CC BY
35
коллиматоров, если расстояние от глаза водителя - тренажёр подготовки пилотов должен быть
до первой видимой модели больше 4 м и меньше 20 оснащен ИВО со стереосистемой, если расстояние м; от глаза водителя до первой видимой модели
- тренажёр подготовки пилотов должен быть меньше 4 м. оснащен ИВО с многоэкранной системой, если расстояние от глаза водителя до первой видимой модели больше 20 м;
ЛИТЕРАТУРА
1. https://yandex.ru/images/search?text=разрешаюш;ая%2 0способность%2 0экрана%2 0в%2 0графиче-ском%2 0режиме%2 0определяется&stype=image&lr=4 9&noreask=1&source=wiz (дата просмотра 25.04.2016)
2. Щербань А.Б., Сидорова Ю.С. Идентификационно-структурный анализ сложных систем.- Труды международного симпозиума Надежность и качество. 2014. Т. 1. С. 149-151.
3. Михеев А.М., Исаков С.А. Информационная система поддержки научного эксперимента. - Современные информационные технологии. 2011. № 14. С. 119-122.
4. Долговесов Б.С. Семейство компьютерных систем визуализации «Альбатрос». - Автометрия. 1994. № 6. С. 3.
5. Vyatkin S.I., Dolgovesov B.S., Kaipov N.R. - Texture mapping on plane and curvilinear surfaces, free shapes and volumes. - Автометрия. 2002. № 1. С. 17-24.
6. Исаков С.А., Михеев А.М. Интеллектуальная информационная система удаленного дистанционного эксперимента. - Современные информационные технологии. 2011. № 13. С. 47-50.
7. Вяткин С.И., Долговесов Б.С., Корсун А.С. - Определение столкновений функционально заданных объектов в задачах компьютерной графики. - Автометрия. 2003. Т. 39. № 6. С. 119-126.
8. Михеев А.М. Разработка подсистемы поддержки научного эксперимента. - Современные информационные технологии. 2009. № 10. С. 216-218.
9. Михеев А.М., Семочкина И.Ю. Интеллектуальная геоинформационная система мониторинга и контроля состояний пространственно распределенных технически сложных объектов. - Надежность и качество сложных систем. 2013. № 3. С. 48-51.
10. Щербань А.Б., Володин К.И., Куц А.В. Использование нечетких оценок частных критериев в процессе многокритериального оценивания. - Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 282-285.
11. Грибань М.Е., Адаев Н.В., Семочкина И.Ю. Обобщенная процедура синтеза измерительных преобразователей на базе замкнутых структур интегрирующего типа для преобразования сигналов сложной формы. - Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 389-393.
12. Михеев А.М., Семочкина И.Ю. 3D-моделирование в интеллектуальной информационной системе поддержки научного эксперимента для систем мониторинга и контроля изделий ракетно-космической техники. - Надежность и качество сложных систем. 2013. № 4. С. 28-32.
13. Михеев А.М., Сёмочкина И.Ю. Алгоритмы интеллектуального анализа данных в информационной системе поддержки удалённого эксперимента. - Труды международного симпозиума Надежность и качество. 2012. Т. 2. С. 396-398.
14. Vyatkin S.I., Dolgovesov B.S. Convolution surfaces synthesis with recursive division of the object space. - Автометрия. 2002. № 4. С. 58-65.
15. Вяткин С.И., Долговесов Б.С., Валетов А.Т. Геометрические операции для функционально заданных объектов с применением функций возмущения. - Автометрия. 2004. Т. 40. № 1. С. 65-73.
16. Vyatkin S.I., Dolgovesov B.S. Collision detection of functionally defined objects for constant time. - В сборнике: GraphiCon 2005 - International Conference on Computer Graphics and Vision Proceedings. 2005.
УДК 004.946
Роганов В. Р., Михеев М.Ю., Четвергова М.В., Жашкова Т. В., Гудков К, В., Гудкова Е.А., Мещерякова Е.Н., Асмолова Е.А,
Пензенский государственный технологический университет, Пенза, Россия
ФОРМИРОВАНИЕ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
Авиационный тренажёр — обучающий оптико-аппаратно-программный комплекс, созданный для привития профессиональных навыков управления летательным аппаратом в заданных в ТЗ ситуациях. Каждая учебная ситуация моделируется с целью отработки определённых навыков управления летательным аппаратом. При этом модель летательного аппарата перемещается в модели пространства получившего название виртуальное пространство. В статье описаны основные требования к такому пространству. Ключевые слова:
авиационный тренажер, летательный аппарат, компьютерный генератор изображения, минимальное число видимых моделей.
Авиационный тренажёр (АТ) - обучающий оптико-аппаратно-программный комплекс, прививающего профессиональные навыки управления летательным аппаратом (ЛА) в определённых ситуациях, обучение в котором проходят лётчики всех типов ЛА. Каждая учебная ситуация моделируется с целью отработки одного или нескольких профессиональных навыков управления ЛА. При пилотировании АТ модель ЛА перемещается в модели пространства получившего название виртуальное пространство.
Создание виртуальной реальности это результат работы нескольких имитаторов. Каждый имитатор создает в режиме реального времени одну модель. К такой модели применимы результаты теоретических исследований, главным из которых является невозможность создания полной модели [1]. Поэтому все выпускаемые в мире тренажёры не могут в полном объёме заменить реальный ЛА в [2]. Опыт создания различных АТ пензенским промышленным объединением «Эра» [3] показывает, что число реализуемых учебных ситуаций может приближаться к
100% всех ситуаций, возникавших при пилотировании реального ЛА в наиболее возможных известных нормальных и предаварийных ситуациях, но их всегда будет меньше всех ситуаций возникающих при пилотировании ЛА.
Наиболее сложным имитатором является имитаторов визуальной обстановки (ИВО). В его состав входят: УИ - устройство индикации и компьютерный генератор изображения (КГИ) - аппаратно-программный комплекс, создающий промежуточные изображения на одном или нескольких телевизионных экранах, которые потом с помощью специальной оптики и особенностей зрительного аппарата человека воспринимаются им как объёмные.
Одна из актуальных задач при создании промежуточных изображений - получить максимально насыщенные изображения. КГИ, использующиеся в наиболее сложных обучаемых системах - авиационных тренажёрах, имеют производительность 4, 16, 30, 64 тысяч полигонов. КГИ Аксай, Альбатрос,
Ариус, производимые ранее на пензенских предприятиях, имели производительность до 16 тысяч полигонов, из которых в каждый момент времени обучаемый видит не более 4 тысяч полигонов. Этого недостаточно и при разработке ИВО необходимо проводить работы по оптимизации моделируемой сцены.
Под оптимизацией следует понимать:
- моделирование только тех объектов, которые необходимы для решения поставленной задачи;
- отображение объектов, так чтобы сохранялся эффект виртуальной реальности при минимальном использовании примитивов [1-17].
Для решения задачи ориентации в полёте при обучении на АТ заранее должно быть известно какие объекты необходимо моделировать в первую очередь, какие во вторую и т.д. и соответственно принять решение - что должно быть занесено в базу данных компьютерных генераторов изображения. Ограничением является производительность КГИ, включая и скорость извлечения необходимой информации из базы данных, в зависимости от положения модели ЛА в виртуальном пространстве. Решение задачи визуального ориентирования через остекление кабины в АТ должно быть согласовано с получением пилотом информации от других имитаторов. В реальных условиях показания индикаторов отдельных приборов согласовываются за счет предварительной юстировки. В тренажере показания индикаторов зависит и от качества моделирования части виртуального пространства видимой визуально и от информации, считываемой с модели, поступающей от остальных имитаторов. Для оценки качества моделирования возможных ситуаций представим АТ как систему обработки информации, считываемой с модели Ог .
Каждая информация, считываемая с модели О- , идущая от конкретной 2-ой подсистемы АТ, формирует у обучаемого представление о внешней среде [2]. Как правило, любая О- начинается с обработки базы данных конкретной 2-ой подсистемы, или j-ой математической модели соответствующего агрегата и заканчивается выводом информации в виде А = У(О) , аналогичном принятому в реальной действительности (это может быть отклонение стрелки соответствующего прибора, или формирование визуальной картины, или речевое сообщение бортового информатора и т. д.).
Совокупность обработанной информации модели должна давать обучаемому целостную картину окружающей среды 5. Это возможно при совпадении получаемой информационной модели 1Т от имитаторов АТ с имеющейся у обучаемого информационной моделью полета 10 , выработанной его опытом.
1т =ЁУ (А), м е N,
1=1 м
1о = £ У (А), I * к
(1)
(2)
3=1
где (А) - информация, поступающая к обуча-
емому от I -й подсистемы тренажера в процессе его работы (N - число информационных подсистем тренажера);
У0(А.) - информация, поступающая к обучаемому
от 3 -й подсистемы реального ЛА в процессе полета, или прогнозируемая им на основе его жизненного опыта ( м - число информационных систем, формирующих у обучаемого его собственное представление об окружающей среде и взаимодействии ЛА с ней, N СМ ).
В момент времени ^ полета на тренажере, Б не должна искажать взаимодействие находящихся в ней моделей пассивных Б элементов числом V
(модели участков земной поверхности с инженерными сооружениями) и моделей активных элементов
Ба числом Ш (модели подвижных объектов, которые не всегда в поле зрения) с моделью ЛА Б •
5 =
р=1 а=1
при:
Учитывая, что показания приборов в кабине летчика, как правило, дублируются в каждый момент времени , информация, считываемая с модели
О/. = О (?к) , отвечающие за показания соответствующего I-го прибора должны быть согласованы,
(5)
где Q 7 = У (О ) - множество, описывающее до-
пустимую область нахождения модели
3 -го объекта в модели внешней среды Б , сформированное одним из имитаторов АТ, обрабатывающим (что соответствует показанию одного из приборов кабины);
QRJ = (О?К) - множество, описывающее допустимую область нахождения модели этого же 3 -го объекта в модели внешней среды Б , но сформированное другим имитатором АТ, обрабатывающим О^ (что соответствует показанию другого прибора кабины или имитатора визуальной обстановки).
В противном случае:
е,Лая=°- <б>
При выполнении (6) тренажер не может быть использован для обучения. В реальных условиях бывают как отдельные моменты времени Ьк, так и интервалы ДЬк, когда выполняется (6). Целесообразно исключить ситуации, описываемые (6), из списка учебных, или использовать другие методы моделирования. Устранить (6) можно несколькими способами:
- ввести обратную связь с целью корректировки начальных условий формирования рассматриваемой информации, считываемой с модели О/. ;
- задать время коррекции всех О/ для приведения (6) к (5);
- ограничить время обучения на тренажере, задав расчетный интервал А?, при котором всегда выполняется (5);
- использовать математические модели обработки информации, считываемой с модели, обеспечивающих выполнение (5).
Жесткие требования реального времени (цикл обработки информации до 120 мсек.) [3], как правило, не позволяют выполнить условие (5) во время «полета» на тренажере методом полного пересчета всех необходимых параметров.
Значительно проще обеспечить наполнение баз данных в нереальном масштабе времени с одновременным согласованием занесенной в них информации по всем необходимым параметрам. При этом существует ряд закономерностей, относящихся к предварительной обработке информации, заносимой в базы данных. Рассмотрим их более детально.
В реальной действительности пилот ЛА от любого к -го устройства получает если не больше, то не совсем такую же информацию, как от его имитатора на тренажере. Однако, не вся информация, поступающая пилоту в полете от к -го устройства i(к) , необходима для обучения. Например, совсем не обязательно имитировать малозаметный люфт стрелки магнитного компаса и т. п.
Как правило, во множестве полной информации i (к) существует подмножество полной информации I (к) , достаточной для обучения: I (к) СI(к) .
Если информации, считываемая с модели, от к -го имитатора воспроизводит I (к) , считается, что этого достаточно для целей обучения. В ряде случаев можно выделить дополнительное подмножество желаемой информации I (к) , 1и(к) с I (к) , которое по возможности надо включить в информацию от рассматриваемого имитатора. Присутствие I (к) улучшает качество обучения за счет приближения потока информации (к) от рассматриваемого имитатора к естественному потоку 1(к):
1Ж (к) = 1и (к) + Т (к) .
(7)
Вместе с тем, от к -го имитатора может поступать дополнительный поток ложной информации (к) (или информации, отсутствующей в реальных условиях) и мешать процессу обучения:
I(к)оI(к) = 0 . (8)
Причиной потока (к) может служить как несовершенство используемых технических средств, так и заложенное в базах данных, или в используемых математических моделях нарушение (4) при сопоставлении информации, считываемой с модели всех имитаторов АТ.
При строгом рассмотрении любого имитатора авиационного тренажера (к) присутствует всегда. Соответственно, его появление ухудшает формирование у летчика навыков пилотирования ЛА. Для снижения (к) и выполнения условия
I (к) «I (к) ,
(9)
смысла появления данной модели конкретного объекта в модели внешней среды. В качестве меры смысла используется вероятность увеличения (к) с целью выполнения условия (9). Будем считать, что имеем формализованную процедуру обработки запроса необходимости включения модели рассматриваемого объекта в модель внешней среды. При этом считаем, что необходимость включения модели рассматриваемого объекта в модель внешней среды может быть описана терминами, соединенными булевыми или контекстными операторами.
Предположим, что вероятность релевантности рассматриваемой модели объекта внешней среды понятию Е возрастает с увеличением частоты термина Т при рассмотрении баз данных различных имитаторов АТ. Кроме того, вероятность релевантности рассматриваемой модели объекта внешней среды зависит также от значимости термина -имени понятия. Таким образом, вероятность релевантности рассматриваемой модели объекта внешней среды понятию зависит от частоты термина Т
в рассматриваемых базах данных АТ и его значимости. В работах при описании метода ранжирования для составления запросов с булевой логикой учитывается частота и значимость терминов запроса. Тогда Р(Т) вероятность релевантности модели рассматриваемого объекта внешней среды понятию Е равна:
Р(Т1) = 1
М N1) N +1 '
10)
необходимо проводить ряд мероприятий как при разработке каждого имитатора АТ, так и при объединении их в единый комплекс. Кроме этого, при разработке методик обучения с использованием АТ также необходимо учитывать наличие (к) .
В каждом конкретном случае выполнения (9) добиваются разными путями. При разработке баз данных, которые содержат информацию о модели внешней среды имитатора визуальной обстановки, используют метод ранжирования заносимых в базу данных моделей объектов и последующее наполнение таких баз данных моделями объектов, имеющих максимальную информационную ценность.
Для ранжирования объектов, с целью создания локальных баз данных, в которые в первую очередь будут занесены модели объектов, позволяющих выполнить (9), используем терминологии и методики, созданные для оценки качества информационно-поисковых систем. Ранжирование объектов, как правило, проводится по определенным правилам, называемым запросами. Основными характеристиками проведенного ранжирования объектов являются полнота и точность поиска требуемых объектов. Для получения полноты необходимо учитывать парадигматические (или родовитые) отношения между отдельными объектами, модели которых воспроизводятся разными имитаторами АТ. Парадигматические отношения устанавливаются на основании опыта разработчиков АТ. Полученная информация о парадигматических отношениях фиксируется в тезаурусе запроса.
Обработка общего списка объектов внешней среды по запросам должна помочь получить ассоциативные отношения между моделями объектов, одновременно отражаемых различными имитаторами. В дальнейшем полученные ассоциативные отношения могут быть применены вместо парадигматических отношений для уточнения (к) .
Обработка списка объектов внешней среды для получения ранжированного списка может проводиться с применением систем с векторным поиском, или с булевой, либо булево-контекстовой логикой. В ряде случаев для этих целей можно успешно применять системы с ранжированием по методу ассоциативных отношений.
Разработка метода ранжирования сводится к нахождению первоначальной формализованной меры
где N - число появлений термина в базах
данных имитаторов АТ;
А(N1) - вычисляется по рекуррентной формуле, обеспечивающей ограничение его роста для терминов с малой значимостью с увеличением, в част-
4(0) = 1, 4(1) =
^тах - Р
(11)
где Ртах и Ртт
соответственно максималь-
ная и минимальная значимость среди всех терминов, входящих в информационный фонд.
В (11) не учтены отношения между терминами. Так, при отсутствии в базах данных имитаторов АТ термина Т , именами понятия могут быть другие термины баз данных (что наблюдается, когда один и тот же объект может быть описан неоднократно, но в одном имитаторе он играет первостепенное значение, а в другом второстепенное, как, например, невысокий обрывистый берег озера, практически неразличимый в обычном зрительном диапазоне, но существенный при составлении базы данных имитатора радиолокационной обстановки, так как этот обрыв «делает» озеро «читаемым» на экране радиолокатора) и вероятность Р(Т) в этом случае тоже отлична от нуля. Тогда вероятность релевантности рассматриваемых моделей объекта внешней среды в базах данных АТ понятию при
учете ассоциативных отношений между терминами выразится следующим образом:
К
р(Т)=1 -П[1 -Р(т)Ро(Т-)], (12)
вероятность релевантности рас-
где Р(^)
сматриваемых моделей объекта внешней среды в базах данных АТ понятию , при условии что именем этого понятия является термин Т. ; К - число различных терминов, описывающих модели объектов внешней среды в базах данных АТ; Р0 (Т,-) - вероятность релевантности модели объекта внешней
среды в базах данных АТ понятию Е^ , при условии, что именем этого понятия является только термин Т ; Р(Т) вычисляется на основании выражения (10).
При построении ассоциативных отношений определяется количественная оценка совместной встречаемости терминов. Эта оценка и может быть использована в качестве значения р (Т / Т-) . Следует
отметить, что выражение (12) можно использовать и в случае поиска по построенному тезаурусу. В таком тезаурусе обычно указывается только наличие парадигматических отношений между терминами, т.е. р (Т / т) принимает лишь значения 0 и 1.
Однако, парадигматическому отношению можно приписать вес из интервала (0, 1) (например, когда термин Т синонимичен термину Т с вероятностью 0.8), этот вес и является значением р (Т / Т.) для определенного вида парадигматических отношений. Окончательное значение р (т / т ) может быть получено экспериментальным или расчетным путем определения относительной важности различных типов парадигматических отношений.
Рассмотрим запросы при обработке более сложных терминов, состоящих из нескольких терминов, соединенных булевыми и контекстными операторами. Это может быть дизъюнктивный запрос при оценке повторяемости в локальных базах данных в целом несвязанных никакими понятиями объектов (например, сложный запрос: «озеро» и «дом»), или конъюнктивный запрос, когда в запросе указываются качественные характеристики объекта поиска (например, запрос: «основная ВПП»). Рассмотрим для начала дизъюнктивный запрос из ь терминов, соединенных оператором ИЛИ.
По правилам булевой алгебры в нашем случае модель объекта внешней среды не будет релеван-тена дизъюнктивному запросу, в том случае, если она не релевантена каждому из понятий. Поэтому вероятность релевантности баз данных запросу составит:
L
Р=1 -ГО - pt )) •
(13)
При использовании запроса коньюктивного типа из ь терминов, соединенных логическим оператором И, а также контекстными операторами, задающими совместную встречаемость терминов в различных базах данных, модель объекта внешней среды будет релевантная запросу в том случае, если он релевантен каждому из понятий. Поэтому вероятность релевантности базы данных запросу можно определить следующим образом:
Рс = i-ГО - )) •
(14)
Это выражение соответствует случаю независимости терминов, входящих в коньюктивный запрос. Предположение не всегда выполняется. Однако выражение (14) может быть использовано для ранжирования объектов баз данных по убыванию их соответствия запросу. Поэтому более важно определение не точной релевантности рассматриваемой модели объекта внешней среды запросу, а относительной вероятности для различных баз данных. Из (14) наибольшие вероятности будут присвоены тем моделям объектов внешней среды, в которых достаточно полно освещаются все понятия, соответствующие терминам запроса. Поэтому на практике для получения приемлемых результатов выражение (14) вполне допустимо.
Зная вероятности релевантности моделей объектов внешней среды дизьюнктивному и коньюктив-ному запросам, легко получить вероятность релевантности моделей объектов внешней среды любому запросу, содержащему логические операторы ИЛИ, И, а также контекстные операторы. Например, вероятность релевантности моделей объектов внешней среды комбинированному коньюктивному запросу можно выразить в виде:
ь Щ
р ^-П^-ГО"^))] • (15)
При определении вероятности релевантности рассматриваемой базы данных запросу логический оператор НЕ учитывается аналогично оператору И. Так, при запросе Q = Т НЕТ2 , вероятность релевантности базы данных составит:
p = н(t)[i -p(t2)].
(16
/=i
Для определения значимости терминов чаще всего применяют метод оценки различительной силы. По этому методу предлагается считать хорошим объектом базы данных тот объект, который, будучи удален, делает базы данных максимально непохожими друг на друга, т.е. увеличивает различие между ними. Эта хорошо заметная различительная сила определяется как разность между средним по парным подобием объектов в базах данных, когда объект в них присутствует.
Таким образом, проранжировав объекты всех баз данных отдельных имитаторов АТ по их значимости и встречаемости и создав единый список объектов модели внешней среды Б , можем:
- избежать (7) за счет согласования информации, считываемой с модели, а также за счет проведения единой политики формирования Б ;
- выбрать из имеющихся КГИ то, мощность которого позволяет моделировать необходимое виртуальное пространство, необходимое для обучения действиям обучаемого в заданной ситуации;
- убрать из баз данных КГИ информацию об объектах, моделирование которых несущественно с точки зрения выполнения программы обучения.
№
ЛИТЕРАТУРА
1. Роганов В. Р. Методы формирования виртуальной реальности. - Пенза: ПензГУ, 2002. - 127 с.
2. Долговесов Б.С. Семейство компьютерных систем визуализации «АЛЬБАТРОС». - Автометрия. 1994. . С. 3.
3. Щербань А.Б., Сидорова Ю.С. Идентификационно-структурный анализ сложных систем.- Труды международного симпозиума Надежность и качество. 2014. Т. 1. С. 149-151.
4. Михеев А.М., Исаков С.А. Информационная система поддержки научного эксперимента. - Современные информационные технологии. 2011. № 14. С. 119-122.
5. Vyatkin S.I., Dolgovesov B.S., Kaipov N.R. - Тех1иге mapping on plane and curvilinear surfaces, free shapes and volumes. - Автометрия. 2002. № 1. С. 17-24.
6. Исаков С.А., Михеев А.М. Интеллектуальная информационная система удалённого дистанционного эксперимента. - Современные информационные технологии. 2011. № 13. С. 47-50.
7. Вяткин С.И., Долговесов Б.С., Корсун А.С. - Определение столкновений функционально заданных объектов в задачах компьютерной графики. - Автометрия. 2003. Т. 39. № 6. С. 119-126.
8. Михеев А.М. Разработка подсистемы поддержки научного эксперимента. - Современные информационные технологии. 2009. № 10. С. 216-218.
9. Vyatkin S.I., Dolgovesov B.S. Convolution surfaces synthesis with recursive division of the object space. - Автометрия. 2002. № 4. С. 58-65.
10. Михеев А.М., Семочкина И.Ю. Интеллектуальная геоинформационная система мониторинга и контроля состояний пространственно распределённых технически сложных объектов. - Надежность и качество сложных систем. 2013. № 3. С. 48-51.
i=1
11. Щербань А.Б., Володин К.И., Куц А.В. Использование нечётких оценок частных критериев в процессе многокритериального оценивания. - Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 282-285.
12. Грибань М.Е., Адаев Н.В., Семочкина И.Ю. Обобщенная процедура синтеза измерительных преобразователей на базе замкнутых структур интегрирующего типа для преобразования сигналов сложной формы. - Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 389-393.
13. Михеев А.М., Семочкина И.Ю. 3D-моделирование в интеллектуальной информационной системе поддержки научного эксперимента для систем мониторинга и контроля изделий ракетно-космической техники. - Надежность и качество сложных систем. 2013. № 4. С. 28-32.
14. Problem of virtual space modelling in aviation simulators // V.R. Roganov, E.A. Asmolova, A.N. Seredkin, M.V. ^etvergova, N.B. Andreeva, V.O. Filippenko Life Science Journal 2014;11(12s).-371-373.
15. Михеев А.М., Сёмочкина И.Ю. Алгоритмы интеллектуального анализа данных в информационной системе поддержки удалённого эксперимента. - Труды международного симпозиума Надежность и качество. 2012. Т. 2. С. 396-398.
16. Вяткин С.И., Долговесов Б.С., Валетов А.Т. Геометрические операции для функционально заданных объектов с применением функций возмущения. - Автометрия. 2004. Т. 40. № 1. С. 65-73.
17. Vyatkin S.I., Dolgovesov B.S. Collision detection of functionally defined objects for constant time. - В сборнике: GraphiCon 2005 - International Conference on Computer Graphics and Vision Proceedings. 2 0 05.
УДК 621.397
Зелякова Т.И., Крутов Л.Н,
Филиал ФГКУ «46 ЦНИИ» Минобороны России, Москва, Россия
ИССЛЕДОВАНИЯ ВЛАГОЗАЩИТНЫХ СВОЙСТВ КОМПАУНДА МАРКИ «ВИКСИНТ К-68» (РЕЗИНОПОДОБНЫЙ)
В статье приведены результаты исследований влагозащитных свойств компаунда марки «Виксинт К-68» (резиноподобный).
Проведенные исследования характеристик защитных покрытий, используемых при производстве микросхем, показали, что имеются нерешенные вопросы, связанные с химической совместимостью ряда кремнийорганических покрытий с конструктивными элементами микросхем, что в значительной мере ограничивает их надежность [1].
Одним из необходимых требований, предъявляемых к защитным покрытиям (компаундам), является их высокая степень чистоты и отсутствие химического воздействия под влиянием эксплутационных факторов (влаги, рабочего напряжения, температуры и т.п.), а также сохранять свои свойства в течение срока эксплуатации интегральных микросхем, не ухудшать их качество и надежность [2].
Задачу по отбору защитных покрытий (компаундов) упростит выбор приоритетных требований к ним в соответствии с требованиями военного стандарта. Требованиям химической совместимости с конструкционными элементами микросхем и отсутствия разрушения алюминиевой металлизации отвечают такие параметры защитных покрытий, как равновесное влагопоглощение, коэффициент влагопро-ницаемости и содержание примесных ионов корро-зионно-активных элементов (калия, натрия, хлора и серы). В Центре исследования надежности и анализа отказов радиоэлектронной аппаратуры и комплектующих ее изделий Филиале 4 6 Центрального научно-исследовательского испытательного института Министерства обороны Российской Федерации разработаны и внедрены методики определение вла-гопоглощения, коэффициента влагопроницаемости и содержание примесей в защитных покрытиях производилось по ранее разработанным методикам с использованием рабочего места [3, 4].
С этой целью были проведены по разработанным ранее методикам исследования основных характеристик, влагопоглощения, коэффициента влагопро-ницаемости и концентрации ионных примесей защитного покрытия марки «Виксинт К-68» (резиноподобный) ТУ 38.103508-81.
Компаунд представляет собой композицию вяз-котекучей консистенции, состоящую из пасты «К» и катализатора № 68 (ТУ 38.303-04-05-90). Паста «К» - каучук СКТН (диметил-силоксановый) (ТУ22 94-002-00152 000 96) или СКТНФ (диметилфе-нил-силоксановый). В макромолекулах СКТН и СКТНФ имеются реакционноспособные центры трех типов: связь 81-0, концевые силанольные и боковые углеводородные группы. Для центров первых двух типов характерны гетеролитические реакции, для последнего - гомолитические. Полярные реагенты (щелочи, амины, кислоты и др.) могут вызывать различные перегруппировки макромолекулы, напри-
мер, деструкцию с образованием циклосиланов, которые могут полимеризоваться, а также поликонденсацию по концевым силанольным группам с отщеплением воды. Концевые силанольные группы могут взаимодействовать с алкоксисиланами или ал-коксидами металлов с отщеплением спирта. Силок-сановые и концевые силанольные группы могут вступать и в другие гетероциклические реакции. Поэтому ничтожные примеси ионных соединений вызывают нежелательные изменения каучука при эксплуатации в микросхемах [5]. При температурах выше 150о С окисляются боковые метильные группы, что приводит к деструкции и структурированию полимера.
Заливочный кремнийорганический компаунд «Вик-синт К-68» применяется для герметизации изделий радио- и электротехнической аппаратуры, различных плат и приборов, работающих в воздушной среде в условиях повышенной влажности. Компаунд Виксинт К-68 не вызывает коррозии неанодирован-ных и неплакированных А1 сплавов, с хроматным пассированием латуни и серебряного покрытия.
Технические характеристики:
- ресурс при +2 00оС равен 2500 ч, при + 250оС равен 1500 ч.
- объёмное и удельное электрическое сопротивление компаунда при температуре +20оС +25оС и относительной влажности воздуха 60-65%,
- не менее 1.10-13 Ом.см;
- тангенс угла диэлектрических потерь при частоте 106 Гц, — не более 0,020;
- диэлектрическая проницаемость — не более 3,5;
- электрическая прочность при температуре +(20-25)оС и относительной влажности воздуха 6065%, кВ/мм — не менее 15;
- прочность связи компаунда с металлом при отслаивании с применением подслоя П-11, кН/м (кгс/см) — не менее 0,69 (0,7);
- компонентность + подслой П-11 (П-90) — паста К: катализатор № 68;
- цвет/состояние — белый, серый/вязкотекучий;
- срок хранения — 12 месяцев;
- температурный режим —7 0о С +25оС;
- жизнеспособность — 0,5 - 6,0;
- условная прочность при растяжении, МПа (кгс/см2) — не менее 1,96 (20);
- РН водной вытяжки — не менее 6,0;
- относительное удлинение при разрыве, % — не менее 80;
- твердость по Шору, А, в (условных единицах)
— 55-70.
Для изготовления пяти образцов полимера 10 г. основной пасты «К» и 0,6 г. катализатора тщательно перемешиваются шпателем или механической
