CC BY
41
нарисовать и сколько граней и разделяющих плоскостей для этого могут использовать.
Шаг 6. При наличии неизрасходованных ресурсов, определяем места, где необходимо вводить сегменты пятого уровня, и устанавливаем дистанцию включения в обработку моделей объектов пятого уровня, подсчитывая израсходованные ресурсы (сколько неизрасходованного времени осталось), заканчиваем деление сцены на сегменты и выдаём разработчикам задание - модели каких объектов они должны нарисовать и сколько граней и разделяющих плоскостей для этого могут использовать.
осталось), в противном случае заканчиваем деление сцены на сегменты и выдаём разработчикам задание - модели каких объектов они должны нарисовать и сколько граней и разделяющих плоскостей для этого могут использовать.
Шаг 5. При наличии неизрасходованных ресурсов, определяем места, где необходимо вводить сегменты четвёртого уровня, и устанавливаем дистанцию включения в обработку моделей объектов четвёртого уровня, подсчитывая израсходованные ресурсы (сколько неизрасходованного времени осталось), в противном случае заканчиваем деление сцены на сегменты и выдаём разработчикам задание - модели каких объектов они должны
ЛИТЕРАТУРА
1. Роганов В. Р. Методы формирования виртуальной реальности. Пенза, ПензГУ, 2002. - 127 с.
2. Роганов В.Р. Математические и компьютерные методы в медицине, биологии и экологии: монография/ В. Р. Роганов, А.А.Казанцев, А. М.Бабич и др. - Пенза; Москва: Приволжский Дом знаний; МИ-ЭМП, 2012. - 132 с.
3. Roganov V.R. Capacity Assessment of Visual Conditions Imitators/V.R.Roganov., M.J.Micheev, A.N.Ceredkin, V.O.Filippenko, A.V.Cemochkin - Eastern European Scientific Journal . - Dusseldorf
- Germany: AURIS Kommunikations- und Verlagsgesellschaft mbH, 2014. - В 6. - Р. 320-235.
4. Roganov V.R. Problem of virtual space modelling in aviation simulators/ V.R.Roganov. , N.B.Andreeva, A.N.Ceredkin, V.O.Filippenko, M.V.Chetvergova, E.A.Asmolova - Life Science Journal.
- USA: Life Science Journal, 2014. - В 12. - Р. 371-373 http://www.lifesciencesite.com/lsj/life1112s/ (дата обращения 02.04.2015).
5. Имитационное моделирование: учебное пособие. Рекомендовано УМО вузов по университетскому политехническому образованию / Ю.Ю. Громов, Ю.С. Сербулов, И.Н. Корнфельд, В.О. Драчев, В.Г. Од-нолько. - Воронеж: ИПЦ «Научная книга», 2010.- 132 с
6. Mikheev, M.U. On the multilevel information model of behavior of groups of autonomous intelligent agents for biomedical systems / M.U. Mikheev, V.V. Istomin, T.V. Istomina, // III Международная научно-практическая конференция "Инновационные информационные технологии": Московский институт электроники и математики НИУ ВШЭ.- Прага, Чехия 2014. - В1. - C.385-395.
7. Михеев, М.Ю. Inreasing the precision of metrological characteristics of smart sensors in large scale monitoring systems / М.Ю. Михеев В.А., Юрманов, К.Ю. Пискаев и д.р. // III Междуна-род-ная научно-практическая конференция "Инновационные информационные технологии": Московский институт электроники и математики НИУ ВШЭ.- Прага, Чехия 2014. - В2. - C.370-375
8. Жашкова, Т.В.Обобщенная процедура синтеза алгоритмов нейросетевой идентификации на базе теории целых функций экспоненциального типа // Прикаспийский журнал: управление и высокие технологии: Астраханский государственный университет. - Астрахань 2013. - В4 (24).
9. А.В.Бурлаченко, В.Н.Писарев К проблеме аттестации испытательного оборудования на современном этапе // Надежность и качество сложных систем. В 1, 2013. С. 88-92 . URL: http://nikas.pnzgu.ru/files/nikas.pnzgu.ru/pisarev.pdf (дата обращения 28.04.2015)
10. Горячев Н.В. Исследование и разработка средств и методик анализа и автоматизированного выбора систем охлаждения радиоэлектронной аппаратуры / Горячев Н.В., Танатов М.К., Юрков Н.К. // Надежность и качество сложных систем. 2013. В 3. С. 70-75.
11. А.В.Бецков, И.В.Прокопьев Анализ живучести беспилотного летательного аппарата // Надежность и качество сложных систем. В 2, 2014. С. 3-б http://nikas.pnzgu.ru/files/nikas.pnzgu.ruZ3.pdf
URL:
УДК 628.93
Филиппенко В.О., Сёмочкин А.В., Асмолова Е.А., Михеев А.М.
ФГБОУ ВПО «Пензенский государственный технологический университет», Пенза, Россия К ВОПРОСУ О ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ОТДЕЛЬНЫХ ИМИТАТОРОВ В ОПТИКО-ПРОГРАММНО-ТЕХНИЧЕСКОМ КОМПЛЕКСЕ АВИАЦИОННОГО ТРЕНАЖЁРА
Из оптико-аппаратно-программных обучающих комплексов наибольшее распространение получили авиационные тренажёры (АТ) [1]. Причины - в первую очередь безопасность обучения и существенное снижение стоимости обучения. В настоящее время все пилоты военной авиации и пилоты крупных фирм гражданской авиации ежегодно проходят обучение на АТ с целью поддержания профессиональных навыков пилотирования летательных аппаратов (ЛА) [2].
АТ это ряд имитаторов (каждый имитатор это модель или узла соответствующего ЛА, или система моделирующая вокруг кабины АТ модель окружающего пространства) объединённые с целью обеспечения возможности привития профессиональных навыков управления ЛА в конкретных ситуациях, заданных в ТЗ на тренажёр. Основные имитаторы АТ:
кабина пилота с соответствующим оборудованием, которая может устанавливаться на динамическом стенде с целью имитировать ощущения испытываемые пилотом при изменении направления и скорости полёта ЛА;
имитаторы бортового оборудования работающие в режиме реального времени;
средства имитации внекабинной обстановки.
Каждый имитатор разрабатывается как самостоятельная система, но генерируемая им информация о работе соответствующего узла ЛА должна быть согласована с информацией генерируемой остальными имитаторами, в зависимости от управляющих воздействий заданных пилотами. Показания соответствующих индикаторов имитаторов должны отражать требуемые характеристики с той же точностью и с тем же запаздыванием, что и показания соответствующих приборов в реальной жизни
[3]. При этом если в реальной жизни согласование показаний индикаторов отдельных приборов зависит только от их принципов работы, то в тренажёре показания индикаторов могут быть привязаны к определённым характеристикам полёта АТ
[4]. В целом будем считать, что АТ перемещается в виртуальной среде и это перемещение максимально точно отслеживает пилот, приобретая профессиональные навыки управления ЛА в заданной ситуации, воздействуя на АТ через имитаторы органов управления.
Формирование для пилота виртуальной среды, ощущаемой как взаимодействие ЛА с виртуальным пространством, является следствием реализации достаточно большого числа математических моделей. Одни из них формируют визуально наблюдаемую часть виртуальной среды, другие отклоняют
стрелки или цифры на панелях различных приборов, и т. д. При достаточно точном моделировании ощущения от пилотирования АТ должны совпадать с ощущениями, получаемыми в реальной жизни при пилотировании ЛА. Однако на практике пилот почти всегда чувствует эту разницу, хоть в ряде случаев эта разница не существенна [5]. Это является следствием невозможности создания полной модели любого из моделируемых узлов ЛА. Незначительные отклонения всегда формируют ложные навыки управления ЛА, но в ситуациях заданных в ТЗ, эти ложные навыки незначительны и ими модно пренебречь (при пилотировании работоспособного ЛА ложных навыков получить нельзя).
Каждый пилот оценивает управление АТ в виртуальном пространстве по своему. Не бывает двух совершенно одинаковых оценок по всему комплексу ощущений, в том числе, когда в одной кабине АТ тренируются два пилота одновременно, их мнения будут отличны друг от друга [6]. Различные исследования показывают, что данные оценки меняются и у одного пилота после каждой тренировки [7]. Оценки зависят от опыта пилота, от качества программно-аппаратного комплекса формирования виртуальной реальности и от методики преподавания. Разработчики АТ стремятся, чтобы отличия в пилотировании АТ у как можно большего числа пилотов были одинаковы [8].
Однако невозможного добиться полного соответствия пилотирования АТ и ЛА в одних и тех же условиях. При формировании виртуальной среды все жёсткие временные ограничения, которые обеспечиваются режимом реального времени, сказываются при проведении вычислений, когда из-за необходимости уложиться в выделенный квант времени приходится жертвовать точностью расчётов, и в результате может возникнуть отклонение моделей [9]. Так как каждый I -й имитатор (при /' = 1,...,М ) разрабатывается независимо от других, то возможен вариант, когда пересечение моделей является пустым множеством:
П п О
I е М ] Ф е М
Возможен и вариант, когда несколько имитаторов должны быть достаточно жёстко взаимосвязаны. Например, пилот на одной из моделей АТ должен в одно и то же время (при восходе солнца) в одном и том же месте окружающего его виртуального пространства видеть через остекление кабины (модель Пу ), на экране радиолокатора (модель Пг) , телевизионной камеры внешнего наблюдения (модель П, ) и тепловизора (модель О.д ) степное озеро с обрывистыми берегами. В этом случае П П П, П Ц Ф 0 .
При полёте на ЛА основной навигационной задачей является определение места нахождения (•) в пространстве, что выполняется визуально по отношению к видимым объектам и рельефу местности, или по показаниям приборов кабинного оборудования. При полёте на АТ основной навигационной задачей является определение места нахождения (•) в пространстве, что выполняется визуально по отношению к моделям видимых объектов и рельефа местности, или по показаниям имитаторов приборов кабинного оборудования.
Обозначим функцию нахождения текущего положения в пространстве как №(•, объект / □!) (где объект / □1 — координаты центра объекта выделенного из модели О1 по осям X, У, 2 принятой системы координат (обычно прямоугольной, «привязанной» к глазомеру наблюдателя). Зададим смещение по осям X, У, 2 и углы разворота оси взгляда наблюдателя в трёх координатах — крен у (в плоскости У0 2), тангаж & (в плоскости Х0У), рыскание ^ (в плоскости Х0 2)). Различные имитаторы формирования виртуального пространства для конкретного объекта (0) всегда позволяют
получить из соответствующих моделей □! точные значения места расположения £>, т. е. шестёрку цифр, обозначаемых через X, У, 2, у, то-
гда будет выполняться W((•, объект(0)) / Пу) = 1лГ((», объект(0)) / ОД = ... = 1лГ((», объект^)) / ОД = ... = ТЖ((», объект(0)) / ОД. В дальнейшем система будет называться согласованной по объекту 0. Для неё
ТЖ((», объект(0)) / ОД = ...... = ТЖ((», объект^)) / ОД.
Добиться такой взаимосвязи можно несколькими путями, из которых чаще всего используют два подхода:
При жесткой взаимосвязи математических моделей модели одного и того же объекта имеют много общего. Например, алгоритм формирования визуального изображения озера, наблюдаемого через тепловизор и телекамеру, отличается различным подходом к закраске отдельных полигонов-граней, из которых может быть набрана модель озера на последнем этапе формирования отдельных составляющих перед выводом на телевизионный экран. Тогда два и более имитатора могут обрабатывать одну и ту же глобальную базу данных В большей частью по одному и тому же алгоритму (А), за исключением последней части, характерной для конкретного имитатора А1', (т. е. А1 = А + А±'), в этом случае имитаторы могут быть объединены на аппаратном уровне.
Два и более имитатора по разным алгоритмам А1 и А], реализованным как самостоятельные устройства, могут обрабатывать каждый свою локальную базу данных, являющуюся на самом деле множеством разработанной ранее глобальной базы данных. Так могут быть реализованы имитаторы с использованием специализированных компьютерных генераторов изображения. В этом случае В = Б1ПБ^ (где В1 — база данных 1-го имитатора,
формирующего модель а В] — база данных ]-го
имитатора, формирующего модель □]). В случае обработки разными устройствами локальных, но содержащих общие части, баз данных, можно разработать функции, для которых В=Е11(В1), В= или для общих подмножеств Ь1 =В21(В]), Ь] =В2](В1), с выполнением условия Ь1 П bj Ф 0 . В
качестве базы данных могут выступать начальные условия и константы, принятые для конкретного имитатора. Отдельные базы данных обрабатываются разными имитаторами. Хотя они и отличаются внешне друг от друга, в них обязательно имеется информация об одних и тех же конкретных объектах, принадлежащих виртуальной сцене, которые обязаны быть отражены в моделях □! и □] от 1-го и ]-го имитаторов, так как в совокупности они формируют виртуальную среду с определяемой разработчиком степенью достоверности. Учитывая конкретные особенности отдельных имитаторов (например, точность задания констант и определения расчётных значений), в этом случае скорее всего невозможно вывести закономерность Ь1 = £(Ь]), но для конкретного объекта с учётом необходимой для обучаемого точности
И((*,объект(1)) / ОД= И((», объект(1)) / □]).
Также необходимо отметить, что модели при формировании виртуальной среды постоянно изменяются и зависят от реального времени Ь или тренажёрного времени Ьт, отсчитываемого от начала обучения. В последнем случае, в отличие от реальной жизни, можно повторить процесс обучения как с начального времени так и с любого зафиксированного 1-го момента времени (1) = Ь0 — Ьт(1) и продолжить в дальнейшем процесс обучения на интервале [Ьт(1), Ьт(1+1)] с другими управляющими воздействиями.
Значит □1 (Ьт) = А1 (*(Ьт), В1, В1), где А1 — алгоритм формирования 1-го потока; *(Ь) — место расположения наблюдателя в момент времени Ь с указанием направления его взгляда; И — используемые аппаратные средства 1-го имитатора.
Каждая модель □1, идущая от конкретной 1-й подсистемы формирования виртуальной среды, формирует у обучаемого представление об одном конкретном её качестве. Как правило, любая модель начинается с обработки базы данных конкретной 1-й подсистемы (например, базы данных с информацией для ИВО, базы данных для имитатора радиолокационной обстановки и т. д.), или ]-й математической модели соответствующего агрегата (например, имитатора указателя воздушной скорости в кабине пилота в АТ) и заканчивается выводом информации в виде М± = (□1), аналогичном принятому в реальной действительности (например, отклонение стрелки соответствующего прибора, формирование визуальной картины, речевое сообщение бортового информатора и т. д.).
Совокупность обработанных моделей даёт обучаемому целостную картину окружающей среды Б. Это возможно при совпадении получаемой модели 1Т (Ь) от имитаторов АТ с имеющейся у обучаемого моделью полёта 10(Ь), выработанной его опытом:
N
1т (Ь) = Е X^ (МЛ (!)
1=1 м
1о(Ь) = Е X), (2)
1=1
где (М±) — информация, поступающая к обучаемому от 1-й подсистемы тренажёра в процессе его работы (Ы — число информационных подсистем тренажёра); f0(Mj) — информация, поступающая к обучаемому от ]-й подсистемы реального ЛА в процессе полёта или прогнозируемая им на основе
его жизненного опыта (М — число информационных систем, формирующих у обучаемого его собственное представление об виртуальной среде и взаимодействии ЛА с ней, N с М).
В момент времени «полета» на АТ вирту-
альная среда Б не должна искажать взаимодействие находящихся в ней моделей пассивных Бр элементов числом V (модели участков земной поверхности с инженерными сооружениями, видимые всегда) и моделей активных элементов числом Я (модели радиомаяков, подвижных объектов и т. д.) с моделью ЛА .Б1г Так как показания К-го числа приборов в кабине пилота дублируются в каждый момент времени (1), соответствующие этим приборам модели должны быть согласованы. Если условие (2) не выполняется, виртуальная среда не может быть использована для обучения. В реальных условиях бывают как отдельные моменты времени так и интервалы Д^, когда не выполняется условие (2). Условие (2) может быть выполнено несколькими способами:
Ввести обратную связь с целью корректировки начальных условий формирования рассматриваемой относительно показаний 1-го имитатора;
Задать время взаимосвязи всех (Ьт) для выполнения условия (2);
Ограничить время обучения на АТ, задав расчётный интервал ДЬГ, при котором условие (2) всегда выполняется, или её незначительным отклонением можно пренебречь;
Использовать математические модели обработки моделей, не допускающие отклонения от условия (2).
ЛИТЕРАТУРА
1. Роганов В. Р. Методы формирования виртуальной реальности. Пенза, ПензГУ, 2002. - 127 с.
2. Роганов В.Р. Математические и компьютерные методы в медицине, биологии и экологии: монография/ В. Р. Роганов, А.А.Казанцев, А. М.Бабич и др. - Пенза; Москва: Приволжский Дом знаний; МИ-ЭМП, 2012. - 132 с.
3. Михеев, М.Ю. Реализация модельно-ориентированного подхода при проектировании систем сбора данных / М.Ю. Михеев, К.В. Гудков, Е.А.Гудкова // Современные проблемы науки и образования: Издательство Академии Естествознания.- Москва 2014. - №6.- С. 304
4. Mikheev, M.U. On the multilevel information model of behavior of groups of autonomous intelligent agents for biomedical systems / M.U. Mikheev, V.V. Istomin, T.V. Istomina, // III Международная научно-практическая конференция "Инновационные информационные технологии": Московский институт электроники и математики НИУ ВШЭ.- Прага, Чехия 2014. - №1. - C.385-395.
5. Имитационное моделирование: учебное пособие. Рекомендовано УМО вузов по университетскому политехническому образованию / Ю.Ю. Громов, Ю.С. Сербулов, И.Н. Корнфельд, В.О. Драчев, В.Г. Од-нолько. - Воронеж: ИПЦ «Научная книга», 2010.- 132 с
6. Roganov V.R. Capacity Assessment of Visual Conditions Imitators/V.R.Roganov., M.J.Micheev, A.N.Ceredkin, V.O.Filippenko, A.V.Cemochkin - Eastern European Scientific Journal . - Dusseldorf
- Germany: AURIS Kommunikations- und Verlagsgesellschaft mbH, 2014. - № 6. - Р. 320-235.
7. Михеев, М.Ю. Inreasing the precision of metrological characteristics of smart sensors in large scale monitoring systems / М.Ю. Михеев В.А., Юрманов, К.Ю. Пискаев и д.р. // III Международ-ная научно-практическая конференция "Инновационные информационные технологии": Московский институт электроники и математики НИУ ВШЭ.- Прага, Чехия 2014. - №2. - C.370-375
8. Roganov V.R. Problem of virtual space modelling in aviation simulators/ V.R.Roganov., N.B.Andreeva, A.N.Ceredkin, V.O.Filippenko, M.V.Chetvergova, E.A.Asmolova - Life Science Journal.
- USA: Life Science Journal, 2014. - № 12. - Р. 371-373 http://www.lifesciencesite.com/lsj/life1112s/ (дата обращения 02.04.2015).
9. Mikheev, M.U. On the multilevel information model of behavior of groups of autonomous intelligent agents for biomedical systems / M.U. Mikheev, V.V. Istomin, T.V. Istomina, // III Международная научно-практическая конференция "Инновационные информационные технологии": Московский институт электроники и математики НИУ ВШЭ.- Прага, Чехия 2014. - №1. - C.385-395.
10. Жашкова Т.В. Процедура идентификационно-структурного синтеза моделей для анализа критических состояний сложных систем / Современные проблемы науки и образования. - 2 013. - № 6; URL: http://www.science-education.ru/113-10 94 0 (дата обращения: 29.11.2013).
11. Zhashkova T.V. Identification and structural analysis of signals / T.V. Zhashkova, YU.S. Sidorova // International journal of experimental education, №9, 2014. - С. 41-42.
12. Михеев, М.Ю.Имитационное моделирование нейросетевой идентификации сигналов сложной формы/ М.Ю. Михеев, С.А. Исаков, Е.Н. Мурашкина // Надежность и качество: Труды международного симпозиума.- Пенза, 2014. - Т.1. - С. 203-206.
13. Михеев, М.Ю. Интегрирующие АЦП с частотно-импульсной модуляцией / М.Ю. Михеев В.А., Юрманов, К.Ю. Пискаев // Надежность и качество: Труды международного симпозиума.- Пенза, 2014. - Т.1.
- С. 315-318.
14. А.В. Бецков, И.В.Прокопьев Анализ живучести беспилотного летательного аппарата // Надежность и качество сложных систем. № 2, 2014. С. 3-6 . URL: http://nikas.pnzgu.ru/files/nikas.pnzgu.ruZ3.pdf (дата обращения 28.04.2015)
15. Б.Ж. Куатов Системный подход к организации тренажерной подготовки летного состава в современных условиях // Надежность и качество сложных систем. № 4, 2014. - С. 34-40. URL: http://nikas.pnzgu.ru/files/nikas.pnzgu.ru/3 4%2 81%2 9.pdf (дата обращения 28.04.2015)
