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:     | 1 | 2 || 4 |

«Е. Г. Крушель, И. В. Степанченко ИНФОРМАЦИОННОЕ ЗАПАЗДЫВАНИЕ В ЦИФРОВЫХ СИСТЕМАХ УПРАВЛЕНИЯ 3 МИНИСТЕРСТВО ОБРАЗОВАНИЯ ...»

-- [ Страница 3 ] --

Значения показателя качества фиксируют в таблице. Эксперимент повто ряется для других показателей качества и параметров системы управления.

Эксперимент 2: влияние части неучитываемого информационно го запаздывания на качество управления при ограниченных парамет рах технических средств.

Данный эксперимент проводят аналогично эксперименту № 1, толь ко при достижении предела вычислительных параметров технических средств значение учитываемого информационного запаздывания про должают увеличивать, вводя в систему неучитываемое информационное запаздывание равное ближайшему целому числу тактов, за которое вы числительные средства произведут расчет управляющих воздействий для рассматриваемой системы управления. Эксперимент повторяется для других показателей качества и параметров системы управления.

Эксперимент 3: влияние роста числа переменных состояния на ка чество управления при ограниченных параметрах технических средств.

Варьируется размерность задачи управления по числу переменных состояния от четырех до пятнадцати. При достижении предела вычисли тельных параметров технических средств в систему вводится неучиты ваемое информационное запаздывание, равное ближайшему целому чис лу тактов, за которое вычислительные средства произведут расчет управ ляющих воздействий для рассматриваемой системы управления. Экспе римент повторяется для разных показателей качества и параметров системы управления.

Эксперимент 4: влияние роста числа управляющих воздействий на качество управления при ограниченных параметрах технических средств.

Проводится аналогично эксперименту № 3, только варьируемым па раметром является размерность задачи управления по числу управляю щих воздействий от двух до пятнадцати.

Эксперимент 5: влияние роста числа тактов управления на каче ство управления при ограниченных параметрах технических средств.

Данный эксперимент позволяет найти зависимость значений показа телей качества от точности рассматриваемого «информационного об раза» системы управления (влияние интервала дискретизации). Прово дится аналогично эксперименту № 3, только варьируемым параметром является размерность задачи управления по числу тактов управления от 10 до 390 с шагом 50.

Из-за естественных ограничений по объему описаний приведем только некоторые типичные результаты.

Исследовался алгоритм, синтезированный методами АКОР, с предва рительным расчетом параметров регулятора и хранением их в памяти.

На рис. 25 приведена зависимость среднеквадратических отклонений одной из переменных состояния от заданных значений в функции инфор мационного запаздывания.

.

Значение СКО, % Без учета С учетом 0 1 2 3 4 Число тактов запаздывания Рис. 25. Влияние числа тактов запаздывания на среднеквадратическое отклонение перемен ной состояния от заданного значения для систем управления, синтезированных с учетом информационного запаздывания и без его учета.

Начальная часть зависимости рис. 25 соответствует области измене ния размерности задачи, в которой учет информационного запаздывания позволяет улучшить качество управления по сравнению с достижимым в САУ, синтезированной без учета ограниченности ресурсов ЭВМ. При дальнейшем росте размерности качество САУ, синтезированной с учетом запаздывания, проигрывает по сравнению с достижимым при использо вании неоптимальной, но более оперативной САУ, поскольку рост раз мерности задачи управления вносит дополнительное неучтенное инфор мационное запаздывание.

В табл. 10 жирным начертанием выделена строка, соответствующая трем тактам учитываемого запаздывания, при котором алгоритм управле ния превысил вычислительные возможности техники реализации, вследст вие чего появилось неучитываемое информационное запаздывание.

На рис. 26 приведена зависимость среднеквадратических отклонений одной из переменных состояния от заданных значений в функции инфор мационного запаздывания при учете ограниченности ресурсов техниче ских средств. Стартовые параметры технических средств позволяли реа лизовать САУ с восьмью переменными состояния и двумя управляющими воздействиями, параметры каналов передачи информации и объем памяти считались не лимитированными. Начальная часть зависимости рис. соответствует тенденции, наблюдаемой на рис. 25 (на графике эффект уточнения незаметен из-за фактора масштаба). Однако хорошо видно, что при дальнейшем росте информационного запаздывания качество САУ, син тезированной с учетом запаздывания, проигрывает по сравнению с дости жимым в системе, синтезированной без учета запаздывания.

Значение СКО, % С учетом Без учета 0 1 2 3 4 Число тактов запаздывания Рис. 26. Влияние числа тактов запаздывания на среднеквадратическое отклонение перемен ной состояния от заданного значения для систем управления, синтезированных с учетом информационного запаздывания и без его учета.

В табл. 10 приведено количество операций, необходимых для органи зации вычислений в системе управления с учетом информационного за паздывания (количество операций типа «умножение» чуть меньше чем сложений, а число делений и сравнений очень мало, поэтому данные ти пы операций не представлены в таблице, см. также п. 2.3.5).

Таблица Количество операций для организации вычислений Число тактов Размерность Число Число Число тактов учитываемого задачи по операций операций дополнительного запаздывания числу типа типа запаздывания состояний «сложение» «перемещение»

0 4 10824 18458 1 6 29568 43648 2 8 63712 86262 3 10 118008 151052 4 12 197208 242770 5 14 306064 366168 6 16 449328 525998 Если же учитывать ограничения технических средств не только по бы стродействию, но и по объему памяти и разрядности каналов передачи ин формации, то можно получить значения информационного запаздывания с учетом ограничений всех технических средств, представленные в табл. 11.

Таблица Информационное запаздывание, вносимое различными параметрами технических средств Размер- Число тактов Число тактов Число тактов Объем необ ность за- дополнитель- дополнительного учитываемо- ходимой па дачи по ного запазды- запаздывания по го запазды- мяти, кол-во числу со- вания по объе- разрядности тех вания элементов стояний му памяти нических средств 0 4 633 0 1 6 1203 0 2 8 1957 0 3 10 2895 1 4 12 4017 2 5 14 5323 2 6 16 6813 3 В табл. 11 жирным начертанием выделена строка, соответствующая трем тактам учитываемого запаздывания, при котором алгоритм управле ния превысил вычислительные возможности техники реализации, вслед ствие чего появилось неучитываемое информационное запаздывание. Ес ли учесть дополнительное информационное запаздывание, возникающее из-за ограниченности быстродействия (см. табл. 10), то совокупное за паздывание из-за ограниченности всех параметров технических средств будет достаточно большим (табл. 12).

Таблица Дополнительное информационное запаздывание Число тактов дополнительного Число Всего так запаздывания тактов Размер тов допол учиты ность зада- по быст- по объ- по разрядно- нительного чи по числу ваемого родейст- ему па- сти техниче- запаздыва запазды состояний вию мяти ских средств ния вания 4 0 0 0 0 6 1 0 0 0 8 2 0 0 0 10 3 1 1 1 12 4 3 2 1 14 5 5 2 1 16 6 7 3 2 График зависимости показателя качества от величины учитываемого и неучитываемого информационного запаздывания приведен на рис. 27.

Значение СКО, % С учетом Без учета 0 1 2 3 4 Число тактов запаздывания Рис. 27. Влияние числа тактов запаздывания на среднеквадратическое отклонение переменной состояния от заданного значения для систем управления, синтезированных с учетом информа ционного запаздывания, вносимого всеми техническими средствами и без его учета.

Кривые, относящиеся к алгоритмам управления, синтезированным с учетом информационного запаздывания, на рис. 25, 26, 27 можно также рассматривать как зависимости показателей качества от роста размерно сти задачи управления при наличии информационного запаздывания и ограничениях параметров технических средств.

3.3.2. Группа вычислительных экспериментов № Тема экспериментов: выявление области применения оптимальных алгоритмов при наличии информационного запаздывания, неучтенного при формировании законов управления, путем сравнения достижимого качества управления алгоритмом, синтезированным методами АКОР, и типовым ПИД-законом управления.

Вопросы, подлежащие изучению:

• Как сказывается влияние неучитываемого информационного запаз дывания на значения показателей качества при ограниченных параметрах технических средств реализации для алгоритма управления, синтезирован ного методами АКОР, и типовым ПИД-законом управления?

• Как сказывается изменение параметров объекта управления (дрейф параметров) при влиянии неучитываемого информационного запаздывания на значения показателей качества при ограниченных параметрах техниче ских средств реализации для алгоритма управления, синтезированного мето дами АКОР, и типовым ПИД-законом управления?

Эксперимент 1: влияние неучитываемого информационного за паздывания на качество управления алгоритмом АКОР и ПИД регулятором.

Варьируется величина информационного запаздывания, которое не учитывается на этапе синтеза алгоритма управления от одного до шести тактов в системах управления с оптимальным регулятором, синтезиро ванным методами АКОР, и ПИД-регулятором. Эксперимент повторяется для разных показателей качества и параметров системы управления. Оп ределенный интерес представляют системы с объектами управления на границе устойчивости.

Эксперимент 2: влияние дрейфа параметров объекта управления на качество управления алгоритмом, синтезированным методами АКОР, и ПИД-регулятором при наличии неучитываемого информаци онного запаздывания.

Плавно варьируются параметры объекта в процессе управления в пределах ±10 % от первоначальных значений. Эксперимент повторяется для разных показателей качества и параметров системы управления.

Приведем наиболее характерные результаты по вычислительным экспериментам этой группы.

Исследовались алгоритмы управления, синтезированные методами АКОР (с предварительным расчетом параметров регулятора и хранением их в памяти), и алгоритмы на базе типового ПИД-закона управления. В системе управления моделировалось информационное запаздывание, ко торое не учитывалось на этапе синтеза алгоритма управления. Как видно из рис. 28, алгоритм АКОР теряет оптимальность из-за информационного запаздывания, неучтенного на этапе синтеза, и в конечном итоге может привести к худшим значениям показателей качества, чем ПИД-регулятор.

Исследовалось влияние дрейфа параметров объекта на область при менения оптимальных систем с алгоритмами управления, синтезирован ными методами АКОР, в сравнении с системами управления с типовыми ПИД-регуляторами. При росте отклонения параметров объекта от точных значений имеется область (до 5 %–15 % отклонений от первоначальных значений), когда оптимальная система управления доставляет лучшие значения для настроенных показателей качества (рис. 29), чем неопти мальная система управления. Однако, с ростом отклонений параметров объекта (более 15 % отклонений от первоначальных значений, без учета их в настройках системы) появляется область, когда оптимальная система управления дает худшие значения показателей качества, по сравнению с неоптимальной системой (рис. 29). Это связано, прежде всего, с высокой чувствительностью системы, синтезированной методами АКОР, к пара метрам объекта и малой чувствительностью ПИД-закона управления (по сравнению с АКОР).

Значение СКО, % Алгоритм АКОР Алгоритм ПИД 0 1 2 3 4 Число тактов запаздывания Рис. 28. Потеря оптимальности алгоритма АКОР по сравнению с ПИД-регулятором в зави симости от числа тактов информационного запаздывания на показателе среднеквадратиче ского отклонения переменной состояния от заданного значения.

Алгоритм АКОР Значение СКО, % Алгоритм ПИД 0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% Отклонение параметра объекта Рис. 29. Область применения систем управления (определяются по наилучшему значению показателя качества управления – среднеквадратическому отклонению переменной состоя ния) в зависимости от отклонения параметра объекта.

3.3.3. Группа вычислительных экспериментов № Тема экспериментов: выявление эффективности алгоритма АКОР по сравнению с типовым ПИД-законом управления на различных объек тах управления и задающих воздействиях, основным параметром при этом является размерность объекта управления.

Вопросы, подлежащие изучению:

• Как сказывается рост размерности задачи управления по числу пе ременных состояния и по числу управляющих воздействий на значения показателей качества при ограниченных параметрах технических средств реализации для алгоритма управления, синтезированного методами АКОР, и типовым ПИД-законом управления?

• Как сказывается рост числа тактов управления (уменьшение ин тервала дискретизации непрерывного времени) на значения показателей качества при ограниченных параметрах технических средств реализации для алгоритма управления, синтезированного методами АКОР, и типо вым ПИД-законом управления?

• Как сказывается рост размерности задачи управления по числу тактов управления на значения показателей качества при ограничениях параметров технических средств реализации для алгоритма управления, синтезирован ного методами АКОР, и типовым ПИД-законом управления?

Эксперимент 1: влияние роста размерности задачи управления по числу переменных состояния на качество управления алгоритмом АКОР и ПИД-регулятором.

Варьируется размерность задачи по числу переменных состояния от четырех до десяти. Фиксируется выбранный показатель качества управ ления. Эксперимент повторяется для разных показателей качества и па раметров системы управления.

Эксперимент 2: влияние роста размерности задачи управления по числу управляющих воздействий на качество управления алгоритмом АКОР и ПИД-регулятором.

Варьируется размерность задачи по числу управляющих воздействий от двух до десяти. Фиксируется выбранный показатель качества управле ния. Эксперимент повторяется для разных показателей качества и пара метров системы управления.

Эксперимент 3: влияние роста числа тактов управления (умень шения интервала дискретизации непрерывного времени) на качество управления алгоритмом АКОР и ПИД-регулятором.

Варьируется размерность задачи по степени приближения информа ционного образа системы управления к непрерывной модели, путем уменьшения интервала дискретизации и увеличения тактов управления от 10 до 100 с шагом 10. Эксперимент повторяется для разных показате лей качества и параметров системы управления.

3.3.4. Группа вычислительных экспериментов № Тема экспериментов: оценка качества управления алгоритмами, синтезированными методами АКОР, и типовым ПИД-законом управле ния на различных показателях качества (2.10–2.28) для различных пара метров системы управления и характеристик объекта.

Вопросы, подлежащие изучению:

• Как влияют на качество управления задающие воздействия пере менные в течение всего периода управления?

• Как влияют на качество управления настроечные параметры при переменных задающих воздействиях в течение всего периода управле ния, и в течение его части?

• Как влияет наличие информационного запаздывания на качество управления при переменных задающих воздействиях?

• Как влияют на качество управления переменные возмущающие воздействия в течение всего процесса управления?

• Как влияют на качество управления настроечные параметры при переменных возмущающих воздействиях в течение всего процесса?

• Как влияет наличие информационного запаздывания на качество управления при переменных возмущающих воздействиях?

• Насколько большими по абсолютной величине получаются управ ляющие воздействия при отсутствии «штрафов» за их отклонение от номи нальных значений (в частности, в алгоритме АКОР, обеспечивающем воз можность достичь заданных значений переменных состояния за один такт)?

Эксперимент 1: исследование качества воспроизведения перемен ного во времени задающего воздействия.

Варьируется по амплитуде и частоте переменное во времени (перио дическое) задающее воздействие. Также изменяется величина информа ционного запаздывания. Эксперимент повторяется для разных показате лей качества и параметров системы управления.

Эксперимент 2: исследование влияния настроечных параметров на качество воспроизведения переменного во времени задающего воздействия.

Варьируются настроечные параметры регулятора при переменном во времени (периодическом) задающем воздействии. Также изменяется ве личина информационного запаздывания. Эксперимент повторяется для разных показателей качества и параметров системы управления.

Эксперимент 3: исследование качества управления при перемен ных во времени возмущающих воздействиях.

Варьируется по амплитуде и частоте переменное во времени (перио дическое) возмущающее воздействие. Также изменяется величина ин формационного запаздывания. Эксперимент повторяется для разных по казателей качества и параметров системы управления.

Эксперимент 4: исследование влияния настроечных параметров на качество управления при переменных во времени возмущающих воздействиях.

Варьируются настроечные параметры регулятора при переменном во времени (периодическом) возмущающем воздействии. Также изменяется величина информационного запаздывания. Эксперимент повторяется для разных показателей качества и параметров системы управления.

Эксперимент 5: исследование процесса управления с алгоритмом АКОР, обеспечивающим возможность достичь заданных значений переменных состояния из заданных начальных условий за один такт.

Необходимо внести следующие изменения в параметры задачи по сравнению со стартовым состоянием (см. п. 3.1.1):

1. Заменить размерность вектора управляющих воздействий с 2 на 4.

2. Заменить матрицу В на единичную размерности 44.

3. Заменить матрицу R размерности 42 на диагональную размерно сти 44 с нулевыми элементами.

4. Заменить матрицу UZ размерности 211 на матрицу размерности 411 с нулевыми элементами.

Приведем наиболее типичные результаты экспериментов групп №3 и № 4.

Проводилось исследование достижимого качества управления при наличии информационного запаздывания. В систему, настроенную на достижение наилучшего значения одного из показателей качества, вводилось информа ционное запаздывание. Обычно в настроенной системе управления показа тели качества принадлежат области Парето, и улучшение значения одного из них возможно только за счет ухудшения значения другого. Информаци онное запаздывание же не только изменяет показатели качества в худшую сторону, но и действует в противовес компромиссу (ухудшает лучшие по казатели качества и немного улучшает худшие). На рис. 30 показатели ка чества ухудшаются, но в то же время меняется тенденция поведения самих показателей, хотя замены лучших показателей качества худшими не про исходит, так как информационное запаздывание влияет на все показатели качества сразу. Число тактов управления было увеличено до 100 по срав нению со стартовым значением.

Значение СКО, % Наихудший показатель качества Наилучший показатель качества 1 2 3 4 5 6 7 8 Число тактов запаздывания Рис. 30. Влияние информационного запаздывания на «избранные» показатели (видно, что наличие информационного запаздывания уменьшает «избранность» показателя качества и немного улучшает другой показатель качества).

3.4. Выводы 1. Предложена методика проведения вычислительных эксперимен тов и определения области эффективного использования алгоритмов управления, синтезированных с учетом информационного запаздыва ния, а также обоснования использования технических средств для реа лизации алгоритмов управления.

2. Описана структура разработанного программного комплекса и предложены группы вычислительных экспериментов для испытания раз личных вариантов алгоритмического обеспечения управления динамиче скими объектами в цифровых системах управления.

3. Приведены основные результаты исследований различных цифро вых систем управления с учетом ограниченности ресурсов технических средств и информационным запаздыванием. В частности, подтверждены теоретические предположения о свойствах САУ с ИЗ:

а) снижение своевременности реакции САУ на внешние факторы (и, соответственно, возможное ухудшение показателей качества) по мере усложнения описания объекта и/или алгоритмического обеспечения, предпринимаемого для улучшения показателей качества;

б) наличие предела уточнения модели объекта, превышение кото рого может привести к потере преимуществ наукоемких, вычислительно сложных оптимизационных алгоритмов перед простыми инженерными алгоритмами;

в) наличие предела увеличения размерности пространства состоя ния для учета информационного запаздывания на этапе синтеза алгорит ма, превышение которого приводит к потере преимуществ алгоритма, синтезированного с учетом ИЗ, перед упрощенным оптимизационным ал горитмом, синтезированным без учета ИЗ.

4. Поскольку показатели качества, достижимые в САУ с ИЗ, зависят не только от организации информационного и алгоритмического обеспе чения, но и от конкретных параметров технических средств, только моде лирование и вычислительные эксперименты являются надежным средст вом обоснования требований к САУ. В связи с этим разработанный про граммный комплекс может найти применение в организациях, осуществ ляющих разработку систем управления.

4. РАСПРЕДЕЛЕННЫЕ СТРУКТУРЫ АЛГОРИТМОВ, УМЕНЬШАЮЩИЕ ИНФОРМАЦИОННОЕ ЗАПАЗДЫВАНИЕ ЗА СЧЕТ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ В данной главе анализируются новые возможности повышения бы стродействия управляющей системы (и соответственно – снижения ИЗ), предоставляемые методами распараллеливания алгоритмов обработки информации и управления между элементами вычислительной системы.

Публикации по вопросам организации параллельных вычислений на дос тупных, рядовых (не специализированных) ЭВМ с распространенными операционными системами появились в американской научной литерату ре лишь в последние 23 года безотносительно к вопросам создания ал горитмического обеспечения САУ. Ниже в качестве одного из возмож ных применений распределенных вычислений для снижения ИЗ рассмат ривается задача увеличения быстродействия алгоритмов настройки пара метров ПИД-регулятора в процессе управления.

4.1. Распределенная вычислительная система и ее характеристики:

основные понятия Разделение ресурсов [72, 76, 89, 90] является главным мотивом конст руирования распределенных систем, независимо от того, какой природы является ресурс (вычислительный, память, сервис печати и т. п.). При этом появляется возможность достичь производительности суперкомпьютеров с меньшими финансовыми затратами, иметь огромные массивы памяти для обработки данных, предоставлять дополнительные услуги. Более того, от крывается целое направление задач автоматизации, которые ранее были недоступными, например, организация мониторинга за экологическим со стоянием местности, за состоянием здоровья людей в больнице, за состоя нием объекта управления, управление бытовой техникой и т. п.

Возможность достичь высокой производительности вычислительной системы является основной причиной рассмотрения распределенных сис тем в данной работе, поскольку это позволяет снизить влияние ограни ченности ресурсов техники управления, тем самым уменьшить информа ционное запаздывание и за счет этого сделать доступной реализацию бо лее совершенных алгоритмов управления, обеспечивающих лучшее каче ство управления в САУ.

Разделение ресурсов подразумевает использование всех ресурсов системы данного типа по запросу одного или нескольких участников системы. При этом используется термин «сервис» для части компью терных систем, которые управляют набором родственных ресурсов и представляют их функциональность пользователям, приложениям, уча стникам системы, называемым «клиентами».

Под распределенной системой в данной работе понимается систе ма, в которой компоненты, располагаемые на соединенных посредством сети компьютерах, взаимодействуют и координируют свои действия только с помощью механизма передачи сообщений. Такое определение ведет к следующим характеристикам распределенной системы: парал лельность работы компонентов, отсутствие единого времени и независи мые отказы компонентов.

Важным моментом рассматриваемых распределенных систем явля ется их гетерогенность – использование в качестве компонентов систе мы не только различных вычислительных устройств, но и различных ви дов технических средств, операционных и программных систем.

Кроме объявленных преимуществ, предоставляемых распределенными системами, имеется целый ряд узких мест, которые необходимо разрешить при создании распределенной системы. Кратко рассмотрим их особенности.

1. Гетерогенность. Хотя данное свойство является очень привлека тельным (например, можно подключать любой вычислительный ресурс и его использовать), оно порождает много проблем: типы данных могут быть представлены различными способами на различных типах техниче ского обеспечения;

организация работы приложений отличается для раз ных операционных систем;

языки программирования используют раз личные представления для символов и структур данных, и т. п. Все эти и другие различия в представлении данных, организации работы должны быть согласованы.

Для гетерогенных распределенных систем обычно используется ре шение в виде «промежуточного программного обеспечения» [76], кото рое предоставляет программную абстракцию и позволяет устранить «не совместимости» путем необходимой трансляции одного типа данных в другой, одной процедуры работы в другую и т. д.

Чаще всего промежуточное программное обеспечение реализуется на базе протоколов сети Интернет (как наиболее распространенных), что само по себе маскирует различия базовых сетей.

В дополнение к решению проблем гетерогенности промежуточное программное обеспечение предоставляет унифицированную вычисли тельную модель, используемую разработчиками серверов и распределен ных приложений. Таковыми являются: модель удаленного вызова проце дур (Remote Procedure Calling – RPC), удаленного уведомления о собы тии, удаленный доступ к базам данных (Remote Database Connection – RDBC) и распределенные транзакции.

Для создания промежуточного программного обеспечения могут ис пользоваться различные программные технологии, например, технология Common Object Request Broker Architecture (CORBA) [76, 90], которая предоставляет модель удаленного вызова объектов, что позволяет объек там программы, выполняемой на одном компьютере, вызывать методы объектов программы, выполняемой на другом компьютере. Или техноло гия удаленного вызова процедур (Remote Method Invocation – RMI) [78, 90], реализованная на языке Java и предоставляющая практически такие же средства, как и CORBA.

Также существенную роль в промежуточном программном обеспе чении играет виртуальная машина – способ приведения кода, скомпили рованного на одной платформе, к коду, выполнимому на другой. Это возможно за счет того, что компилятор языка программирования генери рует код для виртуальной машины вместо кода для конкретного набора аппаратных средств. Например, компилятор языка Java формирует код для виртуальной машины Java (Java Virtual Machine), который исполним на любой платформе.

2. Открытость системы определяет свойство, заключающееся в том, что система может быть расширена и повторно реализована раз личными проектировщиками. Открытость распределенной системы оп ределяется, в основном, возможностями добавления новых разделяемых ресурсов, используемых клиентами.

Открытые распределенные системы могут быть, например, расши рены на уровне аппаратного обеспечения – добавлением компьютеров в систему или на уровне программного обеспечения – включением новых сервисов и новых версий старых сервисов, позволяющих приложениям разделять ресурсы. Проблемой разработчиков при этом является охватить сложность распределенной системы, состоящей из различных компонен тов, созданных различными людьми.

3. Безопасность. Большинство ресурсов, которые доступны в распре деленной системе, имеют большое значение для своих клиентов, поэтому их защита очень важна. Защита информационных ресурсов состоит из трех компонентов: конфиденциальность (защита от несанкционированного дос тупа), целостность (защита от изменения или порчи), и работоспособ ность (защита от вмешательства с целью доступа к ресурсам).

В распределенной системе клиенты посылают запросы на доступ к ресурсам, управляемым сервисами, что влечет за собой передачу сооб щений по сети. При этом возникает две проблемы: посылка конфиденци альных данных в сообщении по сети и корректная идентификация клиен та, от которого пришли эти данные. Обе проблемы могут быть решены с помощью специальных техник кодирования. Для задач построения алго ритмов автоматического управления данная проблема существенна лишь в случаях, когда необходима защита САУ от преднамеренной порчи.

4. Расширяемость. Система считается расширяемой, если она оста ется работоспособной при значительном увеличении количества ресурсов и клиентов. Разработка расширяемых распределенных систем порождает следующие проблемы:

• контроль проигрыша производительности – если имеются i оди наковых компьютеров, которые соединены в сеть, то теоретическое предположение об увеличении вычислительного ресурса в i раз по срав нению с одним компьютером на практике почти никогда не соблюдается, т. к. необходима координация действий между компьютерами, занимаю щая некоторую часть вычислительного ресурса;

• избежание дефицита ресурсов – при частом использовании како го-то ресурса (или его части) клиентами сети может возникнуть ситуация отказа его предоставления.

В идеальном случае распределенная система не должна изменять своего поведения при расширении за счет увеличения числа клиентов или ресурсов, но это труднодостижимо. Проблема расширяемости явля ется доминирующей при разработке распределенных систем.

5. Обработка отказов. Отказы в распределенных системах являются частичными, что означает, что некоторые компоненты могут не функциони ровать в то время, пока остальные работают в нормальном режиме, что явля ется привлекательной чертой использования распределенных систем. Но по этой же причине обработка отказов в таких системах очень сложна. Выде лим основные процедуры, составляющие процесс обработки отказов в рас пределенных системах: обнаружение ошибок, маскировка отказов, терпи мость к отказам, восстановление после отказов, избыточность.

6. Параллелизм. Как сервисы, так и приложения предоставляют ресур сы, которые могут быть совместно использованы клиентами в распределен ной системе. Поэтому существуют ситуации, при которых несколько клиен тов будут пытаться обратиться к разделяемому ресурсу в один и тот же мо мент времени, вследствие чего сервис, который представляет разделяемый ресурс в распределенной системе, должен быть ответственным за корректное выполнение процедур изменения данных, протекающих параллельно.

7. Прозрачность. Прозрачность определяется как сокрытие от пользователя и разработчиков приложений свойства сепаратности ком понентов распределенной системы так, чтобы эта система воспринима лась как нечто целостное, а не как набор отдельных компонентов. Реали зация свойства прозрачности системы является значительным фактором, влияющим на разработку системного программного обеспечения.

Согласно «Руководству по усовершенствованной архитектуре сетевых систем» (The Advanced Network Systems Architecture Reference Manual) и справочно-информационной модели международной организации по стан дартизации для открытых систем распределенной обработки информации (International Standards Organization Reference Model for Open Distributed Processing – ISO RM-ODP) выделяется восемь форм прозрачности [71]:

1) прозрачность доступа – доступ к локальным и удаленным ресур сам осуществляется с помощью идентичных операций;

2) прозрачность физического местоположения – доступ к ресурсам осуществляется без знаний об их физическом расположении;

3) прозрачность копий – возможно использование множественных копий ресурсов, создаваемых для повышения работоспособности, без уведомления пользователя или приложения об их существовании;

4) прозрачность параллелизма – распределенная система и ее компо ненты должны быть организованы так, чтобы процессы, использующие ее ресурсы, могли выполняться параллельно, не препятствуя при этом друг другу.

5) прозрачность отказов – система должна предоставлять способы сокрытия отказов программного и аппаратного обеспечения, представ ляющего собой ресурсы системы, от пользователей и способствовать корректному завершению задач клиентов на фоне этих отказов;

6) прозрачность перемещения – перемещение ресурсов и клиентов внутри системы никак не должно влиять на их работу;

7) прозрачность исполнения – система должна разрабатываться с возможностью изменения ее конфигурации для усовершенствования производительности при изменяющихся в качественном и количествен ном планах подгружаемых ресурсах;

8) прозрачность расширяемости – система и приложения, выпол няемые внутри нее, могут расширяться в масштабах без изменения структуры системы в целом или алгоритмов работы приложений.

Два наиболее важных свойства – это прозрачность доступа и про зрачность физического местоположения;

их наличие или отсутствие сильно сказывается на использовании распределенных ресурсов.

4.2. Постановка задачи исследования распределенных алгоритмов настройки коэффициентов ПИД-регулятора в процессе управления Сформулируем общую постановку задачи исследования распреде ленных алгоритмов настройки параметров регулятора с учетом ограни ченности ресурсов технических средств при условии выполнения всех требований и ограничений, описанных в п. 4.1.

Требуется:

1. Разработать архитектуру системы распределенных вычислений на ба зе гетерогенной вычислительной сети с предоставлением вычислительного сервиса и сервиса распределенной совместно используемой памяти.

2. Определить информационные потоки и организацию взаимодействия между компонентами распределенной гетерогенной вычислительной сети.

3. Построить систему распределенных вычислений для алгоритма управления линейным динамическим объектом на базе ПИД-закона с на стройкой данной системы на наилучшие значения показателей качества алгоритмом адаптивного прямого поиска Хука-Дживса и генетическим алгоритмом.

4. Провести исследование и анализ вычислительных характеристик построенной системы управления, определить эффективность примене ния распределенных гетерогенных вычислительных сетей.

4.3. Общая структура распределенной вычислительной системы.

Выбор средств реализации Наиболее важной задачей при построении распределенной системы (из числа перечисленных выше в п. 4.1) является задача создания архи тектуры системы. Существует два подхода к решению данной задачи [76, 90] – это создание параллельной вычислительной архитектуры и распа раллеливание вычислений между различными вычислительными процес сами. В данной работе исследуется второй подход, поскольку распреде ленная система является гетерогенной, а при использовании первого подхода это свойство сильно усложняет создание системы. Кроме того, первый подход подразумевает создание специальных технических средств, а второй – возможность использования существующих, путем разработки специального программного обеспечения.

Предлагается следующая архитектура распределенной вычислитель ной системы для гетерогенной сети (рис. 31), не требующая априорных знаний каждого участника вычислений о количестве участников, не предполагающая одновременной активности участников и знания спосо бов взаимодействия с другими участниками.

Согласно рис. 31, распределенная вычислительная система состоит из пяти компонентов: (1) распределенной совместно используемой памя ти, (2) клиентской программы, (3) вычислительного сервиса, (4) решаю щего сервиса, (5) коммуникационного сервиса, причем число компонен тов в конкретной системе и их физическое расположение в гетерогенной сети может быть различным. Например, клиент может находиться в ка кой-то локальной сети или в глобальной сети Интернет (на рис. 31 кли енты и сервисы, находящиеся вне локальных или Jini сетей [78, 90]).

Компьютеры (или вычислительные устройства), на которых находятся компоненты, могут иметь различную конфигурацию технического и программного обеспечения, а также различные типы соединений с уда ленными ресурсами.

Локальная сеть ВС РС РС Клиент Jini сервис Распределенная совместно ВС используемая память Клиент Jini сервис РС ВС РС Jini сеть Локальная сеть – вычислительный сервис – прямая связь ВС – решающий сервис – коммуникационный протокол РС Клиент – клиентская программа Рис. 31. Структурная схема гетерогенной распределенной вычислительной системы.

На рис. 31 показано, что распределенная вычислительная система может включать Jini сеть. Данная сеть основана на технологии Jini, раз работанной компанией Sun Microsystems [78], которая заключается в объ единении групп клиентов и интересующих их ресурсов. Ресурсы могут представлять собой как устройства, так и прикладные программы, сопро вождаемые аппаратным обеспечением, что отличает Jini сеть от обычной локальной сети. Например, в Jini сеть может входить сотовый телефон, и благодаря специальному аппаратно-программному обеспечению его можно подключать к обычной вычислительной системе для использова ния его памяти.

Технология Jini состоит из двух основных частей:

• набор компонентов, которые составляют инфраструктуру объеди ненных сервисов в распределенной системе;

• модель программирования, которая поддерживает и способствует производству распределенных сервисов.

Благодаря разработанным спецификациям и стандартам, технология Jini является очень мощным средством для реализации распределенной вычислительной системы. Так, архитектура технологии Jini разработана таким образом, что можно использовать динамическое изменение всех компонентов в распределенной системе, сама инфраструктура технологии Jini обеспечивает механизмы присоединения и отключения от сети уст ройств, сервисов и клиентов. Присоединение и выход из сети Jini являются простыми и естественными, часто автоматическими, событиями.

Описанные преимущества технологии Jini, программная модель ко торой реализована на языке Java, а также множество имеющихся допол нительных технологий программирования, облегчающие создание рас пределенных систем на языке Java, который является платформо независимым языком, определили выбор языка программирования разра ботанной распределенной вычислительной системы.

В качестве дополнительных технологий программирования были выбраны: технология удаленного вызова процедур (RMI) и технология организации распределенной совместно используемой памяти (JavaS paces) [79, 90].

Приведем краткое описание каждого компонента распределенной вычислительной системы для гетерогенной сети:

1. Распределенная совместно используемая память (РСИП) – это сервис, реализованный согласно спецификации технологий Jini [78, 90] и JavaSpaces [79, 90]. Основными функциями сервиса являются: принимать запросы, поступающие от вычислительных сервисов, обрабатывать их и возвращать результат.

2. Клиентская программа представляет собой Java-приложение, основной функцией которого является предоставление пользовательского интерфейса для задания настроечных параметров прикладной задачи. Это приложение принимает значения параметров, проверяет их на допусти мость, после чего формирует компонент данных, описывающих задачу.

Далее, клиентская программа передает этот компонент данных в РСИП че рез коммуникационный сервис, согласно спецификации семантики записи компонента. Дальнейшая функция клиентской программы сводится к ожи данию появления результата выполнения задачи в РСИП. После его извле чения клиентская программа отображает этот результат на экране – задача считается решенной.

3. Решающий сервис – это Java-приложение, которое посылает за прос системе РСИП на поиск компонента данных, описывающего задачу.

В случае нахождения компонента система РСИП передает его решающему сервису. Задача этого сервиса – сформировать задания, являющиеся бло ками, которые возможно распараллелить, и которые содержат данные, подлежащие обработке, и/или код, выполняющий обработку этих данных.

Сформированные задания помещаются в РСИП. После этого решающий сервис собирает результаты решения сгенерированных им заданий, фор мирует общий результат решения задачи и помещает его в РСИП.

4. Вычислительный сервис – это Java-приложение, функцией кото рого является вычисление задачи (или выполнение кода), сформирован ной решающим сервисом в течение транзакции. Он ждет появления зада ния в РСИП, извлекает его, производит необходимые вычисления и по мещает результат вычислений обратно в РСИП.

КЛИЕНТСКАЯ ПРОГРАММА РЕШАЮЩИЙ СЕРВИС 1. Получение настроечных 1. Ожидание появления ком параметров задачи понента данных в РСИП 2. Формирование компонента 2. Получение компонента данных, описывающего задачу данных 3. Помещение компонента 3. Формирование заданий, данных в РСИП содержащих данные и код 4. Помещение заданий в 4. Ожидание результата РСИП вычисления задачи 5. Ожидание результата 5. Получение результата вы- вычисления заданий числения задачи и отображе ние егона экране 6. Формирование результата выполнения задачи и помещение его в РСИП РАСПРЕДЕЛЕННАЯ СОВМЕСТНО ИСПОЛЬЗУЕМАЯ ПАМЯТЬ 3. Вычисление задания и 1. Ожидание появления 2. Получение задания помещение его результата задания в РСИП в РСИП ВЫЧИСЛИТЕЛЬНЫЙ СЕРВИС Рис. 32. Схема работы основных компонентов распределенного приложения.

5. Коммуникационный сервис – совокупность программных средств, предназначенных для соединения компонентов системы с РСИП, необходимость которого регламентируется неоднородностью архитекту ры подсетей. Последовательность работы основных компонент распреде ленного приложения показана на рис. 32.

Перечислим основные требования к решающему сервису:

1) должен отслеживать появление задач в системе только того типа, который он может решать;

2) в случае, если решающий сервис принял задачу, он должен уведо мить остальные сервисы о том, что данная задача уже решается;

3) должен предотвращать потерю задачи в случае своего отказа;

4) должен разбить задачу на подзадачи и предоставить эти подзадачи вычислительным сервисам через РСИП;

5) должен собирать результаты решения подзадач в РСИП, контро лируя наличие необходимого числа результатов;

6) в случае потери результатов подзадач должен инициировать повтор ную раздачу подзадач, результаты которых были потеряны из-за сбоя;

7) после завершения расчета задачи должен предоставить результат решения.

Перечислим основные требования к вычислительному сервису:

1) должен отслеживать появление подзадачи в системе только того типа, который он может решить;

2) должен предотвращать повторное решение уже решенной им зада чи другими сервисами;

3) должен предотвращать потери подзадач в случае своего отказа.

К распределенной совместно используемой памяти в разрабатывае мой системе выдвигается только одно требование – организация синхро низации доступа к данному сервису. Проблема обеспечения устойчиво сти памяти [74, 76, 87, 90] является очень сложной и в данной работе не рассматривается, однако следует отметить, что технология JavaSpaces [79] содержит ряд мер для решения данной проблемы: неизменяемые данные (допустимы только операции чтения, добавления и удаления дан ных), отсутствие локальных копий памяти. Решение же проблемы син хронизации происходит с помощью блокировки и семафоров на основе репозитория (хранилища данных) функционирования.

С учетом разработанной архитектуры, описанных требований и ор ганизации взаимодействия компонентов была создана экспериментальная распределенная вычислительная система.

На разработанной системе были реализованы генетический алгоритм и алгоритм адаптивного прямого поиска Хука-Дживса для настройки ко эффициентов ПИД-регулятора.

Генетический алгоритм в распределенной вычислительной системе не имеет ограничений в распараллеливании. Операции применения гене тических операторов разбиваются на подзадачи (нахождение новых зна чений параметров регулятора из множества значений на предыдущей итерации), которые возможно распараллелить произвольно, так как подза дачи не зависят друг от друга в области начальных данных.

Алгоритм Хука-Дживса в классической постановке [39, 61, 65] рас параллелить невозможно, поскольку после каждого нахождения удачного направления производится движение к экстремуму. Однако, можно не сколько модифицировать алгоритм – искать улучшающее направление для целевой функции по всем независимым переменным на одной итера ции, а затем делать шаг в этом направлении, при этом можно распаралле лить только одну итерацию и перейти на другую итерацию можно лишь после полного завершения текущей.

4.4. Исследование распределенных алгоритмов адаптации ПИД-регулятора на базе гетерогенной вычислительной сети Общая цель исследований: изучение преимуществ, предоставляе мых распараллеливанием алгоритмов обработки информации и управле ния, в частности, алгоритмов настройки коэффициентов ПИД-регулятора в процессе управления.

Для достижения цели проводились две группы вычислительных экс периментов:

• определение предельных вычислительных характеристик распределен ной системы на специально разработанной абстрактной (тестовой) задаче;

• оценка эффективности реализации настройки параметров ПИД регулятора в процессе управления на базе распределенных алгоритмов.

Особенностями абстрактной задачи являются:

1) задача представляет собой цикл однотипных вычислений, не завися щих друг от друга (т. е. имеется возможность распараллелить вычисления);

2) параллельные блоки представляют собой процессы, моделирую щие вычисления с помощью системной задержки времени;

3) входным параметром для процессов, осуществляющих расчет парал лельных блоков задачи, является значение системной задержки времени;

4) результатом расчета параллельных блоков является пустой массив, размер которого – величина изменяющаяся.

Вычислительные эксперименты проводились в локальной сети, объ единяющей от двух до восьми персональных компьютеров, как в одно родной среде, так и в гетерогенной. Однородная система состояла из пер сональных компьютеров, обладающих следующими техническими пара метрами: оперативная память – 128 Мбайт, центральный процессор Intel Celeron с тактовой частотой 566 МГц, жесткий диск общим объемом 10 Гбайт, сетевая карта со скоростью передачи данных до 10 Мбит/с, се тевой кабель – витая пара. На всех компьютерах была установлена опе рационная система Windows 2000 с одинаковыми настройками.

В гетерогенной системе технические параметры компьютеров сети были следующими: оперативная память от 64 Мбайт до 512 Мбайт, цен тральный процессор от Intel Pentium II с тактовой частотой 266 МГц до Intel Pentium 4 с тактовой частотой 1.7 ГГц, жесткий диск объемом от 10 Гбайт до 60 Гбайт, сетевые карты со скоростью передачи данных до 10 Мбит/с и до 100 Мбит/с. Сетевой кабель всегда был витой парой. На компьютерах были установлены операционные системы Windows 98, Windows NT, Windows 2000, RedHat Linux 5.0 с разными настройками.

Номинальная загрузка трафика сети во время экспериментов не пре вышала 8 %.

Стартовыми параметрами для экспериментов являются: количест во сервисов распределенной совместно используемой памяти – 1, количе ство решающих сервисов – 1, количество вычислительных сервисов – по одному на каждый компьютер, количество коммуникационных сервисов – по одному на каждый вычислительный сервис.

4.4.1. Группа вычислительных экспериментов № Тема экспериментов: определение предельных вычислительных ха рактеристик распределенной системы на абстрактной задаче.

Вопросы, подлежащие изучению:

• Как сказывается количество распараллеливаемых подзадач на ско рость вычислений в распределенной системе?

• Как сказывается количество решающих и вычислительных серви сов на скорость вычислений в распределенной системе?

• Как сказывается рост объемов передаваемых данных на скорость вычислений в распределенной системе?

• Как сказывается длительность решения подзадачи на скорость вы числений в распределенной системе?

Эксперимент 1: изучение влияния количества распараллеливае мых подзадач на скорость вычислений.

Осуществлялся запуск абстрактной тестовой задачи с решающим сервисом, который формирует подзадачи длительностью 5 секунд. Коли чество подзадач варьировалось от одной до трехкратного превышения числа вычислительных сервисов. Эксперимент был повторен для разного количества компьютеров и вычислительных сервисов, а также длитель ности решения подзадачи.

Эксперимент 2: изучение влияния количества сервисов на ско рость вычислений.

Данный эксперимент проводился аналогично эксперименту № 1, варьировалось количество вычислительных и, затем, решающих сервисов от одного до трехкратного превышения числа компьютеров в сети. Экс перимент был повторен для разного количества компьютеров и длитель ности решения подзадачи.

Эксперимент 3: изучение влияния роста объема передаваемых данных на скорость вычислений.

Данный эксперимент проводился аналогично эксперименту № 1, при этом варьировался объем передаваемых данных от 1 байта до 100 Кбайт.

Эксперимент был повторен для разного количества вычислительных, ре шающих сервисов, числа компьютеров и длительности решения подзадачи.


4.4.2. Группа вычислительных экспериментов № Тема экспериментов: определение эффективности распараллелива ния алгоритмов настройки ПИД-регулятора в процессе управления.

Вопросы, подлежащие изучению:

• Как сказывается количество подзадач на скорость работы алгорит мов настройки в распределенной системе?

• Как сказывается количество решающих и вычислительных серви сов на скорость работы алгоритмов настройки в распределенной системе?

• Как сказывается рост объемов передаваемых данных на скорость работы алгоритмов настройки в распределенной системе?

• Как сказывается длительность решения подзадачи на скорость ра боты алгоритмов настройки в распределенной системе?

• Какой алгоритм настройки параметров регулятора вносит меньшее информационное запаздывание в систему управления – Хука-Дживса или генетический алгоритм?

Во всех проводимых экспериментах показателем скорости является время решения задачи, которое определялось как среднее значение из 7– повторений эксперимента с вычислением относительной ошибки измерения.

Эксперимент 1: изучение влияния количества распараллеливае мых подзадач на скорость вычислений.

Решающий сервис настраивается таким образом, чтобы он формиро вал подзадачи общим количеством от одной до 2m, где m – число на страиваемых параметров. Для модифицированного алгоритма Хука Дживса это означает, что число подзадач будет варьироваться в пределах от одной подзадачи, находящей улучшающее направление по всем неза висимым переменным, до 2m подзадач, каждая из которых находит при ращение независимой переменной в одном направлении и значение целе вой функции для этого направления. Для генетического алгоритма мак симальное число подзадач следует брать 3k, где k – количество пар зна чений параметров (коэффициент 3 определяется из количества применяемых генетических операторов). Эксперимент был повторен для разного количества компьютеров и вычислительных сервисов. Необхо димо заметить, что варьирование количества решаемых подзадач в дан ном эксперименте связано со временем решения одной подзадачи и объ емом передаваемых данных.

Эксперимент 2: изучение влияния количества сервисов на ско рость вычислений.

Данный эксперимент проводился аналогично эксперименту № 1, варьируют количество вычислительных и, затем, решающих сервисов от одного до трехкратного превышения числа компьютеров в сети. Экспери мент был повторен для разного количества компьютеров и подзадач. Необ ходимо также заметить, что варьирование количества решаемых подзадач в данном эксперименте связано со временем решения одной подзадачи и объемом передаваемых данных.

Эксперимент 3: изучение влияния роста объема передаваемых данных на скорость вычислений.

Данный эксперимент проводился аналогично эксперименту № 1, при этом варьировался объем передаваемых данных одной подзадачи, кото рый связан с длительностью решения подзадачи и их общим количест вом. Эксперимент был повторен для разного количества вычислитель ных, решающих сервисов и числа компьютеров.

Эксперимент 4: анализ и сравнение алгоритма настройки пара метров регулятора Хука-Дживса и генетического алгоритма.

Данный эксперимент проводился аналогично эксперименту № 1, при этом анализировалась вычислительная сложность каждого алгоритма с учетом распараллеливания, а также проводилось сравнение значений по казателей качества, достижимых в процессе управления при использова нии каждого метода. Варьировалось количество подзадач, которое связа но с объемом передаваемых данных одной подзадачи и с длительностью ее решения. Эксперимент был повторен для разного количества вычисли тельных, решающих сервисов и числа компьютеров.

4.4.3. Основные результаты вычислительных экспериментов Проводился эксперимент по выявлению тенденции в изменении производительности решения задачи настройки системы управления ге нетическим алгоритмом за счет распределения его на несколько вычис лительных ресурсов в зависимости от количества компьютеров.

Отличия от стартовых настроек: на компьютере, где находился сер вис РСИП, отсутствовали другие сервисы, и выполнялась клиентская программа, на компьютере, где находился решающий сервис, выполнялся и вычислительный сервис. Сеть, в которой проводился эксперимент, бы ла однородная.

Неизменяемые параметры задачи: параметры системы управления, количество итераций – поколений (параллельных блоков задачи) равно 10000. Варьируемые параметры задачи – количество вычислительных сервисов (каждый сервис выполнялся на отдельном компьютере).

В ходе выполнения эксперимента было выявлено (рис. 33): увеличе ние производительности вычислений при добавлении новых вычисли тельных сервисов (компьютеров) происходит не линейно, а по кривой с насыщением. Этот эффект объясняется тем, что необходимы затраты на передачу данных, на координацию вычислительных сервисов и организа цию распределенной системы. Возможна ситуация, в которой решающий сервис не будет успевать собирать данные о решении подзадач и коорди нировать раздачу новых подзадач Время вычислений, мс Решающих сервисов – Решающих сервисов – 1 2 3 4 5 6 Число вычислительных сервисов Рис. 33. Зависимость времени решения задачи от количества вычислительных сервисов (для сравнения, вычисление задачи на одном компьютере без распределенной системы со ставляет 22054 мс).

Примечание. На рис. 33 время вычислений является средним значением для десяти опытов, относительная погрешность эксперимента не превышает 5 %.

Для приведенного примера (рис. 33) оптимальное количество вы числительных сервисов равно трем для одного решающего сервиса и че тырем для двух решающих сервисов, дальнейшее увеличение вычисли тельных сервисов не приводит к заметному ускорению вычислений. Не обходимо увеличивать либо количество решающих сервисов, либо ме нять объем передаваемых данных, либо менять объем вычислений одного вычислительного сервиса. Для каждой задачи эти параметры устанавли ваются экспериментально.

Если же попытаться далее увеличивать количество решающих сер висов по отношению к количеству вычислительных сервисов, то можно обнаружить, что система будет наращивать производительность также не пропорционально – сервис РСИП будет не успевать за количеством дан ных, передаваемых другими сервисами. Таким образом, приходится на ходить баланс между количеством всех сервисов.

Исследуемое количество итераций генетического алгоритма – позволяет получить результаты задачи настройки, очень близкие к ре зультатам алгоритма Хука-Дживса (расхождение в оценке точки экстре мума не более 7 %). В большинстве задач бывает достаточно 100 итера ций для получения приемлемых значений настроечных параметров ре гулятора, а поскольку количество вычислений в генетическом алгорит ме пропорционально зависит от числа итераций, то можно утверждать, что минимально необходимое время для настройки составляет 0.05 с в исследуемой распределенной вычислительной системе.

В ходе проведения экспериментов на абстрактной задаче было ус тановлено:

• процедуры внесения и изъятия данных из РСИП должны выпол няться гораздо быстрее времени ожидания появления следующих резуль татов. Зависимость максимального времени появления новых результа тов, установленная экспериментальным путем, составляет не менее 2t, где t – время внесения и изъятия данных. Это означает, что вычислитель ный процесс должен длиться не менее двойного интервала времени пере дачи данных. Данное ограничение особенно важно, если в задаче имеется связь различных этапов (т. е. если определенный этап не может начаться без завершения предыдущего). Если же такой зависимости нет, то данные просто можно записывать в память, а потом целиком забрать.

• при некотором объеме данных, передаваемых от вычислительных сервисов к решающему сервису, последний может «не успевать» за вы числительными сервисами (рис. 34). И если количество вычислительных сервисов фиксировано (для рис. 34 равно 4), то увеличение объема дан ных ведет к увеличению времени выполнения задачи. При таких услови ях дальнейшее увеличение количества вычислительных сервисов не при ведет к убыстрению процесса, единственным способом ускорения расче та всей задачи в целом может быть только увеличение производительно сти компьютера, на котором выполняется сервис РСИП.

Время вычислений, мс 16 32 64 4 Объем передаваемых данных, Кбайт Рис. 34. Зависимость времени решения задачи от объема передаваемых данных (число под задач – 100, время решения подзадачи – 0.5 с).

Примечание. На рис. 34 время вычислений является средним значе нием для десяти опытов, относительная погрешность эксперимента не превышает 5 %.

В ходе проведения экспериментов по сопоставлению алгоритма Ху ка-Дживса и генетического алгоритма, с позиции вносимого ими инфор мационного запаздывания и достижимого качества управления, получены следующие результаты:

• алгоритм адаптивного прямого поиска Хука-Дживса вносит большее информационное запаздывание в систему с разработанной распреде ленной архитектурой, чем генетический алгоритм, поскольку он име ет ограничения при распараллеливании (см. приведенные ниже ре зультаты анализа вычислительной сложности);

• алгоритм Хука-Дживса доставляет лучшие значения показателям ка чества управления, чем генетический алгоритм.

Вычислительную сложность обоих алгоритмов можно представить следующей зависимостью от числа тактов управления (в формуле имеет ся множитель (N 2 + N )/ 2, поскольку в контуре адаптации необходимо на каждом такте рассчитывать коэффициенты от текущего такта до послед него, т. е. на первом такте N, на втором N – 1 и т. д.):

N2 + N ( ) W= N r W p Wa Wc, (4.1) где N – число тактов управления;

r – количество управляющих воздей ствий;

Wp – вычислительная сложность алгоритма, реализуемого в регуля торе;

Wa – вычислительная сложность алгоритма адаптации;

Wс – вы числительная сложность настраиваемого критерия.


Множитель Wp в (4.1) зависит от количества настраиваемых коэф фициентов и сложности расчетов управляющих воздействий.

Зависимость количества элементарных операций от роста числа тактов управления по формуле (4.1) для алгоритма с ПИД-законом управления приведена в табл. 13. Видно, что вычислительная слож ность, а, следовательно, и информационное запаздывание сопоста вимы с вычислительной сложностью оптимальных алгоритмов, син тезированных методами АКОР (см. п. 2.3.5, стр. 6372).

Таблица Зависимость количества элементарных операций от числа тактов управления Число тактов управления Сложений Умножений Перемещений n = 10 3300 1650 n = 20 25200 12600 n = 30 83700 41850 n = 40 196800 98400 n = 50 382500 191250 n = 60 658800 329400 n = 70 1043700 521850 n = 80 1555200 777600 n = 90 2211300 1105650 n = 100 3030000 1515000 Примечание. Число управляющих воздействий – 1, количество при веденных операций необходимо умножить на вычислительную слож ность настраиваемого критерия Wc и на вычислительную сложность ал горитма адаптации Wa.

Вычислительная сложность WaХД алгоритма Хука-Дживса равна операциям типа «сложение» и «сравнение», а также либо одной операции типа «деление», либо одной операции типа «умножение» на одном шаге алгоритма для системы управления с ПИД-регулятором. Именно выпол нение этих операций можно распараллелить в разработанной распреде ленной вычислительной системе.

Вычислительная сложность WaГА генетического алгоритма равна операциям типа «сложение», трем операциям типа «перемещение», а также 6 операциям типа «сравнение» (данное количество зависит от на строек алгоритма) на одном шаге алгоритма для системы управления с ПИД-регулятором. В отличие от алгоритма Хука-Дживса, в данном алго ритме можно распараллелить как операции текущего шага, так и вычис ление любого другого (в алгоритме нет зависимости какой-либо итерации от результата другой итерации).

Замечания.

1. Количество операций типа «сложение» в генетическом алгоритме является верхней оценкой, т. к. в алгоритме используются битовые опе рации (сдвиг, битовое сложение, битовое умножение), которые выполня ются гораздо быстрее операций типа «сложение».

2. Количество операций типа «сравнение» является верхней оценкой для типовой реализации генетического алгоритма (зависит от количества порождаемых потомков и числа применяемых операторов). Одним из важных моментов является то, что в отличие от алгоритма Хука-Дживса, где только половина сравнений (в случае удачного шага) являются ре зультативными, в генетическом алгоритме каждое сравнение является ре зультативным.

3. Генетический алгоритм может не находить наилучшие значения параметров при плохих начальных данных (требуется процедура генера ции стартовых значений).

Если принять быстродействие используемого вычислительного уст ройства равным 6000 операциям типа «сложение», «умножение» и операциям типа «деление», «сравнение» и 10000 операциям типа «пере мещение» за один такт управления (как в главе 3), то из табл. 13 видно, что на одном устройстве возможна реализация генетического алгоритма адаптации только при 10 тактах управления. Для 20 тактов управления алгоритм будет вносить 5 тактов информационного запаздывания в сис тему управления. Однако если использовать гетерогенную распределен ную вычислительную систему, то при четырех вычислительных сервисах (т. е. четырех вычислительных устройствах) и одном решающем сервисе, алгоритм не будет вносить запаздывания в систему.

Алгоритм Хука-Дживса, который является более медленным и менее эффективно распараллеливаемым (из-за взаимозависимости итераций расчетов), с помощью реализации в распределенной вычислительной системе с четырьмя вычислительными устройствами, позволяет увели чить число тактов управления до 14, при 20 тактах управления алгоритм будет вносить 3 такта информационного запаздывания.

Результаты проведенных экспериментов позволяют сделать сле дующие общие выводы об использовании распределенной вычислитель ной системы для настройки параметров цифрового ПИД-регулятора. Вы бор распределенного алгоритма настройки параметров определяется сле дующими параметрами и характеристиками:

• интервалом дискретизации, принятым в цифровой системе управ ления;

• параметрами технических средств реализации распределенной системы;

• количеством вычислительных, решающих и РСИП сервисов;

• количеством подзадач и объемом передаваемых данных;

• достижимым улучшением показателей качества в результате на стройки системы управления и стоимостью разработки и внедрения распределенной системы.

Проведенные эксперименты показывают, что применение распреде ленной вычислительной системы достаточно эффективно для задач на стройки параметров ПИД-регулятора, если используются свободные вы числительные ресурсы уже существующей вычислительной сети для сис тем управления с достаточно большим интервалом дискретизации, изме ряемым минутами или часами. В этом случае, настройка помогает улучшить значения показателей качества на 510 %, особенно при сме нах режима управления (задающего воздействия).

4.5. Оптимизация загрузки гетерогенной вычислительной сети При адаптации параметров ПИД-регулятора в реальном времени бы ли выявлены две проблемы [18, 51-53], которые должны решаться совме стно: оптимальное использование ресурсов распределенной вычисли тельной системы с точки зрения загрузки ее ресурсов и получение како го-либо приемлемого результата (поскольку система функционирует в реальном времени). Вторая проблема обусловлена тем, что иногда в наи худшие периоды работы, при большой загрузке вычислительной сети распределенные алгоритмы не давали результата в отведенное время.

Для решения этих проблем предлагается, чтобы решающий сервис собирал информацию о вычислительных сервисах (количество решенных подзадач, общее время работы, число отказов, длительность решенных подзадач) на основе которой, после небольшого статистического анализа, он устанавливал бы уровень подзадачи.

Однако, на ряде экспериментов выявилось [18, 5153], что адаптация ПИД-регулятора становилась хуже, причем до такой степени, что показа тели качества приближались к системе управления с регулятором у кото рого коэффициенты настройки постоянные, т. е. эффект адаптации терял ся. Причиной такого эффекта были большие временные задержки при расчетах новых параметров из-за отказов в распределенной вычисли тельной системе. Кроме того, ряд вычислительных сервисов простаивал некоторое время, т. к. их характеристики не позволяли взять подзадачу высокого уровня.

Для устранения обнаруженного эффекта в работе было предложено формировать два типа подзадач. Первый тип подзадач T1 таков, что дан ные подзадачи должны быть решены обязательно (в задаче настройки ко эффициентов точность нахождения новых параметров уменьшалась на несколько порядков) в заданное время, т. е. ошибки решения данных под задач не суммируются во времени. Второй тип подзадач T2 таков, что данные подзадачи могут остаться и нерешенными, т. е. ошибки решения суммируются во времени. Благодаря такому подходу можно обеспечить некоторую гарантированную адаптацию параметров регулятора в систе ме управления.

Таким образом, алгоритм решающего сервиса должен сформировать две стратегии – одну для назначения обязательных подзадач типа T1 и вторую для необязательных подзадач типа T2.

Стратегия назначения необязательных подзадач T2 осталась преж ней, т.е. на основе статистических данных о работе вычислительных сер висов решающий сервис назначал данную подзадачу одному из них.

Данная стратегия включалась лишь после решения всех обязательных подзадач T2.

Для формирования стратегии решения обязательных подзадач в сис теме вводится функция ошибок [75]:

k Ek = (a j, j ), j = где k – количество подзадач, k ( a k, j ) – функция вероятности появления ошибки при решении j-й подзадачи, длительностью aj.

Решающий сервис при назначении подзадач стремится минимизиро вать данную функцию и использует следующую информацию: время на чала, время решения и время окончания подзадачи. Минимизация произ водится путем назначения подзадач вычислительным сервисам с наи меньшей загрузкой, причем наиболее длительные подзадачи назначаются наиболее стабильно работающим (с меньшим количеством ошибок) вы числительным сервисам. Данный алгоритм был назван адаптивным, по скольку он подстраивается под особенности вычислительной системы в процессе работы.

Разработанный алгоритм был исследован на модели системы управ ления динамическими объектами различных порядков, с различными за дающими воздействиями, дрейфом параметров объекта и помехами в ка налах измерения выхода объекта и выдачи управляющих воздействий.

Тема экспериментов: определение наиболее эффективного способа повышения загрузки распределенной вычислительной сети.

Вопрос, подлежащий изучению:

• Какой алгоритм назначения подзадач решающими сервисами является наиболее приспособленным к отказам в системе?

Эксперимент: изучение различных алгоритмов названия подзадач и их влияния на скорость вычислений.

Осуществлялся запуск алгоритмов адаптации параметров регулятора генетическими алгоритмами. Варьировалось число сбоев в распределен ной вычислительной системе. Эксперимент был повторен для разного количества компьютеров и вычислительных сервисов.

Сравнение разработанного адаптивного алгоритма, алгоритма рас пределения подзадач только на основе статистических данных и самоор ганизующихся сервисов (вычислительные сервисы берут подзадачи «по своему усмотрению», как было описано выше в п 4.3) по зависимости времени вычисления от количества вычислительных сервисов представ лено на рис. 35 (для сравнения, вычисление задачи на одном компьютере без распределенной системы составляет 22054 мс).

Время вычислений, мс Самоорганизующийся алгоритм Статистический алгоритм Адаптивный алгоритм 1 2 3 4 5 6 Число вычислительных сервисов Рис. 35. Сопоставление различных стратегий работы решающего сервиса.

В заключение отметим, что в области использования распределен ных систем с параллельными вычислениями имеются огромные резервы снижения стоимости и повышения качества управления сложными про изводственными комплексами. Можно ожидать быстрого расширения сферы использования распределенных вычислительных систем в качест ве техники управления.

4.6. Выводы 1. Поставлена общая задача использования специальных структур алгоритмов управления с целью уменьшения вносимого ими информаци онного запаздывания;

базой для построения таких структур выбрана рас пределенная система с параллельными вычислениями.

2. Спроектирована архитектура распределенной вычислительной системы для гетерогенных сетей на базе технологий RMI, Jini, JavaSpaces. Разработана структура и реализованы обеспечивающие про граммные компоненты, позволяющие проводить вычислительные экспе рименты по исследованию распараллеленных алгоритмов.

3. Предложена методика и на ее базе проведено исследование рас пределенных вычислительных систем, реализующих алгоритмы настрой ки САУ с ПИД-регулятором на основе генетических и поисковых алго ритмов.

4. Получены оценки быстродействия системы для различных пара метров распределенной системы, в том числе: объема передаваемых дан ных, количества вычислительных, решающих сервисов и сервиса РСИП и сделаны выводы по возможному использованию распределенных вычис лительных систем.

5. Предложен способ улучшения работы распределенной вычисли тельной системы на основе разделения подзадач на два уровня и анализе статистических данных о предистории работы системы.

ЗАКЛЮЧЕНИЕ Основные результаты, полученные в работе, состоят в следующем:

1. Поставлена задача исследования САУ с учетом информационного запаздывания, вносимого в систему техническими средствами сбора ин формации, ее обработки, расчета и реализации управляющих воздейст вий. Обоснована необходимость учета быстродействия, объема памяти и разрядности цифровых технических средств реализации алгоритмов управления. Выявлены новые свойства САУ с ИЗ.

2. Сформулированы принципы учета ограниченности ресурсов тех ники управления (быстродействия, памяти, разрядности) при решении задачи проектирования цифровых систем управления. Разработана струк тура обеспечивающих компонентов программного комплекса, позво ляющего проводить вычислительные эксперименты по исследованию влияния ИЗ на качество управления.

3. Предложены способы оценки информационного запаздывания, вно симого в систему управления техническими средствами с ограниченными возможностями на этапе анализа и синтеза алгоритмов управления.

4. Разработана система показателей качества и характеристик алго ритмов, позволяющая сопоставить различные варианты алгоритмов и их структурной организации с учетом вносимого ими информационного за паздывания.

5. Получены оценки вычислительной сложности различных алгорит мов управления многомерными объектами, в том числе: ряда вариантов алгоритма, синтезированного методами аналитического конструирования оптимальных регуляторов;

пропорционально-интегрально дифференциального алгоритма управления с двумя вариантами адапта ции параметров (на основе поиска экстремума показателя качества в про странстве настроечных параметров и на основе применения эволюцион ных методов улучшения настроек).

6. Предложена методика проведения вычислительных экспериментов и определения области эффективного использования алгоритмов управ ления, синтезированных с учетом информационного запаздывания, а так же обоснования использования технических средств для реализации ал горитмов управления.

7. Описана структура разработанного программного комплекса и предложены группы вычислительных экспериментов для испытания раз личных вариантов алгоритмического обеспечения управления динамиче скими объектами в цифровых системах управления.

8. Приведены основные результаты исследований различных цифро вых систем управления с учетом ограниченности ресурсов технических средств и информационным запаздыванием.

9. Поставлена общая задача использования специальных структур алгоритмов управления с целью уменьшения вносимого ими информаци онного запаздывания;

базой для построения таких структур выбрана рас пределенная система с параллельными вычислениями.

10. Спроектирована архитектура распределенной вычислительной системы для гетерогенных сетей на базе технологий RMI, Jini, JavaSpaces. Разработана структура и реализованы обеспечивающие про граммные компоненты, позволяющие проводить вычислительные экспе рименты по исследованию распараллеленных алгоритмов.

11. Предложена методика и на ее базе проведено исследование рас пределенных вычислительных систем, реализующих алгоритмы настрой ки САУ с ПИД-регулятором на основе генетических и поисковых алго ритмов.

12. Получены оценки быстродействия системы для различных пара метров распределенной системы, в том числе: объема передаваемых дан ных, количества вычислительных, решающих сервисов и сервиса РСИП и сделаны выводы по возможному использованию распределенных вычис лительных систем и улучшению их работы.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 1. Александров А. Г. Оптимальные и адаптивные системы. – М.: Выс шая школа, 1989. – 262 с.

2. Александров А. Г. Синтез регуляторов многомерных систем. – М.:

Энергия, 1986. – 272 с.

3. Аоки М. Оптимизация стохастических систем. – М.: Наука, 1971. – 424 с.

4. Артамонов Д. В. Модели и средства управления системами с пере менными параметрами при наличии запаздывания: Дис. … канд. тех.

наук: 05.13.01. – Пенза, 1999. – 141 с.

5. Асанов М. С. О подходе к синтезу оптимальных алгоритмов управ ления стохастическими объектами при ограниченных быстродейст виях устройств управления, сбора информации и реализации управ ляющих воздействий. – В кн.: Адаптивное управление большими системами. – Фрунзе: Илим, 1981. – С. 144–152.

6. Асанов М. С. Оптимизация замкнутых систем управления с учетом ограниченного быстродействия технических средств: Дис. … канд.

тех. наук: 05.13.01. – Фрунзе, 1984. – 184 с.

7. Асанов М. С., Брусиловский Р. Д., Крушель Е. Г. Двухуровневое аг регированное управление в условиях неполной информации. – В кн.:

Оптимизация динамических систем. – Минск, 1978. – С. 13–18.

8. Брайсон А. Хо Ю-ши. Прикладная теория оптимального управления.

– М.: Мир, 1972. – 544 с.

9. Буч. Г. Объектно-ориентированный анализ и проектирование с при мерами приложений на С++, 2-е изд. / Пер. с англ. – М.: Бином, СПб.:

Невский диалект, 1999. – 560 с.

10. Воронов А. А., Рутковский В. Ю. Современное состояние и перспек тивы развития адаптивных систем // Вопросы кибернетики. Пробле мы теории и практики адаптивного управления. – М.: Научный совет по кибернетике АН СССР, 1985. – С. 5–48.

11. Говорухин В. Н., Цибулин В. Г. Введение в Maple V. Математиче ский пакет для всех. – М.: Мир, 1997. – 208 с.

12. Гультяев А. К. MATLAB 5.3. Имитационное моделирование в среде Windows. – М.: КОРОНА принт, 2001. – 400 с.

13. Дейкстра Э. Взаимодействие последовательных процессов // Языки программирования. – М.: Мир, 1972. – С. 9–86.

14. Денисов А. И. Синтез оптимальных по быстродействию систем управления методом малых приращений: Автореф. дис. …. канд.

техн. наук: 05.13.01. – Тула, 1999. – 22 с.

15. Дьяконов В. П. Maple 7. Учебный курс. – СПб.: Питер, 2002. – 672 с.

16. Дьяконов В. П. Mathcad 2001. Учебный курс. – СПб.: Питер, 2001. – 624 с.

17. Дьяконов В. П., Абраменкова И. В., Круглов В. В. Matlab 5 с пакета ми расширений. – М.: Нолидж, 2001. – 880 с.

18. Дьячук А. В., Степанченко И. В. Оптимизация загрузки ресурсов распределенной вычислительной системы // Прогрессивные техноло гии в обучении и производстве: Материалы II Всероссийской конфе ренции. В 2 т. – Волгоград, 2003. – С. 277–280.

19. Емельянов В. В., Ясиновский С. И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и про цессов. Язык РДО. – М.: АНВИК, 1998. – 427 с.

20. Жалалов А. Применение теории линейных систем с квадратическим критерием к управлению объектами с запаздыванием. в кн.: Приме нение вычислительных машин в системах управления непрерывными производствами. – Фрунзе: Илим, 1975. – С. 4659.

21. Земляков С. Д., Рутковский В. Ю. О некоторых результатах совмест ного использования принципов построения систем с переменной структурой и адаптивных систем с эталонной моделью // Автоматика и телемеханика, 1999, № 5. – С. 67–78.

22. Зотов М. Г. Аналитическое конструирование управляющих устройств для объектов с запаздыванием // Автоматика и телемеханика, 1998, № 3. – С. 9–20.

23. Зотов М. Г. О многокритериальном конструировании управляющих устройств // Приборы и системы управления, 1998, № 4. – С. 32– 24. Изерман Р. Цифровые системы управления. – М.: Мир, 1984. – 541 с.

25. Исаев С. А. Разработка и исследование генетических алгоритмов для принятия решений на основе многокритериальных нелинейных мо делей: Автореф. дис. …. канд. техн. наук: 05.13.17. – Н. Новгород, 2000. – 18 с.

26. Искусственный интеллект: Применение в интегрированных производ ственных системах / Под ред. Э. Кьюсиака;

Пер. с англ. А. П. Фомина;

Под ред. А. И. Дашенко, Е. В. Левнера. – М.: Наука, 1991. – 544 с.

27. Кваркернаак Х., Сиван Р. Линейные оптимальные системы управле ния. – М.: Мир, 1977. – 650 с.

28. Клир Дж. Системология. Автоматизация решения системных задач:

Пер. с англ. – М.: Радио и связь, 1990. – 544 с.

29. Ковалев А. А., Колмановский В. Б., Шайхет Л. Е. Уравнение Рикатти в устойчивости стохастических линейных систем с запаздыванием / Автоматика и телемеханика, 1998, № 10. – С. 35–54.



Pages:     | 1 | 2 || 4 |
 





 
© 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.