СИНХРОНИЗАЦИЯ ДВИЖЕНИЯ АГЕНТОВ ДЛЯ ФОРМИРОВАНИЯ ГЕОМЕТРИЧЕСКИХ СТРУКТУР В СЛУЧАЕ КВАЗИТЕПЛОВОГО ДВИЖЕНИЯ Текст научной статьи по специальности «Медицинские технологии»

AUTOMATIC TRANSCRIPTION OF SPEECH MELODY USING MUSICAL NOTATION BASED ON HUMAN PITCH

MODEL PERCEPTION

I.N. Trifonov, A.V. Kopylov

In musical practice, there is a task of presenting speech in musical notation. The article proposes an algorithm for obtaining prosodic transcription in musical notation. The algorithm proposed by us differs from the existing ones in that it takes into account the peculiarities of human perception of sound. The results obtained can be used when writing music, to study the relationship between speech and music, as well as for speech research.

Key words: prosodic transcription, speech melody, frequency of the basic tone of speech, musical notation, features of human perception of sound.

Trifonov Ivan Nikolaevich, master's, [email protected], Russia, Tula, Tula State University,

Kopylov Andrey Valerievich, candidate of technical sciences, docent, [email protected], Russia, Tula, Tula State University

УДК 62.519

DOI: 10.24412/2071-6168-2023-11-271-272

СИНХРОНИЗАЦИЯ ДВИЖЕНИЯ АГЕНТОВ ДЛЯ ФОРМИРОВАНИЯ ГЕОМЕТРИЧЕСКИХ СТРУКТУР В СЛУЧАЕ КВАЗИТЕПЛОВОГО ДВИЖЕНИЯ*

Э.А Гейс, О.О. Морозов, А.В. Козырь

В работе предложено решение задачи формирования геометрических структур (задачи формации) для роя, функционирующего по методу квазитеплового движения агентов. Задача решена путем внедрения в систему управления каждым агентом (квадрокоптером) компоненты синхронизации их движений. Решение учитывает требования данного метода к параметрам движения агентов до, во время и после образования формации. Приведены результаты численного моделирования с использованием линейной модели агента-квадрокоптера, показывающие работоспособность предложенной системы синхронизации движения сопряженных агентов.

Ключевые слова: групповое управление, формация, квазитепловое движение, синхронизация движения.

Роевая робототехника благодаря свойствам децентрализованности, масштабируемости и надежности имеет широкие перспективы применения в различных областях. Известны применения группы беспилотных летательных аппаратов в задачах экологического мониторинга [1,2], в том числе исследования в районе добычи полезных ископаемых [3]; предупреждение пожаров [4]; поисково-спасательных операциях [5,6]. В сельском хозяйстве роевые роботы могут использоваться для автоматизации процессов посева, ухода за растениями и сбора урожая.

Одной из важных задач, возникающей при управлении группой беспилотных летательных аппаратов (БПЛА) является организация устойчивых формаций агентов системы. Известны различные подходы для управления роевой системой. Распространенным методом управления формированием является подход с лидером [7,8]. В этом случае члены группы следуют за БПЛА-лидером. При повреждении лидера может пострадать вся геометрическая структура (потеря устойчивости роевой формации). Поэтому в работе [9] был предложен метод виртуального лидера, однако такой подход требует больших вычислительных ресурсов. Подход, при котором создается искусственное потенциальное поле, решает проблемы предотвращения столкновений. Управляющие воздействия основаны на притягивающих и отталкивающих силах. Существует множество подходов, основанных на этом методе [11,12].

Общая проблема использования метода потенциального поля в реальных приложениях, обусловлено тем, что необходимо иметь полную информацию о пространстве, в котором функционирует рой.

Стратегия, основанная на консенсусе [13], не в полной мере учитывает динамику агентов. Целью консенсуса является приведение состояний всех членов группы к одному и тому же постоянному значению. В работах [13,14] продемонстрирована возможность управления формированием в условиях изменяющейся топологии связи.

Интеллектуальное управление обладает способностью к адаптации и обучению. Существуют методы, основанные на нечеткой логике [15] и нейронной сети [16].

Постановка задачи. Большинство методов группового управления, так или иначе, реализуют решение задачи формирования геометрических структур (формаций). Она сводится к поддержанию заранее заданного расстояния и направления до соседнего агента. Два агента, чье управление направлено на поддержание заданного расстояния между ними, будем называть сопряженными. В предыдущих работах [17-19] был предложен метод квазитеплового движения, текущая реализация которого в полной мере задачу формации не решает.

Особенностью сопряжения агентов, функционирующих по методу квазитеплового движения, является необходимость корректного перераспределения величин-эквивалентов кинетической и потенциальной энергии агента, принципиально важных для функционирования метода. Неправильное перераспределение этих величин приводит к наличию колебаний траектории движения агентов вокруг желаемого их относительного положения в формации. Наличие этих колебаний в данном случае, приводит к неэффективному расходованию энергии бортового источника питания агента.

(1)

Устранение относительных колебаний сопряженных агентов без изменения их среднеквадратичной скорости до и после взаимодействия позволит расширить функциональные возможности метода квазитеплового движения.

Математическая модель объекта управления. В данной работе объектом управления является агент -квадрокоптер. Движение объекта управления рассмотрено вдоль горизонтальной оси с использованием его упрощенной модели:

^ = кр (Фd - ф ); < ю = ка ( - ю);

х = ф * я,

где ф - угол отклонения квадрокоптера от вертикали (рад); фd - заданный угол отклонения квадрокоптера от вертикали (рад); ЗЗ - ускорение вдоль оси х (м/с2).

Линейная модель квадрокоптера получена при условиях:

1) нулевой скорости по рысканью;

2) динамика винтомоторных групп не учитывается ввиду их принципиально малой инерционности относительно инерционных свойств остальных элементов объекта управления;

3) угол отклонения квадрокоптера от вертикали мал, что позволяет опустить тригонометрические нелинейности кинематических соотношений.

Динамика вращательного и поступательного движения по горизонту описывается в пространстве состояний как:

X = Ax + BU, y = Cx + DU,

где

A =

f 0 1 00 0 0

0

0 0 -kPk

pKd

0 ^ 0 1

-kd

B =

f 0 ^ 0 0

kpkd

, C = (0 1 0 0), D = (0 )

(2)

(3)

Модальный регулятор объекта управления обеспечивает стабилизацию среднеквадратичной скорости агентов до и после взаимодействия. Управление осуществляется с использованием фазовых координат агента и вектора коэффициентов усиления К:

и = Кх. (4)

Коэффициенты обратных связей имеют вид:

Г п -1/ Л

K ( g, kp, kd )

-Pg 1 (Pi P2 P3 + Pi P2 P4 + Pi P3 P4 + P2 P3 P4 )

Pg 1P1P2 P3P4

P (P2 P3 + P2 P4 + P3 P4 + P1 (P2 + P3 + P4 )) -P (kd + P1 + P2 + P3 + P4 )

(5)

P =

kPkd

где р - корни характеристического уравнения разомкнутой системы, определяемые как:

P =

f- r - imi * i ^ -Ti + imi * i

(6)

где Ti - действительная часть левой пары сопряженных корней характеристического уравнения; imi - мнимая часть левой пары сопряженных корней; imT - мнимая часть правых сопряженных корней.

Каждый агент имеет список соседних агентов N j = {1.. j} . Интенсивность взаимодействия с соседним

агентом j является мерой пересечения сфер близкодействия, определяется как:

cj = dj - sign(dj)(R + Rj)>

dj = Pj- P

P = (P V ф ф) 272

f K ^

K1

где Я и Я у - радиусы взаимодействия сфер агентов; й - разница между координатами соседнего квадрокоптера у

и собственными, скорректированными с учетом обратных связей модального регулятора; Р - координата агента; V - скорость агента; ф - угол отклонения квадрокоптера от вертикали; ф - угловая скорость квадрокоптера.

Управление и = Сдля сопряжения агентов вычисляется с помощью кусочно-линейной функции взаимодействия (рисунок 1):

S о

О

—Щ

•Щ)

А с

-1

-20 -10 0 10 20 30 40 е., м

Рис. 1. Функция взаимодействия агентов, обеспечивающая их сопряжение На рисунке 2 ^с^ ^ - функция взаимодействия без сопряжения, у) ^с^ ^ - функция взаимодействия во время сопряжения, с5 - точка переключения между ^су ^ и у) ^су ^, зависящая от заранее заданного расстояния

между агентами и радиусами взаимодействия.

Уравнения функции взаимодействия имеют вид:

С,

des j

max(sign(dj)Cmax, f1 (cj)), если Fen = 0; f (cj ) в противном случае,

f1 ( )

0, если \dj\> R + Rj;

(8)

^iCj, если 0.5(dt + R + Rj) < |dj| < R + Rj; Ki (sign(dj) - dj), если dt < |dj| < 0.5 (dt + R + Rj); Ki (dj - sign(d}dt),если dt > |dj|,

f2 (cj ) = max (sign(dj )Cmax, K1 (dj - sign (dj )dt)),

dj = Cj + sign ( - P* )(R + Rj )

где Cmax - максимальное значение управления; dt - заданное расстояние между агентами.

Синхронизация скоростей агентов. Классическим способом устранения колебаний является демпфирование. В случае квазитеплового движения использование демпфирования концептуально некорректно, так как тогда изменится среднеквадратичная скорость агентов до и после взаимодействия, что показано на рисунке 2.

о 2 2

- — V, .......V; " " " .. ----

- -

-----1 1 1

0

20

40 t, С

60

80

Рис. 2. Изменение среднеквадратичной скорости агентов до и после взаимодействия при использовании демпфирования

На рисунке 2 показано движение двух агентов со скоростями V и V), а Vs - их среднеквадратичная

скорость. В моменты времени t = 0 с и t = 60 с среднеквадратичная скорость Vs имеет разные значения, то есть

значения Vs до и после взаимодействия агентов отличается. Следовательно, применение модального регулятора,

обеспечивающего демпфирование агентов, друг относительно друга недопустимо.

Одним из вариантов устранения относительных колебаний агента с сохранение их среднеквадратичной скорости до и после взаимодействия является синхронизация движения агентов. Под синхронизацией движения агента с соседним понимается следующее:

lim V - VA = 0,

(9)

lim ф - ф А = 0, t ^-ю1 1

lim ф - ф А = 0. t ^-ю1 1

В случае рассмотрения тестовой системы «агент-границы» (рисунок 3) характер движения квадрокоптера является колебательным с постоянной амплитудой скорости при прохождении начала координат.

Рис. 3. Тестовая система «агент-границы»

На рисунке 3 схематично изображен квадрокоптер со сферой взаимодействия радиуса Я. Квадрокоптер расположен между 4-мя границами допустимой области, удаленными от начала координат на расстояние Я, и двигается со скоростью V.

В литературе [20] встречается решение задачи синхронизации сопряженных колебательных контуров. Но в этих работах контур является автоколебательным. В момент синхронизации амплитуда их скоростей падает, а после сопряжения восстанавливается. Тестовая система «агент-границы» не является автоколебательным контуром -предельных циклов у такой системы бесконечное множество, и они зависят от начальных условий. Система сопряженных агентов также не является автоколебательным контуром, поэтому использование напрямую метода синхронизации из проанализированной литературы не обеспечит равенство среднеквадратичной скорости агентов в момент сопряжения и в момент разъединения.

Сопряжение агентов рассматривается в рамках задачи создания агентами геометрических структур, что сводится к удержанию заданного расстояния и направления между агентами. Поэтому требуется, чтобы агенты синхронизировались на заданном расстоянии друг от друга а{. Поэтому условия синхронизации (9) дополняются следующим уравнением:

Нт р - р\ = а,. (10)

Реализованная функция взаимодействия с переходом в состояние сопряжения обеспечивает колебательные движения агентов на расстоянии а1. Поэтому требуется определить дополнительное значение к управлению

Са ■, обеспечивающее синхронизацию движения сопряженных агентов.

Для этого предлагается по аналогии с [20] для каждого агента управление корректировать на разницу между среднеквадратичной скоростью и собственной скоростью, деленное на количество сопрягаемых агентов:

siSn (Vmean)

C

^ sync

-1

n

syncXV/ - V _k_ (11)

nsync

XVk

V = —-k = 1 и

r mean i - "sync

nsync

где n - число синхронизирующихся агентов в состоянии сопряжения, когда Fen = 1 в (8); V - собственная скорость агента.

С учетом (11) f2 (c ■) в (8) принимает вид:

/2( cj) = max(sign(d)Cmax, Csync + K1 (dj - sign(d)dt)), (12)

dj = cj + sign (dj )(R + Rj )■

Моделирование. Для демонстрации работы синхронизации (12) выполнено численное моделирование двух агентов с линейной моделью, получаемой объединением (2),(3)(5),(6),(8),(12). Параметры модели агента указаны в табл. 1, а начальные условия в табл. 2.

При использовании функции взаимодействия (8) без компонента синхронизации (12) изменение скоростей двух агентов представлено на рисунке 4.

Изменение скоростей агентов с использованием компонента синхронизации приведено на рисунке 5. На рисунке 4 V и V2 - скорости агентов, Vs - их среднеквадратичная скорость. При t = 0 c и t = 60 С

среднеквадратичная скорость агентов Vs равна 2.83 м/с, то есть значения Vs до и после взаимодействия равны. При использовании демпфирования (рисунок 2) среднеквадратичная скорость взаимодействующих агентов в моменты времени t = 0 c и t = 60 c отличалась.

Параметры моделирования

Таблица 1

Параметр Значение Параметр Значение

kp 6.0 r 12.0

kd 25.0 iml 0.1

g 9.8 imr 0.55

R Rj 20.0 dt 35

Таблица 2

Начальные условия__

Параметр Определение Значение

Pi0 Координата первого агента, м 50.0

P0 Координата второго агента, м 0.0

V0 Скорость первого агента, м/с 0.1

Скорость второго агента, м/с 4.0

Рис. 4. Результат моделирования двух агентов без использования компонента синхронизации

4 3

и

£ 2

>

1

О

J

-v,

.......V:

-- V, —■ F„

30 t, с

so

Рис. 5. Результат моделирования двух агентов с использованием компонента синхронизации

В момент взаимодействия среднеквадратичная скорость может изменяться, в том числе и для сопряженных агентов. В момент сопряжения часть кинетической энергии запасена в виде потенциальной - степени пересечения сфер взаимодействия, поэтому среднеквадратичная скорость синхронизированных агентов (например, при t = 20 С) меньше, чем разъединенных (например, при t = 60 С ).

Ошибка позиционирования агентов относительно заданного расстояния d-t определяется как

st = d, -

dj - sign(d- jdt и представлена на рисунке 6.

10 s 5

■о

ш Q

-5

_X -Е л .......F,„ /

V

10

40

50

го зо

(.с

Рис. 6. Ошибка относительного расстояния двух агентов

В левой части рисунка 6 видно, что после начала сопряжения и синхронизации при достижении заданного относительного расстояния имеется незначительное перерегулирование, но затем ошибка позиционирования становится практически равной нулю, что и требуется обеспечить в задаче формирования геометрических структур (10).

В рамках работы проведено численное моделирование и при других начальных условиях по d-t, V1° и

V0. При изменении движений агентов, также происходит их синхронизация на заданном расстоянии, а тенденции

изменения среднеквадратичной скорости аналогичны тем, которые показаны на рисунке 5.

Результаты моделирования, представленные на рисунках 5 и 6 подтверждают корректность сопряжения и синхронизации агентов.

Заключение. В работе предложена система управления агентами роя, обеспечивающая синхронизацию их движения на заранее заданном относительном расстоянии. Предложенный подход исключает непроизводительные относительные колебания агентов и правильно перераспределяет их эквивалентные энергетические характеристики в дополнительное их сонаправленное поступательное движение (кинетическая составляющая), при заданном относительном положении (составляющая потенциальной энергии).

Стабилизация агентами заранее заданного относительного положения позволяет повысить энергетическую эффективность при организации формаций роем, обусловленную отсутствием относительных колебаний агентов.

Дальнейшая работа направлена на синхронизацию множества сопряженных агентов, а также исследование взаимодействия формаций агентов с границами допустимой области.

Работа выполнена при поддержке Российского научного фонда, грант № 23-29-10077, https://rscf.ru/project/23-29-10077/

Список литературы

1.Choi Y. Convex Hull Obstacle-Aware Pedestrian Tracking and Target Detection in Theme Park Applications / Y. Choi, H. Kim // Drones. 2023. Vol. 7. № 4. P. 279.

2. The Use of Unoccupied Aerial Systems (UASs) for Quantifying Shallow Coral Reef Restoration Success in Belize / E. A. Peterson, L. Carne, J. Balderamos [et al.] // Drones. 2023. Vol. 7. № 4. P. 221.

3.A review of UAV monitoring in mining areas: current status and future perspectives / H. Ren, Y. Zhao, W. Xiao, Z. Hu // International Journal of Coal Science & Technology. 2019. Vol. 6. A review of UAV monitoring in mining areas. № 3. P. 320-333.

4.Multi-UAV Experiments: Application to Forest Fires / J. R. Martinez-de-Dios, L. Merino, A. Ollero [и др.] // Multiple Heterogeneous Unmanned Aerial Vehicles / ред. A. Ollero, I. Maza. Berlin, Heidelberg : Springer Berlin Heidelberg, 2007. С. 207-228.

5.Unsupervised Human Detection with an Embedded Vision System on a Fully Autonomous UAV for Search and Rescue Operations / E. Lygouras, N. Santavas, A. Taitzoglou [et al.] // Sensors. 2019. Vol. 19. № 16. P. 3542.

6. UAV Computing-Assisted Search and Rescue Mission Framework for Disaster and Harsh Environment Mitigation / S. H. Alsamhi, A. V. Shvetsov, S. Kumar [et al.] // Drones. 2022. Vol. 6. № 7. P. 154.

7.Chen F. Leader-Follower Formation Control With Prescribed Performance Guarantees / F. Chen, D. V. Di-marogonas // IEEE Transactions on Control of Network Systems. 2021. Т. 8. № 1. С. 450-461.

8. Wang Y. Motion Capability Analysis for Multiple Fixed-Wing UAV Formations with Speed and Heading Rate Constraints / Y. Wang, M. Shan, D. Wang // IEEE Transactions on Control of Network Systems. 2020. Т. 7. № 2. С. 977989.

9. Zhang J. Multi-UAV Formation Control Based on a Novel Back-Stepping Approach / J. Zhang, J. Yan, P. Zhang // IEEE Transactions on Vehicular Technology. 2020. Т. 69. № 3. С. 2437-2448.

10. Giulietti F. Formation flight control - A behavioral approach / F. Giulietti, M. Innocenti, L. Pollini. - Текст: электронный // AIAA Guidance, Navigation, and Control Conference and Exhibit : Guidance, Navigation, and Control and Co-located Conferences. American Institute of Aeronautics and Astronautics, 2001. URL: https://arc.aiaa.org/doi/10.2514Z6.2001-4239 (дата обращения: 01.10.2023).

11. Navigation information augmented artificial potential field algorithm for collision avoidance in UAV formation flight / H. Liu, H. H. T. Liu, C. Chi [et al.] // Aerospace Systems. 2020. Vol. 3. № 3. P. 229-241.

12. UAV formation control with obstacle avoidance using improved artificial potential fields / Y. Zhao, L. Jiao, R. Zhou, J. Zhang // 2017 36th Chinese Control Conference (CCC). 2017. С. 6219-6224.

13. Ren W. Consensus seeking in multiagent systems under dynamically changing interaction topologies / W. Ren, R. W. Beard // IEEE Transactions on Automatic Control. 2005. Т. 50. № 5. С. 655-661.

14. Formation Control for Unmanned Aerial Vehicles with Directed and Switching Topologies / Y. Qi, S. Zhou, Y. Kang, S. Yan // International Journal of Aerospace Engineering. 2016. Т. 2016. С. 7657452.

15. Rezaee H. Model-free fuzzy leader-follower formation control of fixed wing UAVs / H. Rezaee, F. Abdol-lahi, M. B. Menhaj // 2013 13th Iranian Conference on Fuzzy Systems (IFSC) 2013 13th Iranian Conference on Fuzzy Systems (IFSC). 2013. С. 1-5. URL: https://ieeexplore.ieee.org/abstract/document/6675677 (дата обращения: 01.10.2023).

16. Dierks T. Neural network control of quadrotor UAV formations / T. Dierks, S. Jagannathan. // 2009 American Control Conference 2009 American Control Conference. 2009. С. 2990-2996.

17. Гейс Э. А. Разработка метода организации движения группы БЛА на основе эквивалента теплового движения / Э. А. Гейс // Известия ТулГУ. Технические науки. 2021. № 11. С. 41-45.

18. Гейс Э. А. Разработка регулятора квадрокоптера, входным воздействием которого является эквивалент вектора силы потенциального поля / Э. А. Гейс // Известия ТулГУ. Технические науки. 2021. № 11. С. 10-15.

19. Heiss E. Assessing the similarity of atoms' thermal motion behavior by swarm agents / E. Heiss, O. Morozov, A. Efromeev // Proceedings of 2022 4th International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA). Lipetsk : IEEE, 2022. P. 92-96.

20. Joshi S. K. Synchronization of coupled oscillators in presence of disturbance and heterogeneity // International Journal of Dynamics and Control. 2021. Vol. 9. № 2. P. 602-618.

Гейс Эдуард Альбертович, младший научный сотрудник, [email protected], Россия, Тула, Тульский государственный университет,

Морозов Олег Олегович, канд. техн. наук, доцент, [email protected], Россия, Тула, Тульский Государственный университет,

Козырь Андрей Владимирович, канд. техн. наук, старший научный сотрудник, Kozyr_4_V@mail. т, Россия, Тула, Тульский Государственный университет

SYNCHRONIZATION OF AGENT MOVEMENTS FOR THE FORMATION OF GEOMETRIC STRUCTURES IN THE CASE

OF THERMAL MOTION EQUIVALENT METHOD

E.A. Heiss, O.O. Morozov, A.V. Kozyr

In this paper we propose a solution to the problem of forming geometric structures (formation problem) for a swarm functioning by the method of quasi-thermal motion of agents. The problem is solved by introducing a component of synchronization of their movements into the control system of each agent (quadrocopter). The solution takes into account the requirements of this method to the motion parameters of the agents before, during and after formation. The results of numerical simulation using a linear model of a quadrocopter agent are given, showing the performance of the proposed system of synchronization of motion of coupled agents.

Key words: group control, formation, quasi-thermal motion, motion synchronization.

Heiss Eduard Albertovich, junior researcher, [email protected], Russia, Tula, Tula State University,

Morozov Oleg Olegovich, candidtate of technical sciences, docent, [email protected], Russia, Tula, Tula State

University,

Kozyr Andrey Vladimirovich, candidtate of technical sciences, senior researcher, [email protected], Russia, Tula, Tula State University

УДК 004

DOI: 10.24412/2071-6168-2023-11-277-278

ВЫЯВЛЕНИЕ ДЕФЕКТОВ ПРИ ТЕСТИРОВАНИИ АЛГОРИТМОВ ЦИФРОВЫХ УСТРОЙСТВ

НА БАЗЕ ПЛИС

И.А. Панков

В работе рассмотрена проблема поиска и анализа дефектов, обнаруживаемых в цифровых устройствах для программируемых логических интегральных схем (ПЛИС). Предложен подход к тестированию цифровых устройств на базе ПЛИС. Рассмотрена имитация дефектов для алгоритмов в ПЛИС на основе программных искажений. Разработан алгоритм обнаружения дефектов в цифровых устройствах на базе ПЛИС и представлены экспериментальные результаты.

Ключевые слова: цифровые устройства, тестирование ПО, ПЛИС, имитация неисправностей.

Введение. В настоящее время разработчики используют специализированные инструменты проектирования для ПЛИС, такие как среда проектирования Vivado фирмы Xilinx, Quartus Prime фирмы Intel. Чтобы оценить потребление ресурсов и производительность алгоритма на ПЛИС. При разработке цифровых алгоритмов особое значение имеет выбранная аппаратная платформа, которая задает структуру системы тестирования. В силу высокой степени интеграции и разнородности решаемых задач, проведение тестирования модулей обработки сигналов осуществляется с применением имитации неисправностей [1]. Существующие алгоритмы имитации неисправностей, применяемые для микроконтроллеров и микропроцессоров, не применимы для тестирования ПЛИС [2]. Решение задачи интеграции имитации неисправностей (в том числе с использованием программной техники фаззинга) к ПЛИС предполагает необходимость разработки алгоритма для проведения тестирования [3].

Постановка задачи. Целью тестирования является осуществление анализа дефектов для опытных образцов проектируемых цифровых устройств, содержащих в программируемую логику. Для тестирования алгоритмов цифрового устройства на базе ПЛИС необходимо адаптировать алгоритмы имитации неисправностей для выбранной аппаратной платформы [4]. Для этого разработана архитектура системы инъекции неисправностей и алгоритм проведения испытаний по внесению искажений в работающее устройство.

Структура стенда проведения испытаний. Стенд состоит из 3 ПЛИС внедрения неисправностей, исполняющегося алгоритма, верифицирующая) и АРМ оператора. Чтобы провести тестирование, предлагается стенд имитации неисправностей (рис. 1).

Для проведения экспериментального тестирования используются следующие типы вводимых ошибок Ф1

- Ф4:

Ф1 - Зависание в ошибке (Stuck-at-faults) - позволяет моделировать большую часть отказов, возникающих в интегральной схеме, например, отказы в LUT (таблицами поиска); Ф2 - Зависание в открытом состоянии (Stuck-open) - позволяет имитировать случайные межсоединения, путем случайного переключения соединения; Фз - Задержка сигнала, позволяет моделировать неисправности, возникающие из-за нарушения синхронизации; Ф4 -одиночное влияние частицы (single-event upset).

ПЛИС-1 выполняет функцию внесения неисправностей при различных сценариях имитации дефектов в режиме на основе списка соединений(netlist) и в режиме на основе анализа памяти (memory fault simulation).

На ПЛИС-2 загружен алгоритм цифровой обработки, над которым проводится эксперимент по внедрению неисправности. ПЛИС-3 фиксирует результаты выполнения алгоритма и отправляет эти данные на ПЭВМ. После чего в общем случае результаты выполнения алгоритма ПЛИС сопоставляются с результатами тестового модуля на ПЭВМ. Далее на основе полученных данных формируется статистика, которая позволит выявить расхождения от эталонной модели и сформировать метрики оценки текущей системы [5].