CC BY
234
Михеев М.Ю., Котякова В.А., Володина Е.А.
ФГБОУ ВПО «Пензенская государственная технологическая академия»
ПРИМЕНЕНИЕ «ДЕРЕВА РЕШЕНИЙ» ДЛЯ АНАЛИЗА СОСТОЯНИЯ СЛОЖНЫХ СИСТЕМ
Учет противоречивых требований и поиск разумного решения при анализе состояния сложных систем, предполагает наличие достаточно полной и достоверной количественной информации об основных параметрах, которые характеризуют возможные для выбора альтернативы. Разработка моделей, приближенных к рассуждениям человека и использование их в сложных системах будущих поколений представляет сегодня одну из важнейших проблем науки.
Под сложной системой понимается составной объект, части которого можно рассматривать как подсистемы, закономерно объединенные в единое целое в соответствии с определенными принципами или связанные между собой заданными отношениями [1] . Рассмотрим сложные системы на примере интегрированных систем безопасности.
Стремительное развитие информационных технологий, в частности, прогресс в методах сбора, хранения и обработки данных позволил собирать огромные массивы данных, которые необходимо анализировать. Объемы этих данных настолько велики, что возможностей экспертов уже не хватает.Это порождает постоянно увеличивающийся спрос на методы автоматического исследования (анализа) данных, одним из которых является метод «дерево решений».
Деревья решений-это способ представления классификационных правил в иерархической, последователь -ной структуре [2] .
Обычно каждый узел включает проверку одной независимой переменной. Иногда в узле дерева две независимые переменные сравниваются друг с другом или определяется некоторая функция от одной или нескольких переменных.
Дерево решений необходимо применять в следующих случаях [3]:
- когда необходимо изучить все возможные элементы рассматриваемой темы (проблемы);
- когда необходимо выявить скрытые закономерности в данных;
- когда достижение краткосрочных целей необходимо получить раньше, чем результаты всей работы
[3] .
На сегодняшний день существует значительное число алгоритмов, реализующих деревья решений CART, C4.5, NewId, ITrule, CHAID, CN2 и т.д. В нашем случае применялся алгоритм CART.
В алгоритме CART каждый узел дерева решений имеет двух потомков. На каждом шаге построения дерева правило, формируемое в узле, делит заданное множество примеров (обучающую выборку) на две части -часть, в которой выполняется правило (потомок - right) и часть, в которой правило не выполняется (потомок - left) . Для выбора оптимального правила используется функция оценки качества разбиения
[4] .
Обучение дерева решений относится к классу обучения с учителем, то есть обучающая и тестовая выборки содержатклассифицированныйнабор примеров. Оценочная функция, используемая алгоритмом CART, базируется на интуитивной идее уменьшения нечистоты (неопределенности) в узле [5]. Рассмотрим задачу с двумя классами и узлом, имеющим по 50 примеров одного класса. Узел имеет максимальную "нечистоту". Если будет найдено разбиение, которое разбивает данные на две подгруппы 40:5 примеров в одной и 10:45 в другой, то интуитивно "нечистота" уменьшится. Она полностью исчезнет, когда будет найдено разбиение, которое создаст подгруппы 50:0 и 0:50. В алгоритме CART идея "нечистоты" формализована в индексеGini. Если набор данныхT содержит данные n классов, тогда индексб^^пределяется как [6]:
n
Gini (T) = 1 - X P2
i=1
где, p. - вероятность (относительная частота) классаi вТ .
Если наборТ разбивается на две частиТиТ2с числом примеров в каждом N i иN2 соответственно, тогда показатель качества разбиения будет равен:
Ginipn(Т) = N ■ Gini(Ti) + N. GiniT)
Наилучшим считается то разбиение, для которогоGinipUt(Т) минимально.
ОбозначимN - число примеров в узле - предке,L , R - число примеров соответственно в левом и правом потомке, I. и f - число экземпляров i -го класса в левом/правом потомке. Тогда качество разбиения оценива-
ется по следующей формуле [7] :
Gnp-(Т) = -X(г) I+R'l1 -X
R
2
2
® min
Чтобы уменьшить объем вычислений формулу можно
Gini** = щ[L ■ t1 - T*'i ||2)+R ■ t1 - R2 ■X r21 ® min
Так как умножение на константу не играет роли
= L --г■X|i2 + R--5■X6 ® min
L i=1 R i=1
Ginis
N - (rX |i2+kXr
r, I ® min
преобразовать:
при минимизации:
G
В
= 1
spit = l '
итоге
n 1 n
X||2 + p-Xr2 ® max
/=1 R i=1
, лучшим будет то
разбиение
для которого величинамаксимальна [8].
Для организации процесса принятия решений был проведен анализ состояния ИСБ, целью которого является определение наиболее значимых для состояния системы внешних угроз. Для анализа полученных данных была использована программный пакетDeductor 5.2.
Deductor является аналитической платформой, т.е. основой для создания законченных прикладных решений. Deductor позволяет анализировать любые структурированные (табличные) данные. Аналитическая платформа включает в себя полный набор механизмов для очитки данных, построения моделей, поиска закономерностей, оценки качества моделей и визуализации полученной информации.
Вкачестве исходных данных ИСБ была взята выборка из 50 значений, где каждая запись - это описание состояния системы. При обучении дерева использовались следующие факторы, определяющие состояние системы безопасности: «Открытие окна/двери», «Разрыв контактной цепи на дымовом датчике», «Присутствует задымленность в помещении», «Отсутствует задымленность в помещении», «Пульсация менее 2Гц», «Пульсация от 2 до 40 Гц», «Обнаружение движения», «Резкое увеличение температуры в помещении», «Количество прерывания луча», «Изменение картины пространственных стоячих волн», «Уровень шума до 35дБ», «Уровень шума свыше 35 дБ».
Рисунок 1 - настройка определяющих и целевых факторов по ИСБ
Целевым является поле "Сведения о системе", принимающее значения "Состояние системы под угрозой" и "Угрозы нет".
После процесса построения дерева решений при помощи пакета Deductor / TreeAnalyzer получаем модель оценки состояния ИСБ, описывающую конкретную ситуацию. Эта модель представлена в виде иерархической структуры правил - дерева решений (рисунок 2) и системы правил для дерева решений (рисунок 3) .
Рисунок 2 - иерархическая система правил для ИСБ
tudio Academic (Новый) - [Дерево решений {Целевой столбец: Сведения о системе]] равка Вид Избранное Сервис Окно ?
|[ш ■ ® |<аli,в m|ь
У 1Й Дерево решений X Правила х| Значимость атрибутов х| Что-если х| Обучающий набор X Таблица сопряженности х| 1= - zl - | т Ф \Ъ 1 Ш -
'ОВЬ :рев Правил: 3 из 3 | Фильтр: Без фильтрации
MS 1 2 Номер правила г tjjl Условие ^Следствие Ш Поддержка Л Достоверность
Показатель Знак Значение ab Сведения о системе Кол-во % Кол-во %
9.0 Кол-во прерывания лу 2,5 состояние системы под уг S 16,67 8 100,00
2 Vl нет задымления False
9.0 Кол-во прерывания лу 2,5 нет угрозы 19 39,58 18 94,74
Vi нет задымления True
3 3 9.0 Кол-во прерывания лу1 >= 2,5 состояние системы под уг 21 43,75 21 100,00
Рисунок 3 - совокупность правил для ИСБ
При помощи дерева (рисунки 2, 3) решений можно проводить анализ значащих факторов.
благодаря тому, что при определении параметра на каждом уровне иерархии, по которому
Такое возможно происходит раз-
деление на дочерние узлы, используется критерий наибольшего устранения неопределенности. Таким образом, более значимые факторы, по которым проводится классификация, находятся на более близком расстоянии (глубине) от корня дерева, чем менее значимые. Например, фактор "Количество прерываний луча" более значим, чем фактор "Наличие задымления".
Можно заметить, некоторые характеристики вообще отсутствуют в дереве решений.Очень важной особенностью построенной модели является то, что правила, по которым определяется принадлежность системы безопасности к той или иной группе, записаны на естественном языке. Например, на основе построенной модели получаются следующие правила [9]:
ЕСЛИКоличество прерываний луча > 2,5 разИ«Нет задымления» FALSE (Ложь)ТОСостояние системы оценивается как =Система под угрозой(Достовернона 98%)
ЕСЛИКоличество прерываний луча < 2,5 разИ«Нет задымления» TRUE (Правда)ТОСостояние системы оценивается как =Нет угрозы(Достовернона 94,74%)
Правильно построенное на данных прошлых периодов дерево решения обладает очень важной особенностью - "способность к обобщению", т.е. при возникновении новой ситуации, можно предполагать, что,
скорее всего, такие ситуации уже происходили. Вследствие чего можно с большой долей уверенности сказать, что новая модель поведет себя так же, как и старые, характеристики которых очень похожи на характеристики новой. [10] .
В данной статье для оценки состояния ИСБиспользован метод «дерево решений». Предлагаемый подход позволяет осуществить комплексную обработку информации баз данных для решения задач классификации, кластеризации, прогнозирования и т. д. Таким образом, предлагаемая технология построения логических моделей на основе деревьев решений представляет практическую ценность для задач получения знаний для экспертных систем при использовании CART алгоритма.
ЛИТЕРАТУРА
1. Lior Rokach, Oded Maimon. Data mining with decision tree: theory and applications. - World
scientific publishing, MA, USA. - 2008. - 263 pg.
2. Саати Томас Л. Принятие решения при зависимостях и связях: Аналитические сети. Пер. с англ. /
Нау. Ред. А.В. Андрейчиков, О.Н. Андрейчикова. - М.: Книжный дом «ЛИБРОКОМ», 2011г. - 360с.
3. Chaing S. Jao. Decision support systems. - Intech, Vukovar, Croatia, - 2010/ - pg. 420.
4. Barry deVille. Decision Trees for business intelligence and data mining. - SAS Institute incorporate, Cary, NC, USA. - 2008. - 241pg.
5. Загоруйко Н. Г., Ёлкина В. Н., Лбов Г. С. Алгоритмы обнаружения эмпирических закономерностей. - Новосибирск: Наука, 2007.
6. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. -Новосибирск: Наука, 2008.
7. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. -Springer, 2009.
8. Михеев М. Ю. Ситуационно-структурный подход к анализу информационных объектов/М. Ю. Михеев, А. Б. Щербань//Известия высших учебных заведений. Поволжский регион. -2006. -№ 6. -С. 128-135. -(Технические науки).
9. Михеев М. Ю. Использование систем поддержки и принятия решений для моделирования профессиональ-
ной деятельности специалиста в процессе практико-ориентированного обучения // Михеев
М.Ю.,Новиков А.В. , Сёмочкина И.Ю ./ Труды международного симпозиума «Надежность и качество». Пензен-
ский государственный университет. - 2009. - с. 174-175
10. Михеев М.Ю.Обобщенные структурные модели информационных объектов / Жашкова Т.В., Михеев
М.Ю., Щербань А. Б.//Известия высших учебных заведений. Поволжский регион. Технические науки. 2009 №
1 - С. 12-22.
11. Михеев М.Ю. Обобщенная структура системы мониторинга и контроля состояний сложных систем природного или техногенного происхождения // Михеев М.Ю., Жашкова Т.В./ Надежность и качество: Труды
международного симпозиума. - Пенза: Информационно издательский центр ПензГУ - 2011. - с. 361-363.
ДмитриенкоА. Г., МихеевМ. Ю. , ТюринМ. В.
ФГБОУ ВПО «Пензенская государственная технологическая академия»
СИНТЕЗ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ СОСТОЯНИЯ ТЕХНИЧЕСКИ СЛОЖНЫХ ОБЪЕКТОВ НАЗЕМНОЙ ИНФРАСТРУКТУРЫ
Важнейшей тенденцией развития систем мониторинга и контроля (СМиК) технически сложных объектов (ТСО) наземной инфраструктуры (НИ), обусловленной повышением степени интеграции усложнением типов обрабатываемой информации, расширением номенклатуры интеллектуальных элементов, является их интеллектуализация, базирующаяся на применении современных математических методов цифровой обработки сигналов, и нейросетевой идентификации. Для анализа вариантов развития СМиК ТСО НИ и поиска путей совершенствования отдельных подклассов и конкретных структур СМиК ТСО НИ используем математическое моделирование .
Ввиду сложности информационной среды СМиК ТСО НИ [1-5], ее непрерывного изменения в соответствии с изменениями ТСО НИ оказывается невозможной ее полная формализация в виде одной или нескольких информационных систем. Предложено для формирования информационной среды СМиК ТСО НИ и ее непрерывной актуализации использовать технологию с применением моделей (model-based development - MBD) .
Для описания ТСО используют множество видов математических моделей, в зависимости от уровня иерархии, степени декомпозиции системы, а также цели и задачи исследования. На любом уровне иерархии ТСО представляют в виде совокупности элементов и связей между ними, а также совокупности протекающих в ТСО процессов. В общем случае уравнения математической модели связывают физические величины, которые характеризуют состояние объекта и не относятся к перечисленным выше выходным, внутренним и внешним параметрам. Величины, характеризующие состояние ТСО в процессе его функционирования, называют фазовыми переменными (фазовыми координатами). Вектор фазовых переменных задает точку в пространстве, называемом фазовым пространством, его размерность определяется количеством используемых фазовых координат .
Обычно в уравнениях математической модели учитывают только часть фазовых переменных, достаточных для однозначной идентификации состояния объекта. Ввиду того, что ТСО НИ относятся к классу сложных
систем, адекватным математическим аппаратом их описания будет методология теоретико-множественного подхода, обеспечивающего необходимо высокий уровень обобщения.
Данная статья посвящена вопросам структурно-параметрического синтеза математических моделей для адекватного описания ТСО НИ в информационной среде систем мониторинга и контроля.
Разработка обобщенных математических моделей состояний технически сложных объектов наземной инфраструктуры должно обеспечить разработку СМиК ТСО НИ обеспечивающих идентификацию состояний ТСО с точностью, необходимой для эффективной и безопасной работы ТСО.
Методологической основой проводимых исследований является построение и исследование математических моделей сигналообразования при воздействии внешних дестабилизирующих факторов на элементы и узлы ТСО и синтез соответствующих математических моделей и структур СМиК ТСО.
Направления исследований путей совершенствованияСМиК ТСО НИ включают в себя следующие составные части:
- развитие математических моделей СМиК ТСО НИ в соответствии с развитием микроэлектронной техники, расширением круга решаемых задач и процессами системной интеграции элементов СМиК;
- исследование возможностей применения свойств математических моделей измеряемых сигналов для решения задач идентификации состояний ТСО НИ.
Разработка обобщенных математических моделей состояний технически сложных объектов наземной инфраструктуры будет заключаться в поиске математической формализации, обеспечивающей анализ общих свойств ТСО НИ и описывающей протекающие в них процессы.
Разработка обобщенной математической модели подразумевает рассмотрение как линейных, так и нелинейных моделей ТСО НИ, поскольку, процессы, протекающие в ТСО НИ носят существенно нелинейный характер .
С формальной точки зрения (на уровне теоретико-множественного описания) процесс функционирования СМиК можно представить в виде диаграммы отображений одних множеств в другие. Такой формализм позволит в максимально общем виде сформулировать требования к основным составляющим постановки задачи контроля технического состояния относительно специфики конкретных объектов контроля (ТСО НИ) .
В том случае, когда доступно значение вектора контролируемых параметров может быть получено идеальное решение задачи контроля технического состояния в виде отображения FXQ:Xх {V,}® Q декартова
произведения (множества пар) множества X значений векторов контролируемых параметров и множества векторов ограничений {Vi} на множество Q технических состояний объекта контроля. По своей сути отображение Fxq символизирует процедуру принятия решения о текущем состоянии в идеальном случае непосредственной доступности всех контролируемых параметров.
Реально контролируемые параметры (все или частично) непосредственно недоступны и приходится наблюдать только их образы, полученные в результате цепочки последовательных отображений. Как минимум следует учесть следующие отображения:
Fxs : X ® S ,
где S - множество измеряемых (доступных для непосредственного наблюдения) сигналов.
Отображение Fxs вытекает из свойств самого объекта контроля и определяет функциональную связь, лежащую в основе косвенных измерений.
Fsy : S ® Y ,
где Y - множество результатов измерения для всех возможных значений векторов измеряемых сигналов.
Отображение Fsy символизирует все преобразования, осуществляемые в каждом измерительном канале (для соответствующего компонента вектора), начиная от первичных преобразователей (датчиков) и до получения итогового результата непосредственного измерения сигналов в виде вектора из множества Y.
Fyx* : Y ® X* ,
где X - множество «восстановленных» значений контролируемых параметров, полученных путем обработки результатов измерений. Отображение Fyx* символизирует процедуру обработки измерительных сигналов, которая в существенной части определяется методом восстановления искомых контролируемых параметров по результатам их косвенных измерений.
Fx‘q‘ : X* x{Vi} ® Q* ,
где Q* - множество технических состояний объекта, которые могут быть определены по восстановленным значениям X* контролируемых параметров и вектору ограничений {Vi}.
В идеале множество Q* должно совпадать с множеством Q, при этом а) все состояния объекта являются наблюдаемыми и б) нет избыточных (фиктивных) состояний. Однако для общности следует предусмотреть возможность обоих этих случаев и считать QV Q . Отображение Fx*q* символизирует процедуру принятия решения о текущем состоянии на основании восстановленных по результатам измерений контролируемых параметровХ*.
Для того, чтобы реальное решение (оценка состояния Q*) в точности совпадало с идеальным (фактическое состояние Q), должны одновременно выполняться два условия:
1) Х*= X, что обеспечивается при Fyx* Fsy Fxs= I, где I - тождественное отображение, а в левой части равенства - композиция отображений;
2) Fx*q*= Fxq, то есть реальная и идеальная процедуры принятия решения совпадают.
Первое условие невыполнимо, по крайней мере, по той причине, что измерительное отображение Fsy не является взаимнооднозначным (обратимым) в виду неизбежных погрешностей измерения (одному и тому же результату измерения может соответствовать множество порождающих его измеряемых величин или сигналов). Поэтому нахождение Fyx* (процедура обработки измерительных сигналов) путем решения композиционного уравнения в виде F , = FxSFSy является некорректным в виду отсутствия единственного решения. Эта
неоднозначность - следствие потерь информации при измерениях. Таким образом, чтобы найти одно единственное решение, требуется каким-то образом снять эту неопределенность в решении, то есть выбрать из множества возможных решений одно, которое и принимается за оценку Q* состояния объекта. Следует заметить, что при невыполнении условия 1) требовать безусловного выполнения условия 2) нет смысла.
То есть, процедура принятия решения по неточным данным вовсе не обязана совпадать с идеальной. Все зависит от критерия, по которому устраняется множественность решений. Более простая процедура принятия решения (при определенных условиях) может давать более устойчивое, а иногда и более точное решение (по некоторому выбранному критерию оптимальности).
Модели систем мониторинга и контроля состояния ТСО НИ должны обладать следующими качествами:
- открытостью - обеспечивается как переносимость компонентов системы, так и возможность совместного функционирования компонентов, в том числе функционирующих в составе различных систем;
- интегрируемостью - обеспечивается возможность интеграции различных систем и ресурсов в состав целого без необходимости дорогостоящих разработок. Это предполагает возможность объединения систем с различными архитектурами, ресурсами и поведением;
- гибкостью - обеспечивается способность систем как к развитию, так и к приспособлению к имеющимся и предполагаемым действиям;
- модульностью - обеспечивается возможность автономной работы для отдельных частей системы, остающихся взаимосвязанными;
- федеративностью - обеспечивается возможность комбинирования системы с другими системами;
- управляемостью - обеспечивается возможность для управления, контроля и наблюдения за поведением ресурсов, входящих в состав системы;
- безопасностью - обеспечивается гарантия того, что система и данные защищены от несанкционированного воздействия.
Сформулируем требования к априорной информации. До начала функционирования (на стадии проектирования СМиК ТСО) в качестве априорной информации об объекте контроля должно быть известно следующее:
- множество значений X вектора контролируемых параметров, число компонентов вектора должно быть минимальным, но достаточным для решения задачи контроля технического состояния;
- идеальное правило принятия решения (отображение Fxq) , задающее эталонную процедуру определения текущего технического состояния объекта Q по значению вектора X контролируемых параметров;
- взаимосвязь между вектором контролируемых параметров X и вектором измеряемых сигналов S (отображение Fxs), определяющая зависимости для косвенных измерений.
Для получения этих требований необходима модель объекта контроля и модель процесса принятия решения (классификация и распознавание состояний). Это требует проведения исследования конкретного объекта контроля. Данная задача может решаться как в детерминированной постановке, так и в недетерминированной .
Детерминированная постановка состоит обычно в построении динамической модели на основе физических закономерностей, которым подчиняется данный объект. Технически все сводится к составлению системы интегро-дифференциальных уравнений с последующим решением ее численными методами. Недостатками такого подхода являются: необходимость знания большого количества внутренних параметров каждого конкретного объекта, комбинаторная сложность вычислений при увеличении размерности вектора контролируемых параметров, представление результатов (обычно функций времени и других параметров) в виде числовых массивов, что не позволяет использовать эффективные аналитические методы анализа динамических моделей .
Недетерминированная постановка в явном виде включает в себя учет неопределенности как в исходных данных, так и в конечном результате. Существуют два основных способа учета неопределенности: вероятностно-стохастический и на основе нечетких множеств и нечеткой логики. Традиционным и более проработанным является вероятностно-стохастический способ. Способы применения нечеткой логики в задачах технического контроля находятся в стадии активного развития.
Измерительные процессы в задачах контроля технического состояния характеризуются следующими особенностями:
- критерии состояния часто определяются с помощью допускового контроля контролируемых параметров, что может осуществляться при не очень высоких требованиях к точности измерения;
- некоторые методы косвенного измерения (вибрационная и акустическая диагностика, ультразвуковая дефектоскопия, оценка динамических и спектральных характеристик) требуют измерения быстропротекающих во времени динамических процессов, что приводит к большим потокам измерительных данных и требует достаточного быстродействия измерительных каналов в части оцифровки данных, хранения и передачи к месту обработки;
- при использовании вероятностно-стохастических способов контроля требуется постоянное накопление больших объемов статистических выборок измеряемых данных и нахождение текущих статистических оценок в реальном масштабе времени.
Таким образом, в результате структурно-параметрического синтеза получены математические модели, обеспечивающие адекватное описание ТСО НИ в информационной среде систем мониторинга и контроля, применение которых позволитобеспечить разработку СМиК ТСО НИ, обеспечивающих идентификацию состояний ТСО НИ с точностью, необходимой для эффективной и безопасной работы ТСО НИ.
Разработанные модели позволили исследовать математические модели сигналообразования при воздействии внешних дестабилизирующих факторов на элементы и узлы ТСО и обеспечить синтез соответствующих математических моделей и структур СМиК ТСО НИ.
При разработке моделей было учтены тенденции развития микроэлектронной техники, расширением круга решаемых ей задач и процессы системной интеграции элементов СМиК;
Разработанные математические модели состояний технически сложных объектов наземной инфраструктуры обеспечивают необходимый уровень формализации, обеспечивающий анализ общих свойств ТСО НИ и обобщенно описывающей протекающие в них сложные процессы.
ЛИТЕРАТУРА
1. Дмитриенко А.Г. Система контроля качества бортовой электрической энергии самолета / А.Г. Дмитриенко, А.В. Коновалов, М.Ю. Михеев, // Современные информационные технологии: Сборник ста-
тей Международной научно-технической конференции (осенняя сессия). - Пенза: ПГТА, 2005. - С. 63-66.
2. Дмитриенко А.Г. Экспертная система контроля качества электрической энергии / А.Г. Дмитриенко, А.В. Коновалов, М.Ю. Михеев // Современные информационные технологии: Сборник статей Международной научно-технической конференции (осенняя сессия) . - Пенза: ПГТА, 2005. - С. 62-63.
3. Михеев М. Ю. Ситуационно-структурный подход к анализу информационных объектов / М. Ю. Михеев, А. Б. Щербань//Известия высших учебных заведений. Поволжский регион. -2006. -№ 6. -С. 128-135. -(Технические науки).
4. Михеев М. Ю. Использование систем поддержки и принятия решений для моделирования профессиональ-
ной деятельности специалиста в процессе практико-ориентированного обучения // Михеев
М.Ю.,Новиков А. В ., Сёмочкина И .Ю ./ Труды международного симпозиума «Надежность и качество». Пензен-
ский государственный университет. - 2009. - с. 174-175
5. Михеев М.Ю. Обобщенные структурные модели информационных объектов / Жашкова Т.В., Михеев М.Ю., Щербань А.Б.//Известия высших учебных заведений. Поволжский регион. Технические науки. 2009 № 1 - С . 12-22 .
6. Михеев М.Ю. Обобщенная структура системы мониторинга и контроля состояний сложных систем природного или техногенного происхождения // Михеев М.Ю., Жашкова Т.В. / Надежность и качество: Труды международного симпозиума. - Пенза: Информационно издательский центр ПензГУ - 2011. - с. 361-363.
ДмитриенкоА.ГМихеевМ.Ю., ТюринМ.В.
ФГБОУ ВПО «Пензенская государственная технологическая академия»
СИНТЕЗ ИНФОРМАЦИОННО-СТРУКТУРНЫХ моделей состояния технически сложных объектов наземной инфраструктуры
Результаты мониторинга и контроля состояний технически сложных объектов (ТСО) наземной инфраструктуры (НИ) [1-3] удобно формализовать посредством информационно-структурных моделей [3-5], которые в отличии от математических моделей, основанных на теоретико-множественном подходе, описывают возможные варианты решения задачи идентификации состояний ТСО НИ в условиях информационной среды интеллектуальных систем их мониторинга и контроля (СМиК) технически-сложных объектов наземной инфраструктуры на аппаратно-программном уровне.
Основными исходными данными для синтеза процедуры (алгоритма) принятия решения о текущем состоянии объекта являются:
- перечень (множество) возможных технических состояний объекта и критерии предельных состояний, представленные в виде вектора ограничений (устанавливается изготовителем объекта и фиксируется в НТД) ;
- требования к минимально необходимому перечню контролируемых параметров;
- требования к достоверности контроля (в вероятностной постановке это вероятности «правильного решения» и «ложной тревоги»).
В качестве естественного аппарата синтеза информационно-структурных моделей использован аппарат UML-моделирования, обеспечивающий процедуру сквозного синтеза от анализа и структурирования первичной измерительной информации до процедуры генерации структур баз данных и программного кода на язы-
ках высокого уровня в соответствии с архитектурой аппаратных средств.
Рисунок1 -Mind Mapping Diagram «СМиК»
Для примера приведена Mind Mapping Diagram «СМиК» (рисунок 1) отображающая разнообразие типов
данных и их взаимодействие в процессе мониторинга и контроля состояния ТСО НИ и обобщенная диаграмма классов (рисунок 2) иллюстрирующая сложность структуры данных в СМиК и их взаимодействие.
Рисунок 2 -Class Diagram «Обобщенная информационно-структурная модель СМиК ТСО НИ»
Таким образом, исследованы возможности применения математических и информационно-структурных моделей ТСО НИ для идентификации их состояний. Выявлены основные подходы, обеспечивающие получение качественных и количественных оценок. Синтезированные информационно-структурные модели состояния технически сложных объектов наземной инфраструктуры описывают возможные варианты решения задачи идентификации состояний ТСО НИ в условиях информационной среды интеллектуальных систем их мониторинга и контроля технически-сложных объектов наземной инфраструктуры на аппаратно-программном уровне.
Разработанные информационно-структурные позволяют консолидировать информацию разных типов топологически распределенную в рамках информационной среды СМиК к виду удобную для принятия решений. Рассмотрим обобщенную процедуру идентификации состояний ТСО на примере задачи обеспечения безопасности как одной из наиболее сложных и актуальных.
Поскольку надежность функционирования наземной инфраструктуры принципиально важна для человеческого общества, необходим контроль состояний ТСО входящих в состав НИ, а соответственно актуальна задача идентификации состояний ТСО НИ. Признание невозможности достижения абсолютной безопасности ТСО НИ ставит проблему оценивания уровня безопасности как элемента информационной поддержки принятия решения о целесообразности тех или иных действий по предотвращению возможных нештатных ситуаций на возможно ранней стадии в идеале на начальном уровне конструктивно-технологических разработок или организационных решений.
Для оценивания уровня безопасности обычно применяют вероятностные и статистические показатели. В этих случаях количественная характеристика безопасности выражается частотой возникающих при эксплуатации ТСО. Подобные оценки удачно используются при анализе составных частей и отдельных систем ТСО НИ, поскольку позволяет всесторонне проанализировать влияние параметров системы на уровень безопасности, однако они не приемлемы в общем случае, так как не учитывают тяжесть последствий происшествий. Совершенно очевидно, что малая вероятность происшествия полностью не характеризует степень опасности, поскольку не принимается во внимание последствия происшествий, а субъективное восприятие категории безопасности требует учета, как объективной возможности происшествия, так и их тяжести.
С конца 80-х начала 90-х годов XX-го века в мировой практике стал преобладающим именно подход задания и оценивания безопасности по показателю риска, который учитывает обе компоненты категории безопасности. Риск определяется как комбинация вероятности P возникновения нештатной ситуации и тяжести C её последствий. Эта комбинация отображается в виде плоской матрицы P-C с дискретными величинами C, соответствующими малому, значительному, критическому и катастрофическому уровням тяжести. Матричное представление позволяет наглядным образом определить области допустимых и недопустимых значений риска при известных зависимостях P и C от различных факторов. Область допустимого риска формируется как результат компромисса между требованиями эффективности применения космической системы и безопасности её эксплуатации. Аналогичный подход к заданию и оцениванию показателей безопасности изложен в. Здесь анализ безопасности проводится на основе матричной квантификации понятия риска применительно к ракетно-космической системе. Такой анализ проводится в рамках пяти этапов: анализ
основных эксплуатационных функций системы, определение типов функциональных отказов при нештатной ситуации, расчет вероятностей этих отказов, установлении тяжести последствий и оценка риска. В ряде исследований безопасность рассматривается через призму страхования или иную компенсацию утрат. То есть, если величина риска R меньше страхового процента S, то такой объект удовлетворяет требованиям безопасности.
Таким образом, тенденцией задания и оценивания показателей безопасности эксплуатации ТСО является задание и оценивание безопасности по показателю риска, интерпретирующего как величину средних потерь от происшествий на ТСО при их эксплуатации, и более содержательно отражающего категорию безопасности.
Проблему задания показателей безопасности рассмотрим на примере эксплуатации КСр, как одну из самых проработанных. В области безопасности КСр существуют имеет два подхода:
- при реализации национальных программ создания и эксплуатации КСр;
- при международном сотрудничестве в космосе, и выполнении совместных программ.
Применительно к национальным программам задание показателей безопасности решено введением в действие в 1988 году нормативно-технического документа. Он устанавливает общие требования и по безопас-
ности эксплуатации КСр. Эти требования по безопасности являются обязательными для организаций Роскосмоса, МО РФ и предприятий промышленности, участвующих в создании (модернизации) КСр, при составлении, согласовании и утверждении технических заданий на разработку, при проектировании, экспериментальной отработке, испытаниях, серийном производстве и эксплуатации КСр. Задание показателей безопасности эксплуатации КСр основывалось на следующей концепции:
Безопасность эксплуатации КСр обеспечивается выбором передовых конструктивных решений, рациональной структурой и компоновкой, использованием прогрессивных технологий их производства, выбором надежной элементной базой, отбором наиболее приемлемых альтернативных решений по обеспечению безопасности эксплуатации КСр на всех этапах их жизненного цикла, полнотой мероприятий, включаемых в Программу обеспечения безопасности КСр. Обеспечение безопасности эксплуатации КСр должно осуществляться преимущественно конструктивными мерами. Опасности, которые не представляется возможным или экономически не целесообразным устранить или уменьшить до предельно допустимых уровней конструктивным путем, должны быть парированы или уменьшены до указанных значений технологическими приемами (за счет выбора технологии и режимов эксплуатации КСр) . При невозможности исключить возникновение опасности за счет конструктивных решений и технологических приемов их снижение до минимально возможного уровня должны обеспечиваться за счет комплекса организационно-технических мероприятий.
Задание требований безопасности осуществляется по обобщенным и частным показателям. В зависимости от вида опасного или вредного фактора, возникающих на всех этапах эксплуатации, общности номенклатуры требований, КСр классифицированы на группы. Детализация требований в пределах каждой группы осуществляется в соответствии с нормативно-техническими документами, и определяются конструктивными особенностями КСр, реализуемыми в них физическими принципами и режимами эксплуатации. Характеристики опасных и вредных факторов, предельно-допустимые уровни, методики их контроля указаны в Системе Стандартов Безопасности Труда (ССБТ) и ГОСТах на КСр.
Частные показатели безопасности в виде количественных значений задаются для всех групп КСр в виде вероятности отсутствия происшествия от воздействия того или иного опасного или вредного фактора в течение года. Значения таких частных показателей в зависимости от группы КСр лежит в пределах 10-710-6. В некоторых случаях задаются требования в виде размерных физических величин. Например, предъявляются требования по быстродействию автоматических средств защиты и блокировок; в зависимости от группы КСр значения быстродействия определяются в интервалах 0,1-5 секунд.
Обобщенным показателем КСр устанавливается вероятность отсутствия происшествий за заданное время, то есть все возникшие за заданное время предпосылки к происшествиям будут устранены. Значения обобщенного показателя задается не менее 0,999 за год и вычисляется по формуле [Ошибка! Источник ссылки не найден.]:
P=e
(-V-q-t)
где: V - интенсивность потока предпосылок к происшествиям;
q - вероятность парирования предпосылок к происшествиям.
Таким образом, в настоящее время требования по безопасности эксплуатации КСр предъявляются в основном, в виде вероятностных характеристик, то есть во внимание принимается только одна составляющая категории безопасности - возможность происшествия и не учитывается другая - тяжесть возможным происшествий. В результате этого обстоятельства требования действующего нормативно-технического документа, введенного в действие в 1988 году, отстает от потребностей практики и не вписывается в перспективы и тенденции решения проблемы задания показателей безопасности в современных условиях. Выдвижение на передний план экономических аспектов применения КСр, коммерциализация запусков КА ставит вопрос о пересмотре подходов к заданию показателей безопасности КСр, учитывающих обе компоненты категории безопасности: частоты (вероятности) происшествий и тяжести их последствий.
Таким образом, существуют два подхода к заданию требований безопасности КСр :
- отечественные специалисты стремятся к заданию количественных показателей (обобщенных и частных) ,
- иностранные специалисты требования формируют, в большей мере, в описательном виде или в виде качественных характеристик.
Соответственно может быть сформулирована задача разработки обобщенных алгоритмов идентификации состояний технически сложных объектов наземной инфраструктуры с применением синтезированных информационно-структурных моделей состояния ТСО НИ, предназначенных для реализации в информационной среде интеллектуальных СМиК.
ЛИТЕРАТУРА
1. Дмитриенко А.Г. Система контроля качества бортовой электрической энергии самолета / А.Г. Дмитриенко, А.В. Коновалов, М.Ю. Михеев, // Современные информационные технологии: Сборник статей Международной научно-технической конференции (осенняя сессия). - Пенза: ПГТА, 2005. - С. 63-66.
2. Дмитриенко А.Г. Экспертная система контроля качества электрической энергии / А.Г. Дмитриенко, А. В. Коновалов, М. Ю. Михеев // Современные информационные технологии: Сборник статей Международной научно-технической конференции (осенняя сессия). - Пенза: ПГТА, 2005. - С. 62-63.
3. Михеев М. Ю. Ситуационно-структурный подход к анализу информационных объектов / М. Ю. Михеев, А. Б. Щербань // Известия высших учебных заведений. Поволжский регион. -2006. -№ 6. -С. 128-135. -(Технические науки).
4. Михеев М. Ю. Использование систем поддержки и принятия решений для моделирования профессиональ-
ной деятельности специалиста в процессе практико-ориентированного обучения // Михеев
М.Ю.,Новиков А.В. , Сёмочкина И.Ю ./ Труды международного симпозиума «Надежность и качество». Пензен-
ский государственный университет. - 2009. - с. 174-175
5. Михеев М.Ю. Обобщенные структурные модели информационных объектов / Жашкова Т.В., Михеев М.Ю., Щербань А.Б.//Известия высших учебных заведений. Поволжский регион. Технические науки. 2009 №
1 - С. 12-22.
6. Михеев М.Ю. Обобщенная структура системы мониторинга и контроля состояний сложных систем природного или техногенного происхождения // Михеев М.Ю., Жашкова Т.В. / Надежность и качество: Труды международного симпозиума. - Пенза: Информационно издательский центр ПензГУ - 2011. - с. 361-363.
