Книги по разным темам
Pages: | 1 | 2 | 3 | 4 | На правах рукописи
Лежебоков Валерий Валерьевич АВТОМАТИЗАЦИЯ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ В ЗАДАЧАХ МОНИТОРИНГА СОСТОЯНИЯ ОБОРУДОВАНИЯ ТЕХНИЧЕСКИХ СИСТЕМ 05.13.01 - Системный анализ, управление и обработка информации (промышленность)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени кандидата технических наук
Волгоград - 2009
Работа выполнена на кафедре "Системы автоматизированного проектирования и поискового конструирования" Волгоградского государственного технического университета.
Научный руководитель доктор технических наук, профессор Камаев Валерий Анатольевич.
Официальные оппоненты: доктор технических наук, профессор Лукьянов Виктор Сергеевич.
кандидат технических наук, доцент Долгов Игорь Апполонович.
Ведущая организация Астраханский государственный технический университет.
Защита диссертации состоится 29 сентября 2009 г. в 15 часов на заседании диссертационного совета Д 212.028.04 при Волгоградском государственном техническом университете по адресу: 400131, Волгоград, пр-т.
им. В. И. Ленина, 28.
С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.
Автореферат разослан 28 августа 2009 г.
Ученый секретарь диссертационного совета Водопьянов В.И.
2
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Одной из характерных тенденций развития научных исследований является появление и использование информационных систем большой сложности. Важным классом данных систем являются автоматизированные системы мониторинга, обеспечивающие сбор данных, отражающих определенные характеристики состояния объекта наблюдения, с последующей их передачей конечному множеству заинтересованных клиентов. В данном контексте актуальной становится задача автоматизации предварительной обработки больших массивов информации в масштабах реального времени, что обуславливает создание высокопроизводительных распределенных систем препроцессинга данных.
В настоящее время существует довольно большое количество типов задач обработки информации в различных областях науки и производства, таких как:
обработка статических и видеоизображений, обработка аудиоданных, задачи комбинаторной оптимизации и т.д. На протяжении последних десятилетий было создано множество формальных методов, позволяющих эффективно решать обозначенные задачи. В тоже время, специфика задачи препроцессинга массивов данных, получаемых от оборудования технических систем, состоит в том, что функциональный состав моделей, разрабатываемых в рамках решения задач данного класса, определяется подходами к мониторингу и управлению технической системой. Данные подходы зачастую существенно отличаются для различных классов ТС, что объясняет отсутствие единых формальных методов в этой области.
Одним из видов процесса предварительной обработки данных является вычисление значения параметра верхнего уровня на основании массивов данных получаемых от технических устройств. Данное отношение на множестве параметров может быть представлено в виде иерархической структуры, задающей правила исчисления значения параметра в совокупности с необходимыми для этого информационными ресурсами. Тогда автоматизация предварительной обработки данных может быть достигнута за счет построения распределенной системы, структурные элементы которой осуществляют исчисление значений параметров на основе иерархических структур в рамках процессов, управляемых на основе системы событий. Также необходимо учесть необходимость обработки данных в условиях недостатка информации, обусловленного неидеальностью элементов ТС и каналов передачи данных.
Принимая во внимание распределенность процессов обработки данных, наиболее эффективным подходом к решению обозначенной задачи можно считать использование теории многоагентных систем (МАС). Апробацию разработанных методов, моделей и алгоритмов предполагается провести на оборудовании комплекса ускорителей элементарных частиц, созданного в Европейской организации ядерных исследований ЦЕРН.
Цель и задачи работы. Целью диссертационной работы является повышение производительности систем мониторинга состояния оборудования за счет разработки масштабируемой модели распределенной системы обработки данных. Для достижения указанной цели необходимо решить следующие задачи:
1. разработать методы и алгоритмы исчисления значений параметров на основе иерархических структур;
2. используя основные положения теории МАС, разработать модель распределенной системы предварительной обработки данных;
3. разработать модель автоматизации управления процессами предварительной обработки данных;
4. построить модель системы мониторинга состояния оборудования технической системы;
5. разработать прототип системы мониторинга состояния оборудования комплекса ускорителей элементарных частиц.
Методы исследования. Для решения поставленных задач были использованы методы системного анализа, теории многоагентных систем, теории управления, теории автоматов, общей алгебры, а также методы проектирования информационных систем.
Научная новизна результатов, выносимых на защиту, заключается в том что:
1. на основе абстрактной модели BDI-агента разработан и формализован алгоритм уточнения интенциональных характеристик;
2. предложена модель распределенной системы предварительной обработки данных на основе теории МАС;
3. предложена модель автоматизации информационных процессов в многопоточной среде выполнения, использующая верификацию допустимости выработки управлений на основе конечного автомата.
Практическая значимость и внедрение. Практическая ценность представленной работы определяется возможностями применения разработанных в диссертации формализмов, подходов, моделей и алгоритмов в сложных информационных системах:
1. формализмы описания автоматизированной системы управления информационными процессами могут быть использованы в рамках решения различных задач подразумевающих автоматизацию конечного множества ИП;
2. использование теории МАС при проектировании распределенной системы предварительной обработки данных создает базис для разработки методов интеллектуальной обработки информации (например, в условиях полного или частичного отсутствия информации);
3. формализмы описания модели системы мониторинга состояния оборудования сложной распределенной системы могут быть использованы в процессе проектирования системы мониторинга оборудования сложной технической системы;
4. приведенные формализмы описания моделей были использованы в рамках построения системы мониторинга состояния оборудования ускорителя элементарных частиц, вошедшей в состав информационно-программного комплекса мониторинга и управления большинством ускорителей ЦЕРНа.
Публикации. По теме диссертации опубликовано 12 печатных работ.
Апробация работы. Основные положения и результаты, полученные в диссертации, обсуждались на следующих научных конференциях: V всероссийская конференция Прогрессивные технологии в обучении и производстве (Камышин 2008); международная научно-практическая конференция Информационные технологии в науке и образовании (Шахты 2009); VIII международная научно-техническая конференция Новые информационные технологии и системы (Пенза 2008).
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Общий объем диссертации - 157 страниц, включая 63 рисунка, 24 таблицы, список литературы из 125 наименований и 6 приложений.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи исследования, определена научная новизна, изложено краткое содержание глав диссертации.
В первой главе приведены результаты аналитического обзора существующих решений и основных понятий предметной области, обозначены различные аспекты задачи автоматизации процесса мониторинга состояния оборудования сложных технических систем.
Обзор подходов, использованных при построении систем мониторинга состояния оборудования разработанных в крупнейших международных организациях ядерных исследований, позволил выявить определенные недостатки:
ограничения производительности систем мониторинга, обусловленные отсутствием распределенности в процессах предварительной обработки данных;
отсутствие методов обработки данных в условиях недостатка информации;
отсутствие централизованного механизма управления процессами предварительной обработки данных;
отсутствие механизмов динамического распределения нагрузки между подсистемами предварительной обработки данных;
трудоемкость расширения функциональности рассмотренных систем;
использование узкоспециализированного программного обеспечения.
Кроме того, в силу причин, обусловленных спецификой объекта мониторинга, процессов управления ускорителем, требованиями предъявляемыми к системе конечными пользователями, необходимостью интеграции с уже существующими системами и протоколами передачи данных, рассмотренные модели систем являются неприменимыми в контексте решаемой задачи. Наконец, потенциальное масштабирование проектируемой системы мониторинга, обуславливает необходимость в разработке высокопроизводительных методов распределенной обработки данных в рамках построения собственной системы мониторинга.
В настоящее время существует несколько подходов к построению систем мониторинга различного назначения, одним из которых является построение системы мониторинга на основе двухуровневой архитектуры. Системы на основе данной архитектуры обладают некоторыми недостатками, связанными с нерациональным использованием вычислительных ресурсов и асинхронностью получения и отображения информации. Разработка систем мониторинга на основе трехуровневой архитектуры позволяет избежать перечисленных недостатков, за счет создания дополнительного промежуточного уровня, обеспечивающего концентрацию информационных потоков, а также централизацию управления процессами предварительной обработки данных.
Учитывая размерность массивов данных, поступающих от оборудования, сам процесс предварительной обработки должен иметь распределенный характер и использовать ресурсы совокупности вычислительных комплексов.
Как уже отмечалось, одним из наиболее эффективных подходов к созданию распределенных систем является использование теории МАС, модели и методы которой достигли определенного успеха благодаря работам А. Рао, М.
Джорджефа, В. Тарасова, М. Дженнингса, Н. Вулбриджа и др. Использование интеллектуальных агентов на основе BDI (Belief Desire Intention) архитектуры позволит решить задачу функционирования агента в изменяющейся среде, а также создаст платформу для применения интеллектуальных методов обработки информации.
Автоматизация управления процессом предварительной обработки данных является одним их ключевых аспектов проектирования любой системы мониторинга. Вопросам автоматизации управления посвящено множество научных трудов различных специалистов в этой области, таких как Б. Волик, Ш. Алиев, Р. Дорф, Е. Попов и д.р. Несмотря на то, что бльшая часть рассмотренных методов ориентирована на их применение в области параметрического управления техническими объектами, автоматизация управления информационными процессами может быть достигнута за счет применения общих методов и моделей теории управления.
Вторая глава посвящена разработке моделей, методов и алгоритмов организации распределенной обработки данных, представленных значениями параметров, каждый из которых характеризует некоторое свойство l технического устройства d, т.е p(d, l). Множество параметров, значения которых, в процессе мониторинга, считываются непосредственно с технического устройства, являются параметрами нижнего уровня {pi0}. В общем случае в виду высокой степени сложности современных технических устройств (а, следовательно, большого количества параметров), восприятие и анализ конечным пользователем больших массивов данных представляет собой нетривиальную задачу. Зачастую возникает необходимость в исчислении значения параметра более высокого уровня, как функции от значений совокупности параметров нижнего уровня, т.е. p1 = f({pi0}). Полученное значение является значением параметра верхнего уровня первой степени. В свою очередь данное значение может быть использовано в вычислениях значения параметра верхнего уровня второй степени p2 = f({pi1}), и т.д. Тогда автоматизация предварительной обработки данных может быть достигнута за счет построения распределенной системы, структурные элементы которой осуществляют исчисление значений параметров на основе иерархических структур в рамках процессов, управляемых на основе системы событий.
В терминах искусственного интеллекта и иерархическая структура представима в виде семантической сети следующего вида:
h = (P,, ), (1) где: P - множество параметров технических устройств; - множество правил p исчисления значений параметров; - множество предикатов: - лиспользует значение, - лиспользует правило исчисления. Причем для любого параметра в заданной сети допустима истинность не более одного предиката.
Полная семантическая сеть H будет описывать все иерархические структуры, определенные для параметров заданной ТС.
В результате формализации механизмов исчисления значений параметров на основе данного подхода, был разработан рекурсивный алгоритм, который на верхнем уровне представим в виде следующей последовательности действий:
1. поиск/синтез иерархии h(pi) для параметра pi;
2. исчисление значения для каждого отсутствующего значения параметра pji-множества {pji-1}, путем рекурсивного выполнение данного алгоритма, полагая pi = pji-1;
3. проверка достаточности данных и корректности определения правила исчисления ;
4. вычисление значения параметра посредством выполнения алгоритмов соответствующего правила.
Таким образом, иерархии параметров позволяют организовать вычисления на основе общего механизма, абстрагированного от специфики применяемых в процессе исчисления алгоритмов.
Pages: | 1 | 2 | 3 | 4 | Книги по разным темам