авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
-- [ Страница 1 ] --

СТАВРОПОЛЬСКИЙ

ТЕХНОЛОГИЧЕСКИЙ

ИНСТИТУТ СЕРВИСА

(филиал) ГОУ ВПО

ЮРГУЭС

Межвузовская

научно-практическая

конференция

«РАЗВИТИЕ ИННОВАЦИОННЫХ

НАПРАВЛЕНИЙ В ОБРАЗОВАНИИ,

ЭКОНОМИКЕ, ТЕХНИКЕ И

ТЕХНОЛОГИЯХ»

24-25 марта 2009 г.

Часть II

Ставрополь

2009 г.

УДК 30.428

ББК 65.290-2

Р 85

Р 85 Развитие инновационных направлений в образовании, экономике, технике и технологиях. Межвузовская научно практическая конференция. Часть II – Ставрополь: Ставрополь ское книжное издательство «Мысль», 2009. – 232 с.

УДК 30.428 ББК 65.290-2 Сборник содержит научные материалы по актуальным проблемам разви тия инновационных направлений техники и технологий, представленных на научно-практической конференции 24-25 марта 2009 года.

В работе конференции приняли участие ученые, практические работники, аспиранты и студенты.

Сборник научных трудов адресован преподавателям, аспирантам, сту дентам, интересующимся проблемами развития инновационных направлений.

© Южно-Российский государственный университет экономики и сервиса, © Ставропольское книжное издательство «Мысль», СЕКЦИЯ 3. ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ В СЕРВИСЕ, ЭКОНОМИКЕ, ОБУЧЕНИИ ИССЛЕДОВАНИЕ ВЛИЯНИЯ РАЗЛИЧНЫХ ЗАКОНОВ УПРАВЛЕ НИЯ НА ВЫХОДНЫЕ ОШИБКИ УПРАВЛЯЕМОЙ ИНЕРЦИАЛЬНОЙ НАВИГАЦИОННОЙ СИСТЕМЫ Шепеть И.П., к.т.н., профессор, Слесаренок С.В., Бондаренко Д.В., ст. преподаватель, Захарин А.В., к.т.н., доцент, Онуфриенко В.В., к.т.н., доцент Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Технические характеристики существующих инерциальных навигацион ных систем в автономном режиме функционирования не позволяют обеспечить высокой точности определения навигационных параметров движения. Данный факт позволяет выявить прагматическое противоречие, обусловленное необхо димостью повышения точности определения навигационных параметров под вижных объектов, и невозможностью обеспечения достаточной точности из мерения навигационных параметров современными навигационными комплек сами (НК) и позволил наметить возможный путь его разрешения – применение управляемых ИНС.

Для повышения точности НК применяют автокомпенсационные развороты корпуса блока чувствительных элементов ИНС, с целью устранения случайных и детерминированных составляющих инструментальных погрешностей.

Для того чтобы исследовать влияние постоянных возмущающих воздейст вий рассмотрим два различных закона управления блоком чувствительных элементов (БЧЭ), таких как равномерный и периодический.

Простейший закон управления – равномерное вращение БЧЭ в азимуте во круг вертикальной оси представленный выражением (1), не позволяет ском пенсировать дрейф азимутального гироскопа и усиливает влияние ошибок масштабного коэффициента азимутального гироскопа. Однако исследование управляемой ИНС (УИНС) с данным законом управления позволяет опреде лить основные закономерности навигационных систем.

(t ) (t ). (1) Закон управления представленный выражением (2) наиболее предпочти тельный, т.к. ошибки по координатам, скоростям, углам вертикали и азимута в 2-2,5 раза меньше по сравнению с равномерным законом управления БЧЭ.

n (t ) k sin(kt ). (2) k Поиск оптимальных значений параметров закона управления БЧЭ завися щих от ошибок датчиков первичной информации можно представить в виде последовательности действий:

1. Задать начальные значения СКО дрейфа гироскопов о и СКО ошибок масштабного коэффициента k лазерных гироскопов (ЛГ). В нашем случае предлагается провести анализ влияния данных ошибок на ЗУ БЧЭ в интервалах о [0,...0,1] и k [10,...,10 ] соответственно.

7 2. Представить закон управления БЧЭ в виде:

n (t ) k sin(kt ).

k k1,, обеспечивающие 3. Определить параметры минимум выбранного k2,..., kn функционала Y. Определить параметры минимизирующие исход k1,.

ный функционал Y после чего уточнить параметры 4. Увеличить о на выбранный шаг при const. Выполнить пункты 2 k 4 при изменении о от min до max значения.

5. Увеличить на выбранный шаг и повторить пункты 2-5, при измене k k от min до max значения.

нии 6. Представить полученные оптимальные параметры закона управления БЧЭ в виде матрицы W [k1,..., kn, ], обеспечивающей сопоставление полу ченных экспериментальных данных с изменяемыми дрейфом и ошибками масштабных коэффициентами КЛГ.

7. Коэффициенты аппроксимирующего полинома определяются с помощью метода наименьших квадратов:

Qo [ AT A]1 ATWi, (3) где: Qo [q1, q2,..., qn ]T – вектор оценки, состоящий из коэффициентов ап проксимирующего полинома;

А – вектор состоящий из элементов характеризующих результаты поиска оптимального управления блока чувствительных элементов по средством варьирования дрейфов гироскопов и ошибок масштабных коэффициентов ги роскопов:

A [G 0, H 0, G1, H 1, GH,..., G j, H j ]T ;

G [ R1, R2,..., Rm ] ;

(4) H [ P, P2,..., Pm ], где: P Y, P2 Y,..., Pm Y - векторы с размерностью 1 k ;

R1 [ X 1,..., X 1 ], R2 [ X 2,..., X 2 ],..., Rm [ X m,..., X m ] – векторы с раз 1 k.

мерностью Y о m – вектор состоящий из варьируемых значений постоянной со ставляющей дрейфа лазерных гироскопов;

X k k – вектор состоящий из варьируемых значений постоянной состав ляющей ошибки масштабных коэффициентов лазерных гироскопов;

Для того чтобы определить влияние постоянных возмущающих воздейст вий на перечисленные выше законы управления БЧЭ необходимо представить аппроксимирующий полином в виде:





W i QiT Vi, (5) где: Wi [k1, k3, k5, ] – вектор оптимальных параметров закона управле ния блоком чувствительных элементов.

V [1, X 1, Y 1, X 2, Y 2, XY,..., X j, Y j ] – вектор состоящий из переменных водя щих в состав выражение (6):

W i q0 q1 X q2Y q3 XY... qn X j qnY j (6) где: j – степень аппроксимирующего полинома.

Подставляя значения Q и V, для каждого из параметров оптимального за кона управления получим следующие графики:

1. Для равномерного закона вращения БЧЭ область оптимальных значений угловой скорости, зависящая от параметров от дрейфа и ошибки масштабных коэффициентов ЛГ, в выбранной области исследования, будет иметь вид пред ставленный на рисунке 1.

опт0. 0. 0. 0. 0. 0. 0. 0 0. 0 0. 0. 4 0. 6 0. о 8 k - x Рисунок 1.

При проведении моделирования оптимальность угловой скорости БЧЭ вы биралась из условия минимума показателя точности Y (7), значения которого позволяют судить об области применения данного вида закона управления.

t0 t Pii dt n Y t, (7) t0 t i * P dtii t * где: – диагональные элементы ковариационной матрицы ошибок ИНС;

Pii – диагональные элементы ковариационной матрицы ошибок УИНС.

Pii 0.1 Y о 6. 0. 0. 5. 0. 0. 4. 0. 0.04 3. 0.03 2. 0. 0. 1. k 0 1 2 - x Рисунок 2.

Обозначим на плоскости, рисунок 2, значения показателя точности Y и значения соответствующие им дрейфов и ошибок масштабных коэффициентов КЛГ.

Применение вращения БЧЭ с ЛГ характеристики ошибок которых попада ют в область окрашенную белым цветом будут ухудшать точностные характе ристики УИНС. Соответственно, чем темнее область, тем эффективнее управ ление блоком чувствительных элементов и тем меньше выходные ошибки УИНС. Таким образом, представленные данные позволяют судить о рамках применения равномерного вращения БЧЭ.

2. В ходе математического моделирования, с целью установления парамет ров закона управления представленного выражением (2), было установлено, что оптимальный закон управления имеет вид:

k1 sin t k3 sin 3t k5 sin 5t ;

(8) k2, k4, k6,..., k n Элементы закона управления влияние на повышение точности УИНС не оказывают, по этому принимаются равными нулю.

Для наглядного представления характеристик периодического закона управления воспользуемся следующими выражениями:

ki QT i Vi, QT V. (9) После чего представим полученные данные на графиках 3-6.

Выявленные зависимости дают нам исчерпывающее представление о влия нии постоянных возмущающих воздействий на примере дрейфа гироскопов и ошибки масштабного коэффициента ЛГ на параметры закона управления W [k1, k3, k5, ]. Основное преимущество периодического закона перед равномерным заключаются в отсутствии, в выбранных рамках исследования, зоны не позволяющей применять управление БЧЭ в качестве меры по компен сации ошибок УИНС, что подтверждают данные на рисунке 6.

опт 0. 0. 0. 0. 0. 0. 0.09 0.08 0.07 0.06 5 о 0.05 0.04 0.03 2 - 0.02 1 x 0. k Рисунок 3.

k1 опт 2. 2. 2. 2. 2. 2. 2. 2. 0. 2 0. 0. 6 о k 0. - x Рисунок 4.

0. k 0. 0. 0. 0. 0. 0. 0. 0. 105 4 0.04 о 0. - x 10 0. 2 0. k 0. 0. Рисунок 5.

- x 2 0. k k 1. 0. 1. 0. 1. 1.2 0. 10 0. 0. 0. 0. 0. 0. 0. 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0. о Рисунок 6.

При этом из определенных оптимальных параметров закона управления k БЧЭ коэффициент влияет на уменьшение ошибок навигационной системы k 1104. Увеличение значения дрейфа гиро начиная от значений от скопа влечет за собой уменьшение зоны «влияния» данного коэффи о циента.

Таким образом, выявленные функциональные зависимости представленные выражениями (5), (9) позволяют корректировать закон управления БЧЭ в зави симости от изменения статистических характеристик ЛГ в процессе эксплуата ции системы и как следствие повысить точность УИНС.

Литература 1. Бромберг П.В. Теория инерциальных систем навигации / [Текст] / П.В.

Бромберг – М.: Наука, 1979. – 294 с.

2. Анучин О.Н., Емельянцев Г.И. Интегрированные системы ориентации и навигации для морских подвижных объектов / [Текст] / О.Н. Анучин, Г.И.

Емельянцев – СПб., 1999. – 357с.

ОБУЧАЮЩИЙ КОМПЛЕКС ПО КУРСУ «УПРАВЛЕНИЕ ДАННЫМИ»

Чернавина Т.В., к.т.н., доцент, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Одной из существенных черт современного мира является переход к ин формационному обществу, в котором информация становится силой, оказы вающей реальное воздействие на окружающую среду.

Стремительно развивающаяся наук

а стала основой глобального процесса информатизации всех сфер жизни общества. От уровня информационно технологического развития и его темпов зависят состояние экономики, качест во жизни людей, национальная безопасность, роль государства в мировом со обществе. В этом аспекте особое значение и актуальность приобретает инфор матизация сферы образования, как одного из основополагающих направлений общественного развития.

В настоящее время в процесс обучения активно внедряются программные технологии на базе персональных ЭВМ, применяемые для передачи учебного материала и контроля степени его усвоения студентами. При этом на рынке программных продуктов за последнее десятилетие появилось достаточно большое количество обучающих систем, в том числе и автоматизированных, которые охватывают различные предметные области, и призваны решать зада чи обучения на различных этапах жизни человека.

Наиболее перспективным направлением является создание и развитие еди ного информационного пространства и формирование информационного об щества, которые, однако, не могут быть реализованы без высокого уровня раз вития информационной инфраструктуры и системы создания и использования информационных ресурсов.

Указанные направления являются ключевыми для реализации процесса информатизации любой отрасли или сферы деятельности, в том числе и образования. Кроме того, информатизация образовательной сферы должна учитывать состояние, уровень и тенденции информатизации отдельно взя того образовательного учреждения, сложившиеся в нем административно хозяйственные и финансово-экономические взаимоотношения, уровень образования в области информационных технологий и технической осна щенности.

Разработанное программное обеспечение, написанное в среде Delphi, явля ется обучающей системой для освоения студентами дисциплины «Управление данными».

Cреда Delphi включает в себя полный набор визуальных инструментов для скоростной разработки приложений (RAD – rapid application development), поддерживающей разработку пользовательского интерфейса и подключение к корпоративным базам данных. Библиотека визуальных компонент включает в себя стандартные объекты построения пользова тельского интерфейса, объекты управления данными, графические объек ты, объекты мультимедиа, диалоги и объекты управления файлами, управ ление DDE и OLE. Объекты БД в Delphi основаны на SQL и включают в себя полную мощь Borland Database Engine.

В состав Delphi также включен Borland SQL Link, поэтому доступ к СУБД Oracle, Sybase, Informix и InterBase происходит с высокой эффективностью. Кроме того, Delphi включает в себя локальный сервер Interbase для того, чтобы можно было разработать расширяемые на любые внешние SQL-сервера приложения в офлайновом режиме. Разработчики в среде Delphi, проектирующие инфор мационную систему для локальной машины могут использовать для хране ния информации файлы формата.dbf (как в dBase или Clipper) или.db (Paradox). Если же он будет использовать локальный InterBase for Windows XP (это локальный SQL-сервер, входящий в поставку), то его приложение безо всяких изменений будет работать и в составе большой системы с ар хитектурой клиент-сервер. Следовательно, масштабируемость на практике – одно и то же приложение можно использовать как для локального, так и для более серьезного клиент-серверного вариантов.

Delphi использует структурный объектно-ориентированный язык (Object Pascal), который сочетает с одной стороны выразительную мощь и простоту программирования, характерную для языков 4GL, а с другой стороны эффек тивность языка 3GL, полностью поддерживает передовые программные кон цепции, включая инкапсуляцию, наследование, полиморфизм и управление событиями.

В спроектированной системе присутствуют следующие функциональные блоки:

обучающий блок – реализует средства обучения студента и ориентиро ван на предметную область «Управление данными»;

контролирующий блок – реализует средства оценки эффективности обу чения в виде тестов как способа контроля усвоения материала;

блок базы данных – реализует средства хранения информации по мето дам работы с языком SQL в предметной области и процессе обучения;

блок средств интерфейса с пользователем – реализует средства аудио визуального взаимодействия с пользователем.

Данная обучающая система представляет собой программно методический комплекс, предназначенный для обучения и проверки знаний студентов: получить представление о языке SQL, или дополнить уже имеющиеся знания в данной предметной области. Программа призвана помочь пользователю в изучении основных возможностей языка, предлагая различные варианты организации самого процесса обучения в соответствии с уровнем знаний обучаемого.

Программа состоит из модулей, взаимодействующих между собой, и реа лизующих процесс обучения, тестирования и предоставления справки в виде отдельных процедур обработки событий для различных элементов форм обу чающей системы (рисунок 1).

Рисунок Комплекс включает базу данных, представленную в формате html-файлов с возможностью гипертекстовых ссылок по обучающим материалам, содержа щим основные сведения в изучаемой области, теоретический и практический материал по языку SQL (рисунок 2), а также справочный материал по способу работы с базой данных, в виде отдельно реализованного справочного модуля.

Рисунок Комплекс также содержит программу тестирования полученных в ходе обучения студентами знаний, а также средства обработки результатов тестиро вания.

Необходимость внедрения электронной обучающей системы в процесс со временного образования позволит обеспечить высокий уровень знаний пользо вателей, что в свою очередь позволит внести определенный вклад в развитие информатизации сферы образования в целом и повышению уровня знаний в рассматриваемой предметной области в частности.

Изменение качества образования способствует усилению роли самостоя тельного обучения, освоению новых информационных технологий, использо ванию дополнительных образовательных ресурсов.

Литература 1. Диго, С.М. Проектирование и использование баз данных (учебник). [Текст] / С.М. Диго. – М.: Финансы и статистика, 1995. – 208 с.:ил.

2. Гофман, В.

Работа с базами данных в Delphi. [Текст] / В. Гофман, А. Хо моненко. – СПб.: БХВ-Петербург, 2000.

3. Карпова, Т.С. Базы данных: модели, разработка, реализация. [Текст] / Т.С. Карпова – СПб.: Питер, 2001. – 304 с.

РАЗРАБОТКА АЛГОРИТМОВ УПРАВЛЕНИЯ ДЛЯ СИСТЕМЫ ОБЕСПЕЧЕНИЯ ЖИЗНЕДЕЯТЕЛЬНОСТИ ЭКИПАЖА МАНЕВРЕННОГО САМОЛЕТА Онуфриенко В.В., к.т.н., доцент, Бондаренко Д.В., ст. преподаватель, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Рассматривается проблема повышения переносимости летчиком современ ного истребителя перегрузок маневрирования за счет применения управляемой системы обеспечения жизнедеятельности экипажа ВС (СОЖЭ ВС).

К наиболее опасным факторам полета на современном истребителе специа листы относят комплексные неблагоприятные факторы полета (перегрузки с большой скоростью нарастания, длительно действующие перегрузки, комби нированные перегрузки, знакопеременные перегрузки, часто повторяющиеся большие перегрузки) [1,2,3].

Для повышения защиты экипажа маневренного самолета от перегрузок ма неврирования предлагается следующая методика:

1. Восстановление на борту ВС траектории осредненного значения пре пд дельно-допустимой вертикальной перегрузки маневрирования ( nУ (t ) ).

Осредненные значения предельно – допустимой вертикальной перегрузки маневрирования для различных категорий летного состава получены экспери ментальным путем и имеют вид представленный на рисунке 1 [2,3].

Для решения задачи хранения и восстановления траектории предельно допустимой вертикальной перегрузки по узловым значениям, полученным экспериментальным путем, наиболее подходит метод кубической сплайн ин терполяции функции по узловым точкам [4], который позволяет находить с пд заданной точностью промежуточные значения nУ (t ).

S ny (tк ) n y tк 1- 1 2 n y tк 1 2 3 пд пд пд,(1) mк hк 1 +mк 1hк 2 1 где: tk – узлы сетки интерполирования: k=0,1,..., N;

hk – шаг интерполирования: hk tk 1 t k ;

t tк ;

hк mk S n y,tk пд Применение кубического сплайна позволит восстанавливать на борту са молета в реальном масштабе времени зависимость предельно-допустимой пе регрузки с шагом, который определяется частотой опроса датчика перегрузки (32 Гц) и обеспечивать гладкость восстанавливаемой зависимости.

ny, ед.

0,5 ед./c пс 2 ед./c 1ед./c кратковременно 10 20 t, c Рисунок 1 – Зависимость переносимости летчиком перегрузки маневрирования 2. Формирование прогнозируемых значений перегрузки по отклонению ручки управления самолетом.

z Для решения задачи прогнозирования значений ny и по отклонению ручки управления самолетом используется математическая модель с иденти фикацией параметров для продольного короткопериодического движения ма невренного самолета.

Модель короткопериодического продольного движения «в малом» для ма невренного самолета имеет вид [5]:

z t 2 z t z t kzz T z t kzz z t ;

2 2 (2) ny t 2 ny t ny t kny z (t ), z Все приращения углов и отклонения управляющих поверхностей взяты от носительно балансировочных (для горизонтального полета) значений.

Линейная модель продольного движения самолета (2) получена в предпо ложении абсолютной жесткости конструкции и отсутствия как случайного, так и регулярного ветра, изменения массы и момента инерции здесь не учитыва ются, так как эти изменения происходят сравнительно медленно и могут рас сматриваться как программные.

Для определения вертикальной перегрузки, действующей на летчика, при меним выражение [5]:

каб z tn y nпр tny ny 0 tny, (3) y g k * t ny где: – время выхода прогнозируемой вертикальной перегрузки пд n (t ) на максимальные значения;

y ny 0 – перегрузка центра масс самолета;

каб – расстояние от центра масс самолета до кабины летчика;

z – угловая скорость вращений самолета, относительно оси OZ.

Интервал решения системы Тп выбирается на основании частоты дискрет z (tk ) :

ных измерений входного (управляющего) сигнала tk kTn, Tk = где:.

f опр.

Т n tk tk 1, Система (1) является стационарной на временном отрезке т.к. коэффициенты системы уравнений на выбранном интервале остаются не изменными.

Разработанный алгоритм позволяет прогнозировать на время (0,5-1,5с) зна чения вертикальных перегрузок, действующих на летчика по отклонению РУС.

Полученный резерв времени позволит скорректировать законы управления противоперегрузочных систем при прогнозировании опасной перегрузки, для предотвращения критических ситуаций связанных с потерей работоспособно сти летчиком.

3. Прогнозирование выхода вертикальной перегрузки на опасные значения.

Для прогнозирования опасной перегрузки разработан алгоритм, который позволяет определить, опасна (расстройство функции зрения летчика в виде «серая пелена») прогнозируемая перегрузка или нет при использовании кон кретного типа противоперегрузочного костюма (ППК).

Для управления ППК алгоритм прогнозирования опасной вертикальной пе регрузки может быть сформулирован следующим образом [6]:

0 при n пр n пд tny tпар., ппк y y опас.

n, (4) y ( ППК ) при n пр n пд tny tпар..

ппк y y где: – время выхода перегрузки на максимальное значение;

tny ппк tпар. – время необходимое для парирования ППК прогнозируемой пере грузки (время создания в камерах ППК программного давления соответствую щего прогнозируемой перегрузке) (3).

ппк tпар.

Время определяется с учетом технических характеристик ППК:

пр Pk (n y ), (5) tпар.

ппк P max ппк где: Pk ( n y ) – программное давление в камерах ППК соответствующее про пр пр ny ;

гнозируемой перегрузке Pппк max – максимальная скорость изменения давления газа в камерах ППК, определяется техническими характеристиками ППК (для ППК3-120 с АД-15 – P max =265 мм рт.ст./с).

ппк Таким образом, алгоритм прогнозирования опасной вертикальной пере грузки для ППК зависит от двух показателей:

ny ny, пр пд пд ny где – соответствует расстройству функции зрения у 1) летчика в виде «серая пелена», что может привести к критической ситуации (потеря летчиком работоспособности) и корректировка закона управления ППК;

tny tппк.., что значительно снижает эффективность ППК за счет запаз пар 2) дывания выхода давления в камерах костюма на программные значения, наи более эффективно обеспечивающие защиту летчика от перегрузок маневриро вания.

Разработанный алгоритм прогнозирования опасных вертикальных перегру зок маневрирования позволяет по отклонению РУС прогнозировать выход пе регрузки за предельно-допустимые значения.

4. Коррекция законов управления устройств, входящих в состав СОЖЭ ВС.

Для уменьшения времени запаздывания наполнения камер ППК до задан ного давления при воздействии на летчика больших вертикальных перегрузок, имеющих высокую скорость нарастания, управление наддувом камер ППК и подачей избыточного давления кислорода в кислородную маску осуществляет пр ny (tk ) ся по прогнозируемым значениям перегрузки [6].

Предложенная методика прогнозирования опасных вертикальных перегру зок маневрирования по отклонению ручки управления самолетом, позволит повысить надежность защиты летчика при воздействии на него больших вер тикальных перегрузок маневрирования, имеющих высокую скорость нараста ния, за счет своевременной коррекции законов управления технических уст ройств, применяемых в СОЖЭ ВС.

Литература 1. Хоменко М.Н. Пилотажные перегрузки /Факторы полета и надежность летчика / Психофизиологическая надежность летчика. Научно-методический сборник. Под ред. Г.П. Ступакова – М.: Воен. изд., 1993. – 12 с.

2. Stupakov G.P., Khomenko M.N. Increase of high-sustained +Gz tolerance at the expense of pilot’s working posture change.// AGARD-LS-202, 1995. – 9 с.

3. Васильев П.В., Глод Г.Д. Перегрузки интенсивного маневрирования // Функциональное состояние летчика в экстремальных условиях / Под ред. В.А.

Пономаренко, П.В. Васильева. – М.: Полет,1994. – 7 с.

4. Корн Г., Корн Т. Справочник по математике для научных работников и инже неров. – М.: Наука. Гл. ред. Физ.-мат. лит., 1984. – 832 с.

5. А.А. Красовский А.А. Системы автоматического управления летательных ап паратов. – М.: ВВИA им. Н.Е.Жуковского, 1986. – 477 с.

6. Онуфриенко В.В., Хоменко М.Н. Алгоритм прогнозирования опасных пи лотажных перегрузок по отклонению ручки управления самолета с учетом пере носимости летчиком вертикальных перегрузок // Сборник рефератов деп. руко писей. Серия Б. Вып. № 42 – М.: ЦВНИ МО РФ, Инв. № В 3378. – 1998. – 58 с.

ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ИММИТАЦИОННЫХ МОДЕЛЕЙ ЦИФРОВЫХ УСТРОЙСТВ В СРЕДЕ MULTISIM Онуфриенко В.В., к.т.н., доцент, Бондарева Г.А., ст. преподаватель, Кренделев К.Н., студент, Онуфриенко А.В., студент, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС В статье рассматриваются перспективы методики применения системы ав томатизированного проектирования (САПР) Electronics Workbench Multisim при проектировании и анализе функционирования цифровых систем в учебных целях.

Одним из направлений повышения уровня подготовки специалистов в об ласти технической эксплуатации электронных устройств различного назначе ния является создание информационных интегрированных обучающих ком плексов (ИИОК) проектирования, анализа и оценки работоспособности компо нентов электронных систем [1].

Основными элементами такого комплекса является информационная под система и система автоматизированного проектирования (САПР) электронных устройств [1,2].

В качестве САПР предлагается использование САПР Multisim, обладаю щей возможностью создания имитационных моделей.

С помощью комплекта виртуальных инструментов учебной лаборатории Multisim (Educational Laboratory Virtual Instrumentation Suite) возможно сквоз ное проектирование цифрового устройства от таблицы истинности до принци пиальной электрической схемы на интегральных схемах ведущих мировых производителей. Многофункциональный прибор сбора данных и макетная пла та, на которой размещаются компоненты проектируемой системы, представле ны на рисунке 1.

Рисунок 1 – Многофункциональный прибор сбора данных и макетная плата Исследование и оценка работоспособности типовых узлов ЭВМ в ходе ла бораторного практикума по дисциплине «Архитектура ЭВМ и систем» прово дилось в среде системы автоматизированного проектирования Electronics Worcbench MultiSIM 10.

При этом в САПР были созданы схемы типовых узлов ЭВМ, с помощью интерфейса моделировались различные режимы их функционирования, а с помощью виртуальных приборов осуществлялось измерение и оценка пара метров исследуемых устройств (рисунок 2).

Рисунок 2 – Схема анализа и исследования цифрового устройства Пример анализа функционирования разработанного в среде Multisim циф рового устройства представлен на рисунке 3.

Рисунок 3 – Модель цифрового устройства в среде Multisim Применение предлагаемой методики актуально в ВУЗах, занимающихся подготовкой специалистов по проектированию и технической эксплуатации электронных систем, организациях и учреждениях обеспечивающих эксплуа тацию, проектирование, производство и ремонт электронных систем.

Применение предлагаемой методики должно способствовать повышению уровня подготовки специалистов за счет [3]:

– приобретения обучаемыми практических навыков по проектированию, анализу и оценки работоспособности электронных устройств с помощью САПР Multisim;

– отработки методики использования современных средств исследования электронных устройств в условиях нехватки или отсутствия реальных уст ройств и приборов;

– индивидуального, с элементами творчества, выполнения обучаемыми исследовательских работ в области проектирования, анализа и оценку работо способности компонентов электронных систем на различных режимах функ ционирования с возможностью моделирования отказов и критических режи мов;

– снижения вероятности вывода из строя реальных электронных устройств и приборов за счет приобретения практических навыков рабаты с их виртуаль ными аналогами в системе автоматизированного проектирования.

Литература 1. Онуфриенко В.В., Бондарева Г.А., Кренделев К.Н. Перспективы ис пользования современных информационных технологий для повышения уровня подготовки специалистов по эксплуатации электронных устройств./ Онуфриенко В.В., Бондарева Г.А., Кренделев К.Н.// Сборник научных тр у дов «Актуальные проблемы техники и технологии. – Шахты: Изд-во ЮР ГУЭС, 2008.

2. Онуфриенко В.В., Демчук А.А. Проблемы создания интегрированных обучающих комплексов с использованием САПР. / Онуфриенко В.В., Дем чук А.А. // Инфокоммуникационные технологии в образовании и науке.

Материалы 51 ежегодной НМК преподавателей и студентов. «Универси тетская наука регионам», посвященная 75 летию СГУ. – Ставрополь: СГУ, 2006.

3. Шепеть И.П., Демчук А.А., Кучевский К.В., Онуфриенко А.В. Про блемы применения современных систем автоматизированного проектиро вания цифровых узлов. / Шепеть И.П., Демчук А.А., Кучевский К.В., Онуфриенко А.В., Межвузовский сборник статей МО РФ. Актуализация проблемы ВУЗов ВВС, 2007.

МЕТОДИКА СИНТЕЗА РЕГУЛЯТОРОВ ЗАДАННОЙ ТОЧНОСТИ Литвин Д.Б., к.т.н., доцент, Озеров Е.В.

Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС В статье представлена методика синтеза регуляторов с учетом внешних стохастических возмущений на основе нового подхода к синтезу линейных стохастических многомерных систем управления. Особенностью данного подхода является то, что требования к точности управления формулирую т ся через элементы ковариационной матрицы состояния линейной системы для каждого регулируемого параметра индивидуально. Заданные значения дисперсий обеспечиваются с помощью статического регулятора в обратной связи по состоянию, при этом минимизируются энергетические затраты на управление. Соответствующие регуляторы в обратной связи будем назы вать регуляторами заданной точности. Ниже приведены краткие теоретич е ские положения используемого метода синтеза регуляторов заданной то ч ности, базирующегося на методе канонизации матриц и параметризации уравнения Ляпунова.

Канонизация произвольной матрицы A размера mn и ранга r ставит ей в соответствие в общем случае неединственную пятерку матриц, вклю L R чающую левый A и правый A делители нуля максимального ранга, ле.

вый и правый канонизаторы, а также сводный канонизатор L R A A A Данные матрицы удовлетворяют равенствам:

L Ir 0 r ( n r ) A L A A R R 0( mr )r 0( mr )( nr ) A A AA 0, A A 0,, AAA A, AA I r, A L R R L L R AA A где: I r – единичная матрица размера r r.

Под параметризацией матричного алгебраического уравнения Ляпунова понимается построение всего множества матричных коэффициентов данного уравнения, не изменяющих его положительно определенное симметрическое решение.

Пусть объект управления представляет собой линейную стационарную стохастическую многомерную систему:

x Ax Bu G, x(t0 ) x0, x n, u n, n x u, (1) y Cx, y, z Dx, z n, n y z (2) где: x(t) – вектор состояния системы;

u(t) – вектор управляющих воздейст вий;

(t) – случайный вектор типа «белого шума»;

y(t) – вектор измерений;

z(t) – вектор регулируемых выходов;

A, B, G, D – вещественные числовые матри цы, определяющие динамику системы. Случайные сигналы и x0 полагаются некоррелированными. Также полагается, что пара (A, G) является управляе мой, пара (A, B) – стабилизируемой и пара (A, C) – наблюдаемой.

В обратной связи используется линейный статический регулятор вида:

u Kx, (3) где: K – числовая матрица коэффициентов усиления регулятора.

Замкнутую систему можно записать в следующем виде:

x ( A BK ) x G.

(4) Необходимо синтезировать регуляторы заданной точности для системы с регулируемым выходом z(t).

Методика синтеза регулятора заданной точности для системы (4) состоит из следующих этапов.

Этап 1. Формализация целей синтеза через элементы ковариационной мат рицы состояния замкнутой системы.

На данном этапе из практических соображений формулируются требования синтеза в виде ограничений на СКО элементов регулируемого выхода, zi i i 0, i 1, n которые формализуются через соответствующие диагональ z ные элементы ковариационной матрицы регулируемого выхода Pz limM{z (t ) z (t )} следующим образом:

T t z [ pz ]ii, Pz DPD T, Pz 0, D Dx 0. (5) i Здесь – символ математического ожидания, матрица Dx имеет M{...} полный ранг, а ковариационная матрица состояния P устойчивой замкнутой системы (4) в установившемся режиме определяется решением матричного алгебраического уравнения Ляпунова ( A BK ) P P( A BK )T GQGT 0, P 0, (6) Важно отметить, что требования к точности управления формулируются для каждого регулируемого параметра в отдельности.

Этап 2. Определение достижимой ковариационной матрицы для системы (4).

При формализации требований к точности управления в виде (5) часть эле ментов ковариационной матрицы P замкнутой системы остается неопределен ной. На данном этапе все незаданные элементы матрицы P доопределяются таким образом, чтобы она удовлетворяла уравнению (6), т.е. формируется так называемая достижимая ковариационная матрица.

Для этого используются необходимые и достаточные условия достижимо сти заданной ковариационной матрицы состояния P 0 в замкнутой линей ной системе (4), которые при использовании статического регулятора по со стоянию (3) имеют вид тождества L L B ( AP PAT GQG T )( B )T 0, P 0, (7) Решение тождества (7) относительно матрицы P0 позволяет доопределить все ее незаданные элементы. При отсутствии точного решения необходимо скорректировать предъявляемые к системе требования либо численными мето дами определить наилучшее приближение ковариационной матрицы к дости жимой.

Решение тождества (7) при заданных ограничениях вида (5) осуществляет ся численными методами на основе геометрического подхода. Для этого ис пользуется векторное пространство n E nx вещественных симметрических матриц размера, nxnx в котором условия достижимости и ограничения на эле менты матриц представляются в виде выпуклых замкнутых множеств.

Множества, описывающие условие достижимости (7), имеют вид L L Г {P n : B ( AP PAT GQG T )( B )T 0}, Ф {P n : P I n }, (8) где: 0 – малая величина (выбирается так, чтобы ее порядок не превышал порядка минимального диагонального элемента ковариационной матрицы).

Ограничения на СКО регулируемых выходов описываются множествами i {P n :[ DPD T ]ii i }, i 1, nz. (9) * Тогда задача определения достижимой ковариационной матрицы P пред ставляет собой определение точки пересечения множеств (8) и (9) в простран n вещественных симметрических матриц, т.е.

стве P* E Ф.

Решение этой задачи осуществляется методом ортогонального проецирова ния. Операторы проецирования имеют аналитическую запись.

Проекция P* П ( P) на множество достижимости Г находится по сле дующей формуле:

L L col( P* ) col( P) N T ( NN T )~ ( Ncol( P) col[ B GQG T ( B )T ]) где выражение (NNT)~ означает операцию определения сводного канониза тора соответствующей матрицы;

col : nm nm оператор векторизации, со поставляющий матрице A [a ] nm вектор col( A) [ai ] nm.

ij При нахождении проекции P* П ( P) на множество Ф, используется сингулярное разложение матрицы P I n ULU T где: L – диагональная матрица собственных значений матрицы P I n ;

U – ортогональная матрица, состоящая из ортонормированных собственных векторов матрицы P I n. Тогда проекция описывается следующим выражением:

P* ULU T I n, где L – диагональная матрица, полученная заменой нулями отрицатель P In ных собственных значений в матрице L.

Проекция P* П ( P), i 1, nz на множество i, описывается следую щим выражением:

( i* Di PDiT Di i 1, n, P P *, z DiT Di где: i* min( i, Di PDiT ), а Di представляет собой i-ю строку матрицы D.

Таким образом, используя аналитические выражения операторов про ецирования, можно вычислить проекции произвольной точки P n на множества Г, Ф и i соответственно, что позволяет наиболее эффективно использовать метод последовательного проецирования для решения задачи достижимости.

Для нахождения достижимой ковариационной матрицы Pдост используется циклический алгоритм, блок-схема которого представлена на рисунке 1.

начало P0,, n n z 3, m 1, k 1, l Р m Pm П l нет m m 1, mn l l да нет условие k k 1, останова l да Pдост конец Рисунок 1 – Блок-схема алгоритма определения достижимой ковариационной матрицы В качестве начальной точки работы алгоритма используется произвольная симметрическая матрица P0 размера nxnx. Алгоритм работает до выполнения условия останова цикла, в качестве которого выступает расстояние между про ецируемыми множествами n P Pk ( j 1), kj i где: 0 – малое действительное число, определяющее требуемую точ ность вычисления достижимой ковариационной матрицы.

Этап 3. Синтез множества регуляторов заданной точности, обеспечиваю щих заданное значение достижимой ковариационной матрицы.

С использованием результатов параметризации уравнения Ляпунова дис персионное уравнение (6) решается относительно неизвестной матрицы пере дачи регулятора K при заданной достижимой ковариационной матрице P. Ре шение представляет собой множество искомых статических регуляторов за данной точности:

L {K } B P( H ), (10) где матрица H определяется выражением H P 1 ( AP GQG T ) P 1, – любая из множества кососимметрических матриц L L L L {} ( P1 B PH )T P1 B PH P1 B PH T P(B )P1 P 1Bк( P1B)T L Здесь B ( B ) R B – приведнный левый делитель нуля для матрицы B, к L L – произвольная кососимметрическая матрица подходящего размера.

Важно отметить, что все множество регуляторов заданной точности (10) является стабилизирующим, т.е. делает замкнутую систему (4) устойчивой.

Этап 4. Выбор единственного регулятора, обеспечивающего минимальные энергетически затраты на управление.

Наличие множества эквивалентных по постановке задачи регуляторов по зволяет удовлетворять дополнительные требования при синтезе. Решение зада чи обеспечения минимальных энергетических затрат на управление связано с определением минимального значения стохастического квадратичного функ ционала вида J lim u(t ) R limM{u T (t ) Ru(t )}, R RT 0.

(11) t t Элементы матрицы R определяют долю различных компонент вектора управления u(t) в этих затратах.

Множество регуляторов (10) можно представить в виде:

K K1 i K 2 i K 3, 1... m, m nx (nx 1), m T i где:

T L L L L K1 BP H P 1 B PH P 1 B PH P 1 B PH T P(B )P L K B B, K ( P 1B)T. i Здесь – элементарные базисы кососимметрической матрицы раз мера nxnx (m – число различных базисов):

11 2 2... m m, 0... 0... i 1, nx 1ij i,.

0 1 ji 0 0 j 1, nx, i j 0 0 i – весовые множители соответствующих базисов.

ор J f ( ) Тогда и существует вектор такой, что J (op ) min. Искомый вектор ор есть любой элемент множества { op } VU V, R где:

U q1, [ui ] tr(K 2 i K 3PK1 R);

T V qq, [vij ] tr(K 2 i K 3PK 3 T K T R).

T j – произвольная матрица подходящего размера.

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ С ИСПОЛЬЗОВАНИЕМ ЭЛЕКТРОННЫХ ТАБЛИЦ Крутаков Ю.Б., к.т.н., доцент, Лысенко А.В., Гончаров В.В., студенты учебной группы ИСТ-041, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС В настоящее время для моделирования поведения случайных систем ис пользуются в основном: марковские процессы (создание марковской модели), квазимарковские процессы (создание немарковской модели на основе, напри мер, декомпозиции дискретных состояний системы на параллельно последовательные фазы Эрланга), метод статистического моделирования (ими тационного моделирования, метод Монте-Карло) [1-4]. Рассмотрим пример описание поведения системы с дискретными состояниями и непрерывным временем t.

В первом случае (создание марковской модели) переход системы из любого i-го в любое j-е состояния определяется вероятностью Р ij(t) = 1–exp(–ijt), где ij = const – интенсивность всех таких переходов (математическое ожидание (МО) времени пребывания системы в любом i-м состоянии при условии перехода в любое j-е равно его среднеквадратическому отклонению (СКО)), что в реаль ных случаях зачастую не соответствует действительности.

Второй случай более реалистичен. При применении метода фаз Эрланга можно получить практически любые распределения указанного времени (от сто хастического гиперэкспоненциального (коэффициент вариации 1, т.е. СКО может быть во сколько угодно раз больше МО) до нестохастического (=0, т.е.

СКО равно нулю)) [4]. Однако данный метод очень трудомок: например, для моделирования нестохастического времени пребывания системы в некотором i-м состоянии необходимо провести его декомпозицию на бесконечно большое чис ло последовательных фаз Эрланга с соответствующими бесконечно большими интенсивностями переходов между ними. В результате только одному этому состоянию соответствует система с бесконечно большим числом уравнений, которую приходиться «сворачивать» в одно уравнение и т.д.

Третий случай (имитационное моделирование) является универсальным, а иногда и единственно возможным. Сущность метода статистического модели рования (МСМ) – построение вероятностной модели-аналога объекта, много кратная реализация этой модели случайным образом на ЭВМ и фиксирование числа благоприятных исходов К, причем обязательный атрибут метода – гене рирование случайных величин (СЧ) с заданными параметрами. Этот метод моделирования позволяет решить практически любые сложные задачи без больших затрат ресурсов (времени, средств, людей). Например, получить в явном виде выражение для вероятности безотказной работы системы за задан ное время в период действия постепенных отказов без применения имитацион ного моделирования невозможно («неберущийся» интеграл от нормальной, гауссовой плотности распределения отказов), разве что использовать табули рованные функции Лапласа, что несовременно. Этот метод моделирования реализуется путем использования того или иного языка программирования (ЯП) с многократной реализацией СЧ за счет применения встроенных их про граммных датчиков (операторы ЯП типа RND, Random и т. п.) и операторов других функций. Подобные операторы (функции «СЛЧИС» и логические) име ется и в электронной таблице (ЭТ) MS Excel.

Рассмотрим простой пример определения продуктивности работы про мышленного робота конвейерной линии, к которому через случайные интерва лы времени Тиi поступают i-е изделия, которые он обрабатывает в течение случайных промежутков времени Трi. В случае поступления очередного изде лия (i+1 -го) и занятости робота обслуживанием предыдущего изделия, оно снимается с конвейера и бракуется (однолинейная однофазная система массо вого обслуживания (СМО) без очереди типа М/М/1). Тиi и Трi распределены по экспоненциальному закону со средними значениями (МО) Тизд и Троб со ответственно. Требуется с точностью определить процент Р обслуженных без брака изделий. Блок-схема алгоритма и программа на ЯП BASIC для реали зации МСМ с целью определения эффективности работы робота для данной задачи представлена в [5] на с. 33. Программирование и решение этой же зада чи может быть легко реализовано и в Excel. Результат этого программирования представлен на рисунке, где: N – число испытаний;

TI и TR – МО величин со ответственно Тиi и Трi;

Z – случайное текущее значение Тиi;

X и Y – соответ ственно случайные текущие моменты поступления очередного изделия и окон чания обработки изделия роботом, R – результат текущего испытания (1 – бла гоприятное, 0 – неблагоприятное событие);

К – накопленное число благопри ятных событий.

Рисунок – Результат программирования ЭТ Требуемой точности можно достичь, увеличив N. Для этого, например, можно, выделив диапазон ячеек A5:J5, размножить записанные в нем формулы вниз [6] до строки, где N=2000. Затем выделить заполненный таким образом диапазон, скопировать его и вставить со строки, где N=2001. Теперь N 4000 и таким образом увеличивая N (N 8000, 16000, 32000, 64000,...) можно достичь требуемого значения (столбец J).

Для демонстрации метода имитационного моделирования выше рассмотрен очень простой пример. Однако ЭТ позволяет решать задачи значительно боль шей сложности, т. к. использование равномерно распределнных на интервале [0,1] СЧ (функция ЭТ «СЛЧИС») дат возможность моделировать реализации случайных величин, распределнных по закону Эрланга М-го порядка, нор мальному и других [7].

Достоинствами приведенной методики, определяемой возможностями ЭТ, являются: относительно низкая трудомкость, высокая оперативность получе ния требуемого решения с заданной, универсальность, возможность автома тически и оперативно получать решения при изменений исходных данных.

Литература 1. Вентцель Е.С. Исследование операций. – М.: Сов. радио, 1972. – 298 с.

2. Розанов Ю.А. Теория вероятностей, случайные процессы и математиче ская статистика. – М.: Наука, 1989. – 320 с.

3. Сильвестров Д.С. Полумарковские процессы с дискретным множеством состояний. – М.: Сов. радио, 1980. – 272 с.

4. Крутаков Ю.Б. К вопросу о точности моделей функционирования АСУ (статья). Республиканский межвед. научно-техн. сборник «АСУ и приборы автоматики».– Харьков: «Вища школа», 1980.– с. 65-68.

5. Крутаков Ю.Б., Чернавина Т.В. Сборник практических заданий по ин форматике, ч. 1. – Ставрополь: СТИС (ЮРГУЭС), 2004. – 34 с.

6. Хелворсон М. Эффективная работа: Office XP / М. Хелворсон, М. Янг. – СПб.: Питер, 2004. –1072 с.

7. Лившиц А.Л., Мальц Э.А. Стистическое моделирование СМО. – М.: Сов.

радио, 1978. – 248 с.

ОПТИМАЛЬНАЯ ОЦЕНКА СРЕДНЕЙ ЧАСТОТЫ КВАЗИГАРМОНИЧЕСКОГО СИГНАЛА И СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК СТАЦИОНАРНОЙ ГАУССОВСКОЙ МУЛЬТИПЛИКАТИВНОЙ ПОМЕХИ Ляхов А.В., ассистент кафедры ИТ, Касьяненко Н.Г., к.т.н., доцент, заведующая кафедрой ИТ, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС При оценке смеси полезного сигнала и мультипликативной помехи возни кает вопрос, можно ли совместно оценить среднюю частоту квазигармониче ского сигнала и параметры мультипликативной помехи.

Предположим, что на вход устройства обработки поступает квазигармони ческий сигнал, искаженный гауссовской мультипликативной помехой и адди тивным белым гауссовским шумом y (t ) 0 cos 0t (t )cos 0t t n(t ), (1) где: – постоянное значение мультипликативной помехи;

0 – центральная частота спектра квазигармонического сигнала;

(t ) – амплитуда флуктуирующей составляющей гауссовой мультипли кативной помехи;

(t ) – начальная фаза флуктуирующей составляющей гауссовой мультип ликативной помехи;

n(t ) – аддитивный белый гауссовский шум.

Считаем, что среднее значение гауссовской мультипликативной помехи в пределах интервала наблюдения T равно нулю (t ) 0, а корреляционная функция этой помехи описывается выражением (t ) ( ) exp t, (2) – дисперсия гауссовой мультипликативной помехи;

где:

– ширина спектра этой помехи.

Таким образом, имеем среднее значение наблюдаемой смеси (1) на интер вале наблюдения T y(t ) 0 cos 0t и корреляционную функцию для не R y t, exp t cos 0t N t, где: N0 – спектральная плотность аддитивного белого гауссовского шума;

t – дельта-функция Дирака.

Оценим, прежде всего, среднюю частоту квазигармонического сигнала.

Полагая, что (t, ) exp t cos 0t 0 t.

N Ry 1 t, (3) 2 N На основе метода максимального правдоподобия [1] и допущения (3) полу чено следующее выражение для оптимального выходного эффекта измерителя средней частоты полезного сигнала в смеси (1) T T T 2 0 Y 0 y (t )cos tdt 2 d y (t )h t cos 0tdt N0 2 N0 0 0 (4) T y(t )h t sin 0tdt, 0 где: функция h t – импульсная характеристика оптимального фильт (t, ) ра, связанная с весовой функцией в формуле (3) уравнением:

T h t h d t.

Дисперсия оценки средней частоты в этих условиях определяется соотно шением 0T 3 k 2T 0. (5) 3N 0 (1 k ) 1 k 1 1 k и, полагая для простоты, что 0 0. На Оценим теперь величины основе метода максимального правдоподобия [1] для оценки указанных пара метров получено следующее трансцендентное уравнение TT 1 k t N 0T 1 k 2 y (t )cos 0t (t )e y ( ) k t (6) 2k dtd.

1 k и являются корнями уравнения (6) и могут быть Искомые величины найдены итерационными методами [2].

Матрица условных ковариаций ошибок совместного измерения параметров является конечной лишь при k 1, а именно:

2и 4 N k 2T kT. (7) 4 N0 2 N kT T По сравнению со случаем измерения одного параметра при известном дру гом здесь налицо ухудшение точности измерений (дисперсии оценки) в два раза. При k 1 определитель информационной матрицы Фишера равен нулю, так что совместная оценка параметров 2 и является невозможной.

В рамках метода максимального правдоподобия [1] алгоритм обработки смеси (1) для оценки параметра k принимает вид T T 2 j0t y(t )h t e T d N € k 0, (8) T T j0t d y (t )h1 t e T 0 где функции h t и h t удовлетворяют уравнениям:

T t h(t )h( )d e ;

(9) T t h1(t )h1( )d t e ;

(10) При известных параметрах и N0 оценка величины k эквивалентна оцен. Дисперсия этой оценки равна ке 4 k. (11) N0 Алгоритм оптимальной оценки амплитуды нефлуктуирующего сигнала имеет вид T 0 y t cos 0tdt.

€ (12) T Дисперсия этой оценки равна N, k 1;

N 0 (1 k ) T 0 2. (13) T, k 1.

T Таким образом, поставленная задача решена. Полученные соотношения по зволяют синтезировать алгоритмы оптимальных оценок средней частоты ква зигармонического сигнала и статистических характеристик стационарной гаус совой мультипликативной помехи, а также оценить потенциальную точность их определения.


Литература 1. Фалькович, С. Е. Статистическая теория измерительных радиосистем [Текст] / С. Е. Фалькович, Э. Н. Хомяков – М.: Радио и связь, 1981. – 288 с.

2. Соболь, Б.В. Практикум по вычислительной математике [Текст] / Б.В.

Соболь, Б.Ч. Месхи, И.М. Пешхоев. – Ростов н/Д : Феникс, 2008. – 342 с.

ОПТИМАЛЬНАЯ ОЦЕНКА ПАРАМЕТРОВ КВАЗИГАРМОНИЧЕСКО ГО СИГНАЛА С ВИНЕРОВСКИМИ МУЛЬТИПЛИКАТИВНЫМИ ФЛУКТУАЦИЯМИ Ляхов А.В., ассистент кафедры ИТ, Касьяненко Н.Г., к.т.н., доцент, заведующая кафедрой ИТ, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Пространственно-временные изменения электромагнитных параметров среды или отражающего объекта вызывают существенные изменения спектра радиосигнала из-за флуктуаций ее параметров во времени и порождают ди фракционные явления, обусловленные их пространственными изменениями.

При этом среды (даже недиспергирующие) в определенных условиях приобре тают дисперсионные свойства. Все это способствует возникновению частот ных и амплитудных искажений проходящих и отраженных сигналов, измене нию их формы и сдвигу во времени, расширению угла распространения радио волн (точнее, расщеплению их пучка). Если энергия внешних источников, воз действующих на параметры среды путем изменения последних, передается проходящей или отраженной волне, может возникнуть параметрическое уси ление.

При этом актуальна проблема оценки параметров сигнала и определения качества такой оценки. Анализ потенциальной точности оценки параметров сигнала позволяет сформулировать научно-обоснованные рекомендации по построению измерительных систем. Проанализируем, влияет ли время наблю дения сигнала на точность оценки его параметров.

Рассмотрим задачу средней частоты колебаний, корреляционная функция которого имеет вид N Ry t, B min t, cos 0 t t, (1) где интенсивность мультипликативных флуктуаций B винеровского про цесса первого порядка также неизвестна и подлежит оценке. Воспользовав шись обобщенной записью выражения (1) в форме t, Ry 1 t, cos 0 t t, (2) 2 N N t, получим уравнение в виде для функции T B N0 min t,, d t, 4B min t,. (3) B N 0 T 1 для решения уравнения (3) воспользуемся преобра При зованием Фурье. Учитывая, что спектральная функция винеровского процесса равна B 2, получим:

4B, (4) B 0 N так, что:

, t, 2 BN 0 exp t (5) N h t, удовлетворяющая уравнению функция T h t h d t будет равна:

B t при t, 2 B exp h t (6) N0 0 при t.

При 0 0 дисперсия оценки средней частоты определяется соотношением 1 dRy t, dRy t, TT d 0 dtd T 2.

(7) d Таким образом, из соотношения (7) получаем T B N 0 T 1 в первом приближении погрешность оценки средней При частоты не зависит от характеристик аддитивных и мультипликативных флук туаций, а определяется лишь продолжительностью интервала наблюдения T.

Найдем теперь дисперсию оценки параметра B в предположении, что дан ная оценка обладает свойством асимптотической несмещенности B t B t TT N0.

N 1 T min t, e N B2 dtd (8) B 2 N0 2 N Из уравнения (8) непосредственно следует, что 2B B 2. (9) B T N Как видно из формулы (9), дисперсия оценки параметра B при сделанных до пущениях нелинейно зависит от величины этого параметра, что иллюстрируют графические зависимости, рассчитанные в среде MathCAD 14 (рисунок 1).

Рисунок Из анализа графиков, приведенных на рисунке 1, следует, что при неиз менном значении параметра N 10 и увеличении продолжительности време ни наблюдения T в 16 раз, величина среднеквадратической ошибки оценки параметра B уменьшается в два раза, независимо от абсолютного значения параметра B. Таким образом, для получения надежных оценок параметров квазигармонического колебания с винеровскими мультипликативными флук туациями необходимо продолжительность времени наблюдения T выбирать как можно большей.

Литература 1. Фалькович, С. Е. Статистическая теория измерительных радиосистем [Текст] / С. Е. Фалькович, Э. Н. Хомяков – М.: Радио и связь, 1981. – 288 с.

2. Соболь, Б.В. Практикум по вычислительной математике [Текст] / Б.В.

Соболь, Б.Ч. Месхи, И.М. Пешхоев. – Ростов н/Д : Феникс, 2008. – 342 с.

СИСТЕМА ДИАГНОСТИРОВАНИЯ АВТОМОБИЛЯ С РАЗРАБОТКОЙ АЛГОРИТМА ОБРАБОТКИ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ ПРИ НАЛИЧИИ СБОЕВ Захарин А.В., к.т.н., доцент, Ипполитов С.В., к.т.н., доцент, Лейбич А.А., Иванов А.А., Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС В процессе эксплуатации в автомобильном двигателе идут процессы изна шивания деталей, коррозии, усталостных явлений и т.д. Происходят изменения параметров состояния механизмов и узлов двигателя, что существенно влияет на работоспособность силовой установки в целом. Измерения величин пара метров состояния структурных элементов двигателя и сравнение их с техниче скими условиями позволяют давать заключение о технической исправности двигателя.

Взаимодействуя с внешней средой работающий двигатель излучает тепло, шум, вибрации и т.п., которые называются выходными процессами, параметры которых достаточно полно отражают качество функционирования двигателя и его элементов и используются для оценки технического состояния. Эти пара метры принято называть диагностическими признаками. Таким образом, зная диагностические признаки двигателя и их предельные значения, можно не раз бирая двигатель определить его техническое состояние. Измерения величин диагностических признаков осуществляется специальными диагностическими приборами, называемыми средствами диагностирования.

Средства диагностирования должны отвечать комплексу требований, суть которых заключается в достоверности установления диагноза технического состояния двигателя в целом или его механизмов, систем и деталей.

В данной работе предлагается комплексная система диагностирования двига теля, позволяющая производить оценку технического состояния на основании информации о вибрациях, шумах, анализе процесса сгорания топливовоздушной смеси в цилиндрах двигателя. Каждому состоянию двигателя соответствует оп ределенная совокупность сигналов, которую требуется распознать в процесс диагностирования. Все множество состояний может быть разделено на два клас са – работоспособное S0 и неработоспособное S 0. Задача диагностирования сво дится к опознаванию совокупности сигналов, излучаемых двигателем и изме ряемых соответствующими датчиками параметров (ДП), и отнесению его к од ному из этих классов. Поэтому в диагностической системе в запоминающем уст ройстве (ЗУ) в качестве априорной содержится информация о сигналах, соответ ствующих различаемым состояниям двигателя. В процессе диагностирования вычисляется взаимная корреляционная функция каждой из совокупностей сигна лов с набором сигналов, излучаемым двигателем. Состояние двигателя относится к тому из S состояний, с сигналами которого излучаемый набор сигналов имеет наибольшую корреляцию. Корреляционная функция сигнала определяется с по мощью простых, но трудоемких операций. Поэтому задача решается с помощью специализированного вычислительного устройства на базе микропроцессора (МП). При этом вычисления производятся по формуле:

Ri x t x t dt.

i i где хi(t)– функция изменения i-го диагностического параметра (вибрация, шум двигателя, качество топливовоздушной смеси), Т – продолжительность измерений.

Структура данной системы представлена на рисунке.

Однако на практике в ряде случаев могут иметь x1(t) ДП место «сбои», то есть на отдельных участках может временно отсутствовать x2(t) УС МП ЗУ ДП информация о значениях диагностического пара xi(t) метра. Это обуславливает ДПi необходимость использо Рисунок вания алгоритма обработ ки результатов обработки измерений при наличии сбоев. Требуется с наименьшей среднеквадратической погрешностью определить значение полезного сигнала в интервале времени (t – Т;

t + Т), причем в некоторых участках этого интервала информация отсутствует, то есть имеют место сбои. Для решения данной задачи используем алгоритм сглажи вания, весовая функция которого определяется по формуле при T k ( ) 2Т 0 при T1 T2 ;

T Данный алгоритм соответствует усреднению на подвижном интервале, причем среднее берется только по тем точкам, в которых имеет место досто верная информация, то есть, нет сбоев.

Естественно, что данный алгоритм в реальных условиях не будет оптималь ным, но при небольшом числе сбойных точек он будет близким к оптимальному.

Его отличие от оптимального алгоритма характеризуется величинами T T1 T T,.

k ( )d k ( )d 1 k ( )d о k ( )d T T T T Тогда для рассматриваемой функции k ( ) получаем Т о 1 1 о 0, (Т1 Т 2 ).

(2Т ) 2Т Т (2Т ) Предельная погрешность воспроизведения неслучайной составляющей Т о.

max vс ( ) Т (2Т ) В данном выражении величина vс есть максимальная скорость изменения обрабатываемого сигнала, а величина Т T. Тогда о vс.

max (2Т ) Из выражения следует, что погрешность мала, если число сбойных точек на интервале измерения невелико.

Таким образом, в данной работе предлагается система диагностирования автомобиля и рекомендован алгоритм обработки результатов измерений при наличии сбоев.

АНАЛИЗ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ В ПОЗНАВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ Захарин А.В., к.т.н., доцент, Захарина Т.В., Ипполитов С.В., к.т.н., доцент, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Научно-техническая информация содержит в различных формах новые знания, без усвоения которых немыслима подготовка специалистов завтрашнего дня. Од нако знания, представляемые в научно-технической периодике, в научных и науч но-технических книгах, зачастую непригодны для использования в качестве учеб ного материала, и в списках рекомендуемой преподавателями литературы эти кни ги предлагаются как дополнительная для изучения литература.


При неизменном сроке подготовки в вузе 5-5,5 лет монотонный рост инфор мации, необходимой для подготовки современного специалиста, вызывает уве личение интенсивности труда обучаемых, что противоречит санитарным требо ваниям. Поэтому сжатие объемов существующего учебного материала специаль ной дисциплины и дополнение новым является одной из основных учебно методических задач, решаемых преподавателями специальных дисциплин, кото рые регулярно занимаются переработкой большого объема научно-технической информации в форму, пригодную для подготовки современных специалистов.

Однако сжатие существующего материала не может быть большим, так как мо гут быть не выполнены требования к качеству усвоения данного раздела, темы.

Другой путь разрешения противоречия между временем обучения и ростом объема информации – сокращение времени изучения дисциплины средствами педагогических приемов формирования учебного материала и средствами ин формационных технологий. Учебный материал должен быть составлен так, чтобы время на его усвоение было минимальным. Это время можно декомпо зировать на отдельные интервалы. Длительность некоторых интервалов зави сит от качества учебного материала.

Если рассматривать деятельность обучаемого как субъекта, перерабаты вающего предъявляемую информацию и формирующего соответствующие реакции, как представлено на рисунке 1 1, то процесс изучения каждой темы дисциплины можно разделить на ряд последовательных операций. На времен ной диаграмме указаны длительности каждой операции 2.

В интервале восприятия Тв происходит трансформация звуковой, оптиче ской энергии преподавателя в нервный процесс возбуждения рецепторов, не сущего в мозг информацию. Этот интервал зависит от внимательности обучае мого, его сосредоточенности от наличия внешних звуковых и зрительных воз мущений от внутренней отвлекаемости.

В интервале осмысления То воспитанная органами чувств информация вы зывает умственную деятельность по раскрытию сущности предъявленных пред ложений, образов, то есть на понимание воспринятой информации. Этот интер вал определяется подготовленностью субъекта к восприятию нового материала, а также сложностью текста, его смысловой понятностью, избыточностью 3.

F Отвлекающие внешние факторы I R ОБУЧАЕМЫЙ Информация от пре- Реакция на подавателя, из учебни- предъявленный ка, с экрана материал Тв То Тп Тр t Восприятие тек- Осмысление Подготовка Исполнение решения (дви стового, графиче- воспринятого принятию гательно-слуховая реакция:

ского материала материала решения запись текста и т.п.) Рисунок 1 – К представлению обучаемого как субъекта переработки ин формации и временные интервалы усвоения В интервале подготовки к принятию решения Тп обучаемый, вследствие избыточности предъявляемого речевого материала, стремится отобрать, выде лить наиболее существенную часть, которую он считает необходимой закон спектировать. Этот интервал определяется в основном избыточностью текста, которая, в свою очередь, также важна для понимания.

В интервале исполнения решения Тр обучаемый делает записи тексто графического материала. Этот интервал зависит от индивидуальных особенно стей обучаемого по скорости записи.

Таким образом, время усвоения предъявляемого теоретического материала Тm определяется суммой отмеченных временных интервалов.

( Тm= Тв+ То+ Тп+ Тр 1) При этом интервалы То и Тп во многом зависят от семантики предъявляе мого учебного материала. Если текстовый материал изучается трудно осмыс ливаемыми предложениями, то обучаемый тратит немало времени на установ ление отношений между словами в предложении и на поиск фраз, которые следует законспектировать. Текстовый материал научных публикаций зачас тую содержит с позиции обучаемых такие предложения.

Усвоение теоретического и практического материала по каждой к-ой теме дисциплины (к=1,2…) включает такие последовательные операции, как прора ботка теоретического материала и примеров длительностью Тmк, а также про работка задач и самоконтроль длительностью Тзк. Соответствующие времен ные интервалы показаны на рисунке 2.

Тmк Тзк t Проработка теоретиче- Проработка зада ского материала и ний, задач, примеров самоконтроль знаний а) Тк б) Тт1 Тз1 Ттк Тзк Тз(к+1) t ……. Тт(к+1) Тк Т T Рисунок – 2. а) Декомпозиция процесса изучения теоретического и практическо го материала по к-ой темена временные интервалы Тmк и Тзк;

б) Представление временных интервалов по всему разделу Из рисунка 2 следует, что время на изучение к-й темы Тк = Ттк + Тзк, (2) а общее время усвоения учебного материала Т = Тк = (Ттк + Тзк)= Тm + Тз, ( К к 3) где: Т – время, затраченное на изучение раздела (или всей дисциплины);

Тк– время, затраченное на изучение k-ой темы;

Ттк– время, затраченное на изучение теоретического материала по k-ой теме;

Тзк – время, затраченное на решение задач по k-ой теме.

При прослушивании лекции, при проработке учебника идет зрительное и слу ховое восприятие текстового и графического материала, определяемое интервалом восприятия Тв, а затем его осмысление. На временном интервале осмысления То в сознании студента формируется четкое понимание воспринятого материала. Сту дент старается разобраться в воспринятых предложениях, фразах и сформировать смысловую структуру. Он мысленно делает оценку новизны предъявленного мате риала и его понимания. На основе этого в сознании формируется подготовка реше ния Тп о необходимости сделать запись текста в своей тетради в полном или не полном объеме, а также задания вопроса преподавателю.

Очевидно, время осмысливания То должно быть минимальным, так как оно будет стимулировать первичное восприятие информации, и в дальнейшем оп ределять временные затраты Тп, Тр на усвоение материала. Если текст учебно го материала воспринимается легко, то время То может как бы «раствориться»

во времени Тв.

На рисунке 3 приведены временные диаграммы, отображающие прослуши вание на лекции трудно воспринимаемого и легко воспринимаемого теорети ческого материала за одинаковый временной интервал предъявления материа ла лектором между началом tн и окончанием tок.

восприятие осмысление tо подготовка реакция а) tн tо tп tр tок t Интервал прослушивания фрагмента темы восприятие осмысление tо подготовка реакция б) tн tо tп tр tок t Рисунок 3 – а) временные интервалы при предъявлении трудно восприни маемого материала;

б) временные интервалы при предъявлении легко вос принимаемого материала Если материал осмысливается с трудом, то интервал То возрастает. Сту дент будет стремиться записать все, что услышал и увидел, а также задать пре подавателю вопросы, требующие разъяснений непонятного материала.

При этом студент записывает воспринимаемый материал сокращенными символами, как бы «шифруя его». Впоследствии, при расшифровке сокраще ний, они могут быть источниками семантических ошибок, вследствие забы ваемости. Такие ошибки возникают, когда студент начинает прорабатывать записанный лекционный материал, спустя неделю и более. Например, сокра щенная фраза «обр. св.» может быть расшифрована и как «обратные сведения»

и как «обратная связь», и как «обработанные связи», что имело место при про верке промежуточных знаний студентов.

При самостоятельной проработке учебника такие ошибки исключаются, однако новый материал спец дисциплин в нем практически отсутствует. Вме сте с тем, время осмысления текста может быть значительным, достигая не скольких минут на фразу, абзац, если текст, составленный автором учебного пособия, состоит из трудно воспринимаемых по смыслу предложений.

В этом случае время осмысления То и подготовки решения Тп, а также ре акции Тр на предъявляемый учебный материал возрастают.

Таким образом, время изучения теоретического материала к-ой темы учеб ной дисциплины определяется слагаемыми:

( Ттк = Твк + Ток + Тпк + Трк, 4) где: Твк – время, затраченное на восприятие к-ой темы;

Ток – время, затраченное на осмысление к-ой темы;

Тпк – время, затраченное на подготовку к принятию решения по к-ой теме;

Трк – время, затраченное на реакцию исполнения решения, принятого по к ой теме.

Время, затраченное на изучение теоретического материала дисциплины со гласно (3), будет Тm = Ттк, ( к 5) Слагаемые Тв, Тр определяются в основном индивидуальными особенно стями студента, а слагаемые То, Тп зависят во многом от качества созданного преподавателем учебного материала и его умения ясно излагать.

В процессе решения практических задач, а также при самоконтроле знаний, когда требуется глубже обдумать постановку задачи, время осмысливания Тзо будет больше, чем при изучении теоретического материала Тmо. Однако оно еще больше зависит от качества представления усваиваемого теоретического материала.

Во время работы с учебным материалом имеют место внешние отвлекаю щие воздействия F, которые также влияют на То. При самостоятельной работе это могут быть телефонные звонки, обращение к студенту членов семьи, рабо тающие средства массовой информации, шум на улице, домашние животные и т.п.

Внутренними дестабилизирующими факторами, увеличивающими времен ной интервал То, могут быть состояние здоровья, спонтанная отвлекаемость, проблемы, требующие срочного решения и т.п.

Из приведенного анализа следует, что задача минимизации времени изуче ния дисциплины решается созданием учебного материала, который обеспечит Тоmin, Тпmin.

Для формирования умений пользоваться теоретическим материалом необ ходимо после его изложения дать несложные практические примеры, закреп ляющие теоретический материал.

При самостоятельном изучении, когда практические занятия отсутствуют, вместо них целесообразно организовать самоконтроль знаний в форме вопро сов на повторение пройденного материала и решения более сложных задач.

Последние сформируют у студента умение применять знания.

По каждой изучаемой к-ой теме может быть предусмотрено Jк вопросов для самоконтроля, задач, заданий для самостоятельной проработки. Обращаясь к j-му заданию (j=1,2,…., Jк), студент сначала их воспринимает за время Твзi, осмысливает вопрос, задание за время Тозj, принимает решение за время Тпзj и дает ответ-реакцию за время Трзj. Согласно рисунка 2 диаграмма последова тельности операций, выполняемых студентом при изучении к-ой темы приве дена на рисунке 4.

Твк Ток Тпк Трк Твзj Тозj Тпзj Трзj ТвзJ ТозJ ТпзJ ТрзJ t Тзк1 …. Т зкJ Тmк Тзк Тк Рисунок 4 –Декомпозиция процесса изучения к-ой темы дисциплины Согласно рисунка 4 время на проработку Jк задач, вопросов по к-ой теме дисциплины определится суммой временных затрат на каждую операцию:

Jk ( Тзк = Тзкj 6) j= При этом общие временные затраты на решение задач и ответов на вопро сы в (2) будут Тз = Тзк = Тзкj ( к кj 7) Приведенные выражения могут быть использованы для планирования вре мени обучения.

Литература 1. Селезнева Н.А. Качество высшего образования как объект системного исследования. Лекция-доклад. Изд. 3-е. – М.: Исследовательский центр про блем качества подготовки специалистов, 2003. – 95 с.

2. Субетто А.И. Системологические основы образовательных систем – М.:

Исследовательский центр, 1994. Часть 1 – 284с. Часть 2 – 290с.

3. Грачев Н.Н. Психология инженерного труда: Учеб. Пособие – М: Выс шая школа, 1998.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И МЕТОДЫ РЕШЕНИЯ ПРОБЛЕМЫ ПОЛНОЙ ПЕРЕРАБОТКИ МОЛОЧНОЙ СЫВОРОТКИ Жидков А.В., ст. преподаватель кафедры ИТ, Жидков В.Е., Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС В настоящее время в питании людей все большее место занимает плотная пища и продукты быстрого приготовления, что нарушает баланс и структуру питания. Системные нарушения физиологического соотношения между от дельными компонентами пищи могут привести к развитию различных заболе ваний.

В настоящее время во многих странах мира вопросы здорового питания на селения, получения экологически чистых продуктов питания и создания эф фективных технологий их переработки стали одной из первоочередных задач.

Молочное сырье является относительно дорогостоящим для государства, а его производство – трудоемким, поэтому целесообразно более полно и рациональ но использовать эту продукцию в процессе переработки.

При производстве сыров, творога, казеина неизбежно получается мо лочная сыворотка, которая в своем составе содержит половину сухих ве ществ молока, до двухсот различных соединений, в их числе молочный жир, минеральные соли, лактозу, а также витамины, ферменты, органич е ские кислоты. Наряду с питательной ценностью молочная сыворотка и продукты, получаемые из нее, имеют диетическое и лечебное значение и отличаются от других продуктов тем, что в их составе представлены все необходимые для организма пищевые и биологически активные вещества в оптимально сбалансированном состоянии [1].

Необходимость переработки молочной сыворотки связана еще и с тем, что при ее утилизации в сточные воды она оказывает негативное влияние на почвы.

Для решения проблемы полной переработки молочной сыворотки необхо димо использовать различные информационные технологии, в виде программ ных средств, базирующихся на технологиях и методах искусственного интел лекта. Их важность, и, в первую очередь, экспертных систем и нейронных се тей, состоит в том, что данные технологии существенно расширяют круг прак тически значимых задач, которые можно решать на компьютерах, и их реше ние приносит значительный экономический эффект [2].

Применение информационных технологий в производстве молочных про дуктов, в частности, переработки молочной сыворотки дает возможность уско рить процессы обработки данных, значительно снизить количество ошибок, своевременно их проанализировать и предотвратить на ранних стадиях произ водства.

В то же время, технология экспертных систем является важнейшим средст вом в решении глобальных проблем традиционного программирования: дли тельность и, следовательно, высокая стоимость разработки приложений;

высо кая стоимость сопровождения сложных систем;

повторная используемость программ и т.п. Кроме того, объединение технологий экспертных систем и нейронных сетей с технологией традиционного программирования добавляет новые качества к коммерческим продуктам за счет обеспечения динамической модификации приложений пользователем [3].

Как показали исследования развитие информационных технологий в Рос сии, находится на ранней стадии, причем, зачастую процесс производства мо лочных продуктов полностью не автоматизирован и тем более нет подробной математической модели производственного процесса.

Первостепенными задачами в производстве продуктов из молочной сыво ротки является оптимизация экономических издержек технологического про цесса производства продуктов и оптимизация длительности технологического процесса переработки молочной сыворотки. За рубежом использование ин формационных технологий в производстве молочных продуктов сводится лишь к логистике доставки продуктов конечным потребителям и расчета себе стоимости продукции. Все производство, при этом рассматривается как от дельные объекты, на входе которых имеется сырье, а на выходе готовая про дукция. При этом весь процесс производства, с точки зрения информатизации, представляет собой «черный ящик».

Таким образом, можно сделать вывод что применение информационных технологий, в частности экспертных систем, позволит улучшить качественные показатели продуктов, полностью переработать молочное сырье, оптимизиро вать экономические издержки технологического процесса, а также оптимизи ровать длительность процесса переработки молочной сыворотки.

Литература 1. Храмцов А.Г., Нестеренко П.Г. Технология продуктов из молочной сы воротки: Учебное пособие. – М.: ДеЛи принт, 2004. – 587с.

2. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. – М.: Радио и связь, 1992.

3. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных сис тем. Среда CLIPS. – СПб.: БХВ-Петербург, 2003. – 608 с.: ил.

ПРОБЛЕМА И ПЕРСПЕКТИВЫ РАЗВИТИЯ РУССКОЯЗЫЧНЫХ ДОМЕНОВ Брыкалова А.А., старший преподаватель, Аскеров Р.А., студент группы ИСТ-051, Ставропольский технологический институт сервиса (филиал) ГОУ ВПО ЮРГУЭС Введение русскоязычных доменов – проблема, имеющая две крайности.

Помимо пользы для тех пользователей, которые не знают английского языка, существует также и ряд актуальных проблем, связанных с использованием русского алфавита. Введение в массы регистрации русскоязычных доменов может привести к возникновению путаницы с доменными именами и пробле мам с программным обеспечением для работы почты, поиска в браузере. Появ ление русскоязычной адресации является закономерным продолжением руси фикации российских информационных ресурсов. По мере расширения в Ин тернете бизнеса, направленного на внутренний рынок, русскоязычные домены будут все более и более востребованы.

Технически РосНИИРОС уже готов запустить регистрацию доменов на русском языке в домене RU, но для официального начала регистрации русскоя зычных доменов в нем необходима инициатива Координационного центра национального домена сети Интернет. Русский язык станет четвертым неанг лийским языком мира после китайского, корейского и японского, который можно будет использовать в названиях интернет-страниц в доменных зонах COM и NET. В российском интернете в 2008 году может появиться домен «РФ». Вопрос создания доменов верхнего уровня на национальном языке од ним из наиболее актуальных вопросов дальнейшего развития системы домен ных имен. Продолжает изменяться региональное распределение российских доменов.

На протяжении последних нескольких лет Международная корпорация ICANN развертывает систему многоязычных доменов (IDN), позволяющую использовать доменные имена с символами национальных алфавитов разных народов мира. Однако до настоящего времени возможность записи доменных имен так и не реализована в полном объеме. Даже в тех доменных зонах, в которых внедрены многоязычные домены, обозначение домена верхнего уров ня пользователям приходится набирать в строке браузера в ASCII-кодировке.

Внутренние имена в системе DNS, непосредственно используемые для адреса ции, всегда состоят только из ASCII-символов. Таким образом, реально для адресации в Интернете до сих пор используются только домены, состоящие из ASCII-символов. В некоторых регистратурах внедрена или в настоящее время внедряется технология регистрации доменных имен, начинающихся с префик са xn--, позволяющая пользователям набирать часть доменного имени в строке браузера на национальном языке.

Анализ ситуации, которая сложилась на данный момент, позволяют сделать ряд выводов:

– Идея введения повсеместной регистрации русскоязычных доменов имеет и сторонников и противников.

– Этот вопрос обсуждают уже давно, но до сих пор не было адекватного решения. Как и нет четкой законодательной базы, регулирующей сферу реги страции и использования русскоязычных доменов. В связи с этим могут возни кать всевозможные прецеденты, связанные с защитой авторских прав.

– До конца не продумана ситуация с уже существующими доменными именами на латинском, чье написание может оказаться схожим с написанием на кириллице. Помимо этого могут возникнуть ситуации, когда на одно рус ское имя могут претендовать несколько владельцев доменов в латинице.

– Большинство браузеров не понимает кириллицу. Стоит обратить внима ние также и на необходимость специального программного обеспечения, тре бующегося для того, чтобы браузеры и другие программы, работающие с URL, понимали кириллические домены. Сейчас уже существует ряд подобных про грамм, которые помогают браузерам находить русскоязычные домены. Но на данный момент они установлены не у каждого, а точнее – у единиц.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
 



Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.