Книги по разным темам Pages:     | 1 | 2 | 3 | 4 |

Будем рассматривать автоматизированную систему управления в виде совокупности основных подсистем, обеспечивающих выполнение определенных задач в соответствии с функциональной структурой, и множества модулей автоматизации ИП:

(14) SN = {sm, sc, sd, ss, }, где: sm - подсистема обработки сообщений, выполняющая отображение множества входящих сообщений M среды на множестве событий E, т.е. M E;

sc - подсистема управления модулями автоматизации ИП, анализирующая выявленные события E в целях выработки управлений в многопоточной среде выполнения, т.е. E ; sd - подсистема распределения нагрузки между множеством МАИП; ss - подсистема доступа к конфигурации МАИП; - множество модулей автоматизации ИП.

Конечное множество определенных в рамках данной модели управляющих воздействий включает: s - синтез нового МАИП; i - инициализация МАИП; r - выполнение алгоритмов МАИП; с - завершение выполнения алгоритмов МАИП. Выработка управлений осуществляется в многопоточной среде выполнения, что позволяет распараллелить процессы управления совокупностью модулей автоматизации ИП.

Процесс управления модулем автоматизации опирается на политику жизненного цикла МАИП. Под политикой жизненного цикла модуля понимается совокупность продукций, определяющих управляющие воздействия, подлежащие выработке в ответ на поступившее событие, в целях достижения желаемого поведения.

Представим модуль автоматизации ИП в следующем виде:

(15) i = (Xi, Yi, t,,, ); i, i i где: Xi и Yi - множество входных и выходных информационных потоков; t - тип модуля автоматизации ИП; - комплексный алгоритм инициализации, i i r c преобразований, завершения выполнения, т.е. = {,, }; - булева i i i i i функция оценки завершенности ИП; - конечный детерминированный автомат Мили, определенный на множестве состояний модуля.

s Множество состояний модуля определено как: - модуль r c синтезирован (created); - способен к выполнению (runnable); - выполнение завершено (completed).

Конечный автомат предназначен для фильтрации управляющих воздействий со стороны подсистемы sc на основании текущего состояния МАИП. Необходимость фильтрации обусловлена тем, что не во всех состояниях выработка всех управлений является допустимой. В то же время, в силу многопоточности выработки управлений невозможно гарантировать, что с момента принятия решения о необходимости выработки управления ( ) до момента непосредственной выработки управления состояние МАИП не изменится. Тогда с учетом допустимости выработки управлений для различных состояний МАИП получим логику конечного детерминированного автомата Мили, представленную в таблице 1.

Таблица 1. Таблица переходов и выходов конечного автомата Мили Текущее состояние Входной сигнал (Xv) Следующее Выходной сигнал (Yv) (Sv) состояние (Sv) s r i i i( ) i s - r c c - r r - i r r r r( ) i c c c с( ) i c T - i r F - i c c - i c - r c c - Определив механизмы управления процессами обработки данных, перейдем к синтезу архитектуры системы мониторинга состояния оборудования технической системы (СМСО ТС). В силу использования классических технологий в процессе проектирования АСУ в совокупности с агентным подходом, использованным при создании распределенной системы обработки данных, архитектура СМСО ТС будет иметь гибридный характер (рис. 4).

В состав системы мониторинга входит совокупность МАИП предварительной обработки данных, выполняющих роль связующего звена между распределенной МАС и остальными структурными элементами системы. Данный модуль формирует и передает агенту aic контекст обработки c данных, содержащий: - множество параметров процесса предварительной обработки; - множество характеристик временного интервала обработки; - инструкция выполнения. Обработанные агентами МАС данные передаются модулю автоматизации, который их экспортирует заинтересованным клиентам посредством соответствующей подсистемы с использованием механизмов группировки.

Рисунок 4 - Гибридная архитектура СМСО ТС Представленная модель обладает следующими особенностями и преимуществами по сравнению с имеющимися решениями:

1. использует легко масштабируемую модель процессов распределенной обработки данных, управляемых на основе системы событий;

2. использование сервиса обмена сообщениями позволяет существенно упростить процессы клиент-серверного взаимодействия, а также избежать kb RPC БЗ БД сервиса сервиса Сервер ( ядро СМСО ТС ) Подсистема экспорта Подсистема экспорта Подсистема доступа к БД ПУА СТС a ( АБЗ ) Подсистема кэширования Агентная платформа Подсистема экспотра сервисов Подсистема отображения значений нагрузки Подсистема распределения МАИП событий значений сообщений Подсистема синтеза Подсистема анализа алгоритмов МАИП Подсистема публикации Подсистема выполнения Подсистема группировки x c a ( АКОД ) МАИП (ctx) времени Подсистема синтеза событий Сервис обмена сообщениями Подсистема импорта значений событий мониторинга параметров таймера значений параметров c Подсистема доступа к конфигурации МАИП Подсистема буферизации a ( АКОД ) Подсистема мониторинга Подсистема МАИП (ctx) Подсистема ипморта данных Подсистема экспорта данных Подсистема управления процессами синтеза событий Клиент подсистемы мониторинга Ядро АСУИП Клиентское приложение vb a ( АБфД ) уровень Промежуточный Оборудование ТС Агентная платформа Агентная платформа Агентная платформа й и н е щ б о о с L C A и к в о р и т р о п с н а р т с и в р е С потенциальных проблем, связанных с отказами в функционировании элементов инфраструктуры сети организации;

3. использует механизм группировки информационных объектов, учитывающий скорость поступления данных, обеспечивая передачу клиентам большого количества информации в ограниченное время.

В главе 4 рассмотрены вопросы применения разработанных формализмов описания моделей, методов и алгоритмов к задаче автоматизации мониторинга состояния оборудования комплекса ускорителей элементарных частиц.

Множество типов предварительной обработки данных поступающих от комплекса ускорителей, включает в себя исчисление значений параметров верхнего уровня (различных степеней), исчисление минимальных и максимальных значений параметров, исчисление статуса параметра и единиц измерения. Одним из наиболее комплексных типов обработки является процесс исчисления статуса параметра, заключающийся в сравнении значения параметра с некоторой эталонной величиной с последующим анализом результатов сравнения. Кроме того, в процессе исчисления учитывается общее состояние устройства, а также такие характеристики параметра как дискретность/непрерывность значений, тип параметра, тип сравнения (абсолютная погрешность, относительная погрешность и т.д.). Множество допустимых значений статуса параметра определено в виде: OK(все в порядке), WARNING(предупреждение), ERROR(ошибка), NONE(статус не определен).

В силу отсутствия определения статуса параметра в качестве параметра в БД, построение обычной иерархии параметров для его исчисления представляется невозможным, что обуславливает использование механизмов синтеза виртуальных иерархий. В рамках данного подхода вид иерархии определяется на основании анализа информации в БД. Примером типовой виртуальной иерархии параметров в PS является иерархия исчисления статуса для одного из параметров (AQN) преобразователя мощности PR.DHZ(рис. 5).

PR.DHZ01/AQN$status p p p p PR.DHZ01/AQN PR.DHZ01/CCV PR.DHZ01/STAQ$status PR.DHZ01/TOLA p p PR.DHZ01/STAQ PR.DHZ01/CSTAQ Рисунок 5 - Пример виртуальной иерархии Процедура синтеза данной иерархии параметров является прерогативой агента avh, который получает соответствующий запрос от агента ah. На основе полученной иерархии агент предварительной обработки данных ap производит исчисление значения параметра.

В целях рассмотрения механизма принятия решения агентом ap в условиях неопределенности рассмотрим подмножество возможных миров достижимых из состояния si (рис. 2). Данное подмножество будет состоять из x двух миров с вероятностью достижимости = ( ) и с x вероятностью = ( ) (рис. 6), где - вероятностный коэффициент, определенный как произведение вероятностей исходов действий:

h a a = ( ) ( ) ( ).

0 1 В результате выполнения p(P) оценки вероятностей и будут пересчитаны ( и соответственно) как следствие изменения x x вероятностных характеристик исходов и, исходя из результатов анализа 0 имеющихся данных о множестве значений параметров P.

xx(pi) i(s'6) c(pi) 1) 1 / r(1) vtk({pd'}) vtk-1({pd'}) p(P) d(p') v(h(pi)) a(Ph) a(p') vtk-1(p') si si+hax() h(pi) ai(s'5) x(pi) c(pi) 2) 1 / r(1) vtk({pd'}) vtk-1({pd'}) p(P) xd(p') v(h(pi)) a(Ph) a(p') vtk-1(p') si si+hai(s'7) x() h(pi) ai(s'5) Рисунок 6 - Достижимые в состоянии si миры убеждений агента Тогда в состоянии si+1 агенту необходимо определить действие, подлежащее реализации, которое потенциально приведет к конечному состоянию с наибольшим значением целевой функции. Согласно (8) i вычислим комплексные оценки оптимальности реализации допустимых c x действий и :

(16), (17) = = =.

Выбор дальнейшего действия агента зависит от значений целевой функции, а также вероятностей достижимости миров (результатов анализа имеющихся данных о множестве значений параметров P).

Управление процессами обработки данных осуществляется с помощью АСУ ИП. В процессе построения контекста выполнения МАИП предварительной обработки данных формирует множество параметров, значения которых необходимо вычислить с учетом подмножества виртуальных параметров ($-параметры). Все вычисленные значения дополнительных характеристик, наряду со значением основного параметра, помещаются в комплексное значение параметра (КЗП), представляющее собой результат процесса предварительной обработки и имеющего следующую структуру: = (v, v, v, s, u ), где v - значение параметра, v и v - минимально и min max min max максимально допустимые значения параметра соответственно; s - статус параметра; u - единицы измерения.

Политика жизненного цикла данного МАИП предварительной обработки данных определяется исходя из характера процесса функционирования ускорителя, который можно представить в виде совокупности интервалов времени - циклов. В рамках каждого из циклов, системой мониторинга производится сбор данных, их обработка и передача обработанных данных заинтересованным клиентам. Тогда для каждого ускорителя комплекса необходима конфигурация соответствующих МАИП обеспечивающих обработку данных в соответствии с системой циклов ускорителя.

Разрабатываемая на основе спроектированной модели система мониторинга является частью информационно-программного комплекса мониторинга и управления InCA (Injector Control Architecture), призванного унифицировать механизмы мониторинга состояния оборудования и предоставить средства безопасного и централизованного управления совокупностью ускорителей системы инжекции пучка элементарных частиц. В качестве средств реализации спроектированной системы были использованы язык программирования и технологии платформы Java.

Прототип системы, реализованный на основе предлагаемой модели, прошел успешные испытания в рамках серии централизованных тестирований комплекса мониторинга и управления оборудованием (13.08.08, 14.11.08, 20.04.2009-21.04.2009) в ЦЕРНе. В процессе тестирования работоспособности системы были получены показатели различных характеристик процесса функционирования объекта испытаний (таблица 2).

В основу архитектуры системы мониторинга была положена предложенная в работе модель, за исключением распределенной МАС предварительной обработки данных. Данное решение мотивировано наличием достаточных ресурсов для обработки данных поступающих от оборудования PS ускорителя. Дальнейшее расширение системы, в целях мониторинга состояния оборудования комплекса ускорителей системы инжекции пучка, предполагает использование распределенного подхода к обработке данных.

Таблица 2. Результаты тестирования СМСО ускорителя PS Количество параметров 995 5067 Показатель Количество клиентов 7 32 Среднее количество итерации 7 5 препроцессинга (за базовый период) Количество МАИП препроцессинга 4 4 Потребление времени ЦП (%) 8 18 Потребление ОЗУ (МБ) 320 350 Общее количество потоков 275 310 В результате выполнения работы достигнуты следующие основные результаты:

1. предложены алгоритмы синтеза иерархических структур на основе многоуровневой системы определения зависимостей;

2. спроектирована архитектура МАС распределенной обработки данных, построена модель BDI агента предварительной обработки, рассмотрены структурные элементы МАС и взаимодействие между ними;

3. разработана модель управления процессами предварительной обработки данных в многопоточной среде выполнения;

4. предложена модель системы мониторинга состояния оборудования сложной технической системы с гибридной архитектурой;

5. рассмотрено применение формализмов описания моделей, методов и алгоритмов к задаче автоматизации процесса мониторинга комплекса ускорителей, разработан прототип системы мониторинга и произведена верификация прототипа посредством тестирования.

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ 1. Лежебоков В.В. Управление информационными процессами обработки массивов данных большой размерности / В.В. Лежебоков // Известия Волгоградского государственного технического университета: межвуз. сб.

науч. ст. /ВолгГТУ. - Волгоград, 2009. - №6. ЦС. 56-59.

(журнал рекомендованный ВАК) 2. Лежебоков В.В. Решение задачи препроцессинга данных в рамках разработки информационно-программного комплекса мониторинга и управления оборудованием ускорителей / В.В. Лежебоков, В.А. Камаев // Известия высших учебных заведений. Поволжский регион. Сер.

Технические науки. - Пенза: Изд-во Пенз. гос. ун-та, 2009. - № 2. - С. 43-53.

(журнал рекомендованный ВАК) 3. Лежебоков В.В. Разработка и применение модели автоматизированной системы управления информационными процессами к задаче мониторинга состояния оборудования / В.В. Лежебоков, В.А. Камаев //Вестник компьютерных и информационных технологий. - 2009. - №9. - С. 18-22.

(журнал рекомендованный ВАК, принята к публикации за № 489) 4. Лежебоков В.В. Модель автоматизированной системы высокопроизводительной обработки информационных массивов большой размерности / В.В. Лежебоков, В.А. Камаев // Новые информационные технологии и системы: Труды VIII международной научно-технической конференции. Ч. 1. - Пенза, ПГУ, 2008 г. - C. 82-85.

Pages:     | 1 | 2 | 3 | 4 |    Книги по разным темам