CC BY
18
КОМПЛЕКСНАЯ СИСТЕМА ИНТЕГРАЦИИ БАЗ ДАННЫХ МОНИТОРИНГА ФИЗИЧЕСКИХ ПАРАМЕТРОВ И ПОЗИЦИОНИРОВАНИЯ В АКВАТОРИЯХ Пасынков М. А.
Пасынков Михаил Александрович - ведущий инженер-исследователь, специальное научное конструкторско-технологическое бюро, Институт природно-технических систем, г. Севастополь
Аннотация: в статье предлагается аппаратно-программная система, осуществляющая оперативную интеграцию и сведение геоданных и измеряемых физических параметров акватории, таких как скорость и направление течения, температура, соленость, плотность, электропроводность, люминесценция фито-, зоо-, меро-, ихтиопланктона и других критических важных параметров. Особое внимание уделено решению задачи преодоления рассинхронизации данных измерительных каналов, возникающей при осуществлении глубоководных исследований, приводящей к значимым искажениям векторов наблюдаемых параметров и увеличению времени постобработки.
Ключевые слова: мониторинг, глубоководные измерения, позиционирование, облачные вычисления, базы данных, геоинформационные системы.
На сегодняшний день при проведении гидрологического мониторинга акваторий с использованием известных измерительных систем и комплексов, в частности приборов ИСТ-1М, ИСП-1М, Nortec ACM, Sontec ADV и CTD зондов, возникает проблема осуществления геоинформационной привязки вектора измеряемых параметров [1-3]. Данное явление обусловлено отсутствием ГЛОНАСС/GPS модулей в блоках отображения и сохранения информации, что приводит к необходимости использования сторонних блоков навигации и позиционирования, что в свою очередь, значительно усложняет процесс синхронизации полученных данных и их постобработки [4-5].
Для достижения цели исследования необходимо решить следующие задачи:
— изучить существующие средства мониторинга природных комплексов;
— предложить метод и устройство для проведения предварительной обработки и сведения данных мониторинга в реальном времени;
— разработать метрики эффективности средств мониторинга;
— сделать выводы о преимуществах реализации данной системы.
Для отображения информации и хранения гидрофизических данных бортовые блоки предлагается оснастить готовыми ГЛОНАСС/GPS-модулям, например MC-1010-G, который на сегодняшний день является самым миниатюрным модулем 10х10 мм и реализован в корпусе типа SMD. Имеет встроенный малошумящий усилитель, обеспечивающий стабильный приём спутникового сигнала, минимальное энергопотребление в режиме слежения 20 мА, работает в широком температурном диапазоне от -40°С до +85°С, имеет гибкую систему настроек, при помощи управляющих команд можно настроить состав навигационных данных и частоту обновления, тем самым произвести синхронизацию полученных данных с помощью метамаркеров [6-7].
Существуют различные методы визуализации данных мониторинга, автором предложено представить векторную матрицу гидрологических показателей поля линейных векторов в виде множества графических примитивов - вектор-стрелок, расположенных в плоскости построения географической карты местности, длина вектора имеет физический смысл скорости течения, направление вектора отображает направление течения относительно севера, градиент цвета отображает температуру в заданной области [8-9]. Под вектором гидрологических параметров следует понимать предложенную в [10] структуру, в виде кортежа:
29
U = (t„ , Sn, F (|m\, d ),G, C[ü2, pH, PO„, NO3, NO 2 J, (1)
где T, S, F, G мгновенные характеристики водной среды, такие как температура, соленость, направление вектора течения и электропроводность, а кластер C представляет набор химических показателей окружающей среды.
Оптимальным решением для хранения и обработки исходных данных мониторинга является использование облачных хранилищ данных и облачных вычислительных ресурсов, активно предлагаемых на рынке [11-13]. Такое решение позволит в реальном времени получать визуализацию конечных результатов мониторинга непосредственно во время экспедиционных исследований с учетом уже имеющихся данных, обработанных на высокопроизводительном вычислительном кластере, с целью оперативной корректировки плана проведения экспедиции [14-15].
Предложенная программно-аппаратная система осуществляет трансляцию и сведение потоков данных в реальном времени, с одновременной синхронизацией актуализированной матрицы значений мониторинга в облачной системе хранения данных. Предложенный комплекс может быть интересен широкому кругу пользователей, в частности ученых, инженеров, научных сотрудников, специалистов в области Big Data и Data Mining.
Список литературы
1. Пасынков М. А. Варианты получения и обработки информации прибора ИСТ-1М // Интеллектуальные системы, управление и мехатроника - 2016: материалы всерос. науч. -техн. конфер. молодых ученых, аспирантов и студентов. Севастополь: СевГУ, 2016. С. 511-512.
2. Ляшенко Д. А. Геоинформационное моделирование международных потоков вещества энергии и информации // Наука, техника и образование, 2015. № 2 (8). С. 96-97.
3. Шишкин Ю. Е., Греков Н. А. Исследование систем управления высокоточными измерениями // Интеллектуальные системы, управление и мехатроника - 2015: материалы междунар. науч. -техн. конфер. молодых ученых, аспирантов и студентов. Севастополь: СевГУ, 2015. С. 221-225.
4. Гребнева Е. А., Мельников В. В., Пасынков М. А. Программа для обработки и анализа биофизических данных // Системы контроля окружающей среды, 2015. № 2 (22). С. 102-110.
5. Греков А. Н., Шишкин Ю. Е. Моделирование трехкомпонентного акустического измерителя скорости течения // Системы контроля окружающей среды. Севастополь: ИПТС, 2016. № 6 (26). С. 33-40.
6. Бирюкова М. А., Мельников В. В., Пасынков М. А. Программное обеспечение для хранения и обработки океанологических данных прибора ИСТ-1М. Системы контроля окружающей среды, 2015. № 1 (21). С. 33-39.
7. Шишкин Ю. Е. Визуальный анализ Больших Данных с применением познавательных паттернов // Проблемы современной науки и образования, 2017. № 2 (84). С. 24-26
8. Шишкин Ю. Е. Облачные сервисы в системах поддержки принятия решений // Научный журнал, 2017. № 1 (14). С. 19-20.
9. Скатков А. В., Брюховецкий А. А., Шишкин Ю. Е. Сравнительный анализ методов обнаружения изменений состояний сетевого трафика // Автоматизация и приборостроение: проблемы, решения: материалы междунар. науч. -техн. конфер. Севастополь: СевГУ, 2016. С. 14-15.
10. Shishkin Yu. E. Big Data visualization in decision making // Science in Progress: тез. Всерос. науч.-практ. конфер. магистрантов и аспирантов / Новосибирск: НГТУ, 2016. C. 203-205. ISBN 978-5-7782-3094-1.
11. Шишкин Ю. Е., Скатков А. В. Решение задачи составления расписаний большой размерности с применением технологии Больших Данных // Информационные технологии и информационная безопасность в науке, технике и образовании «ИНФОТЕХ - 2015»: материалы междунар. науч.-техн. конфер. Севастополь: СевГУ, 2015. С. 103-105.
12. Греков А. Н., Греков Н. А., Пасынков М. А. Анализ результатов измерений структуры вод прибором ИСТ-1М в Днепро-бугском лимане // Системы контроля окружающей среды, 2013. № 19. С. 60-68.
13. Скатков А. В., Шишкин Ю. Е., Николаева Ю. П. Имитационная модель взаимодействия триады агентов облачной вычислительной среды «Потребитель -Брокер - Провайдер» // Информационные технологии и управление: сб. науч. тр., 2015. Т. 1. № 1. С. 114-119.
14. Шарабанова А. В., Сафронов С. В. Преимущество использования компаса совместно с комбинированным гидроакустическим приемником в зашумленной акватории // Научный журнал, 2016. № 12 (13). С. 19-21.
15. Шишкин Ю. Е. Анализ моделей взаимодействия пользователей и провайдеров облачных сервисов // Интеллектуальные системы, управление и мехатроника -2016: материалы всерос. науч.-техн. конфер. молодых ученых, аспирантов и студентов. Севастополь 19-21 мая 2016 г. Севастополь: СевГУ, 2016. С. 289-293.
МИРОВОЙ ОПЫТ ПОДДЕРЖАНИЯ ТРАНСПОРТА
И ТРАНСПОРТНО-ТЕХНОЛОГИЧЕСКИХ МАШИН
И ОБОРУДОВАНИЯ В ИСПРАВНОМ СОСТОЯНИИ
1 2 Васенин А. С. , Шумков А. Г.
1Васенин Александр Сергеевич / Vasenin Aleksandr Sergeevich - магистрант; 2Шумков Арсений Геннадьевич /Shumkov Arseniy Gemad'evich - магистрант, кафедра автомобилей и технологических машин, автодорожный факультет, Пермский национальный исследовательский политехнический университет,
г. Пермь
Аннотация: рассматриваются автомобильные сервисы Европы и США. Направление развития сервиса Европы - дилерский сервисный центр. Он позволяет обеспечить высокое качество ремонта посредством доступа сервисного центра к базам данных всех обслуживаемых автомобилей. В отличие от автомобильного сервиса Европы, сервис США относится к универсальному типу - т. е. обслуживается весь спектр автомобилей без привязки к конкретному автопроизводителю. Отказавшие агрегаты и узлы восстанавливаются на специализированных заводах.
Ключевые слова: автомобильный сервис, качество обслуживания, база данных.
На текущий момент в мире насчитывается 1,03 миллиарда автомобилей. С каждым днем количество автомобилей, вновь введенных в эксплуатацию, увеличивается. Для обслуживания такого объема автомобилей требуется развитая сеть предприятий по обслуживанию автомобилей - автомобильных сервисов.
Хороший автосервис по мировым стандартам предусматривает высококачественное техническое обслуживание и ремонт, доставку после ремонта и обслуживания точно в обещанные день и час, разумные цены, доброжелательное
