CC BY
155
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
ИССЛЕДОВАНИЕ СПОСОБОВ МОДЕЛИРОВАНИЯ КОМАНДНОЙ РА ДИОЛИНИИ КОМАНДНО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ
В.Д. БУРКОВ, проф. каф. информационно-измерительных систем и технологий приборостроения МГУЛ, д-р техн. наук,
Д.И. ГИНКУЛ, асп. каф. информационно-измерительных систем и технологий приборостроения МГУЛ
burkov@mgul.ac.ru
ФГБОУ ВПО «Московский государственный университет леса» 141005, Московская обл., г. Мытищи-5, ул. 1-я Институтская, д. 1, МГУЛ
Командно-измерительная система является одной из важнейших систем космического аппарата. С ее помощью осуществляется контроль за функционированием и управление космическим аппаратом из центра управления полетами, а также осуществляется измерение его текущих навигационных параметров через обработку сигналов командной радиолинии. Поэтому важнейшим этапом при разработке командно-измерительной системы является разработка и моделирование работы командной радиолинии. В данной статье рассматриваются принципы моделирования процессов проектирования и работы командной радиолинии командно-измерительной системы. Представлены основные методы моделирования. В статье изложена суть проблемы имитационного моделирования командной радиолинии командно-измерительной системы. Проанализировав исследованные методы, были выбраны механизм имитационного моделирования, который позволяет осуществить решение разработки математической модели командной радиолинии командно-измерительной системы. Наиболее эффективным средством имитационного моделирования является онтологический подход. Его реализация существенно усложняет исходную архитектуру моделирующего и проектирующего программного комплекса, но и позволяет получить ряд существенных преимуществ (например, интегрировать отдельные области знаний в рамках единой модели и организовать совместный просчет). Описание логики взаимодействия фрагментов знаний внутри онтологии осуществляется при помощи дескриптивной логики. В системе при просчете модели фактически должны быть реализованы следующие события: генерация внешнего и информационного сигнала по таймеру, просчет всей модели, просчет командной радиолинии командноизмерительной системы, смена режима подсистемы или всего объекта моделирования, выполнение отдельного логического утверждения, что позволит перейти от дескриптивной логики к объектно-ориентированному программированию. Решение поставленной задачи представлено механизмом имитационного моделирования, который позволяет осуществитьрешение разработки математической модели командной радиолинии командно-измерительной системы. Таким образом, при построении математической модели командной радиолинии нужно руководствоваться синтаксисом дескриптивной логики, т.к. это позволит без затруднений перейти к построению модели командной радиолинии командно-измерительной системы в логике модельно-ориентированного проектирования.
Ключевые слова: имитационное моделирование, онтологический подход, дескриптивная логика, командная радиолиния, командно-измерительная система, процессы проектирования, методология, оптимизационное проектирование, системная инженерия.
Командно-измерительная система (КИС) является одной из важнейших систем космического аппарата. С ее помощью осуществляется контроль за функционированием и управлением космическим аппаратом из центра управления полетами (ЦУП), а также осуществляется измерение его текущих навигационных параметров через обработку сигналов командной радиолинии. Поэтому важнейшим этапом при разработке КИС является разработка и моделирование работы командной радиолинии.
Задачами моделирования процессов проектирования и работы командной радиолинии КИС являются:
1) визуализация процесса работы командной радиолинии КИС и расчет ее характеристик;
2) решение задачи оптимизации технических решений в условиях жестких ограничений и неопределенностей;
3) накопление отраслевой базы знаний о процессе проектирования и функционирования командной радиолинии КИС;
4) автоматизация процесса принятия решений при определении исходной конфигурации командной радиолинии КИС исходя из примерных тактико-технических характеристик (ТТХ) [1].
Подбор приемлемых (с позиции качества и цены) технических решений, обладающих фиксированным набором ТТХ, не всегда осуществим на базе макетов и имитаторов. Особенно тогда, когда осуществляется проектирование нового оборудования для КА, обладающего конкурентными преимуществами
82
ЛЕСНОЙ ВЕСТНИК 1/2015
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
по сравнению с аналогами. Сложность проектирования возрастает, когда требуется минимизировать риски, связанные со следующими категориями неопределенностей:
- недостаточно точная постановка задачи (слабая и недостаточная формализация);
- наличие допусков и граничных значений на допустимые режимы работы различных элементов оборудования;
- наличие шумов и помех (потенциальная подверженность возмущениям внешней среды);
- распределенное выполнение работы по производству оборудования, предполагающее ответственные работы по согласованию и интеграции подсистем в рамках заданных ограничений [2].
Комплексный учет этих неопределенностей достигается за счет применения методологии системной инженерии. В частности, для задачи автоматизированной сборки «чернового» проекта рационально осуществить комбинацию методов: онтологического описания, интервальной математики и имитационного моделирования. Рассмотрим задачу разработки инструментария для оптимизационного проектирования командной радиолинии с применением приведенных выше методик. [3]
Механизм имитационного моделирования позволяет осуществить решение следующих затруднений:
- проанализировать «узкие» места в конструкции системы и оценить нагрузку каждого элемента;
- проанализировать работу конкретной реализации проекта при различных нагрузках (включая запроектные);
- внести и учитывать в рамках модели возмущения и шумы от надсистемы.
Различные средства имитационного моделирования (в первую очередь метод систем массового обслуживания [4]), позволяют подойти к задаче принятия эффективных решений как по составу элементов проектируемого технического средства, так и их архитектуре.
Методы обработки двусторонних оценок (интервальная математика) позволяет осуществить такие классы затруднений, как:
- оценка возможности интеграции конкретных технических элементов системы;
- поиск устойчивых и нормативных режимов работы оборудования;
- решение обратной постановки задачи проектирования командной радиолинии.[5]
В случае получения аналитических фрагментов описания модели можно не ограничиваться интервальной арифметикой [6], а подойти к решению задачи оптимизации через применение гистограммной арифметики, более гибко рассматривающей возможности обработки интервальных величин в многофакторном пространстве ТТХ проектируемой командной радиолинии командно-измерительной системы.
Наиболее эффективным средством имитационного моделирования является онтологический подход.
Онтологический подход (в техническом смысле этого слова) к проектированию стандартизированного оборудования [7]. Его реализация существенно усложняет исходную архитектуру моделирующего и проектирующего программного комплекса, но и позволяет получить ряд существенных преимуществ (например, интегрировать отдельные области знаний в рамках единой модели и организовать совместный просчет).
Следует добавить, что лишь комплексный охват всех типов неопределенностей может свести к минимуму затрату ресурсов на начальном этапе проектирования (разработка так называемого «пилотного проекта») только за счет перехода к автоматизации процессов обработки ограничения и рисков.
При реализации подобных моделей необходимо произвести интеграцию двух классов информации: эвристической и эмпирической (теоретическая информация вкладывается в модель по умолчанию). К первым относятся лингвистические переменные, продукционные и решающие правила. Ко вторым отнесем расчетные показатели, позволяющие оценивать результат работы модели: это частотно-временные характеристики имитации командной радиолинии моделью и интервальные показатели. Первые получаются в результате формализации знаний для
ЛЕСНОИ ВЕСТНИК 1/2015
83
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
работы [6], а вторые - при проведении имитационных экспериментов [8].
Эвристическая информация описывает структуры знаний на языке дескриптивной логики. За реализацию активных элементов (действий, событий, просчетов) отвечают коллекции аксиом. Они могут быть выражены в виде совокупности решающих правил, продукционных правил, ссылок на внешние управляющие программы (модули, функции, dll-библиотеки и пр.), сетевых структур (графов, матриц смежности и пр.). При этом любой показатель в модели потенциально может иметь качественную природу, т.е. описываться в виде лингвистической переменной. В этом случае принято применять теорию нечетких множеств Л.Заде [9] и оперировать нечеткими (fuzzy) переменными.
Эмпирическая информация, определяемая контекстом оптимизации и результатами моделирования, также предполагает элементы неопределенности. Это частотно-временная неопределенность (time-and-frequency uncertainly), стохастичность (randomness) и интервальность (interval). Первые два вида неопределенности рационально учитывать штатными средствами механизмами имитационного моделирования, управляя распределениями случайных величин [10]. Так, представляя работу аппаратуры в виде набора систем массового обслуживания [11], можно детально анализировать и характеристики
Интерфейс ввода/вывода
к к 1 г
Ядро модели
Движок просчета Язык генерации
модели сценариев
Подсистема Подсистема
визуализации интеграции с БЗ
к к 1 г
Онтологизированная отраслевая база знаний
Рис. 1. Взаимодействие модулей системы моделирования КИС
Fig. 1. Interaction simulation modules CMS
эффективности ее подсистем и производить поиск «узких мест» для дальнейшей оптимизации. Что касается особо сложных аксиом, то их выполнение можно делегировать внешним модулям в соответствующие моменты модельного времени. Третий вид неопределенности (интервальность) вполне адекватно решается методами интервальной математики [11]. Данный вид математики позволяет эффективно представлять допустимые рамки параметров в виде ограниченных с двух сторон интервалов, над которыми особым образом можно реализовывать арифметику и дальнейшие вычисления. Все эти дополнения позволяют расширить классический онтологический подход и добиться повышения гибкости анализируемых параметров при решении задачи оптимизации рабочих проектов командной радиолинии. Очевидно, что подобные возможности должны быть реализованы на уровне вычислительного ядра онтологизированной модели, движка имитации, решателя и сопровождаться гибким интерфейсом визуализации и отчетности.
Ниже приведен фрагмент модели, касающийся использования онтологизированного подхода и интервальных методов при оценке работы командной радиолинии КИС.
В обобщенном варианте состав моделирующего комплекса представлен на рис. 1.
Представленная схема сочетает в себе как методы имитационного моделирования (блоки «Движок просчета модели» и «Язык генерации сценариев»), так и методы искусственного интеллекта (блок «Подсистема интеграции с БЗ»). Первые отражают специфику оценки вариантов проектных решений, опирающейся на нестационарные воздействия [6] (в данном случае нестабильность работы радиолинии или сбои в функционировании космического аппарата), а вторые - обработку онтологизированной БЗ (с вызовом внешних модулей экспертного оценивания параметров КИС для проигрываемой ситуации). Следует напомнить, что онтологизированная база знаний сама по себе есть комплексная система, легко интегрирующая в себя как интеллектуальные методы (экспертные системы, семантические сети, нечеткую логику), так и внешние исполняемые модули при реализации аксиом (например, dll-библиотеки).
84
ЛЕСНОЙ ВЕСТНИК 1/2015
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
Итак, модель, описывающую состав и функционирование командной радиолинии КИС, можно представить в виде следующего набора элементов.
1. Данные о надсистеме и возмущаю-щих/управляющих воздействиях.
2. Данные о потоке входной и выходной информации, в привязке к требованиям технического задания на проектирование объекта (включая паттерны типовых потоков информации при функционировании объекта).
3. Онтологии структурных элементов объекта (подсистем) с описанием интерфейсов.
4. Метаонтология, описывающая взаимодействие подсистем между собой и интеграцию каждого объекта в надсистему.
Очевидно, что для такой архитектуры модели рационально соблюдать принцип модульности ее элементов. Работа любой модели, необязательно командной радиолинии КИС, должна отражать целевые признаки, необходимые для дальнейшего анализа системы и ее оптимизации [7]. Поэтому в качестве базовых критериев для оптимизации и принятия решений (интегральных показателей) можно, в первую очередь, выделить скорость передачи и обработки информации, а также вид передаваемой информации. Рассмотрим структуру компоновки знаний в модели командной радиолинии КИС, учитывая первостепенное значение интегральных показателей.
Онтология окружающей среды как целевое описание воздействия надсистемы на моделируемую БА КИС выражается в законах природы, технических условиях, нормативных требованиях к граничным возможностям работы объекта (допустимые температуры, давление, ударные воздействия и пр.). При онтологическом описании они могут быть представлены как в виде элементарных преобразований генерируемого шумового/управ-ляющего сигналов (биогенных, абиогенных или антропогенных), так и в виде сложных алгоритмов и программ, подключаемых в виде имитирующих внешних модулей к модели. Фактически это аксиомы нижнего уровня, определяющие логику воздействий на исследуемый и оптимизируемый технический объект. Их форма может быть различной: от
математических функций и распределений до комплекса продукционных правил и алгоритмов искусственного интеллекта, корректно сопряженных с метаонтологией.
Протоколы входной и выходной информации, а также шаблоны типовых информационных потоков реализуются в модели в виде паттернов и сценариев, имитирующих реальный информационный обмен сложного технического объекта (СТО, чем и является оборудование КИС) с внешними сущностями (оператором, управляющим комплексом, периферийными устройствами сбора телеметрии и пр.) [8]. В структуре модели это перечень интерфейсов определенного типа, через которые периодически, апериодически или случайно поступает последовательность данных (информационный сигнал), предварительно модифицированный (зашумленный) при воздействии внешней среды.
Онтологии подсистем СТО для каждой очередной технической версии элемента СТО (будь то аппаратный элемент или вычислительный алгоритм), должна предполагать формирование следующей структуры знаний.
На рис. 2. представлена структура знаний об СТО, которую необходимо внести в частную онтологию. В ней четко выделены частные элементы (блок «Экземпляр технического решения») и общие (остальные) элементы. При появлении нового экземпляра будет дополняться соответствующий раздел базы знаний онтологии, после чего автоматически произойдет внесение изменений в первичную таблицу сравнительных характеристик аналогов. Не исключается, что отдельная подсистема будет в себе содержать иные структуры (также подсистемы), которые потребуют описания отдельных онтологий и их вызов при просчете данного блока.
Метаонтология, отвечающая за интеграцию всех онтологий модели в единую систему анализа и оптимизации СТО. Она отвечает за описание состава системы, последовательности просчета модели, жизненный цикл работы и существования СТО, а также интеграцию исследуемого объекта в рамки надсистемы. Состав метаонтологии предполагает включение элементов, представленных на рис. 3. Здесь
ЛЕСНОЙ ВЕСТНИК 1/2015
85
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
Рис. 2. Структура знаний о подсистеме СТО (сложный технический объект)
Fig. 2. The structure of the knowledge of the subsystem STO (complex technical objects)
присутствует деление знаний на структурные (правая часть) и оценочные (левая часть).
Как видно из приведенной структуры знаний с рис. 2 и 3, каждый новый элемент системы в виде конкретного алгоритма, механизма, прибора и пр. в рамках своего поля знаний описывают эксперты, опираясь на индивидуальные показатели эффективности. Но при этом дополняют правилами перевода (оценки) свои частные показатели в интегральные, т.е. интересующие проектировщика всего аппарата. Для перехода между этими группами показателей выполняется следующая последовательность переходов: частные показатели ^ алгоритм оценки по эталонам ^ первичная таблица сравнительных характеристик всех аналогов ^ правила перевода частных показателей в интегральные ^ вторичная таблица сравнительных характеристик ^ правила выбора оптимального варианта (с учетом ограничений технического задания) ^ обоснование выбора элемента БА КИС в терминах интегральных показателей. При этом изначально анализу подвергаются знания о вариантах конкретной компоновки системы в поле частных показателей, но затем, за счет правил перехода к интегральным показателям,
они обобщаются и системно характеризуют КИС уже в масштабе всего проекта.
При формировании структуры данных, в рамках информационной системы, реализующей моделирование КИС, рационально применить объектно-ориентированный подход (загрузку профиля данных в память) с дальнейшим динамическим просчетом комплектации объекта. Исходные данные (характеристики отдельных комплектующих) можно представить в виде реляционной модели базы данных.
Описание логики взаимодействия фрагментов знаний внутри онтологии осуществляется при помощи дескриптивной логики (ДЛ).
Рассмотрим процесс формирования сигнала обратного канала командной радиолинии БА КИС, опираясь на синтаксис ДЛ ABox: UM- сигнал обратного канала командной радиолинии КИС fOK - частота обратного канала;
A - амплитуда сигнала;
Uk - двоичная информация (±1) длительностью 1 период М-последователь-ности ОК; смена знака происходит только при передаче логической «1» кода информации (метод относительной фазовой телеграфии, ОФТ);
86
ЛЕСНОЙ ВЕСТНИК 1/2015
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
Рис. 3. Структура знаний с элементами о подсистеме СТО Fig. 3. The structure of knowledge with elements of the subsystem CTO
k- коэффициент, принимающий значения 2 или 4 (в данной модели k=4);
Мк - М-последовательность максимальной длины (±1), сформированная на основе ^-разрядного образующего полинома на тактовой частотеf, принимающая значения «+1» и «- 1».
В данном случае получаем формулу образования сигнала М обратного канала UM UM = A^os^ft + (n/k>MK • U ] =
= (1/V2) cos(2nfOK-f) - (1/V2) (M •
Фактически в системе при просчете модели должны быть реализованы следующие события: генерация внешнего и информационного сигнала по таймеру, просчет всей модели, просчет командной радиолинии КИС, смена режима подсистемы или всего объекта моделирования, выполнение отдельного логического утверждения. Это позволит перейти от дескриптивной логики к объектно-ориентированному программированию.
Очевидно, что в логике модельно-ориентированного проектирования (МОП) [6] это позволяет расположить внутри любого из этих событий вызов внешних расчетных процедур и функций. Тогда логика работы аксиом должна либо описываться простейшим внутренним языком системы моделирования, либо обращаться к внешним вычислительным модулям (например, dll-библиотекам). Что касается описания логи-
ки (последовательности и параметров работы) подсистем, то они должны быть представлены в виде ориентированного графа с использованием набора ссылок или матрицы переходов.
Механизмы, реализующие обработку информации при выполнении аксиом, должны поддерживать обработку нечеткой информации. Это могут быть как интервальные оценки, так и лингвистические переменные, реализуемые решателем системы на уровне ядра. В первом случае, это оперирование интервальными числами [10], а во втором - нечеткими множествами [11]. Их интеграция в рамках единой информационной системы позволит повысить гибкость и качество представления знаний, хотя и усложнит процесс обработки знаний в онтологии. Хотя классическая дескриптивная логика, на которой базируется метод онтологий, при интерпретации и не предусматривает вызов внешних процедур и функций, замена решающих правил на пользовательскую подпрограмму не является затруднением.
Материал настоящей статьи свидетельствует о возможности разработки математической модели командной радиолинии на основе анализа методов построения математических моделей. На основе проанализированных методов используется механизм имитационного моделирования, который позволяет осуществить решение разработки ма-
ЛЕСНОИ ВЕСТНИК 1/2015
87
РАЦИОНАЛЬНОЕ ИСПОЛЬЗОВАНИЕ ЛЕСНЫХ РЕСУРСОВ И ДРЕВЕСНЫХ ПРОДУКТОВ
тематической модели командной радиолинии командно-измерительной системы.
Таким образом, при построении математической модели командной радиолинии нужно руководствоваться синтаксисом ДЛ, т.к. это позволит без затруднений перейти к построению модели командной радиолинии КИС в логике модельно-ориентированного проектирования (МОП).
Работа выполнена в рамках государственного задания Министерства образования и науки РФ.
Библиографический список
1. Спутниковая связь и вещание: Справочник - 3-е изд., перераб. и доп. / Л.Я. Кантор, В.А. Бартенев, Г.В. Болтов, В.Л. Быков и др.; под ред. Л.Я. Кантора - М.: Радио и связь, 1997. - 528 с.
2. Диксон, Р.К. Широкополосные системы / Диксон, Р.К. - М.: Связь, 1979. - 297 с.
3. Скляр, Б. Цифровая связь. Теоретические основы и практическое применение - 2-е изд. / Б. Скляр. - М.: Вильямс, 2007. - 1104 с.
4. ISO/IEC 15288:2008. Systems and software engineering -System life cycle processes (режим доступа: www.iso.org).
5. Nasa System Engineering Processes and Requirements (NPR 1723.1A, 26.03.2007)
6. European Cooperation for Space Standardization (режим доступа: ecss.nl)
7. Munster S., Gericke G. Comparision of Russian P.A. Standards With Corresponding ESA Requerements // Product Assurance Simposium and Software Products Assurance Workshop, ESA, 1996. 31-42 pp.
8. Тарасенко, Ф.П. Прикладной системный анализ: Учеб. пособие / Ф.П. Тарасенко. - М.: КноРус, 2010. - 224 с.
9. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПб.: Питер, 2001. - 384 с.
10. Kendal S., Creen M. An Introduction to Knowledge Engineering - UK, Shpringer, 2007. - 286 p.
11. ISO 15926 Industrial automation systems and integration -Integration of life-cycle data for process plants including oil and gas production facilities (с дополнениями на 2011 г, режим доступа: www.iso.org).
1.
2.
3.
4.
5.
6.
7.
8. 9.
10.
11.
INVESTIGATION OF THE WAYS TO MODEL THE COMMAND RADIO COMMAND-MEASURING SYSTEM
Burkov V.D., Prof. MSFU, Dr. Sci. (Tech.); Ginkul D.I., pg. MSFU
burkov@mgul.ac.ru
Moscow State Forest University (MSFU), 1st Institutskaya st., 1, 141005, Mytischi, Moscow reg., Russia
Command-and-measurement system is one of the most important systems of the spacecraft. It is intended to monitor the operation and control of the spacecraftfrom the center of the Mission Control, as well as to measure its current navigation parameters via command radio signal processing. Therefore, the most important stage in the development of the command-measuring system is the design and simulation of command radio. This article discusses the principles of the design and simulation of the command radio command-measuring system. The basic modeling techniques. The article describes the problem of simulation of the command radio of the command-measuring system. After analyzing the methods studied, the author chose the simulation mechanism, which allows to implement the decision to develop a mathematical model of the command radio command-measuring system. The most effective means of simulation is the ontological approach. Its implementation significantly complicates the initial architecture modeling and design software system, but also provides a number of significant advantages (eg, to integrate individual areas of expertise within a single model and to organize joint miscalculation). Description of the interaction fragments of knowledge logic within the ontology is carried out using descriptive logic. In fact, in the system when estimating the model, the following events are to be implemented: the generation of the external information signal and a timer, estimating the entire model, estimating the command radio of the command-measuring system, a regime change in a subsystem or the whole object, execution of a single logical statement,which will help to move from descriptive logic to object-oriented programming. The solution of this problem is presented by a simulation mechanism, which allows for the development of the solution of a mathematical model of the command radio of the command-measuring system. Thus, when constructing a mathematical model of the radio command a scientist must be guided by the descriptive logic syntax, as it will easily move to the model of the command radio of the commandmeasuring system in the logic of model-oriented programming.
Keywords: simulation, the ontological approach, descriptive logic command radio link, command-and-measurement system, the processes of design, methodology, optimization design, system engineering
References
Kantor L.Ya., Bartenev V. A., Boltov G.V, Bykov VL. i dr. Sputnikovaya svyaz ’ i veshchanie: Spravochnik [Satellite Communications and Broadcasting: A Handbook]. Moscow: Radio i svyaz’, 1997, 528 p.
Dikson, R.K. Shirokopolosnye sistemy [Broadband systems]. Moscow: Svyaz’. 1979. 297 p.
Sklyar, B. Tsifrovaya svyaz’. Teoreticheskie osnovy i prakticheskoe primenenie [Digital communication. Theoretical basis and practical application]. Moscow: Vil’yams, 2007. 1104 p.
ISO/IEC 15288:2008. Systems and software engineering - System life cycle processes (access mode: www.iso.org).
Nasa System Engineering Processes and Requirements (NPR 1723.1A, 26.03.2007)
European Cooperation for Space Standardization (access mode: ecss.nl)
Munster, S., Gericke G. Comparision of Russian P.A. Standards With Corresponding ESA Requerements. Product Assurance Simposium and Software Products Assurance Workshop, ESA, 1996. 31-42 pp.
Tarasenko, F. P Prikladnoy sistemnyy analiz: Ucheb. posobie [Applied System Analysis: A Tutorial], Moscow: KnoRus, 2010. 224 p. Gavrilova, T.A., Khoroshevskiy V.F. Bazy znaniy intellektual’nykh sistem [Knowledge base of intelligent systems]. St. Petersburg: Piter, 2001. 384 p.
Kendal, S., Creen M. An Introduction to Knowledge Engineering. UK, Shpringer, 2007. 286 p.
ISO 15926 Industrial automation systems and integration. Integration of life-cycle data for process plants including oil and gas production facilities (with additions for 2011, access mode: www.iso.org).
88
ЛЕСНОЙ ВЕСТНИК 1/2015
