автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Интеллектуальная информационно-измерительная система разграничения потоков данных при мониторинге сложных объектов

ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНАЯ СИСТЕМА РАЗГРАНИЧЕНИЯ ПОТОКОВ ДАННЫХ ПРИ МОНИТОРИНГЕ СЛОЖНЫХ ОБЪЕКТОВ

Специальность 05.11.16 - «Информационно-измерительные и управляющие системы»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 5 ЛЕН 2011

Москва 2011

005006128

Работа выполнена в Федеральном государственном бюджетно( образовательном учреждении высшего профессионального образована «Московский государственный университет приборостроения и информатики».

Научный руководитель — доктор технических наук, профессор

Шатерников Виктор Егорович

Официальные оппоненты — доктор технических наук, профессор

Данилин Николай Семенович

кандидат технических наук, доцент Иванова Светлана Михайловна

Ведущая организация — Конструкторское бюро «ЭлектронСистема»

Защита диссертации состоится «27» декабря 2011 года, в 12-00 часов, 1 заседании совета по защите докторских и кандидатских диссертаций Д 212.119.С при Федеральном государственном бюджетном образовательном учрежден! высшего профессионального образования «Московский государственнь: университет приборостроения и информатики» по адресу: г. Москв ул. Стромынка, д. 20.

С диссертацией можно ознакомиться в библиотеке Федерально! государственного бюджетного образовательного учреждения высше1 профессионального образования «Московский государственный университ! приборостроения и информатики».

Автореферат разослан «24» ноября 2011 года.

Ученый секретарь диссертационного совета доктор технических наук, профессор В.В. Филинов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

В свете происходящих событий в промышленности, энергетике, в информационных и телекоммуникационных системах, на транспорте, в экологии, а также в различных сферах жизнедеятельности общества подтвердили необходимость обеспечения надежной, безаварийной работы сложных и технически опасных объектов.

В соответствии со Стратегией национальной безопасности Российской Федерации до 2020 года возникает необходимость обеспечения комплексной безопасности функционирования особо опасных и технически сложных объектов в РФ с учётом изменяющейся природной и техногенной среды.

В данной области работает ряд ведущих предприятий страны: ОАО «Научно-технический центр по безопасности в промышленности», Федеральный научно-производственный центр НПО Марс», ФГУП Научно-исследовательский институт "Рубин», ОАО Научно-исследовательский институт космического приборостроения, Научно-производственный центр антитеррористической и криминалистической техники Спектр-АТ, Самарский государственный аэрокосмический университет им С.П. Королева.

Наибольший вклад в решение научной проблемы мониторинга сложных объектов был внесен отечественными учеными: Бугаев A.C., Зубарев Ю.Б., Матросов В .Л. Евтушенко Ю.Г., Журавлёв Ю.И., Клюев В.В., Горкунов Э.В., Леонов Б.И., Касапенко Д.В., Ковалев A.B., Борисенко К.П., Шахматов Е.В. Ткаченко С.И., Оводенко A.A., Иванов K.M., Шатерников В.Е.

Анализ основных тенденций развития современных промышленных объектов показывает, что они имеют целый ряд особенностей. Это, прежде всего многоаспектность и неопределенность их поведения, иерархическая организация элементов и подсистем, структурное подобие и избыточность основных элементов и подсистем, связей между ними, многовариантность реализации функций управления и контроля на каждом из уровней иерархии, территориальная распределенность элементов и подсистем. Повышение уровня сложности технического объекта требует существенного увеличения количества контролируемых параметров и, характеризующих процессы его функционирования.

Существующие в настоящее время методы, модели и средства мониторинга предназначены для изучения и наблюдения за различными объектами и территориями. Эти методы трудоемки из-за большого потока информации и не дают возможности выбора значимого параметра мониторинга. В большинстве случаев процедуры мониторинга состояния промышленных объектов не автоматизированы. Решение этой задачи возлагается на операторов и экспертов, что вносит так называемый человеческий фактор в работу информационно-измерительных систем.

Поэтому возникает необходимость в разработке интеллектуального информационно-вычислительного комплекса для анализа и распределения

потоков данных, полученных от систем мониторинга в режиме реального времени без участия эксперта. Это необходимо для обеспечения автономного функционирования системы мониторинга в условиях неполноты и неопределенности поступающей информации при наличии случайных возмущений внешней среды.

Создаваемая система должна давать объективную картину состояния как всего объекта мониторинга, так и его отдельных элементов. Для прогнозирования, диагностики и принятия объективного решения по нивелированию возможных последствий аварий и технических катастроф необходимо из данных мониторинга выделять основные информативные параметры, которые определят достоверность измерения. Эти параметры должны подвергаться идентификации и группировки в кластеры для дальнейшей обработки соответствующими средствами измерения, экспертной оценки и сравнению с соответствующими критериями. Классические методы не позволяют получить приемлемые характеристики функционирования информационно-измерительных систем мониторинга. Решение подобных задач невозможно без применения интеллектуальных методов обработки информации.

Таким образом, существующие тенденции широкого использования интеллектуальных методов обработки больших объемов данных, а также рост плотности и неопределенности информационных потоков при мониторинге сложных объектов, приводят к необходимости создания интеллектуальной информационно-измерительной системы разграничения потоков данных при мониторинге сложных объектов, что подтверждает актуальность диссертационного исследования.

Цели и задачи. Целью работы является исследование, разработка и программная реализация интеллектуальной информационно-измерительной системы разграничения потоков данных при мониторинге сложных объектов для обеспечения их безопасности и безаварийности.

Для достижения поставленной цели в диссертации необходимо решить следующие задачи:

1. Провести анализ современных информационно-измерительных систем, моделей, методов, алгоритмов и программных средств обработки и разграничения потоков данных при мониторинге сложных систем, выявить основные проблемы и осуществить выбор путей их решения.

2. Создать модель разграничения потоков данных при мониторинге сложных систем для информационно-измерительных систем с различными уровнями иерархии данных и разработать алгоритм реализации данной модели.

3. Разработать модель и алгоритм управления информационными потоками (по памяти и по времени) между ресурсами информационно-измерительных систем при мониторинге сложных объектов.

4. Выполнить программную реализацию разработанных алгоритмов и провести комплексную проверку работоспособности программной системы.

Объект исследования. Объектом исследования является интеллектуальная информационно-измерительная система разграничения потоков данных при мониторинге сложных объектов

Предмет исследования. Предметом исследования являются методы и средства потоков данных при мониторинге сложных систем.

Методы исследования. Для решения поставленных задач использовались методы нечеткого логического вывода, ортогонально-латинских квадратов, нейросетевых технологий, теории графов, математического моделирования, технологии разработки программного обеспечения.

Научная новизна. Научная новизна результатов работы заключается в следующем:

1. Разработан метод определения параметров доступа к данным, позволяющий определить информационные ресурсы, с которыми может взаимодействовать пользователь.

2. Предложена модель и разработан алгоритм разграничения потоков данных при мониторинге сложных систем, базирующиеся на представлении каждого состояния доступа в виде набора продукционных правил, что в отличие от классического подхода (представление разграничения потоков данных в виде графа) позволило более эффективно определять различные уровни иерархии групп пользователей.

3. Разработан математический аппарат и метод определения информационных ресурсов (доступных средств мониторинга), выделения значимых параметров, основанный на применении методов нечеткой гиперрезолюции и ортогонально-латинских квадратов, который в отличие от современных методов обеспечивает учет параметров мониторинга в каждой конкретной ситуации разграничения потоков данных при мониторинге сложных систем.

Практическая значимость.

1 .Разработана методика разграничения потоков данных при мониторинге сложных систем и разработаны логические правила, на основе которых происходит управление потоками информации по памяти и по времени.

2. Предложенные модели и методы разграничения потоков данных доведены до конкретных алгоритмов.

3. Получена зависимость времени от количества значений параметров доступа и количества элементов мониторинга.

4. Создано программное алгоритмическое обеспечение для интеллектуальной информационно-измерительной системы, позволяющее автоматизировать выполнение различных этапов разграничения потоков данных при мониторинге сложных систем

В результате практического использования разработанного программного обеспечения снизились затраты на администрирование мониторинга, интеллектуальную нагрузку на администраторов, что значительно повысило эффективность процедур разграничения потоков данных при мониторинге сложных систем.

На защиту выносятся следующие положения: 1. Формализм представления нечетких продукционных правил и алгоритм нечеткого логического вывода для получения доступа к элементам мониторинга. Главное отличие разработанного алгоритма от традиционных методов нечеткого логического вывода (в частности, Мамдани, Цукамото, Сугэно 0 порядка и

других) заключается в том, что в правилах используется не только нечеткая импликация Мамдами, но и любая информация, полученная при мониторинге.

2. Метод на основе использования аппарата нечеткой гиперрезолюции и ортогонально-латинских квадратов для определения существенных параметров данных, которые определяют выбор средств мониторинга.

3. Модель разграничения потоков данных при мониторинге сложных объектов, основанная на формализме нечетких продукционных правил, которые описывают возможность эффективного измерения элемента мониторинга конкретным средством мониторинга с учетом существенных параметров доступа.

4. Архитектура программной системы, состоящей из четырех подсистем

5. Методика разграничения потоков данных при мониторинге сложных объектов, которую можно реализовать в информационно-измерительных системах.

6. Программное обеспечение для автоматизации разграничения потока данных при мониторинге сложных объектов

Реалтация результатов. Разработанные программные средства входят в состав программного обеспечения, которое используется для разграничения потоков данных при мониторинге сложных систем. На данное программное обеспечение получено свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2011618303. Данный программный продукт используется в научно-исследовательских работах в ООО КБ «ЭлектронСистема», (акт о внедрении). Разработанные методические принципы разграничения потоков данных при мониторинге использованы в учебном процессе при подготовке специалистов по ГОСВПО 22.01.02 на кафедре «Автоматизированные системы управления и информационные технологии» Московского государственного университета приборостроения и информатики.

Достоверность полученных результатов. Достоверность полученных результатов подтверждена:

-экспериментальными данными и математическим моделированием предложенных методов на ПЭВМ;

-разработкой действующих программных средств, подтвержденных свидетельствами об официальной регистрации;

-результатами использования этих программ на ведущих организаций и предприятиях страны.

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2008» (Украина, г. Одесса, 2008г.), пятой международной конференции - выставке «Промышленные АСУ и контроллеры 2009: от А до Я» (г. Москва), XIV международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения и информатики» (г. Сочи), а также XIX Всероссийской научно-технической конференции по неразрушающему контролю и технической диагностики (г. Самара).

Основные положения и результаты докладывались и обсуждались на научных семинарах кафедры «Автоматизированные системы управления и

информационные технологии» Московского государственного университета приборостроения и информатики.

Публикации. По материалам диссертационной работы опубликовано восемь научных работ, в том числе две в журналах, входящих в перечень ВАК, а также получено свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2011618303.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и 4 приложений.

Основная часть диссертации содержит - 119 страниц машинописного текста, включая 39 — рисунков и 11 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель, задачи, объект и предмет исследования, определены научная и практическая значимость работы, приведена краткая характеристика основных разделов диссертации.

В первой главе изложено, что основными функциями интеллектуальных систем является прогноз событий, самообучение и адаптация, работа с базами знаний (включая формирование, структурирование, хранение, а также операции обмена содержимым баз данных), формирование решений и их исполнение.

Выбраны методы и технические средства реализации интеллектуальных систем исходя из специфики сложного технического объекта, опыта разработчиков и наличие материальных, человеческих и временных ресурсов.

Доказано, что применение искусственного интеллекта в мониторинговых системах позволило расширить их функциональные возможности, повысить точность, оперативность, эффективность, надежность и улучшить другие технико-эксплуатационные характеристики.

Выбрана основа таких интеллектуальных систем. Это постоянно развиваемая модель предметной области с непрерывно пополняемой базой знаний. В связи с этим разрабатываемая интеллектуально информационно-измерительная система (ИИИС) должна иметь базу знаний, адекватно отражающую информацию о предметной области и обладать широкими возможностями при использовании аппаратных и программных средств в соответствии с выбранной стратегией.

Для проведения мониторинга в различных эксплуатационных ситуациях существует множество стратегий:

где 5„ - идентификация параметров, измеряемых и контролируемых с помощью интеллектуальных мониторинговых систем в условиях воздействия дестабилизирующих факторов; 5„ - параметрическая коррекция базовых алгоритмов функционирования интеллектуальных мониторинговых систем в зависимости от меняющейся ситуации; & - структурная коррекция, предполагающая выбор заданных алгоритмов функционирования интеллектуальных мониторинговых систем.

В главе показано, что методы управления, идентификации и разграничения потока данных инфомационно-измерительной системы являются одним из

важнейших факторов обеспечения надежности и эффективности мониторинга сложных объектов.

Существующие методы моделирования работы и управления данными в информационно-измерительных системах часто строятся на использовании целевых функций управления, при заранее известной структуре системы. При разработке алгоритмов управления с помощью имитационного моделирования, как правило, используются известные характеристики существующего оборудования, что дает хорошие результаты для информационно-измерительных систем с детерминированной структурой и является не эффективным для систем с нечеткими характеристиками. Все это требует искать новые подходы к моделированию и управлению передачей и обработкой данных, отличные от построения целевых функций качества.

При выборе подхода к решению поставленных в диссертации задач основным фактором являлась необходимость обеспечения принятия решения в обстановке неполной и нечеткой информации. В диссертации показано, что модель разграничения данных в информационно-измерительных системах должна быть разработана с использованием интеллектуальных методов обработки информации.

В заключительной части главы поставлена задача управления потоками данных и разграничения потоков данных при мониторинге сложных объектов и предложены пути её решения.

Вторая глава диссертации посвящена теоретическим вопросам разработки модели управления и разграничения данных при мониторинге сложных объектов, а также определению необходимых и достаточных параметров управления.

В этой главе для создании математической модели использованы следующие термины и обозначения.

Элемент мониторинга технически сложного объекта О = {0^,0гОк} это отдельный элемент или группа элементов характеризуемые одинаковыми для них инструментами и характером измерений.

Средство мониторинга способно инициировать выполнение операций над параметром мониторинга 5 = .....,5»}.

В диссертации сформулировано и доказано утверждение о возможности доступа средства мониторинга к элементу, в соответствии с которым средство мониторинга может получить доступ к элемету О,, если существует средство 5^,, имеющее доступ к элементу О, такое, что средства 5, и связаны бинарным отношением р, содержащим хотя бы одно из возможных прав. Рассмотрены и доказаны все возможные случаи исходных условий доступа.

Для идентификации параметров средств на определенный элемент мониторинга, а также для автоматизации данного процесса введены определения специальных матриц «достоверности» и «важности».

Определение 1. Матрица важности параметров мониторинга [а]— это квадратная матрица, состоящая из коэффициентов шкалы ценности [0,1], которые определяются средствами мониторинга и соответствуют степени важности обрабатываемой информации на объекте.

Определение 2. Матрица достоверного измерения С— это вектор, коэффициенты которого определяются экспертом и показывающие возможность средства измерить или обработать информацию, получаемую при мониторинге сложного объекта.

В диссертации предложено развитие классической модели, которая описывает права выполнить измерения средством мониторинга с соответствующими элементами. Предложено развитие данной модели за счет введенных матриц достоверности и важности, а также исследована модель разграничения потоков данных вида К-АС, где Д — вектор, состоящий из кандидатов средств мониторинга на получение права измерения, Выбор максимума из элементов вектора К, происходит путем перебора всех его данных, что позволяет определить доступ средства мониторинга на исследуемый элемент.

Существенным отличием данной модели является возможность учета коэффициентов важности и успеха при определении прав средства мониторинга на элемент мониторинга.

С помощью предложенной модели мониторинг осуществляется только в тех случаях, когда однозначно определена достоверность измерения элемента мониторинга. Однако эта модель не учитывает такие характеристики разграничения потоков как степень важности обрабатываемой информации, степень необходимости в конкретной информации, достоверность измерения элемента мониторинга определенными средствами, степень возможной опасности, исходящей от каждого элемента мониторинга и др.

С этой целью на основе дальнейших исследований были выявлены и унифицированы параметры, при которых метод измерения, как правило, получает доступ к элементу мониторинга.

Определение 3. Параметры доступа (ПД) ¿- это переменные по времени

состояния системы, различимые по степени важности, необходимости и

эффективности, с помощью которых определяется доступ средств .Г,, к

элементам О.,О,,...,0„ ,„ ,

" г' ' " мониторинга.

В таблице 1 представлен пример возможных значений ПД (где - хес степень важности обрабатываемой информации, «е/ степень необходимости в конкретной информации, эффективность работы средства мониторинга с

конкретным параметром мониторинга).

—-——^Переменная Параметр ~ —^ 1 2 3

вес Не важная Важная Очень важная

пег Не нужная Нужная Жизненно необходимая

Минимальная Средняя Максимальная

Средство мониторинга получает доступ к элементу мониторинга при наличии соответствующих значений ПД. С этой целью введено определение существенных параметров доступа.

Определение 4. Существенные параметры доступа — это значения ПД, которые необходимы для принятия решения использования данного метода или средства измерения конкретного параметра мониторинга.

Для определения информационных ресурсов необходимо установить существенные ПД для выбора средств мониторинга, в связи, с чем в диссертации разработан соответствующий метод на основе использования аппарата нечеткой гиперрезолюции и ортогонально-латинских квадратов.

Естественным ограничением для применения метода нечеткой гиперрезолюции с целью определения существенных ПД является ограничение множества значений ПД.

В диссертации приведено описание представления ПД в виде лингвистических переменных. В качестве множеств значений лингвистических переменных выступают значения, пример которых приведен в таблице 1.

На основе использования аппарата нечеткой гиперрезолюции в диссертации был разработан следующий метод разграничения потоков данных при мониторинге сложных объектов.

1. В качестве исходного условия принимается условие, показывающее при каких значениях лингвистических переменных принимается решение использовать определенные средства мониторинга для конкретного элемента:

эес^, -^dng(S, )и«г_£/(5,), (1)

где (5,) — средство мониторинга, а иг <1 — количественный показатель для оценки достоверного принятия решения об использовании средств мониторинга для конкретного элемента.

2. В случае, если в семантической процедуре лингвистической переменной не описано преобразование, то эксперт определяет ъ&^^пеЦВ,),^^^,) для данного средства.

3. Определяется значения иг _<1 для средства мониторинга (5,), которое сравнивается с некоторой нижней границей и делается вывод о соответствии существенных ПД для средства мониторинга (¿",).

Данный метод определения существенных ПД не позволяет в полной мере автоматизировать процесс разграничения потоков данных при мониторинге сложных объектов из-за необходимости постоянного привлечения эксперта дня определения вес^,,),ле;(5,,),-,<%($,). С целью повышения степени автоматизации процессов взаимодействия системы с экспертом в диссертации введено понятие о функциональных матричных блоках, удобных для моделирования разграничения потоков данных о существенным ПД.

Суть предложенного метода заключается в следующем: пусть X] —

множество векторов переменной длины от 1 до и, где ¿ = {1,^}, N - количество значений ПД, ЦЩ^^Х,') — «латинское преобразование» и Х\»2Г

Тогда, приняв выражение для «одноканальной» инверсии

многозначной логики будет иметь вид:

ИХ, =1(Щ, И»; ,Х,'). (2)

При умножении базовой матрицы и построенных ортогонально - латинских квадратов вычисляются значения результирующей матрицы. Элементы результирующей матрицы соответствуют рекомендациям о том, какими существенными ПД обладает средство мониторинга.

Предложенный метод определения существенных ПД позволил построить модель разграничения потоков данных при мониторинге сложных объектов. Пусть средства и элементы мониторинга представляются в виде следующих нечетких множеств:

О'= {/<„(*)/*}, (3)

где х— элемент множества объектов мониторинга, а ца (х) — характеристическая функция принадлежности;

S'={ps(y)ly}, (4)

где у— элемент множества средств мониторинга, а ,(у) — характеристическая функция принадлежности, причем функции принадлежности ц0{х) и pis{y) принимают собственные значения в некотором упорядоченном множестве [0,1]. Каждый элемент множеств средств и объектов мониторинга рассматривается как собственное нечеткое подмножество. В этом случае можно рассматривать не отдельные элементы средств и объектов мониторинга, а принадлежность элементов нечетким подмножествам.

В диссертации предложен формализм представления нечетких продукционных правил и алгоритм нечеткого логического вывода (НЛВ). Главное отличие разработанного алгоритма от традиционных методов НЛВ (в частности, Мамдани, Цукамото, Сугэно 0 порядка и других) заключается в том, что в правилах используется не только нечеткая импликация Мамдами, но и любые вычисления, необходимые для получения доступа.

Нечеткие продукционные правила, строятся следующим образом:

Я, :ЕСЛИ у есть ps(y), И л есть ц0{х), И(ИЛИ) sec есть L И(ИЛИ) nei есть М И(ИЛИ) dng есть N ТО d, = р'\ (5)

где nt — правило принятия решений о возможности мониторинга субъектом конкретного элемента мониторинга / = {Ци}, где п — количество правил.

В диссертации описаны этапы разработанного алгоритма НЛВ.

Этап 1. Фазификация.

Этап 2. Вычисление степеней срабатывания предпосылок по каждому из правил — а, (по методу, выбранному экспертом).

Этап 3. Активизация заключений по каждому из правил — <а,,д|д =/. (а,)>, где / (а,) — функция возможности обработки элемента мониторинга определенным средством с параметром а,, вычисляемым на втором этапе.

Этап 4. Дефазификация.

1>Д

D = -. (6)

1-1

где D — значение возможности обработки /— ым средством /—ого элемента.

В предложенном алгоритме вместо непрерывной функции используется дискретная функция, так как процесс разграничения потоков данных при мониторинге - дискретный.

Если построить обратную функцию возможности обработки элемента мониторинга определенным средством нельзя или её определение в раде случаев невозможно, то тогда применяется алгоритм нечеткого логического вывода Сугэно 0 порядка. В этом случае значение доступа присваивается в виде константы. Тогда нечеткое продукционное правило (5) трансформируется следующим образом:

Я, :ЕСЛИ у есть ns{y), И д есть /i0(x), И(ИЛИ) sec есть L И(ИЛИ) net

есть М И(ИЛИ) dng есть JV, ТО d, ^ const,. (7)

Этапы разработанного алгоритма HJIB аналогичны предыдущему, за исключением второго этапа, который имеет следующий вид.

Этап 2. Вычисление степеней срабатывания предпосылок по каждому из правил const,.

Таким образом, построена модель разграничения потоков данных при мониторинге сложных объектов, основанная на формализме нечетких продукционных правил (5), (7), которые описывают возможность эффективного измерения элемента мониторинга конкретным средством мониторинга.

Кроме того, в диссертации разработана модель создания информационных потоков по памяти и по времени. С этой целью введено значение порогового значения (Dpor), при котором измерения конкретным средством мониторинга разрешен и создается информационный поток по времени. Если значение доступа D, определяемое по формуле (6), больше или равно пороговому значению Dpor, при котором доступ к элементу мониторинга разрешен, то создается информационный поток по времени. В этом случае, модель создания информационных потоков по времени представляется в виде:

Таким образом, в диссертации получено решение актуальной задачи разграничения потоков данных при мониторинге сложных объектов, которое позволяет учитывать существенные ПД.

Третья глава посвящена вопросам алгоритмизации разработанных моделей и методов, а также проектированию программного обеспечения разграничения потоков данных при мониторинге сложных объектов.

На основе описанных во втором разделе методов нечеткой гиперрезолюции и ортогонально - латинских квадратов в диссертации разработан алгоритм определения существенных ПД, упрощенный вид которого показан на рисунке 2.

На четырехядерном процессоре был проведен эксперимент по определению максимального количество ПД, показавший, что приемлемая скорость работы алгоритма (рисунок 2) устанавливается, если их количество не превышает 18.

(8)

Рис. 2. Алгоритм определения существенных ПД.

График зависимости времени от количества объектов (на основе ортогонально - латинских квадратов) приведен на рисунке 3.

В соответствии с результатом эксперимента сделан вывод, что при количестве значений ПД больше 18 целесообразно применять более мощную вычислительную технику или использовать комбинацию методов многозначной логики и нечеткой гиперрезолюции.

В диссертации также разработан пошаговый алгоритм реализации модели разграничения потоков данных при мониторинге сложных объектов.

Шаг 1. Определение существенных ПД по формулам (1), (2).

Шаг 2. Если новых значений ПД не было, или их количество не превышает 18, тогда применение метода многозначной логики, иначе использование смешанного метода многозначной логики и гиперрезолюционного вывода.

Шаг 3. Замена всех множеств элементов и средств мониторинга соответствующими нечеткими множествами по формулам (3), (4).

Шаг 4. Построение функции принадлежности для элементов и средств мониторинга.

Шаг 5. Формирование базы нечетких продукционных правил по формулам (5), (7).

69ШЗ ;

ата; мош' 15ИИ5 I

7 ■

■■■. Ш' ,.

Рис. 3. График зависимости времени

от количества значений ПД и количества элементов мониторинга.

Шаг 6. Выбор механизма НЛВ. Определение этапов нечеткого логического вывода для каждого алгоритма по формуле (6).

Шаг 7. Если значение, вычисленное по формуле (6), не превышает порогового значения, то создание информационного потока по времени по формуле (8).

Упрощенный алгоритм реализации модели разграничения потоков данных при мониторинге сложных систем представлен на рисунке 4

Упрощенный алгоритм реализации модели разграничения потоков данных при мониторинге сложных систем представлен на рисунке 4.

Рис. 4. Алгоритм реализации модели разграничения потоков данных при мониторинге сложных систем.

В результате выполнения этапа дефазификации данного алгоритма получается значение доступа О, на основе которого происходит создание информационного потока по времени. В диссертации показано, что создавать

информационный поток по памяти нецелесообразно, что облегчает работу информационно-измерительной системы и не нагружает память лишними данными.

На основе разработанных алгоритмов построена архитектура программной системы, состав и структура основных компонентов которой представлены на рисунке 5.

Рис. 5. Архитектура программной системы.

В архитектуру программной системы входит четыре подсистемы: подсистема определения доступа; подсистема определения ПД (в которую входит средство определения существенных ПД); подсистема определения доступа (в которую входит нечеткий решатель, а также средство создания информационных потоков); подсистема ведения журналов событий.

В четвертой главе описана реализация и апробация разработанных моделей, метода и алгоритмов. Предложена методика разграничения потоков данных при мониторинге сложных объектов, которую можно реализовать в информационно-измерительных системах.

Разработано программное обеспечение на основе полученных в диссертации результатов и предназначено для автоматизации разграничения потока данных при мониторинге сложных объектов.

Программное обеспечение позволяет автоматизировать выполнение различных этапов разграничения потоков данных в информационно-измерительной системе: определение нечетких множеств средств и элементов мониторинга, определение набора рациональных прав из списка доступных, ввод ПД для элементов мониторинга, формирование существенных ПД для средств мониторинга, формирование нечетких продукционных правил доступа, вычисление значения Л.<, создание информационных потоков по времени, ведение журнала событий, формирование таблицы принятия решений I) о мониторинге

элемента (в неё входит получение на разрешение выполнения команды на измерение). Имеется система различных меню, используется многопользовательский интерфейс, набор управляющих элементов и так далее. Данное программное обеспечение пригодно для работы с различного рода операционными системами, приложениями и моделями микропроцессоров.

Для реализации программного обеспечения используется лицензионный программный продукт Borland Delphi 7.

Проведена апробация разработанных моделей, метода и алгоритмов разграничения потоков данных при мониторинге сложных объектов и создания информационных потоков в информационно-измерительных системах.

Исследована эффективность

разработанной моделей разграничения и управления потоками данных в информационно-измерительных системах с помощью имитационного моделирования, а также осуществлена проверка его работоспособности на предприятиях и в учебном процессе.

Приведено описание предложенной методики разграничения потоков данных. Пример реализации методики разграничения потоков данных при мониторинге сложных объектов для информационно-измерительной системы, состоящей из 15 возможных средств мониторинга и 100 элементов мониторинга, показан на рисунке 6.

График, изображенный на рисунке 6, иллюстрирует, что наибольшее количество различных уровней иерархии элементов мониторинга наблюдается при разграничении потоков данных от 50 элементов мониторинга при имеющихся 10 средств мониторинга.

В заключении формулируются основные полученные результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен анализ современных моделей, методов, алгоритмов и программных средств разграничения и управления потоками данных при мониторинге сложных объектов в информационно-измерительных системах, выявлены основные проблемы и осуществлен выбор путей их решения.

2. Разработан метод для определения информационных ресурсов, основанный на применении методов нечеткой гиперрезолюции и ортогонально-латинских квадратов, обеспечивающий учет параметров доступа в каждой конкретной ситуации разграничения и управления потоками данных при мониторинге сложных объектов в информационно-измерительных системах.

3. Предложена модель разграничения и управления потоками данных в информационно-измерительных системах с различными уровнями иерархии элементов мониторинга и разработан алгоритм реализации данной модели.

Рис. 6. Пример реализации методики

разграничения потоков данных примониторинге сложных объектов

4. Разработаны модель и алгоритм управления информационными потоками (по памяти и по времени) между ресурсами информационно-измерительной системы.

5. Выполнена программная реализация разработанных алгоритмов и проведена комплексная проверка работоспособности программной системы.

Основные публикации по теме диссертации

1. Севалкин A.A. Применение методов интеллектуальной обработки информации для повышения надежности информационно-измерительных систем мониторинга сложных объектов// Промышленные АСУ и контроллеры, 2011. № 11, с. 22-27.

2. Севалкин A.A. Принципы построения интеллектуальных систем обработки информации при мониторинге сложных технических объектов. // Приборы и системы. Управление. Контроль. Диагностика, 2011.№ 12, с.39-43.

3. Севалкин A.A., Сумкин КС., Морозова Т.Ю., Гусев КВ. Модель безопасной операционной системы.//Сборник трудов XIV международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения и информатики». МГУПИ, г. Сочи, 2011, с. 117-120.

4. Севалкин A.A. Метод определения информационных ресурсов мониторинга технических систем.// Пятая международная конференция -выставка «Промышленные АСУ и контроллеры 2008: от А до Я». М.: Научтехлитиздат, с. 15-18.

5. Севалкин A.A., Сумкин К.С. Использование канонической модели для разграничения потоков данных в информационно-измерительной системе. Сборник научных трудов по материалам международной научно-практической конференции «Перспективные инновации в науке, образовании, производстве и транспорте, 2008» (Одесса 20 - 30 июня 2008 г.). Т.1 Транспорт, Физика и математика. - Одесса: Черноморье, 2008.-с. 45-54.

6. Севалкин A.A., Никонов В.В., Сумкин КС. Модель, управления параметрами доступа в автоматизированной системе при мониторинге сложных объектов. Сборник научных трудов по материалам XIX Всероссийской научно-технической конференции по неразрушающему контролю и технической диагностики (г. Самара 6-8 сентября 2011), с. 321-325.

7. Севалкин A.A., Морозова Т.Ю., Сумкин КС, Гусев КВ. Принципы построения моделей разграничения прав доступа в компьютерных сетях.// Сборник трудов международной конференции «Проблемы управления безопасностью сложных систем» (21 декабря 2011). Институт проблем управления им. Трапезникова РАН (г. Москва, Россия), с. 56-58.

8. Свидетельство о государственной регистрации программ для ЭВМ «Программное обеспечение автоматизации мониторинга сложных объектов» № 2011618303.

Подписано к печати 23.11.2011 г. Формат 60x84. 1/16. Объем 1,0 п.л. Тираж 100 экз. Заказ № 204.

Московский государственный университет приборостроения и информатики

107996, Москва, ул. Стромынка, 20

61 12-5/688

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

Московский Государственный Университет Приборостроения и

Информатики

ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНАЯ СИСТЕМА РАЗГРАНИЧЕНИЯ ПОТОКОВ ДАННЫХ ПРИ МОНИТОРИНГЕ СЛОЖНЫХ ОБЪЕКТОВ

Специальность 05.11.16 - Информационно-измерительные и управляющие

системы

На платине пvкoпиcи

Севалкин Александр Алексеевич

Диссертация на соискание ученой степени канди дата технических наук

Научный руководитель: д.т.н., проф.

Шатерников В.Е.

Москва-2011

Список условных сокращений и обозначений................................... 4

Введение........................................................................... 5

ГЛАВА 1. Анализ современных информационно-измерительных систем, моделей, методов, алгоритмов и программных средств обработки и разграничения потоков данных при мониторинге сложных систем. Основные проблемы и выбор путей их решения... 9

1.1 Принципы построения и математического моделирования интеллектуальных систем...................................................... 9

1.2 Моделирование процесса принятия решений в интеллектуальных информационно-измерительных системах мониторинга........................................................................ 14

1.3 Фреймовая модель представления знаний в интеллектуальных информационно-измерительных системах................................. 20

1.4 Динамические экспертные системы мониторинга.................. 22

1.5 Постановка задачи разграничения потоков данных при мониторинге сложных объектов и пути её решения.......... .......... 28

1.6 Методы решения поставленных задач................................... 29

1.7 Выводы........................................................................ 38

ГЛАВА 2. Метод определения параметров разграничения потоков

данных при мониторинге сложных объектов. Модель

разграничения потоков данных.............................................. 40

2.1 Матричная модель РПД пользователей.............................. 40

2.2 Параметры доступа. Существенные параметры доступа......... 43

2.3 Метод определения существенных параметров доступа на

основе нечеткой гиперрезолюции.......................................... 45

2.4 Метод определения существенных параметров доступа на

основе ортогонально-латинских квадратов.............................. 49

2.5 Модель разграничения потоков данных.............................. 57

2.6 Выводы........................................................................ 64

ГЛАВА 3. Алгоритмизация модели разграничения потоков данных при мониторинге сложных объектов и проектирование программной системы......................................................... 65

3.1 Алгоритмизация метода определения существенных параметров доступа............................................................................ 65

3.2 Алгоритмизация модели разграничения потоков данных......... 68

3.3 Основные задачи, реализуемые программной системой. Архитектура программной системы........................................ 71

3.4 Выводы........................................................................ 76

ГЛАВА 4. Программная реализация интеллектуальной информационно-измерительной системы. Проверка работоспособности программной системы................................ 77

4.1 Описание реализации программной системы........................ 77

4.2 Оценка эффективности разработанной модели разграничения потоков данных при мониторинге сложных объектов.................. 79

4.3 Анализ оценки эффективности алгоритма разграничения потоков данных при мониторинге сложных объектов с помощью имитационного моделирования............................................. 81

4.4 Инженерная методика по разграничению потоков данных в информационно-измерительной системе................................... 88

4.5 Внедрение программного обеспечения в организациях....... ............93

4.6 Выводы................................................................................................................................................94

Заключение..............................................................................................................................................96

Список использованной литературы................................................................................98

ПРИЛОЖЕНИЯ..............................................................................................................................116

Список условных сокращений и обозначений

РПД Разграничение потоков данных

ПД Параметры доступа

ОС Операционные системы

NCP Nowell Client Protocol

IRF Inherited Right Filter

NDS NetWare Directory Services

ИИС Информационно-измерительные системы

БД База данных

ПАК Программно-аппаратный комплекс

СУБД Система управления БД

СВТ Средство вычислительной техники

ПО Программное обеспечение

HJIB Нечеткий логический вывод

олк Ортогональные латинские квадраты

ФИ Функциональная инверсия

млпо Многозначной логики переменных оснований

СНДФ Совершенная нормальная дизъюнктивная форма

ХФП Характеристическая функция принадлежности

Введение

Актуальность работы.

Анализ основных тенденций развития современных промышленных объектов показывает, что они имеют целый ряд особенностей. Это прежде всего многоаспектность и неопределенность их поведения, иерархическая организация элементов и подсистем, структурное подобие и избыточность основных элементов и подсистем, связей между ними, многовариантность реализации функций управления и контроля на каждом из уровней иерархии, территориальная распределенность элементов и подсистем. Повышение уровня сложности технического объекта требует существенного увеличения количества контролируемых параметров, характеризующих процессы его функционирования. В ответственных приложениях (ракетно-космическая, авиационная, корабельная техника, атомные, тепловые и гидроэлектростанции, системы электроснабжения, радиоэлектронные и автоматизированные системы и комплексы различного назначения, объекты инфраструктуры) количество контролируемых параметров уже сегодня достигает нескольких сотен и тысяч

Временные задержки и ошибки в управлении, вызванные неверным решением задачи оценивания или мониторинга состояний промышленных объектов, могут привести к необратимым негативным последствиям - срыву выполнения возлагаемых на них задач, отказам, различным по своим последствиям авариям и даже катастрофам.

В наибольшей степени эта проблема обостряется при возникновении нештатных ситуаций - отклонении поведения промышленных объектов от ожидаемого, вызванного различными внешними и внутренними факторами. В большинстве случаев процедуры мониторинга состояния промышленных объектов в таких ситуациях не автоматизированы. Решение этой задачи возлагается на операторов, что вносит так называемый человеческий фактор в работу информационно-измерительных систем. Практика показывает, что именно в этих ситуациях операторы не справляются с задачей оценки и контроля функциональных состояний промышленных объектов, что и приводит к различным негативным последствиям. Все это не позволяет получить приемлемые характеристики функционирования информационно-измерительных систем мониторинга, а значит, обеспечить успешную реализацию всех функций измерения, контроля, диагностики и идентификации параметров промышленных объектов классическими методами. Поэтому актуальной является задача разграничения потоков данных при мониторинге сложных объектов.

Решение подобных задач невозможно без применения интеллектуальных методов обработки информации. Наибольший вклад в решение данной научной задачи был внесен такими отечественными учеными, как Зеленским В.А., Кузьминым И.В., Маркиным И.С., Ранневым Г.Г., Шатерниковым В.Е. и др., а также зарубежными Кастри Дж., Минским М. и др.

Одна из важнейших задач интеллектуальных информационно-измерительных и управляющих систем - обеспечить автономное функционирование системы в условиях неполноты и неопределенности поступающей информации при наличии случайных возмущений внешней среды.

Таким образом, существующие тенденции широкого использования интеллектуальных методов обработки больших объемов данных, а также рост плотности информационных потоков при мониторинге сложных объектов, приводят к необходимости создания интеллектуальной информационно-измерительной системы разграничения потоков данных при мониторинге сложных объектов, что подтверждает актуальность диссертационного исследования.

Цели и задачи. Целью работы является исследование, разработка и программная реализация интеллектуальной информационно-измерительной системы разграничения потоков данных при мониторинге сложных объектов

Для достижения поставленной цели в диссертации необходимо решить следующие задачи:

1. Провести анализ современных информационно-измерительных систем, моделей, методов, алгоритмов и программных средств обработки и разграничения потоков данных при мониторинге сложных систем, выявить основные проблемы и осуществить выбор путей их решения.

2. Создать модель разграничения потоков данных при мониторинге сложных систем для информационно-измерительных систем с различными уровнями иерархии данных и разработать алгоритм реализации данной модели.

3. Разработать модель и алгоритм управления информационными потоками (по памяти и по времени) между ресурсами информационно-измерительных систем при мониторинге сложных объектов.

4. Выполнить программную реализацию разработанных алгоритмов и провести комплексную проверку работоспособности программной системы.

Объект исследования. Объектом исследования является интеллектуальная информационно-измерительная система разграничения потоков данных при мониторинге сложных объектов

Предмет исследования. Предметом исследования являются методы и средства потоков данных при мониторинге сложных систем.

Методы исследования. Для решения поставленных задач использовались методы нечеткого логического вывода, ортогонально-латинских квадратов, нейросетевых технологий, теории графов, математического моделирования, технологии разработки программного обеспечения.

Научная новизна. Научная новизна результатов работы заключается в следующем:

1. Разработан метод определения параметров доступа, позволяющий определить информационные ресурсы, с которыми может взаимодействовать пользователь.

2. Предложена модель и разработан эффективный алгоритм разграничения потоков данных при мониторинге сложных систем, базирующиеся на представлении каждого состояния доступа в виде набора продукционных правил, что в отличие от классического подхода (представление разграничения потоков данных в виде графа) позволило более эффективно определять различные уровни иерархии групп пользователей.

3. Разработан метод для определения информационных ресурсов (доступных средств мониторинга), основанный на применении методов нечеткой гиперрезолюции и ортогонально-латинских квадратов, который в отличие от современных методов обеспечивает учет параметров мониторинга в каждой конкретной ситуации разграничения потоков данных при мониторинге сложных систем.

Практическая значимость. Создана методика разграничения потоков данных при мониторинге сложных систем и разработаны правила, на основе которых происходит управление потоками информации по памяти и по времени. Предложенные модели и методы разграничения потоков данных доведены до конкретных алгоритмов, на основе которых создано программное обеспечение для интеллектуальной информационно-измерительной системы, позволяющее автоматизировать выполнение различных этапов разграничения потоков данных при мониторинге сложных систем

В результате практического использования разработанного программного обеспечения снизились затраты на администрирование, интеллектуальная нагрузка на администраторов, риск получения несанкционированного доступа, что значительно повысило эффективность процедур разграничения потоков данных при мониторинге сложных систем.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения, которое используется для

разграничения потоков данных при мониторинге сложных систем. На данное программное обеспечение получено свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2011618303. Данный программный продукт используется в научно-исследовательских работах в ООО КБ «ЭлектронСистема», НПО «ОКСИТ» (акты о внедрении). Разработанные методические принципы разграничения потоков данных при мониторинге использованы в учебном процессе при подготовке специалистов по ГОСВПО 22.01.02 на кафедре «Автоматизированные системы управления и информационные технологии» Московского государственного университета приборостроения и информатики.

Достоверность полученных результатов. Достоверность полученных результатов подтверждена экспериментальными данными проведенного тестирования разработанного программного обеспечения, а также соответствующими актами о внедрении и использовании результатов диссертации.

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2008» (Украина, г. Одесса, 2008г.), пятой международной конференции - выставке «Промышленные АСУ и контроллеры 2009: от А до Я» (г. Москва), а также XIV международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения и информатики» (г.Сочи).

Основные положения и результаты докладывались и обсуждались на научных семинарах кафедры «Автоматизированные системы управления и информационные технологии» Московского государственного университета приборостроения и информатики.

Публикации. По материалам диссертационной работы опубликовано шесть научных работ, в том числе две в журналах, входящих в перечень ВАК, а также получено свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2011618303.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и 4 приложений.

Основная часть диссертации содержит - 119 страниц машинописного текста, включая 39 — рисунков и 11 — таблиц.

ГЛАВА 1. Анализ современных информационно-измерительных систем, моделей, методов, алгоритмов и программных средств обработки и разграничения потоков данных при мониторинге сложных систем. Основные проблемы и выбор путей их решения.

1.1. Принципы построения и математического моделирования

интеллектуальных систем

Анализ основных тенденций развития современных промышленных объектов показывает, что они имеют целый ряд особенностей. В первой главе отмечалась многоаспектность и неопределенность их поведения, иерархическая организация элементов и подсистем, структурное подобие и избыточность основных элементов и подсистем, связей между ними, многовариантность реализации функций управления и контроля на каждом из уровней иерархии, территориальная распределенность элементов и подсистем. Повышение уровня сложности СТО требует существенного увеличения количества контролируемых параметров, характеризующих процессы его функционирования. В ответственных приложениях (ракетно-космическая, авиационная, корабельная техника, атомные, тепловые и гидроэлектростанции, системы электроснабжения, радиоэлектронные и автоматизированные системы и комплексы различного назначения, объекты инфраструктуры) количество контролируемых параметров уже сегодня достигает нескольких сотен и тысяч. Так, например, постоянный контроль состояния кингстонского моста в Глазго (Шотландия) производится датчиками различного типа более чем в 1000 точках на протяжении более четырех километров [143].

Временные задержки и ошибки в управлении, вызванные неверным решением задачи оценивания или мониторинга состояний промышленных объектов, могут привести к необратимым негативным последствиям - срыву выполнения возлагаемых на них задач, отказам, различным по своим последствиям авариям и даже катастрофам.

Сложности возникают при мониторинге состояния трубопроводов, по которым передается углеводородные продукты и различные вспомогательные растворы и компоненты. В случае разрыва труб происходит утечка вредных продуктов, что создает угрозу жизни и здоровья людей, приводит к экологическим катастрофам, значительному материальному ущербу [6, 7, 122].

В наибольшей степени эта проблема обостряется при возникновении нештатных ситуаций - отклонении поведения промышленных объектов от ожидаемого, вызванного различными внешними и внутренними факторами. В большинстве случаев процедуры мониторинга состояния промышленных объектов в таких ситуациях не автоматизированы. Решение этой задачи возлагается на операторов, что вносит так называемый человеческий фактор в работу информационно-измерительных систем. Практика показывает, что именно в этих ситуациях операторы не справляются с задачей оценки и контроля функциональных состояний промышленных объектов, что и приводит к различным негативным последствиям [82, 110]. Все это не позволяет получить приемлемые характеристики функционирования информационно-измерительной системы (ИИС) м�