автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Ускоренное символьное имитационное моделирование логико-динамических систем

г=Х О

п

ст На правах рукописи

й- 1

Зверев Владислав Валерьевич

УСКОРЕННОЕ СИМВОЛЬНОЕ ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЛОГИКО-ДИНАМИЧЕСКИХ СИСТЕМ

Специальность: 05.13.18 - Теоретические основы математического

моделирования, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург -1997

Работа выполнена в Санкт-Петербургском государственном электротехническом университете имени В.И. Ульянова (Ленина)

Научный руководитель-

кандидат технических наук, доцент Сабинин О.Ю.

Официальные оппонента:

доктор технических наук, профессор Чуич В.Г.

кандидат технических наук, доцент Смирнов В.М.

Ведущая организация-

Северное проектно-конструкторское бюро, г. Санкт-Петербург.

Защита состоится /Вп ¿//омл 1997 г. в часов на заседании

диссертационного совета Д 063.36.01 Санкт-Петербургского государственного электротехнического университета имени В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета. Автореферат разослан" 1997 г.

Ученый секретарь диссертационного совета к.т.н., доцент

Демидович В. Б.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

АКТУАЛЬНОСТЬ ПРОБЛЕМЫ. Практика создания автоматизированных и автоматических систем управления выдвинула проблему разработки научных принципов их проектирования. Наиболее сложными и трудно формализуемыми при этом являются задачи оценки эффективности различных вариантов построения систем, проверки работоспособности разрабатываемого решения.

Наиболее перспективным инструментом решения задачи анализа проектируемой системы представляется имитационное моделирование. Аналитическое моделирование малопригодно для таких целей, так как в большинстве случаев в силу сложности исследуемых систем не удается получить законченного аналитического решения задачи.

В нашей стране проблемами автоматизации имитационных экспериментов занимались Бусленко В.Н., Ермаков С.М., Мелас В.Б., Полляк Ю.Г., Пугачев В.Н. и др. Над разработкой средств имитационного моделирования работают такие ведущие зарубежные фирмы как ШМ, Pritsker and Associates, Rapid Data, Siemens, Renault и др.

В настоящее время разработан целый ряд программных систем имитационного моделирования, которые позволяют проводить эксперименты на различных моделях. Вместе с тем, использование существующих средств имитационного моделирования при выполнении конструкторских и проектных работ сопряжено с большими затратами средств и времени .

Вызвано это главным образом следующими причинами:

- большая длительность основных этапов проведения имитационного моделирования (формализация задачи, отладка модели, эксперимент, обработка результатов и др.), которая часто не позволяет укладываться в приемлемые сроки выполнения проектных работ;

- большие затраты машинного времени на проведение стати ста ко-имитационных экспериментов. Даже при использовании современных вычислительных систем требуются десятки, а в некоторых случаях и сотни часов для получения результатов с требуемой точностью;

- потребность в высококвалифицированном пользователе, который должен обладать разносторонними знаниями в различных областях науки и техники (математического моделирования, статистической оценки результатов моделирования, обладать навыками работы с ПЭВМ и хорошо знать ту область, для которой создается модель).

Имея в виду важные для техники сегодняшнего дня приложения, в диссертационной работе рассматриваются вопросы исследования логико-динамических систем. К ним относятся гибкие производственные системы, вы-

числительные сети, автоматизированные, распределенные системы управления и другие сложные системы.

ЦЕЛЬ РАБОТЫ. Цель настоящей диссертационной работы - разработка новых методов и принципов организации систем ускоренного имитационного моделирования логико-динамических систем, которые смогли бы существенно облегчить работу пользователя и сократить сроки выполнения проектных работ.

ОСНОВНЫЕ МЕТОДЫ ИССЛЕДОВАНИЯ. Теоретической и методологической основой работы послужили: математические методы сетевого моделирования дискретно-непрерывных процессов; аппарат предикатно-продукционного представления знаний; теория понижения дисперсии статистических оценок и повышения точности статистических экспериментов, а также различные походы к организации и автоматизации имитационных систем.

НАУЧНАЯ НОВИЗНА полученных результатов состоит в следующем:

1. Разработана оригинальная методика символьной формализации логико-динамических систем, основанная на использовании специального декларативного языка описания систем в терминах любой исследуемой области. Методика реализует такие современные концепции, как квазипараллельное, наглядное представление задачи; использование логических описаний с применением терминологии той области, к которой относится моделируемая система.

2. Разработана методика организации ускоренного статистического моделирования в рамках имитационного эксперимента, которая гарантирует сокращение времени проведения статистического моделирования без потери точности результатов и эффективна для одновременной оценки нескольких критериев в условиях большой размерности вектора случайных величин.

3. Предложен адаптивный механизм планирования ускоренного статистического моделирования на основе использования явно задаваемых математических конструкций, обеспечивающий эффективность и точность статистических экспериментов.

4. Предложена процедура комплексного использования результатов имитационных экспериментов. Она позволяет дополнительно повысить точность оценок за счет использования предварительных результатов, получаемых на этапе планирования статистического моделирования.

5. Предложена универсальная система ускоренного статистико-имитационного моделирования логико-динамических систем, на основе символьного представления модели. Система позволяет проводить ускоренный статистической анализ результатов имитационных прогонов моделей, реализует современные идеи и концепции создания автоматизированных интеллектуальных средств проектирования.

ПРАКТИЧЕСКАЯ ЩННОСТЬ. Практическая ценность полученных в диссертационной работе результатов заключается в следующем:

- Разработан аппарат символьной формализации логико-динамических систем, который упрощает формализацию задачи и работу с получаемой моделью, за счет предоставления пользователю возможности применения специфической терминологии, привычной для экспериментатора, из области моделируемой системы. Наряду с наглядностью и простотой, аппарат обладает способностью к верификации модели и интеграции с другими системами.

- Разработана эффективная методика организации статистического моделирования на основе модифицированного метода коррелированных процессов, которая гарантирует сокращение затрат машинного времени на проведение статистического моделирования, без снижения точности получаемых результатов. Отличительной способностью предлагаемой методики является автоматизация процесса построения планирующих функций, работоспособность при большой размерности векторов случайных величин и оцениваемых критериев моделируемой системы.

- Предложен адаптивный подход к планированию моделирования, отличающийся возможностью его реализации пользователем, без определенных навыков работы, и при этом не снижая точность и эффективность ускоренного статистического эксперимента, а также существенно упрощающий его работу.

- Предложена программная система ускоренного статистико-имитационного моделирования логико-динамических систем, которая облегчает процесс человеко-машинного общения, может интегрироваться с другими системами, а также наращивать мощность моделирования без изменения кода программы.

Полученные научные результаты используются и внедрены в конструкторские и проектные работы Северного ПКБ, ЦКБ "Меридиан" (разработка и анализ эффективности корабельных систем), производственного объединения "Красный треугольник" (настройка гибких производственных линий), о чем свидетельствуют соответствующие акты.

Достоверность научных и практических положений, выводов и рекомендаций подтверждается результатами экспериментов, а также результатами использования и внедрения.

Направление диссертационной работы определялось государственной научно-технической программой "Программные системы. Трансферные технологии, комплексы и оборудование", тематикой работ СПбГЭТУ и Северного ПКБ.

АПРОБАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ. Апробация результатов проведена на Международной научно-технической конференции "Актуальные проблемы математического моделирования и автоматизированного проектирования в машиностроении. Модель-проект 95" /Казань, 1995/, на Украинской конфе-

ренции по автоматическому управлению (с привлечением иностранных специалистов) "Автоматика-96" /Севастополь, 1996/, атак же на Межвузовской научно-технической конференции "ДНДС-95" /Чебоксары, 1995/ и на конференциях профессорско-преподавательского состава СПбГЭТУ /1995-1997/.

ПУБЛИКАЦИИ. По материалам диссертации опубликовано пять научных работ. Три работы находятся в печати.

СТРУКТУРА И ОБЪЕМ РАБОТЫ. Диссертационная работа состоит из введения, пяти глав с выводами, заключения, списка литературы, включающего 82 наименования, и двух приложений. Основная часть работы изложена на 138 страницах машинописного текста. Работа содержит 36 рисунков и 4 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

ВО ВВЕДЕНИИ определена проблема и показана актуальность ее решения, сформулирована цель работы, перечислены основные теоретические и практические результаты работы, изложены основные положения, выносимые на защиту.

ПЕРВАЯ ГЛАВА. В первом разделе диссертационной работы рассматривается специфика имитации логико-динамических систем, анализируется современное состояние средств имитационного моделирования. На основе проведенного анализа формулируются задачи диссертационной работы и пути их решения.

Современные автоматизированные комплексы - это сложные дискретные распределенные объекты управления, которые связаны между собой и функционируют последовательно-параллельно во времени, образуя в совокупности сложную распределенную дискретно - непрерывную техническую и программно-информационную среду, требующую от системы управления решения логико-вычислительных задач. Такие комплексы принято называть логико-динамическими системами.

Аналитические методы мало пригодны для анализа таких систем. Наиболее действенным инструментом в данном случае является метод имитационного моделирования. Необходимость его использования для получения достоверных результатов требует рассмотрения особенностей, которые необходимо принять во внимание при построении систем имитационного моделирования (СИМ).

Автором, на примере важных для техники сегодняшнего дня приложений - гибких производственных систем, автоматизированных систем управления, распределенных вычислительных систем, выделяются следующие основные сложности формализации моделей логико-динамических систем: - совмещённость и параллелизм взаимодействия множества дискретно-непрерывных процессов;

- стохастический характер отдельных компонент моделируемых систем;

- неоднородность процессов, большая размерность получаемых моделей, затрудняющая работу конструкторов и др.

Особенно выделяется требование необходимости статистического моделирования логико-динамических систем. Получение вероятностных характеристик модели с заданной точностью связано с проведением сотен, а иногда и тысяч реализаций. Затраты машинного времени на проведение статистического опыта даже при использовании современных вычислительных систем измеряются десятками, а в некоторых случаях и сотнями часов. Ставится задача эффективного планирования и ускорения статистического моделирования.

На этой основе обосновываются требования к средствам имитации логико-динамических систем. Причем эти требования носят как теоретический (научный), так и практический (со стороны пользователя) характер.

С учетом данного ряда требований анализируются существующие средства имитационного исследования. К ним отнесены языки моделирования и готовые программные продукты. Делается вывод, что наиболее предпочтительным инструментом исследования логико-динамических систем являются универсальные пакеты программ.

В диссертации отмечается, что наиболее перспективными и получившими признание в среде специалистов являются сетевые продукты, основанные на различных расширениях сетей Петри. Кроме них рассматриваются прогрессивные специализированные интеллектуальные средства моделирования.

Проведенный анализ средств показал, что существующие продукты не отвечают в полной мере требованиям, предъявляемым к системам имитации логико-динамических систем. На основе проведенного обзора зарубежных и отечественных разработок автор обосновывает необходимость дальнейшего совершенствования систем имитационного моделирования как в теоретическом плане, так и в плане реализации конечных продуктов, ставит задачи диссертационной работы и намечает пути их решения.

ВТОРАЯ ГЛАВА. Данный раздел посвящен теоретической разработке аппарата формализации логико-динамических систем.

В первой части, рассмотрены недостатки, присущие основным методикам: сетям Петри, их расширениям и другим сетевым аппаратам , а так же недостатки "понятийной" схемы формализации, в свете требований изложенных в первой главе. На основе данного анализа ставится задача создания нового аппарата описания логико-динамических систем, который отличается тем, что направлен на существенное упрощение и интеллектуализацию процесса формализации моделируемых задач.

В качестве решения поставленной задачи предлагается предоставить

пользователю такой язык описания моделей, который был бы максимально приближен к естественному. Разработанный аппарат описания логико-динамических систем получил название "символьный".

Представление моделируемого объекта с помощью символьного формализма основано на понятиях: "сообщение", "активность" и механизме исполнения модели на основе модифицированных правил-продукции, называемых "элементарными действиями".

Сообщение отражает какое-либо событие, происходящее в модели. Событие не имеет протяженности во времени и определяется моментом и условиями своего наступления. Комбинации тех, или иных сообщений служат условиями наступления новых событий в системе.

Каждое сообщение характеризуется собственным уникальным лексическим словосочетанием, которое выбирается из терминов предметной области разработчика модели. Например:

ЗагрузитьСтанок, ДетальТип1, ЗаявкаЗагрузки, Операциям.

Элементарное действие - это модифицированное правило-продукции типа "IF <условие> THEN <действие>", которое управляется сообщениями, а не фактами, как в Пролог системах. В общем виде, его можно представить в виде предиката:

<условие>:- [<собственно действие>]; [<резулътат>]., где <условие> - комплект сообщений, объединяемый функциями И, ИЛИ, НЕ; <собственно действие> - функция имитируемого процесса, чаще всего - это длительность моделируемого действия;

<результат> - комплект сообщений, отражающих новое состояние модели в результате выполненного действия.

В отличие от Пролога (и подобных систем) элементарное действие (ЭД) имеет длительность и иной механизм исполнения.

Например, процесс запуска двигателя автомобиля можно представить следующим элементарным действием:

БакЗаправлен, АвтомобилъИсправен, СтартерВращается: - 0,8;

ДвигателъЗстущен.

Сетевая структура модели логико-динамической системы образуется из активностей.

Активность состоит из следующих компонент (рис. 1):

Имя модуля - это название моделируемого объекта, в виде символьного предложения.

Буфер - это область обрабатываемых сообщений, в которую поступают и хранятся сообщения. Порядок извлечения сообщений можно упорядочивать в

соответствии со временем их поступления. Например, буфер может иметь структуры типа FIFO, LIFO и др.

Система элементарных действий - образуется элементарными действиями, которые описывают моделируемые активностью процессы. Она может иметь атрибут, который определит количество одновременно выполняемых элементарных действий активности, называемый "количеством ресурсов активности".

Связи активности - образуют единую, законченную модель, формирование которых происходит с помощью имен активностей. Имена указывают на те активности, которым передаются сообщения.

"имя" - имя активности

"Элементарные действия"- система элементарных действий активности

количество одновременно активизируемых: с ограничением | без ограничения |

"Связи" - список связей с другими активностями

"Буфер" - буфер принятых сообщений

Типы: Hash |FlFO I LIFO |

Рис.1.

Механизм выполнения модели. Имитация процесса моделирования достигается путем пересылки сообщений между активностями. Пересылку сообщений осуществляют активности в соответствии с принципами исполнения элементарных действий.

Принципы выполнения элементарных действий активности.

1. Элементарное действие может быть запущено, лишь при удовлетворении условий его работы. Удовлетворение условий происходит, если в буфере активности имеется такой же комплект сообщений, что и в описании ЭД.

2. Если комплект сообщений входного буфера активности удовлетворяет условиям запуска сразу нескольких правил - продукции, то запускается предикат

с высшим приоритетом. Приоритет предиката определяется его порядком следования (то есть, номером строки в системе элементарных действий активности).

3. В момент активизации предиката, сообщения, вызвавшие активизацию данного предиката, удаляются из буфера обрабатываемых сообщений активности.

4. Активизированные элементарные действия не участвуют в дальнейших процессах запуска до окончания своей работы.

5. Предикат может быть активизирован лишь в том случае, если количество ресурсов активности будет больше числа активизированных элементарных действий. По умолчанию, число ресурсов активности принимается равным количеству правил-продукции в системе элементарных действий активности.

Длительность исполнения элементарного действия может быть различной. Возможны несколько вариантов задания времени исполнения элементарного действия. А именно:

- задание постоянной длительности моделируемого процесса;

- задание вероятностной оценки времени выполнения;

- задание длительности, не может быть определена на момент' активизации, но в дальнейшем (в процессе выполнения) будет установлена;

- задание переменной длительности процесса, которую можно определить на момент активизации процесса, путем выполнения внешней процедуры расчета.

В момент окончания исполнения ЭД (по истечению времени его работы) выполняются следующие системные действия:

1) активизированное правило - продукции переходит в разряд свободного, то есть становится доступным для новой активизации;

2) производится посылка сообщений результата выполнения предиката активностям, с которыми связана активность, имеющая данное ЭД.

Цикл работы модели повторяется бесконечное число раз, до тех пор, пока в модели присутствуют сообщения, вызывающие активизацию новых правил-продукции, и все активизированные не завершат работу.

Все компоненты и динамика моделирования символьного аппарата формализации имеют графическую поддержку, что увеличивает наглядность и доступность предлагаемой методики (рис. 2).

На основе примеров, позаимствованных из литературы посвященной исследованию параллельных процессов, производится иллюстрация формализации этих задач. Например, следующий рисунок формализует задачу "автомата обслуживания". Его выразительность превосходит модель, полученную на основе сеггей Петри.

Сообщения: Заказ

Автомат-продавец

КЗп

.---.'Сообщения: '

ЗаказВыполненНаМ2, ЗаказВьтолнеиНаМЗ

V

Автомат_Обслуэкмвания Заказ, О] свободен, М1 свободен: -; Заказ_с_М1, О ¡ свободен, М1 свободен. Заказ, 02_свободен, М1 свободен: -; Заказ е А//, 02_свободен, М1 свободен. Заказ_с_М1, 01 свободен: -; ЗаказВыполненНаМ2, О1_сеободен. Заказс_М1, 02_сеободен: -; ЗаказВыполненНаМЗ, 02свободен.

Автомат_Обслуживания -> Автомат Обслуживания.

Рис. 2.

Синтезированный из сетевых и "понятийных" представлений логико-динамических систем, разработанный символьный аппарат вобрал лучшие их выразительные стороны. Его отличительной особенностью является: возможность использования профессиональных терминов разработчика при описании модели, возможность наглядной интерпретации процессов моделирования, а также способность к верификации модели, которая демонстрируется в четвертой главе.

ТРЕТЬЯ ГЛАВА. В данном разделе диссертации представлены теоретические разработки направленные на сокращение времени статистического моделирования логико-динамических систем.

Анализируя существующие методы снижения ошибок статистического моделирования, автор обосновывает выбор метода на основе коррелированных процессов. Выбранный метод позволяет гарантировать снижение затрат машинного времени на эксперимент без снижения точности получаемых результатов. Метод хорошо приспособлен для одновременной оценки нескольких критериев эффективности и для работы в условиях большой размерности вектора случайных величин.

Недостатком существующих методик использования данного метода является исключение возможности построения универсального обеспечения статистического моделирования. Автор модифицирует методику на основе коррелированных процессов с целью создания универсального программной системы, для чего автоматизирует процесс построения планирующих функций и упрощенных моделей. Для этого в диссертационной работе в качестве планирующих

функций предлагается использовать явно описываемые математические конструкции: алгебраических полиномы нескольких переменных и ортогональные функции Хаара.

В качестве несмещенной состоятельной оценки критериев эффективности моделируемой системы предлагается использовать величину:

«ы

5

где у1 - значение вектора случайных величин в ьм воспроизведении исследуемого процесса; п - общее количество воспроизведений;

Ф*(У) = = {ФМ - -

>

7=(71,72,...7к)т =-ХФ(У)

п '-1 - оценка критерия эффективности при

статистическом моделировании с простой случайной выборкой;

г = (7;,7;,...7;у = -±ф\У')

п 1=1 - статистическая оценка математиче-

ского ожидания функции планирования на основе простой случайной выборки.

Дисперсия оценки Зк может быть сделана существенно меньшей, чем дисперсия оценки критерия эффективности при традиционной схеме организации статистического моделирования за счет выбора функции планирования Ф* (у), вектора ее параметров (а^ аг,..., ау) и матрицы коэффициентов В.

Эффективность использования метода коррелированных процессов, определяемая как сокращение необходимого числа воспроизведений исследуемого процесса по сравнению с моделированием по традиционной схеме, равна

1 ~Р\

То есть применение метода коррелированных процессов всегда гарантирует сокращение необходимого объема выборки по сравнению со статистическим моделированием по обычной схеме. При этом сокращение объема выборки будет тем больше, чем больше Ф* (у) наилучшим образом аппроксимирует Ф (У) , :

Планирующие функции при использовании для их задания алгебраических полиномов или функций Хаара представляются в виде:

I _

щ,..., ац) - вектор параметров функции планирования ФДу; а^; £,у(у) -

С,=--г>1, ¡ = 1,11,

некоторая функция вектора случайных величин у=(Уь уг,..., у„*); п* - размерность вектора случайных величин, используемых для планирования моделирования.

Алгебраические полиномы целесообразно использовать в том случае, когда оператор имитационной модели представляет собой непрерывную функцию вектора случайных величин. Функции Хаара являются наиболее эффективными при кусочно-непрерывных операторах моделей, в частности, при оценке вероятностей каких-либо событий.

Для эффективности метода необходимо подобрать коэффициенты планирующих функций аь аг, ..., а„ таким образом, чтобы функция Ф^(у; а^); наилучшим образом аппроксимировала оператор имитационной модели Ф1(у), ... ,

Фь(у).

Решение этой задачи до проведения статистического моделирования не представляется возможным. Поэтому предложен адаптивный механизм оптимального определения коэффициентов.

Отличительной чертой процедур адаптации является реализация оптимального планирования, в независимости от квалификации пользователя (наличия у него специальных навыков). Этот механизм позволяет без снижения точности и эффективности статистического эксперимента существенно упростить работу проектировщика и автоматизировать рутинную работу по определению планирующих функций.

В общем случае, процесс адаптации упрощенной модели представляет собой многошаговый процесс, когда на каждом шаге происходит настройка параметров (коэффициентов) планирования. Обобщенная схема адаптивной настройки упрощенной модели приведена на рис. 3, где У - вектор случайных величин, входящих в математическое описание имитационной модели исследуемой системы; Ъ - вектор результатов имитационного моделирования. В качестве модели планирования выбирается модель, построенная при помощи функций Хаара, либо алгебраических полиномов. Процедуры адаптации модели на основе имеющихся результатов статистического моделирования осуществляют выбор оптимальных параметров моделей планирования.

Работа адаптивного механизма разбита на четыре основных этапа. На первом этапе определяются коэффициенты планирующих функций, на втором -рассчитываются коэффициенты оценочных функций, на третьем - осуществляется предварительная оценка критериев эффективности, на четвертом - получается окончательная оценка критериев эффективности и производится расчет их точности. На первых трех этапах происходит многократное воспроизведение исследуемого процесса.

Процедуры адаптации модели

Модели Процедуры

планиро- —> организа- *

вания ции

Воспроизведение основной модели

Процедуры обработки рез-тов

Рис. 3.

Автором предложена процедура комплексного использования результатов экспериментов, которая позволяет воспользоваться предварительными результатами, получаемыми на этапе планирования статистического моделирования, вместе с основными, без искажения и снижения точности оцениваемых критериев моделируемой системы.

В качестве окончательной оценки критерия эффективности может быть использована величина:

Л

где:

А

="

и

_ А,7 + А,у

- дисперсия оценки Jj по результатам первых двух этапов; D2j - дисперсия

оценки Зъ^ , по результатам третьего этапа.

В результате модификации методики на основе коррелированных процессов, а так же адаптивного способа построения планирующих функций удается создать эффективную систему статистического моделирования, которая при любых условиях (для широкого круга моделей) не снижая точности получаемых результатов, сокращает экспериментальный этап статистического анализа, и существенно упрощает работу пользователя.

В ЧЕТВЕРТОМ РАЗДЕЛЕ, на основе разработанных методик второго и третьего раздела, предлагается обобщенная структура системы ускоренного имитационного моделирования логико-динамических систем (рис. 4).

Особенность ее в том, что она ориентирована на современные требования проектировщиков. Такие как:

- возможность интерактивного взаимодействия человека и модели в процессе эксперимента;

- встроенная поддержка статистического моделирования;

'- потребность автоматизированного формирования моделей с поиском и исправлением ошибок на основе символьного формализма;

- способность к интеграции с другими системами или программами, например интеллектуальными оболочками накопления знаний предметной области исследования.

Рис. 4.

Для этого в структуру СИМ предлагается ввести такие компоненты, как подсистему поддержки пользователя по принятию решений на базе быстрого моделирования с использованием нейронных сетей, интерфейс интеллектуального расширения для специалистов-экспертов по требуемой области моделирования и другие.

На базе разработанной схемы реализуется программа - имитатор символьной модели. За основу взята объектно-ориентированная концепция программирования. Объектно-ориентированный подход (ООП) в программировании показал высокую эффективность применения в области человеко-машинного

взаимодействия. Он позволяет упростить разработку программы, удовлетворяющей высоким эргономическим требованиям (гибкость, ясность, легкость использования, надежность). При этом использовались такие основные принципы ООП:

- инкапсуляция (объединение в одном элементе данных и процедуры их обработки);

- механизм наследования (на вновь определяемый объект переносятся все или некоторые свойства ранее определенного объекта);

- полиморфизм (возможность единообразного обращения к объектам в тексте программы при сохранении уникальности поведения объектов);

- независимость функционирования объектов, которая состоит в изменении внутреннего состояния объекта применением операций самого объекта;

Автором разработана универсальная иерархическая структура классов данных, упрощающая реализацию программных компонентов системы.

Для придания гибкости, а также возможности увеличения мощности СИМ, без изменения кода программы, решена задача межпрограммного взаимодействия модулей системы моделирования (для операционной системы типа MS-DOS).

В ПЯТОЙ ГЛАВЕ представлены результаты практического использования разработанных в диссертации подходов. Для экспериментальной оценки их эффективности моделируются две логико-динамические системы. Они позволяют оценить реализованную СИМ с двух позиций:

1)с позиции способности аппарата символьной формализации описывать реальные технические объекта и упрощать процесс исследования модели;

2) с позиции ускорения этапа статистического исследования моделей, на основе метода коррелированных процессов.

Первая задача - это задача анализа гибкого производственного участка НПО "Водтрансприбор".

Участок механической обработки изделий включал в себя шесть станков, робот погрузчик и автоматический склад ячеечного типа, обслуживаемый шта-белером. В процессе обработки принимают участие заготовки четырех различных типов.

На этом примере демонстрируется описание модели ГПС на основе символьного аппарата формализации. Разработанная модель гибкого участка позволила определить различные его характеристики. В частности удалось определить наиболее предпочтительные варианты распределения приоритетов между ГПМ и повысить эффективность всего участка.

Эффективности аппарата символьной формализации модели в сравнении затратами времени на формализации участка, подобного по структуре, но иссле-

дованного ранее, с использованием временных расцвеченных сетей Петри позволила охарактеризовать разработанную методику как более универсальная, доступная и простая, позволившая на порядок сократить срок разработки модели.

Вторая задача - это статистическое моделирование корабельного комплекса, разрабатываемого Северным ПКБ.

Комплект корабельной аппаратуры состоял из 20 автоматов (устанавливаемых гидроакустических буев) и системы управления. Цель исследования - определение вероятности подготовки назначенного числа автоматов и оценка оперативности подготовки комплекса к рабочему циклу. Особенностью данной задачи является присутствие большого количества случайных величин в моделируемом объекте (до 25 на один автомат).

Исследование символьной модели проводилось в двух режимах: первый -с использованием обычной выборки статистический данных (метод Монте-Карло); второй - с использованием модифицированного метода коррелированных процессов. Сравнение дисперсии результатов, полученных в том или другом режиме, позволило определить реальную эффективность предлагаемой методики. Реальное сокращение затрат машинного времени составило 10"и (и более) кратное преимущество предложенного метода организации статистического моделирования, что и было отражено в акте об использовании результатов диссертационной работы.

В ЗАКЛЮЧЕНИИ дается перечень основных полученных научных и практических результатов.

В ПРИЛОЖЕНИИ приводятся документы, подтверждающие внедрение результатов диссертационной работы, листинг модели гибкого производственного участка и дополнительные сведения о задачах практического использования с помощью разработанной СИМ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Основные научные и практические результаты данной диссертационной работы заключаются в следующих положениях.

1) Разработана оригинальная методика символьной формализации моделей логико-динамических систем, которая обеспечивает описание моделей в терминах предметной области исследуемой системы. Аппарат символьной формализации обеспечивает доступное и простое описание моделируемого объекта с возможностью проведения верификации модели; наглядную интерпретацию имитации процессов; а также, поддерживает интеграцию модели другими системами.

2) Разработан способ организации статистического моделирования на основе

модифицированного метода коррелированных процессов, который позволяет гарантированно снизить затраты машинного времени на статистическое исследование модели без снижения точности получаемых результатов.

3) Предложена методика адаптивного построения упрощенной модели. В основу методики положены явно задаваемые математические конструкции (системы функций Хаара и алгебраических полиномов). Они позволяют автоматизировать процесс планирования статистического эксперимента.

4) Разработана универсальная программа статистико-имитационного исследования технических систем, которая существенно облегчает процесс человеко-машинного общения при проектировании логико-дискретных систем и сокращает сроки исследовательских работ. Программа может быстро увеличивать мощность моделирования и интегрироваться с другими системами, за счет способности исполнять внешние процедуры без внесения изменений в код.

Практическое использование результатов диссертационной работы подтвердило их эффективность.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Зверев В.В., Сабинин О.Ю. Имитационное моделирование дискретных производственных систем на основе моделей, базирующихся на представлении формами // Тезисы доклада на Международной научно-технической конференции "Актуальные проблемы математического моделирования и автоматизированного проектирования в машиностроении. Модель-проект 95". - Казань: Изд-во КГТУ, 1995. - С. 27-30.

2. Зверев В.В. Имитационное моделирование производственно-технических комплексов на основе фреймо-продукционного представления модели // Изв. ТЭТУ. Сб. научн. тр. Вып. 492. - СПб., 1996. С. 65-69.

3. Зверев В.В., Сабинин О.Ю. Имитационное моделирование дискретных систем на основе символьной формализации моделей // Тезисы доклада 3-я Ук-рашська конференцш з автоматичного керувания. "Автоматика-96". Том 1. -Севастополь: Изд-во СевГТУ, 1996. С. 172-173.

4. Зверев В.В. Фреймовое описание моделей для имитации производственно-технических систем. // Деп. в ВИНИТИ 13.02.97 № 485-В97. - 7 с. С.-Петербургский гос. элекгротех. ун-т.

5. Зверев В.В., Сабинин О.Ю. Символьное имитационное моделирование технических систем // Приборы и системы управления. - М.: Машиностроение, 1997, №3. С 52-55.