Комаров Ю.Ю. Проектирование и изготовление аэрокосмических аппаратов

Подождите немного. Документ загружается.

2. Создаются счетные матрицы A

с установкой их элементов в 0,

если соответствующий параметр равен нулю, и в 1 — в противном случае.

3. Повторять шаги с 4 по 8 столько раз, сколько необходимо для полу-

чения хорошего результата в обучении.

4. Повторять шаги 5-8 для всех обучаемых последовательностей O

5. Устанавливаются текущие оценки A’, B’,

’ параметров модели для

нормализованных счетных матриц.

6. Используется алгоритм Витерби с текущими оценками A’,B’, ’ пара-

метров модели для вычисления наиболее вероятного пути p(t) для текущей

последовательности наблюдения O

7. Добавляется 1 к

для увеличения счетчика для в первой

точке

наиболее вероятного пути.

8. Повторять от начала до конца последовательность наблюдения, до-

бавляя 1 к значениям в

для каждого перемещения по , и добавляя 1

для каждого выхода из

9. Выдача окончательной оценки

, , параметров модели.

Таким образом, в работе получены следующие результаты: показано,

что для обеспечения безопасности на предприятии при современном росте

терроризма необходимо использование систем автоматической идентифи-

кации личности; рассмотрены, выбраны и адаптированы под реализацию

в виде программной среды математические методы Скрытых Марковских

Моделей и адаптивного усиления; разработаны алгоритмы выбранных ме-

тодов для программной реализации.

Библиографический список

1. Саймон Хайкин. Нейронные сети: полный курс. 2-е изд. – М.: “Издательский дом

Вильямс”, 2005.

2. Брилюк Д., Старовойтов В. Распознавание человека по изображению лица и нейро-

сетевые методы. – М.: Наука, 2000.

3. Rainer L. and Jochen Maydt. An Extended Set of Haar-like Features for Rapid Object

Detection. Santa Clara: Intel Labs, Intel Corporation, 2002.

4. Rabiner L. R. A Tutorial on Hidden Markov Models and Selected Applications in Speech

Recognition. Proceedings of the IEEE, Vol. 77, No. 2, FEBRUARY 1989.

5. Ara V. Neﬁan, Monson H. Hayes III. Face Recognition using in Embedded HMM. Metz:

Georgia Tech Lorraine, 1999.

6. Потапов В.Н., Орлов Ю.Л. Марковские модели. Курс лекций. – М: ИЦиГ СО РАН,

2004.

7. Nianjun Liu, Brian C. Lovell. Gesture Classiﬁcation Using Hidden Markov Models

and Viterbi Path Counting. Sydney: Intelligent Real-Time Imaging and Sensing (IRIS)

Group. School of Information Technology and Electrical Engineering. The University of

Queensland, Brisbane, Australia 4072, 2003.

191

А. А. Капранова, Н. В. Павлова, В. В. Сергейчик

Московский авиационный институт (государственный технический университет)

РАЗРАБОТКА ДРУЖЕСТВЕННОГО ИНТЕРФЕЙСА

УПРАВЛЯЮЩЕЙ ПАНЕЛИ

ИЗМЕРИТЕЛЬНО-ВЫЧИСЛИТЕЛЬНОГО КОМПЛЕКСА

МЕДИЦИНСКОГО НАЗНАЧЕНИЯ

Вычислительная техника применяется в самых различных областях ши-

роким кругом пользователей, имеющих различную квалификацию. В свя-

зи с этим особенно важно создавать функциональное, развиваемое, обла-

дающее интуитивно понятным эргономичным интерфейсом программное

обеспечение информационно-вычислительных комплексов.

В общем случае интерфейс — это часть некоторой системы, предна-

значенная для обеспечения взаимодействия с ней человека либо другой

системы.

Дружественный интерфейс (friendly interface) — это интерфейс, обес-

печивающий человеку-пользователю (без специального обучения) макси-

мально удобное взаимодействие с программой или вычислительной си-

стемой: наглядные, простые и понятные для него изображения на экране,

значки, пиктограммы, кнопки, меню, подсказки в диалоге, звуковое сопро-

вождение и т. п.

В рассматриваемом случае интерфейс обеспечивает взаимодействие

аппаратно-программного комплекса медицинского назначения “Ангиодин”

и врача-пользователя. Во многом эффективность использования всех функ-

ций программно-алгоритмического обеспечения и эффективность работы

самого комплекса зависят от того, как построен интерфейс программно-

алгоритмического обеспечения.

Аппаратно-программный комплекс “Ангиодин” предназначен для

экстра- и интракраниального ультразвукового доплеровского исследова-

ния сосудов. Комплекс позволяет проводить в реальном масштабе време-

ни спектральный анализ ультразвукового доплеровского сигнала скорости

кровотока в исследуемых сосудах; осуществлять визуализацию спектро-

граммы на экране монитора; управлять записью и воспроизведением звука,

синхронизированного с записью спектра кровотока; проводить длительное

наблюдение (мониторинг) за изменением кровотока; распознавать наличие

эмболов в русле исследуемого кровотока; автоматизировать ведение тек-

стовой части протокола обследования пациента и запоминать результаты в

базе данных.

192

При исследовании с использованием комплекса различных сосудистых

бассейнов очень важно выбрать правильное положение пациента, исклю-

чающее пережатие артерий и вен исследуемого участка, а также позволя-

ющее врачу комфортно проводить обследование.

Соблюдение приведенных выше требований является залогом достовер-

ности результатов измерений. Поэтому врачу приходится задействовать обе

руки для удержания датчиков неподвижно в нужном положении.

Одним из способов создания комфортных условий для работы врачей-

пользователей является сохранение в каждом из режимов работы комплек-

са максимально возможных размеров всех требуемых элементов панели

управления и индикации.

Задача состоит в разработке дружественного интерфейса, использова-

ние которого позволит уменьшить или полностью устранить недостатки

уже существующего программно-алгоритмического обеспечения. А имен-

но требуется разработать прототип продукционной экспертной системы,

реализующей обратную цепочку рассуждений и позволяющей органи-

зовать пользовательский интерфейс управляющей панели измерительно-

вычислительного комплекса, который обеспечит комфортную и эффектив-

ную работу врача-пользователя посредством плавной автоматической кор-

ректировки размеров управляющих и индицирующих элементов в режиме

реального времени с учетом их приоритетности.

На разных этапах работы с комплексом на экран выводятся в много-

оконном режиме результаты всех или отдельных исследований. При этом

на различных шагах объем и форма выводимой информации различны.

Разработанный интерфейс позволяет выводить всю необходимую инфор-

мацию в возможно удобной форме при сохранении на экране всех управ-

ляющих элементов.

Для организации корректного изменения размеров управляющих и ин-

дицирующих элементов, необходимых на каждом конкретном шаге работы

с программно-алгоритмическим обеспечением, и удаления незадейство-

ванных в работе элементов все масштабируемые объекты в зависимости

от их приоритетности были разделены на семь групп.

В ситуации, когда было выполнено уменьшение управляющих и ин-

дицирующих элементов всех групп приоритетности, но необходимость

уменьшения окна программно-алгоритмического обеспечения осталась,

предусмотрено использование так называемой “вертикальной полосы про-

крутки”.

Следующим этапом решения поставленной задачи было создание про-

тотипа экспертной системы. Любая экспертная система должна содержать

193

как минимум два основных блока: базу знаний (БЗ) и механизм логических

выводов (МЛВ).

Создание базы знаний начинается с разработки так называемого дерева

решений, которое отражает весь ход рассуждений по получению выводов

для конкретной задачи. На следующем шаге разработки это дерево преоб-

разуется в правило базы знаний.

В связи со сложностью организации дерева решений было принято ре-

шение о разделении его на три отдельные ветви:

ветвь правил, используемая при уменьшении размеров элементов;

ветвь правил, используемая при увеличении размеров элементов;

размер элементов не меняется.

При разработке системы каждой вершине ставится в соответствие неко-

торая переменная. При решении конкретной задачи на этом шаге состав-

ляется таблица переменных.

Пользуясь списком переменных и деревом решений, можно записать

конкретные правила, которые следует поместить в базу знаний.

Для цепочки обратных рассуждений кроме базы знаний система должна

включать еще три структуры данных:

набор логических переменных;

список логических выводов;

стек логических выводов.

Набор логических переменных включает в себя имена всех переменных,

входящих в части “если” правил.

Список логических выводов содержит имена переменных, входящие в ча-

сти “то” правил. Он представляет собой упорядоченный список решений,

как окончательных, так и промежуточных, и включает по одной записи на

каждое правило базы знаний. Запись состоит из номера правила и имени

соответствующей переменной.

Список логических выводов используется для поиска вывода по номеру

правила.

Стек логических выводов — главная из рассматриваемых структур —

связывает между собой все остальные структуры и собственно реализует

процесс рассуждений. Правила помещаются в стек и исключаются из стека

до тех пор, пока не сработает последнее правило, помещенное в стек. Это

означает, что цепочка рассуждений завершена, а результат сработавшего

правила и является окончательным выводом, который получила система.

194

Для проведения тестирования логики работы разработанного интерфей-

са была создана специальная программа, позволяющая проследить после-

довательность “срабатывания” правил и итоговые размеры корректировки

по каждому объекту при заданных размерах панели управляющих и инди-

цирующих элементов.

Изучив последовательности “проверенных” правил, полученные прове-

дением тестов с различными входными данными, можно сделать вывод,

что логика работы прототипа экспертной системы при проведении коррек-

тировки размеров элементов является верной.

Проведенное тестирование подтвердило работоспособность разрабо-

танного программно-алгоритмического обеспечения. В связи с этим было

принято решение о проведении моделирования с использованием исход-

ных данных реального комплекса.

Проведенное моделирование показало, что использование рассмотрен-

ного метода корректировки размеров позволяет уместить на экране с разре-

шением

рх окна двух каналов измерения без использования “вер-

тикальной полосы прокрутки”, что обеспечивает более комфортную работу

с программным обеспечением измерительно-вычислительного комплекса

“Ангиодин”, так как врач–пользователь может одновременно наблюдать

все без исключения элементы управления и индикации. На рис. 1 приведен

внешний вид панели уже существующего программно-алгоритмического

обеспечения (а) и разработанного (б) при условии отсутствия корректи-

ровки размеров элементов последней.

Как видно из рисунка, на разработанной панели управляющие элементы

локализованы и размещены более компактно.

Таким образом, в данной работе получены следующие основные ре-

зультаты: разработан дружественный интерфейс управляющей панели

измерительно-вычислительного комплекса. Работа созданного интерфей-

са организована с использованием прототипа продукционной экспертной

системы, реализующей обратную цепочку рассуждений.

Дружественный интерфейс позволяет осуществлять плавную корректи-

ровку размеров управляющих и индицирующих элементов в режиме реаль-

ного времени, обеспечивая сохранение максимально возможных размеров

приоритетных управляющих элементов за счет уменьшения размеров ме-

нее приоритетных элементов и скрытия тех элементов, без которых можно

обойтись в данном режиме.

Созданный дружественный интерфейс был подвергнут тестированию с

помощью разработанной программы, которая позволяет проверять логику

срабатывания правил разработанного прототипа экспертной системы.

195

Рис. 1. Внешний вид управляющей панели уже существующего

программно-алгоритмического обеспечения (а); внешний вид разработанной

управляющей панели (б)

196

Проведенное тестирование подтвердило работоспособность разрабо-

танного прототипа экспертной системы.

Кроме того, проведено моделирование с использованием исход-

ных данных реального комплекса медицинского назначения. Модели-

рование продемонстрировало пригодность разработанного программно-

алгоритмического обеспечения для решения рассматриваемой задачи.

Представленное программно-алгоритмическое обеспечение разработа-

но на языке Visual C++ для операционных систем семейства Windows

версий Windows 2000 и выше. Минимальный аппаратный набор для реа-

лизации программы Intel Celeron 1700 MHz, ОЗУ – 256 МБ.

А. С. Кийко, О. И. Филиппов

Московский авиационный институт (государственный технический университет)

МОДЕЛЬ ОРБИТАЛЬНОЙ ГРУППИРОВКИ СПУТНИКОВОЙ

СИСТЕМЫ СВЯЗИ

Главное достоинство систем спутниковой связи заключается в воз-

можности обмена информацией между значительно удаленными земными

пунктами, доставки информации в труднодоступные районы, осуществле-

ние связи с кораблями, самолетами и другими подвижными объектами в

любой точке Земли.

Практически только этот вид связи позволит в ближайшее время решить

проблему глобальной связи и обеспечит растущие потребности в обмене

всеми видами информации.

Основной функцией спутниковой системы связи является передача ин-

формации. Спутниковая система связи состоит из двух базисных компо-

нентов (сегментов): космического и наземного.

Космический сегмент включает спутники связи, выведенные на опре-

деленные орбиты.

В наземный сегмент входят: центр управления спутниковой системой

связи и обработки информации, земные станции и абонентские терминалы

различных модификаций.

Для проектирования космических систем связи интенсивно использу-

ются автоматизированные системы, позволяющие проектировать облик бу-

дущей системы связи и осуществлять дальнейшее сопровождение созда-

ваемой системы на протяжении всего времени ее существования.

197

ФГУП «ЦНИИ «Комета» разрабатывает комплекс средств моделиро-

вания космической системы связи, который должен участвовать на всех

этапах проектирования системы, а также осуществлять ее сопровождение.

Программное обеспечение комплекса средств моделирования космиче-

ской системы связи представляет собой совокупность общесистемного и

специального программного обеспечения.

Одной из основных задач при создании комплекса средств моделиро-

вания космической системы связи является разработка специального про-

граммного обеспечения. В состав специального программного обеспече-

ния входит модель орбитальной группировки спутниковой системы связи.

Модель орбитальной группировки включает множество компонентов,

каждый из которых решает поставленную перед ним задачу. При взаимо-

действии друг с другом обеспечивается решение таких задач:

- прогнозирование положения космических аппаратов, входящих в со-

став орбитальной группировки, на длительном интервале времени;

- выбор рациональных азимутов наземных стационарных антенн;

- оценка пространственно-временных характеристик связи;

- оценка допусков на изменение орбитальных параметров;

- оценка времени сохранения допустимых орбитальных параметров;

- оценка углов между космическими аппаратами;

- графическое отображение результатов моделирования.

По отображению временной координаты процесса функционирования

моделируемой системы имитационная модель относится к классу динами-

ческих.

Динамические модели воспроизводят процесс функционирования моде-

лируемой системы во времени. Модель орбитальной группировки спутни-

ковой системы связи по характеру представления процесса функциониро-

вания моделируемой системы относится к классу непрерывно-дискретных.

Это наиболее общий класс имитационных моделей, позволяющий

отобразить процесс функционирования системы любой сложности. В

непрерывно-дискретных имитационных моделях воспроизводятся как со-

бытийные явления, так и непрерывные процессы изменения переменных

состояния модели.

В модели орбитальной группировки спутниковой системы связи есть

такие части, для которых процесс функционирования наиболее естествен-

ным образом формализуется с помощью непрерывных моделей (движение

КА), но одновременно с этим есть и такие части, которые требуют дис-

кретной формализации (вход/выход КА с рабочего участка, вход/выход КА

из зоны обслуживания наземного пункта).

198

Для продвижения модельного времени был использован метод фикси-

рованного шага.

Ядром модели орбитальной группировки спутниковой системы связи

является модель движения КА.

Для прогнозирования положения КА использовался метод повиткового

суммирования. Такой подход позволяет рассматривать движение КА как

движение КА по кеплеровской орбите, параметры которой непрерывно

изменяются.

Алгоритм метода основан на расчете приращений оскулирующих пара-

метров за один виток КА. На каждом витке эти приращения вычисляются,

и значения параметров обновляются путем добавления к ним найденных

приращений.

Для прогнозирования положения КА также использовались:

модель атмосферы;

модель движения Солнца и Луны.

Наземный сегмент в данной модели представлен стационарными ан-

теннами с фиксированной ориентацией зон обслуживания в пространстве.

Космический сегмент представлен орбитальной группировкой космиче-

ских аппаратов. В состав орбитальной группировки входит несколько кос-

мических аппаратов, находящихся на высоких эллиптических орбитах.

Космические аппараты могут передавать и получать информацию от

этих антенн только тогда, когда они находятся на своих рабочих участках и

в зонах обслуживания соответствующих антенн. При этом КА, вошедший

в зону обслуживания антенны, должен находиться в ней на всем своем

рабочем участке.

Характеристики наземных направленных антенн определены заказчи-

ком системы, включая и расположение их на территории страны. Един-

ственным неопределенным параметром антенны является ее ориентация

по азимуту. Ставилась задача определения рациональных значений азиму-

тов антенн.

Для определения рациональных азимутов антенн было выбрано два под-

хода.

1. Выставка антенн с учетом минимизации управляющих воздействий,

направленных на орбитальную группировку, т.е. максимизация допус-

ка на инерциальную долготу восходящего узла.

2. Выставка антенн с учетом максимизации времени пребывания косми-

ческих аппаратов в зонах обслуживания антенн.

199

Для каждого подхода было предложено по два критерия выбора рацио-

нальных значений азимутов антенн:

1) максимизация допуска на инерциальную долготу восходящего узла

орбитальной группировки;

2) максимизация допуска на инерциальную долготу восходящего узла

орбитальной группировки при максимизации количества КА, рабочие

участки которых полностью находятся в зонах обслуживания антенн;

2.1) максимизация времени нахождения космических аппаратов в зонах

обслуживания антенн;

2.2) максимизация времени нахождения космических аппаратов в зонах

обслуживания антенн при максимизации количества КА, рабочие

участки которых полностью находятся в зонах обслуживания антенн.

Модель орбитальной группировки спутниковой системы связи была ре-

ализована в виде программного обеспечения, написанного на языке про-

граммирования C/C++ с использованием графической библиотеки OpenGL,

общим объемом около 25 тыс. строк.

При исследовании космических систем на моделях возникает необхо-

димость прогнозировать положение космических аппаратов. Требования,

предъявляемые к этому прогнозу, зависят от целей моделирования.

Границы применимости метода определяются его точностью, которая

зависит от параметров орбит КА и реализации учета возмущающих сил.

Была проведена оценка точности метода повиткового суммирования при

прогнозе оскулирующих параметров на длительном интервале времени

путем сравнения результатов моделирования с данными измерений для

орбит типа “Молния”. Метод применялся в разработанной модели для

оценок поведения орбитальной структуры и характеристик космической

системы.

Для оценки точности метода выбирались неуправляемые космические

аппараты на орбитах типа “Молния” с высотой перигея более 500 км.

В качестве источников информации по оскулирующим параметрам кос-

мических аппаратов использовались данные системы NORAD и данные от

отечественных лазерных измерительных средств. Прогнозирование оску-

лирующих параметров осуществлялось на длительном интервале времени

—от3до5лет.

На основании сравнения результатов измерений и моделирования по

космическим аппаратам были получены обобщенные оценки точности

метода прогноза оскулирующих параметров космических аппаратов типа

200