авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |
-- [ Страница 1 ] --

mИркутский государственный университет путей сообщения

Институт информационных технологий и моделирования

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

И ПРОБЛЕМЫ МАТЕМАТИЧЕСКОГО

МОДЕЛИРОВАНИЯ

СЛОЖНЫХ СИСТЕМ

ВЫПУСК 7

Иркутск 2009

УДК 004

ББК 32.81

И74

Редакционная коллегия: д-р техн. наук, проф. С.И. Носков (главный редактор);

канд.

физ.-мат. наук, доц. А.А. Бутин (зам. главного редактора);

канд. физ.-мат. наук, доц. С.И.

Белинская;

канд. техн. наук, доц. О.В. Бутырин;

д-р техн. наук, проф. Н.П. Деканова;

канд.

техн. наук, доц. А.А. Ермаков;

д-р техн. наук, проф. Е.И. Молчанова;

д-р техн. наук, проф.

Ю.Ф. Мухопад;

д-р техн. наук, проф. В.В. Новорусский;

канд. техн. наук, доц. Ю.И. Петров;

О.В. Инкеева (отв. секретарь) Научный советник сборника: академик РАН В.М Матросов Информационные технологии и проблемы математического моделирования И74 сложных систем. - Иркутск: ИИТМ ИрГУПС, 2009. - Вып. 7 - 200 с.

ISBN 978-5-98710-095- В сборнике рассмотрены теоретические и прикладные проблемы создания и при менения современных информационных технологий в различных областях, а также во просы разработки и использования методов математического моделирования слож ных систем. Опубликованные материалы связаны с применением информацион ных технологий для контроля и управления, теорией и практикой моделирования тех нических и социальных систем, разработкой моделей и вычислительных комплексов в учебном процессе вузов УДК ББК 32. Материалы издаются в авторской редакции ISBN 978-5-98710-095- © Иркутский государственный университет путей сообщений, СОДЕРЖАНИЕ I. Применение информационных технологий для контроля и управления 1. Абасова Н.И., Лаврухина Н.А. Анализ рейтингов языков программирования при их выборе ………………………………………………………………………………… 2. Ермаков А.А., Ермакова Л.В., Макаров К.В. Некоторые модели фактического графика прибытия поездов на узловую станцию ……………………………………. 3. Инкеева О. В. Постановочные вопросы диагностирования состояния сложных технических систем ……………………………………………………………………. 4. Михаэлис С.И. Использование математических функций MS EXCEL для решения задач …………………………………………………………………………………….. 5. Молчанова Е.И., Федоров В.В., Войнич П.В. Проектирование экспертной системы для построения гадуировочной функции в рентгенофлуоресцентном анализе……. 6. Мухопад Ю.Ф. Анализ и синтез устройств управления в системах реального вре мени (аналитический обзор) ………………………………………………………….

.. 7. Начигин В.А., Эльхутов С.Н. Сравнительный анализ программных средств для мониторинга технических систем …………………………………………………….. 8. Овдиенко Е.В. Согласование экспертных прогнозов изменения объемов грузопере возок на ВСЖД …………………………………………………………………………. 9. Ткаченко А.Ю. Программа поиска точно совпадающих и высокоподобных участ ков геномов “DNA Analyzer” ………………………………………………………….. II. Теория и практика моделирования технических и социальных систем 1. Александров А.Ю, Жабко А.П., Косов А.А. Стабилизация положения равнове сия нелинейной неконсервативной механической системы с двумя степенями свободы ………………………………………………………………………………… 2. Базилевский М.П., Носков С.И. Технология организации конкурса регрессионных моделей …………………………………………………………………………………. 3. Бутин А.А. Методика совместного улучшения в задаче оптимального управления с фазовым ограничением…..………………………………………………………..….. 4. Данеев А.В., Данеев Р.А. Современное состояние теории оптимальных аэроди намических форм. I.…………………………………………………………………… 5. Краковский Ю.М., Калиновский С.Г., Селиванов А.С. Математическое обеспече ние по моделированию случайных величин при вероятностном анализе беззубы точности..……………………………………………………………………………… 6. Кузнецов Н.А. Оценка технического состояния железобетонных конструкций, с помощью теории нечетких множеств ……………………………………………... 7. Лустенберг Г.Е. Анализ активных фильтров методами компьютерной алгебры… 8. Молчанова Е.И., Федоров В.В., Войнич П.В. Алгоритм построения модели мат ричной коррекции …………………………………………………………………….. III. Технологии построения защищенных автоматизированных систем 1. Колодий К.Г. Проблемы ручного тестирования WEB-приложений на наличие уязвимостей безопасности …………………………………………………………… IV. Информационные технологии в учебном процессе 1. Арбатский Е.В., Воробьева Н.А., Носков С.И. Технология разработки учебных планов вуза с учетом междисциплинарных связей ………………………………… 2. Белинская С.И. Применение статистических методов для анализа качества вы пуска студентов ………………………………………………………………………. 3. Белинская С.И., Козыревская А.В., Климова Н.А., Лучников В.А., Михаэлис В.В., Ми хаэлис С.И., Петрова Л.В., Черепанова А.Л. Методическое и организационное обес печение научно-исследовательской работы студентов кафедры «Информатика» Ир ГУПС ……………………………………………………………………………….. 4. Беломестных И.С. Компьютерное моделирование движения подводных роботов ………………………………………………………………………………… 5. Медведева И. П., Бояркина Г. П. Использование технологий дистанционного обучения в преподавании курса « МАТЕМАТИКА-АБИТУРИЕНТУ» …………. 6. Михаэлис В.В., Самсонов В.С. Изучение качества подготовки будущих специа листов при обучении в информационно-образовательной среде ………………….. 7. Петров Ю.И. Некоторые подходы к моделированию обучаемого ………………… 8. Решетова Е.Ю. Анализ экспертной информации относительно эффективности междисциплинарных связей………………………………………………………….. 9. Решетова Е.Ю., Семененко О.В. Программный комплекс МАРС междисципли нарного анализа результатов сессии ………………………………………………… Сведения об авторах …………………………………………………………………….... I. ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ КОНТРОЛЯ И УПРАВЛЕНИЯ УДК 519. Н.И. Абасова, Н.А. Лаврухина АНАЛИЗ РЕЙТИНГОВ ЯЗЫКОВ ПРОГРАММИРОВАНИЯ ПРИ ИХ ВЫБОРЕ 1. О проблеме выбора языков программирования Эффективность работы программиста во многом зависит от правиль ности выбора инструментальных средств по отношению к решаемой зада че. Выбор языка программирования (ЯП) является ключевой позицией, от которой существенно зависит успех реализации готовой программной сис темы.

Современные информационные технологии используют десятки наи более применяемых ЯП. Но к настоящему времени общее число разрабо танных ЯП оценивается несколькими тысячами [1]. При классификации, выделяют различные критерии выбора ЯП (применимость к предметной области, производительность, масштабируемость и т.д.) с объединением их в группы (по используемым парадигмам программирования, способу ис полнения, принципам организации памяти и т. д.) [2]. Очевидно, что по пытка рассмотрения всех или почти всех существующих языков с целью выбора наиболее подходящего весьма проблематична.

2. Критерии оценки ЯП на основе рейтингов популярности Учитывая сложность сравнения конкретных ЯП, в настоящее время разработаны различные подходы их классификации с реализацией меха низмов рейтингов. Наиболее известным из них является ежемесячно рас считываемый глобальный рейтинг языков и парадигм программирования «TIOBE Programming Community Index», который основан на выбранной парадигме программирования, количестве разработчиков на данных язы ках по всему миру, количеству различных курсов и производителей, ис пользующих те или иные языки [3].

Рейтинг TIOBE рассчитывается консалтинговой компанией TIOBE Software с июня 2001 года. В настоящее время им учитываются 150 ЯП.

Измерения проводятся не менее 10 раз в месяц. Данное исследование ставит целью возможность проверки соотношения навыков программистов в соответствии с текущими тенденциями индустрии программного обеспечения.

Специалисты TIOBE рассматривают конкретный язык в качестве ЯП, если он является полным по Тьюрингу. Тьюринг-полным языком называется язык, всем элементам которого можно поставить в соответствие алгоритмы для машины Тьюринга [4]. Это означает, что для любой функции, которую можно вычислить на машине Тьюринга, на данном языке можно написать программу, выполняющую ту же самую функцию.

Поэтому, в качестве ЯП не рассматриваются такие языки, как HTML, XML и SQL. С другой стороны такие расширения SQL, как PL/SQL и Transact SQL, являются ЯП. Средства разработки и технологии, такие как ASP, ASP.NET, Rails и AJAX, также не считаются языками программирования по данному критерию. В случаях наличия диалектов одного и того же ЯП вводят их объединенное общее название.

Для каждого языка вычисляются два параметра: рейтинг и статус.

Рейтинг вычисляется путем подсчитывания количества запросов в наибо лее популярных поисковых системах (ПС). В настоящее время это Google, MSN и Yahoo. Если принять первые 50 языков программирования за 100%, то рейтинг TIOBE в числовом выражении показывает долю, занимаемую каждым языком.

Статус обозначает принадлежность языка программирования к группе основных используемых (A) или второстепенных (B). В процессе роста рейтинга, язык последовательно получает статус "B", "A--", "A-", "A", и наоборот, если рейтинг падает. Язык получает статус основного, если в те чение 3-х месяцев его рейтинг держится выше 0.7%.

Компания TIOBE Software рекомендует при выборе языка для разра ботки или изучения ориентироваться на языки категории A, поскольку для основных ЯП существует значительно больше квалифицированных спе циалистов, качественных инструментов для разработки и доступных биб лиотек.

Табл. 1. Рейтинг «TIOBE Programming Community Index» в соответст вии с парадигмами программирования за март 2009 г.

Category Ratings March Delta March Объектно-ориентированные языки 55.9% +1.2% Процедурные языки 39.7% -2.9% Функциональные языки 3.3% +1.5% Логические языки 1.1% +0.1% В табл.1 представлены рейтинги основных парадигм программирова ния, показывающие существенное преобладание двух из них – объектно ориентированной и процедурной (императивной). Функциональная и ло гическая, являющиеся основой разработок систем искусственного интел лекта, пользуются значительно меньшей популярностью. Несмотря на это, по данным таблицы видно, что идет значительное повышение их рейтинга за последний год. Функциональные и логические языки по-прежнему до минируют в областях, связанных с представлением знаний, машинным обучением, обработкой естественных языков, интеллектуальными обу чающими системами, а также моделированием речи и зрения [5].

Таблица 2 является результатом анализа состояний рейтингов ЯП за три наблюдаемых года, выполненного авторами статьи, с выделением че тырех групп наиболее употребляемых языков с указанием их базовых па радигм. Это необходимо для отражения долгосрочных тенденций и теку щих колебаний уровня использования.

Табл. 2 Сводная таблица TIOBE-индексов наиболее популярных ЯП.

Позиция ЯП Парадигма Рейтинг Рейтинг Рейтинг Статус Группа на 03.09 август март март 2006,% 2008,% 2009,% 1 Java ООП 22.37 20.61 19.79 А I 2 C ИМП 17.43 15.59 15.86 А 3 C++ ООП 10.25 9.77 10.35 А II 4 PHP ИМП 9.64 10.13 9.48 А 5 (Visual) Basic ООП 11.20 10.79 8.28 А 6 Python ООП 3.07 4.59 5.18 А III 7 C# ООП 2.68 4.14 4.32 А 8 JavaScript ООП 2.02 2.42 3.60 А 9 Perl ИМП 5.31 5.78 3.42 А 10 Delphi ООП 2.16 2.69 2.69 А 11 Ruby ООП 0.80 2.66 2.66 А 13 PL/SQL ИМП 1.15 0.74 1.04 А IV 16 Pascal ИМП 0.51 0.55 0.73 А- 17 ABAP ИМП - - 0.63 В 18 RPG(OS/400) ИМП - - 0.58 В 19 ActionScript ООП - - 0.48 В 20 Lua ИМП 0.35 0.38 0.48 В Первая группа, включающая ЯП Java и C, имеет наивысший рейтинг (причем Java почти на 4% опережает C). ЯП Java получил широкое и за служенное распространение во многих сферах разработки программного обеспечения (ПО), включив в свой состав такие принципиально важные черты, как автоматическая сборка “мусора” и поддержка параллельного исполнения. Семантика Java-программ предусматривает их выполнение на виртуальной машине, дизайн которой способствует эффективному контро лю за выполнением программ и, тем самым, повышению их надежности.

Одной из важных областей применения языка является создание ПО для специализированных процессоров и для встроенных систем в целом. ЯП C появился совместно с операционной системой (ОС) Unix и ориентирован на разработку высокоэффективных программ.

ЯП второй группы почти в 2 раза отстают от ЯП первой группы. Они объединяют Visual Basic, PHP, C++ и имеют близкие между собой рейтин ги. По данным таблицы, С++ в настоящее время является наиболее ис пользуемым в разработках промышленных программ. Visual Basic, по прежнему, активно используется для разработки стандартных приложений ОС Windows, а PHP сохраняет позиции в области создания динамических веб-страниц.

Третья группа включает шесть ЯП с рейтингом от 2.6 до 5.2, с лиде рами Python, С# и характеризуется явной разнородностью. Сравнительно молодой язык C#, семантически и функционально весьма близкий к ЯП Java, переживает в настоящее время период пристального интереса. Име ются, по крайней мере, два обстоятельства, которые обеспечивают языку C# хорошее будущее. Это, во-первых, поддержка со стороны наиболее мощного в мире производителя программного обеспечения - компании MicroSoft и, во-вторых, проведенная недавно комитетом ISO стандартиза ция языка. Первое обстоятельство усиливается тем фактом, что все после дующие версии платформы Windows будут включать платформу.NET (по существу, среду выполнения C#-программ), как свой неотъемлемый ком понент.

Следует отметить довольно большой скачок рейтинга объектно ориентированного ЯП Ruby по сравнению с 2006 г. на фоне постепенного падения рейтингов ЯП Delphi и Perl. В Японии Ruby стал популярным с момента появления первой версии в 1995 г., однако наличие документации только на японском языке сдерживало его дальнейшее распространение.

Появление в 1997 г. описания Ruby на английском положило начало росту популярности языка в остальном мире. На данный момент издано несколь ко книг на различных языках, в том числе и на русском. Также существен ную роль в росте количества специалистов по ЯП Ruby сыграли новые библиотеки для разработки веб-приложений и веб-сервисов, такие как Ruby on Rails (http://www.rubyonrails.ru). Что касается ЯП Perl, по мнению авторов рейтинга, популярность языка падает по причине отсутствия вы хода новых версий языка в течение длительного времени. Разработка Perl началась в 2000 г. и продолжается до сих пор.

В четвертой группе с рейтингами меньше 1% находятся ЯП: PL/SQL, Pascal, ABAP, PRG, ActionScript, Lua. Среди этой группы можно выделить ЯП ABAP (внутренний язык SAP-систем), PRG (разработка IBM для eServer iSeries (AS/400)), ActionScript со значительным повышением рейтинга за последний год, а также ЯП Lua с постепенным набором баллов рейтинга.

ЯП Lua - простой и удобный скриптовый язык, имеющий лаконичный и легкий для чтения синтаксис. Он предоставляет широкие возможности для объектно-ориентированной и функциональной разработки. Lua реализован на стандарте ANSI C, что делает его языком с относительно простой техно логией сборки на различных платформах с открытым исходным кодам.

Главное превосходство Lua над остальными языками - это его компактный, эффективный размер (ядро около 170 кб). Но, несмотря на это, он отлича ется мощными и в тоже время гибкими конструкциями [6]. В настоящее время используется в различных проектах, где требуется встроить доста точно быстрый и нетрудный в освоении скриптовый ЯП. Остальные ЯП (более ста) имеют значительно более низкие рейтинги и поэтому не рас сматриваются в данном обзоре.

Не менее интересна статистика Programming Language Popularity [8], составленная Дэвидом Велтоном (рис. 1), которая включает в себя:

Yahoo Search Result — рейтинг на основе количества запросов вида «language programming» в поисковой системе Yahoo.

Google Code — рейтинг на основе количества запросов в механизме поиска открытого программного кода Google Code (http://www.google.com/codesearch).

Del.icio.us – рейтинг на основе количества запросов вида «language programming» в поисковой системе Google.

Craig List Job – рейтинг ЯП по версии работодателей. Величина популярности языка указана в количестве вакансии по каждому из языков в специализированном поисковом движке (http://www.craigslist.org).

Freshmeat – анализ языков, используемых в новых проектах с открытыми кодами (http://freshmeat.net/browse/160/).

Amazon – рейтинг ЯП по количеству книг о данном языке.

Рис.1. Рейтинг популярности ЯП по версии Д. Велтона Безусловными лидерами данного рейтинга являются JAVA, C, C++, PHP, что указывает, по мнению Д. Велтона, на невозможность языками претендентами привлечь достаточно внимания программистов ввиду слишком большого разнообразия.

3. Рейтинги популярности ЯП в России Результаты исследования, проведенного интернет-изданием CNews Analytics и маркетинговым агенством в сфере ИТ "Форт-Россом", среди разработчиков ПО России подтвердили предположения о том, что ЯП, ориентированные на интернет и интеграцию приложений, доминируют в среде разработчиков [9].

Представительство компании HeadHunter (рис. 2), предоставляющей сервисы для поиска работы и персонала, провело исследование на предмет спроса различных ЯП и сред разработки в вакансиях и упоминания этих же языков в резюме специалистов [10].

Рис. 2. Рейтинг популярности ЯП среди соискателей и работодателей России (ян варь-август 2008 г.).

Результаты рейтинга ЯП в России значительно отличаются от гло бального. Среди российских разработчиков больше половины рынка зани мают специалисты со знанием таких языков, как C/C++ (19,2%), PHP (13%), Delphi (13%), Pascal (9,3%), чего нельзя сказать о Java (8,6%) и Visual Basic (4,1%). При рассмотрении вакансий в процентном соотноше нии видно, что ситуация меняется. Становятся более востребованными ЯП C# (14%), Perl (10%), в то время как Delphi (5,9%) и Pascal (0,7%) не так популярны, хотя присутствуют в резюме практически каждого специали ста, что объясняется популярностью этих языков в начале 90-х. Кроме то го, в сравнении с общемировым рейтингом, где ЯП Java с большим отры вом занимает первую позицию, на российском рынке для немалого коли чества специалистов со знанием этого языка (8,6%) не так много вакансий (5,2%). Неизменным остался высокий спрос на специалистов C/C++ и PHP.

4. Анализ популярности ЯП Профессиональные организации, занимающиеся поддержкой рейтин гов, имеют в своем арсенале большой набор специализированных запросов на основе ключевых слов для выявления тенденций в популярности тех или иных ЯП. Для тестовой проверки рассмотренных выше глобальных рейтингов была выполнена следующая процедура.

В качестве запроса рассматривается простейший запрос вида «language programming» для каждого из рассматриваемых языков.

Пусть Li — название ЯП, тогда Z i = Li {k1i …k m } - запрос, i где k1i …k m - ключевые слова языка Li.

i Рассмотрим несколько поисковых систем Ps, s = 1, n, где для каждой поисковой системы Ps по запросу Z i будет соответствовать определенное i количество найденных ссылок hs.

Тогда n H i = hs i s= - общее количество найденных ссылок по всем поисковым системам, m H = Hi i= - общее количество найденных ссылок по запрашиваемым ЯП.

Рейтинг i-го ЯП можно определить как отношение Hi r i = 100%.

H Для оптимизации поиска по серверам выделяем две категории поис ковых систем:

западные (Google, Yahoo);

российские (Rambler, Yandex).

Для западных используются такие ключевые слова, как «programming», «function», «paradigm», «procedure». Для запросов в рос сийских поисковых системах - «программирование», «парадигма», «язык программирования» и т.п.

Для фильтрации искомой информации от ненужных ссылок запросы можно усложнить логическими операторами OR, NOT, AND.

Результаты проведенного анализа представлены на рис. 3.

Проценты Visual Java Java С C++ PHP Python C# Perl Ruby Delphi PL/SQL Pascal Lua Basic Script 22,13 19,76 10,913 10,033 8,845 6,368 3,742 4,229 4,980 2,997 2,879 1,609 1,051 0, Западные ПС 12,6 17,52 8,87 20,83 4,780 2,220 3,590 6,860 7,150 1,290 8,2 0,62 5,29 0, Российские ПС Рис. 3. Популярность ЯП на Западе и в России (апрель 2009г.) По результатам анализа, РНР является самым известным и распро страненным ЯП в сфере веб-разработок в России. ЯП Perl, несмотря на ут рату лидирующих позиций в web-разработках новых приложений, остается достаточно востребованным в России по причине существования рабо тающих веб-приложений, которые продолжают нуждаться в сопровожде нии. Роль ЯП Delphi и Pascal также значимы в России, так как они активно используются для разработки промышленного специализированного ПО.

5. Тенденции в использовании ЯП Рейтинги не следует рассматривать, как однозначный способ опреде ления самого лучшего ЯП. Выбор ЯП - сложный вопрос, который требует рассмотрения специфики решаемых задач. Развитие языков нового поко ления ориентировано на повышение универсальности, т.е. на возможность предоставления эффективного инструментария для решения разнообраз ных задач. Вышеприведенный анализ рейтингов позволяет выявить наибо лее важные аспекты универсальности ЯП и, как следствие, их востребо ванности:

1. Стандартизация ЯП. Важный фактор распространения и использования ЯП, обеспечивающий необходимый уровень создаваемых программ и их переносимости (мобильности).

2. Финансирование разработки новых версий ЯП (актуальность его возможностей).

3. Наличие технической и информационной поддержки.

4. Востребованность ЯП на рынке труда.

Заключение Результаты анализа рейтингов ЯП можно использовать для выявления текущих тенденций индустрии ПО, а также для принятия решения, на ка кой язык стоит обратить внимание при разработке программной системы.

Новые идеи в программотехнике, новые возможности операционных систем, новые технологии аппаратной поддержки, новые инструменты ин формационных технологий – все это является базовой основой для разви тия уже существующих ЯП, а также для появления новых. Часто случает ся, что большинство новых ЯП создается на основе интеграции и усовер шенствования старых. Именно этим обосновывается резкое увеличение роли малоизвестных языков нового поколения, таких как Lua, используе мых в качестве расширения базового языка в разработках сложных про граммных систем. Намечается тенденция к повышению популярности внутренних языков интегрированных программных сред, используемых в масштабе предприятия, таких как ABAP (язык SAP-систем), PRG (разра ботка IBM для eServer iSeries (AS/400)), SAS (язык SAS Systems). Разработ чики продолжают поддержку языков из-за масштабности созданных на них приложений, которые не выгодно переводить на другие ЯП. Растет рейтинг языков используемых как средство обучения программированию, напр. Logo, а также внутренних языков систем научных и инженерных расчетов, таких как ЯП MatLAB.

Литература 1. Bill Kinnersley The Language List [электронный ресурс] http://people.ku.edu/~nkinners/LangList/Extras/langlist.htm 2. Абасова Н.И., Лаврухина Н.А. Особенности выбора языков программирования для разработки приложений // Материалы 3-й Всероссийской конференции «Винеровские чтения» [электронный ресурс].– Иркутск: ГОУ ВПО ИрГТУ, 2009. – 8 с.

3. TIOBE Programming Community Index [электронный ресурс] - www.tiobe.com 4. М.М. Ковалев Программирование на языках высокого уровня [электронный ресурс] - http://share.auditory.ru/2012/Maxim.Kovalev/C_lang_course.doc 5. Себеста Р. Основные концепции языков программирования. — М.: «Вильямс», 2001. — 672 с 6. Абасова Н.И. Возможности применения зыка Lua в образовании // Тр. XII Байкальской Всерос. конф. «Информационные и математические технологии в науке и управлении». Ч. III. – Иркутск: ИСЭМ СО РАН, 2007. С. 223-227.

7. Deirdre Blake Programming Languages: Everyone Has a Favorite One [электронный ресурс] - http://www.ddj.com/development-tools/ 8. Programming Language Popularity [электронный ресурс] – www.langpop.com 9. Интернет-издание о высоких технологиях Cnews [электронный ресурс] http://www.cnews.ru 10. Вячеслав Панкратов, Рейтинг популярности языков программирования на Северо-Западе России [электронный ресурс] - http://www.it4business.ru/lib/1557/ УДК 656. А.А.Ермаков, Л.В.Ермакова, К.В.Макаров НЕКОТОРЫЕ МОДЕЛИ ФАКТИЧЕСКОГО ГРАФИКА ПРИБЫТИЯ ПОЕЗДОВ НА УЗЛОВУЮ СТАНЦИЮ Знание графика прибытия грузовых поездов на узловую станцию да ет основание корректно планировать ресурсы этой станции, начиная от ос мотра состава и заканчивая локомотивными бригадами. Модели фактиче ского графика прибытия грузовых поездов зависят от многих факторов, в том числе и от неравномерности движения, и, по существу, являются веро ятностными. Для разработки таких моделей необходимо предложить и ис следовать модель детерминированную. Традиционные детерминированные модели определяются алгоритмами, описанными в [1, 2] и другой литера туре. Рассмотрим подход, основанный на изучении графика прибытия по ездов на узловую станции.

Пусть существует некоторую станцию А, в которой находится депо приписки локомотивов. Такая станция является элементом зоны обраще ния локомотивов, входит в участки обращения локомотивов, тяговые пле чи и участки работы локомотивных бригад. На рисунке показана такая станция, осуществляющая обслуживание двух направлений движения (рис.

1).

А1 А А Рис. А1, А2 - направления прибытия и отправления поездов.

Пусть Т – некоторый плановый период работы станции, t1 - проме жуток между двумя прибывающими поездами на станцию А в направле нии А1. Этот промежуток один и тот же между любыми парами поездов в названном направлении;

t 2 - аналогичный временной промежуток в на правлении А2, а N 1, N 2 - количество поездов, прибывающих на станцию А по направлениям А1 и А2. Величины t1 и t 2 обеспечивают равномер ное прибытие поездов на станцию А в каждом направлении. Количество прибывающих грузовых поездов по каждому направлению равно соответ T T ственно: N 1 = ;

N2 =.Тогда общее количество поездов, прибы t1 t вающих на станцию А за период Т определяется выражением:

T (t1 + t 2 ) T T N = N1 + N 2 = + = (1) t1 t 2 t1 t Назовём моменты прибытия поездов на станцию А узлами прибытия или просто узлами. Временные координаты узлов в направлениях А1 и А можно определить следующим образом:

A1 : t11 = 0 + t1 ;

t12 = t11 + t1 = 2t1 ;

t13 = 3t1 ;

....;

t1N1 = N 1t1 ;

A2 : t 21 = 0 + t 2 ;

t 22 = 2t 2 ;

.....;

t 2 N 2 = N 2 t 2, где 0 –начало планового периода Т;

t kj + координата j – 0 узла в k – м на правлении. Выражением (1) определяется и общее количество узлов за период Т.

Пусть в рассматриваемый период Т имеют место события, заклю чающиеся в том, что значение некоторого узла t1i равно значению узла t 2 j : t1i = t 2 j. Суть подобного события состоит в том, что в момент времени t1i = t 2 j на станцию А одновременно прибывают два поезда из разных на правлений. Назовём этот узел двойного прибытия или двойной узел. Ко ордината двойного узла в общем виде определяется следующим образом:

t (2) = t1i = t 2 j = it1 = jt 2.

При постоянных для всего периода Т интервалах t1 и t 2 перио дичность двойных узлов будет определяться постоянным интерва лом t (2).Тогда, если выражением t1i = t 2 j определяется координата пер вого двойного узла t1 (2) = t1i = t 2 j = 0 + t (2), то координата -го двойно го узла вычисляется в соответствии с выражением t (2) = t (2).

Количество двойных узлов R2 можно определить интуитивно понят ным способом, а именно – как целую часть частного от деления величины планового периода Т на величину интервала t (2) :

T R2 =, t (2) где квадратными скобками обозначается целая часть результата деления.

Тогда общее количество узлов за период Т будет определяться выраже нием:

T (t1 + t 2 ) T N = N1 + N 2 R2 = (2) t (2) t1 + t 2 При этом общее количество поездов, прибывающих на станцию А определяется выражением (1).

Как видно из (1) и (2), количество поездов, прибывающих на станции за период Т больше, чем общее количество узлов с учётом двойных:

N N. Действительно, двойные узлы R 2 учтены как в N 1, так и в N 2.

Поэтому из суммы ( N 1 + N 2 ), представляющих собой общее количество поездов, прибывающих на станцию в период Т, нужно вычесть R 2, учтён ное в этой сумме дважды.

Количество поездов N определяет общую загруженность станций в плановый период Т. Именно по количеству прибывающих поездов можно осуществить общее планирование необходимых ресурсов для названного периода.

Количество узлов необходимо для оценки интенсивности образова ния узлов, а также для определения среднего временного интервала между узлами:

T t cp =. (3) N Можно определить среднее количество поездов, приходящееся на единицу измерения времени внутри периода Т:

N N cp (t ) =. (4) T Этот показатель даёт возможность планировать на станции повре менно необходимые ресурсы, в том числе и локомотивные бригады. Кро ме того, величина N N cp (t ) = (5) T определяет среднее количество узлов, приходящихся на единицу измере ния времени внутри периода Т, а величина N = (6) N вычисляет среднее количество поездов, приходящихся на один узел.

Выражения (1) и (2) модели прибытия поездов на станцию по двум направлениям в период Т и образования узлов на станции соответственно.

Выражения (3 – 6) определяют методику расчёта средних показателей для повышения качества планирования работы станции.

Безусловно, вышеприведённые модели и формулы определены на основе детерминированного графика движения поездов с равными интер валами их прибытия на станцию по каждому из направлений. Для этого случая все расчёты довольно просты. Но модели и, следовательно, расчё ты усложняются, если - количество направлений движения поездов больше двух;

- интервалы прибытия поездов по отдельным направлениям не равны ме жду собой;

- график движения поездов имеет стохастический характер, иначе говоря – является неравномерным.

В первом случае для L направлений модель образования узлов опре деляется выражением L L N = N1 + ( N l Rgl ), (7) l =2 g = где N l – количество поездов, прибывающих за планируемый период по направлению Al ;

Rg l – количество моментов прибывающих поездов, образующих Rg узлов g - й кратности в направлении Al.

В первом и втором случаях, когда интервалы между прибытиями поездов разные, величина Rg ( g = 1,....., L) определяется на основании реа лизации достаточно сложного алгоритма расчёта с использованием дан ных о всех временных интервалах. При планировании работы станции для этих случаев существенно повышается роль статистических показа телей (3-6).

В последнем случае модель графика прибытия (узлов) носит веро ятностный характер, так как интервалы прибытия поездов по каждому направлению случайны. Следовательно, и поток прибытия поездов на станцию по каждому направлению является случайным. В этом случае значение показателей (3 – 6) при достаточно длительном периоде Т будет иллюстрировать некоторую регулярность, которую и необходимо исполь зовать при планировании работы узловой станции.

Блок-схема алгоритма на рис. 2 реализует программу работу модели прибытия поездов на станцию с n направлениями. В основе этого алгорит ма лежит разработанная модель (7). Для n 2 она скорректирована вели чинами: tотпрi – время отправления последнего поезда на i-ом направлении, tинтi – интервал отправления поездов в i-ом направлении, Sпрi,j – пройден ный путь j-го поезда на i-ом направлении, Vуч – участковая скорость на i ом направлении, Vi,j – участковая скорость j-го поезда на i-ом направле нии с учетом отклонения, Vоткл – случайная величина отклонения участковой скорости, Counti – количество поездов находящихся в пути на i-ом направлении и Si – длина участка пути на i-ом направлении.

Представленные модели позволяют уточнить график прибытия гру зовых поездов на узловую станцию с учетом текущего состояния движения поездов к станции на всех направлениях.

Начало Нет Да Завершение t t = t + dt i=0,n Да Нет tотпрi t = + j = 0, Количество поез дов на i-м направ- Counti лении увел-я личивается на Нет Да Пройденный путь j-й поезд на (Sпрi,j) нового по- i-м направ езда приравнива- лении нахо ется 0 Sпрi,j = Sпрi,j + dt *Vi,j Vi,j =Vуч - Vоткл Нет Да tотпрi = t пр Si, S i,j Время прибытия j – ого поезда на i-ом направлении Рис. Литература 1. Некрашевич В.И. Выбор и оптимизация схем и длин участков обращения локо мотивов и работы локомотивных бригад. Москва: 2001, 64 с.

2. Акулиничев В.М. Сборник задач и упражнений по применению математических методов в эксплуатации железных дорог. Москва: 1977, 56 с.

УДК 62- Инкеева О. В.

ПОСТАНОВОЧНЫЕ ВОПРОСЫ ДИАГНОСТИРОВАНИЯ СО СТОЯНИЯ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ Одной из основных особенностей жизненного цикла сложных техни ческих объектов является то, что их внутренние структуры и значения па раметров изменяются под действием внешних агрессивных факторов, ко торые приводят к износу и старению этих объектов. Следовательно, слож ный технический объект постоянно меняет свое состояние, осуществляя при этом переход из состояний более предпочтительных в менее предпоч тительные.

Для решения такой задачи, как оценка технического состояния объек та применяются методы технической диагностики.

В теории различают системы тестового и функционального диагно стирования. Системы первого вида применяются при изготовлении объек та, во время его ремонта, профилактики и хранении, а также перед приме нением и после него, когда необходимы проверка исправности объекта или его работоспособности и поиск дефектов. Системы второго вида при меняются при использовании объекта по назначению, когда необходимы проверка правильности функционирования с дальнейшим поиском дефек тов, если выявлены их признаки. При этом на объект поступают только предусмотренные его алгоритмом функционирования рабочие воздейст вия.

Процесс диагностирования предполагает получение в явном виде обобщенных оценок степени работоспособности объекта с учетом кон кретных целей и условий его эксплуатации на различных этапах функцио нирования. Рассмотрим в качестве сложного технического объекта авто номную систему электроснабжения единицы подвижного состава, в кото рой электрическая энергия поступает к потребителям от подвагонного ге нератора. Основным способом выявления (оценивания) технического со стояния является сбор, обработка и анализ измеренной информации.

Первоначально необходимо определить систему возможных состоя ний объекта:

Z j, j = 1, m, (1) обладающую свойствами полноты и непротиворечивости. Так как целью оценки состояния системы является прогноз дальнейшего функционирова ния и недопущение её отказа, возникает необходимость распознать на множестве работоспособных состояний предотказовое, а также определить момент возможного перехода системы из этого состояния в неработоспо собное, то есть решить задачу прогноза. Тогда значение m будет не мень {Z } ше трех, а множество j будет включать как минимум следующие воз можные состояния: работоспособное, неработоспособное и предотказовое.

Перед тем, как осуществлять сбор измеренной информации, требуется определить систему параметров (x1,K, xn ), (2) адекватно характеризующих исследуемое состояние. Из общей совокупно сти параметров xi, i = 1, n, следует выделить наиболее информативные, контролируемые, управляемые, входные и выходные. Важной частью это го этапа является установка номинальных значений параметров x(0), зави сящих от типа единицы подвижного состава, и границ допустимого откло нения измерений от них - xверхн и x нижн.

Процесс проведения мониторинга состояния заключается в сборе ин формации о текущих значениях параметров системы электроснабжения.

Тогда появляется необходимость установки датчиков (систем бортовых накопителей информации), осуществляющих измерения. Число наблюде ний в исследовании не устанавливается заранее, а является случайной ве личиной. При этом необходимо оптимизировать значение t (промежуток времени между двумя соседними измерениями), т. е. найти такое значение t, чтобы на основе измерений можно было наиболее точно определить текущее состояние системы с максимальной достоверностью как в услови ях нормальной эксплуатации подвижного состава, так и в условиях дейст вия внешних случайных факторов.

С помощью мониторинга фиксируются текущие изменения (динами ка) значений параметров объекта во времени и формируются эмпириче ские данные xi = f (t i ), i = 0, n Далее необходимо найти функциональную зависимость между вре менем и изменением значений параметров. Для этого используется метод наименьших квадратов, который при моделировании позволяет рассчитать параметры модели с минимальной погрешностью, то есть требуется найти уравнение, для которого среднеквадратическое отклонение (СКО) мини мально. В качестве простейшей модели часто используют линейную зави симость:

x(t ) = x(0 ) + at (3) Соотношение (3) определяет зависимость значений параметров векто ра состояний объекта в определенный момент времени t. Здесь коэффици ент a характеризует удельную величину изменения значений параметра xi в зависимости от t.

Если эта связь имеет более сложный (нелинейный) вид, то соотноше ние (3) может быть заменено полиномом с фиксированной степенью k 2.

Фактически на данном этапе необходимо найти такое значение a, n (x(t ) x ) i i = i = n + чтобы значение СКО было минимальным.

При осуществлении каждого последующего измерения и появлении следующих по времени значений параметров xi производиться уточнение коэффициента a до того момента, пока разница между двумя соседними значениями данного коэффициента a не будет меньше некоторого напе ред заданного критического значения (значение величины a стремится к нулю).

Теперь на основании уравнения (3) при известном коэффициенте a можно спрогнозировать изменения значений параметров xi. Моделирова ние процесса изменения значений параметров относится не только к век тору (2), определенному в (3), но аналогичным образом и к вектору (1).

Важной функцией является нахождение зависимости состояний объ екта (1) от значения параметров (2):

Z j = Z j ( xi ), i = 1, n, j = 1, m (4) Обобщенные оценки совокупности значений параметров технического состояния в явном виде указывают на степень работоспособности рассмат риваемого объекта мониторинга. Оценка и прогноз значений состояний объекта и его параметров на текущий момент и перспективу осуществля ется на основе использования соотношений (3) и (4). Эти оценки и прогно зы позволяют принимать решения о дальнейшей эксплуатации объекта, а так же о проведении различного рода профилактических работ для перево да объекта в более предпочтительные состояния и соответственно для обеспечения исправной работы системы электроснабжения. Все это помо гает поддерживать заданный уровень эффективности работы железнодо рожного транспорта (единицы подвижного состава) и повышает уровень безопасности движения.

УДК 004.4. С.И. Михаэлис ИСПОЛЬЗОВАНИЕ МАТЕМАТИЧЕСКИХ ФУНКЦИЙ MS EXCEL ДЛЯ РЕШЕНИЯ ЗАДАЧ Предлагаемое занятие по дисциплине «Информатика» по использова нию математических функций для решения задач проводится у студентов курса вуза или старшеклассников профильных классов. У последних пред ставленный ниже материал разбивается на 2 урока.

Занятие делится на две части. Первая часть подразумевает повторение изученного ранее материала, вторая – его закрепление.

В первой половине студентам необходимо по записанным преподавателем на доске формулам без использования компьютеров найти значение выра жения и ответы записать в соответствующие ячейки таблицы (данные яче ек A1, B1 и C1 – исходные).

A B C D E F G H I J K L M N O 1 1 2 D1 =СУММ(А1:С1) E1 =СУММ(А1;

В1;

С1) F1 =ПРОИЗВЕД(А1;

С1;

Е1) G1 =СУММ(В1:D1;

A1;

4;

10;

E1) H1 =СУММ(ОСТАТ(G1;

D1);

G1;

D1) I1 =ПРОИЗВЕД(A1;

B1;

C1)-СУММ(A1:C1) J1 =ОСТАТ(СУММ(G1;

H1;

2;

ПРОИЗВЕД(A1;

B1));

C3-A1) K1 = A1*B1*C1- ПРОИЗВЕД(A1;

B1;

C1) L1 =A1^10*B1^3*СТЕПЕНЬ(C1;

I1) M1 =ПРОИЗВЕД(СУММ(D1;

E1);

СТЕПЕНЬ(С1;

B1);

ОСТАТ(H1;

G1)) N1 =СУММ(B1^2;

C1^2;

E1^2) O1 =СУММ(A1:C1)^ Такие упражнения позволяют научить студентов «читать» или «ви деть» формулы, что в дальнейшем поможет им без труда искать ошибки, допущенные при создании формул (а в последствии при программирова нии), содержащих функции с большим количеством аргументов. После по лучения ответов преподаватель предлагает эти же формулы воспроизвести на компьютере в программе MS Excel и сравнить ответы.

Во второй половине занятия студенты выполняют задания по несколь ким вариантам. Один вариант задания представлен ниже.

1. Вычислить x, если а=12:

2a 3 x= + 2a + 2a a 2 a 2. Вычислить y, если х=-1:

ln x y= cos x 3. Дан треугольник со сторонами a=3, b=4, c=4. Вычислить углы b2 + c2 a А = arccos 2bc треугольника и т.д. (по теореме косинусов), пе реведите их в соседнем столбце в градусы, используя соответствую щую математическую функцию. Сосчитайте отдельно сумму углов треугольника, выраженную в радианах и градусах.

4. Дан прямоугольный параллелепипед со сторонами a=5, b=3,5, c=2.

b c a Вычислить:

• объём V=abc;

• площадь поверхности S=2(ab+bc+ac);

• длину диагонали d= a + b + c ;

2 2 • угол между диагональю и плоскостью основания c = arctg a + b в радианах и градусах;

= • угол между диагональю и боковым ребром 2 в радианах и градусах;

d Vш = • объём шара, диаметром которого является диагональ 6.

Описанное занятие также проводится автором у иностранных студен тов подготовительного отделения ИрГУПС.

УДК 681. Е.И. Молчанова, В.В. Федоров, П.В. Войнич ПРОЕКТИРОВАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ ДЛЯ ПО СТРОЕНИЯ ГАДУИРОВОЧНОЙ ФУНКЦИИ В РЕНТГЕНОФЛУОРЕСЦЕНТНОМ АНАЛИЗЕ Введение Рентгенофлуоресцентный метод анализа (РФА)– количественный, по луколичественный, качественный анализ вещества по спектру рентгенов ской флуоресценции атомов элементов пробы. Преимущества метода: се лективность, точность (воспроизводимость + правильность), возможность автоматизации. РФА широко используется в качестве датчика в автомати зированных системах управления технологическими процессами. Только отечественные рентгеновские спектрометры, выпущенные ЗАО «Научпри бор», работают более чем на 500 предприятиях металлургии, цементной и стекольной промышленности, в машиностроении и в научных учреждени ях. Многие заводские лаборатории оснащены аналитическими комплекса ми импортного производства.

Рис.1. Внедрение приборов концерна ARL и Thermo Optek В настоящее время зарубежными производителями программного обеспечения аналитических комплексов поддерживается тенденция выбо рочной поставки потребителям отдельных вычислительных блоков с за крытыми алгоритмами реализации. Постановка каждой новой аналитиче ской задачи требует вложения немалых дополнительных средств. Более эффективной представляется тенденция предоставления потребителю универсального программного обеспечения, пригодного для решения ши рокого круга задач. Однако опыт внедрения такого программного обеспе чения показал, что даже при открытом описании вычислительных алго ритмов, их реализация на практике требует высокой квалификации анали тика и не всегда обеспечивает желаемый результат. Существующие курсы повышения квалификации, проводимые, например, в ИГУ, требуют отвле чения слушателя от производства и охватывают широкий круг вопросов теории и практики РФА без конкретизации отдельных решаемых задач. В связи с чем в ИрГУПС создается экспертная система, позволяющая выпол нить разработку конкретной методики анализа, основываясь на знаниях экспертов в области РФА[1]. Первый этап - создание системы поддержки принятия решения по выбору градуировочной функции методики, исходя из предложенного алгоритма построения градуировочной функции. Фор мируемая база знаний имеет в основе представление объектов в виде фреймов [2]. Аналогов предлагаемой разработки на настоящий момент не существует. В работе [3] перечислены задачи, возникающие при создании интеллектуального программного обеспечения для РФА, но они не струк турированы и не определены подходы к их решению. Приведенный при мер использования шести правил в продукционной экспертной системе для выбора образцов сравнения «по интервалу» содержаний элементов, носит частный характер и не учитывает, например, гранулометрический состав и наличие корреляций между содержаниями компонентов.

Выбор модели представления знаний Предметной областью разрабатываемой экспертной системы является РФА. Этот метод анализа химического состава вещества обладает развитой теорией, и для решения своих задач традиционно привлекает аппарат ма тематического моделирования, математическую статистику, теорию пла нирования эксперимента, системы управления базами данных. Создано множество пакетов прикладных программ (ППП) и специализированных программных комплексов (ПК), реализующих те или иные из перечислен ных выше задач, например [4]. Вместе с тем, корректное применение раз работанных программ является задачей высокопрофессиональной и требу ет привлечения экспертных знаний.

Именно эта часть, составляющая интеллектуальную надстройку над пакетами прикладных программ, и должна стать объектом проектируемой БЗ. Таким образом, проектируемая ЭС, является гибридной и представляет собой ПК, агрегирующий средства манипулирования знаниями и пакеты прикладных программ. Разработка таких систем являет собой задачу на порядок более сложную, чем разработка автономной ЭС. Здесь требуется разработать средства взаимодействия не просто разных пакетов, а различ ных методологий, что порождает целый комплекс теоретических и практи ческих трудностей. В связи с чем, нам придется использовать симбиоз языков представления знаний: фреймы + ассоциативные сети + полный на бор возможностей языка исчисления предикатов.

Анализ процесса принятия решения по выбору уравнения связи и построение его модели В проектируемой гибридной системе данные предложено структури ровать в виде фреймов, что позволяет сохранять значения слотов в реляци онных таблицах, и использовать мощный механизм наследования при по строении иерархии сущностей.

Для представления данных, которыми должен оперировать эксперт, нам потребуется иерархия сущностей - химическое вещество. На основе анализа этих данных, будут сгенерированы новые знания в виде градуиро вочной функции (уравнения связи). Это процесс инициируется при выпол нении интеллектуального анализа атрибутов иерархии сущностей через присоединенные процедуры, запуск которых происходит при срабатыва нии правил. Присоединенные процедуры, в свою очередь, обращаются к внешним функциям, хранящимся на сервере приложений. Внешние функ ции выполняют вычисления с помощью математической модели процесса возбуждения спектров флуоресценции и ее аппроксимаций. Результирую щая градуировочная функция в виде отдельных блоков хранится в соответ ствующем мультислоте фрейма и присоединенных процедурах.

При формировании исходных данных суперклассом можно считать фрейм Вещество, не содержащее слотов рис. 2.

Рис. 2. Иерархия сущностей суперкласса вещество Фрейм химический элемент можно представить набором слотов и мультислотов, содержащих информацию необходимую для проведения РФА (табл. 1).

Таблица Фрейм химический элемент Имя Сим- По- Атом- Края Линии слота вол рядковый ный вес поглоще- спектра номер ния Тип Слот Слот Слот Муль- Муль слота тислот тислот Обо- 1 2 3 4 значение Экземпляров этого фрейма должно быть столько, сколько элементов в периодической системе.

Фрейм Материал выборочно наследует символы элементов от фрейма Химический элемент и имеет дополнительные слоты, определяющие долю и соединение элемента в составе вещества, а также пределы его содержа ния (рис.3.).

Рис. 3. Фрейм материал Фрейм Градуировочный образец наследует все шесть слотов от фрей ма Материал и имеет дополнительные слоты: имя образца, тип образца, марка и мультислоты: содержание элемента, точность аттестации и интен сивность флуоресценции элемента. Унаследованные слоты Min Max муль тислота Элемент во фрейме Градуировочный образец играют роль ограни чений. Экземпляров этого фрейма создается столько, сколько образцов бу дет использовано при построении градуировочной функции. Для реализа ции механизма множественного наследования разработан специальный ал горитм.

Фрейм Точность анализа наследует мультислот Элемент от фрейма Материал, но позволяет разбить диапазон его содержаний на поддиапазо ны и задать для каждого из них соответствующие характеристики погреш ности.

Фрейм Определяемый элемент наследует от фрейма Градуировочный образец символ элемента и все его атрибуты, включая ограничения, а от фрейма Точность анализа – допустимую погрешность (по диапазонам).

Дополнительно необходимо ввести слот - аналитическая линия (i). Значе ния этого слота формируются, исходя из атомного номера. Z Если Z53, то выбирается K-линия, иначе - L.

Этот фрейм включает мультислот Градуировочная функция, содер жащий числовые параметры и алгоритмы в виде присоединенных проце дур, вызывающих внешние функции, необходимые для расчета содержа ния данного элемента в анализируемой пробе. Активизация присоединен ных процедур происходит при срабатывании правил, составляющих БЗ.

Мультислот Градуировочная функция можно представить таблицей 2.

Таблица Мультислот Градуировочная функция Слот Компонент гра- Значения в виде аналитического № дуировочной функции выражения или числовых параметров I II III 1. Тип переменных Ij V Cj Ci = Ci* ( 1 + ij C j ) 2. Вид уравнения связи j ij ij 3. Зависимость * = ij= f(С ) ij C 1 ij j о 4. Зависимость Полином Ci*=f(Ii) С целью заполнения слотов, представленных в табл.2, выполняется последовательность правил, в соответствии с иерархическим алгоритмом построения модели матричной коррекции, предложенным авторами.


Для выбора переменных в уравнении связи необходимо подвергнуть анализу фрейм Материал. Сочетание значений 5 и 6 слотов фрейма Мате риал определяет выбор переменных в уравнении связи и может быть пред ставлено фрагментом ассоциативной сети, представленным на рис. Если в качестве переменных выбраны интенсивности Ij излучения элементов пробы, то градуировочная функция может быть реализована только в виде уравнения множественной регрессии. Корректирующие ко эффициенты этого уравнения находят МНК с помощью данных, содержа щихся в слотах экземпляров фрейма Градуировочный образец. В этом слу чае параметры зависимостей Ci*=f(Ii) и Ci=f(С) оценивают одновременно.

Их значения находят последовательно для каждого определяемого элемен та.

Рис. 4. Выбор аргументов в уравнении связи Прежде чем выполнить расчет корректирующих коэффициентов, не обходимо выбрать форму уравнения регрессии для данного элемента i.

Вектор зависимой переменной формируют значения Ci в градуировочных образцах. Матрицу независимых переменных необходимо сформировать из значений Ij для элементов, входящих в состав градуировочных образцов.

Обычно в РФА применяют уравнения линейной регрессии (аддитивная коррекция), уравнения множественной регрессии, включающие перемно жения интенсивности определяемого элемента i на интенсивность влияю щих j, или перемножения интенсивностей произвольных элементов пробы (мультипликативная коррекция). Аддитивная коррекция на межэлемент ные взаимодействия перспективна в случае отсутствия для определяемого элемента эффектов довозбуждения, а также когда содержания определяе мого элемента малы (1 %) и имеют место большие вариации интенсив ности фона при изменении состава проб.

Можно предложить следующую схему предварительной оценки эф фектов межэлементного взаимодействия и наложения линий. Сравниваем длины волн () спектральных линий из фрейма Химический элемент для всех элементов, входящих во фрейм Материал со значением края погло щения (q) для определяемого элемента i. Если хотя бы одно значение для влияющего элемента j удовлетворяет условию: (q-= 0.5 нм) (СMAX_j=0.5 %), то эффектом довозбуждения аналитической линии пре небречь нельзя, и аддитивная коррекция не применима. Если в пробе от сутствуют влияющие элементы j, удовлетворяющие условию, или Сi1%, и измеренные интенсивности не очищены от фона, то можно рекомендо вать использовать для данного элемента i аддитивную коррекцию. В слу чае присутствия эффектов довозбуждения следует вводить мультиплика тивные поправки на матричные эффекты.

При РФА многокомпонентных материалов, когда число элементов j =10, число членов уравнения должно быть оптимизировано, исходя из требований к точности анализа и доступного числа градуировочных образ цов. Эту процедуру следует реализовать методом последовательного ис ключения членов из полной формы уравнения регрессии. Для включения элемента j в полную форму уравнения коррекции на матричные эффекты должно быть выполнено одно из условий:

((q-= 0.5 нм) (СMAX_j=0.5 %)) Сj10 % ((CMAX_j-CMIN_j)µij)/(CMID_iµii) 0. ((CMAX_j-CMIN_j)µij)/((CMAX_B-CMIN_B)µiB) 0.1.

Здесь µij, µii, µiB – соответственно массовые коэффициенты ослабле ния аналитической линии элемента i элементами j, i и основой образца (индекс B). Значения параметров µ считываются из вспомогательной БД.

Когда необходимо определять малые содержания элемента i, чтобы учесть диффузно рассеянное кристаллом-анализатором излучение элемен тов j и прямое наложение их линий, в уравнение регрессии вводят поправ ку на элемент j если:

(|j- i|= 0.5 нм) (СMAX_j=0.1 %) (СMAX_i=1 %).

Полученное в результате число корректирующих коэффициентов l в полной форме уравнения регрессии должно быть в 3 раза меньше числа градуировочных образцов [5]. Коэффициенты находят взвешенным МНК с использованием статистического веса 1/Сi.

Последовательность принятия решения по выбору способа коррекции с помощью уравнения множественной регрессии может быть представлена схемой на рис.5.

Рис. 5. Выбор способа коррекции Если в качестве переменных уравнения (1) согласно рис.4 выбраны содержания Сj, то можно использовать математическую модель процесса возбуждения флуоресценции в толстом гомогенном образце узким поли хроматическим пучком первичного излучения. Это позволяет теоретически с высокой точностью оценивать эффекты межэлементного взаимодействия и минимизировать требования к числу градуировочных образцов. Градуи ровочные образцы необходимы на этапе построения зависимости Ci*=f(Ii) для приведения экспериментальных интенсивностей к теоретическим. Ал горитм построения градуировочной функции сформулирован в виде про дукций. Исходные данные для левой части правил поступают из слотов фреймов Градуировочный образец, Химический элемент и вспомогатель ной БД, содержащей фундаментальные физические константы.

Выводы Проведены исследования по проектированию ЭС. Выбрана гибридная модель системы, позволяющая применять симбиоз языков представления знаний. Для хранения исходных данных предложено использовать иерар хию фреймовых структур. Интеллектуальная надстройка над пакетами прикладных программ реализована в виде правил, оперирующих слотами фреймов, и обращающихся к присоединенным процедурам фреймов. При соединенные процедуры, в свою очередь, вызывают внешние функции, со ставляющие сервер приложений. Внешние функции генерируют числовые параметры градуировочной функции, сохраняющиеся в слотах соответст вующего фрейма.

Литература 1. Молчанова Е.И., Носков С.И., Китов Б.И. Проектирование и создание эксперт ной системы для описания процессов взаимодействия рентгеновского излучения с веществом // Компьютерное моделирование 2005: Труды VI Международной на учно-технической конференции. СПб.: Изд-во Политехнического университета, 2005, с.310-314.

2. Минский М. Фреймы для представления знаний, М.: Энергия, 1979.

3. Черкашин Е.А. Технология построения интеллектного программного обеспе чения автоматизации планирования методики рентгенофлуоресцентного анализа // Аналитика и контроль, 1999, №4.

4. Молчанова Е.И., Смагунова А.Н., Прекина И.М. Программная оболочка для проведения РФА на аналитическом комплексе СРМ-25-IBM // Аналитика и кон троль.- 1999.- №2.- С.38-43.

5. Молчанова Е.И., Смагунова А.Н., Розова 0.Ф. Выбор оптимальных условий ус тановления градуировочной функции при рентгенофлуоресцентном анализе // За водск. лаборатория.-1984.-Т.50, №11.-С. 25-29.

УДК 621.396. Мухопад Ю.Ф.

АНАЛИЗ И СИНТЕЗ УСТРОЙСТВ УПРАВЛЕНИЯ В СИСТЕМАХ РЕ АЛЬНОГО ВРЕМЕНИ (АНАЛИТИЧЕСКИЙ ОБЗОР) В настоящее время наибольшее число автоматически управляемых систем реализуется с помощью микропроцессоров и микроконтроллеров.

Организация вычисления и управления в них через команды с фиксиро ванным числом тактов, а так же вычисления функций методом разложения в ряды, приводит к снижению быстродействия управления на 2-3 порядка по сравнению с полностью микропрограммным принципом управления.

Поэтому микропроцессорные системы (МПС) применяются лишь там, где для обработки информации необходимо производить операции с высокой точностью (режимы с плавающей запятой), или системы управления отно сительно медленные (химические процессы с использованием операции механического смешивания, управления электродвигателями и др.) [5,17;

26;

43;

74;

86;

92;

167].

Достаточно широкая область применения систем управления, не тре бующих высокой точности. Главным фактором в таких системах является надежность и быстродействие обработки информации и управления. Такие системы, работающие в реальном времени, используются в мехатронике [90;

99], управлении летательными аппаратами [165], системах защиты информации [60], опознавателях образов [72], в радиотехнических и элек тронных комплексах [52;

67], управлении технологическими процессами [56;

92;

96].

Аппаратная реализация позволяет повысить быстродействие даже в том случае, когда в структуре систем управления используется микропро цессор, но с выполнением только простых арифметических операций. В более сложных системах используются дополнительное оперативные (ОЗУ) и постоянные (ПЗУ) запоминающие устройства и комплекс МПА.

Рассмотрение методов проектирования и реализации средств автома тического управления реального времени (РАУ) и является целью настоя щего аналитического обзора. Следует заметить, что отдельно МПС не рас сматриваются в этом обзоре по двум причинам:

- им посвящен громадный пласт публикаций. Однако, хотя многие монографии и имеют название – «МПС» на самом деле в них описывается обобщенная структура микро процессора, а далее приводится конкретная структура команд одной из мо делей МПС;

- Как проектировать системы управления на МПС не указывается, т.е. есть «ноу», но нет «хау».

Более конкретны работы [67;

127;

167].

В обзоре не рассматриваются так же вопросы синтеза цифровых вычисли тельных устройств и машин. Первые постановки задач оптимизации ЦВМ принадлежат Базилевскому Ю.Я. [6] и Ю.П. Журавлеву [35]. Научная ли тература по этим вопросам обширна и в том числе по синтезу МПА для ЦВМ. Логическим развитием этих работ являются структуры микропро цессоров и микроконтроллеров.

Не рассматриваются так же работы по клеточным автоматам и одно родным средам (Э.В. Евреинов, И.В. Прангишвили. Цифровые автоматы с настраиваемой структурой. М.: Энергия, 1974. – 240 с.). Логическим раз витием этих работ является книга Артюхов В.Л., Копейкин Г.А., Шалыто А.А. Настраиваемые модули для управления логических устройств Л.:


Энергоиздат, 1981, - 164 и структуры современных ПЛИС.

В обзоре не ставится задача установления исторического приоритета по всем вопросам или цитирования работ большинства авторов, внесших тот или иной вклад в РАУ. За пределами анализа остались работы Шилей ко А.В., Захарова В.Н., Гинзбурга С.А., Пийль Е.И., Стахова А.П., Майо рова С.А., Прангишвили И.Г., Lie C.N., Hartmanis J., Tohma Y., Miller R., Wilkes M. и др. Для получения информации следует изучить труды JFAC т 1-5. – 1974 г., а так же литературу, цитируемую в работах В.М. Глушкова, А.Д. Закревского и В.В. Соловьева. В тексте используется ряд сокращений, которые либо общеизвестны, либо вводятся по мере изложения. При выбо ре источников автор ориентировался на их конструктивную направлен ность.

Полностью указать путь в неизведанное чрезвычайно трудно. Это значит сделать открытие. Как сказано одним из философов: «Где нет отве та – там нет вопроса». Однако, в настоящее время наметились некоторые решения, которые определяют пути развития теории и инженерной прак тики создания автоматизированных устройств реального времени (РАУ) и микропрограммных автоматов управления (МПА).

Инженерная практика.

Комбинационные схемы (КС) на каждом этапе развития базируются на тех элементах, которые имеются на данном уровне технологических достижений. Сначала техника на реле [3;

152;

169], затем на электронных лампах [16], на феррит-транзисторных ячейках [134;

145], на малых инте гральных схемах логики [3;

31;

139;

156], затем на больших интегральных схемах (БИС) ПЗУ, программируемых логических матриц (ПЛМ) и микро процессорах [4;

10;

19;

36;

142;

173;

178]. Аналитический обзор методов проектирования РАУ на БИС приведен в работах [88;

122].

Развитие интегральной техники привело к появлению сверхбольших интегральных схем (СБИС) и программируемых интегральных логических схем (ПЛИС) как простого объединения через программируемые коммута торы 2, 4, 8 ПЛМ, а затем как матричных структур в виде программной коммутации логических ячеек с выбором нескольких возможностей на стройки [163].

На современных ПЛИС (Altera, Xilinx), выполненных в одном кор пусе интегральной микросхемы, можно собрать спец процессор, дискрет ный фильтр для обработки сигналов и систему взаимодействующих авто матов. Производятся БИС оперативной памяти большого объема. Наличие ПЗУ и ПЛМ, позволяет реализовать методом прямого считывания и таб лично-алгоритмические преобразования как одной [80;

81;

82;

158], так и многих переменных [92;

122] с точностями не достижимыми для техники прошлого века.

Каковы бы не были успехи нанотехнологий, невозможно решить всех проблем на технологическом уровне. Оптимизация на структурном уровне может оказаться более эффективной и снимет те преграды к разви тию СБИС, которые определяются технологическими пределами микро миниатюризации на уровне процессов с «разрывами» тока, невозможно стью рассеивания тепла в кристалле и др. [42;

177]. Более того, наиболее эффективное использование ПЛИС и однокристальных контроллеров тре бует развитие научных основ РАУ с учетом появляющейся вариантности структуры основных моделей автоматов [59;

70;

160;

170], учета режимов ПЛИС и др.

Автоматизация проектирования на ПЛИС (системы САПР Mustang, SIS и др.) базируется на идеях, систематизированных McCluskey E. Logic design principles. – Prentice – Hall, Englewood Ceiffs, NJ, 1986 и работах русских ученых, имеющих не только теоретическую но и конструктивную направленность (А.Д. Закревский, С.И. Баранов и др. [10;

36;

160].

Многие технологические процессы имеют пожароопасный и взрыво опасный характер (нефтехимия, газопроводы, лакокрасочные цеха и др.).

Здесь не допустимы агрегаты, имеющие электропитающие установки лю бого уровня напряжения. В этом плане наиболее перспективна пневмоав томатика и струйная техника. Неисправность (потеря целостности питаю щей или внутрисхемной проводящей линии) приведет лишь к утечке в ат мосферу части воздуха, как носителя информации («пшик») и прекраще ние функционирования устройства. Развитие пневмоавтоматики и струй ной техники для судостроения, летательных аппаратов и технологических процессов, проходящих в экстремальных условиях, сдерживалась приме нением так называемой планарной технологии размещения элементов и устройств [57;

111;

177]. Предложенная [76] объемная технология проек тирования РАУ позволила построить малогабаритные пневмоматрицы [85] и наметить основы нового теоретического подхода к анализу и синтезу пневмонаноструктур.

Эти же идеи по методу аналогий могут быть применены [64;

93;

95;

106;

107;

108;

111] в радиосистемах СВЧ диапазона. В работе [54] предла гаются конструкции, позволяющие создавать в СВЧ диапазоне коммути рующие матрицы размером 4 4, а по методу [71] размерность может быть увеличена в несколько раз. Не смотря на оригинальность указанные реше ния имеют большой недостаток т.к. используют плоскостной принцип кон струирования, основой которого является переключение (или ответвление) электромагнитной энергии при распространении на плоскости по «длин ным линиям» - полосковым, коаксиальным, оптическим. Для переключа телей антенн и волноводов с высоким уровнем энергии и ограниченным «логическим» воздействием этот путь развивается. Но для маломощной дискретной техники со значительным числом элементов очевидно, по ана логии с пневмоавтоматикой, необходимо переходить к объемным инте гральным схемам. Здесь, как говорят, не распаханное поле.

Следует также отметить, что СВЧ диапазон «плавно» переходит в оптическую область. Специфику проблемы можно понять из [83;

89;

156;

162].

Пока на уровне лабораторных исследований находится наука и прак тика квантовых (атомных и молекулярных) систем. Но уже по первым публикациям ясно [27], что принципы РАУ применимы и здесь.

Основой построения МПА является память ограниченного объема и комбинационные схемы. А основой построения операционных устройств опять же комбинационные схемы и постоянная и оперативная память большого объема.

Оптимизация автоматов.

Первые работы, связанные с теорией конечных автоматов – это книга М.А. Гаврилова Теория релейно-контактных схем. М.: АН СССР. - 1950 и статьи В.И. Шестакова ЖТФ, 1941 г, Яблонского С.В., УМН-7, 1952 г, Лунца А.Г. ДАН СССР, 70. – 1950, - №3. – с. 421-423, сб. статей Автоматы.

М.: Мир, 1956 со статьями Т.А. Медведева, Э.Ф. Мура и С.К. Клини, ста тья Васильева Ю.Л. Докл. АН СССР, 1959, №2, книга Рогинского В.Н.

Элементы структурного синтеза релейных схем управления. М.:АН СССР 1959 и статьи Поварова Г.Н., автоматика и телемеханика, 1957, Лупанова О.Б. в тр. матем ин-та АН СССР, 1958, А.Д. Закревского ДАН СССР, 1959.

В зарубежных публикациях D.A. Hoffman, The synthesis of sequential switching circuits, J. Franklin Institute 257 (1954) 161-190;

275-303 и G.H.

Mealy Method for synthesis sequential circuits, Bell System Tehn. J. 34 (1955) 1045-1079. Первые монографии по «Теории автоматов» (1962 г.) принад лежат В.М. Глушкову и A.Gill. Introduction to the Theory of Finite-State ma chines, Mc Craw-Hill, NY, 1962.

Простейшим автоматом является триггер. Повышению устойчивости и безотказности триггеров, регистров и счетчиков посвящены работы [42;

139;

175].

Для автоматов с логическими условиями повышение надежности на выбранной элементной базе в первую очередь связано с оптимизацией за счет минимизации булевых функций и специальных способов кодирования [4]. Вопросам кодирования автоматов, в том числе противогоночного, по священо громадное число работ. Научный анализ развития этого направ ления хорошо изложен в работах [31;

48;

154]. Использование в автоматах двух регистров с парафазной связью и синхронизацией импульсами и ( ( t ) & ( t ) = ) снимет проблему противогоночного кодирования синхрон ных автоматов. Имеются работы посвященные выбору кодов, обеспечи вающих минимальное число логических элементов или обеспечивающих экономию энергозатрат за счет минимизации числа переключений /Hartmanis J., Stearus R. Algebraic Structure Theory of Sequentive Machines// Prentice Hall Inc., N.Y., 1966./ Ю.Г. Карпов [41] используя эвристические приемы на примерах автомата с 1-2 логическими условиями и 8 состоя ниями убеждает в возможности и эффективности поиска кодов минимизи рующих затраты. Формальная процедура такого кодирования приведена в[15;

19;

155;

34], а на основе дифференцирования булевых функций и по строения кодирующего дерева предложена В.А. Горбатовым [24]. Вопросы кодирования тесно переплетаются с вопросами минимизации булевых функций и декомпозицией конечных автоматов[4;

13;

15;

36;

77].

Одна из первых постановок по минимизации конечных автоматов, связана с уменьшением числа состояний за счет объединения тех состоя ний в графе, которым «приписаны» одни и те же микрооперации и переход к которым из разных состояний осуществляется по одному и тому же ус ловию [15;

19;

153]. Постановка несколько расширяется за счет совмести мости не связанных подграфов через установление классов совместимости.

В работе [9] указана процедура точного решения этой задачи для графов с 10-15 вершинами. Развитием этой работы являются статьи [10;

24]. Однако это направление практически не развивается в связи с тем, что оно не име ет «экономического» эффекта. Решая очень сложные наукоемкие задачи оптимизации на графах для сложных автоматов, снижение аппаратных за трат составит доли процента. Предположим, что удастся уменьшить число вершин в графе на 30-40%. Для графа с малым числом вершин (8-10) уб рать 3-4 вершины это ощутимо. А для графа c 35-50 вершинами? Методы оптимизации при таком числе вершин при числе логических условий просто не работают, т.к. необходим полный перебор практически с нере альными затратами машинного времени. Даже если для каких-то особых графов удается «убрать» 30% вершин это приведет всего лишь к уменьше нию кода состояний на 1 разряд, а в конкатенации { }{x} это будет менее 0,5%. Да и это для частных случаев.

Более эффективным приемом является поиск такой декомпозиции автомата (параллельной или последовательной), которая существенно уменьшает сложность реализации комбинационной схемы. Введено поня тие конгруэнции на множестве разбиений автомата если из двух любых состояний, принадлежащих одному и тому же разбиению осуществляется переход к одному и тому же произвольному блоку этого разбиения. Дока зана теорема о том, что при нетривиальной конгруэнции автомата сущест вует последовательная декомпозиция. В [29] эта идея Хартманиса названа изящной, но указывается, что с увеличением числа логических условий сложность решения проблемы увеличивается экспоненциально. Как нахо дить эти разбиения более конструктивного приема, чем в [10] нет. В [18] показано, что аналогичная проблема распознавания однотипности сводит ся к проблеме определения изоморфизма мографов. При размерах матрицы mn прямой перебор оценивается комбинаторной величиной m!n!2n, что неприемлемо даже для современных компьютеров при реальных значениях m, n. Поэтому необходимо находить приемы «ухода» от полного перебора.

Наиболее эффективный метод решения этой задачи через декомпозицию и минимизацию булевых функций для реализации на ПЛМ предложен в ра ботах [4;

15;

30;

36;

53;

142;

151]. Хотя по вопросам минимизации булевых функций и оптимизации автоматов на уровне таблиц и графов переходов обзор мог бы состоять, по крайней мере, из 500 источников, это направле ние нельзя считать бесперспективным.

Есть такое правило: «если не возможно решить частную задачу, не обходимо сделать ее обобщение и найти решение». В работе [70] предло жен на основе правила дихотомий метод декомпозиции на более высоком уровне: не на графах, а на уровне граф-схем алгоритмов (ГСА) еще до по лучения графа. Структура такого декомпозированного автомата и метод декомпозиции приведены в [92]. Работа с автоматами 20 состояний и ~ логическими условиями позволили для производственного примера сни зить число входных переменных с 17 до 11 [116]. Для обобщенных случаев эффективность метода так же достаточна высока.

Решающим приемом является новая методика синтеза [98], и новая структура автомата [59]. Методика основана на преобразовании граф схемы алгоритма, допускающем выделение одного конкретного логиче ского условия или безусловного перехода по коду состояния автомата. Ме тодика позволяет за счет структурной декомпозиции, работающей без пе ребора при любом числе переменных получить упрощение комбинацион ной части в десятки, сотни и тысячи раз. Причем эффект тем выше, чем больше входных переменных.

В последнее время чаще всего вместо аппаратной реализации МПА используется их программная реализация на контроллерах [26;

47]. Разра ботаны специальные языки моделирования МПА [13;

92;

160]. Однако та кие модели приводят к необходимости построения весьма сложных про грамм [137;

142], быстродействие выработки команд управления снижает ся ~ на 3 порядка. Новый метод синтеза [98] позволяет существенно упро стить программные модели МПА и осуществить быстродействующие реа лизации на 8-ми разрядных контроллерах сложных автоматов за счет воз можности использования метода прямого считывания функций переходов из ПЗУ.

Весьма эффективным методом является введение в структуру МПА магазинной (стековой) памяти [71;

136]. Метод [136] детализирован в ра боте [92].

Методы повышения надежности дискретных устройств.

Целью всех методов оптимизации являлось упрощение конструкции, снижение риска сбоев (за счет специального кодирования), а в итоге, по вышение надежности МПА. Однако, в научном направлении обеспечения надежности есть и самостоятельные подходы, связанные, в первую оче редь, с резервированием (двухкратное, трехкратное и даже для ответствен ных случаев, пятикратное). Как конструктивный, так и теоретические ас пекты этого подхода развиты достаточно хорошо [39;

55;

155;

159]. В ра боте [84] предложен подход, названный «минорантным» резервированием.

Идея минорантного резервирования связана с введением в структуру МПС более простого блока, реализующего на период восстановления МПС ту же функцию, но с меньшей точностью.

Второй путь повышения надежности – это использование помехоза щищенных кодов и кодов с исправлением ошибок в информационных свя зях РАУ. Это направление глубоко исследовано и отражено в ряде отече ственных монографий [44;

166;

176]. Один из вариантов резервирования связан с использованием двух функциональных (ФПИ) или вычислитель ных преобразователей информации (ВПИ) с прямой и обратной функцией [65;

99] и сравнением значений исходной и восстановленной переменной.

Важным направлением повышения надежности РАУ является ис пользование подсистем тестового и динамического встроенного контроля.

Тестовый контроль – это предстартовый контроль РАУ. Для тестового контроля широко используются средства идентификации типа сигнатурно го анализа [49;

167], а так же способ контроля МПА В.Н. Балакина, В.В.

Барашенкова [8]. Однако сложность встроенных систем контроля соизме рима со сложностью самого автомата, подлежащего контролю.

Если АРУ состоят из комплекса блоков, то естественно необходим контроль каждого. Контроль дешифраторов производится по методу [140], а для ПЗУ используются либо коды Хемминга [79;

45;

153], либо так назы ваемый двоично-геометрический код (ДГК), связанный с преобразованием каждых двух разрядов двоичного позиционного кода (ДПК) в унитарный код [125].

Производственный контроль ПЗУ реализуется системой эталонных ПЗУ с использованием формирователя временных диаграмм [117] и ком плекса взаимосвязанных МПА [74;

116].

Для контроля системы взаимосвязанных блоков Пархоменко П.П.

предложен метод основанных на таблицах функций неисправностей [133].

Метод получил широкое применение при поиске одиночной ошибки. Раз витием метода является алгоритм А.Н. Буинова, по которому автором бы ло сконструировано устройство контроля неисправностей с фиксацией не скольких ошибок. Методы применимы, если обеспечивается одновремен ная фиксация сигналов неисправности от всех блоков комплекса [78;

79].

В работе [92] предложен метод контроля вычислителя, подразде ляющегося на функциональные, информационные, логические, адресные и управляющие блоки согласно структурной модели [61]. Согласно методу фиксируется время пребывания системы в каждой из подсистем и сравни вается с тем, которое задается исходным алгоритмом. Применимость ме тода целесообразна в том случае, если система кроме счетчиков времени обеспечена датчиками «занятости» каждой из подсистем. Система контро ля в этом случае представляет собой специализированный МПА. Этот ме тод может использоваться для динамического контроля вычислителя или системы управления.

Первой работой в этой области была статья А.Д. Закревского ( г.). Им предложено строить комбинационную схему МПА, так, чтобы на выходах формировались так же значения дополнительных разрядов по ко ду Хемминга. А.М. Гаврилов (1960) предложил кодировать память автома та с заданным расстоянием d(t) и d(t+1) по Хеммингу [48]. Этот метод применим при малом числе логических условий МПА.

Наиболее простотой для реализации является код mCn – отличаю щийся фиксированным числом единиц. Метод развит В. Сапожниковым [49;

55] с синтезом комбинационных схем (2 из 5, 3 из 7), обеспечивающих проверку контрольных признаков. Недостатком метода является увеличе ние в 2-2,5 раза разрядности кода состояний по сравнению с ДПК. Весьма сложной будет контрольная схема поиска m единиц для 30-50 состояний при увеличении в 2 – 2,5 раза разрядности двоичного позиционного кода (ДПК), т.к. эти m единиц расположены «произвольно» в n-разрядах кода mCn.

В работах [58;

92;

0] предложен метод контроля с использованием МГК – модифицированного геометрического кода (название определено там же). Для МГК выделяются группы по 3 разряда с одной «1» в группе, занимающей разные позиции в разных кодах. Строится (Р) контрольных схем (Р – количество групп в коде), причем каждая из них тривиальна, т.к.

определяет наличие только одной «1» в трех разделах при отсутствии кода из всех нулей. Эффект контроля выше чем в коде mCn, т.к. МГК исплоль зуются и другие контрольные признаки [100]. Разрядность по сравнению с ДПК увеличивается лишь в 1,5 раза. Недостатком метода является то, что он «охватывает» лишь информационную и адресную подсистему автомата, а функциональная подсистема (блок формирования команд управления) оказывается вне контроля.

В работе [55] авторы предлагают делить множество кодов состояний на разрешенные и запретные, причем кодировать состояния так, что при любом сбое автомат будет формировать код из множества запретных. Кон структивная оценка этой идеи для сложных автоматов требует специально го анализа.

Можно было бы по аналогии поставить задачу по другому. Исполь зуя триггеры с тремя состояниями [42;

175], конструировать МПА так, чтобы энергия перевода в состояние «1» или «0» была бы на порядок больше, чем энергия перевода в третье «нейтральное» состояние. Но тогда потребовался бы другой подход и к конструированию ассоциативных де шифраторов и минимизации систем булевых функций. Практические алго ритмы троичного моделирования и минимизации булевых функций в мно гозначном алфавите имеются [1;

14;

25].



Pages:   || 2 | 3 | 4 | 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.