автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Повышение эффективности распределенных информационно-измерительных систем гибких автоматизированных производств

На правах рукописи

Васильев Андрей Михайлович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО - ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ

Специальность 05 11 16 - Информационно-измерительные и управляющие системы (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

003445083

Москва - 2008

003445083

Работа выполнена в Московском государственном университете приборостроения и информатики (МГУПИ)

Научный руководитель доктор технических наук, профессор

Слепцов В В

Официальные оппоненты доктор технических наук, профессор

Данилин Н С

кандидат технических наук, доцент Кнауэр И Б

Ведущая организация ОАО «Центральный научно-исследовательский

технологический институт»

Защита диссертации состоится « 24 » июня 2008 г в 12 часов на заседании диссертационного Совета Д 212 119 01 в Московском государственном университете приборостроения и информатики по адресу 107996, г Москва, ул Стромынка, д 20

С диссертацией можно ознакомиться в библиотеке Московского Государственного Университета приборостроения и информатики

Автореферат разослан «20» мая 2008 г

Ученый секретарь диссертационного Совета Д 212 119 01 дт н , профессор

В В Филинов

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБО ГЫ

1 1 Актуальность темы

Современные распределенные информационно-измерительные системы (РИИС) нашли широкое применение в различных областях науки, техники и промышленности В современном производстве, особенно в такой области как гибкое автоматизированное производство (ГАП), РИИС играют ведущую роль в связи с усложнением алгоритмов технологических процессов, а также тенденцией распределения вычислительных средств между подсистемами РИИС

От РИИС ГАП во многом зависит эффективность работы всей гибкой производственной системы Рассредоточение вычислительной мощности по различным уровням и блокам РИИС ГАП позволяет уменьшить потоки информации, сократить общее время обработки, повысить надежность систем, обеспечить гибкость построения структур и программ обработки информационных потоков

Однако, в целом, задача построения струюуры РИИС ГАП в целом недостаточно проработана Существующие методики анализа и синтеза структур РИИС ГАП и алгоритмов обмена информацией либо требуют больших вычислительных мощностей, либо не позволяют найти наилучший вариант

Кроме того, отличительной особенностью современной ситуации в области РИИС ГАП является трудность построения структур таких систем из-за сложных взаимосвязей структурных элементов, размещаемых на обширной территории, стремительный рост объема измеряемых и передаваемых данных от гигабитов сегодня к террабитал завтра

Необходима систематизация и обобщение структур и алгоритмов работы современных РИИС ГАД а также разработка и представление материала, являющегося базой для повышения эффективности РИИС ГАП

В этих условиях первостепенное значение приобретает совершенствование и дальнейшее развитие методов и алгоритмов повышения эффеютвности РИИС и широкое их практическое внедрение на основе использования современных средств вычислительной техники и программного обеспечения

Проведенный анализ показал, что в настоящее время однозначного решения по использованию той или иной методологии для построения РИИС не существует Промышленность предлагает не только сотии видов различного оборудования от множества производителей, но и ряд принципиально отличающихся подходов к решению создания РИИС ГАП

Такое направление развития РИИС ГАП выявляет тенденцию усложнения их структуры Эта тенденция ведет к необходимости решения задач коммутации, так как качество решения данных задач напрямую влияет на производительность и эффективность использования РИИС в целом

В общем, решение проблемы повышения эффективности РИИС ГАП зависит от многих факторов структуры РИИС, интенсивности изменения данных, времени задержек в узлах коммутации, пропускной способности каналов и т п

При этом требования к качеству получаемых данных постоянно растут Это приводит увеличению объемов обрабатываемых данных, к усложнению алгоритмов обработки, и, как следствие, к росту вычислительных затрат, необходимости очень высокой скорости обработки данных Рост производительности оборудования решает эту проблему, как показывает практика, лишь отчасти В то же время, данные, приведенные в многочисленных источниках показывают, что менее 10 % сообщений, полученных от объектов измерений несут полезную информацию

Кроме того, анализ данных, полученных от некоторых сложных объектов измерений показывает, что для определения результатов измерений с погрешностью, не превышающей 2%, достаточно иметь 1/70 - 1/20 часть общего объема полученных сообщений Столь существенная избыточность увеличивает информационную производительность РИИС и влияет на пропускную способность канала связи, что приводит к увеличению времени обработки из.\еряемых данных.

В связи с этим, разработка новых более эффективных методов и алгоритмов построения структур, обеспечивающих сокращение времени передачи и обработки данных в РИИС ГАП является актуальной задачей

1 2. Цель работы - повышение производительности гибких автоматизированных производств за счет оптимизации передачи и обработки данных в распределенных информационно-измерительных системах гибких автоматизированных производств

Достижение поставленной цели предполагает решение следующих основных задач

• разработку метода оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств,

• исследование методов управления информационными потоками в распределенных информационно-измерительных систем гибких автоматизированных производств,

• разработку алгоритма оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств,

• разработку алгоритмов сжатия данных при их обработке в распределенных информационно-измерительных систем гибких автоматизированных производств

• реализацию и экспериментальную проверку разработашых алюритмов

1 3 Методы исследовант

Для достижения поставленной цели в качестве аппарата исследований использованы теория систем, топология, теория матриц теория графов, теория информации и передачи сигналов, теория массового обслуживания, теория вероятностей, прикладная комбинаторика, теория множеств

1 4 Научная новизна работы

Научная новизна работы заключается в следующем

• предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств на основе математического метода парных замещений, позволяющий определять оптимальную структуру распределенных информационно-измерительных систем гибких автоматизированных производств исходя из критерия минимизации времени обмена информацией между подсистемами распределенных информационно-измерительных систем

• разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, минимизирующий среднее время ожидания при передаче данных,

• разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования,

• разработан алгоритм сжатия на основе функций Крестенсона, требующий значительно меньшее количество вычислитечьных операций по сравнению с известными,

• разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией

1.5 Практическая ценность работы заключается в тш. что

Предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измеритетьных систем гибких автоматизированных производств», что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования

1 6 Реализация и внедрение результатов работы

Полученные в работе метод оптимизации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких

автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных роботогехиических комплексов КСП-3, что подтверждено соответствующим актом внедрения

1.7 Апробация работы

Основные положения диссертационной работы докладывались на 7 всероссийских и международных научно-технических конференциях

1 8 Публикации

По теме диссертации опубликовано 10 печатных работ в виде статей в журналах, трудах международных и российских конференций и сборнике научных трудов МГУПИ, из них I работа в издании, рекомендованном ВАК РФ для опубликования научных положений диссертационных работ В работах опубликованных в соавторстве, автору принадлежат научные и практические результаты, заявленные в диссертации

1 9. Структура и объем диссертации

Диссертационная работа изложена на 160 страницах машинописного текста, состоит из введения, четырех пав, заключения, списка литературы из 152 наименований и приложения, а также вюпочает рисунки и таблицы в количестве 40 шт

1.10 Основные положения, выносимые на защиту

• метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств,

• метод и алгоритм оптимизации алгоритма коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств с адаптивной коммутацией,

« алгоритм сжатия данных с использованием модифицированного дискретного косинусного преобразования,

• алгоритм сжатия с использованием функций Крестенсона,

• алгоритм сжатия с использованием мультивейвлетных функций

2 СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, формулируются цель и основные направления научного исследования, отмечаются новизна и практическая значимость полученных результатов.

Первая глава посвящена систематизации и обобщению структур и алгоритмов работы современных распределенных информационно-измерительных системах гибких автоматизированных производств (РИИС ГАП)

Дается описание основных принципов построения РИИС ГАП Рассмотрены основные свойства и характерные особенности РИИС ГАП

Показано, что существует несколько основных характеристик производительности РИИС ГАП, таких как - время реакции, скорость передачи данных, задержка передачи

Время реакции РИИС ГАП является интегральной характеристикой производительности РИИС ГАП с точки зрения пользователя.

По пропускной способности РИИС ГАП можно судить о скорости выполнения внутренних операции РИИС ГАП - передаче данных между различными узлами РИИС через различные коммуникационные устройства

Установлено, что из-за последовательного характера передачи данных различными элементами РИИС ГАП общая пропускная способность РИИС ГАП любого составного пути

в РИИС ГАП будет равна минимальной из пропускных способностей составляющих элементов маршрута, поэтому для повышения пропускной способности составного пути необходимо в первую очередь обратить вниманиг на самые медленные элементы

Определено, что часто полезно оперировать общей пропускной способностью РИИС ГАП, которая определяется как максимальное количество информации, переданной между всеми узлами РИИС ГАП в единицу времени Этот показатель характеризует качество РИИС ГАП в целом, не дифференцируя его по отдельным элементам или устройствам.

Установлено, что большинство РИИС ГАП строится по следующей обобщенной схеме (рис1)

Рис 1 Обобщенная структура современной РИИС ГАП

Показано, что РИИС ГАП является совокупностью функционально объединенных измерительных, вычислительных и других вспомогательных технических средств для получения измерительной информации от объектов, расположенных на расстояниях, иногда значительных, ее преобразования, обработки, либо осуществ ления логических функций контроля, диагностики, идентификации.

Установлено, что решение задачи управления информационными потоками в РИИС ГАП -маршрутизация, так как качество решения данной задачи напрямую влияет на производительность и эффективность использования РИИС ГАП в целом

Маршрутизация представляет собой выбор наиболее рационального пути передачи данных Решение проблемы выбора маршрута основывается на критериях надежности и времени передачи данных, которые зависят от многих факторов

• пропускной способности каналов,

• времени задержек в узлах маршрутизации,

• интенсивности потока данных,

• структуры РИИС и т п

Таким образом, сложность проблемы маршрутизации заключается в ее многофакторности

Учет множества факторов, влияющих на выбор маршрута, позволяет рассматривать эту проблему как динамическую оптимизацию распределения ресурсов РИИС ГАП.

Определено, что наиболее удобной формой представления маршрута является граф

Показано, что при коммутации каналов прокладка маршрута через РИИС ГАП осуществляется только в момент начала процесса взаимодействия соответствующих подсистем Р ИИС ГАП Для этой цели подсистема - инициатор процесса передает через РИИС ГАП вызов Он проходит через узлы коммутации, каждый из которых вносит свою лепту в маршрутизацию В результате создается последовательность каналов, соединяющих две взаимодействующие в течение процесса подсистемы

Установлено, что в РИИС ГАП возможно использование следующих методов маршрутизации'

• селективная маршрутизация, характеризуемая тем, что блоки данных посылаются сразу по нескольким направ тениям, исходя из того, что они достигнут адресата,

• фиксированная маршрутизация, предусматривающая составление таблиц маршрутов, указывающих наиболее эффективные пути предполагаемого информационного потока РИИС ГАП Здесь маршрут выбирается заранее и не зависит от состояния РИИС ГАИ,

• адаптивная маршрутизация, которая отличается от фиксированной тем, что таблицы маршрутов обновляются в зависишсти от колебаний трафика,

• вероятностная маршрутизация, предполагающая случайный выбор пути передачи блоков данных, при этом считается, что они обязательно достигнут адресата

Показано, что коммутация данных осуществляется на основе маршрутизации Узел коммутации является основным компонентом РИИС ГАП с маршрутизацией данных

В зависимости от возлагаемых на него задач выделяются несколько типов узлов

• узлы коммутации каналов, применяющиеся в тех РИИС ГАП, в которых при передаче данных осуществляется монопольное использование каналов,

• узлы коммутации блоков данных, обеспечивающие коллективное использование каналов, при этом через любой канал по мере поступления блоков данных последние передаются в любом порядке независимо от адресов их отправления и назначения,

• узлы смешанной коммутации, обеспечивающие в РИИС ГАП как коммутацию каналов, так и коммутацию блоков данных,

• узлы интегратьной коммутации, осуществляюцце аппаратную коммутацию быстрых пакетов

Установлено, что для обеспечения работоспособности РИИС ГАП в подавляющем большинстве случаев необходимо сокращение объема передаваемых данных то есть их сжатие Показано^ что процедура сжатия данных, обычно, разделяется на три этапа

• сегментирование,

• декорреляция,

• энтропийное кодирование

На этапе сегментирования поток данных разделяется на блоки отсчетов Длина блока может быть фиксирований или адаптивно меняться в процессе работы Каждый бток данных обрабатывается независимо Сегментирование позволяет упростить обработку данных и улучшить производительность алгоритма сжатия Методы декорреляции разделяются на две основные группы

• полиномиальная аппроксимация,

• линейные преобразования, использующие свойство перераспределения энергии в коэффициентах и снижающие дисперсию входных данных

Основная задача этапа декорреляции заключается в преобразовании данных для более эффективного их сжатия на этапе энтропийного кодирования, которое завершает процедуру сжатия данных На этом этапе снижается избыточность представления данных в блоке

Показано, что для кодирования данных можно использовать различные дискретные преобразования Наиболее перспективными из которых являются дискретное косинусное преобразование (ДКП), дискретное преобразование Крестенсона (ДПК), дискретное преобразование с использованием вейвлетных функций (ДВП)

Во второй главе рассмотрена оптимизация структур РИИС ГАП и алгоритмов формирования и передачи информационных потоков

Оптимизацию структур РИИС ГАП предлагается проводить с использованием метода парных замещений, который представляет собой точный метод решения оптимизационных задач на графах, использующий поиск в глубину с возвращением В основе метода лежит фундаментальный принцип парных замещений Под парой замещения, в зависимости от характера задачи, понимается либо пара ребер, либо пара вершин, то есть два каких-либо однородных элемента графа, один элемент является удаляемым, а другой добавляемым Элементарная операция замещения заключается в замгне первого элемента вторым

Конкретным вариантом интерпретации терминологии математического метода парных замещений применительно решению задачи разработки структуры РИИС ГАП предлагается следующий

Прибор - элемент РИИС, требование - время обмена информацией между элементами РИИС, пакет требований - набор времен обмена информацией между элементами РИИС, маршрут обслуживания отдельных требований - конкретная структура РИИС Г АП, план ■У* - график обмена информацией Снижение ^трудоемкости алгоритма достигается путем

декомпозиции задачи Укрупненная блок-схема алгоритма решения задачи показана на рис 2 ____^

Рис 2 Алгоритм решения задачи

Р - план - план обслуживания пакета требований ¡е! с N РИИС ГАП с заданными длительностями (,¿,>0 всех операций, М - множество элементов РИИС ГАП

Выявление структуры оптималь® плана имеет существенное значение для формирования самого оптимального плана В общем случае выявление структуры будет сводится к определению числа ветвей и длины каждой ветви корневого дерева минимального веса Конкуренция за приоритет между Р - планами возникает внутри каждой ветви корневого дерева

Данная задача математически формулируется в терминах теории графов следующим образом Требуется найти набор дуг корневого дерева, доставляющий минимум функции цели и т

ПгочХ1! (1)

I -1]-1

х,] е { 0,1 }, I ?], т„ - интервал с _/ - номерами граничных вершим дуги, соответственно, исхода и захода

Предложенный алгоритм позволяет точно решить задачу за когечное число шагов По завершении его работы получается минимальный подграф, характеризующий структуру оптимального плана 5* Найденный подграф может содержать от 1 до п— 1 ветвей Внутри каждой ветви номер дуги соответствует номеру приоритета, а номер вершины - номеру /} - плана Таким образом, подграф О/ определяет такую очередность обслуживания пакетов требований, которая доставляет минимум функций цели (1)

Реализация такого алгоритма позволяет существенно снизить трудоемкость расчета плана Эффект снижения трудоемкости обусловлен, во-первых, декомпозицией задачи и, во-вторых, использованием метода замещений для отыскания подграфа сложной топологической структуры

Управление потоками в РИИС ГАП определено как регулировка скорости отправки данных в РИИС ГАП с целью достижения максимального использования ресурса РИИС ГАП и минимизация потерь данных

Показано, что традиционной методологией применяемой для изучения процессов происходящих в РИИС с большим количеством пользователей является теория массового обслуживанш Моменты прихода блоков данных в маршрутизатор образуют пуассоновский поток с интенсивностью Л. Если распределение длительностей времени обслуживания также является пуассоновским, то применение методологии системы массового обслуживания позволяет определить среднее число требований в системе и с помощью теоремы Литгла связать это число со среднейзадержкой в системе в равновесномсосгоянии

Ы = Х/ц-Х, Т= 1 / ц-Х, (2)

¡1 - скорость обслуживающего прибора

Еечи же предполагается произвольное распределение длительностей обслуживания требований, то среднее время пребывания требования в обслуживающем приборе выражается формулой Поллачека-Хинчина

\У= ЯХ/2(1-р), (3)

- математическое ожидание времени пребывания требования в очереди,

_2

р -)./и = цХ , если Х1 - длительность обслуживания 1-го требования, а

_2 2

X = Е(Х ) момент второго порядка распределения длительностей обс/уживания

_ _2

Т = X + XX / 2(1 -р) (4)

Для РИИС ГЛП с коммутацией данных блоками вводятся предположешга о том, что моменты прибытия блоков или инициализации соединений имеют ограниченную дисперсию

Установлено, что информационный поток в РИИС ГАП с коммутацией данных блоками с большей точностью моделируется статистически самоподобными процессами или, по крайней мерс, не имеет экспоненциального распределения Для самоподобных процессов представляемых блоком данных не существует естественного ограничения длительности всплесков, которые могут происходить в любом временном масштабе Такая ситуация является невозможной для пуассоповской модели, однако имеет место в реальности

Показано, что процесс передачи данных состоит из трех основных фаз

• прием порций данных и выбор направл:ния передачи,

• формирование блоков данных и ожидание в очереди,

• передача блоков данных в соответствующем потоке

Датчики

АЦП Мини ЭВМ Устройство отображения

Общая шина

;хг

Память

те

Пульт

Получение блока данных в канале и его обработка

Рис 3 Упрошенная функциональная схема МРИИС с коммутацией блоков данных

Постройте математической модели передачи данных проведем исходя из следующих упрощающих предположений

• передача данных производится в одном потоке,

« блок данных включает К порций данных,

• канал передачи абсолютно надежен, т е отсутствует повторная передача блоков данных На рис 3 показана упрощенная функциональная схема РИИС ГАП с коммутацией блоков

данных. Из первого предположения следует, что временем обработки порций данных на фазе выбора направления передачи можно пренебречь Предположим также, что поток данных является пуассоновским с параметром Ы, а время передачи пакета в потоке распределено по экспоненциальному закону с параметром 1/х Тогда в качестве упрощенной математической модели фуикциошфования передачи данных может быть рассмотрена система массового обслуживания с групповым обслуживанием заявок, в которой заявки соответствуют порциям данных, а размер группы заявок - числу порций, передаваемых в одном блоке данных (рис 4)

Рис 4 Модель функционирования передачи данных

Таким образом, в построенной модели поступление группы заявок на обслуживающий прибор производится только в том случае, когда в очереди имеется по крайней мере К заявок В этом заключается принципиальное отличие данной модели от известной, где размер группы ограничен сверху и не фиксирован

На рис 5 показана диаграмма иитенсивностей переходов марковского процесса, описывающего функционирование рассматриваемой системы массового обслуживания, где под состоянием понимается общее число заявок в систем;

Я Я Л Я Л Л Л Л Л

' О ) \ 1 I 1 К1) ' К I ! км4) (ж 1) ( 2К )

^Т^Х "" V,, X' >' ^ •

Рис 5 Диаграмма переходов иитенсивностей

Если рI вероятность того, что в некоторый момент времени система находится в состоянии I то соответств>ющая система уравнений равновесия и кет вид

О = - 'Уро + щя.,

О^-Лро + 1=1,К-\ (5)

О = -(Л+р)р1 + рркп + Лр, ¡, 1>К

Производящая функция

х-1 £

Р(г) = -

г - /к

(6)

Основные вероятностно-временные характеристики рассматриваемой системы массового обслуживания можно вычислить по формулам

гк - 1 2 Л (7)

N— среднее число заявок в системе, Ро — вероятность простоя прибора

Показано, что задачу управления скоростью передачи данных можно условно разбить на два компонента

• контроль отсутствия перегрузки принимающей части РИИС ГАД

• контроль отсутствия перегрузки структуры РИИС ГАП

Целью системы управления потоком является выравнивание скорости передачи данных со скоростью их приема Механизм контроля перегрузки отправляет данные в РИИС ГАП не быстрее, чем РИИС ГАП может их доставлять в место назначения и не быстрее, чем получатель может их обрабатывать

Определено, что большинство алгоритмов управления потоками различаются способом определения наступления состояния перегрузки и реагируют на изменения состояния РИИС ГАП путем аддитивного увеличения нагрузки и мультипликативного сброса, в случае определения наступления перегрузки

Предложены следующие изменения в существующих алгоритмах

• управление скоростью отправки сегментов в РИИС ГАП не изменением размера окна передачи, а индивидуальной задержкой каждого сегмента Изменение скорости отправки потока выражается в изменении ею скважности (межсегментного временного интервала),

• индикация текущего состояния РИИС ГЛП и соответственно, наступления перегрузки не потеря блока данных, а изменение скважности поюка сегментов, измеряемое получателем, а также изменение времени транзита сегментов, измеряемое отправителем,

• установление независимости функционирования алюритма от потока подтверждений для синхронизации отправки новых сегментов в РИИС ГАП

Таким образом, в данном алгоритме устраняется логическая зависимость алгоритмов коррекции ошибок передачи и управления потоком данных

Алгоритм оказывается более эффективным, так как он минимизирует среднюю длину очередей в маршрутизаторах и не доводит РИИС ГАП до состояния перегрузки в процессе определения максимальной доступной соединению дота пропускной способности, что особенно важно для сосуществования потоков данных и мультимедиа

Наиболее хорошо на роль индикатора состояния РИИС ГАП подходят временные характеристики потока

• время задержки КТТ,

• межсет ментные интервалы

Алгоритм управления потоком работает следующим образом Отправителем посредством тщательной диспетчеризации сегментов устанавливается скорость потока, измеряется скорость прибытия потока получателем и передача этой информаши отправителю вместе с остальной контрольной информацией Разность старого и нового значений скорости отправки информационного поюка алгоритма на каждом шаге задается случайной переменной, однако, при наличии сигнала о перегрузке РИИС ГАП вероятность снижения скорости превышает вероятность ее увеличения на каждом швом шаге (рис 6)

Рис 6 Функциональная схема алгоритма управления информационным потоком в РИИС ГАП

Максимально возможная скорость потока

птах _ п _ 0/Ттю

Л" - размер передаваемою сегмеота, х - врс менной интервал между последовательными трансляциями пакетов, Л,,, - отправитель

Определено, что сложность проблемы маршрутизации заключается в ее многофакторности Учет множества факторов, влияющих на выбор маршрута, позволяет рассматривать эту проблему как динамическую оптимизацию распределения ресурсов РИИС ГАП Проблема оптимального распределения ресурсов в процессах маршрутизации

характеризуется нестационарностью этих процессов и априорной неопределенностью разнородных управляющих факторов таких как объемы очередей, количество транзитных узлов, надежность каналов и т п

Рис 7 Зависимость характеристик РИИС от нагрузки

груба» настрой«» ша тога*

настроим настрийи

Рис 8 Ожидаемое поведение алгоритма управления скоростью потока (зависимость скорости от времени)

С испочьзованием разработаннсго алгоритма проведена оценка эффективности управления информационными потоками данных в РИИС ГАП Приведены результаты анализа информационных потоков в РИИС ГАП, позволяющие

• оценить фактическую загрузку РИИС и необходимую пропускную способность ее каналов,

• регулировать различные информационные потоки в узлах РИИС,

• сформулировать рекомендации об оптимальных режимах выполнения различных задач обработки данных в РИИС

Метод оценки эффективности РИИС базируется на методе декомпозиции системы и сводится к расчету отдельных узлов модели РИИС ГАП как систем массового обслуживания с бесприоритетным обслуживанием При использовании управления данными на основе смешанных приоритетов конечные результаты, полученные при таком подходе, являются приближенными, поскольку в случае приоритетного управления потоки данных разных классов на выходе узлов, а, следовательно, на входе, отличаются от простейших

При этом погрешность результатов уменьшается с увеличением числа классов пакетов, циркулирующих в РИИС ГАП, и их маршрутов, а также с уменьшением различий в длительностях обслуживания блоков данных разных классов внутри одного узла После достижения РИИС ГАП насыщенного состояния (точка А) (рис 7) пропускная способность перестает расти, а время ответа (ЮТ") продолжает, поскольку происходит заполнение буферов внутри устройств РИИС Мощность РИИС достигает пика в точке А - это оптимальный режим работы РИИС ГАП В третьей главе рассмотрены алгоритмы сжатия данных при передаче их в РИИС ГАП Показано, что в применешга к кодированию данных, для которых подходит марковская статистическая модель, дискретное косинусное преобразование (ДКП), имеющее быстрый алгоритм вычислений, приближается по эффективности к дискретному преобразованию Кархунена-Лоева (ДПКЛ) В ДКП каждый использованный коэффициент кодируется различным числом бит в зависимости от его важности Коэффициенты разложения после

адаптивного квантования и кодирования передаются на приемную сторону, где с помощью обратного преобразования (ОДКП) осуществляется восстановление данных. Баше ДКП не зависит от данных, следовательно, не требуется дополнительной информации для выполнения обратного преобразования

Предложен алгоритм с использованием модифицированного дискретного косинусного преобразования (МДКП). Он сохраняет свойство концентрации энергии ДКП, выполняется над перекрывающимися блоками отсчётов сигнала и имеет соотношение между количеством входных и выходных отсчётов 1:1, / -й блок МДКП содержит половину отсчётов (; - 1)-го и половину отсчётов (¡' + 1)-го блоков.

Подученные блоки коэффициентов преобразования группируются в сегменты, состоящие из М перекрывающихся блоков Вследствие перекрытия блоков декодирование сегмента становится зависимым от данных содержащихся в соседних сегментах. Для обеспечения независимое™ декодирования сегментов, в начало и в конец сегмента добавлены блоки нулей. Для каждого блока рассчитывается МДКП. Преобразование одного блока сокращает количество отсчётов в два раза. МДКП вычисляется по формуле

■ ПГ, 1 л1 2 А 2 2

у' = О, А/ -1 -

(9)

Обратное МДКП вычисляется по формуле

12Й Г ж = ЬЕ/Ни

Л'ТЙ

где м>к - оконная функция.

И)

, ] N к +- + — 2 2

к =0,2^-1,

(10)

Н.М

Рис. 9 Зависимость для МДКП

Рис. 10. Зависимость Н.?(М) для МДКП

GW(N) - отношение среднего арифметического дисперсий коэффициентов преобразования к их среднему геометрическому (коэффициент перераспределения энергии).

Для оценки эффективности алгоритма сжатия на основе МДКП вычислены оценки энтропии последовательности значений каждого коэффициента преобразования, а также среднее значение Н>(Ы) с учётом того, что длины всех последовательностей одинаковы

(и)

Н, - энтропия 1 -го коэффициента преобразования. Расчёт производится без учёта вставки блоков нулей на границах кадров и других особенностей реализации алгоритма сжатия, которые очевидно могут привести только к ухудшению указанной на рисунках характеристики сжат ия

Результаты анализа позволяют сделать вывод о том, что МДКП обладает преимуществами по сравнению с ДКП

Система функций Крестенсона (ДПК) является частным случаем более общих мультипликативных систем и была получена в результате обобщения на комплексную плоскость хорошо известной системы функций Уолша (ДПУ) Для непосредственной реализации ДПК

необходимо осуществить около р2" вычислительных операций вида а+Ьхс над комплексными числами, такое же число операций необходимо и для реализации ОДПК

*<=Т/¿л х'(к1рП\

р" Го у 7 (13)

1 = 0ХК,р"-1

Однако вычисление ДПК (ОДПК) может быть ускорено за счет применения бы стрых алгоритмов, которые позволяют снизить число комплексных умножений со сложениями до величины п р"г'

Для рассмотрения быстрых алгоритмов использовалась матричная форма записи ДПК Элементами симметрической матрицы \\'(„) являются отсчеты функций системы

I - Хку/ру-й'"' , (15)

бр=ехр(-2 та/р),

к], I, - коэффицигнты р-ичного разложения чисел, к=0,1, ,/-1,/=0,1, ,р"-1 Обратное ДПК (15) можно записать в матричном виде при помощи матрицы из соответствующих комплексно сопряженных элементов матрицы \У(„)

х = -Х-Ци) V (16)

ЧРп

Быстрые алгоритмы ДПК основаны на факторизованном представлении магрицы W(„) в ввде произведения слабозаполненных матриц

Ч2) к ЧТ" <>• <л=1А )- <17>

где УУ^ =

0

V о

, 7 = 1,К.,л-1 (18)

(на диагонали матрицы УУ^' размерности р"хр" находятсяр матриц размера р"~'хр"~', остальные элементы матрицы - нулевые)

Алгоритм вычислении, который можно построить в соответствии с соотношениями (16, 17) можно назвать алгоритмом ДПК с прореживанием по времени

В случае вещественною задания исходного вектораХ на каждом шаге объем вычислений сокращается вдвое, и все ДПК может быть выполнено быстрее в два раза (алгоритм ДПК с неполным вычислением)

Использование предложенных алгоритмов ДПК и ОДПК с неполным вычислением даст значительные преимущества в скорости обработки данных по сравнению с испочьзованием алгоритмов ДКГТ

Показано, мультивеивлеты являются векторным обобщением вейвлетов Они предназначены для разложения многоканальных сигналов, имеющих не одну, а несколько компонент

Установлено, что к такому же виду можно привести и скалярный сигнал (например, переходом к четным и нечетным компонентам)

Мультивеивлеты определяются точно такими же (внешне) уравнениями, что и обычные вейвлеты

ф^-ХЛЧ«-*)

Их преимуществом является то, что они

- сильнее локализованы в пространстве, что может оказаться удобно в ряде задач,

- допускают быстрый алгоритм преобразования

Установлено, что одной из причин интереса к дискретным мультивейвлетным преобразованиям (ДМВП) является возможность получения симметрично! о орто! онального базиса ДМПВ получается за счет отказа от временной независимое™ характеристик фильтров Такие конструкции приводят к матричным уравнениям масштабирования Кроме того, ДМВП обладает хорошими аппроксимирующими свойствами, что важно во многих приложениях обработки данных Предстаачен алгоритм сжагая с использованием ДМВП

В четвертой главе представлены результаты по реализации разработанных методов и ' алгоритмов в РИИС ГАП Рассмотрены вопросы оптимизации структуры сборочного робототехнического комплекса КСП - 3, а также применение алгоритмов сжатия данных в гибких автоматизированных производствах На рис 11 представлена структура РТК КСП-3

Рис 11 Структура РТК КСП-3

В состав РТК КСП-3 входят

• два сборочных робота (СР 1 и СР 2 ) типа "Универсал - 5 03",

• два устройства управления сборочными роботами типаМПСУ,

• робокара (ТУ) типа РБТ-1,

• устройство управления робокарой типа ЮМ-РС,

• поворотный стол с прессом (ТО)склата заготовок (СЗ) на 1024 ячеек,

• устройство управления этими элементами (УУ ТО) типа контроллера «Микродат»,

• склад готовой продукции (СГП) на 256 ячеек

На основе технических характеристик элементов РТК КСП-3 определялись времена обмена информацией между устройствами управления РТК КСП-3 (рис 12) Затем с использованием метода замещений проводился синтез структуры РТК КСП-3

1 2 3 4 5

- 0,02 0,02 0,03 0,04

- - 0,04 0,06 0,08

- 0,04 - 0,06 0,08

- 0,04 0,04 - 0,08

- - - - -

Рис 12 Матрица времени обмена информацией

Векторы ограничений для иерархической структуры имеют вид У„ = [2, 2,2,2, 1] У„=[2,1,1, 1,1,] п =5 т = 4

Оптимальная структура РТК КСП-3, синтезированная с помощью метода замещений, приведена на рис 13

Рис 13 Оптимальная по быстродействию структура РТК КСП-3

Время обмена информацией между всеми устройствами управления равно 0,17 с РТК КСП-3 с такой структурой обладает минимальным временем обмена информацией, т е минимальными временными потерями

Методика оптимизации структуры РИИС ГАП включает в себя следующие основные этапы

• определение состава исходных данных и формулировка требований, предъявляемых к РИИС ГАП,

• анализ информационных потоков,

• структурный анализ РИИС ГАП,

• функциональный анализ РИИС ГАП,

• расчет характеристик и анализ эффективности функционирования РИИС ГАП

Методика сравнения алгоритмов сжатия дашых основана на анализе затрат бит

Показано, что дискретные преобразования МДКП, ДПК, ДМВП сводятся к вычислению

взвешенных сумм элементов исходного дискретного изображения Определено, что в соответствии с центральной предельной теоремой (Ц1ТГ) Ляпунова, плотности вероятности элементов дискретных спектров могут быть описаны нормальным законом распределения Гаусса При задании уровня ошибки восстановления для каждого преобразования находится соответствующее значение шага равномерного квантования, а затем производится подсчет соответствующего значения средней двоичной энтропии элемента спектра

Анализ данных полученных результатов показал, что наилучшие результаты при сжатии дискретных данных следует ожидать от использования МДКП

ДПК и ДМВП дают близкие результаты

Однако, число вычислительных операций, необходимых для реализации сжатия данных на основе ДПК может быть намного меньше, чем в случае применения ДКП Выигрыш в скорости обработки может быть столь существенным, что позволит мириться с некоторой потерей в сжатии

В заключении сформулированы основные выводы по диссертационной работе в целом В приложении к диссертации приведены блок-схемы алгоритмов, а также акт внедрения

3 ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

В процессе решения задач, поставленных в диссертационной работе, получены следующие результаты

1 Показано, что решение проблемы повышения эффективности распределенных информационно-измерительных систем гибких автоматизированных производств наиболее эффективно в следующих направлениях

- оптимизация структур распределенных информационно-измерительных систем гибких автоматизированных производств,

- сокращение объемов обрабатываемых и передаваемых данных, содержащих избыточную или несущественную информацию, которую можно отбросить,

- разработка более производительных алгоритмов обработки данных, в частности, оптимизацией существующих алгоритмов нэммутации и маршрутизации

2 Предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств на основе математического метода парных замещений, позволяющий определять оптимальную структуру РИИС ГАП исходя из критерия минимизации времени обмена информацией между подсистемами РИИС

3 Разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, мшшмизирующий среднее время ожидания при передаче данных,

4 Разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования,

5 Разработан алгоритм сжатия на основе функций Крестепсона, требующий значительно меньшее количество вычислительных операций но сравнению с известными.

6 Разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией

7 Разработана методика сравнения алгоритмов сжатия данных, основанная на анализе затрат бит Показано, что наилучшие результаты при сжатии данных следует ожидать от использования ДКП Однако, число вычислительных операций, необходимых для реализации сжатия данных на основе ДПК может быть намного меньше, чем в случае применения ДКП Выигрыш в скорости обработки может быть столь существенным, что позволит мириться с юкоторой потерей в сжатии

8 Предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измерительных систем гибких автоматизированных производств, что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования

9 Полученные в работе метод оптимшации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных робототехнических комплексов КСП-3, что подтверждено соответствующим актом внедрения

Основное содержание диссертации опубликовано в работах

1 Слепцов В В , Васильев А М , Сидоров А К Анализ устойчивости распределенных информационно-измерительных систем // Межвузовский сборник научных трудов «ПРИБОРОСЛ РОЕНИЕ» - М МГАПИ, 2005, С 13-20

2 Васильев А М Повышение эффективности обработки информации в программш-измерительпых комплексах на телефонных сетях общего пользования // Научные труды 15-ю международного НТС «Современные технологии в задачах управления, автоматики и обработки информации», Алушта, 2006, С 258

3 Васильев А М , Башкатов А Н , Губанов С К Исследование и сравнительный анализ алгоритмов сокращения избыточности измерительной информации У/ Научные труды 15-го международного Н'1 С «Современные технологии в задачах управления, автоматики и обработки информации», Алушта, 2006, С 61

4 Васильев АМ, Сидоров АК, Гарипов В К. Построение алгоритмов диагностирования технических систем при отсутствии надежностных характеристик контролируемых параметров// Приборы -М МНТО приборостроителей и метрологов, 2006, №8, С 36-38

5 Васильев А М ,Сидоров А К, Гарипов В К Математические модели многосвязных объектов в распределенных информационно-шмерительных системах Н Научные труда 9-ой Международной НПК «Фундаментальные и прикладные проблемы приборостроения, информатики и экономики» Книга «Приборостроение» - М 2006, С 30-33

6 Васильев А М. .Сидоров А К, Гарипов В К Методология построения распределенных информационно-измерительных систем многосвязных объектов // Научные труды 9-ой международной НПК «Фундаментальные и прикладные проблемы приборостроения, информатики и эгономики» Книга «Приборостроение» -М 2006, С 34-37

7 Васильев АМ Адаптивный алгоритм обработки данных в информационных системах // Научные труды 5-ой Всероссийской НТК «Информационные системы и модели в научных исследованиях, промышленности и экологии» - Тула Изд-во ТулГУ, 2006, С 103-106

8 Амурский А В , Васильев А М , , Гарипов В К, Сидоров А К Оптимизация структур распределенных информационно-измерительных систем на основе метода парных замещений // Научные труды международной НТК «Информационные технологии и моделирование приборов и техпроцессов в целях обеспечения качества и надежности» -Хургаца, Египет-М МГУПИ, 2005, Том 2 С 12-14

9 Амурский В Б, Васильев А М, Гарипов В К Формирование и передача данных в мультисервисных распределенных информационно-измерительных системах с коммутацией пакетов //Научные труды Международной НТК «Инновационные технологии в науке, технике и образовании» (ИНВАЦФОРМ - 2007), Кемер, Турция -М МГУПИ, 2007, С 162-166

10 Гарипов В К, Васильев АМ Сжатие изображений на основе модифицированного дискретного косинусного преобразования // Мир техники Кино - М ИПП КУНА, 2007, Ха 6, с 8-11, 2008, №7, С 3-6

JIP№ 020418 от 08 октября 1997 г

Подписано к печати 12 05 2008 г Формат60х84 1/16 Объем 1,0 п л Тираж 100 экз Заказ № 91

Московский государспвенный университет приборостроения и информатики

107996, Москва, ул Стромынка, 20

Введение.

ГЛАВА 1. АНАЛИЗ СТРУКТУР РАСПРЕДЕЛЕННЫХ

ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ

1.1. Анализ структур гибких автоматизированных производств.

1.2. Анализ обобщенных структур распределенных информационно-измерительных систем гибких автоматизированных производств.

1.3. Анализ методов управления информационными потоками в распределенных информационно-измерительных системах гибких автоматизированных производств.

1.4. Анализ структуры избыточности данных при их обработке в распределенных информационно-измерительных системах гибких автоматизированных производств.

Выводы.

ГЛАВА 2. ОПТИМИЗАЦИЯ СТРУКТУР РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ И АЛГОРИТМОВ ФОРМИРОВАНИЯ И ПЕРЕДАЧИ ИНФОРМАЦИОННЫХ ПОТОКОВ

2.1. Оптимизация структур распределенных информационно-измерительных систем гибких автоматизированных производств методом парных замещений.

2.2. Аналитическое исследование алгоритмов формирования и передачи данных в распределенных информационно-измерительных системах гибких автоматизированных производств.

2.3. Разработка алгоритма адаптивного управления информационным потоком в распределенных информационно-измерительных системах гибких автоматизированных производств.

2.4. Разработка метода анализа устойчивости распределенных информационно-измерительных систем гибких автоматизированных производств.

Выводы.

ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ СЖАТИЯ ДАННЫХ ПРИ

ПЕРЕДАЧЕ ИХ В РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ

3.1. Разработка алгоритма сжатия на основе модифицированного дискретно-косинусного преобразования.

3.2. Разработка алгоритма сжатия на основе функций Крестенсона.

3.3. Разработка алгоритма сжатия на основе мультивейвлетов.

Выводы.

ГЛАВА 4. РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ И

АЛГОРИТМОВ В РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ

4.1. Оптимизация структуры сборочного робототехнического комплекса

КСП-3.

4.2. Разработка методики применения алгоритмов сжатия данных.

Выводы.

Современные распределенные информационно-измерительные системы (РИИС) нашли широкое применение в различных областях науки, техники и промышленности. В современном производстве, особенно в такой области как гибкое автоматизированное производство (ГАП), РИИС играют ведущую роль в связи с усложнением алгоритмов технологических процессов, а также тенденцией распределения вычислительных средств между подсистемами РИИС.

РИИС ГАП - это инфраструктура, которая обеспечивает обработку и передачу данных от первичных преобразователей и позволит осуществлять различные функции, отличающиеся друг от друга по качественным и количественным показателям. В тоже время такое решение позволяет в дальнейшем обеспечить внедрение новых функций с различными требованиями к объёму передаваемых данных и качеству их передачи.

От РИИС ГАП во многом зависит эффективность работы гибкой производственной системы. Рассредоточение вычислительной мощности по различным уровням и блокам РИИС ГАП позволяет уменьшить потоки информации, сократить общее время обработки, повысить надежность систем, обеспечить гибкость построения структур и программ обработки информационных потоков.

Однако, в целом, задача построения структуры РИИС ГАП в целом недостаточно проработана. Существующие методики анализа и синтеза структур РИИС ГАП и алгоритмов обмена информацией либо требуют больших вычислительных мощностей, либо не позволяют найти наилучший вариант.

Кроме того, отличительной особенностью современной ситуации в области РИИС ГАП является трудность построения структур таких систем из-за сложных взаимосвязей структурных элементов, размещаемых на обширной территории, стремительный рост объёма измеряемых и передаваемых данных от гигабитов сегодня к террабитам завтра.

Необходима систематизация и обобщение структур и алгоритмов работы современных РИИС ГАП, а также разработка и представление материала, являющегося базой для повышения эффективности РИИС ГАП.

В этих условиях первостепенное значение приобретает совершенствование и дальнейшее развитие методов и алгоритмов повышения эффективности РИИС и широкое их практическое внедрение на основе использования современных средств вычислительной техники и программного обеспечения.

Проведенный анализ показал, что в настоящее время однозначного решения по использованию той или иной методологии для построения РИИС не существует. Промышленность предлагает не только сотни видов различного оборудования от множества производителей, но и ряд принципиально отличающихся подходов к решению создания РИИС ГАП.

Такое направление развития РИИС ГАП выявляет тенденцию усложнения их структуры. Эта тенденция ведет к необходимости решения задач коммутации, так как качество решения данных задач напрямую влияет на производительность и эффективность использования РИИС в целом.

В общем, решение проблемы повышения эффективности РИИС ГАП зависит от многих факторов: структуры РИИС, интенсивности изменения данных, времени задержек в узлах коммутации, пропускной способности каналов и т.п.

При этом требования к качеству получаемых данных постоянно растут. Это приводит увеличению объемов обрабатываемых данных, к усложнению алгоритмов обработки, и, как следствие, к росту вычислительных затрат, необходимости очень высокой скорости обработки данных. Рост производительности оборудования решает эту проблему, как показывает практика, лишь отчасти. В то же время, данные, приведенные в многочисленных источниках показывают, что менее 10 % сообщений, полученных от объектов измерений несут полезную информацию.

Кроме того, анализ данных, полученных от некоторых сложных объектов измерений показывает, что для определения результатов измерений с погрешностью, не превышающей 2%, достаточно иметь 1/70 - 1/20 часть общего объема полученных сообщений. Столь существенная избыточность увеличивает информационную производительность РИИС и влияет на пропускную способность канала связи, что приводит к увеличению времени обработки измеряемых данных.

В связи с этим, разработка новых более эффективных методов и алгоритмов построения структур, обеспечивающих сокращение времени передачи и обработки данных в РИИС ГАП является актуальной задачей.

Целью работы является повышение производительности гибких автоматизированных производств за счет оптимизации передачи и обработки данных в распределенных информационно-измерительных системах гибких автоматизированных производств.

Достижение поставленной цели предполагает решение следующих основных задач:

• разработку метода оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

• исследование методов управления информационными потоками в распределенных информационно-измерительных систем гибких автоматизированных производств;

• разработку алгоритма оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств;

• разработку алгоритмов сжатия данных;

• реализацию и экспериментальную проверку разработанных алгоритмов.

Для достижения поставленной цели в качестве аппарата исследований использованы: теория систем, топология, теория матриц, теория графов, теория информации и передачи сигналов, теория массового обслуживания, теория вероятностей, прикладная комбинаторика, теория множеств.

Научная новизна работы заключается в следующем:

• предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

• разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, минимизирующий среднее время ожидания при передаче данных;

• предложен метод анализа устойчивости распределенных информационно-измерительных систем гибких автоматизированных производств, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью.

• разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования;

• разработан алгоритм сжатия на основе функций Крестенсона, требующий значительно меньшее количество вычислительных операций по сравнению с известными;

• разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией.

Практическая ценность работы заключается в том, что предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измерительных систем гибких автоматизированных производств, что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования.

Полученные в работе метод оптимизации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных робототехнических комплексов КСП-3, что подтверждено соответствующим актом внедрения.

Основные положения диссертационной работы докладывались на 7 всероссийских и международных научно-технических конференциях.

По теме диссертации опубликовано 10 печатных работ в виде статей в журналах, трудах международных и российских конференций и сборнике научных трудов МГУПИ, из них 1 работа в издании, рекомендованном ВАК РФ для опубликования научных положений диссертационных работ. В работах опубликованных в соавторстве, автору принадлежат научные и практические результаты, заявленные в диссертации.

На защиту вынесены следующие основные положения:

• метод и алгоритм оптимизации алгоритма коммутации потоков данных в МРИИС с адаптивной коммутацией;

• метод анализа устойчивости распределенных информационно -измерительных систем гибких автоматизированных производств, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью,

• алгоритм сжатия данных с использованием модифицированного дискретного косинусного преобразования;

• алгоритм сжатия с использованием функций Крестенсона;

• алгоритм сжатия с использованием мультивейвлетных функций.

Диссертационная работа состоит из введения, четырех глав, заключения,

Выводы

1. Метод замещений позволяет успешно решать две основные задачи проектирования РИИС РТК:

• синтез оптимального по быстродействию алгоритма сборки:

• синтез структуры РИИС РТК с минимальными временными потерями на обмен информацией.

2. Предложенная методика сравнения и алгоритм сжатия, позволяет повысить оперативность обработки данных за счет применения комбинации дискретных преобразований и уменьшения объема обрабатываемых данных до предела, определяемого заданными ошибками восстановления.

ЗАКЛЮЧЕНИЕ

В процессе решения задач, поставленных в диссертационной работе, получены следующие результаты:

В процессе решения задач, поставленных в диссертационной работе, получены следующие результаты:

1. Показано, что решение проблемы повышения эффективности распределенных информационно-измерительных систем гибких автоматизированных производств наиболее эффективно в следующих направлениях:

- оптимизация структур распределенных информационно-измерительных систем гибких автоматизированных производств;

- сокращение объемов обрабатываемых и передаваемых данных, содержащих избыточную или несущественную информацию, которую можно отбросить;

- разработка более производительных алгоритмов обработки данных, в частности, оптимизацией существующих алгоритмов коммутации и маршрутизации.

2. Предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

3. Предложен метод анализа устойчивости РИИС ГАП, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью.

4. Разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, минимизирующий среднее время ожидания при передаче данных;

5. Разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования;

6. Разработан алгоритм сжатия на основе функций Крестенсона, требующий значительно меньшее количество вычислительных операций по сравнению с известными;

7. Разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией.

8. Разработана методика сравнения алгоритмов сжатия данных, основанная на анализе затрат бит. Показано, что наилучшие результаты при сжатии данных следует ожидать от использования ДКП. Однако, число вычислительных операций, необходимых для реализации сжатия данных на основе ДПК может быть намного меньше, чем в случае применения ДКП. Выигрыш в скорости обработки может быть столь существенным, что позволит мириться с некоторой потерей в сжатии.

9. Предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измерительных систем гибких автоматизированных производств, что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования.

10. Полученные в работе метод оптимизации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных робототехнических комплексов КСП-3, что подтверждено соответствующим актом внедрения.

1. Системное проектирование интегральных производственных комплексов /А.Н. Домогацкий, А.А. Лескин, В.М. Пономарев и др.; Под ред. В.М. Пономарева.- Л.: Машиностроение. Ленинградское отделение, 1986.-319 с.

2. Гибкое автоматизированное производство / Под ред. С.А. Майорова, А.Г. Ворловского, С.Н. Халиопова. -Л.: Машиностроение, 1985.- 454 с.

3. Гибкие производственные комплексы./ Под ред. П.Н. Белянина, В.А. Лещенко.-М.: Машиностроение, 1984.-384 с.

4. Промышленная робототехника / А.В. Бабич, А.Г. Баранов, И.А. Калабин и др. / Под ред. Шифрина. -М.: Машиностроение, 1982.- 415с.

5. Имитационное моделирование производственных систем / Под ред. А.А. Вавилова.-М.: Берлин, Машиностроение, Техника, 1983.- 416с.

6. Wernicke Н., Gericke Е. Modeling and simulation of automated manufacturing process. / Proc. of the IF AC Intern. Sympos. On information control problem in manufacturing technology. Japan, Tokyo, 17-20 oct. 1977, Pergamon Press, Oxford ets, 1978/-p. 1-6.

7. Spur G., Krause F., Pistorues E. Computer international representation of products for integrations of design and technological planning. Integration of CAD/CAM. Elsevier science publishers B.V. (North Holland) IFIP, 1985. -p.79 105.

8. Гибкие сборочные системы / Под ред. У.Б.Хегинботама; Пер. с англ. Д.Ф.Миронова: Под ред. А.М.Покровского. М: Машиностроение, 1988.400 с.

9. Hegland D. Е. Flexible manufacturing a strategy for winners // production engineering. - 1982, sept. - p. 41-46.

10. Системы управления промышленными роботами и манипуляторами / Е.И. Юревич, Ю.Д. Андрианов, С.И. Новаченко и др.; Л.: ЛГУ, 1980. 184 с.

11. Управляющие системы промышленных роботов / Ю.А. Андрианов, Л.Я. Глейзер, М.Б. Игнатьев и др. / Под ред. И.М. Макарова, В.А. Чиганова. -М.: Машиностроение, 1988.- 288 с.

12. Лескин А.А., Пономарев В.М., Смирнов А.В. Принципы автоматизированного проектирования технологических структур гибких автоматизированных производств. Системы автоматизации в науке и производстве. -М.: Наука, 1984. с. 209-216.

13. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. М. : Радио и связь, 1981.-560 с.

14. Левин Т.М., Тапаев В. С. Декомпозиционные методы оптимизации проектных решений. Минск: Наука и техника, 1978.-240 с.

15. ГОСТ 26228-85. Гибкие автоматизированные производства.

16. Солодовников В.В., Бирюков В.Ф., Тумаркин В. И. Принцип сложности в теории управления: О проектировании технически оптимальных систем и о проблеме корректности . М.: , Наука, 1977. -344 с

17. Гибкие производственные комплексы / Под ред.П.Н.Белянина, В.А.Лещенко. М.: Машиностроение, 1984.- 384 с.

18. Мишкинд С.И. Применение промышленных роботов в механосборочном производстве. М.: Машиностроение, 1981.-60 с.

19. Патон Б.Е., Спыну Г.А., Тимошенко В. Г. Промышленные роботы для сварки. Киев: Науковая думка, 1977.-277 с.

20. Мишкинд С.и., Ефремов Е.В. Развитие робототехники за рубежом (по материалам 3-го международного симпозиума по промышленным роботам) Обзор, М.: НИИМАШ, 1976.-88с.

21. Попов E.JI. Роботы манипуляторы. М.: Знание, 1974.-64 с.

22. Конструкция и наладка станков с программным управлением и роботизированных комплексов: Учеб. Пособие для ПТУ / Л.Н.Грачев, В.А.Косовский, А.Н.Ковшов и др. 2-е изд, М., Высш. шк. 1989.-271 с.

23. Гибкие сборочные системы / Под ред. У.Б.Хегинботама; Пер. с англ. Д.Ф.Миронова; Под ред. А.М.Покровского. М.: Машиностроение, 1988,-лпп ^1. Г V/ V/ V.

24. Гибкое автоматизированное производство/ Под общ. ред. С.А.Майорова, Г.В.Орловского, С.Н.Халкиопова. Л .Машиностроение, 1985.-454 с.

25. Гибкие производственные системы, промышленные роботы, робототехнические комплексы./ В 14 кн. Кн. 13. В.Н. Давыгора. ГПС для сборочных работ. Практическое пособие. / Под ред. Б.И. Черпакова.- М.: Высшая школа, 1989.- 110 с.

26. Овнакян И.О. Использование комплектного оборудования с открытой архитектурой для создания систем с ЧПУ. // Научно-исследовательские работы в области станкостроения. М.: Тр. ЭНИМСА. Под ред. Б.И. Черпакова. 2000. - С. 39-48.

27. Слепцов В.В., Картавцев В.И. Основные задачи проектирования информационно-измерительных систем робототехнических комплексов сборки. //Сборник научных трудов. "Точные приборы и измерительные системы." М.: МГАПИ, 2000,- С. 91-93.

28. Цапенко М.П. Информационно-измерительные системы. М.: Энергоатомиздат, 1985.-384 с.

29. Картавцев В.И. Основные средства информационного обеспечения робототехнических комплексов. //Сборник научных трудов. Точные приборы и измерительные системы.- М.: МГАПИ, 2000.- Стр. 93-96.

30. Слепцов В.В., Руабхи Насир, Слепцов Т.В. Информационные измерительные системы. Учебное пособие. М.: МГАПИ, 1999. - 60 с.

31. Кнауэр И.Б., Руабхи Насир, Слепцов В.В. Минимизация времени сборки в РТК. // СТИН, №9, 1999. с. 3-5.

32. Руабхи Насир, Слепцов В.В. Синтез алгоритмов передачи информации в информационных измерительных системах РТК.//СТИН, №1,2000.с. 30 32.

33. Оллсон Г., Пиани Дж. Цифровые системы автоматизации и управления. -СПб.: Невский Диалект, 2001.- 557 е.: ил.

34. Кнауэр И.Б., Руабхи Н., В.В.Слепцов, Минимизация времени сборки в РТК. Ж. "СТИН", №9, 1999г., с. 3-5.

35. Слепцов В.В., Руабхи Н., Слепцов Т.В. Метод «замещений» в задачах оптимизации структурно- функционального синтеза робототехнических комплексов. Ж-л Информационные технологии, №3, 1999г., с. 18-22.

36. Горшков А.Ф., Гуров А. К. Методика синтеза алгоритмов управления гибкими производственными модулями роботизированных комплексов / Техническая кибернетика, 1990, №6. С. 225-232.

37. Слепцов В.В. Электрические машины в приборных устройствах. Учебное пособие. -М .: МГАПИ, 1997. -46 с.

38. Берж К. Теория графов и ее применение. М.: ИЛ, 1962.-366 с.

39. Шеннон Р. Имитационное моделирование систем: искусство и наука; Пер. с анг.-М.: Мир, 1978-418 с.

40. Оперативно производственное планирование ГПС / Под ред. Б.И.Чернякова М.: Высшая школа, 1989.-95 с.

41. Поздняков О.И., Глейзер Л.Я., Слепцов В.В. Электропривод универсальных промышленных роботов. Межвузовский сборник научных трудов "Электромеханическое обеспечение автоматических комплексов", Новосибирск, 1978, с. 44-54.

42. Слепцов В.В., Картавцев В.И., Лукин A.A. Электроприводы промышленных роботов. Концепция проектирования. М.: 2003.МГАПИ, 76 с.

43. Силич М.П. Системная технология: объектно-ориентированный подход. -Томск .: ТГУСУ и Р, 2002. 224 с.

44. Красноштанов А.П. Комбинированные многосвязные системы. -Новосибирск: Наука, 2000. 176 с.

45. Беседин Б.А. Теория распределенных информационно-измерительных систем,- Новосибирск: Издательство СО РАН, 1999. 139 с.

46. Петров М.Н. Вероятностно-временные характеристики в сетях и системах передачи интегральной информации: Научное издание / М.Н. Петров. КГТУ. Красноярск, 1997. - 220 с.

47. Голубов Б.И., Ефимов A.B., Скворцов В.А. Ряды и преобразования Уолша: Теория и применения. М.: Наука, 1987. - 344 с.

48. Тартаковский А.Г. Последовательные методы в теории информационных систем. М.: Радио и связь, 1991.-280с.: ил.

49. Алгоритмы и программы решения задач на графах и сетях / Нечепуренко

50. М.И., Попков В.К., Майнагашев С.М. и др. Новосибирск: Наука. Сиб.отд-ние, 1990.-515 с.

51. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. М.: Радио и связь, 1982. - 432 е.: ил.

52. Веберова И.И. Распределенные информационные системы: Учебное пособие Томск: ТГУ СУ и РЭ. 2003 - 345 с.

53. Нечеткие множества и теория возможностей / Под. ред. Р. Р. Ячеря. М.: Радио и связь, 1986-408 с.

54. Хелеби С, Мак-Ферсон Д. Принципы маршрутизации в Internet. 2-е издание.: Пер. с англ. М: Издательский дом «Вильяме», 2003. - 448 с.

55. Горцев A.M., Назаров A.A., Терпугов А.Ф. Управление и адаптация в системах массового обслуживания. Изд-во ТГУ, Томск, 1978.

56. Тихоненко О.М. Модели массового обслуживания в системах обработки информации. Мн.: Университетское. - 1990. 191 с.

57. Ope О. Теория графов. М.: Наука, 1980. - 336 с.

58. Тодд Лэмлл, Шон Одон, Кевин Уолмс. Маршрутизация. Изд-во «Лори», 2002 г.

59. Джером Ф.Димацио. Маршрутизаторы Cisco. Пособие для самостоятельного изучения. Изд-во «Символ». С.-Петербург-Москва, 2003г.

60. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. - 314 с.

61. Соколов H.A. Принципы построения NGN сети следующего поколения. IX Международная конференция «Проблемы функционирования информационных сетей», Новосибирск, 2006.

62. Тимофеев A.B. Проблемы и методы адаптивного управления потоками данных в телекоммуникационных системах. Информатизация и связь, № 1-2, 2003, с. 68-73.

63. Меккель A.M. Перспективы развития магистральных транспортных сетей // ИнформКурьерСвязь, 2005. № 6.

64. Етрухин H.H. Первые рекомендации МСЭ-Т о сетях следующего поколения // ИнформКурьерСвязь. 2005. № 6.

65. Пинчук A.B., Соколов H.A. Мультисервисные абонентские концентраторы для функциональных возможностей «Triple-Play Services» // Вестник связи, 2005. № 4.

66. Лутов М.Ф., Жарков М.А., Юнаков П.А. Квазиэлектронные и электронные АТС. -М.: Радио и связь, 1988.

67. Гольдштейн B.C., Пинчук А,В., Суховицкий А.Л. IP-телефония, М.: Радио и связь, 2001.

68. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов: Пер. с англ. / Под ред. Фоменко И.Б. М.: Связь, 1980. -248 с.

69. Бендат Дж., Пирсол А. Применения корреляционного и спектрального анализа. М.: Мир, 1983. - 312 с.

70. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов: Пер. сангл. -М: Мир, 1971.-408 с.

71. Бриллинджер Д. Временные ряды. Обработка данных и теория: Пер. с англ. М.: Мир, 1980.- 536 с.

72. Истомина Т.В., Чувыкин Б.В., Щеголев В.Е. Применение теории wavelets в задачах обработки информации. Пенза: Изд-во Пенз. гос. ун-та, 2000.- 188 с.

73. Кравченко В.Ф., Рвачев В.А. Wavelet-системы и их применение в обработке сигналов // Зарубежная радиоэлектроника, 1996, №4.- С. 3 -20.

74. Новиков JI.B. Основы вейвлет-анализа сигналов. СПб., 1999. - 152 с.

75. Кричевский, Р.Е. Сжатие и поиск информации. М.: Радио и связь, 1989.

76. Мастрюков Д. Алгоритмы сжатия информации : Часть 2-7. // Монитор.-1994.-№1-6.

77. Новиков JI.B. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение, 2000, №3. С. 57-64.

78. Пойда В.Н. Спектральный анализ в дискретных ортогональных базисах. -Минск: Наука и техника, 1978. 136 с.

79. Применение цифровой обработки сигналов: Пер. с англ. / Под ред. Оппенгейма Э. М.: Мир, 1980. - 552 с.

80. Ермоленко Т.В. Применение вейвлет-преобразования для обработки и распознавания речевых сигналов // Искусственный интеллект. 2002. -№4.-С. 200-208.

81. Панасенко П.В., Янчук Е.Е. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер, 2002, 608 с.

82. Астафьева Н.М. Вейвлет-анализ: Основы теории и примеры применения.- Успехи физических наук, 1996, т. 166, № 11, стр. 1145-1170.

83. Bentley J.L., Sleator D.D., Tarjan R.E., Wei V.K. A locally adaptive data compression scheme. Commun. ACM 29, 4 (Apr. 1986), p. 320-330.

84. Fiala E.R., Greene D.H. Data compression with finite windows. CACM-32, 4 (1989), p. 490-505.

85. Gallager R.G. Variations on the theme by Huffman. IEEE Trans. Inf. Theory1. 24, 6 (Nov. 1978), p. 668-674.

86. Golomb S.W. Run-length encoding. IEEE Tr. Inf. Theory IT-12, (1966), p. 399-401.

87. Huffman D.A. A method for the construction of minimum-redundancy codes. Proc. Inst. Electr. Radio Eng. 40, 9 (Sept. 1952), p. 1098-1101.

88. Wilson N. Single-chip engine for document compression. // Electronics and wireless world 95, 1636 (Feb. 1989), p. 116-119.

89. Ziv J., and Lempel, A. Compression of individual sequences via variable-rate coding. // IEEE Trans. Inf. Theory IT-24, 5 (Sept. 1978), p. 530-536.

90. Taaffe 0. The move from capacity to capability. Telecommunications International, December, 2005.

91. Yermolenko T.V. Segmentation of a speech signal with application of fast wavelet-transformation. International Journal on Information Theories and Applications. 2003. - Vol. 10, №3. - P. 306-310.

92. Fedorov E.E. Yermolenko T.V. The procedures of the noise clipping in the signal, based on Fourier- and wavelet- transform and on classification of sounds of speech. Труды Международной НТК SPECOM'2006. 2006. -P.245-250.

93. Yermolenko T.V. Segmentation of a speech signal with application of fast wavelet-transformation // International Journal on Information Theories and Applications.-2003.-Vol. 10, №3,-P. 306-310.

94. Прэтт У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. Кн.1 и 2. - 312 и 480 с.

95. Cooley J.W., Tukey J.W. An algorithm for machine computation of complex Fourier series // Mach. Comput. 1965. - V.19. - P. 297-301.

96. Rao K.R., Yip P. Discrete cosine transform algorithms, advantages, applications. - London: Academic Press inc., 1990.

97. Петухов А.П. Введение в теорию базисов всплесков. С-Пб.: СПбГТУ, 1999.- 132 с.

98. Новиков JI.B. Основы вейвлет-анализа сигналов.-С-Пб.: ООО МОДУС +, 1999.- 152 с.

99. Воробьёв В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. С-Пб.: ВУС, 1999. - 203 с.

100. Hung А.С. Image compression: the emerging standard for color images//IEEE Computing Futures. 1989. - Inagural issue. - P. 20-29.

101. Ramachandran K., Vetteri M. Best wavelet packet bases in a rate-distortion sense // IEEE Trans. Image Proc. 1993. -V.2. ->2. - P. 160-175.

102. Gopinath R.A., Burrus C.S. On cosine-modulated wavelet orthogonal bases // IEEE Trans. Image Proc. 1995. -V.4. - P. 162-177.

103. Antoni M. et al. Image coding using wavelet transform // IEEE Trans. Image Proc. 1992. -V.l. -'2. - P. 205-220.

104. Fractal image compression: theory and application./ Ed.: Y.Fisher. New York, 1995.-XVIII, 341 p.

105. Виленкин Н.Я. Об одном классе полных ортогональных систем // Изв. АН СССР. Сер. мат. 1947. - Т.П. - С. 363-400.

106. Chrestenson Н.Е. A class of generalized Walsh functions // Pacific. J. Math. -1955.-V.5.-№l.-P. 17-32.

107. Perkins M.G. A comparison of the Hartley, Cas-Cas, Fourier, and discrete cosine transforms for image coding // IEEE Trans. Commun. 1988. - V.36. -№6.- P.758-761.

108. Умняшкин C.B. Быстрые алгоритмы вычисления дискретного мультипликативного преобразования / М.: МГИЭТ (ТУ), 1995. 15 с.— Деп. в ВИНИТИ 16.02.95, № 442-В95.

109. Умняшкин С.В. Особенности использования дискретного преобразования Крестенсона-Леви при обработке вещественных массивов // Микроэлектроника и информатика: Тез. докл. Межвузовской НТК 12-14 апр. 1995 г. М.: МГИЭТ (ТУ). - С. 188-189.

110. Storer J.A. Data compression: Methods and theory. Rockville (Md): Computer science press, 1988. - X, 413 p.

111. Джайн A.K. Сжатие видеоинформации: Обзор // ТИИЭР. 1981. - Т.69. -№3. - С. 71-117.

112. Digital image processing / Collect.: Chellappa R. Los Alamitos (Ca) et al.: IEEE computer soc. press, 1992. - IX, 801 p.

113. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. М.: Наука, 1970. - 720 с.

114. Birney К.A., Fischer T.R. On the modeling of DCT and subband image data for compression // IEEE Trans. Image Proc. 1995. - V.4. - 2. - P. 186-193.

115. Жуков Д.М. Эквивалентность одномерного и двумерного преобразования Крестенсона-Леви // Методы цифровой обработки изображений: Сб. Научных трудов МИЭТ. М.: МИЭТ, 1982 - С. 65-70.

116. Мастрюков Д. Алгоритмы сжатия информации. Ч. 2. Арифметическое кодирование // Монитор. 1994. -№ 1. - С. 20-26.

117. Lee B.G. FCT A fast cosine transform // Proc. IEEE ICASSP. -1984. - P. 28A3.1-28A3.4.

118. Cho N., Lee S. Fast algorithm and implementation of 2-D discrete cosine transform // IEEE Trans. Circuits and Systems. 1991. -V.38. - P.297-305.

119. Mallat S. A theory for multiresolutional signal decomposition: the wavelet representation. IEEE Trans. Pattern Analysis and Machine Intelligence, 1989, N7, p.674-693.

120. A. Harten. Discrete Multi-Resolution Analysis and Generalized Wavelets, J. App. Num. Math., v. 12, pp.153-193, 1993.

121. Wim Sweldens. The lifting Scheme: A Custom Design Construction of Biorthogonal Wavelets, Applied and Computational Harmonic Analysis, 3(2), 186-200, 1996.

122. Wim Sweldens. The lifting Scheme: A Construction of Second Generation wavelets. SI AM J. Math. Anal., 29(2): 186-200, 1997.

123. Липский В. Комбинаторика для программистов. М.: Мир. 1988.215 с.

124. Майника Э. Алгоритмы оптимизации на сетях и графах. М.: Мир, 1981.-323 с.

125. Михалевич B.C., Кукса А.И. Методы последовательной оптимизации. М.: Наука, 1983. - 208 с.

126. Floyd S., Jacobson V. The Synchronization of Periodic Routing Messages. // ШЕЕ/ACM Transactions on Networking. 2(2). 1994.- p. 122-136.

127. Слепцов В. В., Васильев A.M., Сидоров А.К. Анализ устойчивости распределенных информационно-измерительных систем. МГАПИ. Приборостроение, Межвузовский сборник научных трудов, 2005, стр. 13-20.

128. Васильев A.M., Сидоров А.К., Гарипов В.К. Построение алгоритмов диагностирования технических систем при отсутствии надежностных характеристик контролируемых параметров. Приборы, 2006, №8, С. 36-38.

129. Гарипов В.К, Васильев A.M. Сжатие изображений на основе модифицированного дискретного косинусного преобразования. Мир техники Кино. 2007, № 6, с. 8-11, 2008, №7, с. 3-6.

130. G.Donovan, J.S.Geronimo, D.P.Hardin, P.R.Massopust. Construction of orthogonal wavelets using fractal interpolation functions, School of Math., Georgia Inst, of Technology, preprint MATH 102293-010, 1994.

131. Yip P.C., Rao K. R. The transform and data compression handbook. Boca Raton: CRC Press, Inc., 2001.-408 p.

132. Salomon D. Data compression: the complete reference.- 4th ed. -NY:Springer -Verlag, Inc., 2006. 1092 p.

133. Hans M., Schafer R.W. Lossless compression of digital audio // IEEE Signal Processing Magazine. 2001. - Vol. 18, № 4. - P. 21 - 32.

134. Liebchen T. Lossless audio coding using adaptive multichannel prediction // Proceedings of 113th AES convention. Los Angeles, 2002. - 7 p.

135. Liebchen T. MPEG-4 lossless coding for high-definition audio// Proceedings of 115 th AES Convention. New York, 2003. - 6 p.

136. Wang Y., Vilermo M. The modified discrete cosine transform: its implications for audio coding and error concealment // Proceedings of AES 22nd International Conference. Espoo, 2002. - P. 223 - 232.

137. Li J. Reversible FFT and MDCT via matrix lifting // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing.- Montreal, 2004. Vol. 4, - P. 173 - 176.

138. Malvar H.S. Fast algorithm for the modulated complex lapped transform // IEEE Signal Processing Letters. 2005. - Vol. 10, № 5. - P. 8 - 10.

139. A comparison of integer fast Fourier transforms for lossless coding /

140. Y. Yokotani, S. Oraintara, R. Geiger et al. // Proceedings of IEEE International Symposium on Communications and Information Technologies. Sapporo, 2004. - Vol. 2,- P. 1069 - 1073.

141. Yokotani Y., Oraintara S. Lossless audio compression using integer modified discrete cosine transform //Proceedings of IEEE International Symposium on Intelligent Signal Processing and Communication Systems. Awaji Island (Japan), 2003.-P. 120- 126.

142. Daubechies I., Orthonormal bases of compactly supported wavelets

143. Communications on Pure and Applied Mathematics.- 1988. Vol. 41, № 7. -P. 909-996.

144. Timofeev A.V. Multi-Agent Information Processing and Adaptive Control in Global Telecommunication and Computer Networks. International Journal «Information Theories and Their Applications», 2003, № 10, pp. 54-60.

145. Алексеев И.В., Соколов В.А. Протокол TCP с адаптацией скорости. // Моделирование и анализ информационных систем. Т.6, № 1. 1999.1. С.4-12.

146. Алексеев И.В. Математическая модель протокола TCP с адаптацией скорости. // Моделирование и анализ информационных систем. Т.6, №2. 1999.- С. 51-53.

147. Гольдштейн Б. Протоколы сети доступа. // М., Радио и связь. -1999.

148. Кораблин, М. А. Маршрутизация на основе нечеткой логики в рамках протокола RIP / М. А. Кораблин, Д. Ю. Полукаров // Информационные технологии. 2005. - № 6. - С. 11-15.

149. Алиев Т.И., Муравьева JI.A. Выбор метода диспетчеризации в системах реального времени // Третье Всесоюзное совещание по распределенным автоматизированным системам массового обслуживания. Тезисы докладов. М., 1990.-С. 126-128.

150. Taqqu М., Willinger W., Sherman R. Proof of Fundamental Result in Self-Similar Traffic Modelling. // Computer Communications Review, n. 27. -1997.-p. 5-23.

151. Frost V., Melamed B. Traffic modelling for telecommunications networks. // ШЕЕ Communications Magazine. 32(2). -1994.- p. 70-80.

152. Leland W., Taqqu M., Willinger W., Wilson D. On the Self-Similar Nature of Ethernet Traffic (Extended Version). // ШЕЕ/ACM Transactions on Networking. 2(1). -1994.- p. 1-15.

153. Gusella R. A Measurement Study of Diskless Workstations Traffic on an Ethernet. //ШЕЕ Trans, on Communications. 38(9). 1990,- p. 1557-1568.

154. Paxson V., Floyd S. Wide-Area Traffic: The Failure of Poisson Modelling. // ШЕЕ/ACM Transactions on Networking. 3(3). 1995,- p. 226-244.