольших коэффициентов не-
важны для построения аппроксимации, тогда можно использовать большую
величину порога e (0) для выбора, какие коэффициенты будут отброшены.
Вблизи, на дистанции d1 << d 0 порог e (1) << e (0) должен быть значительно
меньше, для того чтобы не отбрасывать наименьшие коэффициенты. Встает
проблема, как выбрать значения которые лежат между e (0) и e (1) .
Абсолютная величина порога e присваиваемая при определенной дис-
танции от зрителя зависит от многих факторов: абсолютной величины моде-
ли, разрешения экрана, угла обзора зрителя и т.д. Следовательно, сложно вы-
работать точное правило, которое бы работало для всех случаев. Тем не ме-
нее, выбрав значения e (0) и e (1) для максимально малой и максимально
Информационные технологии моделирования и управления, 2005, №1(19) 113

большой дистанции, можно найти эвристическое правило для выбора порога


e (d ) для дистанции d, где d 0 < d < d1 .
Зададим e (d ) следующим образом:
d - d0
log(e (d )) = t log(e (1)) + (1 - t ) log(e (0)) , t = .
d1 - d 0
Это эвристическое выражение основывается на эмпирически получен-
ной связи между величиной L2 нормализованных коэффициентов и видимы-
ми деталями на реконструированной аппроксимации [4].
Резкое переключение между моделями с различной детализацией, мо-
жет дать заметный для зрителя «рывки». Данная проблема легко решается
расширением вейвлета, где коэффициенты вейвлета представляют собой не-
прерывную функцию от дистанции. Этот простой метод позволяет плавно
менять геометрию объекта в зависимости от дистанции до зрителя.
Рассмотрим две кратномасштабные аппроксимации: A(0) в момент
времени t0 , A(1) в момент времени t1 . Набор коэффициентов С представлен-
ный в A(1), но не входящий в A(0) может быть плавно изменен в период вре-
мени между t0 и t1 , используя линейную интерполяцию. То есть, аппрокси-
мация A(t), где t0 < t < t1 масштабирует каждый коэффициент ci из С на вели-
(t - t 0 )
чину: . В результате получим плавные переход от A(0) к A(1).
(t1 - t0 )
Рассмотрим случай «наезда» зрителя на объект во время анимации.
При правиле определения порога, показанном выше, последовательность
значений порогов e (t ) монотонно уменьшается с уменьшением дистанции до
объекта и больше деталей реконструируется. При уменьшении e (t ) соответ-
ственно увеличивается число вейвлет коэффициентов, используемых при
создании аппроксимации A(t). То есть вейвлет коэффициенты C (ti ) , содер-
жащиеся в аппроксимации A(ti ) в момент времени ti всегда является подмно-
жеством вейвлет коэффициентов C (t j ) содержащихся в A(t j ) , последующей
аппроксимации в цепочке, когда ti < t j .
Время реконструкции линейно зависит от числа вейвлет коэффициен-
тов, которые были добавлены. Это наводит на мысль, что вместо конструи-
рования аппроксимации A(t j ) с нуля, путем добавления полного набора ко-
эффициентов к базовой модели, при каждом шаге времени t, можно значи-
тельно увеличить скорость реконструкции в момент времени t j добавлением
к A(ti ) только набор коэффициентов C (ti , t j ) = C (t j ) - C (ti ) . Такой процесс ин-
крементальной реконструкции уменьшает время необходимое для реконст-
рукции на временном интервале [ti , t j ] .
Инкрементальная реконструкция может быть эффективно реализована,
если все вейвлет коэффициенты отсортировать по их величине – из отсорти-
рованного массива гораздо проще определять C (ti , t j ) = C (t j ) - C (ti ) . Хотя дан-
ная сортировка требует время для предварительных вычислений O (n log n) ,
114 3. Программные и телекоммуникационные системы

где n число вейвлет коэффициентов, это приводит к увеличению эффектив-


ности во время реконструкции, когда время наиболее важно.
«Узким» местом в реконструкции является вычисление скалярных про-
изведений и повторные вычисления систем линейных уравнений. Для инте-
рактивных приложений уменьшение времени вычислений очень важно.
Предварительные вычисления позволяют значительно ускорить реконструк-
ционный процесс, устраняя нужду вычисления скалярных произведений и
вейвлетов во время выполнения.
Есть два метода предварительных вычислений: кэширующие или пол-
ные предварительные вычисления. С кэширующими, скалярные произведе-
ния и вейвлеты вычисляются на лету, а повторные случаи определяются и
возвращается кэшированное значение, что позволяет избежать полных вы-
числений. Полные предварительные вычисления сохраняют все этапы вы-
числений на диски, во время реконструкции последовательно считывают их.
С ходом процесса подразбиения, соединения вершин становятся все
более и более регулярными. С локальным правилом подразбиения, лишь не-
сколько экстраординарных точек базового объекта становятся редким ис-
ключением в регулярном окружении. Используя регулярность можно реали-
зовать простой метод предварительных вычислений для кэширования значе-
ний вейлветов [3].
Может быть создана процедура, которая кодирует вейвлеты относя-
щиеся к регулярным вершинам. Кодирование вейвлетов для точек довольно
далеких от экстраординарных вершин всегда имеет одну структуру, и следо-
вательно форму вейвлета. Значения для этого регулярного случая могут быть
сохранены, после того как первое решение будет найдено, и далее оно может
быть возвращено для каждой последующей итерации подразбиения.
Хотя можно детектировать и кэшировать значения повторных случаев
для экстраординарных точек это лишь приведет к усложнению алгоритма.
Для интерактивных приложений предварительные вычисления должны
приносить максимальную эффективность. Все матрицы необходимые для де-
композиции и реконструкции могут быть считаны из данных полученных в
результате предварительных вычислений.
В частности, все ненулевые значения скалярного произведения и все
возможные вейвлеты могут быть вычислены для определенного объекты и
сохранены в таблице, когда требуется определенное значение вейвлета – оно
может быть быстро найдено в таблице. Используя предварительные вычис-
ления даже нелинейные системы могут быть решены через аппроксимацию
Наиболее быстрый вычислительный результат дает чтение всех важных
матриц ил файла. Для определенного правила подразбиения и определенного
базового объекта все важные матрицы могут быть вычислены и сохранены
на диск. Так как все матрицы которые требуются в процессе разрежены, то
чтение этих значений может быть чрезвычайно быстрым.
Основные вейвлет операции декомпозиция и реконструкция могут идти
параллельно. Возможно разделить декомпозицию и реконструкцию в отдель-
Информационные технологии моделирования и управления, 2005, №1(19) 115

ные процессы на отдельных машинах или же выполнять эти операции на од-


ной машине одновременно.
Выполнение фильтрации банка параллельно может быть желательно
для улучшения эффективности с точки зрения расхода памяти. Когда вход-
ные данные большие по размеру, то их можно разбить на маленькие кусочки
и обработать отдельно. Результат может быть при необходимости совмещен
с реконструкцией.
Как можно убедиться сочетание методов кратномасштабного вейвлет
анализа трехмерных данных и использование техники предварительного вы-
числения позволяет работать со сложными трехмерными сценами в реальном
масштабе времени, что становиться все более актуально с каждым годом, при
текущем резком развитии компьютерных технологий и погружении рабочего
места человека в виртуальную среду.

Список использованных источников


1. Certain, Popovic, DeRose, Duchamp, Salesin, Stuetzle. Interactive mul-
tiresolution surface viewing. SIGGRAPH 96 Conference Proceedings. ACM
SIGGRAPH, Addison Wesley, August 1996.
2. Eck, DeRose, Duchamp, Hoppe, Lounsbery, Stuetzle. Multiresolution
analysis of arbitrary meshes. SIGGRAPH 95 Conference Proceedings. ACM
SIGGRAPH, Addison Wesley, August 1995
3. Stollnitz, DeRose, Salesin. Wavelets for Computer Graphics: Theory and
Applications. Morgan-Kaufmann, San Francisco, 1996.
4. Rossignac J. and Borrel P. Multi-resolution 3D approximation for ren-
dering complex scenes. In B. Falcidieno and T. L. Kunii, editors, Modeling in
Computer Graphics: Methods and Applications.

Котенко А.Г.
ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ АСУ И ЦЕННОСТЬ
ИНФОРМАЦИИ
Петербургский государственный университет путей сообщения Министерства
путей сообщения Российской Федерации, г. Санкт-Петербург

Одним из путей повышения качества управления является создание и


использование высокоэффективных АСУ. Функционирование АСУ любого
уровня и назначения связано с вводом, обработкой, хранением и выдачей
больших объемов информации, используемой для решения задач управления.
Полное или частичное разрушение информационных массивов, искажение
информации, а также разрушение компонент программного обеспечения,
связанное с возникновением сбоев и отказов при работе технических средств,
ошибками в программах, исходных, промежуточных или выходных данных,
несанкционированным использованием программ и элементов данных, на-
рушениями регламента работы с системой со стороны пользователей приво-
дит к значительным потерям и, как следствие, к снижению эффективности
116 3. Программные и телекоммуникационные системы

функционирования АСУ. В связи с этим необходимо предусматривать меры,


обеспечивающие безопасность информации, включающие
Поскольку возможные угрозы информации в АСУ отличаются много-
образием и структурной сложностью, цели безопасности могут быть достиг-
нуты только на основе комплексного подхода с использованием многоуров-
невой схемы организации средств защиты информации. При этом наиболее
остро встает задача определения рационального уровня затрат на построение
комплекса средств защиты.
Поиск величины рационального объема затрат на организацию ком-
плекса средств защиты информации в АСУ может осуществляться решением
оптимизационной задачи по критерию минимума интегрального показателя,
З
учитывающего общую стоимость средств защиты C и уровень вероятных
П
потерь C от нарушения безопасности информации [1]:
C ЗП = min(C З + C П ) . (1)
Предположим, структура информационно-вычислительного процесса в
АСУ является заданной. Определены вероятные цели нарушения безопасно-
сти F = { f } , составлен полный перечень возможных угроз A = { j} и средств их
нейтрализации (средств защиты) D = {m}. Допустим, комплекс средств защи-
ты строится с учетом характерных особенностей объектов защиты, условий
их локализации и условий противодействия определенным совокупностям
угроз. Предположим, выделены уровни защиты. И если каждый уровень раз-
делен на ряд функционально связанных рубежей, построенных по принципу
объединения средств защиты относительно конкретной угрозы, тогда компо-
ненты выражения (1) могут быть вычислены по уравнениям (2)–(6).
Общая стоимость средств защиты может быть определена по формуле
F
С З
= åC З
f
, f =1
(2)
где f – вероятная цель нарушения безопасности; F – множество вероятных
З
целей нарушения безопасности; С f – стоимость средств защиты для отраже-
ния угроз, реализуемых при достижении f -й цели нарушения безопасности.
Стоимость средств защиты для отражения угроз, реализуемых при дос-
тижении f -й цели нарушения безопасности, может быть вычислена по фор-
муле:
f
Bf N j

С З
f = ååc З
jm
j =1 m =1
, (3)
Bf
где j – возможная угроза безопасности; – множество возможных угроз,
F

UB f =A
реализуемых при достижении f -й цели ( B f Ì A , f =1
, A – множество
f
возможных угроз безопасности); m – средство защиты; N j – множество
средств защиты для отражения j -й угрозы, соответствующей f -й цели
Информационные технологии моделирования и управления, 2005, №1(19) 117
F А

UU N j
f
ÌD З
( , D – множество средств защиты); c jm – стоимость применения
f =1 j =1

m -го средства защиты для отражения j -й угрозы, вычисляемая по формуле


c Зjm = с m + с km
, (4)
где с m – стоимость m -го средства защиты; с km – стоимость установки и об-
служивания m -го средства защиты на j -м рубеже.
Уровень вероятных потерь от нарушения безопасности информации в
АСУ может быть определен выражением
F Bf K jf

C П
= å å å P Ц v jh
f =1 j =1 h =1
, (5)
f
K
где h – вид потери; – множество видов потерь от реализации j -й угрозы
j

F А

UU K f
j ÌL
при достижения f -й цели ( f =1 j =1
Ц
, L – множество видов потерь); Р –
вероятность достижения всех целей нарушения безопасности информации;
v jh
– величина h -го вида потери от реализации j -й угрозы.
Вероятность достижения всех целей нарушения безопасности инфор-
мации в АСУ может быть вычислена по формуле:
F If

Р Ц
= Õå Pi f p jf
j =1 i =1
, (6)
где i – уровень защиты; I f – множество уровней защиты, преодолеваемых
F

f
UI = G
I f Ì G f =1 f
при достижении -й цели ( , , G – множество уровней защи-
f
ты); Pi – вероятность преодоления i -го уровня защиты при достижении f -й
f
цели; p j – вероятность преодоления j -го рубежа при достижении f -й цели.
Применяя (2)–(6) задача определения рационального уровня затрат на
организацию комплекса средств защиты информации в АСУ может быть
сформулирована в следующем виде: найти такие значения использования
средств защиты x jm , что
æ F Bf N j З ö
f f
F Bf K j F If
С = min (С ( x ) + С ( x)) = min å å å c jm x jm + å å å v jh Õ å Pj f p if ÷
ЗП ç З П
x x ç ÷
è f =1 j =1 m =1 f =1 j =1 h =1 f =1 i =1
ø , (7)

где x jm = 1 , если m -е средство защиты используется для отражения j -й угро-


x jm = 0
зы; – в противном случае. То есть
x jm = {0,1}
, при j Î B f , m Î N j и f = 1,2,..., F .
f

В рассмотренной постановке задача (1) относится к задачам оптимиза-


ции состава комплексов технических средств [2] и может решаться методами
динамического программирования с использованием критериев:
118 3. Программные и телекоммуникационные системы

· минимум вероятности достижения всех целей нарушения безопас-


ности информации в АСУ
F If

Р Ц
= min Õå Pi f p jf
; j =1 i =1
(8)
· минимум уровня вероятных потерь от реализации всех целей нару-
шения безопасности информации в АСУ
F Bf K jf

C П
= min å å å P Ц v jh
f =1 j =1 h =1
; (9)
а также ограничений:
· по стоимости комплекса средств защиты
С З £ С доп
З
, (10)
З
где С – максимально допустимое значение стоимости комплекса средств
доп

защиты;
· по уровню потерь от реализации целей нарушения безопасности
С П £ С доп
П
, (11)
П
где С – допустимый уровень потерь от нарушения безопасности информа-
доп

ции в АСУ.
Задача (7) относится к классу задач дискретной оптимизации и отлича-
ется большим числом переменных, нелинейностью целевых функций и огра-
ничений. Одной из серьезных проблем, возникающих при решении (7), явля-
ется необходимость введения количественных оценок ценности информации
в АСУ. Понятие «ценность» информации в настоящее время находится в
стадии становления, и попыток дать математически точное определение цен-
ности информации немного.
Общепринятый подход формализованного определения ценности ин-
формации при решении прикладных, практических проблем опирается на
понимание информации как сведений, позволяющих пользователю в опреде-
ленном смысле оптимизировать процесс достижения стоящих перед ним це-
лей.
Подходы к определению ценности информации, основанные на поня-
тии цели, обычно разбивают на два класса, где:
1. ценность информации измеряется приращением вероятности дос-
тижения цели (пользователем);
2. мера ценности информации есть функция приближения к цели.
Концепции 1 и 2 близки между собой. В обоих случаях имеется в виду
информация, используемая пользователем для принятия решений и соверше-
ния соответствующих действий, эффективность которых может быть в ка-
кой-то мере оценена. Предположим, информация вызывает определенное
действие пользователя. Эффективность этого действия поддается количест-
венной оценке a 1 . При отсутствии информации пользователь предпринял бы
другое действие, эффективность которого есть a 0 . Тогда ценность инфор-
Информационные технологии моделирования и управления, 2005, №1(19) 119

мации, полученной пользователем, пропорциональна разности


a 1 - a 0 (a 1 > a 0 ) . Таким образом, ценность информации может трактоваться
как эффективность действий, основанных на этой информации, в пред-
положении, что пользователь использует информацию наиболее эффектив-
ным образом.
В развитие методологии этого подхода обычно используют параллель
между определением количества информации и ее ценности. В работах [3, 4,
5] рассматривается пользователь информации, который до получения ин-
формации I действует в условиях неопределенности, оцениваемой энтропией
H, и при этом несет средние потери R (H ) . При получении информации I не-
определенность (энтропия) становится величиной H (I ) , а соответствующие
потери – R ( H ( I )) . Следовательно, для пользователя ценность S ( I ) информа-
ции I определяется как разность:
S ( I ) = R( H ) - R( H ( I )) . (12)
Одним из путей использования (12) является построение (α, β)–модели
оценки ценности информации [7]. Допустим, что при получении пользовате-
лем информации I апостериорная величина энтропии H(I ) становится меньше
априорной H, что приводит к уменьшению риска деятельности пользователя
и увеличивает эффективность его действий
H (I ) <H , R ( H ( I )) < R (H ) .
Пусть эффективность действий пользователя в этом случае оценивает-
ся величиной α > 0. Если же апостериорная величина энтропии H(I ) стано-
вится больше априорной H и риск деятельности пользователя увеличивается:
H (I ) >H, R ( H ( I )) > R (H ) ,
то эта эффективность есть β < α. Пусть данное предположение справедливо
для всех H (I ) и R ( H ( I )) , H и R ( H ) , а величины α и β не зависят от кон-
кретных H(I ) , R ( H ( I )) , H, R ( H ) и являются константами.
Применительно к АСУ смысл (α, β)–модели можно уточнить на основе
подхода, изложенного в работе [6]. Допустим, имеется объект наблюдения –
технологический процесс (ТП), который может находиться в одном из со-
стояний конечного множества О. В фиксированный момент времени ТП на-
ходится в состоянии о*Î О. Состояние ТП изучает человеко-машинная сис-
тема (ЧМС), которая включает персонал и комплекс технических средств.
Наблюдения ЧМС могут быть неточными вследствие искажения информа-
ции, разрушения компонент программного обеспечения, связанного с воз-
никновением сбоев и отказов при работе технических средств, ошибок в про-
граммах, исходных, промежуточных или выходных данных, несанкциониро-
ванным использованием программ и элементов данных, нарушений регла-
мента работы с системой и т.п. В общем случае ЧМС не отражает «истин-
ные» состояния ТП, а лишь формирует некоторое представление об этих со-
стояниях. Предполагается, что ЧМС в результате наблюдений выделяет наи-
120 3. Программные и телекоммуникационные системы

более вероятное подмножество О'ÍО, в котором находится истинное со-


стояние о *.
Результат своих наблюдений ЧМС формулирует в сообщении xÎX, где
X — конечное множество возможных сообщений. Содержанием сообщения
xÎX является множество О(х)ÍО, которому, по представлению ЧМС, при-
надлежит истинное состояние о*.
ЧМС направляет сообщение xÎX по системе каналов связи лицу, при-
нимающему решение (пользователю информации). ЛПР использует эту ин-
формацию для достижения цели управления, связанной с его знаниями о со-
стоянии о*ÎО.
Исходя из своих знаний и полученного сообщения, ЛПР стремится вы-
делить наиболее вероятное состояние (о'ÎО), в котором находится ТП. Вы-
делив это состояние, ЛПР предпринимает действия, эффективность которых
может быть измерена количественно.
Если информация, поступившая от ЧМС, позволяет ЛПР верно опреде-
лить состояние ТП (т. е. о'=о*), то эффективность его действий оценивается
величиной α > 0; если же она приводит к ошибке (о' ≠о*), то эта эффектив-
ность есть β < α.
В работе [7] предлагаются допущения, на основании которых можно
сформулировать исходную математическую (α, β)–модель ценности инфор-
мации в АСУ:
· искажения в каналах связи отсутствуют; ЛПР получает то же со-
общение хÎ X, что отправляет ЧМС. Задержки в передаче сообщения от ЧМС
к ЛПР отсутствуют, сообщение передается «мгновенно»;
· ЛПР и ЧМС одинаково «понимают» содержание О(х) сообщения хÎ
Х, проблема «непонимания» (или «неполного понимания») ЛПР смысла пе-
реданного ему сообщения отсутствует. Имеет место полное взаимопонима-
ние ЧМС и ЛПР;
· ЧМС формирует и посылает ЛПР достоверные сообщения, т.е.
о*ÎО (х);
· все состояния о'ÎО(х) равноправны как «претенденты» на истинное
состояние о*, т.е. вероятность Р{о'=о*|о'ÎО(х)}= |О(х)|– 1 (где |О(х)| означает
мощность множества О(х));
· до получения от ЧМС сообщения xÎX ЛПР обладает априорной
информацией о состоянии ТП, которую можно представить в виде наличия у
него априорного сообщения x0Î X;
· cообщение x0ÎX достоверно и все состояния о'ÎО(х0) равноправны
как претенденты на о*, т. е. P0 {o’=o*| o’ÎO(x0)}=|O(x0)|-1.
Ценность информации определяет ЛПР. В соответствии с концепцией,
изложенной в [3, 4, 5], под ценностью информации, заключенной в сообще-
нии хÎХ при наличии априорных сведений х0ÎX, ЛПР понимает разность:
s x = h( x, x0 ) - h( x0 )
, (13)
Информационные технологии моделирования и управления, 2005, №1(19) 121

где количественная оценка эффективности действий ЛПР до получения со-


общения хÎX определяется по формуле
h( x 0 ) = aP0 + (1 - P0 ) b
,
а соответствующая оценка после получения сообщения x Î X равна
h( x, x 0 ) = a ( P ´ P0 ) + (1 - ( P ´ P0 )) b
Таким образом, можно записать, что
s x = C ab (( P ´ P0 ) - P0 )
, (14)
где
Сαβ =α–β>0.
Следовательно, значения условной ценности информации в АСУ могут
находиться в пределах:
0 £ s x £ C ab (1 - P0 )
,
s = C ab (1 - P0 )
причем s x = 0 в том случае, если O ( x 0 ) Í O ( x ) ; а x , если
O( x ) Ç O( x 0 ) = 1
.
Следуя подходу, изложенному в [8], и предполагая, что содержание
O(x) оценивается на основе исследования количественных характеристик
(измеримых атрибутов) сообщений, можно установить зависимость между
значениями Сαβ и атрибутами сообщений хÎX. Связывая далее выражение
(14) с формулами (8)–(11) и выделяя виды потерь h (потери от нарушения
конфиденциальности информации, потери от невыполнения ряда работ, по-
тери на восстановление средств защиты от реализации j -й угрозы при по-
пытке достижения f -й цели и т.п.) можно установить величину потерь v , ха-
рактеризующую снижение эффективности функционирования АСУ.
Таким образом, в результате решения (7) можно получать величины
рациональных объемов затрат на организацию комплексов средств защиты
информации в АСУ с учетом эффективности функционирования АСУ.

Список использованных источников


1. Обеспечение информационной безопасности в экономической и
телекоммуникационной сферах/ Под ред. Е.М.Сухарева. Кн.2. – М.: Радио-
техника, 2003. – 216с.
2. Алексеев О.Г. Комплексное применение методов дискретной оп-
тимизации. – М.: Наука, 1987.
3. Гавурин М.К. О ценности информации / Вестник ЛГУ. Сер. матем.,
мех. и астрон. Вып.4. №19, 1963.
4. Стратонович Р.Л. О ценности информации / Изв. АН СССР. Тех-
нич. кибернетика. 1965. №5. С.3–12.
5. Гришанин С.И. Учет стоимости информации в теории информации
/ Изв. АН СССР. Технич. кибернетика. 1967. №2.
6. Бонгард М.М. О понятии «полезная информация» / Проблемы ки-
бернетики. Вып.9. 1963.
122 3. Программные и телекоммуникационные системы

7. Шанкин Г.П. Ценность информации. Вопросы теории и приложе-


ний. – М.: Филоматис, 2004. – 128с.
8. Morbhead D.R., Pejtersen A.M., Rouse W.B. The value of information
and computer–aided information seeking: problem formulation and application to
fiction retrieval / Information Processing&Management, 1984, v.20, #5–6, P.583–
601.

Кравец О.Я., Свиридова О.С.


ИСПОЛЬЗОВАНИЕ UML ДЛЯ МОДЕЛИРОВАНИЯ И ГЕНЕРАЦИИ
WEB-ПРИЛОЖЕНИЙ
Воронежский государственный технический университет, г.Воронеж

1. Постановка задачи
Разработка методов создания крупных Web-приложений - новая и раз-
вивающаяся дисциплина. Для поддержки этого процесса появилось множест-
во инструментов. Для управления сложными проектами требуется создание
методологии и средств моделирования Web-приложений при помощи специ-
альных элементов, обеспечивающих должный уровень абстракции.
Очень важно промоделировать работу приложения, независимо от мес-
та и способа его реализации. Для Web-приложений это означает необходи-
мость отражения логики программной системы в сценариях и компонентах
клиентской части.
Одним из перспективных подходов к моделированию Web-приложений
является использование объектно-ориентированного языка UML (Unified
Modeling Language), который, фактически, стал индустриальным стандартом
де-факто для большинства объектно-ориентированных технологий при про-
ектировании приложений клиент-сервер. UML предоставляет стандартную
нотацию и технику диаграмм для построения моделей системы, при необхо-
димости можно использовать механизм расширений, который включает но-
вые атрибуты, дополнительные ограничения и стереотипы. Эти расширения
дополняют грамматику языка UML новыми обозначениями с конкретной се-
мантикой и ограничениями без нарушения существующих соглашений, что
позволяет моделировать специфические для Web-приложений архитектурные
элементы как часть общей модели системы.
Стереотипы (stereotypes) – элементы моделирования, определенные в
существующей модели и специфичные для конкретной предметной области.
Стереотипы расширяют семантику и, имеют дополнительные ограничения.
Помеченные значения (tagged values) – метаданные, которые добавляется к
элементам моделирования и позволяют включать дополнительную информа-
цию в его спецификацию. Чаще всего, с помощью помеченных значений
описывают свойства, относящиеся к генерации кода или к управлению кон-
фигурацией. Ограничения (constraints) – расширение семантики элемента
UML, описывающее правила, которым нужно следовать при сборке элемен-
тов модели.
Информационные технологии моделирования и управления, 2005, №1(19) 123

Основная цель UML - проведение объектно-ориентированного анализа


и проектирования ПО и поддержание перехода к объектно-ориентированной
реализации. Таким образом, основной задачей стадий разработки, предшест-
вующих реализации, является построение модели классов.

2. Обзор существующих решений


Среди различных подходов к решению проблемы моделирования и ге-
нерации Web-приложений следует выделить UWE (UML-based Web Engi-
neering Approach) и WAE (Web Application Extension) как наиболее интерес-
ные. Оба подхода имеют свои недостатки и преимущества. Рассмотрим их
подробнее.
UWE – объектно-ориентированный пошаговый итерационный процесс
разработки Web-приложений с использованием UML, имеющий целью полу-
автоматическую генерацию кода. Используемой нотацией является разрабо-
танный профиль UML, базирующийся на механизмах расширения, опреде-
ленных в самом UML (стереотипы, помеченные значения и ограничения).
Этот профиль включает стереотипы, определенные для моделирования нави-
гационной и презентационной логики Web-приложений. Методология UWE
предлагает руководство для пошагового конструирования моделей.
Программа-генератор принимает на входе набор XML-документов, со-
держащих параметры для процесса генерации. В качестве интерфейса между
инструментами моделирования XML и генератором используется XMI (XML
Metadata Interchange) – стандартный XML-формат для обмена моделями
UML. На подготовительном шаге модели, описанные в формате XMI, преоб-
разуются во входные документы XML для основного процесса генерации.
Процесс преобразования основан на применении XSL (eXtensible Stylesheets)
к контенту XML.
Данная система основана на четырехуровневой архитектуре J2EE (Java
2 Platform Enterprise Edition). Уровень клиента содержит клиентские компо-
ненты отображения, такие как Web-браузер. Уровень Web-контейнера со-
держит Java-сервлеты и страницы JSP (Java Server Pages). Логика обработки
данных и серверные компоненты сосредоточены в компонентах EJB (Enter-
prise Java Beans) внутри сервера приложений. Уровень сервера БД управляет
доступом к данным.
В центре внимания данной методологии – навигационная структура
приложений. Ее особенностью являются персонализация и адаптация презен-
тационной и навигационной структуры к профилям пользователей. Недос-
татками данной работы являются: слабая поддержка моделирования заданий
и, как следствие, динамических страниц, схематичность представления поль-
зовательского интерфейса, полуавтоматическая генерация навигационной
структуры приложения.
Другой подход – WAE - определяет набор стереотипов UML для Web,
который включает стереотипы для компонентов, классов, методов и ассоциа-
ций, таких как серверные и клиентские компоненты, серверные и клиентские
страницы, формы, фреймы, связи, перенаправления, передача данных и др.
124 3. Программные и телекоммуникационные системы

Эти стереотипы подходят для моделирования разметки страницы и динамики


приложения.
Стереотипы, предложенные в данном расширении, представлены ниже.
Клиентская страница – стереотип, который представляет HTML-
страницу в Web-браузере. Может содержать скрипты, которые исполняются
браузером. Взаимодействует с клиентскими объектами, такими как апплеты
Java, ActiveX и т.д.
Серверная страница – класс, представляющий Web-страницу, которая
запрашивается браузером. Взаимодействует с ресурсами на сервере, конст-
руирует клиентскую HTML-страницу.
Также в расширение добавлены стереотипы таких компонентов как
формы, фреймы, скрипты, связи и т.д.
Данный подход базируется на архитектуре тонкого Web-клиента. Ме-
тод концентрирует внимание на динамике и архитектуре Web-приложений и
не предоставляют инструментов для разработки кода.
Преимущество данной технологии - использование стандартной нота-
ции, т.к. она предлагает расширение UML, основанное на существующих
техниках реализации. К недостаткам метода можно отнести неприменимость
к моделированию навигационной структуры и отсутствие средств для гене-
рации приложения.

3. Цель работы
Целью данной работы является разработка метамоделей, которые по-
зволят создавать высококачественные модели Web-приложений. Метамодель
определяет язык описания моделей. В UML метамодель описывается с по-
мощью диаграмм классов UML. Вторая задача состоит в том, чтобы по ре-
зультатам моделирования предметной области оперативно построить мас-
штабируемое приложение, обеспечивающее необходимую функциональ-
ность, уметь отобразить модель Web-приложения на достаточном уровне аб-
стракции и детализации, а самое главное — в контексте общей модели всей
системы, учитывать возможность генерации кода.
При использовании любой методики моделирования необходимо отра-
жать семантику специфических для Web элементов, таких, например, как
Web-страницы и гиперссылки, а также их взаимосвязь с внутренними эле-
ментами системы — объектами среднего уровня в трехзвенной архитектуре и
базой данных.

4. Метод
Стадия разработки состоит в построении набора UML-моделей про-
граммной системы. Для этого необходимо разработать профиль UML для
предметной области Web-приложений. Этот профиль должен включать сте-
реотипы, определенные для моделирования презентационной структуры
приложений, ограничения и дополнительную информацию. Для описания и
обмена моделями целесообразно использовать язык XML (eXtensible Markup
Language). Далее на примере показано, как модели могут быть описаны с по-
Информационные технологии моделирования и управления, 2005, №1(19) 125

мощью документов XML с иерархической структурой. Для преобразования


моделей и генерации кода целесообразно использовать механизмы публика-
ции XML (XSLT).
При отображении объектно-ориентированных информационных моде-
лей UML в схему XML необходимо использовать принцип спецификации
XMI, которая определяет четкий подход к генерации XML DTD (Document
Type Definition – определение типа документа) и незначительно расширяет
подход XMI к отображения объектно-ориентированных моделей данных, вы-
раженных в UML, в схему XML.
Правила, применяющиеся в процессе трансформации, схематично вы-
глядят следующим образом:
1. Отображение классов UML в элементы XML. Классы UML отража-
ют структурные и поведенческие особенности в объектно-ориентированной
модели. Эти особенности включают атрибуты, связи, агрегирование и компо-
зиции. С другой стороны, элементы XML выступают в качестве контейнеров
для атрибутов и дочерних элементов. Таким образом, преобразование UML в
XML может выполняться непосредственно.
2. Отображение атрибутов UML в атрибуты или элементы XML. Как
правило, либо первичный тип данных, либо перечисление атрибутов UML
могут быть представлены как атрибуты XML, которые, главным образом,
подходят для хранения простых типов данных и коротких строковых значе-
ний.
Рассмотрим процесс создания программного кода на основе моделей
UML.
Рабочим примером подобной трансформации может служить описание
класса ComboBox (выпадающее меню) и генерация на его основе HTML-тега
<select>.

<< class >> << type >>


ComboBox Option
id : Integer id : Integer
class : String class : String
title : String title : String
lang : String disabled : Boolean
accesskey : String selected : Boolean
tabindex : Integer value : String
disabled : Boolean onclick : JavaScript
onchange : JavaScript onmouseup : JavaScript
onfocus : JavaScript ...
options : Set(Option)
...

Описание класса UML на языке XML схематично может выглядеть так:

<?xml version="1.0" ?>


126 3. Программные и телекоммуникационные системы

<WebProfile>
<class name="ComboBox">
<attribute name="id" type="Integer"/>
<attribute name="class" type="String"/>
<attribute name="title" type="String"/>
<attribute name="lang" type="String">
<attribute name="tabindex" type="Integer"/>
<attribute name="disabled" type="Boolean">
<attribute name="onchange" type="JavaScript"/>
<attribute name="onfocus" type="JavaScript"/>
<attribute name="options" type="Set(Option)"/Ы>
</class>
</WebProfile>

При создании конечного объекта (экземпляра класса) данное описание


трансформируется в следующее:

<?xml version="1.0" ?>


<instance type="ComboBox">
<ComboBox id="1" class="cb1" name="Combobox1" onchange="script1" op-
tions="Set1">
</instance>

Параметры name атрибутов преобразуются в имена тегов, которые за-


тем заполняются данными, т.е. свойствами объектов.
Т.о. разрабатываемый метод моделирования базируется на расширении
языка UML для предметной области интерактивных Интернет-
ориентированных систем.

Список использованных источников


1. Буч Г., Рамбо Дж., Джекобсон А. UML Руководство пользователя. –
М.: ДМК, 2004. - 432 с.: ил.
2. Conallen J. Modeling Weи Applications with UML -
http://www.conallen.com/ModelingWebApplications.html.
3. Koch N. Towards a Methodology for Adaptive Hypermedia Systems.
Proceedings of the 6th Workshop Adaptivitat und Benutzermodellierung in Inter-
activen Softwaresystemen, ABIS-98, U. Timm and M.Rossel (EDs), 1998.
4. Koch N., Mandel L. Using UML to Design Hypermedia Applications.
Ludwig-Maximilians-University Munich, Institute of Computer Science, Technical
Report 9901.
5. Koch N., Kraus A., Hennicker R. The Authoring Process of the UML-
based Web Engineering Approach (Case Study). Proceedings of the 1st Interna-
tional Workshop on Web-oriented Software Technology, 2001.
6. I-Chen Wu, Shang Hsien-Hsieh. An UML-XML-RDB Model Mapping
Solution for Facilitating Information Standardization and Sharing in Construction
Industry. Department of Civil Engineering, National Taiwan University.
Информационные технологии моделирования и управления, 2005, №1(19) 127

Кремер А.А., Алгазинов Э.К.


ВОЛНОВОЙ КОНТРОЛЬ СОСТОЯНИЯ ОБЪЕКТОВ
РАСПРЕДЕЛЕННОЙ СИСТЕМЫ В КОЛЬЦЕВОЙ
ТОПОЛОГИЧЕСКОЙ СТРУКТУРЕ
Воронежский государственный университет

Объекты распределенной системы не всегда находятся в абсолютно ра-


ботоспособном состоянии. При переходе их в другое состояние, в котором
они не могут в полном объеме выполнять свои функции, необходимо осуще-
ствлять техническую диагностику, которая, как правило, производится по
определенным моделям.
Использование таких моделей при определении работоспособности в
реальных системах сопряжено с некоторой недостоверностью диагностиро-
вания. Это связано с тем, что в реальной "физической" системе не вы-
полняются вводимые предложения о характере неисправностей, видах взаи-
модействия объектов в процессе диагностирования, однозначности и полноте
контроля одного объекта другими и т.д. Обеспечение своевременной выдачи
портрета состояний объектов территориально распределенных систем с це-
лью оперативного принятия оптимального решения о воздействиях, направ-
ленных на реализацию наиболее эффективного управления, является задачей,
подход к решению которой и рассматривается в настоящей статье.
Задача оперативной выдачи текущей конфигурации системы (ТКС) от-
носится к области управления распределенными системами реального вре-
мени и, как правило, решается путем периодического опроса состояний узлов
управления по существующим каналам связи . Однако в случае нешинной
или некольцевой топологии сети связи при выходе из строя каналов или уз-
лов возникают сложные задачи ремаршрутизации, поскольку в нетрадицион-
ных топологиях при применении маршрутизации с фиксированными путями
маршрутов нарушается матрица. Это вызывает потери производительности
сети и, как следствие, экономические потери.
Введение большого количества связей в распределенных системах мо-
жет привести к увеличению времени диагностики и контроля состояния, по-
вышению аппаратной сложности реализации, усложнению синхронизации и
обмена информацией между отдельными элементами.
Одним из факторов, влияющих на производительность распределенной
системы (узлов, каналов передачи данных и пр.), является эффективность
способа идентификации отказа или отключения того или иного объекта сети.
Распределенные системы, обладающие произвольной топологической струк-
турой, являются достаточно сложными объектами для контроля состояния
(КС) отдельных узлов в отличие от систем с кольцевой, шинной или звездо-
образной топологией. Вместе с тем наложение на произвольную топологиче-
скую структуру каналов передачи данных и узлов исходной распределенной
системы кольцевой или древовидной сети КС позволяет существенно сни-
зить загрузку, связанную с обработкой ситуаций неработоспособности узлов.
Снижение загрузки связано с исключением из общего трафика повторных за-
128 3. Программные и телекоммуникационные системы

просов к отказавшему узлу, неоднократных из-за возможного применения


механизма k-настойчивости, увеличением резервной производительности ос-
новных каналов связи и ускорением оповещения узлов распределенной сис-
темы о ситуации отказа.
В основе нового способа оперативного получения ТКС, инвариантного
к топологической структуре исследуемой распределенной системы, лежит
наложение на произвольную топологическую структуру каналов передачи
данных и узлов исходной распределенной системы кольцевой или древовид-
ной сети.
Использование кольцевой топологической структуры позволяет авто-
матически исключить задачи маршрутизации из коммуникационной подсис-
темы средств КС и обеспечить необходимую отказоустойчивость самой сис-
темы КС в связи с наличием большого количества аппаратных средств обес-
печения целостности магистрали передачи данных.
Древовидную сеть КС целесообразно применять в случае террито-
риально распределенных узлов, когда построение кольцевой структуры ока-
зывается экономически нецелесообразным, а также при использовании ми-
нимального каркаса в графе, индуцированном топологической структурой
существующей сети связи. Кроме того, невысокие требования к скорости пе-
редачи сообщений системы КС позволяют использовать выделенные или да-
же коммутируемые линии телефонной и телеграфной связи.
Ниже исследуется функционирование систем КС в двух случаях: при
постоянно включенном узле системы контроля (УСК) и УСК, включающемся
и выключающемся в произвольные моменты времени, зависящие от работо-
способности подключенного к нему объекта. Для обоих случаев приводятся
алгоритмы и структура аппаратных средств, спроецированные на кольцевую
и древовидную топологически структуры системы КС. Доказывается сходи-
мость предлагаемых алгоритмов и их корректность.
В качестве текущей конфигурации системы будем для простоты рас-
сматривать вектор состояний узлов (ВСУ) и каналов (ВСК). Состояние мо-
жет быть активным и неисправным. Новый принцип построения ТКС (ВСУ и
ВСК) состоит в следующем.
На множестве узлов рассмотрим класс покрытий - кольца и деревья.
Алгоритмы сбора ТКС для них различны, но в их основе лежит лавинный ме-
тод.
Покрытие может не совпадать с существующей топологией каналов
связи. Однако требования к производительности сети у нового принципа не-
высоки, покрывающая сеть может строиться на основе простых технических
средств. Вместе с тем необходимо решать задачу выбора как оптимального
типа покрытия, так и самого покрытия.
С каждым узлом (каналом) связывается соответствующий разряд ВСУ
(ВСК). Основная идея состоит в том, что ТКС хранится в узле. При измене-
нии его состояния разряд изменяется и ТКС рассылается в соответствии с ла-
винным методом. При проходе через очередной узел производится коррекция
узлового и транзитного векторов. Через некоторое время процесс циркуля-
Информационные технологии моделирования и управления, 2005, №1(19) 129

ции ВСУ и ВСК прекратится, каждый узел будет иметь актуальный ТКС.
Данная идея и решение проблемы поглощения избыточных ТКС, свойствен-
ной лавинным алгоритмам, подробно рассмотрены ниже.

Алгоритмизация контроля состояния в кольцевой топологической


структуре
Кольцевая топологическая структура системы КС может применяться
для локальных (компактных) распределенных систем, в которых требования
к быстрой сходимости процесса контроля достаточно высоки. Это могут
быть комплексы, функционирующие в реальном масштабе времени, такие,
как система дистанционного получения ЭКГ, подсистема выбора типовых
карт состояния пациента. В таких системах среднее время изменения состоя-
ния объектов соизмеримо с временем распространения информации по сети.
В зависимости от способа комплексирования сети КС проанализируем при-
менение двух типов УСК.

1. Постоянно включенный УСК


Контроль состояния в данной ситуации осуществляется следующим
образом. В исходном состоянии все УСК содержат ВСК, имеющий нулевые
разряды (каждый разряд соответствует конкретному УСК). Каждый УСК
может работать в режиме АНАЛИЗ и ИЗМЕНЕНИЕ СОСТОЯНИЯ
АБОНЕНТА. Задано направление передачи по кольцу.
В режиме ИЗМЕНЕНИЕ СОСТОЯНИЯ АБОНЕНТА УСК заносит в
соответствующий разряд хранящегося в нем ВСК бинарный признак состоя-
ния подключенного к УСК абонента и передает ВСК на свой выходной ка-
нал.
В режиме АНАЛИЗ УСК принимает ВСК со входного канала и срав-
нивает его с содержащимся в УСК. При совпадении ВСК поглощается, в про-
тивном случае он замещает ВСК, ранее содержавшийся в УСК, и передается
на выходной канал.
Для обоснования корректности и конечности предложенного алго-
ритма КС с каждым ВСК свяжем его вес - сумму всех разрядов. В исходном
состоянии все ВСК имеют нулевой вес. При включении абонента ВСК соот-
ветствующего УСК увеличивается на единицу, после чего новый ВСК посту-
пает в следующий УСК. Вес ВСК, содержащегося в нем, также увеличивает-
ся на единицу, и процесс повторяется до тех пор, пока ВСК не поступит в ис-
ходный УСК, где и будет поглощен. Алгоритм работы УСК в различных ре-
жимах функционирования приведен на рис. 1.
Таким образом, коррекция ВСК в системе контроля с кольцевой топо-
логической структурой и постоянно включенными УСК осуществляется с
помощью лавинного алгоритма за один "проход волны" по системе.
Сходимость рассмотренного алгоритма КС вытекает из свойства ко-
нечности распространения информации в распределенных системах, управ-
ляемых лавинными алгоритмами. Корректность получаемой информации
130 3. Программные и телекоммуникационные системы

следует из невозможности бесконечного возрастания веса ВСК и поглощаю-


щего критерия лавинного алгоритма.

Рис. 1. Алгоритм работы постоянно включенного УСК в различных


режимах функционирования

Понятно, что наиболее эффективная реализация рассмотренного алго-


ритма КС может быть осуществлена на аппаратном уровне с применением
Информационные технологии моделирования и управления, 2005, №1(19) 131

типовых микропроцессорных наборов. Пример реализации УСК приведен на


рис. 2.

Рис. 2. Функциональная схема постоянно включенного УСК

Кратко рассмотрим основные принципы работы постоянно включен-


ного УСК в кольцевой топологической структуре системы КС.
При поступлении ВСК на вход приемника (ПРМ) последний рет-
ранслирует ВСК на входы передатчика (ПРД), блока сравнения и блока ана-
лиза вектора состояния БАВ. На другой вход БАВ постоянно поступает бит
состояния абонента, который, кроме того, подается на один из входов ПРД и
одновибратор. Элемент ИЛИ выполняет функции формирователя сигнала,
разрешающего ретрансляцию ВСК. Такой сигнал может быть сформирован в
двух случаях.
1. Изменилось состояние абонента. Одновибратор сформирует единич-
ный импульс, который, пройдя элемент ИЛИ, поступит на третий вход пере-
датчика в виде требования передачи информации. Одновременно блок анали-
за вектора сформирует актуальный ВСК, который поступит с его выхода на
второй вход передатчика, после чего на выходе последнего и будет произво-
диться передача нового ВСК, учитывающего изменившееся состояние або-
нента.
2. На вход приемника, а следовательно, блока сравнения и БАВ, посту-
пил внешний ВСК (что соответствует в большинстве случаев изменившемуся
состоянию внешнего абонента).
Если внешний ВСК совпал с содержащимся в БАВ, то это означает, что
на вход приемника поступил ВСК, отправленный именно этим УСК при из-
менении состояния абонента, а следовательно, ВСК необходимо поглотить.
Поэтому на выходе блока сравнения формируется сигнал "=", который, по-
132 3. Программные и телекоммуникационные системы

ступая на пятый вход приемника, вызывает сброс находящейся в нем инфор-


мации.
Если же внешний ВСК не совпал с содержащимся в БАВ, то на выходе
блока сравнения будет сформирован сигнал "-", который вызовет запись по-
ступившего ВСК в БАВ и пройдя элемент ИЛИ, поступит на третий вход пе-
редатчика в виде требования передачи информации. Информация будет пе-
редана с первого входа передатчика на его выход.

Рис. 3. Алгоритмы работы абонент-зависимого УСК в режиме


"ИЗМЕНЕНИЕ СОСТОЯНИЯ АБОНЕНТА"

2. Абонент-зависимый УСК
Данный УСК является более сложным объектом, но обладает тем пре-
имуществом, что функционирует непосредственно с абонентом. В исходном
состоянии УСК выключен, и кольцевая магистраль коммутируется с его вхо-
да на выход. Таким же образом обеспечивается и целостность магистрали в
случае выключения УСК.
Включение УСК производится одновременно с включением абонента.
При этом ВСК, хранящийся в УСК, инициализируется, после чего в ВСК
формируется единичный разряд абонента и ВСК передается следующему
УСК.
При поступлении ВСК на вход УСК последний в режиме АНАЛИЗ ли-
бо поглощает ВСК, либо ретранслирует его дальше, предварительно устано-
вив разряд состояния "своего" абонента.
Информационные технологии моделирования и управления, 2005, №1(19) 133

Рис. 4. Алгоритм работы абонент-зависимого УСК в режиме


"АНАЛИЗ"
При включении очередного абонента (и УСК) сформированный ВСК, в
отличие от предыдущего случая, совершает два "круга". Во время первого
134 3. Программные и телекоммуникационные системы

при переходе к каждому следующему УСК вес ВСК в некоторых случаях


увеличивается на единицу, достигая к моменту поступления в исходный УСК
предельного значения, равного количеству активных УСК. Во время второго
(возможно, неполного) вес циркулирующего ВСК не изменяется, но все УСК
получают идентичные ВСК с полной информацией о состоянии абонентов
распределенной системы. ВСК будет поглощен не позже УСК, предшест-
вующего исходному.

Рис. 5. Функциональная схема абонент-зависимого УСК

Алгоритмы функционирования УСК в режимах "ИЗМЕНЕНИЕ


СОСТОЯНИЯ АБОНЕНТА" и "АНАЛИЗ" приведены на рис. 3 и 4 соответст-
венно.
Таким образом, приведенный алгоритм КС сходится и является кор-
ректным, но требует, в отличие от предыдущего, большего времени до полу-
чения полной картины при включении абонента.
Информационные технологии моделирования и управления, 2005, №1(19) 135

Функциональная схема УСК приведена на рис. 5.


Абонент-зависимый УСК функционирует следующим образом. В ре-
жиме "ИЗМЕНЕНИЕ СОСТОЯНИЯ АБОНЕНТА" сигнал состояния абонен-
та, пройдя через элемент ИЛИ и одновибратор, вызывает сброс содержимого
ПРМ. При этом на выходе блока сравнения формируется сигнал "-", запус-
кающий сумматор, который, формируя на своем выходе сигнал "=0", вызыва-
ет запись в ПРД содержимого регистра внутреннего ВСК и его ретрансля-
цию.
В режиме "АНАЛИЗ" в случае совпадения внешнего и внутреннего
ВСК блок сравнения формирует сигнал сброса содержимого ПРМ, обес-
печивая таким образом поглощение ВСК.
При несовпадении внешний ВСК, пройдя через сумматор и блок раз-
рядного анализа в соответствии с алгоритмом, приведенным на рис. 3, или
передается, замещая внутренний ВСК в соответствующем регистре, или, на-
против, замещается внутренним ВСК и только затем ретранслируется.
В случае отказа абонента блок аварийной коммутации БАК, уп-
равляющий вход которого работает в реверсивном режиме по сигналам од-
новибратора, переключает входы УСК на выходы, обеспечивая тем самым
целостность магистрали передачи данных, причем такое переключение будет
осуществлено с некоторой задержкой, после того, как будет передано новое
значение ВСК с нулевым битом состояния данного абонента. Специфика ис-
пользуемой линии задержки состоит в том, что она будет задерживать сигнал
только при перепаде сигнала питания из единичного в нулевой уровень.

Попов Н.В.
НОВЫЕ ВОЗМОЖНОСТИ ПРОГРАММНОЙ СИСТЕМЫ
ПОДДЕРЖКИ КОЛЛЕКТИВНОГО ВЫБОРА
Волгоградский государственный технический университет, г.Волгоград

Рассматриваемая программная система подробно описана в [1]. В ней


реализован подход к решению задач коллективного выбора, при котором
субъекты (выбирающие и выбираемые) описываются наборами свойств и
требований, а степень удовлетворения требованиям оценивается с помощью
вычисляемых мер сходства. Ранжирование возможных решений, которые
представляют собой допустимые комбинации субъектов, осуществляется с
использованием обобщенных функций, отражающих различные принципы
компромисса между требованиями участников выбора.
Ядром программной системы является база данных (БД), содержащая
знания об объектах синтеза. Она реализована на основе постреляционной
системы управления базами данных (СУБД) Cache компании Intersystems [2],
которая, обеспечивает эффективное хранение и многовариантную обработку
информации.
В БД присутствуют следующие категории информации:
136 3. Программные и телекоммуникационные системы

Объекты. Пользователи системы могут вносить в БД информацию, ко-


торая представляет их как участников процесса коллективного выбора. При
этом пользователи создают объекты, которые могут быть описаны произ-
вольным числом свойств и требований, предъявляемых к другим объектам.
Описания свойств. Свойства, характеризующие объекты, могут выра-
жаться количественными оценками, текстовыми описаниями и лингвистиче-
скими переменными, значения которых представлены нечеткими множест-
вами (нечеткими оценками). Кроме того, существует возможность представ-
ления свойств формальными алгоритмами их вычисления (вычисляемые
свойства). Описания свойств доступны всем пользователям, что является не-
обходимым условием возможности сравнения объектов.
Значения свойств. Конкретные объекты имеют определенные значе-
ния свойств, которые хранятся в таблице, описывающей связи между сущно-
стями Свойства и Объекты. При этом в качестве фактических значений не-
четких переменных могут использоваться ссылки на функции принадлежно-
сти, сформированные при описании свойств. Для вычисляемых свойств в БД
хранятся выражения, позволяющие получать значения свойств на этапе вы-
полнения.
Классы. Активные и пассивные участники процесса коллективного вы-
бора представлены объектами различных классов. В класс объединяются
объекты одинакового функционального назначения, имеющие сходный на-
бор свойств. Объекты одного класса могут рассматриваться как альтернатив-
ные варианты с точки зрения других участников выбора.
Требования. Требования субъектов выбора (объектов) представляются
в виде условий, которые накладываются на значения свойств. Эти условия
могут выражаться равенствами, неравенствами, множествами или интерва-
лами. Любой объект может предъявлять требования к свойствам объектов
другого класса, причем, если объект этого класса не имеет нужного свойст-
ва, требование считается невыполненным.
Алгоритм работы системы можно кратко записать следующим образом.
После того, как координатор определил классы, которые будут участвовать в
процессе принятия решения, система генерирует все возможные комбинации
из объектов, принадлежащих указанным классам. Для каждой комбинации
объектов вычисляется значение целевой функции с учетом весовых коэффи-
циентов участников и их требований. При этом в заданной комбинации пере-
бираются все возможные пары объектов. Для каждой пары объектов выпол-
няется запрос, возвращающий соответствующие значения свойств и требова-
ний. Запрос выполняется дважды: первый раз для получения сведений о тре-
бованиях первого объекта пары ко второму, второй раз – о требованиях вто-
рого объекта к первому. На основе полученных значений вычисляются меры
сходства свойств и требований, которые обобщаются с использованием од-
ного из предлагаемых системой способов, сначала для всех требований одно-
го объекта, а затем для всей комбинации в целом.
Рассмотрим новые возможности программной системы коллективного
выбора [1]. Многие задачи принятия решений оперируют данными, которые
Информационные технологии моделирования и управления, 2005, №1(19) 137

достаточно сложно представить точными числами. Свойства объектов могут


оказаться вообще не измеряемым, не иметь определенных единиц измерения,
информация о значениях свойств может быть неполной либо недостаточно
достоверной. Четкие представления таких данных обычно приводят к поте-
рям информации. Для подобных данных разработанная нами программная
система предоставляет возможность использовать лингвистические перемен-
ные, значения которых представлены нечеткими множествами [3]. Свойство,
имеющее тип «нечеткое», может принимать различные значения из заданно-
го множества. Каждое значение имеет название, позволяющее пользователям
выбирать его из списка, и функцию принадлежности.
Для примера рассмотрим свойство Внешний вид. Поскольку это свой-
ство нельзя измерить, то применим для этого шкалу лингвистических экс-
пертных оценок. На условном полном множестве оценок, заданном на интер-
вале [1, 10], эксперты строят функции принадлежности, описывающие значе-
ния лингвистической переменной Внешний вид, выраженные понятиями
«Красивый», «Некрасивый», «Средний», «Не хуже среднего». Требования к
нечетким свойствам представляются как условия, накладываемые на значе-
ние лингвистической переменной.
Пользователи системы могут визуально редактировать форму функций
принадлежности, а также изменять тип интерполяции кривой (линейная либо
сплайновая).
Еще один тип свойств, реализованный в системе и требующий отдель-
ного рассмотрения – это вычисляемые свойства. Во многих задачах некото-
рые свойства объекта могут быть однозначно вычислены через другие его
свойства. Конечно, можно вычислить их заранее и внести в базу данных, од-
нако это неудобно и ведет к избыточности хранимой информации. Кроме то-
го, в некоторых задачах свойства объекта могут быть непостоянными и зави-
сеть от того, с какими еще объектами взаимодействует данный объект. При
этом значение свойства рассчитывается не только на основе значений собст-
венных свойств объекта, но и значений свойств других объектов, входящих в
комбинацию. Значение свойств такого типа невозможно хранить в БД, по-
этому для них хранятся некоторые выражения, позволяющие рассчитать
значения свойства в каждой рассматриваемой комбинации объектов. Для
формирования выражений, описывающих способы вычисления свойств, в
программной системе коллективного выбора реализован оптимизирующий
интерпретатор выражений, позволяющий использовать все стандартные
арифметические действия, различные математические функции, а также про-
верку условий и логические операции И, ИЛИ, НЕ.
Для создания формул в системе используется построитель выражений,
предоставляющий возможность в визуальном режиме добавлять все функции
и операторы, поддерживаемые интерпретатором, а также свойства классов,
участвующих в решении данной задачи.
Еще одним важным типом свойств, часто требующихся при решении
различных задач, являются свойства типа «множество». Дано свойство пред-
ставляет собой некоторое множество всех возможных заданных лингвисти-
138 3. Программные и телекоммуникационные системы

ческих значений. Для каждого объекта, имеющего такое свойство можно за-
дать подмножество значений, которые характеризуют этот объект. Анало-
гично задаются и требования к таким свойствам, при этом при вычислении
соответствия свойства и требования фактически сравниваются подмножество
значений свойства и подмножество значений требования. Причем типы тре-
бований могут быть различными.
Пусть каждая исследуемая k-я пара объектов A и B содержит значение
свойства PBk и значение требования RAk.
Тогда для требований типа «равенство» мера сходства вычисляется по
формуле
ì1, если RAk Ç PBk = RAk = PBk
Sk(RAk , PBk ) = í
î0, иначе. ,
где операция |X| обозначает мощность множества X.
Для требований типа «P включено в R (строго)» мера сходства вычис-
ляется по формуле
ì1, если RAk Ç PBk = PBk
Sk(R Ak , PBk ) = í
î0, иначе. .
Для требований типа «R включено в P» мера сходства вычисляется по
формуле
ì1, если RAk Ç PBk = RAk
Sk(R Ak , PBk ) = í
î0, иначе. .
Для требований типа «P включено в R (не строго)» мера сходства вы-
числяется по формуле
ì RAk Ç PBk
ï , если RAk ¹ 0
Sk(R Ak , PBk ) = í RAk
ï0, иначе
î .
Для требований типа «любой из P включен в R» мера сходства вычис-
ляется по формуле
ì1, если RAk Ç PBk >= 1
Sk(RAk , PBk ) = í
î0, иначе. .
Пример использования множественных значений свойства - перечис-
ление в одном свойстве всех возможных интерфейсов, которые поддержива-
ет каждая материнская плата, тогда остальные комплектующие предъявляют
требование на включение необходимого им интерфейса во множество всех
интерфейсов платы.
При использовании данной системы поддержки принятия решений
часто может потребоваться интеграция с уже имеющимися информационны-
ми системами (такими как корпоративная база данных, хранилище данных,
Web-сайт). Для этого в системе могут использоваться свойства, имеющие тип
Информационные технологии моделирования и управления, 2005, №1(19) 139

«внешние». При необходимости получить значение данного свойства систе-


ма загружает библиотеку динамической компоновки (DLL) специального
формата и передает ей идентификаторы объекта и свойства. Библиотека об-
ращается к существующей информационной системе, запрашивает необхо-
димое значение и возвращает его системе поддержки принятия решений. Та-
кой подход является весьма универсальным и позволяет получить доступ
практически к любой информационной системе, единственный его недоста-
ток – необходимость создания специальной библиотеки для каждого типа
информационных систем, с которым необходима интеграция, что обычно не-
доступно простому пользователю. Однако, как показывает практика, задача
интеграции двух программных систем в любом случае обычно не может быть
решена без участия квалифицированного программиста, а для него разработ-
ка библиотеки не составит большой трудности. В дальнейшем же, при пра-
вильной постановке задач, вмешательство программиста уже не потребуется.
Аналогичным образом с помощью подключаемой библиотеки можно исполь-
зовать в задачах «внешние» классы. Объекты таких классов не хранятся в ба-
зе данных системы и динамически запрашиваются при каждом расчете. Та-
кие объекты могут иметь только внешние свойства. Необходимость в таких
классах возникает, когда информация не просто о свойствах, но и о составе
участников задачи принятия решений может быть получена из другой ин-
формационной системы. Использование внешних свойств и классов позволя-
ет избежать избыточности и противоречивости используемой информации.
Рациональное использование всех этих типов свойств позволяет ре-
шать с использованием системы большой класс задач из самых различных
отраслей человеческой деятельности. Использование множественных и вы-
числяемых свойств позволяет уменьшить избыточность при хранении ин-
формации, что, в свою очередь, ведет к экономии дискового пространства и к
ликвидации аномалий обновления. Кроме того, наличие вычисляемых
свойств существенно расширяет круг решаемых проблем за счет включения
задач, в которых свойства объектов не являются постоянными величинами.
Наличие нечетких свойств позволяет гибко манипулировать данными, не
имеющими численных оценок, а также когда информация является неполной
либо недостоверной. Наличие внешних свойств и классов позволяет гибко
производить интеграцию системы поддержки принятия решений и других
информационных систем предприятия.

Список использованных источников


1. Андрейчикова О.Н., Попов Н.В. Программная система для форми-
рования и выбора коллективных решений// Известия высших учебных заве-
дений. Машиностроение, 2003, № 6.
2. Руководство по администрированию Caché 4.1.3// Информация из
Интернет http://www.informx.ru
3. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на
основе нечетких моделей. Примеры использования. - Рига: «Зинатне», 1990.
140 3. Программные и телекоммуникационные системы

Сыпко В.А., Богуш А.В.


ИСПОЛЬЗОВАНИЕ ОБЪЕКТНОГО ПОДХОДА ДЛЯ ПОСТРОЕНИЯ
ИНТЕРНЕТ-САЙТОВ
Институт Систем Информатики им. А.П.Ершова СО РАН, г.Новосибирск

Постановка задачи
В настоящее время достаточно актуально стал вопрос о достаточно
простом и при этом гибком механизме позволяющем создавать страницы Ин-
тернета. В написании этой работы преследовалось практическое изучение
объектно-ориентированного подхода к созданию Интернет-сайтов. При раз-
работке материала использовались: web-сервер Resin, Java (JDK1.3,Java
Servlets), XML/XSL (транслятор Xalan).

Общие принципы работы системы


Определим терминологию: компонент – это объект некоторого класса
(пакета классов) обладающий определенными свойствами и реализующий
специфичные для пакета интерфейсы. Все рассматриваемые компоненты де-
лятся на четыре группы:
1. Объекты PO (Presentation Object)
2. Объекты BL (Business Logic Object)
3. Объекты Dict (Dictionary Object)
4. Объекты DB (Database Object)
Соответственно названиям разделены их функциональные возможно-
сти и проставлены связи между ними.
Объекты уровня баз данных (DB) предоставляют общий механизм про-
ведения простых и достаточно сложных операций с выбранной базой
(MySQL, Postgress, Oracle и т.д.). В основном - это набор методов для созда-
ния SQL запросов и их последующей обработки. Все классы (обычно - объ-
екты бизнес логики) работают с базой только через объекты этого уровня.
Создание DB объектов заключается в наследовании от некоторых (одного из
некоторых) абстрактных классов и описании дополнительных нереализован-
ных методов специфичных для конкретной структуры таблиц.
Объекты уровня BL отвечают за логику работы отдельно взятого при-
ложения и в принципе имеют произвольную структуру. Они описывают мо-
дель поведения приложения и предоставляют собой обработчики данных по-
ступающих из PO объектов.
Объекты уровня PO реализуют собой интерфейс, обеспечивающий
XML представление приложения, и отвечает за общение с браузером. Связь
между всеми тремя группами представлена на рис. 1.
Объекты презентационной логики (PO) - это некоторый набор классов
описывающих вид отдельных страниц, они наследуются от готового набора
абстрактных и представляют в себе набор определенных методов отвечаю-
щих за генерацию отдельных частей интернет странички. То есть все страни-
цы сайта (каждая из них) разбиваются на наиболее общие для всех них части
(блоки навигаций, реклама, центральная часть, верхняя и нижняя).
Информационные технологии моделирования и управления, 2005, №1(19) 141

Рис. 1.

PO объект может сгенерировать XML для всех частей странички, за ко-


торую он отвечает (для каждой части свой метод). Либо если часть методов
им не реализована, то нереализованные этим PO объектом методы вызыва-
ются у предыдущего вызванного PO объекта (и так по цепочке далее).
За всеми PO объектами и их состояниями следит один сервлет, (он ве-
дет стек вызванных PO объектов), который для каждой вызываемой странич-
ки составляет (пробегая по методам PO объектов) полный её XML и отправ-
ляет его на вход XSL транслятору и далее в браузер. Каждый из PO объектов
при необходимости получения или обработки, каких либо данных вызывает
методы BL объектов (например, генерация отдельных формочек/таблиц и их
обработка), и если тем нужны работа с базой, они в свою очередь вызывают
методы DB объектов.

Описание компонент
Работа с базами данных
Современное динамическое приложение трудно представить без ис-
пользования базы данных. В связи с этим остро стоят вопросы работы с ба-
зой данных. Одной из основных задач является взаимное соответствие между
объектами в программе и данными в базе данных. Главная трудность здесь
это различные подходы. Если в базах данных основным является реляцион-
ная модель данных, то с другой стороны на уровни web сервера работа ведет-
ся с объектами.
Существует несколько способов соответствия между объектами и клас-
сами с одной стороны и таблицами базы данных с другой стороны. Надо за-
метить, что существуют объектно-реляционные базы данных, работа с кото-
рыми описана, например в [3], и так же уже существующие реляционные ба-
зы (RDBMS) в последние время получают объектные расширения. Но при
использовании данных возможностей конкретной базы данных неизбежно
теряется универсальность решения. Дело в том, что в отличие от стандарти-
142 3. Программные и телекоммуникационные системы

зованного языка SQL для работы c RDBMS, эти возможности только нахо-
дятся на этапе стандартизации и широкого внедрения. Многие базы данных
их не поддерживают вообще. Использование объектов на уровне базы дан-
ных может привести и к другим неприятным последствиям, например за-
трудненность отладки и распределение логики работы между базой данных и
самим сервером, что в конечном итоге может плохо сказаться при переходе
системы на альтернативную базу данных.
Рассмотрим непосредственно работу с произвольной базой данных в
предложенной модели системы (рис. 2, 3). Конечным элементом диаграммы
на рисунке является некий абстрактный класс, который может быть реализо-
ван практически на любом языке программирования поддерживающем ООП.
На рис. 2 представлена диаграмма классов, которая позволяет избежать
прямой работы с SQL выражениями в исходном коде. Кроме того, благодаря
таким классам оказывается возможным контролировать исполнение запросов
к базе данных, поскольку все они проходят через эти классы. Следующий
уровень работы с базой данных – это установление соответствия между стро-
ками базы данных, получаемыми через экземпляры классов первого уровня,
и объектами системы. В данном случае используется модель проектирова-
ния (design pattern), как композит (Composite) [4]. Данная модель позволяет
единообразно работать со своими составными элементами, которыми в дан-
ном случае являются отдельные поля в кортеже.

Рис. 2. Первый уровень абстракции работы с базой данных

На схеме (рис. 3) представлена иерархия для контейнеров, в которые


помещается композит. Надо заметить также, что эти контейнеры могут так-
же содержат информацию с метаданными. То есть в них описаны атрибуты
таблицы, их тип, при необходимости и другие их свойства, например, такие
как максимальная длина данных, обязательность поля. Благодаря этому вся
информация о схеме базы данных заключена в строго ограниченном наборе
классов, что позволяет легко ее корректировать в случае необходимости.
Информационные технологии моделирования и управления, 2005, №1(19) 143

Обычно такая корректировка актуальна в момент разработки, поскольку час-


то происходит изменение и добавление новых требований к системе.

Рис. 3. Второй уровень абстракции работы с базой данных

Каждый тип в базе данных соответствует некоторому объекту бизнес


логики в нашей модели. Здесь речь не идет о стандартном соответствии ти-
пов языков SQL и C# / Java / PHP. Дело в том это слишком низко уровневая
процедура, которая не позволяет решить поставленные задачи. Композит со-
держит хэш-таблицу, где ключом является имя атрибута (колонки таблицы),
а значением объект соответствующего типа. Данная модель так же предпола-
гает использование вложенных композитов. Это соответствует наследованию
классов предметной области. То есть две таблицы: таблица атрибутов предка,
и связанная с ней с помощью внешнего ключа таблица атрибутов потомка.
Для подобных схем реализуема поддержка транзакционной целостности, т.е.
запись в обе таблицы при сохранении или создание объекта происходит в
пределах одной транзакции.
Поддержка работы с базами данных также включает некоторые другие
классы не рассмотренные здесь. Это пул соединений к базе данных
(connection pool), классы для работы с большими бинарными объектами и
другие. Надо заметить, что данная архитектура тесно связана со следующим
разделом, а именно с поддержкой представления и модификации информа-
ции из базы данных.

Сборка и генерация XML


Рассмотрим теперь принципы построения самих интернет страничек. В
пределах каждого сайта расположенного в Интернете, должен соблюдаться
какой либо единый стиль оформления. То есть актуальным встает вопрос о
разделении информации (отображаемых данных) и способа их представления
пользователю. Для этой цели хорошо подходят технологии XML/XSL. То
есть, получаем, что достаточно универсально описать документ (страницу
сайта) в терминах XML разметки и далее для получения конечного HTML
кода применить XSL преобразование к полученным данным.
144 3. Программные и телекоммуникационные системы

Рассмотрим теперь уже структуру XML документа. Для каждого сайта


легко выделяются некоторые отдельные самостоятельные зоны, на которые
можно поделить все странички (назовем эти зоны блоками) и отдельно обра-
батывать каждый из блоков. Наиболее типичными блоками документа явля-
ются:
· Заголовок страницы
· Нижняя часть страницы
· Навигация
· Контекстная навигация
· Центральная часть
В соответствии с этим определим класс PO, который бы отвечал за ге-
нерацию каждой из этих частей. Основные методы этого класса – это:
· init(PO parent) - инициализация класса происходит именно в этом ме-
тоде, здесь при первом запуске экземпляра класса происходит считывание
XML документа описывающего определенные свойства экземпляра (что и
как должен выдавать метод render для каждого из блоков странички, это мо-
жет задаваться дополнительно при компоновке частей сайта; может быть пе-
редан определенный набор ссылок, которые должны отображаться в блоке
навигации), + в этом методе передается ссылка на предыдущий PO объект
(класс, отрисовавший предыдущую страничку)
· identify(HttpReqEnv env) - при первом обращении к объекту, сюда
передается запрос, в зависимости от которого может меняться логика пове-
дения объекта. В этом методе инициализируются все классы, используемые в
данном PO объекте
· render(String area, Session ssn) - это основной метод рисующий части
XML для каждого из блоков страницы
· getByName(String name) - возвращает ссылку на PO объект с данным
именем из множества объектов находящихся в стеке ядра системы
· update(HttpReqEnv env) - этот метод вызывается при обработке лю-
бого запроса для уже проинициализированного и идентифицированного эк-
земпляра PO объекта
По мере поступления запросов, основной сервлет сайта определяет, ка-
кой PO объект должен обрабатывать пришедший запрос. Если в стеке объек-
тов такого экземпляра PO объекта нет, то создается новый его экземпляр, ему
передаются все данные. Последовательно вызываются методы для иденти-
фикации и инициализации экземпляра класса, и в конечном итоге вызывается
метод render для каждого из блоков страницы. Если какой-либо метод не воз-
вращает XML, то вызывается метод render у предыдущего объекта PO нахо-
дящегося в стеке. Т.к. самым первым объектом, помещенным стек, является
экземпляр VisitorPO, то данная операция обратного вызова является коррект-
ной.
Если при работе необходимо получить объект PO, похожий на другой,
с небольшими модификациями логики работы, то можно наследовать новый
Информационные технологии моделирования и управления, 2005, №1(19) 145

PO объект от нужного и далее переопределить часть методов и свойств отца,


и дописать при необходимости новые.

XSL шаблоны
Для корректного отображения HTML документа по полученному XML
документу необходимо применить XSLT преобразование, которое проводит
соответствие между XML тегами и их отображением в конечном формируе-
мом документе, посылаемом браузеру в ответ на его запрос.
Наиболее типичными элементами являются шаблоны, описывающие
вывод блоков текста, отображение html-форм, вывод гиперссылок и компо-
новка вывода всех блоков станицы.
Рассмотрим создание шаблонов на примере HTML форм. Для произ-
вольной формы в формате XML применяются следующие теги:
· Form[@id] – описывает внешние данные формы
· Field[@id,@type] – поле формы произвольного типа:
· Textfield
· Textarea
· radio button
· Checkbox
· Button и т.д.
· Value[@id] –описывает содержимое полей формы.
Например, мы получили такой XML документ (он описывает форму
регистрации для нового пользователя сайта и содержит поля запроса иденти-
фикационного имени; пароля, информации – откуда пользователь узнал про
эту систему; имя компании, где этот пользователь работает и т.д.):
Для обработки данного XML документа применяется следующий
стандартный набор шаблонов XSL: <xsl:template match = "Form"> - самый ба-
зовый компонент для любой формы, описывающий компоновку элементов
формы относительно друг друга. Обычно этот шаблон приходится переписы-
вать для форм с различными наборами полей. При отсутствии специализи-
рованного шаблона для полученной формы применяется базовый шаблон,
который выводит все поля формочки в вертикальной компоновке.
Следующие шаблоны описывают XSL преобразования для стандарт-
ных полей формы:
· <xsl:template match="Field[@type='textfield']">
· <xsl:template match="Field[@type='hidden']">
· <xsl:template match="Field[@type='file']">
· <xsl:template match="Field[@type='password']">
· <xsl:template match="Field[@type='textarea']">
· <xsl:template match="Field[@type='submit']">
· <xsl:template match="Field[@type='reset']">
· <xsl:template match="Field[@type='checkbox']">
· <xsl:template match="Field[@type='radio']">
· <xsl:template match="Field[@type='select']">
146 3. Программные и телекоммуникационные системы

· <xsl:template match="Field[@type='multiselect']">
Такие наборы стандартных шаблонов разбиты по категориям (отдельно
для формочек, таблиц, гиперссылок, блоков текста, вариантов навигации,
общих блоков страниц) и содержатся в различных XSL документах.

Рис. 4.

Специализированные шаблоны применяются для имплементации ди-


зайна для страниц сайта. Базовые шаблоны содержат минимум html тегов и
используются в основном в начальной стадии создания программной логики
для интернет сайта, когда возможно еще отсутствует макет дизайна.

Список использованных источников


1. Элиенс А. Принципы объектно-ориентированной разработки про-
грамм. Издательский дом "Вильямс", Москва, 2001.
2. Йордон Э. Структурные модели в объектно-ориентированном ана-
лизе и проектировании. Издательство "Лори", 1999.
3. Ульман Д. Введение в системы баз данных. Издательство "Лори",
2000.
4. Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides. Design
Patterns: Elements of Reusable Object-Oriented Software. Addison Wesley 1998.
5. XML Protocol Usage Scenarios. http://www.w3.org/TR/xmlp-scenarios,
2001.
Информационные технологии моделирования и управления, 2005, №1(19) 147

Издательство "Научная книга",


Воронежский государственный технический университет,
Липецкий государственный технический университет,
Международный университет компьютерных технологий,
Бакинский государственный университет
сообщают о требованиях, предъявляемых к статьям, предоставляемым в междуна-
родный научно-технический журнал "Информационные технологии моделирова-
ния и управления", являющийся преемником одноименного сборника научных
трудов.

Основные направления
1. Телекоммуникации в образовании.
2. Анализ и синтез сложных систем.
3. Моделирование сложных систем и технологических процессов.
4. Информационные технологии в экономике.
5. Телекоммуникационные системы и приложения.
6. Информатизация в юриспруденции.
7. Информационные технологии в медицине.
8. Автоматическое и автоматизированное проектирование энергетических,
электромеханических и технологических систем.
9. Информационные системы и их приложения.

Даты
Международный научно-технический журнал "Информационные технологии
моделирования и управления" издается не реже 6 выпусков в год.
Материалы в выпуск 2(20), 2005, принимаются до 10 апреля 2005 г.

Требования к материалам
Языки: русский; английский.
Материалы предоставляются по электронной почте itmu@yandex.ru в присоеди-
ненном файле-архиве (WinRar, WinZip).
Материалы должны содержать инициалы и фамилии авторов, название (боль-
шими буквами), название организации, представляющей статью, E-Mail. Размер
статьи должен находиться в пределах от 5 до 10 страниц стандартного машинопис-
ного текста (при размере шрифта 14 pt, шрифт Times New Roman, страница A4, по-
ля 25 мм всюду, одинарный межстрочный интервал). Текст должен быть набран в
формате WORD. Рисунки должны содержаться в отдельных графических файлах
(bmp, jpg, gif, tif, wmf). Рисунки включаются в текст статьи "не поверх текста", "не
хранить в документе". Список использованных источников обязателен.
В архиве с материалами в отдельном файле должны содержаться:
1. сведения об авторах (фамилия, имя, отчество, место работы и должность, уче-
ная степень, звание, почтовый - с индексом - и электронный адрес);
2. указание на количество заказываемых экземпляров;
3. обязательство уплаты оргвзноса - ориентировочно около 60 (80 - вне России)
рублей (при оплате за наличный расчет) за одну страницу статьи в одном экземп-
ляре журнала вместе со стоимостью пересылки в ценах декабря 2004 г.). Например,
оргвзнос за один экземпляр журнала, включающего авторскую статью объемом 6
страниц, составит 360 руб. для России и 480 руб. для авторов из-за рубежа.