CC BY
40
11. 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.
УДК 628.93
Филиппенко В.О., Сёмочкин А.В., Асмолова Е.А., Михеев А.М.
ФГБОУ ВПО «Пензенский государственный технологический университет», Пенза, Россия
УВЕЛИЧЕНИЕ ЧИСЛА ОБРАБАТЫВАЕМЫХ ПРИМИТИВОВ ЗА СЧЁТ СЕГМЕНТИРОВАНИЯ МОДЕЛИРУЕМОГО РАЙОНА
Большинство компьютерных генераторов изображения (КГИ) входящих в состав имитаторов визуальной обстановки (ИВО) авиационных тренажёров (АТ) могут синтезировать, за цикл реального времени (менее 120 мсек) двухмерную проекцию трёхмерной части моделируемого пространства, попавшего в пирамиду видимости, используя ограниченное число примитивов (видимых и управляющих) [1]. Чаще всего это число не превышает 16000 [2]. Имеются дорогие КГИ, которые могут обрабатывать до 300000 примитивов [3].
Будем считать, что если дальность видимости в атмосфере над центральной Россией 30 км, при насыщенности определённой как 1 трёхмерный объект на 10 кв.м, то при синтезе изображения только на оптической оси пирамиды видимости находятся 3000 объектов. Каждый объект состоит из не менее чем 5 граней, или только для генерации изображения местности на оптической оси пирамиды видимости необходимо обработать 15000 граней, кроме того для удаления эффекта «просвечивания» необходимо использовать 22999 разделяющих плоскостей. Эти расчёты показывают, что решить такую задачу напрямую - обработать все грани и разделяющие плоскости не может ни один КГИ. Выходом из такого положения является деление всей сцены на сегменты.
Для увеличения числа отображаемых граней при делении сцены визуализации используются сегменты вложенные друг в друга. Этот приём характерен для всех типов ИВО АТ, разрабатываемых отечественными и зарубежными фирмами.
КГИ обрабатывает несколько типов управляющих примитивов - разделяющие плоскости и охватывающие сферы.
Разделяющие плоскости позволяют упорядочить вызов визуально наблюдаемых примитивов (различные типы граней и огней), а охватывающие сферы - позволяют ограничить объём обрабатываемой информации [4]. В дальнейшем будет рассматриваться использование примитивов «охватывающие сферы».
Рассмотрим задачу обучения взлёта и посадки на узнаваемую взлётно-посадочную полосу (ВПП). Обычно центр мировой системы координат находится в середине ВПП, что позволяет минимизировать ошибки округления, возникающие при перерасчёте граней полигонов видимых под разными углами. Данная задача решалась советскими, канадскими, немецкими и французскими фирмами и независимо друг от друга инженеры этих фирм пришли к необходимости рассматривать изначальные сегменты (которые покрывают всю моделируемую сцену) в виде квадратов или треугольников, хотя рассматривались варианты и в виде шестиугольников. Лидер авиационного тренажёра строения фирма CAE предполагает деление всех квадратов на прямоугольники.
Сегменты могут быть нескольких уровней. В сегменте 1 уровня располагаются грубые модели визуально наблюдаемых моделей, например, дом может быть нарисован как прямоугольник. В сегментах 2 уровня, которые обычно встроены в фигуру сегмента 1 уровня располагают более точной моделью, например, дом может быть нарисован как параллелепипед. В сегментах 3 уровня, которые обычно встроены в фигуру сегмента 2 уровня располагают ещё более точные модели, например, дом может быть нарисован как параллепипед с тёмными квадратами окон. В сегментах 4 уровня, которые обычно встроены в фигуру сегмента 3 уровня располагают точные модели, например, дом может быть нарисован как параллепипед и покрыт тек-
стурой позволяющей увидеть кирпичную кладку, переплёты окон, покрашенную дверь и т. д. [5]
Число сегментов вложенных друг в друга, как правило неограниченно. Однако использование каждого нового уровня сегмента увеличивает время работы сценарного процессора на выбор модели, которые должны быть направлены на дальнейшую обработку. На сегодняшний день лидер авиационного тренажёра строения фирма CAE предлагает ограничиться четырьмя уровнями сегментов.
Фирма CAE делит всю сцену1000 на 1000 км или 1500 на 1500 км на сегменты 1 уровня, в которой вложены по четыре сегмента 2 уровня в каждый сегмент 2 уровня вложены 4 сегмента 3 уровня, в каждый сегмент 3 уровня вложены 4 сегмента 4 уровня (рисунок 1-3).
квадратов
треугольников
При разработке стандартного варианта сцены, ориентированной на использование КГИ «Альбатрос» производства одного из Пензенских предприятий, была использована иная конструкция сцены. Вся подстилающая сцена была сегментом 1 уровня 400 на 400 км, около взлётно-посадочной полосы площадка размером 30 на 30 км, который был сегментом 2 уровня и в нём взлётно-посадочная полоса, которая делился на сегменты 3 уровня размером 1 на 1 км (рисунок 4).
При анализе необходимой мощности КГИ инженерами фирмы CAE была определена сначала структура сцены визуализации, потом рассчитано, какое количество объектов может быть в каждом сегменте и, исходя из этого разработана аппаратно программная часть КГИ «MAXVEU™», из расчёта, что в обработку идёт не менее 16 000 текстури-рованных граней и 9 000 огней.
вать время на выбор всех сегментов, примитивы, которых должны быть направлены на обработку е геометрический процессор и далее.
Рисунок 3 - Шестиугольная сцена разбитая на треугольники и квадраты
Рисунок 4 - Конструкция сцены Пензенского предприятия
В Пензенском варианте и мере КГИ «Альбатрос» с производительностью 16 000 граней или 64 000 огней. Кроме граней и огней, так называемых видимых примитивов, из которых набирается видимая модель трёх мерного объекта управляющая программа реального времени обрабатывает невидимые управляющие примитивы [6]:
Разделяющая плоскость, которая позволяет устранить эффект просвечивания.
Охватывающая сфера по направлению (позволяет убрать из дальнейшего рассмотрения все сегменты от 4 до 1 уровня, которые не попали в пирамиду видимости) (рисунок 5).
Рисунок 6- Отбор по дальности
В настоящее время в литературе имеются сведения о том, что ведутся дискуссии каким должен быть алгоритм минимизации времени работы сценарного процессора. В том числе рассматриваются два конкурирующих варианта. В начале отбор сегментов идёт по направлению потом по дальности? Или в начале отбор сегментов идёт по дальности, а потом по направлению? Ещё одним вариантом выбора сегментов является спиралевидный выбор сегментов, когда от точки нахождения наблюдателя вначале выбирается и проверяется 1 сегмент, отмеченный на рисунке 7 цифрой 1, т. к. в нём находиться наблюдатель данный сегмент входит в пирамиду видимости, переходим ко второму сегменту, отмеченному цифрой 2, который входит в пирамиду видимости, следующие сегменты отмечены цифрами 3 и 4 (с права на лево) они не водят в пирамиду видимости и т. д.
14 13 10 12
9 8 \ | 1 1 / 6 7
4 V/ 3
• ]
Рисунок 5 - Отбор по направлению
Охватывающая сфера по дальности (позволяет убрать из дальнейшего рассмотрения все сегменты от 4 до 1 уровня которые находятся далее заданного направления) (рисунок 6).
Охватывающая сфера - математическое понятие охватывающее часть моделируемого пространства. Геометрически охватывающая сфера - призма с основанием квадрат, треугольник или шестиугольник. Все примитивы, попавшие в охватывающую сферу допускаются на обработку при выполнении определённых условий:
Охватывающая сфера пересекается со следом пирамиды видимости (камера наблюдения), если эта сфера открывается по направлению.
Охватывающая сфера при условии, что наблюдатель находиться ближе заданного расстояния от центра сферы. Таким образом, охватывающая сфера выполняет роль условного оператора [7]. Допускается использование нескольких типов охватывающих сфер. Это необходимо чтобы минимизиро-
Рисунок 7 - Спиралевидный выбор сегментов
Все указанные приёмы отбрасывания «лишних» сегментов предполагает, что насыщенность отдельными объектами реального пространства равномерная. В реальной действительности это не так. Поэтому предлагается алгоритм перераспределения ресурсов КГИ между сегментами:
Шаг 1. Решаем задачу деления всей сцены на сегменты первого уровня таким образом, чтобы не менее 50% времени оставалось на обработку оставшихся вложенных сегментов и видимых примитивов и разделяющих плоскостей.
Шаг 2. Выделяем сегменты изображения моделей объектов раскраска которых не будет меняться (например, вид моря вокруг островов) и минимальным числом граней закрашиваем их, моделируя подстилающую поверхность.
Шаг 3. Определяем места, где необходимо вводить сегменты второго уровня, и устанавливаем дистанцию включения в обработку моделей объектов второго 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 нарисовать и сколько граней и разделяющих плоскостей для этого могут использовать.
Шаг 4. При наличии неизрасходованных ресурсов, определяем места, где необходимо вводить сегменты третьего уровня, и устанавливаем дистанцию включения в обработку моделей объектов третьего уровня, подсчитывая израсходованные ресурсы (сколько неизрасходованного времени
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. - 12l 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, 2Q14. - В 6. - Р. 32Q-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, 2Q14. - В 12. - Р. 371-373 http://www.lifesciencesite.com/lsj/life1112s/ (дата обращения Q2.Q4.2Q15).
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.37Q-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. l0-75.
11. А.В.Бецков, И.В.Прокопьев Анализ живучести беспилотного летательного аппарата // Надежность и качество сложных систем. В 2, 2Q14. 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
