CC BY
18UDK 519.633.6 GRNTI 27.41.19
OPTIMAL CONTROL OF PULSE COMPENSATORS WHEN DAMPING WAVE PHENOMENA IN THE PIPELINE SYSTEM
V.V. PROVOTOROV, Doctor of Physical and Mathematical Sciences, Associate Professor A.V. IVANOV, Candidate of Technical Sciences, Associate Professor O.R. BALABAN, Candidate of Technical Sciences
The problem of optimal control of pulse compensators that counteract oscillatory phenomena in a continuous medium during transportation via network gas-hydraulic carriers in the framework of oil and gas engineering is considered. An approach is presented that takes into account the change in the characteristics of vibrations in the fragments of the pipeline system over time. The problem of optimal point control is formulated and solved, for which control actions affect the oscillatory process in the dampers concentration places. An algorithm for obtaining the optimal control action in relation to the problem of damping pulsations in the main pipeline system has been developed.
Keywords: pipeline oscillations, transportation of pulsating oil and gas flow, differential-difference equation, network gas-hydraulic carriers, pulse compensators.
УДК 629.01
ГРНТИ 50.01.81
ИМИТАЦИОННО-МОДЕЛИРУЮЩИЙ СТЕНД АВТОМАТИЗИРОВАННОГО ПРОВЕДЕНИЯ ИСПЫТАНИЙ СПЕЦИАЛЬНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
И.В. ЩЕРБАКОВ
По результатам анализа процессов подготовки и проведения испытаний специального программного обеспечения комплексов средств автоматизации систем организации управления воздушным движением предложен способ автоматизированного проведения испытаний программного обеспечения, позволяющий повысить качество проведения испытаний, значительно сократить сроки их проведения, исключить неправильные (ошибочные) действия специалистов-испытателей. Дано понятие качества программного обеспечения и описан процесс его квалиметрии. Обоснована структура перспективного имитационно-моделирующего стенда автоматизированного проведения испытаний программного обеспечения. Охарактеризованы основные информационные потоки при использовании указанного стенда на этапах подготовки и проведения испытаний. В целях реализации единой методики квалиметрии решения прикладных задач специальным программным обеспечением комплексов средств автоматизации предложено использование подхода, основанного на формуле Байеса и интегральной теореме Лапласа.
Ключевые слова: автоматизированное рабочее место, база данных, комплекс средств автоматизации, имитационное моделирование, качество программного обеспечения, опытно-теоретический метод, полунатурный эксперимент, хеширование информации.
Введение. Практическая необходимость решения сложных задач, связанных с безопасным и эффективным использованием воздушного пространства для выполнения авиацией своих задач, послужила толчком для разработки автоматизированных систем организации управления воздушным движением (АС ОУВД).
АС ОУВД представляет собой совокупность обслуживающего персонала и комплексов средств автоматизации (КСА), реализующую информационную технологию выполнения задач по обслуживанию воздушного движения в воздушном пространстве аэродромно-районных и районных центрах единой системы организации воздушного движения [1]. Специальное программное обеспечение (СПО) является неотъемлемой частью КСА. Оно обеспечивает решение и согласование множества организационных вопросов, в том числе обработку различных видов информации, решение прикладных задач в реальном масштабе времени. Неотлаженность СПО влияет на эффективность применения АС ОУВД и безопасность управления воздушными судами. Следовательно, качеству испытаний программного обеспечения должно уделяться повышенное внимание.
Полнота и объективность результатов испытаний СПО достигается при условии создания в процессе выполнения экспериментов среды, соответствующей той, в которой АС ОУВД предстоит функционировать. Таким образом, необходимо обеспечить требуемую воздушную обстановку и привлечь необходимые службы для управления воздушным движением, а именно: радиолокационные станции, радиомаяки, наземные компоненты навигационных систем.
Из практики проведения натурных испытаний следует, что применение всего перечня указанных объектов влечет за собой существенные материальные затраты, а в случае отсутствия требуемых изделий как таковых бывает вообще неосуществимо. Анализ выполненных работ по оценке перспективных образцов систем организации управления воздушным движением
позволяет констатировать, что важное место при проверке соответствия характеристик объектов испытаний заданным требованиям стал занимать опытно-теоретический метод проведения экспериментов. Благодаря данному методу проведения испытаний основной объем проверок, определенных программой испытаний, выполняется с помощью средств моделирования. Натурные эксперименты в данном случае проводятся в небольшом объеме с целью подтверждения полученных результатов.
Термин «имитационное моделирование» означает, что существуют такие модели, в рамках которых нельзя заранее вычислить и предсказать результат. В целях изучения поведения объекта испытаний необходим натурный или имитационный эксперимент [2].
С ростом перечня решаемых задач СПО, разрабатываемых КСА АС ОУВД, возрастает и роль методов и средств моделирования, увеличивается область их применения. Имитационное моделирование лежит в основе разработки имитационно-моделирующих стендов (ИМС), позволяющих создавать среду, в которой по заданному сценарию организовано взаимодействие объекта испытаний с элементами среды в реальном масштабе времени.
Актуальность. Текущий уровень автоматизации процесса испытаний СПО не позволяет в полном объеме в минимальные сроки, с высоким качеством решить задачу по оценке соответствия КСА предъявленным требованиям. Проверки, связанные с квалиметрией программного обеспечения, являются наиболее трудоемкими и могут занимать до 70 % времени испытаний АС ОУВД. Связано это с тем, что для решения прикладных задач необходимо подготавливать и в строго определенной последовательности вводить в объект испытаний большие объемы входной информации (формализованных массивов данных, командно-программной информации и разовых команд).
Для ввода входной информации в испытываемое программное обеспечение используется «ручной» способ. Специалист-испытатель набирает формализованный массив данных, командно-программную информацию, разовые команды на клавиатуре электронной вычислительной машины (ЭВМ) из состава КСА. Состав информации отображается на мониторе ЭВМ. Ввод набранной информации выполняется последовательно с помощью специальных клавиш.
Многократное использование процедуры «ручного» набора и ввода входной информации при проведении испытаний создает предпосылки для ошибок специалистов-испытателей и связанные с этим отклонения от заданной в методике процедуры испытаний. К ним можно отнести: ввод массивов данных, командно-программной информации и разовых команд, не предусмотренных методикой испытаний, нарушение очередности (последовательности) ввода.
Отклонения от заданной в методике процедуры испытаний не позволяют в полной мере проверить качество решения прикладных задач и могут привести к некорректному функционированию СПО, что существенно затруднит действия специалистов, выполняющих обработку, анализ и оценку результатов испытаний.
«Ручной» способ ввода в СПО объекта испытаний исходных данных может быть исключен лишь в том случае, если в строго определенные моменты времени в ЭВМ будет автоматизировано вводиться требуемая входная информация, определенная методикой испытаний.
В настоящее время актуальной задачей является создание перспективного ИМС автоматизированного проведения испытаний СПО КСА АС ОУВД, позволяющего имитировать поступление в ЭВМ объекта испытаний требуемой входной информации, моделировать процесс решения прикладных задач и выводить результаты в пригодном для дальнейшего использования формате.
Процесс квалиметрии программного обеспечения. Под качеством программного обеспечения понимается степень удовлетворения программным продуктом заявленных и подразумеваемых потребностей при использовании в указанных условиях [3]. Различают следующие определения качества программного обеспечения [4]:
ы и
- внутреннее качество, связанное с характеристиками программного обеспечения как такового, на каждой фазе его разработки, без учета поведения конечного продукта;
- внешнее качество, характеризующее программное обеспечение с точки зрения его поведения;
- качество программного обеспечения при использовании в различных контекстах, то есть качество, воспринимаемое пользователями в конкретных сценариях работы.
Специалист-испытатель должен выбрать показатели качества таким образом, чтобы покрыть все требования, предъявляемые к СПО. Требования к оценке качества программного обеспечения должны быть определены для каждого компонента СПО, реализующего решение конкретной прикладной задачи, так, чтобы возможно было определить соответствующий показатель качества, используемый в дальнейшем для квалиметрии программного продукта.
Процесс квалиметрии программного обеспечения включает входные и выходные данные, ограничения и ресурсы [5], как показано на рисунке 1.
Рисунок 1 - Схема процесса квалиметрии программного обеспечения
Входные данные для квалиметрии программного обеспечения состоят из: программного обеспечения, плана квалиметрии; требований квалиметрии; методов квалиметрии.
Ограничения для квалиметрии программного обеспечения представлены в виде конкретных требований: заказчика; нормативно-технических документов.
Ресурсы для расчета квалиметрии программного обеспечения включают: применимые измерительные инструменты и методологию, включая модули оценки; человеческие ресурсы для оценки качества программного продукта; базу знаний в предметной области.
Выходная информация квалиметрии представляется результатами измерения качества программного обеспечения, экспертными заключениями специалистов-испытателей.
Содержание процесса квалиметрии программного обеспечения предполагает, что оценка должна основываться на применении инструментов, позволяющих подготавливать входные данные и тестовые среды для автоматизированного выполнения проверок с целью получения требуемых показателей.
В статье рассматривается структура перспективного ИМС, обеспечивающего автоматизацию процесса подготовки и проведения испытаний СПО.
Структура ИМС автоматизированного проведения испытаний программного обеспечения КСА АС ОУВД. ИМС представляет собой совокупность функционально взаимосвязанных технических средств и программного обеспечения. Подготовка и проведение испытаний с использованием ИМС представляют собой упорядоченную последовательность этапов, как показано на рисунке 2.
Рисунок 2 - Функциональная модель подготовки и проведения испытаний СПО КСА
В соответствии с разработанной функциональной моделью подготовки и проведения испытаний СПО КСА программное обеспечение ИМС состоит из следующих функциональных модулей: разработки тестовых планов проведения испытаний; проведения испытаний; записи результатов решения прикладных задач в информационный фонд (ИФ) поддержки принятия решений (ППР); обработки и анализа результатов испытаний.
Модуль разработки тестовых планов предназначен для планирования экспериментов и подготовки соответствующих исходных данных для модуля проведения испытаний. Модуль позволяет формировать сценарии испытаний и задавать эталонные значения количественных и качественных данных оцениваемых показателей. Сценарий испытаний - это формализованное представление последовательности действий, направленных на получение количественных и качественных данных оцениваемых показателей СПО объекта испытаний при решении каждой прикладной задачи. Разработанные сценарии проведения испытаний, эталонные значения количественных и качественных данных оцениваемых показателей хранятся в соответствующих информационных фондах.
Модуль проведения испытаний анализирует сценарии, определяет требуемые последовательности действий, формирует набор входных данных для оценки решения каждой прикладной задачи, определяет задачи для вызова специальных программ работы с программным обеспечением объекта испытаний, обеспечивает контроль выполнения плана проведения испытаний. Состав формализованных массивов данных, командно-программной информации, перечень и последовательность выполнения разовых команд регламентируются разработанными в методиках испытаний алгоритмами и постановками решения прикладных задач. Модуль должен полностью задавать требуемые варианты реализации информационного взаимодействия и обеспечить последовательную загрузку потока входной информации в ЭВМ КСА.
Имитируемый поток входной информации подается на вход испытываемого СПО и инициирует его функционирование для решения каждой прикладной задачи.
Таким образом, трудоемкий способ «ручного» набора и ввода формализованных массивов данных, командно-программной информации и разовых команд заменяется двумя процедурами: выбором необходимой программной компоненты из модуля тестовых планов проведения испытаний и загрузкой, хранящейся в ней информации в программное обеспечение ЭВМ КСА. Описанный подход реализации автоматизированного набора и ввода формализованных массивов данных занимает значительно меньше времени, чем способ «ручного» ввода. Для реализации последующей автоматизированной обработки и анализа результатов испытаний модуль проведения испытаний обеспечивает запись текущих результатов решения прикладных задач на жесткий диск ЭВМ КСА.
Модуль записи результатов решения прикладных задач обеспечивает считывание с жесткого диска ЭВМ количественных и качественных показателей, характеризующих правильность решения прикладных задач и загрузку необходимых сведений в ИФ ППР. Создаваемый для проведения испытаний ИФ предназначен для обеспечения эффективной обработки результатов испытаний, за счет правильного поддержания содержащихся в базе показателей и за счет поддерживаемой в базе структуры данных. Требуемый результат заключается в снижении затраченного времени и количества ошибок при вводе информации в базу данных за счет автоматизации процесса.
Модуль обработки и анализа результатов испытаний выполняет функции ведения информационной базы данных (ИБД) результатов испытаний, просмотра результатов текущего решения прикладных задач СПО КСА и результатов испытаний из ИБД, анализа результатов путем сравнения фактических результатов с эталонными значениями и оценкой их приемлемости (в соответствии с требованиями заказчика), визуализации данных, также обеспечивает оформление протоколов и акта по испытаниям, печать материалов по испытаниям.
Каждый модуль выполняет строго определенный функционал, что позволяет выделить пользователей программного обеспечения ИМС, решающих свои задачи с использованием конкретных автоматизированных рабочих мест (АРМ): старший специалист-испытатель, специалист-испытатель (оператор), специалист-испытатель по обработке и анализу результатов испытаний (рисунок 3).
Рисунок 3 - Автоматизированные рабочие места ИМС
Разделение программного обеспечения ИМС на модули и их развертывание на нескольких компьютерах обеспечивают многопользовательское использование его функций в части подготовки сценариев испытаний, проведения испытаний, анализа результатов испытаний, что позволяет практически одновременно выполнять процесс подготовки и проведения испытаний, тем самым значительно сокращая общую продолжительность проведения испытаний КСА в целом.
ИМС автоматизированного проведения испытаний СПО КСА целесообразно реализовать в виде совокупности аппаратно-программных средств, объединенных в локальную вычислительную сеть (ЛВС), и формирующих структуру ИМС, включающую: комплекс подготовки и проведения испытаний (КППИ); средства приема и передачи информации (СППИ); сервер сбора данных (рисунок 4).
ССИ - старший специалист-испытатель; СИ(о) - специалист-испытатель (оператор); СИ ОиА - специалист-испытатель по обработке и анализу результатов испытаний; ИБД РИ - информационная база данных результатов испытаний; ЭЗ - эталонные значения; СИ - сценарий испытаний
Рисунок 4 - Структура имитационно-моделирующего стенда
КППИ предназначен для подготовки и проведения полунатурного эксперимента в процессе испытаний и представляет собой платформу, на которой размещены три ЭВМ для обеспечения деятельности специалистов-испытателей с установленными функциональными модулями ИМС, устройство ввода сведений в ИФ ППР, концентратор (маршрутизатор), сервер информационного обеспечения испытаний (ИОИ), устройство документирования (УД). АРМ специалистов-испытателей решают задачи в соответствии с предназначением функциональных модулей ИМС. На сервере ИОИ располагаются основные базы данных. АРМ специалиста-испытателя (оператора) и специалиста-испытателя по обработке и анализу результатов испытаний подключаются непосредственно к КСА с помощью СППИ. Информационный обмен осуществляется кодограммами, структура которых определена протоколом информационного взаимодействия ИМС с КСА АС ОУВД. Устройство ввода сведений в ИФ ППР предназначено для ввода необходимых сведений в ИФ ППР с целью обеспечения эффективной обработки результатов испытаний за счет автоматизации процесса поддержания структуры количественных и качественных показателей, характеризующих решение прикладных задач в базах данных.
В целях информационной безопасности и соблюдения требований по доступу к получаемым результатам испытаний КППИ не имеет доступа в ЛВС предприятия-изготовителя объекта испытаний. Предусмотрено подключение только сервера сбора данных, используемого с целью недопущения отставания от сроков проведения испытаний и обеспечения возможности изготовителю СПО КСА своевременно получать сведения, необходимые для скорейшего устранения выявленных недостатков.
Сервер сбора данных обеспечивает доступ к результатам испытаний с рабочих мест предприятия-изготовителя СПО КСА, организуя тем самым информационный тракт документального обмена. Он имеет два сетевых выхода. Один предназначен для загрузки данных с сервера ИОИ. Другой обеспечивает выход в ЛВС предприятия-изготовителя. На сервере устанавливается утилита, которая выполняет синхронизацию базы данных результатов испытаний между сервером ИОИ и сервером сбора данных. Таким образом, на сервере сбора данных размещены полные копии базы данных с результатами испытаний, аналогичные расположенным на сервере ИОИ.
Организация единого информационного пространства на этапах подготовки и проведения испытаний КСА требует постоянного автоматического контроля над целостностью информации, циркулирующей между элементами архитектуры информационного тракта. В целях контроля целостности полученных об объекте испытаний сведений предлагается использовать разработанное специальное программное обеспечение.
Контроль целостности информации при использовании ИМС. Программа по контролю целостности информации элементов архитектуры информационного тракта документального обмена при испытаниях авиационных комплексов и систем позволяет осуществлять слежение за неизменностью контролируемых файлов с целью защиты от модификации. Контроль производится автоматически в соответствии с заданным расписанием.
Специальное программное обеспечение предназначено для осуществления контроля над неизменностью данных, полученных при испытаниях сложных авиационных комплексов и систем в случае возможных нарушений их целостности путем изменения информации при передаче, неисправной работе аппаратных средств, а также попыток несанкционированных действий.
Для вычисления контрольной суммы (хеш-кода) в программе используется самый безопасный и эффективный на данный момент алгоритм криптографического хеширования информации Secure Hash Algorithm - 3. Недавние безопасные хеш-алгоритмы, включая Message Digest 5, Secure Hash Algorithm - 0, Secure Hash Algorithm - 1, Secure Hash Algorithm - 2, устарели и были признаны восприимчивыми к атакам различного рода [6].
Функциональными возможностями программы являются: интерактивный ввод исходных данных, вычисление контрольных сумм отдельных файлов (каталогов), сохранение полученных результатов на выбранный пользователем носитель информации, автоматический контроль
целостности заданного перечня файлов (каталогов), звуковая сигнализация о факте нарушения целостности информации, формирование списка событий, включая факты нарушения целостности [7].
Классификация прикладных задач, решаемых СПО. С целью дальнейшего формирования единого информационного подхода к квалиметрии СПО рассмотрена классификация задач, решаемых программным обеспечением КСА АС ОУВД.
По характеру обработки вводимых массивов данных, решаемые СПО прикладные задачи делятся на информационные и расчетные задачи. Информационные задачи (ИЗ) представляют собой машинные методики, реализующие алгоритмы автоматизированного сбора, обработки, систематизации, хранения и выдачи данных, используемых в процессе организации управления воздушным движением, а также для обеспечения решения расчетных задач. Расчетные задачи (РЗ) представляют собой методики вычисления на АРМ числовых значений искомых показателей.
Таким образом, можно выделить две группы решаемых прикладных задач, отличающихся подходами к квалиметрии программного обеспечения, а именно: информационные и расчетные задачи.
Байесовский подход к оценке качества решения ИЗ. Результаты экспертных оценок показателей качества решения ИЗ не обладают достаточной точностью ввиду субъективности мнений специалистов, выполняющих проверку СПО. Для повышения объективности полученных показателей приходится прибегать к процедурам их многократного повторения с последующим усреднением полученных результатов [8]. Известно, что формула Байеса нашла свое применение в области принятия решений в условиях неопределенности [9, 10].
В связи с возникающей неопределенностью оценку качества решения ИЗ предлагается представлять в виде распределения вероятностей на множестве гипотез о том, что качество оцениваемого программного обеспечения достигло одного из предопределенных уровней. Для получения подобных оценок целесообразно рассмотреть возможность использования формулы Байеса для формирования интегральной оценки качества СПО при решении ИЗ на основе неточных измерений разнородных показателей качества и субъективных экспертных оценок.
Стандартом [11] рекомендуется в процессе квалиметрии программного обеспечения, каждое измеренное или полученное на основе экспертной оценки значение показателя соотносить с одним из t заданных уровней ранжирования (шкалы измерений каждого показателя в диапазоне от двух до четырех) Fl, ..., Ft, которые будут использовать применительно к итоговой интегральной оценке качества СПО при решении ИЗ. Зададим через Qi гипотезу вида «Качество решения ИЗ в целом соответствует уровню Fi», где г =1, ..., t - порядковый номер уровня ранжирования. Для квалиметрии необходимо выбрать набор характеристик и атрибутов качества (из перечня, определенного заказчиком, предлагаемого стандартом), а также наборы показателей для оценки каждого атрибута. Обозначим отобранные для оценивания качества атрибуты через Б], ] =1, ..., к, где к - общее число отобранных атрибутов, а через Ы/ - /-ый показатель, используемый для оценки атрибута Б], / = 1, ..., Г], где г] - число показателей, отобранных для оценки атрибута Б] так, что г = Г1 + ... + Гк - общее число показателей, привлеченное для оценивания качества решения ИЗ по всем к атрибутам.
Перед началом оценивания специалист-испытатель формирует априорное распределение вероятностей Р(@г) на множестве гипотез Qi, г = 1, ..., t. Каждая вероятность Р(@г) рассматривается как степень уверенности этого специалиста-испытателя в справедливости г-ой гипотезы об уровне качества решения ИЗ СПО до начала оценивания, то есть до получения каких-либо результатов измерения выбранных показателей, а также получения экспертных оценок. В случае отсутствия априорной информация о качестве, все гипотезы можно считать равновероятными: Р(@г) = 1/t. При наличии достаточного основания допускается использование и неравномерного распределения априорных вероятностей на множестве гипотез. Также, в качестве априорных вероятностей Р(<0,г) могут быть использованы апостериорные байесовские вероятности
..., Вк), полученные в ходе предыдущей итерации оценивания качества решения ИЗ программным обеспечением КСА.
Условная вероятность Р(В^г) понимается как степень соответствия полученных результатов измерений множества показателей, используемых для атрибута В/, / = 1, ..., к, предположению об истинности этой гипотезы Qi, г = 1, ..., Значение условной вероятности определяется следующим образом
miQ)=■
count
f
(^ F)
u ■ r
(1)
где - измеренные значения /-го показателя атрибута В/, I = 1, ..., / и > 1 - число измерений значений показателей и (или) число специалистов-испытателей, привлеченных к оцениванию значения показателя; г/ - число показателей, используемых для оценивания атрибута качества В/, / = 1, ..., к.
Согласно формулы (1), каждая вероятность Р(В/^г) определяется через отношение числа отметок о принадлежности результатов измерений показателей уровню ранжирования ¥г к общему количеству произведенных измерений значений показателей атрибута. Заранее определенные уровни ранжирования показывают, какой уровень качества получен по выбранному показателю.
Условная вероятность Р^г\В\, ..., Вк) понимается как степень уверенности специалиста-испытателя, производящего оценивание, в справедливости г-ой гипотезы об уровне интегрального качества программного обеспечения после получения оценок по всем атрибутам В1, ..., Вк. В соответствии с теоремой Байеса, при условии независимости результатов решения ИЗ, условная вероятность вычисляется как
P (QIA,..., Вк ) =
P (Q )■ P (BAQ. )■ P (B2\Q )■... ■ p (Bk\Q,)
El.! P Q )■ P (BAQn )■ P (B2 \ Qh )■... ■ P (Bk\Qh)
(2)
Полученное по формуле (2) апостериорное распределение вероятностей Р^\В1, ..., Вк) на множестве гипотез Qi, г = 1, ..., I, является итоговой интегральной оценкой качества решения ИЗ программным обеспечением КСА и показывает, насколько правдоподобными по завершении процедуры оценивания стали гипотезы о том, что интегральное качество программного обеспечения достигло каждого из уровней.
Применение интегральной теоремы Лапласа для оценки решения РЗ. Оценку решения расчетных задач целесообразно производить с помощью такого критерия, как вероятность правильного решения РЗ. Предполагается, что закон распределения показателя, характеризующего правильность решения РЗ, известен на основании анализа предыдущих его измерений. Согласно [12] вероятность нахождения показателя х внутри поля допуска с нижней границей Х1 и верхней Х2 определяется по формуле
P( X) = jf (x)dx,
(3)
где/(х) - известная функция плотности распределения показателя х.
При большом числе реализаций показателя х под воздействием многих факторов распределение х обычно нормальное. При нормальном распределении расчетные формулы для определения вероятности нахождения показателя х внутри поля допуска определяются с помощью интегральной теоремы Лапласа
Ф(x) = -j= J е 2 dy, v2n 0
(4)
где у - нормированное отклонение случайного значения показателя х.
Следовательно, когда результат решения РЗ характеризуется двумя показателями XI, Х2, а плотность их распределения подчиняется нормальному закону, вероятность правильного решения задачи определяется
P =
1 РЗ
(
Ф
х1в Х1 зад
\ ( - Ф
J
Х1н Х1зад
Y
V
(
Ф
Х2 в Х2 зад
Л ( - Ф
J
Х2н Х2 зад
Y
V
(5)
где Х1, Х2 - выходные показатели РЗ, характеризующие правильность ее решения; а , ст -
среднеквадратическое отклонение соответствующих параметров Х1, Х2 от заданных значений Х1зад, Х2зад; Х1н, Х1в, Х2н, Х2в - нижние и верхние пределы допусков отклонений показателей Х1, Х2 от заданных значений Х1зад, Х2зад.
Выводы. Испытания программного обеспечения КСА АС ОУВД предусматривают выполнение целого ряда видов деятельности, таких как: разработка программ и методик, оценка соответствующих требований к качеству программного продукта, обработка, анализ и оценка результатов испытаний, оформление отчетных материалов. Выполненные исследования показали актуальность создания ИМС, обеспечивающего автоматизацию процессов подготовки и проведения испытаний СПО. Применение моделирования позволит расширить условия испытаний, проводить полунатурные эксперименты и значительно сократить материальные ресурсы, требуемые для обеспечения испытаний.
ИМС, состоящий из функционально взаимосвязанных технических средств и модульного программного обеспечения, обеспечивает многопользовательское использование функций в части подготовки сценариев испытаний, проведения испытаний, анализа результатов испытаний, что позволяет практически одновременно выполнять процесс подготовки и проведения испытаний, тем самым сокращая время проведения испытаний КСА [13-15]. Реализация разработанного способа автоматизированного проведения испытаний СПО позволит исключить ошибочные действия специалистов-испытателей и связанные с этим отклонения от заданной в методике испытаний. Рассмотренная структура ИМС позволит обеспечить всестороннее исследование объекта испытаний, создание единого информационного пространства.
Использование программы по контролю целостности информации на основе алгоритма Secure Hash Algorithm - 3 обеспечит необходимый уровень информационной безопасности ИМС и гарантирует целостность как СПО ИМС, так и сохранность данных информационных фондов.
Представленные предложения могут быть использованы при формировании направлений научно-исследовательских и опытно-конструкторских работ по разработке перспективных комплексов автоматизированного проведения испытаний СПО образцов авиационной техники военного назначения. Предложенный информационный подход по квалиметрии решения прикладных задач СПО позволит обеспечить объективные оценки качества программного обеспечения при испытаниях КСА.
СПИСОК ЛИТЕРАТУРЫ
1. Публичное акционерное общество «Научно-производственное объединение «Алмаз». Радиолокационные комплексы и системы УВД. 2020. [Электронный ресурс]. Режим доступа: https://ecovd.ru (дата обращения 28.03.2022).
ы и
2
2. Богданов О.А., Смирнов А.А., Ковалев Д.В. Имитационное моделирование противоборства в воздушно-космической сфере // Программные продукты и системы. 2016. № 1. С. 160-165.
3. ГОСТ Р ИСО/МЭК 25010-2015. Информационные технологии. Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Модели качества систем и программных продуктов. Введ. впервые с 2016-06-01. М.: Стандартинформ, 2015. 36 с.
4. ГОСТ Р ИСО/МЭК 25041-2014. Информационные технологии. Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Руководство по оценке для разработчиков, приобретателей и независимых оценщиков. Введ. впервые с 2014-06-11. М.: Стандартинформ, 2014. 49 с.
5. ГОСТ Р ИСО/МЭК 25040-2014. Информационные технологии. Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Процесс оценки. Введ. впервые с 2014-06-11. М.: Стандартинформ, 2014. 41 с.
6. Чарин И. Алгоритм SHA-3. 2020. [Электронный ресурс]. Режим доступа: https://habr.com/ru/post/534082 (дата обращения 28.03.2022).
7. Свидетельство о государственной регистрации программы для ЭВМ RU № 2021681892. Специальное программное обеспечение контроля целостности информации элементов архитектуры информационного тракта документального обмена при испытаниях авиационных комплексов. И.В. Щербаков, А.С. Солдатов. Заявка № 2021681337: заявл. 16.12.2021; опубл. 27.12.2021, Бюл. № 12. 1 с.
8. Картавенко М. Тест антивирусов на быстродействие. 2012. [Электронный ресурс]. Режим доступа: http://www.anti-malware.ru/antivirus_test_performance_2012 (дата обращения 29.03.2022).
9. Уткин Л.В. Анализ риска и принятие решений при неполной информации. СПб: Наука, 2007. 404 с.
10. Ветров А.Н., Прокопчина С.В., Нестеров А.О. Управление инвестиционными рисками строительных организаций на основе байесовских информационных технологий // Программные продукты и системы. 2014. № 1. С. 212-216.
11. ISO/IEC 25010:2011. Systems and software engineering - Systems and software Quality Requirements and Evaluation (SQuaRE) - System and software quality models. [Электронный ресурс]. Режим доступа: https://www.iso.org/stand-ard/35733.html (дата обращения 02.04.2022).
12. Вентцель Е.С. Теория вероятностей: учеб. для вузов / Е.С. Вентцель, 10-е изд., стер. М.: Высшая школа, 2006. 575 с.
13. Солдатов А.С. Концепция создания перспективной информационно-измерительной системы для летных испытаний авиационной техники с применением технологий Индустрии 4.0 // Воздушно-космические силы. Теория и практика. 2021. № 20. С. 167-177. [Электронный ресурс]. Режим доступа: http://vva.mil.ru (дата обращения 02.04.2022).
14. Коломиец Л.В., Федоров М.В., Богомолов А.В., Мережко А.Н., Солдатов А.С., Есев А.А. Метод поддержки принятия решений по управлению ресурсами при испытаниях авиационной техники // Информационно-измерительные и управляющие системы. 2010. Т. 8. № 5. С. 38-40.
15. Larkin E., Bogomolov A., Akimenko T., Privalov A. Digital control of continuous production with dry friction at actuators // Smart Innovation, Systems and Technologies. 2022. Vol. 232. P. 427-436.
REFERENCES
1. Publichnoe akcionernoe obschestvo «Nauchno-proizvodstvennoe obedinenie «Almaz». Radiolokacionnye kompleksy i sistemy UVD. 2020. ['Elektronnyj resurs]. Rezhim dostupa: https://ecovd.ru (data obrascheniya 28.03.2022).
2. Bogdanov O.A., Smirnov A.A., Kovalev D.V. Imitacionnoe modelirovanie protivoborstva v vozdushno-kosmicheskoj sfere // Programmnye produkty i sistemy. 2016. № 1. pp. 160-165.
3. GOST R ISO/MEK 25010-2015. Informacionnye tehnologii. Sistemnaya i programmnaya inzheneriya. Trebovaniya i ocenka kachestva sistem i programmnogo obespecheniya (SQuaRE). Modeli kachestva sistem i programmnyh produktov. Vved. vpervye s 2016-06-01. M.: Standartinform, 2015. 36 p.
4. GOST R ISO/MEK 25041-2014. Informacionnye tehnologii. Sistemnaya i programmnaya inzheneriya. Trebovaniya i ocenka kachestva sistem i programmnogo obespecheniya (SQuaRE). Rukovodstvo po ocenke dlya razrabotchikov, priobretatelej i nezavisimyh ocenschikov. Vved. vpervye s 2014-06-11. M.: Standartinform, 2014. 49 p.
5. GOST R ISO/MEK 25040-2014. Informacionnye tehnologii. Sistemnaya i programmnaya inzheneriya. Trebovaniya i ocenka kachestva sistem i programmnogo obespecheniya (SQuaRE). Process ocenki. Vved. vpervye s 2014-06-11. M.: Standartinform, 2014. 41 p.
6. Charin I. Algoritm SHA-3. 2020. ['Elektronnyj resurs]. Rezhim dostupa: https://habr.com/ru/post/534082 (data obrascheniya 28.03.2022).
7. Svidetel'stvo o gosudarstvennoj registracii programmy dlya EVM RU № 2021681892. Special'noe programmnoe obespechenie kontrolya celostnosti informacii 'elementov arhitektury informacionnogo trakta dokumental'nogo obmena pri ispytaniyah aviacionnyh kompleksov. I.V. Scherbakov, A.S. Soldatov. Zayavka № 2021681337: zayavl. 16.12.2021; opubl. 27.12.2021, Byul. № 12. 1 p.
8. Kartavenko M. Test antivirusov na bystrodejstvie. 2012. fElektronnyj resurs]. Rezhim dostupa: http://www.anti-malware.ru/antivirus_test_performance_2012 (data obrascheniya 29.03.2022).
9. Utkin L.V. Analiz riska i prinyatie reshenij pri nepolnoj informacii. SPb: Nauka, 2007. 404 p.
10. Vetrov A.N., Prokopchina S.V., Nesterov A.O. Upravlenie investicionnymi riskami stroitel'nyh organizacij na osnove bajesovskih informacionnyh tehnologij // Programmnye produkty i sistemy. 2014. № 1. pp. 212-216.
11. ISO/IEC 25010:2011. Systems and software engineering - Systems and software Quality Requirements and Evaluation (SQuaRE) - System and software quality models. ['Elektronnyj resurs]. Rezhim dostupa: https://www.iso.org/stand-ard/35733.html (data obrascheniya 02.04.2022).
12. Ventcel' E.S. Teoriya veroyatnostej: ucheb. dlya vuzov / E.S. Ventcel', 10-e izd., ster. M.: Vysshaya shkola, 2006. 575 p.
13. Soldatov A.S. Koncepciya sozdaniya perspektivnoj informacionno-izmeritel'noj sistemy dlya letnyh ispytanij aviacionnoj tehniki s primeneniem tehnologij Industrii 4.0 // Vozdushno-kosmicheskie sily. Teoriya i praktika. 2021. № 20. pp. 167-177. fElektronnyj resurs]. Rezhim dostupa: http://vva.mil.ru (data obrascheniya 02.04.2022).
14. Kolomiec L.V., Fedorov M.V., Bogomolov A.V., Merezhko A.N., Soldatov A.S., Esev A.A. Metod podderzhki prinyatiya reshenij po upravleniyu resursami pri ispytaniyah aviacionnoj tehniki // Informacionno-izmeritel'nye i upravlyayuschie sistemy. 2010. T. 8. № 5. pp. 38-40.
15. Larkin E., Bogomolov A., Akimenko T., Privalov A. Digital control of continuous production with dry friction at actuators // Smart Innovation, Systems and Technologies. 2022. Vol. 232. pp. 427-436.
© Щербаков И.В., 2022
UDK 629.01
GRNTI 50.01.81
SIMULATION AND MODELING STAND FOR AUTOMATED TESTING OF SPECIAL
SOFTWARE
I.V. SCHERBAKOV
Based on the results of the analysis of the processes of preparation and testing of special software for automation systems of air traffic control systems, a method of automated testing of software is proposed, which allows to improve the quality of testing, significantly reduce the time of their conduct, eliminate incorrect (erroneous) actions of test specialists. The concept of software quality is given and the process of its qualimetry is described. The structure of a promising simulation and modeling stand for automated testing of software is substantiated. The main information flows when using the specified stand at the stages of preparation and testing are characterized. In order to implement a unified methodology of qualimetry for solving applied problems by special software of automation complexes, the use of an approach based on the Bayes formula and the Laplace integral theorem is proposed.
Keywords: automated workplace, database, complex of automation tools, simulation modeling, software quality, experimental-theoretical method, semi-natural experiment, information hashing.
