автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методологические основы определения состояния сложных объектов и их применение в авиационной технике

4844344

Тихий Иван Иванович

Методологические основы определения состояния сложных объектов и их применение в авиационной технике

Специальность: 05.13.01. - Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

2 1 А Г: г 2011

Иркутск-2011

4844344

Работа выполнена в ГОУ ВПО «Иркутский государственный университет путей сообщения»

Научный консультант:

доктор технических наук, профессор, заслуженный деятель науки РФ Мухопад Юрий Федорович

Официальные оппоненты:

доктор технических наук, профессор Бронников Андрей Михайлович, доктор технических наук, профессор Дунаев Михаил Павлович доктор технических наук, доцент Кузнецов Борис Фёдорович

Ведущая организация

НИЦ ЭРАТ (г. Люберцы) 4ЦНИИ Минобороны России

Защита состоится " 28 " апреля 2011 года в 10 часов на заседании совета по защите

кандидатских и докторских диссертаций Д 218.004.01 при ГОУ ВПО «Иркутский

государственный университет путей сообщения» по адресу: 664074, г. Иркутск, ул.

Чернышевского, 15, ауд. 803.

Тел.: (8-3952) 63-83-11; (8-3952) 38-77-46.

WWW: http://wvw.iTgups.ru

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Иркутский государственный университет путей сообщения».

Ваш отзыв на автореферат, заверенный гербовой печатью учреждения, прошу выслать в адрес диссертационного совета

Автореферат разослан марта 2011 года.

О

Ученый секретарь

диссертационного совета, профессор

Деканов а Н.П.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. На современном этапе развития технической цивилизации создано и используется огромное количество объектов, систем и комплексов различной физической природы, типа и назначения, которые объединены в класс сложных объектов. В работе рассматриваются сложные объекты, включающие технические, эргатические системы, комплексы и объекты, объединённые общим свойством - способностью выполнять функции в соответствии со своим предназначением в заданных условиях, и характеризующиеся сложностью методов определения их состояния. Этот подкласс, не нарушая общности, будем неформально определять в настоящем исследовании как сложные объекты (СО).

Полнота и качество выполнения объектом целевых функций определяется состоянием, в котором он находится, а само состояние характеризуется степенью соответствия параметров объекта определённым областям их значений. Приведение технического объекта в состояние, при котором он способен выполнять свои функции по предназначению с требуемой эффективностью и в необходимом объёме, обеспечивается рядом конструктивных, производственных и эксплуатационных мер, которые в совокупности составляют процесс управления состоянием объекта (системы).

Принятие решения и реализация мероприятий по эффективному управлению состоянием объекта возможно только "на основе своевремешюй, полной и достоверной оценки этого состояния. Следовательно, научная проблема эффективного определения состояния СО является весьма актуальной и требует решения на всех стадиях их жизненного цикла, включая проекгировшше, производство, эксплуатацию, хранение и ремонт.

Особую важность исследуемая проблема приобретает для энергетических, промышленных, транспортных и др. систем, функционирующих в экстремальных условиях и для которых ошибки управления могут привести к техногенным катастрофам (взрыв на Чернобыльской АЭС, разрушение Саяно-Шушенской ГЭС, многочисленные аварии на транспорте и т.д.). К таким сложным объектам относятся системы и комплексы авиационной промышленности и транспорта, процессы определения состояния которых являются в данной работе объектами исследования.

Научная проблема эффективного определения состояния СО является комплексной и многоплановой. В настоящее время отдельные её части получили широкое развитие и сформировались в виде научных дисциплин, таких как: теория контроля, техническая диагностика, основы испытаний и эксплуатации, прогнозирование и др.. В этой области известны своими работами отечественные и зарубежные учёные: А.Е. Акиндеев, JI.H. Александровская, В.Г. Воробьёв, В.А. Ведешенков, В.А. Горшков, А.Г. Ивахненко, Ю.И. Зайцев, В.Д. Кудрицкий, В.Д. Константинов, C.B. Крауз, Е.И. Кринецкий, A.A. Лапин, А.Д. Миронов, Г.Ш. Меерович, A.B. Мозгалевский, Ю.Ф. Мухопад, ГШ. Пархоменко, В.А. Протопопов, Е.А. Румянцев, Е.С. Согомонян, И.М. Синдеев, В.Н. Чернуха, П.И. Чинаев, Авиженис А., Биргер И,A., Preparata F.P., Metze G., Chien R.J. и др.

Несмотря на большую научную и практическую значимость проблемы, до настоящего времени не проведены её исследование с позиций системного подхода, хотя такая потребность существует объективно и вызвана необходимостью создания единой и прочной теоретической базы для совершенствования практических методов определения состояния сложных объектов.

Потребность в развитии таких методов, в свою очередь, диктуется созданием и совершенствованием объектов различного типа, имеющих важное народно-хозяйственное значение, развитие которых происходит по пути использования новых механизмов, систем,

агрегатов, новой элементной базы, новых конструктивных и технологических достижений, и обеспечивается возросшими возможностями вычислительной техники. Совершенствование и расширение возможностей современных авиационных комплексов и систем, как разновидности сложных объектов сопровождается неизбежным их усложнением, что также приводит к повышению требований к качеству управления состоянием комплексов и, следовательно, к эффективности процесса определения их состояния. Цель диссертационной работы состоит в разработке теоретических положений и методологических подходов к решению междисциплинарной проблемы повышения эффективности определения состояния сложных объектов и их применение для совершенствования методов определения состояния комплексов авиационного назначения.

Для достижения цели необходимо решить ряд основных задач:

1. Провести анализ системы и процессов определения состояния СО, определить направления их совершенствования.

2. Разработать концептуальную модель определения состояния СО..

3. Усовершенствовать методы решения типовых задач, составляющих общую структуру процесса определения состояния СО.

4. С использованием полученных результатов решить комплексные задачи определения состояния технических и эргатических систем авиационного применения.

5. Оценить эффективность предлагаемых моделей и методов и разработать рекомендации по их практическому применению.

Предметом исследования являются методологические средства, включающие теоретические положения, модели и методы определения состояния СО.

Методы исследований. В диссертационной работе использованы методы системного анализа, теории вероятностей, математической статистики, теории надёжности и технической диагностики, теории автоматического управления, теории графов, статистического моделирования, теории симметрии, методы цифровой фильтрации, аэродинамики и теоретической механики.

Научную новизну работы составляют и выносятся на защиту следующие положения:

1. Впервые разработаны принципы структурного синтеза концептуальной модели, система видов состояний СО, процессов и методов их определения, обобщённая модель процесса определения состояния СО.

2. Разработана совокупность новых методов решения типовых задач, составляющих процесс определения состояния СО, которая включает:

- метод исследования представительности выборки на основе статистического моделирования, применимый для различных условий задачи, числовых характеристик и их законов распределения;

-метод определения достаточного периода наблюдения реализации процесса, позволяющий различать эргодические и неэргодические случайные процессы;

-методы проверки непараметрических и параметрических гипотез в условиях ограниченного объёма выборки, включающие дополнение отдельных положений корреляционного анализа относительно вида законов распределения критериев и границ объемов выборки, в пределах которого они используются.

3. Предложена обобщённая математическая модель, описывающая управляющие действия оператора с разным уровнем подготовки в эргатических системах различного типа; на её основе разработана математическая модель действий летчика в продольном канале маневренного самолета, относящаяся к новому классу линейно- стохастических моделей. Разработан новый метод оценки качества управления маневренным самолетом.

4. Разработана математическая модель определения состояния распределённых вычислительных систем с использованием структур взаимоконтроля, которая впервые позволила диагностировать константные, неконстантные и гибридные отказовые ситуации; Предложены методы диагностирования по минимально-необходимому числу проверок и составления оптимального расписания проверок. Разработаны алгоритмы организации процесса диагностирования и идентификации отказовых ситуаций различного типа.

5. Предложен новый метод оценки прочностных свойств крыла самолёта в процессе эксплуатации, основанный на мониторинге изменения спектра его колебаний под воздействием случайных возмущений.

6. Разработан новый метод проектирования динамических тренажёров, используемых для оценки качества управляющих действий оператора.

Достоверность полученных результатов обусловлена корректным применением апробированного математического аппарата; использованием физически обоснованных принципов и способов обработки экспериментальных данных; соответствием результатов имитационного моделирования данным обработки с помощью разработанных методик информации о 409 полетах самолетов СУ-25 и 497 полетах самолётов СУ-24 МР,

Научная значимость работы состоит: в разработке положений обобщённой теории определения состояния СО; в развитии методологического подхода к решению проблемы, основанного на исследовании систем с ограничениями; в развитии статистических методов обработки экспериментальных данных; в применении метода статистического моделирования при решении задач оценки состояния СО; в совершенствовании метода самодиагностирования с использованием структур взаимоконтроля.

Практическая значимость полученных результатов, в общем, заключается в том, что они являются основой для снижения аварийности в авиационной технике и, как следствие, снижению' экономических, экологических, социальных и др. потерь и, в частности: 1) разработанная в диссертации методика оценки качества управления маневренным самолётом позволяет применять ее в условиях строевой части без привлечения специального оборудования; использовать для оценивания качества пилотирования на этапах полета категории «А» (точное управление); накапливать результаты обработки полетной информации для последующего выявления индивидуальных особенностей пилотирования; своевременно реагировать на изменение качества пилотирования конкретного лётчика; 2) применение методики оценки прочностных свойств крыла самолёта позволит перейти к его эксплуатации по состоянию; 3) методика диагностирования отказовых ситуаций различного типа обеспечивает реализацию принципа отказоустойчивости распределённых вычислительных систем: 4) методика проектирования динамических тренажёров позволяет использовать их для оценки точности управляющих действий оператора.

Полученные в работе результаты научных исследований имеют универсальный характер и могут быть использованы в промышленности при конструировании, испытаниях, производстве и эксплуатации систем различного типа и назначения, а также в учебном процессе ВУЗов при подготовке студентов и аспирантов соответствующего профиля.

Результаты диссертационной работы используются при обучении студентов и курсантов по направлению подготовки дипломированного специалиста 652700 «Испытания и эксплуатация авиационной и ракетно-космической техники» в Иркутском ВВАИУ, и в Московском ГТУ (Иркутский филиал); по направлению подготовки дипломированного специалиста 652000 «Мехатроника и робототехника» в Иркутском ГУПС.

Апробация результатов диссертации. Основные результаты диссертационного исследования докладывались на 3 Международных, 1 Всесоюзной, 4 Всероссийских, 2

межвузовских научных конференциях, отражённых в списке публикаций. А также на конференциях и семинарах МО РФ и ВВС, в/ч 15650 и 75360, ВВИА им. проф. Н.Е. Жуковского, Киевского и Иркутского ВВАИУ. Под руководством автора защищены 3 кандидатские диссертации.

Публикации. По материалам диссертации опубликовано 106 научных трудов из них 18 в периодических изданиях, рекомендованных ВАК, издано 2 монографии и 4 учебных пособия (из них 2 с грифом УМО). В работах с соавторами соискателю принадлежит от 30 до 90% результатов. Положения, составляющие научную новизну и выносимые на защиту, получены лично автором.

Структура и объём диссертации. Диссертация состоит из введения, пяти глав, заключения, библиографического списка из 316 наименований. Общий объём работы составляет 326 страниц и включает 111 рисунков и 31 таблицу.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе проведен системный анализ проблемы определения состояния СО и её составляющих. В основу анализа системы определения состояния, описывающей этот процесс как взаимодействие объекта, субъекта и средств определения состояния, положена схема, используемая в трудах СЛ. Огггяера, С. Янга, М. Месаровича, Ф.П. Тарасенко, A.A. Денисова и др. (рисунок 1).

Вход

1. Объект

2. Субъект

3. Средства

Процесс

н

Выход Заключение о состоянии

Рисунок 1 - Схема определения состояния

В развитии этого подхода, включающего также рассмотрение ограничения систем, в работе исследована модель эксперимента в виде системы, а объекта исследований в виде подсистемы взаимосвязанных результатов

измерения

Рисунок 2 - Эксперимент как система.

Аналитически процесс определения состояния СО описывается законом функционирования системы у = где \|/ - закон функционирования

объекта; - методы обработки данных; X - вектор возмущения (свойства СО); У = - вектор управления; У},^- векторы регулируемых и нерегулируемых

параметров (ограничений); ф - функция формирования закона управления экспериментом; у - вектор результатов эксперимента.

Эффективность функционирования системы определяется нахождением вектора у а А в установленной области А его значений, при этом система становится полностью наблюдаемой, и достигается путем задания вектора V, и \\1. В соответствии с условиями функционирования системы невыполнение ограничений \>2 приводит к изменению \|/ и, тем самым, возникновению новой системы \[/], эмерджентной к исходной ху^. При этом система смещается в область частичного наблюдения или становится ненаблюдаемой. Изменение преобразования Ц/ в законе функционирования требует адекватного изменения преобразования Р.

Таким образом, под эффективностью в работе понимается степень приспособлешшсти системы определения состояния к выполнению поставленных задач при соблюдении всех требований и ограничений. Применительно к такой сложной и многоплановой системе, какой является система определения состояния СО, можно говорить о некоторой совокупности взаимосвязанных условий, выполнение которых необходимо для достижения требуемой эффективности.

Для исследования этой совокупности условий в работе на основе анализа общей системы контроля (диагностирования), системы испытаний авиационной техники и объективного контроля в государственной авиации была сформирована обобщённая структура системы определения состояния СО, которая конкретизируется в соответствии с

решаемой задачей • и

Внешние факторы (среда)

т

Объект исследсв ания

1Г

X

Сопряжё

иные системы

I

свойствами объекта

(рисунок 3).

Данная система, согласно определению является совокупностью взаимосвязанных элементов, обособленной от среды и взаимодействующей с ней как единое целое. Система определения состояния СО содержит основные, определяющие сложную систему признаки: взаимосвязь многих подсистем, многообразие их природы, структурированность, многокритериалъностъ, подчиненность единой цели. Кроме того, в ней выполняются единые принципы существования и действия сложных систем: физичность, моделируемость, целенаправленность.

Взаимодействия элементов в системе образуют совокупность ограничений и допущений: 1 - цели, задачи и условия проведения эксперимента; 2 - концептуальная модель; 3 - используемые математические модели и методы; 4 - свойства исследуемого объекта; 5 - характеристики сопряжённых систем; 6 - возможности материально-технической базы; 7 - возможности средств измерения, регистрации и обработки информации; 8 - психофизиологические; 9 - социально-бытовые; 10 - качество

Материа Техниче Информа

льная сиге тоннах Оператор

база средства система

Рисунок 3 - Структура системы определения состояния СО.

управления; 11 - эффективность организационной структуры; 12 - экономические; 13 -временные; 14 - безопасность применения (рисунок 4.). Поэтому можно выделить два направления повышения эффективности системы определения состояния: снятие ограничений и обеспечение функционирования в условиях уточнённого комплекса

Особый интерес (первое направление) представляем исследование ограничений понятийного характера в виде неопределённости концептуальной модели, оказывающих существенное влияние на эффективность процесса определения состояния на этапе постановки задачи. Ограничения вызваны отсутствием общих для всей проблемы теоретических положений, а также недостаточной структурированностью отдельных её составляющих (например, технической диагностики).

На основе результатов системного анализа были разработаны следующие принципы структурного синтеза концептуальной модели определения состояния СО:

1. Объединение объектов различного типа и назначения по общему свойству -способности выполнять функции по предназначению в заданных условиях, зависящему от состояния, в котором находятся эти объекты.

2. Использование состояния объекта в качестве системного понятия в задачах управления, оценки надёжности и эффективности применения.

3. Смысловое определение понятий: состояние СО, виды состояний и процессы определения состояния, через основные и частные свойства СО - способности выполнять функции в соответствии с предназначением в заданных условиях и с различной эффективностью.

4. Определение единых терминов и понятий, относящихся к различным составляющим проблемы определения состояния СО на основе формальных признаков при максимальном использовании известных и апробированных положений.

5. Описание состояний объекта вектором его характеристик и различение состояний по принадлежности вектора определённым областям значений.

6. Описание сложного объекта (СО) как объекта, имеющего более двух различных состояний и характеризующегося сложностью методов определения его состояния.

7. Применение для классификации различных состояний двухуровневого признака. Признаки первого уровня основаны на различении по виду и количеству полученной информации о характеристиках объекта; классификационные признаки второго уровня формируются исходя из целей исследований объекта определённого типа.

8. Классификация понятий, относящихся к основным процессам определения состояния сложных объектов, по виду определяемого состояния.

9. Использование понятий контроль, диагностирование, прогнозирование, генез, испытания для обозначения основных процессов определения состояния сложных объектов.

10. Различение понятий объект, система осуществляется в зависимости от того, определяется состояние объекта в целом, или же его составных частей.

11. Достижение общности классификаций путём использования полного для решаемой задачи набора классификационных признаков.

12. Описание процесса определения состояния СО обобщённой моделью, определённой как совокупность задач, этапов и методов их решения. Частные модели для определённого вида состояний могут быть получены путём декомпозиции обобщённой модели.

На основе реализации принципов 1 и 2 установлено, что понятие «состояние» является системным дом всех технических объектов при управлении, оценке их надёжности и эффективности применения. Указанные задачи решаются на всех стадиях жизненного цикла объекта; отличие заключается в целях исследований и в используемых теоретических положениях и методах. Методы решения составляют основу таких научных дисциплин, как: теория надёжности, техническая диагностика, теория контроля, теория информации, теория автоматического управления, испытания и эксплуатация, техническая эксплуатация, теория массового обслуживания и др., образующих систему знаний.

Анализ этой системы с позиции решаемых в работе задач, позволил выявить: а) неопределённость связей элементов по причине неоднозначного определения состояния как системного признака; б) недостаточно строгую смысловую и структурную определённость отдельных элементов системы. Так, по признанию многих авторов пока не существует целостной теории испытаний, а в области технической диагностики существует ряд неразрешённых проблем. А именно: несовершенство структуры диагностики, как сферы деятельности; структуры и взаимосвязи видов, систем, методов диагностирования; системы диагностической терминологии; структуры основных задач диагностики.

Отсюда следует невозможность рассмотрения исследуемой проблемы в рамках одной из существующих теорий. Поэтому в работе предлагается построение централизовашюй иерархической структуры системы знаний на основе разработки общего элемента, включающего единые теоретические положения на первой ступени структурной иерархии.

В работе также определено место методологии определения состояния СО в общей системе знаний как составной части научного направления «Управление состоянием технического объекта (системы)». Данное научное направление также включает: анализ данных и выработку решения по управлению состоянием; разработку и реализацию мероприятий по приведению объекта в заданное состояние.

Такое разделение соответствует принципу системного анализа - обособление (выделение) проблемы и позволяет уточнить и создать систему из понятий и задач, существующих в отдельных теориях, в частности в технической диагностике.

Для разработки концептуальной модели определения состояния СО были использованы принципы 3,4, 5, предполагающие введете понятий иа смысловом уровне и на основе формального признака, в качестве которого выбран вектор характеристик объекта.

Современные авиационные комплексы и системы (АК и С) являются сложнейшими техническими объектами, включающими большое количество разнотипных систем, объединённых развитыми связями. Эта особенность вызывает необходимость исследования большого количества групп характеристик, причём, не только самого объекта, но и сопряжённых систем и внешних воздействий, образующих иерархическую матрицу.

Большая размерность матриц, разнородность характеристик, их взаимозависимость определяет сложность процесса определения состояния АК и С, что позволило сформулировать npuHijun 6.

Сложный объект, в процессе его разработки и применения по назначению, может находиться в различных состояниях, признаками которых является нахождение вектора

ХТ ••• >*m] количественных и качественных характеристик объекта в

определённой области его значений. Проведенные исследования показали, что положение вектора в пространстве состояний зависит, в общем случае, от числа п исследуемых объектов, числа г групп характеристик объекта, числа и номенклатуры характеристик в группе (каждая группа характеристик описывает одно из свойств объекта или его частей). В свою очередь, значения характеристик зависят от момента времени t и периода At их наблюдения. С учётом этих зависимостей, в работе предложен обобщённый вектор X, описываемый матрицей частных векторов-функций:

Xr¡„(t,At) = [Xr¡n(t),Xr¡n(t + At),xr¡n(t - At),Xnn(At)], где Xrn(t),Xrn(t + At),Xrn(t-At) - векторы характеристик, определённых соответственно в текущий момент времени t, а также для некоторых последующего t + At и предшествующего t-At моментов времени существования объекта, Xrn{At) - вектор характеристик, наблюдаемых или осреднённых на интервале At, индексы г,п определяют состав вектора, зависящий от целей исследований.

С учётом полученных результатов известное из теории контроля определение состояния технического объекта может быть обобщено на сложные объекты как совокупность свойств объекта, характеризующая способность выполнять функции по предназначению в заданных условияхиях, и описываемая в определённый момент времени t или за конечный интервал наблюдения At признаками, установленными для данного объекта или парка однотипных объектов и определёнными по одной или нескольким группам характеристик.

Формальное описание и анализ обобщённого вектора характеристик позволили ввести на первом уровне классификации следующие виды состояний сложных объектов:

текугцее состояние объекта S(t), определяемое в настоящий момент времени t, как правило, по одной группе характеристик;

прогнозируемое состояние объекта Sit + At) в будущем на момент времени t + At применения по назначению;

воспроизведённое состояние объекта S(t - At) в прошлом, в момент времени t-At, предшествующий моменту определения состояния;

обобщённое состояние объекта S(At,r), определённое по результатам его применения за определённый интервал времени Ai, и по тожеству г трупп характеристик;

групповое состояние S(n, At) - состояние группы однотипных объектов, определяемое по совокупности признаков состояний отдельных и объектов группы за время At. Введенные выше состояния по отдельности могут бьггь классифицированы на втором уровне в зависимости от целей исследований объектов определённого типа (принцип 7). Так, установленные доя технического объекта виды состояний: исправное, неисправное, работоспособное, неработоспособное, состояния правильного функционирования и предельное классифицируются как разновидности текущего S(t) состояния (рисунок 5).

прав, функц.. неправ фуикц.

работ. неработ

ислр неиспр

Методы

Способ получети информации о характеристиках объекта Используемые математические модели Способ формирования вектора характеристик Тип характеристик вектора

-аналитические -экспериментальные -моделирование -комбинированные

Ж

-детерминированные (определение состояния) -стохастические (оценивание состояния)

-прямые:

-косвенные

(идентификация,

распознавание,

статистические

решения)_

- параметрические;

-физические

(оптические,

акустические,

магнитные,

радиационные и др)

Рисунок 5 - Концептуальная модель определения состояния СО

Процесс определения состояния объекта, в данном исследовании, заключается в определении вида и числа исследуемых характеристик, получении их значений, формировании признаков и определении принадлежности признаков определённым областям значений. Тогда, на основе принципов 8, 9, 10, определены понятия контроль, диагностирование, прогнозирование, воспроизведение, испытания как виды процессов определения состояния СО и как процессы определения одного из введённых выше видов состояний:

контроль, при котором определяется текущее состояние объекта (системы) в целом по результатам разового эксперимента;

диагностирование, при котором определяется текущее состояние отдельных элементов в составе объекта;

прогнозирование состояния объекта в будущем на основе результатов его контроля в настоящий момент времени;

воспроизведение (генез), как процесс определения состояния объекта в моменты времени, предшествующие моменту измерения его характеристик или же по ранее выполненным измерениям;

испытания, в ходе которых состояние объекта оценивается по информации множества экспериментов, обобщённой по времени, совокупности объектов и их характеристик;

мониторинг - наблюдение и регистрация изменений характеристик объектов конкретного типа на различных этапах их существования.

В соответствии с этими определениями предлагается следующее соответствие состояний первого уровня процессам их определения (рисунок 5);

- результатом контроля и диагностирования является определение текущего состояния S(t) объекта;

- прогнозирование, как процесс, даёт оценку прогнозируемого состояния S(t + At);

- состояние объекта в прошлом S(t — At) определяется путём выполнения генеза;

- в результате испытаний получают оценку обобщённого состояния S(At,r) и парка однотипных объектов S(n, At).

Процесс мониторинга в предлагаемой классификации определён как составная часть процессов испытания, прогнозирования и генеза.

Одним из результатов системного анализа проблемы явился вывод о том, что не все классификации, существующие в этой области, обладают необходимой полнотой, поэтому в работе сформулирован принцип 11, реализация которого позволила разработать классификацию испытаний СО как систему их видов.

1. По целям проведения различают испытания; исследовательские, сравнительные, определительные, инспекционные, типовые, аттестационные, сертификационные, а также испытания на прочность, надёжность, безопасность.

2. По месту в жизненном цикле различают испытания: во время проектирования; после окончания проектирования; во время серийного производства; во время эксплуатации, хранения и ремонта.

5. По среде, в которой проводятся, испытания СО подразделяются на космические, воздушные, наземные, подземные, надводные и подводные.

4. По степени соответствия объекта и условий проведения испытаний реальности: натурный эксперимент; полунатурный эксперимент; моделирование, лабораторные, стендовые и полигонные испытания.

5. По срокам проведения: нормальные, сокращённые и ускоренные.

6. По входным воздействиям на объект испытаний: климатические, механические, термические, электрические, электромагнитные, магнитные, радиационные, химические, биологические.

7. По ведомственной принадлежности организаций, проводящих и участвующих в испытаниях, различают испытания: заводские; межведомственные; государственные.

8. По степени отработки конструкторской документации различают испытания: экспериментальных, опытных, головных и серийных образцов объектов.

9. Во время проектирования объект подвергается следующим видам испытаний: испытания экспериментальных и опытных образцов; стендовые испытания.

10. После окончания проектирования испытания проводятся в два этапа: предварительные и затем государственные.

11. Во время серийного производства технические объекты подвигаются контрольным испытаниям (технологическим).

12. Во время эксплуатации проводятся лидерные и специальные испытания. Все испытания, проводимые на этапе эксплуатации называют эксплуатационными.

13. Техника, прошедшая ремонт на специальных ремонтных предприятиях, подвергается испытаниям с целью определения пригодности к дальнейшей эксплуатации.

Приведенная выше общая классификация испытаний может быть распространена на технические объекты любых типов и уточняться с учётом их специфических особенностей.

В работе проанализированы модели и методы, используемые в процессе определения состояния СО. Предложена классификация используемых методов, приведенная в составе концептуальной модели (рисунок 5).

Предлагаемая система позволяет структурировать теоретические положения по уровням иерархии: первый уровень состояний, второй уровень состояний, уровень процессов; уровень используемых методов.

С целью дальнейшего исследования ограничений па взаимодействия в системе, в работе на основе реализации принципа 12 было предложено описание обобщённой модели процесса определения состояния СО. Модель представлена в виде структуры (рисунок 6), дополненной системой классов типовых задач, решаемых на различных этапах процесса определения состояния и методов их решения (таблица 1).

Рисунок 6 - Структура процесса определения состояния сложных объектов. Таблица 1.__

Этап 1. Планирование эксперимента

Решаемые задачи Используемые методы

♦ Оптимизация числа и номенклатуры исследуемых характеристик.

♦ Определение минимального объема выборки, гарантирующего требуемую точность оценок.

♦ Определение периода наблюдения эргодического процесса.

♦ Задание законов распределения и параметров исследуемых случайных величин.

♦ Достижение требуемой точности измерений.

♦ Разработка методик проведаны экспериментов и обработки результатов.

Метод малых отклонений; многофакгорный (дисперсионный) анализ; моделирование; методы оптимизации;

информационный метод; экспертное оценивание;

точечное и интервальное оценивание; статистическое моделирование; корреляционный метод; метод исследования спектра сигнала; экспертное оценивание; аппаратные, программные, оптимизационные.

Этап 2. Проведение эксперимента

Решаемые задачи Используемые методы

♦ Получение информации. Экспериментальные; моделирование (натурное, полунатурное, математическое, статистическое); аналитические, комбинированные.

Этап 3, Преобразование информации

♦ Приведение информации к требуемому виду. ♦ Выделение полезного сигнала. ♦ Восстановление информации. Модуляция, цифровое кодирование; цифровая и аппаратурная фильтрация; методы интерполяции, прогнозирования, отбраковки сбойных участков.

Этап 4. Проверка и корректировка условий эксперимента

♦ Проверка достоверности результатов измерений. ♦ Проверка и уточнение числа, номенклатуры, законов распределения исследуемых параметров, объёма выборки и эргодичности наблюдаемых процессов. Детерминированные методы (сравнение с априорными данными). Дисперсионный, корреляционный и регрессионный анализ; проверка непараметрических гипотез, точечное и интервальное оценивание.

Этап 5. Оперативная обработка

♦ Получение оценок исследуемых характеристик по одному эксперименту. Аналитические методы.

Этап 6. Накопление информации

Решаемые задачи

♦ Формирование массива данных оперативной обработки по множеству экспериментов для дальнейшего анализа.

Этап 7. Сравнение характеристик

Решаемые задачи Используемые методы

♦ Определение степени соответствия характеристик исследуемого объекта заданным требованиям. Допусковый метод, проверка параметрических гипотез.

Этап 8. Полная обработка

♦ Оценка характеристик исследуемого объекта по множеству экспериментов. ♦ Определение характеристик парка однотипных объектов. ♦ Прогнозирование состояния объекта. Точечное и интервальное оценивание. Статистические методы; аналитическое, вероятностное прогнозирование, статистическая классификация.

Предлагаемая модель является обобщённой для различных процессов определения состояния и конкретизируется в соответствии с решаемой задачей путём использования опорной схемы алгоритма (рисунок 7).

В работе систематизированы типовые ограничения, наиболее часто встречающиеся при решении задач, составляющих общую структуру процесса определения состояния СО на примере авиационных комплексов и систем (рисунок 8). Система является незавершённой и содержит только те ограничения, которые наиболее полно учитываются с помощью предлагаемых в работе методов при решении как типовых, так и комплексных задач определения состояния СО.

_г

Экс пери мент

Алг. диагмос тир.

Сравн х-ик

Техническое задание \\ :

Планирование эксперимента

Сопр объе кты

Алго ритм контр

ОЛЯ

Сравн х-ик

Эксперимент

I

Преобразование информации

Проверка условий эксперимента

Ж.

Преобразование информации

Ji

Проверка условий эксперимента

ц

Накопление информации

Неиспр..

5(0

Полная обработ ка

S(t)

Статист ическая обработк

ои

Эксперимент

1 2 3 4 N

Алго ритм прогн

033

Алгори

тм генеза

Сравн х-ик

S(At,r) +S{n,At) iS(t + At) fS(t-At) Рисунок 7 - Опорная схема алгоритма процесса определения состояния СО

Рисунок 8 - Структура типовых ограничений на модели и методы определения состояния СО и решаемые задачи

Во второй главе предложены новые методы решения типовых задач с учётом условий эксперимента (ограничений), составляющих отдельные этапы обобщённой модели процесса определения состояния СО (рисунок 6, табл. 1).

Рассмотрена типовая задача определения минимального числа экспериментов, обеспечивающих требуемую точность оценок характеристик испытываемого объекта, решаемая на этапе 1 планирования процесса определения состояния СО (табл.1). Применение аналитических методов, ограничивается требованием априорного знания закона и параметров распределения оценки числовой характеристики объекта.

Данное ограничение в практике испытаний СО реализовать невозможно, так как для этого требуется проведение большого числа экспериментов (и—>оо), что

невозможно по совокупности экономических и временных ограничений (рисунок 8, ветвь 1). Поэтому, для того, чтобы сделать систему наблюдаемой, необходимо применить другое преобразование эквивалентное в качестве которого

предлагается метод, основанный на статистическом моделировании. Метод предполагает выполнение следующих операций:

- генерируется массив случайных чисел (генеральная совокупность), распределённых по заданному закону;

- назначается минимальный объём выборки щ и из генеральной совокупности извлекается N выборок данного объёма;

- для каждой из N выборок объёмом щ рассчитываются оценки г = 1, N параметров случайной величины, которые составляют в свою очередь, выборку объёмом N \

- для выборки Х^ определяются средние значения а^, максимальное и минимальное значения оценок параметров;

- задаётся следующий по возрастанию объём выборки «2, для которого предыдущие расчёты повторяются, далее щ и до «гаах;

- по полученным данным строятся графики зависимости параметров от объёма выборки;

- по требуемой точности оценки параметра 5/, заданной с помощью а^, определяется объём представительной выборки; для определения доверительной вероятности Р^, проводится численное интегрирование гистограммы распределения

для конкретного сечения п в заданном доверительном интервале;

Предлагаемая методика реализована программно и использована при обработке результатов измерений случайной величины tj - наработки до отказа технического объекта

определённого типа, распределённой по экспоненциальному закону (закону Эрланга при Ц=0).

В работе =10000 раз был повторен расчет статистических оценок среднего времени наработки до отказа Т0 и разброса времени наработки до отказа 6( по новым объективным безвозвратным выборкам объема п от 5 до 500 (условия эксперимента: Т0 =1 тыс. час, сГ/=1 тыс. час). По полученным данным построены графики (рисунки 9 и 10).

Подобный эксперимент был проведен для случайной величины /у, распределённой по

закону Эрланга при различных значениях Ц, (рисунки 11 и 12). Оценка параметра

- Т2

распределения /I определялась по значениям случайных величин Т0, с?, как: ц = -у -1.

о,

Поскольку случайная величина [I является функцией случайных величин Т0 и 6(, то относительная величина больше, чем и и к нормальному закону распределение

Д сходится гораздо медленнее.

21 35 3 2,5 а 1,5 1

ш о

Рисунок 9 - Изменение параметров Рисунок 10 - Изменение параметров

распределения Т0 распределения о ,

зг

3

2

151

О?

О

-0,5-

■1-

Рисунок 11 - Изменение параметров Рисунок 12- Изменение параметров

распределения (I (при Ц=1) распределения (I (при (1=10)

Из сравнения рисунков следует, что чем больше величина Ц, тем больше .

Результаты экспериментов показали, что далеко не всегда оценка параметров распределена по нормальному закону, поэтому доверительная вероятность Рр может быть определена путём численного интегрирования гистограммы распределения для конкретного сечения п в заданном доверительном интервале /р.

Таким образом, предлагаемый метод может служить инструментом для исследования представительности выборки случайных величин с различными законами распределения и для различных условий задачи, что является отдельным направлением исследований.

Другой важной задачей, решаемой на этапе планирования процесса определения состояния СО, является определение длительности эксперимента, которая в вероятностной постановке трансформируется в задачу определения достаточного периода наблюдения эргодического процесса (табл.1).

Типовое решение: заключается в исследовании сходимости корреляционной функции Кр(у) к нулю при т —> оо, Вместе с тем, К^ (т) 0 вследствие случайности выборки при любом т (кроме точек перехода через ноль (рисунок 8, ветвь 2).

Предлагаемый новый метод предусматривает вычисление нормированной корреляционной функции (х) = ^ (тА1) непосредственно по реализации:

т) п 0 0 1 "~т0 0

%СО=-4^, где К% (х) = К^тЫ) =^57- £ = — £

♦

и ^ (т) по теореме Винера - Хиннина:

» ^ / 2 1

|Фэ(/)со5(2п/г)£/// |Фэ(/у/,где /2^— и /!=-- верхняя и нижняя

/. /л

граничная частота построения энергетического спектра методом дискретного преобразования Фурье.

В сипу центральной предельной теоремы при увеличении периода наблюдения Г

статистические погрешности вычислений будут уменьшаться, а оценки Я (т) и ^ (т),

вычисленные принципиально различными методами, для эргодических процессов будут совпадать, начиная с некоторого периода Т, который можно назвать достаточным.

Так, при малом Т (Г=10с) наблюдается значительное расхождение между оценками

— * т

т) и (рисунок 13). Соответственно, по мере увеличения Т (7=3 Ос) происходит постепенное сближение этих оценок (рисунок 14). Если наблюдаемый процесс неэргодический, то даже при небольших значениях т начинается существенное расхождение

между оценками г^ (т) и Сходимость этих оценок к (т) не произойдет при любом

Т (рисунок 15 для Г=100с).

Рисунок 13 Рисунок 14 Рисунок 15

Таким образом, достаточным будет считаться такой период наблюдения эргодического

_ *

процесса Т, при котором расхождение между оценками т ) и п (т) не будет превышать

некоторой наперед заданной величины, определяемой необходимой точностью вычислений.

Впервые данный метод применен при исследовании статистических свойств случайных процессов полетных параметров, записанных бортовым устройством регистрации (БУР). При любом характере исследуемого процесса метод позволяет различать эргодические и неэргодические случайные процессы и находить представительный период наблюдения Т для эргодического процесса.

Наряду с экспериментальными методами получения информации о состоянии объектов широкое распространение получили методы моделирования, позволяющие существенно снизить ограничения на натурный эксперимент, связанные с требованиями обеспечения его экономичности и безопасности (этап 2, табл.1). В процессе создаши математических моделей сложных технических объектов большое значение имеет задача моделирования звеньев автоматики: апериодического, колебательного/форсирующего и т.д.

В отличие от существующих методов её решения в работе предлагается, применить для решения дифференциальных уравнений, описывающих динамику процессов, метод дискретного интегрирования, основанный на использовании г-преобразований сигналов. В

этих целях передаточная функция аналогового прототипа (АП) W(р) преобразуется в

функцию Я(г-1) цифрового преобразователя (ЦП).

Нелинейность перехода из р-плоскости в z-плоскость обусловила многочисленные попытки его приближенного представления, результатом которых стали разнообразные методы z-преобразования. На основе проведенных исследований из всего разнообразия был выбран и обоснован следующий вид дискретного интегратора, обеспечивающий устойчивость и минимальные искажения частотных характеристик ЦП:

1 l + z~~'

— = кТ-—, где к- коэффициент преобразования (при к<0 интегратор

Р 1-z 1 неустойчив), Т - период дискретизации ЦП.

Рассматриваемое преобразование обеспечивает связь между частотами АП и ЦП: 1 «»„Г

вида: ш„=—tg-3—, где юл - частота собственных колебаний АП; Ю„ - частота кТ 2 '

собственных колебаний ЦФ.

Адекватность преобразований определяется соблюдением равенства <ву = аа и обеспечивается выбором по заданному периоду дискретизации Т преобразуемых сигналов величины коэффициента к. Если круговая частота дискретизации то период

2п

дискретизации ЦП можно представить как Т-—. Отсюда при условии со„ =соа получим

сод

к - amH tg-, где юотн =— - относительная частота дискретизации.

2п ®отн %

Исследования, в ходе которых сравнивались переходные h(t) и весовые функции g(t), полученные обратньм преобразованием Лапласа и вычисленные методом дискретного интегрирования, показали, что для обеспечения требуемого соответствия переходных процессов и частотных характеристика АП и ЦП необходимо выполнить условие: 10<œom„<500.

Также было установлено, что цифровые модели элементарных звеньев, как и аналоговые, можно соединять последовательно, параллельно, охватывать обратной связью, что позволяет создавать модели любой сложности. При нелинейности аналогового прототипа коэффициенты модели вычисляются на каждом шаге моделирования.

Метод дискретного интегрирования по сравнению с аналоговым имеет меньшие ограничения по применению в эксперименте ввиду относительной простоты программной реализации сложных моделей, возможности использования в качестве входных сигналов параметров полета, считанных непосредственно с бортовых устройств регистрации (БУР) и отсутствия накапливающейся ошибки интегрирования (рисунок 8, ветвь 6).

В общем процессе определения состояния систем преобразование информации о характеристиках исследуемого объекта осуществляется с целью приведения её к виду, пригодному для последующей обработки и проведения расчётов (этап 3 табл.1). При этом важной задачей является фильтрация сигналов для отбраковки помех и восстановления полезной информации.

В работе исследовалась возможность применения для решения этой задачи нерекурсивного цифрового фильтра с короткой импульсной характеристикой (КИХ-фильтр), коэффициенты [/;(l),...,A(iV)] которого вычисляются методом обратного преобразования Фурье (N - число точек фильтра).

Анализ амплитудно-частотных характеристик (АЧХ) и переходных функций КИХ-фильтров позволил сделать заключение о приемлемой точности преобразования сигналов, что в совокугаюста с простотой программной реализации, делает выбор КИХ-фильтров предпочтительным по совокупности ограничений на эксперимент при обработке информации о состоянии технических объектов. В частности, с их помощью в данной работе проводилось сглаживание гистограмм и спектра сигнала канала перегрузки.

Кроме того, достоинство КИХ-филыров, состоящее в том, что задержка по времени между входным и выходным сигналами постоянна и не зависит от частоты входного сигнала, позволяет использовать их в эксперименте, проводимом в реальном масштабе времени.

Важной научной задачей, возникающей при обработке информации о состоянии СО, является задача фильтрации шумов. Системный анализ проблемы показал, что при испытаниях авиационных комплексов наиболее сложной и до сих пор нерешённой задачей являлась фильтрация высокочастотных .шумов при частоте опроса датчика, достаточной только лишь для регистрации низкочастотного полезного сигнала. Частота опроса ограничивается техническими характеристиками регистратора, преобразователя и средств обработки информации (рисунок 8, ветвь 7).

В работе предложена математическая модель преобразований, которым подвергается спектр шумов при заниженной частоте опроса. На её основе разработал пошаговый алгоритм, позволяющий по исходной функции спектра («>)=/„ (со) и известной частоте опроса параметра аоп построить график дискретного спектра шумов = /¿)(/^(<»)>юоп), определенный в области 0 < ю^, < ю.

'гр-

=шах| max [/„(Ыоп + гсош)], max [fH(maon -ю>ш)] [,i = 0, .. w, |_£=0,о> m=l,co J

где сои( - шаг построения дискретного спектра, ©^=(0^ /ж, w- число шагов построения дискретного спектра;

С помощью алгоритма построены спектры дискретных шумов для канала регистрации перегрузки (датчик МП-95) систем регистрации полётной информации ТЕСТЕР УЗ серии П и МСРП-64-2. (рисунок 16).

100 т

10

0,1

N

\

0,05 2,05 4,05 6,05 8,05 10,1 12,1 14,1 16 18,1

1 - спектр дискретных шумов МСРП-64 при частоте опроса Роп=8 Гц (Ту-22МЗ,

Ил-76 и др.);

2 - спектр дискретных шумов ТЕСТЕР УЗ при частоте опроса Рол=10 Гц (Су-

24М).

3 - спектр исходного сигнала

Рисунок 16 - Графики спектра аналогового (исходного) и дискретных шумов

На основании полученных результатов сделан вывод о том, что у всех серийных БУР максимум спектра шумов смещен в рабочую область частот датчика и в таких случаях применение фильтров с прямоугольной характеристикой становится невозможным.

Исследования показали, что наибольший положительный эффект даёт применение КИХ-фильтра, основанного на методе скользящего среднего (метод Вальда) для п - го измерения:

у(п) = --[х{п-Мф}+... + х(п-2) + х(п-\) + +х(п) + х(п+\) + х(п+2)+..Лх{п + М<1

2 Мф +1

характеризуемого частотой среза или числом точек фильтра ¡Уф = 2Мф +1 (Мф - число полуточек фильтра).

На рисунке 17 показана амплитудно-частотная характеристика фильтра при Иф=7. Фильтр имеет три локальных

максимума и эффективно подавляет помехи на частотах свыше 0.7Гц.

В качестве критерия выбора оптимального значения Ыф КИХ-фильтра

использовалась достоверность результатов обработки информации без фильтрации нормальной перегрузки (А^=1) и с

фильтрацией (15 контролируемых алгоритмов сИф от 3 до 31).

Было выполнено по 5000 испытаний алгоритмов контроля для трех датчиков, отличающихся предельными отклонениями частоты собственных колебаний. Анализ показал, что для частоты опроса в 10Гц (самолет Су-24М) оптимальным является Иф=1, а

для частоты опроса равной 8Гц (самолеты Ту-22МЗ, Су-27 и др.), оптимальным является Ыф =5. Применение таких фильтров позволяет повысить с 0,5 до 0,9 вероятность правильной

оценки полётных данных.

Следующей типовой задачей, для решения которой потребовалось совершенствование существующих методов, явилась задача проверки предположений о характере распределения параметров исследуемых объектов как случайных величин. В вероятностной постановке задача формулируется как проверка непараметрических гипотез и решается на этапе 4 процесса определения состояния СО (рисунок 6).

На основании системного анализа было установлено (рисунок 8, ветвь 3), что применение для проверки непараметрических гипотез критерия Пирсона ограничивается априорным знанием параметров генеральной совокупности (П —> °о).

В практике испытаний авиационной техники п намного меньше (г^), поэтому получается система (рисунок 2), эмерджентная по отношению к исходной 1|/0. В условиях малых значений п гистограмму приходится сглаживать. Изменение внутренних связей системы при этом приводит к возникновению новой системы ^, эмерджентной по отношению к исходным системам \уо и .

Исходя из этого, возникает задача применения критерия Пирсона в условиях систем 1|/1 и Ц/2- ■

Невозможность применения критерия Пирсона при существующих ограничениях доказывается результатами экспериментов.

\ N

\

V / ч

0,05 0.65 1,05 1,55 2,05 2,55 3,05 3,55 4,05 4,55

Рисунок 17 - Амплитудно-частотная характеристика фильтра

х2-

К.Пирсон показал, что для любой плотности /(х) при неограничешюм возрастании

г г

числа опытов п распределение величины Н = ——— стремится к

П л

распределению с г —к — 1 степенями (« - объем выборки; к - число интервалов гистограммы; р, - относительная частота попадания в / интервал гистограммы; р, -вероятность попадания в /' интервал).

С целыо проверки гипотезы о виде закона распределения, но уже самого критерия Пирсона, обработано 380 выборок измерений полётного параметра с двусторонним экспоненциальным распределением. По полученным данным построена гистограмма распределения критерия Н в 35 интервалах и вычислены параметр к и число степеней свободы х -распределения, эквивалентного полученным статистическим данным, по

- Н „ г формулам: к = -~г- , г = М

2Н

380

где Н = ^ //,■ - среднее по множеству выборок

/=1

значение критерия Пирсона; - значе:ше Критерия Пирсона в г-том эксперименте;

а2 =■

_1_

379

380

ш

~ у

ну - СКО оценки Н; Ш[х\ операция округления х до ближайшего

/=1

целого. Для полученного г =2 построен график эквивалентного % -распределения, также 2

построен график х -распределения, с рекомендуемым по существующей методике числом степеней свободы г =34.

Полученные в результате экспериментов данные приведены на рисунке 18, из которого следует, что статистическое распределение оценки наблюдаемого значения

2

кригерия Пирсона значительно отличается от эквивалентного % распределеш!Я.

Указанное несоответствие может быть объяснено тем, что на практике параметры генеральной совокупности неизвестны и при расчёте р^ они заменяются оценками.

По результатам многочислешгых экспериментов, было показано, что оценка критерия Пирсона минимальна для той гипотезы, которая совпадает с истинным распределением случайной величины и при увеличении объема выборки п —> со вероятность выбора правильного решения при проверке непараметрических гипотез стремится к единице. Поэтому для эффективного решения рассматриваемого в работе класса задач предлагается последовательная проверка возможных гипотез о типовых законах распределения и принятие той гипотезы, для которой критерий Пирсона будет минимальным. Предлагаемый метод дополняется методикой построения и сглаживания гистограммы симметричного закона распределения случайной величины. В основу методики положено удвоение, за счёт симметричности закона распределения, числа точек и

Рисунок 18 - Распределение оценки критерия Пирсона

оптимальное сочетание методов фильтрации гистограммы. Определено оптимальное по критерию минимума вероятности принятия ложной гипотезы число/: = 35интервалов гистограммы (Рл < 0,17, для 1 ООО реализаций).

Разработанный метод использован в практике обработки полетной информации. Применение ЭВМ для проверки гипотез позволяет сократить трудозатраты на обработку статистических данных и полностью автоматизировать процесс принятия решения.

Задача сравнения характеристик (рисунок 6, этап 7) в статистической постановке сводится к проверке различных параметрических гипотез. При достаточно полной теоретической проработке данной проблемы, существуют определённые трудности в практическом применении существующих методов, связанные с неоднозначностью терминологии и обозначений, неоправданно большим числом используемых алгоритмов, необходимостью адаптации методов, ориентированных в основном на ручную обработку данных, к возможностям и особенностям машинной обработки (рисунок 8, ветвь 4).

В рамках решения этой задачи обобщена, уточнена и представлена в наглядной форме обобщённая методика проверки различных параметрических гипотез, сведённая в единую таблицу с учётом ограничений на эксперимент [19]. Достоинствами такой формы представления методики являются: единый алгоритм решения различных задач; возможность использования операторами, не имеющими специальной математической подготовки; компактность содержания справочных данных.

Одной из задач, решаемых с помощью обобщённой методики, является задача корреляционного анализа, которая сводится к проверке параметрических гипотез вида: Но : М[гху] = 0 при : М[гху] 0 на уровне значимости а.

Существующие методики дают различные рекомендации по видам законов распределения критерия и установлению границ между малыми и большими объёмами выборки.

В работе методом статистического моделирования построены и исследованы статистические плотности распределения оценки при различных значениях п и

^(рисунки 18, 19, 20, 21). Исследования показали, что гипотеза о нормальном

распределении оценки гху подтверждается только при и > 15 и г^ =0. При и < 15

статистическая плотность распределения /{гху) имеет закон распределения не

относящийся к типовым.

Разработанные в главе 2 с использованием результатов системного анализа проблемы метода решения типовых задач доведены до уровня практического применения, реализованы программно и показали высокую эффективность при решении комплексных научно-практических задач определения состояния технических и эргатических систем авиационного назначения, приведенных в следующих главах работы.

В третьей главе разработана обобщённая математическая модель действий оператора эргатической системы, на основе которой предложен метод оценки качества управляющих воздействий лётчика на примере пилотирования маневренного самолёта.

В настоящее время известен ряд работ по оценке качества пилотирования самолётов, выполненных сотрудниками Института авиационной и космической медицины, ВВИ академии им. Н.Б. Жуковского. Однако они не были доведены до уровня работающих методик и не обладают достаточной общностью (рисунок 8, ветвь 5).

В самом общем виде действия оператора можно описать некоторым преобразованием А вида У{()пА{Х({)}. При этом, входным сигналом Х{() является информация о состоянии

системы в текущий момент времени (, а выходным ¥(() - воздействия оператора на органы управления. Однако для полного исследования системы такой подход является недостаточным. В действительности сигнал Х(1) всегда искажен некоторыми случайными возмущениями, в результате которых на систему фактически воздействует случайная функция £(г). Соответственно этому оператор вырабатывает в качестве реакции также случайную функцию

Таким образом, с учётом существующих работ в этой области, действия оператора в эргатической системе можно разложить на две составляющие: линейную, описывающую действия оператора, адекватные незашумлённой входной информации о состоянии системы и дополнительную случайную составляющую, определяемую психофизиологическими свойствами оператора и характеристиками совместимости человека и машины {ремнанта).

Рисунок 19- Статистическая плотность распределения при п= 8 и

эквивалентное нормальное распределение и распределениеСтыодентас к = п-2 =6

Рисунок 20 - Статистическая плотность распределения /(г^,) при и =15 и гХу=0,

эквивалентное нормальное распределение и распределение Стыодента с к = п-2=13

-0,71 .3,5 л,25

Рисунок 21 - Статистическая плотность распределения /(Я^) при и =25 и /^=0,

эквивалентное нормальное распределение и распределение Стыодента с к-п — 1 =23

Рисунок 22 - Статистическая плотность распределения /(г^) при я =25 и 0,7,

эквивалентное нормальное распределение и распределениеСтьюдентас к-п-1 =23

Исследования показали, что ремнанту для решения задач оценки качества управления, также необходимо делить на две составляющие, одна из которых характеризует общий характер управления конкретной системой и определяется свойствами, как машины, так и возможностями оператора. Другая составляющая характеризует индивидуальные психофизиологические свойства оператора, например, его уровень натренированности.

Таким образом, управляющие действия оператора в эргатической системе предлагается описывать линейно-стохастической моделью вида:

Кп (0 = К (ОКм тюн ((), где Жи(0- передаточная функция по индивидуальной стохастической составляющей; УУ0М{()- модель, описывающая общий характер управления; №^¡¿„(0 - передаточная функция по линейной составляющей.

Предлагаемая модель соответствует эргатической системе, в которой оператор имеет уровень квалификации, не ниже минимально-необходимого для функционирования системы. В противном случае математическая модель дополняется соотношением:

У(() = Ж0„(1)Х(() + К8 ((¡), где К - коэффициент, характеризующий уровень неподготовленности оператора к управлению; 5 (¿¡) - дискретный белый шум, который, как показали исследования, адекватно описывает действия неподготовленного оператора. Разработанная математическая модель конкретизируется в соответствии с целями исследований и типом системы.

На основе обобщённой модели был разработан метод оценивания качества управления маневреннъш самолётом. Так как полёт самолёта является достаточно сложным и многоэтапным процессом, для исследований был выбран один, но наиболее ответственный этап управления полётом по глиссаде в продольном канале самолёта (рисунок 23). В соответствии с нормативными документами качество пилотирования оценивается по отдельным параметрам в контрольных точках (рисунок 23) и не учитывается между этими точками (рисунок 8, ветвь 5).

Рисунок 23 - Снижение самолета по глиссаде

Расчёты показали, что типовые оценки являются неэффективными. Поэтому в работе в качестве информативного сигнала использовалось движение ручки управления самолётом (РУС) по тангажу (5§), записанного бортовым устройством регистрации. На записи реального полёта очевидно различие в характере перемещения РУС учеником и лётчиком-инструктором (левая и правая часть графика на рисунке 24).

граЬ

фад

2мо то то 2«9й 29« />

Рисунок 24 - Перемещение ручки управления по тангажу летчиком «без класса» и летчиком-инструктором

2460 24Л) 24Й 2490 ¡ 500 ¡310 2520 25» 1,С

1-«рсмнанта» 2- составляющая траекторного управления Рисупок25- Составляющие управления

Так как каждый полёт совершается в различных метеоусловиях и траектории полёта различные, низкочастотный сигнал, описывающий траекторное управление отфильтрован с помощью исследовашшх в работе КИХ-фильтров (рисунок 25).

Для оценивания закона распределения высокочастотной составляющей был использован метод построения и сглаживания гистограммы симметричного закона распределения случайной величины, приведенный в главе 2 работы.

Типичная форма плотности распределения для хорошо подготовленного летчика, полученная при обработке полетной информации показана на рисунок 26.

1 ' '¡^град

Рисунок 26 - Параметры плотности распределения «ремнанты»

(5л, град

Рисунок 27 - Составляющие типовой плотности распределения ремнанты

Исследования реальных полетов (около 500) и полетов на тренажере летчиков

о

различной квалификации показали, что сигнал (ба) в общем случае имеет плотность распределения (рисунок 27), которая в целях исследований может быть представлена в виде суммы двух законов распределения:

/(5 в) = /Ш5 3) + Р2/2(5 э), где;/} (8$) =

I

ал/2к

(5Э)2

,2а2

нормальный закон

распределения с нулевым математическим ожиданием и со средним квадратичным отклонением, равным а;

f(8 л-/шах Г((и + 1)/2) 2 * /„(0) Г(к / 2yjnn

f * \2

0 f____

In

* f m\

-(n +1) / 2

- распределение

/А

Стьюдента; n =2 - число степеней свободы; /щах ~ максимальное значение гистограммы;

/„(0) ~ 0,3535 - табличное значение распределения Стьюдента с и =2 при 5S =0;/| и Р2 -вероятности отклонения ремнанты по закону /; и /2, соответственно, ^ + = 1.

Исходя из того, что белый шум на выходе модели даёт нормальный закон распределения, можно сделать заключение о том, что подготовленному лётчику соответствует закон распределения Стьюдента, а неподготовленному - нормальный.

Полученные результаты позволили вывести следующую модель действий лётчика в продольном канале управления, записанной в форме, соответствующей общей модели действий оператора:

п

где: К\ = Wu (f) характеризует уровень подготовки конкретного лётчика; К2 - коэффициент усиления, характеризующий уровень неподготовленности летчика к пилотированию; 6 ((¡) -дискретный белый шум, дающий нормальную составляющую ремнанты; lx*(t.)

1 / Л " l> - WUM(t) - определяет общий характер управления маневренным самолётом,

V п

2

и =2 - число степеней свободы распределения % ;

линейная составляющая описывается форсирующим звеном с запаздыванием

W Ы =_{Т*»Р + 1)_

ГлУ + 2!;л7> + 1

где Тфл - постоянная времени опережения, вводимая летчиком; Тл - постоянная времени запаздывания летчика; т л - время запаздывания летчика.

Для конкретного лётчика уровень подготовки определяется соотношением и К2 ■ У лётчика способного летать самостоятельно у неподготовленного пшюта

К] « Kj. Тогда для оценки управляющих действий подготовленного лётчика модель может быть упрощена за счёт ЛГ2 —> 0 и классифицирована как линейно-стохастическая модель.

Результаты моделирования подтвердили адекватность разработанной модели реальным действиям лётчика при управлении маневренным самолётом и, тем самым, применимость обобщённой модели для описания действий оператора эргатической системы.

Модель также была исследована на устойчивость. В результате исследований было установлено, что увеличение коэффициента Кj в пределах устойчивости системы приводит к снижению ошибок выдерживания заданных параметров, при этом увеличиваются пределы и уменьшается максимум гистограммы распределения выходного сигнала (рисунок 28).

28

/ш

АШ

20СЭ 2007. Т.КМР(5вртокЙчои«р34,л<ипп 4) - ЬК

1ва7.:ООБ-Т-БМР(в«ргд|ойнви«*34,

а) без класса (БК) б) 1 класс

1 - плотность распределения «ремнанты» 2- распределение Стьюдента су =2 Рисунок 28 - Плотности распределения «ремнанты» для летчиков различной классной квалификации

Поэтому в работе из всех параметров, характеризующих плотность распределения выходного сигнала, по критерию максимума корреляционной связи с была выбрана для оценки качества пилотирования длина интервала АЬр, на котором плотность распределения принимает значения не менее уровня 2т\п = 0,02 град"1 (рисунок 29).

Для практического использования выбранного критерия был построен график его зависимости от уровней классной квалификации, который статистически выражается линией регрессии 17 - /(АЬр) (рисунок 30).

град

Рисунок 29 - Параметры плотности распределения «ремнанты»

V, 6т 100

ся

¿кксс

— - - -1 - - -

--- ✓г —г - ... --- Яви«

1

—* * / р~ 1 1 _1. "Г !

'Р' град

Рисунок30-Лиширегрессии II = /(А£„)

Предложенный метод был положен в основу автоматизированной системы оценки качества пилотирования, разработанной в пятой главе диссертации.

В четвёртой главе усовершенствован метод самодиагностирования распределённых вычислительных систем (ВС) с использованием структур взаимоконтроля.

В результате анализа процесса определения состояния СО была установлена одна из основных системных проблем, которая состоит в том, что получение достоверного заключения о состоянии объекта возможно только лишь при исправном состоянии используемых средств определения состояния (рисунок 8, ветвь 8).

Для авиационных комплексов и систем соблюдение этого условия крайне затруднительно, тем более когда речь идет о бортовых системах контроля, которые в

такой же степени подвержены воздействию дестабилизирующих факторов, как и сам ■ летательный аппарат.

Основной тенденцией развития авиационных систем является их объединение в интегрированный комплекс бортового оборудования, центральной частью которого является распределенная вычислительная система. В такой ВС возможна реализация метода самодиагностирования с использованием структур взаимоконтроля, дающего достоверный диагноз даже при наличии в структурах отказавших модулей. Метод основан на получении диагноза по совокупности взаимных проверок, проводимых рабочими модулями ВС. Развитию этого метода посвящены работы таких учёных, как: Ведешенков В.A., Preparata F.P., Metze G., Chien R.J. и др.

Проведенный в работе системный анализ метода показал, что все разработанные до настоящего времени диагностические модели имеют существешше ограничения на применение, основным из которых является предположение о константности отказов в диагностируемой системе (рисунок 7, ветвь 8). При этом было установлено, что большинство неконстантных отказов может быть сведено в множество A = {ai,a2, ... ,а6}, где <7j - сбои в функционировании модулей; а2 - изменение технического состояния ВС во время цикла диагностирования; - отказ большего, чем t - числа модулей; а4 -перемежающиеся отказы; я5 - неполнота тестов диагностирования; - неисправность каналов связи. Оценка вероятности этих событий показала, что диагностирование отказовых ситуаций, не в полной мере или вообще неучтенных в принятой модели, приводит к получению недостоверных результатов диагностирования. В настоящее время в некоторых работах предложены способы учёта отдельных событий из А, однако их практическое применение требует априорного знания тапа отказовой ситуации. Поэтому в работе решается задача разработки унивфсального и, как следствие, эффективного метода диагностирования как константных, так и неконстантных и гибридных отказовых ситуаций.

В основу метода положена диагностическая модель, разработанная с учётом существующих исследований в . данной области. Модель системы S, состоящей из п модулей, включает в себя систему оценивания результатов г^ элементарных проверок hy

модулями V,- модулей Vj (табл.2), и полносвязный диагностический граф (ДГ) G = G(V,E), где множество вершин V - множество модулей V,- системы, i = 1, п, V,- е V, а множество дуг Е - множество связей (v,, Vy), v;,Vy е V, j = 1, п, по которым передаются проверки от модуля V,- к модулю Vj. Такой граф, обозначенный символом Dn, для системы S с п = 6 представлен на рисунке 31.

Таблица 2

Рисунок 31 - Диагностический граф дляп=6

Модуль

исправен неисправе н

Vi исправен 0 1

неисправен X(0V1) 1

Совокупность тестов /г,у образует множество J, а совокупность элементарных проверок Гу - множество R, R = | > которое называется синдромом. Результат

элементарной проверки обозначается «О», если тест «прошел» и «1» - в противном случае.

Подмножество неисправных модулей Убудет также соответствовать Zp. - отказовой ситуации, под которой понимается к-е техническое состояние системы S, содержащей q неисправных модулей, составляющих Vд..

Диагностический граф в разработанной модели дополняется таблицей потенциачьных синдромов Rxi(Z). составленных для каждой возможной константной Z/( с учётом структуры графа и представляющих определенную последовательность символов х нулей и единиц. Введение таблицы Rjj(Z) позволило исследовать различимость синдромов (число несовпадающих символов) и сформулировать следующие утверждения. Утверждение 1. Различимость синдромов отказовых ситуаций I и т системы S с ДГ

регулярной структуры убывает с ростом мощности отказовой ситуации | при 1(G) =const. 1(G) число входящих и исходящих дуг для любой вершины, 1(G) = t' <z(G), где t' -выбранная для реальной ВС мера i-диагностируемости (максимальное число отказавших модулей в СВК, при котором возможно получение достоверного диагноза).

Утверждение 2. Синдром отказовой ситуации Zj мощностью | v[ = к для системы S с оптимальным ДГ регулярной структуры будет менее всего отличаться от синдрома ситуации Zm мощностью ^V™ =к~ 1 при условии

На основе приведенных утверждений была доказана следующая теорема.

, Теорема. Для оптимальной t~ диагностируемой без восстановления системы S с fiGM-структурой ДГ наименьшей различимостью будут обладать синдромы отказовых ситуаций

1) Zj и Zm есш! = /, = / -1, hZ, = {$,■ (mod«);

zl ={9,^+1„..,9,+i_2}(mod«), i—\,n.

2) Z, и Zm если = = и Z, = {3f)0w,...}(modи)

В качестве следствия из доказанной теоремы вытекает;

Утверждение 3. Для системы Sen модулями, регулярной структурой ДГ и произвольных Z, ¡Кд. | < / различимость pj т синдромов возрастает с ростом значения I(G).

Из утверждения 3 следует, что наибольшую различимость обеспечивает регулярная структура ДГ, в которой l(G)=x(G) = t и для любого eV, |r_1(S,)|=t(G).

На основании изложенного можно сделать следующие основные выводы:

для фиксированного значения |Ft[, р/ т возрастает с увеличением /(G); а для фиксированного /(G) снижается с ростом различимость р/т наибольшая для регулярных струюур ДГ и не зависит от способа обхода его вершин.

Для увеличения различимости синдромов Ä(Z/) и R(Zm), для которых

= t, V™\ = t-\ необходимо также ввести дополнительно t проверок. В этом случае

ДГ будет полньш, общее число проверок составит п(п -1), а min р/ т = 2 (рисунок 27.)

Вместе с тем, увеличение числа проверок ведет к возрастанию затрат времени и технических ресурсов на диагностирование. Для решения этой проблемы была разработана модель графа переменной структуры, зависящая от мощности отказовой ситуации на момент диагностирования, и способ её реализации, позволяющий повысить оперативность получения диагноза и эффективность использования вычислительных ресурсов.

Реальная отказовая ситуация может создать в соответствующем R(Z) различное число Гу~ 1 (единичных исходов), однако верхнюю и нижнюю границы множества Щ

к

можно определить как:|Я[|шш =\Vk\- 1(G), Ii?!)™* =\Vk\- 1(G) + = 2\Vk|• 1(G), где 4

i=1

- единичные исходы проверок при v; е Fj и Vj е Vq и при 1(G) = const.

На основании изложенного, предлагается в качестве диагностической модели использовать граф переменной структуры, позволяющий проводить поэтапное диагностирование, при. котором на каждом последующем этапе добавляется по одной проверке на каждый модуль (рисунок 32).

5 I этап.

П этап.

Рисунок 32 - Графы проверок

Шэтап

IV этап.

Предлагаемый метод диагностирования по минимачъному числу проверок реализуется следующим алгоритмом:

Шаг 1. Проводится по одной проверке каждого модуля.

Шаг 2. Подсчитывается число единичных проверок |Т?[|.

Шаг 3. Проверяется выполнение условия |Д])<Т(А^), где Т(К) = ./V2 - N и N-номер этапа проверок. Если условие выполняется, то алгоритм диагностирования переходит на шаг 4, в противном случае выполняется шаг 5.

Шаг 4. Добавляется по одной проверке на каждый модуль и осуществляется переход к следующему этапу диагностирования на шаг 2.

Шаг 5. Проводится идентификация отказовой ситуации и завершение работы алгоритма диагностирования.

Введение в диагностическую модель таблицы потенциальных синдромов позволило разработать метод идентификации отказовой ситуации, в основу которого положен алгоритм поочередного сравнения реального R(Z) со всеми строками таблицы ^п(^) п0 правилам, приведенным в таблице 3. Так, 2, доя которой в результатах сравнения синдромов не будет содержаться символа 0, соответствует реальной отказовой ситуации.

Таблица 3

ryeRn(Z)

0 1 X

0 0 0 0

i 0 1 1

Следующим этапом разработки диагностической модели явилось формирование обобщенного диагностического признака отказовых ситуаций различного типа. Для этого в работе проведен анализ воздействия различных событий а; е А, / = 1,6 на синдром R(Z), а также рассмотрены предлагаемые в некоторых источниках способы диагностирования при наличии в отказовой ситуации какого-либо одного из этих событий.

Проведештые исследования показали, что в результате невыполнения допущений на модель могут быть получены три вида синдромов:

-тупиковый синдром Rj- (Zk ), который не совпадает ни с одним из таблицы потенциальных синдромов Rn(Z), прогнозируемых для константных отказов при данной структуре ДГ;

-синдром частичного диагноза Rq(Z), в результате дешифрирования которого получается неполный диагноз;

-синдром неправильного диагноза Кц (Z), соответствующий ошибочному диагнозу. Оценка относительной вероятности появления каждого из этих синдромов показала, что с увеличением /(G) вероятность получения тупикового сицдрома P[Rj{Z)\ растет, а синдромов с частичным и неправильным диапазоном уменьшается; вероятность получения Rj(Z) на порядок выше вероятности образования Ri\{Z) и ^(Z), и с ростом мощности

отказовой ситуации этот разрыв ещё более увеличивается:

P[RT(Z)) » P[R4(.Z)] >

Исследования показали, что различимость синдромов минимальна для мощности отказовой ситуации >т(<5), следовательно, для выбранной модели Р[ЯЧ(2)] и Р[К^(2)] имеют свое наибольшее значение при = Но, так как образование

отказовой ситуации большей мощности менее вероятно, чем 2 меньшей мощности, можно с достаточной степенью достоверности принять в качестве единственного диагностического признака неконстантных отказовых ситуаций наличие тупикового синдрома ^{2).

В работе была предложена общая организация процесса диагностирования, реализующая разработанную модель, основанная на принципе проверки корректности синдрома (рисунок 34). Синдром , правильно и однозначно представляющий

реальную отказовую ситуацию, и являющийся альтернативой тупиковому К^(2) синдрому, назван корректным.

Вся структура разделена на зоны, в которых объединены операции, предназначенные для идентификации различных а,- е А: I - события (их влияние учтено при

формировании диагностической модели); П' + П" - константные отказы; III +- II" -события а^и а2', IV + II" - событие д5; V + II" - событие а4.

После каждого восстановления системы Я проводится контрольный цикл диагностирования, целью которого является подтверждение правильности и полноты диагноза, на основе которого проводилось восстановление. Если же этот диагноз был частичным или неправильным, процедура диагностирования повторяется, при этом вероятность повторного получения Лц (2) и Лц (2) существенно снижается за счёт малой вероятности повторного совпадения результатов г^ = х(0 V1) е \'к и е У0.

Задача повышения достоверности диагноза события а3 - превышение допустимого числа отказавших модулей - решается за счет применения полносвязного ДГ, для которого число проверок доведено до |7| = п(п -1). Исключение влияния события а6 на результаты диагностирования системы 5" достигается путем возложения на модуль е V задачи контроля исправности соответствующих этому модулю связей. В случае неисправности линии связи модуль переходит к использованию резервной линии.

Разработанный алгоритм идентификации отказовой ситуации и проверки корректности синдрома предполагает запись Л{2) в память в виде двоичных слов, объединяющих результаты всех проверок каждого модуля, и состоит:

Шаг 1. Определяется наличие результатов г^ = О в каждом слове. Если слово не содержит ни одного г— = 0, модуль, соответствующий этому слову объявляется

неисправным и проводится анализ следующего слова и так до последнего.

Шаг 2. Из синдрома исключаются результаты всех проверок, выполняемых неисправными и над неисправными модулями. Если синдром корректный, то все оставшиеся Ц]— 0, если же хотя бы один из оставшихся синдром тупиковый и на его

формирование оказали влияние собышя из множества^. Если синдром корректный, то:

Шаг 3. На основе результатов шага 1 формируется диагноз.

Лзаздо.

тупиковый

Рисунок 34 - Обобщенная структура организации диагностирования отказовых ситуаций различного типа

В силу своего определения, события Я] и а2 носят единичный характер, поэтому они вносят изменения только в тот синдром, который формировался в промежуток времени, включающий момент возникновения а\ и а2 ■ Поэтому после получения тупикового синдрома для исключения влияния события <3| и £32 проводится повторный цикл диагностирования.

События <34 и ¿75 носят более длительный характер, поэтому повторный синдром может быть также тупиковым. В этом случае проблема может быть решена путем сравнения первичного и повторного синдрома Яп(2). Если первичный и повторный синдромы совпадают, то можно сделать заключение о проявлении события д5, и тогда применяется алгоритм:

Шаг 1. Из Я(2) выбираются все г^ = 1 и определяется их принадлежность

проверяющим модулям 9,-.

Шаг 2. Выбранные модули определяются как неисправные и по этим данным формируется диагноз.

Если первичный и повторный синдромы тупиковые, но отличаются друг от друга, то можно сделать заключение о том, что отказовая ситуация содержит событие <34 -перемежающийся отказ и:

Шаг 1. Образуется обновленный синдром Я0 (2) путем логического сложения

1(2).

Шаг 2. К Я0(/-,) применяется алгоритм идентификации отказовой ситуации и проверки корректности синдрома. Если корректный, то шаг 3; в противном случае - шаг 4.

Шаг 3. Формирование диагноза и конец.

Шаг 4. Повтор цикла проверок, формирование повторного синдрома.

Шаг 5. Идентификация отказовой ситуации и проверка корректности повторного синдрома. Если синдром корректный - то шаг 3, в противном случае - шаг 1.

После каждого восстановления системы Б проводится контрольный цикл диагностирования, целью которого является подтверждение правильности и полноты диагноза, на основе которого проводилось восстановление.

Предложенная организация позволяет получить правильный диагноз при наличии в ¥к как константных отказов, так и любого а,- е А или их комбинации. При этом основным отличием разработанной организации от предлагавшихся ранее частных методик является то, что она не требует априорного знания типа отказовой ситуации сложившейся в системе.

В пятой главе показано практическое применение разработанных методов и проведена оценка их эффективности.

В частности, была решена научно-практическая задача оценки прочности крыла, имеющая существенное значение для обеспечения безопасности полёта.

Существующие в настоящее время визуальные методы обнаружения дефектов во время эксплуатации, а также метод оценки реакции крыла на тестовое детерминированное воздействие являются неэффективными, по причине несоответствия реальным условиям эксперимента (рисунок 8, ветвь 7).

В работе предлагается метод, основанный на использовании в качестве информативного признака частоты собственных изгибных колебаний крыла по первому тону под воздействием случайного сигнала (турбулентной атмосферы).

Частота колебаний связана с жесткостью крыла соотношением вида:

Е1 = , где к = тдд /12.46 - коэффициент пропорциональности.

Метод предполагает измерение с помощью акселерометров, установленных на консолях крыла, сигналов нормальной перегрузки, их регистрацию с помощью штатных БУР, построение дискретного спектра и его фильтрацию с помощью методов, изложенных в главе 2.

\

О

1, 3 -акселерометры на конце левой и правой консоли крыла; 2 - штатный акселерометр, расположенный в центре масс самолета;

Рисунок 35 - Расположение акселерометров и спектр сигнала.

Максимум спектра соответствует фактической частоте колебаний, второй экстремум соответствует собственной частоте датчика. В качестве критериев оценки жесткости крыла выбраны соотношения вида:

1. ПИ5Л > и Ои1п > С1; где Пи1л - частота первого тона левой консоли крыла; Пи]п - частота первого тона правой консоли крыла; С| - минимально допустимая по изгибной жесткости частота первого тона крыла для данного типа самолета.

л - < > гДе 0> -предельно допустимое значение несимметричности первого тона изгибных колебаний крыла для данного типа самолета.

Применение предлагаемой методики позволит перейти на эксплуатацию планера летательного аппарата до предотказового состояния и повысить безопасность полетов.

Разработана методика проектирования авиационных тренажёров на основе моделирования динамических звеньев с помощью г-преобразований, исследованных в главе 2. Данная разработка потребовалась для решения задачи оценки качества пилотирования с целью получения данных о характере действий неподготовленного оператора.

Применение существующих методик построения авиационных тренажеров, основанных на методах численного интегрирования, ограничено накапливающейся ошибкой интегрирования (г^). (рис 7. ветвь 6) При этом эти погрешности становятся

соизмеримы с оценками точности выдерживания полетных параметров.

Разработанная методика, основанная на методе дискретного интегрирования, не имеет указанных ограничений и может быть представлена на примере моделирования колебательного звена:

Кю1

Х{р) р1-+%Фар+®~

-1

„ 1 + г 1 -к А0 + 4г Х + ' Подстановкой — = кТ-т- получена Я (г ) =-;-:

р 1 — 2 Въ+Вхг1+В1г4

-2 2

где А0=А2= Ка2к2Т2; А1 = 2Кф2к2Т2 = 2Ад; В0= 1 + 2^цкТ + а>2к2Т2;

2 2 2 222 = 2(о>г/к Т -1);32=1-2ссог(кТ + &цк Т ; Т - период дискретизации модели,

и преобразована к виду

„ , * _7 , 1 + Б)г Ч^г 2

где А0 = А2= — ~ 50

Ка2к2Т2

Вп \ + 2%(йцкТ+<о2к2Т2

4=

2 Ка2к2Т2

Вп

1 + ЦаЛТ + а2к2Т2

1 " ' ~ 2 и-г^г+ю^г2

Яп

1 + 7^&икТ + &2к2Тг

В дискретном виде решение уравнения определено выражением У(г) = ,

где [У(г)] = [>',■] и [^(г)] = [хг] последовательность дискретных значений

выходного и входного сигналов с периодом дискретизации Т\ г = 1,оо С учётом (1) получено разностное уравнение, реализуемое в ЭВМ

У, = Ахг + А\х1-\ + А2х1-2 ~В1У:~1 ~В2У\-2■ Разработанный в главе 3 метод оценивания качества пилотирования был доведен до уровня практической методики, с помощью которой проведена обработка 906 реальных полётов маневренных самолётов, пилотируемых лётчиками различной квалификации. Представленные на рисунках 36 и 37 результаты свидетельствуют об эффективности разработанного метода и могут использоваться для оптимального планирования индивидуальной лётной подготовки (номера графиков на рисунках соответствуют конкретным лётчикам).

Разработаны рекомендации по применению структур взаимоконтроля для организации отказоустойчивости комплекса оборудования- «АРИА-200» самолёта БЕ-200. В работе обоснована эффективность разработанных алгоритмов по двум критериям: вероятность возникновения неконстантных и гибридных отказовых ситуаций, диагностирование которых возможно только с использованием разработанных алгоритмов и величина полученного сокращения временных затрат в процентах.

ВК 3«. 21«.

1. гл. к СИ"

Рисунок 36 - Плотность распределения рисунок37 _ распределение критерия

критерия Мр для снайперов и д^ для лехчиков без классной летчиков! класса

квалификации

Расчёты показали, что при числе модулей в структуре равном 7, указанная вероятность превышает вероятность константных отказовых ситуаций почти в 10 раз, а временные затраты сокращаются на 78%.

Заключение и основные результаты диссертации

В диссертации разработаны положения обобщённой теории определения состояния сложных объектов и используемые в этом процессе методы, которые доведены до уровня практических методик. В диссертационной работе получены следующие результаты, которые в совокупности могут быть представлены как обособленный раздел теории и практики управления состоянием технических систем.

1. В соответствии с теоретическими положениями системного анализа разработаны методологические основы определения состояния сложных объектов, состоящие:

- в предложенной концепции комплексного исследования моделей и методов решения задач контроля, диагностирования, испытаний, прогнозирования и генеза для формирования положений обобщённой теории определения состояния СО;

- в идее смыслового определения понятий: сложный объект, состояние, виды и процессы определения состояния, через основные и частные свойства СО - способности выполнять функции в соответствии с предназначением в заданных условиях и с различной степенью эффективности;

- в развитии методологического подхода к решению проблемы повышения эффективности процессов определения состояния СО, основанного на исследовании и уточнении комплекса ограничений (условий) на эксперимент.

2. На основе системного подхода сформирована структура системы определения состояния СО с ограничениями и разработана обобщённая модель процесса, определённая как совокупность этапов, задач и методов их решения, объединённых общей структурой. Сформулированы принципы структурного синтеза теоретических положений исследуемой проблемы. Разработана концептуальная модель определения состояния СО, являющаяся основой для совершенствовашы системы диагностических, эксплуатационных и др. терминов и понятий

3. По результатам анализа направлений совершенствования системы определения состояния СО разработана схема ограничений на решение типовых и комплексных задач определения состояния. Схема использована для реализации предложенного методологического подхода применительно к техническим и эргатическим системам авиационного назначения.

4. Разработаны и усовершенствованы методы решения типовых задач, составляющих общую структуру процесса определения состояния СО, а именно:

- предложен способ исследования представительности выборки на основе метода статистического моделирования, применимый для различных условий задачи, числовых характеристик и их законов распределения:

-разработан метод различения эргодических и неэргодических случайных процессов, позволяющий также определять минимальный период наблюдения одной реализации, достаточный для получения по ней характеристик исследуемого эргодического процесса;

-разработан более эффективный с точки зрения затрат на программирование метод моделирования звеньев автоматических систем, на основе которого предложена методика проектирования авиационных тренажёров;

-предложен метод повышения качества информации первичных источников за счёт фильтрации высокочастотных шумов, искажаемых низкочастотным каналом регистрации, основанный на использовании КИХ - фильтров, реализующих метод Вальда;

-разработана методика сглаживания гистограмм и проверки непараметрических гипотез в условиях ограниченного объёма выборки, повышающая вероятность принятая истинной гипотезы;

-дополнены положения корреляционного анализа относительно вида законов распределения критериев проверки основной гипотезы и определены границы объемов выборки, в пределах которого они используются;

-разработана обобщенная методика проверки параметрических гипотез, адаптированная к решению прикладных задач.

5. Предложена универсальная математическая модель действий оператора и обосновано её применение в задачах оценки эффективности функционирования эргатических систем различного типа. Модель отнесена к новому классу моделей линейно-стохастического типа и конкретизирована для описания управляющих воздействий лётчика. На её основе разработан метод оценки качества пилотирования маневренного самолета, доведенный до уровня практической методики использующей штатные средства регистрации и обработки параметров полёта. Действенность метода подтверждается результатами моделирования, а также обработки данных 906 полётов самолетов СУ-25 и СУ-24МР.

6. Предложенные в работе модели и методы определения состояния распределённых вычислительных систем на основе использования структур взаимоконтроля позволяют существенно повысить эффективность диагностирования за счёт создания возможности идентификации как константных, так и неконстантных и гибридных отказовых ситуаций. Доказана теорема и сформулированы утверждения, которые использованы для построения диагностического графа. Разработан метод самодиагностирования по минимально необходимому для реальной огаазовой ситуации числу проверок. Разработаны алгоритмы идентификации неконстантных и гибридных отказовых ситуаций на основе обоснованного единого диагностического признака. Предложена обобщённая структура процесса диагностирования отказовых ситуаций различного типа. Разработаны рекомендации по использованию метода для обеспечения отказоустойчивости интегрированного комплекса бортового оборудования самолёта БЕ-200.

7. В работе предложен метод оценки прочностных свойств крыла самолёта на основе измерения частоты его собственных колебаний под воздействием турбулентной атмосферы и даны рекомендации по его реализации в практике эксплуатации самолётов. Применение метода даёт существенный экономический эффект, так как позволяет перейти к эксплуатации самолёта по состоянию, и повысить безопасность полётов.

8. Разработан новый метод проектирования динамических тренажёров, используемых для оценки качества управляющих действий оператора.

9. Адекватность разработанных моделей реальным системам и процессам продемонстрирована на примере авиационных систем. Вместе с тем предлагаемые методы являются универсальными и могут быть применены для определения состояния объектов различного типа и назначения. Методы доведены до уровня алгоритмов и методик и реализованы в виде программных продуктов.

Список публикаций по теме диссертации

В изданиях, рекомендованных ВАК РФ

1 Тихий И.И., Кашковский В.В., Шишкин Ю.Н. Идентификация параметров динамической модели летчика по данным бортового устройства регистрации // Вестник Томского ГУ. - 2005, № 14 (П).- С. 297-301.

2 Кашковский В.В., Тихий И.И., Разумов В.В. Оценка характеристик надежности невосстанавливаемых изделий при эксплуатации по ресурсу // Известия Иркутской ГЭА. -2007, Вып. 1(51),- С. 28-30.

3 Тихий И.И., Кашковский В.В., Полуэктов С.П. Оценка качества управления сложными техническими объектами // Вестник Иркутского ГТУ.- 2008, Вып. 2 (34).-С. 37-41.

4 Тихий И.И., Кашковский В.В., Полуэктов С.П. Оценка качества пилотирования в режиме полета по глиссаде // Научный вестник Моск. ГТУ ГА. - 2008, № 138 (1).- С. 191-197.

5 Кашковский В.В., Тихий И.И. Исследование потока отказов восстанавливаемых объектов // Вестник машиностроения. - 2008, № 12. - С. 74-77.

6 Тихий И.И., Кашковский В.В. Самодиагностирование комплекса оборудования с использованием структур взаимоконтроля по минимально необходимому числу проверок // Контроль. Диагностика. - 2009, №2(128).- С. 62-68.

7 Тихий И.И. Методология оценки состояния технических объектов на основе статистической обработки информации //Современные технологии. Системный анализ. Моделирование. - 2009, Вып. 1(21). - С. 34-40.

8 Тихий И.И., Кашковский В.В., Полуэктов С.П. Оценка изменения жесткости крыла в процессе эксплуатации // Научный вестник Новосибирского ГТУ. - 2009, №2(35).-С. 129-139.

9 Тихий И.И., Кашковский В.В. Применение 2-преобразований для разработки авиационных тренажеров // Авиакосмическое приборостроение. - 2009, № 7 -. С.50-53.

10 Тихий И.И., Кашковский В.В. Организация диагностирования отказовых ситуаций различного типа в распределённых вычислительных системах // Контроль. Диагностика. -2009, №10(136).-С 53-57.

11 Тихий И.И., Кашковский В.В. О диагностировании в вычислительных системах отказовых ситуаций различного типа // Приборы и системы. Управление, контроль, диагностика. - 2009, № 11. - С. 35-42.

12 Тихий И.И., Кашковский В.В., Полуэктов С.П. Моделирование действий оператора для решения задач оценки качества управления в эргатических системах. //Современные технологии. Системный анализ. Моделирование. - 2009, Вып. 4(24). - С. 210214.

13 Кашковский В.В., Тихий И.И. Назначение ресурса невосстанавливаемым техническим объектам // Вестник машиностроения. - 2010, № 2. - С.73-78.

14 Кашковский В.В., Тихий Й.И., Полуэктов С.П. Методика прогнозирования прочностных свойств крыла самолета // Известия высших учебных заведений. Авиационная техника. - 2009, № 4. - С.15-17.

15 Кашковский В.В. Тихий И.И. Оценка параметров плотности распределения наработки до отказа // Научный вестник Московского ГТУ ГА - 2009, № 148. - С. 84-91.

16 Тихий И.И. Методологическая модель процесса определения состояния сложных объектов. //Современные технологии. Системный анализ. Моделирование. - 2010, Вып. 2(26). -С. 239-245.

17 Тихий И.И., Кашковский В.В. Обоснование выбора параметров диагностической модели вычислительной системы // Контроль. Диагностика. - 2010, №10(148). - С 54-61.

18 Тихий И.И. Обобщённый диагностический признак различных отказовых ситуаций в структурах взаимоконтроля. // Контроль. Диагностика. - 2011, №1(151). - С 33-39

В монографиях и учебных пособиях

19 Методы автоматизированной обработки информации быстроменяющихся процессов./ Ю.И. Волынский, И.И. Тихий [и др.]. Руководство по испытаниям авиационной техники. Часть 7 Раздел 3. Выпуск 8. - Ахтубинск: в/ч 15650,1882. - 96 е.:

20 Тихий, И.И. Кашковский В.В., Полуэкгов С.П. Оценка качества пилотирования самолёта/ Деп. в ЦСИФ МО РФ 11.04.08 М.: ЦВНИ МО РФ 2008. Серия А. Вып.№2(99)-59 с.

21 Тихий И.И., Маковский АЛ. Контроль и диагностирование технических систем. Учеб. пособие. - Иркутск: ИВВАИУ, 1996. -108 с.

22 Тихий И.И., Кашковский В.В. Статистические методы обработки результатов испытаний авиационного оборудования. Учеб. пособие. - Иркутск: ИВАИИ, 2004.222 с.

23 Тихий, И.И. Теоретические основы эксплуатации авиационного оборудования: .(Допущено ГК ВВС в качестве учебного пособия для курсантов инженерных вузов ВВС). Иркутск: ИВВАИУ, 2006. - 320 с.

24 Тихий И.И., Кашковский В.В. Испытания и эксплуатация авиационной техники: (Допущено МО РФ в качестве учебного пособия для курсантов (слушателей) высших военных учебных заведений ВВС). Иркутск: ИВВАИУ, 2009. - 308 с.

В других журналах и изданиях

25 Тихий И.И., Протопопов В.А. Диагностирование распределенных бортовых вычислительных систем с индивидуальными связями // Оборудование летательных аппаратов. Сб. нучн. тр. - К: КВВАИУ, 1987. - Выпуск! - С. 94-96.

26 Тихий И.И., Протопопов В.А. Модели выявления отказов, учитывающие неполноту проверяющих тестов // Оборудование летательных аппаратов Сб. нучн. тр. - К.: КВВАИУ. 1987. - Выпуск 2. - С. 67-68.

27 Тихий И.И. Диагностирование бортовых вычислительных систем при неоднозначных отказовых ситуациях // Оборудование летательных аппаратов. Сб. нучн. тр. К: КВВАИУ. 1987. - Выпуск 2. - С. 65-66.

28 Тихий И.И., Протопопов В.А. Диагностирование распределенных бортовых вычислительных систем неполными тестами // «Теоретические и практические проблемы эксплуатации и восстановления боевой авиационной техники» Сб. нучн. тр. - Люберцы, в/ч

75360.1987. - Выпуск 5685. - С.22-24.

29 Тихий И.И. Общий подход к диагностированию бортовых вычислительных систем при неоднозначных отказовых ситуациях. // «Теоретические и практические проблемы эксплуатации и восстановления боевой авиационной техники» Сб. нучн. тр. - Люберцы, в/ч

75360.1988. - Выпуск. № 5689. - С. 72-75.

30 Тихий И.И., Павлюченко В.В. Анализ некоторых моделей оценивания результатов диагностирования // Научные труды ИВВАИИ Сб. нучн. тр. - Иркутск. 2001. - Выпуск 11. С. 189-194.

31 Тихий И.И., Кашковский В.В., Исследование показателей качества управления в эргатических системах // Информационные системы контроля и управления в промышленности и транспорте: Сб.науч. тр. - Иркутск: ИрГУПС, 2009. - Вьт. №16.- С.123-132.

В трудах научно-технических конференций

32 Тихий И.И. Лифанов О.Г. Системы оценивания при самодиагностировании вычислительных систем: сб. материалов XXYI1 военно-научной конференции / Киевское ВВАИУ. - 1986. - Часть Ш. - С. 233-238.

33 Тихий И.И. Усечённый алгоритм самодиагностирования цифровых вычислительных систем (тезисы доклада): сборник материалов У1 Всесоюзного совещания по технической диагностике / ИПУ, РИСИ. - 1987. -С 18-21.

34 Тихий И.И. Протопопов В.А. Диагностирование бортовых вычислительных систем неполными тестами: Теоретические и практические проблемы эксплуатации и восстановления боевой авиационной техники: сборник материалов X НТК / в/ч 75360. - 1987. - Выпуск № 6686. - С. 43-45.

35 Тихий И.И. Алгоритм идентификации отказовых ситуаций различного вида с проверкой корректности синдрома: сб. материал. У1 НТК / Иркут. ВВАИУ. -1989. - С. 61-64.

36 Тихий И.И. Различимость синдромов как критерий качества диагностирования вычислительных систем: Проблемы обеспечения безопасности полетов авиации МО СССР: сб. материалов научно-метод. семинара / ВВИА им.Н.Е.Жуковского. - 1990. - С. 121 -123.

37 Кашковский В.В. Тихий И.И. Методика оценки достоверности представления полетных данных цифровыми устройствами регистрации; сб. материалов УП НТК / Иркутское ВВАИУ. -1991. - С. 42-44.

38 Тихий И.И. Об одном подходе к решению проблемы обеспечения надежности интегрированных комплексов бортового оборудования: сб. материалов VIII НТК / Иркутское ВВАИУ.- 1993.-С. 78-80.

39 Тихий И.И. Оптимизация структур взаимоконтроля микропроцессорных вычислительных систем: сб. материалов IX НТК У Иркутское ВВАИУ. -1995. - С. 91 -92.

40 Тихий И.И., Павлюченко В.В. Один из подходов к обеспечению надежного функционирования интегрированных комплексов бортового оборудования: сб. материалов межвуз. НТК / Иркутский ВАИИ. - 1997. - С. 143-144.

41 Тихий И.И., Павлюченко В.В. К вопросу обеспечения живучести интегрированных комплексов бортового оборудования J1A: сб. статей XX НТК / в/ч 75360. - 1998. - С.69-72.

42 Тихий И.И., Павлюченко В.В. Управление процессом самодиагностирования с использованием структур взаимоконтроля: сб. сг. межвуз. НТК / Ирк. ГТУ. -1999. - С.74-77.

43 Тихий И.И., Разумов В.В. Один из подходов к определению параметров состояния системы управления инженерно-авиационным обеспечением боевой подготовки авиационной части: сб. материалов ХП Всероссийской НТК /Иркутский ВАИИ. - 2002. -Вып. 2.-С. 157- 159.

44 Тихий И.И., Разумов В.В. Автоматизированная система оценки возможности системы управления по выполнению поставленных задач: сб. материалов ХШ Всероссийской НТК / Иркутский ВАИИ. - 2003. - 4.1. - С. 217 - 219.

45 Тихий И. И., Кашковский В.В., Шишкин Ю.Н. Идентификация параметров динамической модели летчика по данным. БУР: новые информационные технологии и исследования сложных структур-1САМ'04.: сб. материалов V Всероссийской конференции с международным участием / ИСЭМ СО РАН. - 2005. - С. 187 -191.

46 Кашковский В.В., Тихий И.И. Разумов В.В. Применение метода статистического моделирования для решения задач оптимизации в процессе эксплуатации авиационной техники: информационные, математические технологии в научных исследованиях: труды XI меадународной конференции/ИСЭМ СО РАН.-2006.-Ч. 1.-С. 102-109.

47 Тихий, И.И. Некоторые аспекты цифровой фильтрации сигналов: Голография: фундаментальные исследования, инновационные проекты и нанотехнологаи: сб. материалов XXVI международной конференции./ Иркутское ВВАИУ. - 2007. - Ч 2. - С. 171 -178.

48 Кашковский, В.В. Тихий И.И.Некоторые аспекты применения критерия Пирсона в практике статистической обработки информации: сб. материалов XV Всероссийской НТК / Иркутское ВВАИУ. - 2008. -ЧI. - С. 184-190.

Подписано в печать 22.03.2011 г. Формат 60 х 90 1/16 Бумага офсетная. Печать трафаретная.

Гарнитура Times. Усл. печ. л. 2,5 Уч.-изд. л. 2,33 Тираж 120 экз. Зак. 345 н

ФГУГП «Урангеологоразведка» Юр. адрес: 115148, г. Москва, ул. Б. Ордынка, дом 49, стр.3. ИНН 7706042118 БФ«Сос1твгеодогия»«Глажовскаятипография». Адрес: 664039, г. Иркутск, ул. Гоголя, 53; тел.: 38-78-40, тел./факс: 598-498.

71 12-5/141

МИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНТСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

государственное образовательное учреждение высшего профессионального образования ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ

МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ОПРЕДЕЛЕНИЯ СОСТОЯНИЯ СЛОЖНЫХ ОБЪЕКТОВ И ИХ ПРИМЕНЕНИЕ В АВИАЦИОННОЙ

ТЕХНИКЕ

Специальность: 05.13.01 - Системный анализ, управление и обработка

информации (промышленность)

На правах рукописи

Тихий Иван Иванович

Диссертация на соискание ученой степени доктора технических наук

МрКЛИЙ»»^ - -------.

(решение от <<Ц»1!.ЛоО__/. ШЛЩ

Президиум ВАК Минсбрнауки России /,

решил выдать диплом ДОКТОРА

Иркутск - 2011

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ..............................................................................................................7

1 Системный анализ и структурный синтез методологических

основ проблемы определения состояния сложных объектов................15

1.1 Обоснование принципов системного подхода к анализу проблемы....................................................................................................15

1.2 Разработка модели процесса определения состояния сложного объекта.......................................................................................................27

1.3 Исследование систем определения состояния сложных объектов.....................................................................................................43

1.4 Разработка концептуальной модели предметной области...................54

1.5 Анализ направлений совершенствования системы определения

со стояния сложных объектов.................................................................67

2 Методы решения типовыз задач, составляющих общую структуру

процесса определения состояния сложных объектов.............................78

2.1 Метод определения минимального числа экспериментов, обеспечивающего требуемую точность оценок....................................78

2.2 Метод определения представительного периода наблюдения реализации процесса.................................................................................86

2.3 Метод моделирования динамических звеньев на основе дискретного интегрирования...................................................................92

2.4 Применение методов цифровой фильтрации для обработки статистических данных............................................................................96

2.5 Метод фильтрации шумов первичных источников информации........99

2.6 Применение метода статистического моделирования для проверки непараметрических гипотез..................................................108

2.7 Обобщенная методика проверки параметрических гипотез..............114

2.8 Особенности корреляционного анализа экспериментальных данных......................................................................................................120

3 Определение состояния эргатической системы в задачах оценки

эффективности управления......................................................................125

3.1 Обобщённая модель действий оператора в эргатической системе ... 125

3.2 Постановка задачи оценки эффективности управления эргатической системой на примере системы «самолет- летчик»......128

3.2.1 Актуальность проблемы и анализ направлений её решения.... 128

3.2.2 Обоснование выбора информативного признака для оценки действий оператора..........................................................135

3.3 Разработка математической модели системы оценивания качества пилотирования.........................................................................138

3.3.1 Математическая модель системы «самолет-летчик»................138

3.3.2 Методика выделения информационной составляющей сигнала управления.......................................................................142

3.3.3 Идентификация закона и параметров распределения «ремнанты» по полётным данным. Метод сглаживания гистограмм.....................................................................................149

3.3.4 Математическая модель действий летчика в продольном канале управления маневренным самолётом.............................156

3.4 Обоснование метода оценки индивидуальной составляющей модели действий летчика.......................................................................162

3.5 Разработка статистического критерия оценки качества пилотирования.........................................................................................167

4 Определение состояния вычислительных систем.................................175

4.1 Системный анализ метода само диагностирования с использованием структур взаимоконтроля и его применение для определения состояния вычислительных систем................................175

4.1.1 Общее описание метода и формулировка целей исследований.................................................................................175

4.1.2 Анализ существующих моделей выявления отказов и критерии их выбора......................................................................177

4.1.3 Исследование характеристик диагностируемости выбранных моделей выявления отказов.....................................181

4.1.4 Анализ допущений на применение диагностических моделей...........................................................................................185

4.2 Разработка математической модели диагностирования распределённых вычислительных систем............................................197

4.2.1 Разработка общей структуры диагностической модели...........197

3

4.2.2 Обоснование параметров диагностической модели вычислительной системы.............................................................201

4.2.3 Модель переменной структуры на основе критерия минимума временных затрат на диагностирование..................211

4.2.4 Метод решения задачи составления оптимального расписания проверок.....................................................................215

4.3 Организация диагностирования вычислительных систем при возникновении в них константных, неконстантных и гибридных отказовых ситуаций................................................................................221

4.3.1 Обобщённый диагностический признак наличия в структурах взаимоконтроля отказовых ситуаций различного типа.............................................................................222

4.3.2 Общая организация процесса диагностирования вычислительных систем...............................................................228

4.3.3 Алгоритмы идентификации гибридных отказовых ситуаций.........................................................................................233

5 Применение и оценка эффективности разработанных методов

определения состояния технических систем.........................................242

5.1 Оценка прочностных свойств крыла самолета в процессе эксплуатации...........................................................................................242

5.2 Применение 2-преобразований для разработки авиационных тренажёров...............................................................................................250

5.3 Оценка качества управления маневренным самолётом......................254

5.3.1 Методики обработки полетной информации.............................254

5.3.2 Структура автоматизированной системы оценивания качества пилотирования...............................................................260

5.3.3 Оценка эффективности предлагаемых решений........................263

5.4 Оценка эффективности разработанных алгоритмов самодиагностирования вычислительных систем с использованием структур взаимоконтроля..........................................268

5.5 Применение структур взаимоконтроля для диагностирования комплекса бортового оборудования самолёта «БЕ-200»....................275

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ.........................................286

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ

ЭВМ - электронно-вычислительная машина

ГОСТ — Государственный стандарт

АТ - авиационная техника

ЛА - летательный аппарат

ТТЗ - тактико-техническое задание

ИИС - информационно-измерительная система

БАСК - бортовая автоматизированная система контроля

БУР - бортовое устройство регистрации

СОК - средства объективного контроля

ВВС - Военно-воздушные силы

НУО ПИ - наземное устройство обработки полетной информации

КБП - курс боевой подготовки

ВС - вычислительная система

СВК - структуры взаимоконтроля

ИКБО - интегрированные комплексы бортового оборудования

СБИС - сверхбольшие интегральные схемы

БЦВМ - бортовая цифровая вычислительная машина

БВС - бортовая вычислительная система

СКО - среднее квадратическое отклонение

ДПФ. - дискретное преобразование Фурье

БПФ - быстрое преобразование Фурье

ЦФ - цифровой фильтр

АП - аналоговый прототип

БИХ - бесконечная импульсная характеристика

КИХ - конечная импульсная характеристика

АЧХ - амплитудно-частотные характеристики

ФНЧ - фильтр низкой частоты

ФВЧ - фильтр высокой частоты

АЦП - аналого-цифровой преобразователь

ВПП - взлетно-посадочная полоса

ДПРМ - дальнии приводнои радиомаяк

БПРМ - ближний приводной радиомаяк

РУС - ручка управления самолётом

БК - без классной квалификации

МНК - метод наименьших квадратов

САУ — система автоматического управления

ИМ - исполнительская модель

ПФ - передаточная функция

ДГ - диагностический граф

МП - микропроцессор

БИС - большие интегральные схемы

ДМ - диагностическая модель

ПЭВМ - персональная электронно-вычислительная машина

РТС - радиотехнические средства:

МТО - модуль технического обслуживания

СО - сложный объект

АСП - авиационные средства поражения

ВВЕДЕНИЕ

Актуальность проблемы. На современном этапе развития технической цивилизации создано и используется огромное количество объектов, систем и комплексов различной физической природы, типа и назначения, которые объединены в класс сложных объектов. В работе рассматриваются сложные объекты, включающие технические, эргатические системы, комплексы и объекты, объединённые общим свойством - способностью выполнять функции в соответствии со своим предназначением в заданных условиях, и характеризующиеся сложностью методов определения их состояния. Этот подкласс, не нарушая общности, будем неформально определять в настоящем исследовании как сложные объекты (СО).

Полнота и качество выполнения объектом целевых функций определяется состоянием, в котором он находится, а само состояние характеризуется степенью соответствия параметров объекта определённым областям их значений. Приведение технического объекта в состояние, при котором он способен выполнять свои функции по предназначению с требуемой эффективностью и в необходимом объёме, обеспечивается рядом конструктивных, производственных и эксплуатационных мер, которые в совокупности составляют процесс управления состоянием объекта (системы).

Принятие решения и реализация мероприятий по эффективному управлению состоянием объекта возможно только на основе своевременной, полной и достоверной оценки этого состояния. Следовательно, научная проблема эффективного определения состояния СО является весьма актуальной и требует решения на всех стадиях их жизненного цикла, включая проектирование, производство, эксплуатацию, хранение и ремонт.

Особую важность исследуемая проблема приобретает для энергетических, промышленных, транспортных и др. систем, функционирующих в экстремальных условиях и для которых ошибки управления могут привести к техногенным катастрофам (взрыв на Чернобыльской АЭС, разрушение Саяно-Шушенской ГЭС, многочисленные аварии на транспорте и т.д.). К таким сложным объектам относятся системы и комплексы авиационной промышленности и транспорта, процессы определения состояния которых являются в данной работе объектами исследования.

Научная проблема эффективного определения состояния СО является комплексной и многоплановой. В настоящее время отдельные её части получили широкое развитие и сформировались в виде научных дисциплин, таких как: теория контроля, техническая диагностика, основы испытаний и эксплуатации, прогнозирование и др.. В этой области известны своими работами отечественные и зарубежные учёные: А.Е. Акиндеев, JI.H. Александровская, В.Г. Воробьёв, В.А. Ведешенков, В.А. Горшков, А.Г. Ивахненко, Ю.И. Зайцев, В.Д. Кудрицкий, В.Д. Константинов, C.B. Крауз, Е.И. Кринецкий, A.A. Лапин, А.Д. Миронов, Г.Ш. Меерович, A.B. Мозгалевский, Ю.Ф. Мухопад, П.П. Пархоменко, В.А. Протопопов, Е.А. Румянцев, Е.С. Согомонян, И.М. Синдеев, В.Н. Чернуха, П.И. Чинаев, Авиженис А., Биргер И,A., Preparata F.P., Metze G., Chien RJ. и др.

Несмотря на большую научную и практическую значимость проблемы, до настоящего времени не проведены её исследование с позиций системного подхода, хотя такая потребность существует объективно и вызвана необходимостью создания единой и прочной теоретической базы для совершенствования практических методов определения состояния сложных объектов.

Потребность в развитии таких методов, в свою очередь, диктуется созданием и совершенствованием объектов различного типа, имеющих важное народно-хозяйственное значение, развитие которых происходит по пути использования новых механизмов, систем, агрегатов, новой элементной базы, новых конструктивных и технологических достижений, и обеспечивается возросшими возможностями вычислительной техники. Совершенствование и расширение возможностей современных авиационных комплексов и систем, как разновидности сложных объектов сопровождается неизбежным их усложнением, что также приводит к повышению требований к качеству управления состоянием комплексов и, следовательно, к эффективности процесса определения их состояния. Цель диссертационноЗ работы состоит в разработке теоретических положений и методологических подходов к решению междисциплинарной проблемы повышения эффективности определения состояния сложных объектов и их применение для совершенствования методов определения состояния комплексов авиационного назначения.

Для достижения цели необходимо решить ряд основных задач: 1. Провести анализ системы и процессов определения состояния СО, определить направления их совершенствования.

2. Разработать концептуальную модель определения состояния СО..

3. Усовершенствовать методы решения типовых задач, составляющих общую структуру процесса определения состояния СО.

4. С использованием полученных результатов решить комплексные задачи определения состояния технических и эргатических систем авиационного применения.

5. Оценить эффективность предлагаемых моделей и методов и разработать рекомендации по их практическому применению.

Предметом исследования являются методологические средства, включающие теоретические положения, модели и методы определения состояния СО.

Методы исследований. В диссертационной работе использованы методы системного анализа, теории вероятностей, математической статистики, теории надёжности и технической диагностики, теории автоматического управления, теории графов, статистического моделирования, теории симметрии, методы цифровой фильтрации, аэродинамики и теоретической механики.

Научную новизну работы составляют и выносятся на защиту следующие положения:

1. Впервые разработаны принципы структурного синтеза концептуальной модели, система видов состояний СО, процессов и методов их определения, обобщённая модель процесса определения состояния СО.

2. Разработана совокупность новых методов решения типовых задач, составляющих процесс определения состояния СО, которая включает:

- метод исследования представительности выборки на основе статистического моделирования, применимый для различных условий задачи, числовых характеристик и их законов распределения;

-метод определения достаточного периода наблюдения реализации процесса, позволяющий различать эргодические и неэргодические случайные процессы;

-методы проверки непараметрических и параметрических гипотез в условиях ограниченного объёма выборки, включающие дополнение отдельных положений корреляционного анализа относительно вида законов распределения критериев и границ объемов выборки, в пределах которого они используются.

3. Предложена обобщённая математическая модель, описывающая управляющие действия оператора с разным уровнем подготовки в эргатических сис-

9

темах различного типа; на её основе разработана математическая модель действий летчика в продольном канале маневренного самолета, относящаяся к новому классу линейно- стохастических моделей. Разработан новый метод оценки качества управления маневренным самолетом.

4. Разработана математическая модель определения состояния распределённых вычислительных систем с использованием структур взаимоконтроля, которая впервые позволила диагностировать константные, неконстантные и гибридные отказовые ситуации; Предложены методы диагностирования по минимально-необходимому числу проверок и составления оптимального расписания проверок. Разработаны алгоритмы организации процесса диагностирования и идентификации отказовых ситуаций различного типа.

5. Предложен новый метод оценки прочностных свойств крыла самолёта в процессе эксплуатации, основанный на мониторинге изменения спектра его колебаний под воздействием случайных возмущений.

6. Разработан новый метод проектирования динамических тренажёров, используемых для оценки качества управляющих действий оператора.

Достоверность полученных результатов обусловлена корректным применением апробированного математического аппарата; использованием физически обоснованных принципов и способов обработки экспериментальных данных; соответствием результатов имитационного моделирования данным обработки с помощью разработанных методик информации о 409 полетах самолетов СУ-25 и 497 полетах самолётов СУ-24 МР.

Научная значимость работы состоит: в разрабо