Алгоритмическое проектирование и оценивание систем на основе аналогового моделирования тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Целищев, Владимир Семенович

• Целищев, Владимир Семенович
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Целищев, Владимир Семенович

Введение

Глава 1. Контроль и оценивание характеристик систем при неполной информации . ^

§1.1. Оперативные оценки характеристик систем связи.

§ 1.2. Существующие методы оперативного анализа систем^

§1.3. Примеры задач контроля и оценивания систем.¿

§1.4. Формализация выбора систем - аналогов

§1.5. Обобщенная эффективность систем.Я

Выводы по главе

Глава 2. Линеаризация целевых функций и оперативный анализ систем

§2.1. Статистическая линеаризация целевых функций .Я

§2.2. Сепарабельные свойства целевых функций

§ 2.3. Основы оперативного оценивания систем .¿

§ 2.4. Обобщение теории погрешности оперативной оценки систем .'.

§ 2.5. Пример частной модели оцениванид РЭА.^

Выводы по главе .6

Глава 3. Квазистохастические модели оперативного анализа систем.

§3.1. Обоснование квазистохастических моделей оценивания.№

§ 3.2. Алгоритмы обучения с неподвижной гиперплоскостью.

§3.3. Алгоритмы с подвижным обучающим подпространством

§ 3.4. Анализ моделей с тремя обучающими реализациями. П

§ 3.5. Локальный пример и предельные соотношения.^

Выводы по главе

Глава 4. Адаптивные методы в алгоритмах оценивания систем

§4.1. Адаптация алгоритмов оперативного анализа систем.

§ 4.2. Идентификация целевых функций при неполной г информации .^

§ 4.3. Применение матричных методов при оценивании систем

§ 4.4. Качество контроля и оценивания систем в зависимости от объема исходной информации

§4.5. Оценивание и оптимизация систем в условиях неполной информации

Выводы по главе .fft

Глава 5. Прикладные задачи контроля, испытаний, оценивания характеристик систем

§5.1. Оперативный анализ и оценивания модулей .7?%

§ 5.2. Оценивание сложных систем при небольшом числе испытаний.

§ 5.3. Оценивание комплексов США .f^b

§5.4. Идентификация характеристик сложных систем при небольшом числе испытаний.^С

§5.5. Применение адаптивного алгоритма оценивания.(Ю

§ 5.6. Анализ устойчивости оперативного контроля систем.

Выводы по главе

Введение диссертации (часть автореферата) на тему «Алгоритмическое проектирование и оценивание систем на основе аналогового моделирования»

Актуальность темы.

Проектирование, испытания, производство новых изделий, приборов, автоматов, систем стало крупнейшей отраслью экономики страны на рубеже нового века.

Темпы роста проектирования и создания новых образцов техники в стране иллюстрируются данными следующей таблицы /Табл. 01/.

Рост отечественных разработок и создания новой техники по годам

Наименование Единица измерения 70-75 75-80 80-85 85-90

Разработано новых изделий и систем Тыс. 19 21 25 30

Испытано и освоено в производстве Тыс. 8 16 18 25

Введено в действие оборудование Млр.рб. 160 230 260 280

Изготовлено ЭВМ ? ? ? ? 2 4,6 12 16

Изготовлено РЭА Мл.ед. 40 60 80 90

Все большую роль приобретают ранние этапы создания изделий - формализация замысла, разработка ТЗ, эскизное и технорабочее проектирование, испытание и отладка изделий и систем.

Среди основных направлений повышения качественных показателей создания новых образцов техники ведущим становится математическое моделирование, использование при проектировании ЭВМ, внедрение экономико-математических методов оптимизации систем.

Большое значение этим вопросам уделяется в решениях Академии Наук, рекомендациях Госкомитета по науке и технике, направленных на создание изделий и систем, имеющих параметры и характеристики на уровне мирового рынка и современного маркетинга.

В свете этих решения большую актуальность приобретают вопросы предварительного проектирования систем, ускорение испытаний систем, оптимизация систем, начиная с этапов внешнего проектирования систем.

Для ранних стадий проектирования систем характерна ситуация неполной информации о характеристиках, параметрах, состояние неполного или неточного математического описания систем.

В результате оказывается все более актуальным формализация этих стадий проектирования, разработка математических методов и алгоритмов, способов моделирования, призванных содействовать созданию изделий с высокими технико-экономическими характеристиками на уровне мировых стандартов, хорошей конкурентоспособностью, длительной моральной живучестью новых изделий, в том числе радиоэлектронных систем.

Постановка задачи и состояние вопроса

До широкого внедрения ЭВМ в процессы проектирования, имеющего место в последнее время, ранние этапы создания систем - формализация замысла, разработка ТТТ, эскизное, а затем технорабочее проектирование, испытания и оценивание систем развивались на основе интуиции, опыта и практических навыков руководителей по тем или иным классам техники.

В других случаях, когда время на эскизное проектирование и экономические характеристики не лимитировались, а сами изделия были весьма несложными, проводилось макетирование, затем наладка макетов, их многочисленные испытания и в результате задачи создания новых изделий решались относительно успешно.

В современных условиях значительного ускорения темпов научных разработок, такие методы становятся мало эффективными, чисто экспертные и волевые решения могут оказаться далеко не оптимальными, а материально-финансовые затраты чрезмерными.

На проведение длительного макетирования и испытаний в ряде случаев недостает времени и излишка материально-финансовых ресурсов. Все большее значение для народного хозяйства приобретают проблемы конкурентоспособности наших изделий по уровню мировых стандартов и разработок передовых фирм.

Таким образом, в современных условиях все большее внимание надо переносить на создание и внедрение компьютерных алгоритмических методов анализа, синтеза, испытаний, оценивания систем.

На рис. представлена блок-схема основных направлений алгоритмизации анализа и синтеза систем. Здесь возможны и фактически развиваются три направления. Первое направление: Если системы имеют хорошо отработанные эталонные целевые функций /как технические, так и экономические/, то можно переходить к применению математических методов оптимального синтеза по скалярному или векторным показателям качества. Подробный анализ таких задач имеется в монографиях Л.С.Гуткина /31/ и Ф.Ф.Юрлова /81/.

Второе направление: Заданных целевых функций нет, но имеются большие массивы экспериментальных данных о системах данного вида. Тогда на первом этапе необходимо решать задачи идентификации целевых функций и фильтрации помех /ошибок/. Если длина выборки - к, а число существенных параметров системы - н, тогда к>н и ^в зависимости от конкретных особенностей задач применяются основные на методе наименьших квадратов отклонений различные варианты регрессионного анализа, максимального правдоподобия, методы байесовского статистического анализа, теории игр, максиминные методы /81/. Третье направление: Зачастую нет большой выборки данных о системах данного вида и имеется принципиальное неравенство к<н. В таких ситуациях ранее применялись методы экспертных решений, средних затрат и др. В последнее время стали применяться методы нечетких множеств и высказываний /81/. При таких подходах можно получить весьма приблизительную идентификацию целевых функций. К этому направлению примыкает

Оперативный анализ систем по малым выборкам данных об аналогах и использование обучающих подпространств для решения задач оценивания, контроля, идентификации, оптимизации систем.

В этом направлении в работах К.А.Пупкова, Ю.П.Кирпичева, Л.А.Растригина, С.М.Зайделя, Н.С.Губонина, были основаны методы «аналогового моделирования», использования аналогов для «Обучения» проектированию изделий с улучшенными технико-экономическими характеристиками.

Детальному обоснованию, развитию, формализации, машинному моделированию оперативного анализа систем и посвящена данная работа.

Алгоритмические методы технико-экономического анализа и синтеза систем. Блок-схема направлений.

Направление и развитие исследований.

В результате анализа ранее выполненных работ по оперативному анализу систем определяется линия дальнейшего развития теории и практики в области алгоритмизации контроля, оценивания, оптимизации систем в условиях неполной информации. ^

Прежде всего необходима дальнейшая разработка научно-методологических основ «аналогового моделирования».

В данной работе показывается, что основой предлагаемых методов является операция статистического усреднения и линеаризации выходных характеристик в определенной ограниченной окрестности развивающихся параметров подобных систем.

Переход к квазилинейным моделям оказывается особенно плодотворным в ситуациях с неполной информацией /с малыми выборками априорных данных/.

Использование «обучающих гиперплоскостей» позволяет разработать простые алгоритмы для оценивания характеристик аналогичных систем. Эти алгоритмы позволяют использовать аппарат матричного анализа и ускоренно, оперативно, получать детерминированные оценки выходных характеристик новых или модернизируемых систем при различных вариантах технического задания.

Получение детерминированного опорного решения является основой для последующей постановки и решения задач оптимизации системы по технико-экономическим показателям.

Вместе с тем необходимо вооружить конструктора, испытателя определенными показателями точности и допускаемых по данной методике погрешностей, знание которых оказывается полезным при доводке изделий.

Задача исследования среднеквадратических погрешностей /СКО/ имеет фундаментальное значение в методах оперативного анализа и определяет центральный раздел работы, именно, квазистиохастические моделирование и оценивание характеристик в многомерном пространстве параметров систем.

Разработанные автором в рамках диссертации исследования методы и алгоритмы применяются к различным задачам контроля, оценивания систем с различным числом параметров при различных индексах неполноты информации.

Применение указанных алгоритмов позволяет ставить и решать задачи приближенной идентификации целевых функций для перехода к решению задач оптимального синтеза изделий.

Структура работы, ^

Изложенные подходы определяют структуру данной работы.

В первой главе уточняется класс задач для разработки и анализа. Это комплекс задач эскизного проектирования, оценивания, контроля, испытаний и применения аналогов для их решения в условиях неполной информации /малой выборки априорных данных/.

Во второй главе детализируется научно-методологический подход к аналоговому проектированию, оцениванию, контролю, оптимизации систем. В главе обобщаются прошлые работы и развивается последовательная теория аналогового моделирования указанных задач.

Третья глава , имеющая в плане теории ключевое значение в данной работе, посвящена разработке квазистохастических моделей оценивания характеристик изделий и обоснованию формул для расчета среднеквадратических погрешностей оценивания.

Четвертая глава посвящена разработке основ приближенной идентификации целевых функций систем при малой информации, корректному использованию экспертных поправок и анализу сходимости алгоритмов при увеличении объема исходной информации.

В пятой главе приведены решения на ЭВМ ряда прикладных задач контроля, испытаний, оценивания и оптимизации характеристик систем при различных индексах дефицита информации и показано совпадение расчетов с результатами теории оперативного анализа и оценивания систем. Новизна полученных научных результатов: «Аналоговое» моделирование задач контроля, испытаний, оценивания систем в условиях информационной недостаточности приводит к прогрессивным и экономическим методам создания систем,

- развиты алгоритмы оперативного оценивания характеристик систем в условиях неполной информации,

-14- развиты алгоритмы приближенной идентификации нелепых функций систем при неполной информации, позволяющие ставить и решать задачи оптимизации систем на ранних стадиях проектирования,

- исследовано качество /среднеквадратические погрешности/ алгоритмов оперативного оценивания характеристик систем.

Практическая ценность работы: - разработанные методы и алгоритмы способствуют ускорению испытаний и оценивания характеристик систем,

- применение разработанных методов способствует созданию

1 систем с конкурентоспособными характеристиками но уровню мировых стандартов,

- разработанные методы и алгоритмы могут войти составной частью в комплексы САПР, автоматизированных методов проектирования, испытаний, оценивания систем.

На защиту выносятся: - методика контроля, испытании, оценивания систем при небольших выборках данных об аналогах, реализациях, испытаниях, основанная на минимизации СКО,

- оригинальные Квазистохастические модели оценивания систем и расчета среднеквадратических погрешностей оценивания,

- методы адаптации и оптимизации характеристик изделий и систем в условиях неполной и минимальной априорной информации,

- общий анализ качества предложенных алгоритмов в многомерном пространстве параметров проектируемых и испытываемых систем. т

Реализация работы: Разработанные алгоритмы были включены в НИР «Оперативный анализ многомерных систем», использованы в организации Научный Метрологический

Центр (г.Мытищи, Московской области) I

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Целищев, Владимир Семенович

Основные результаты работы сводятся к следующим:

1. Рассмотрен класс задач контроля, испытаний, оценивания характеристик систем при неполной информации - неполном математическом описании систем, небольшом числе аналогов, небольшом числе доступных испытаний, т.е. при условиях характерных для внешнего проектирования систем, испытаниях труднодоступных систем и аналогичных задач оценивания систем.

2. Дано научное обоснование методов и алгоритмов оценивания систем на основе статистической линеаризации целевых функций в ограниченной области вариации управляемых параметров.

3. Обобщены ранее предложенные способы оценивания систем при малой априорной информации и развиты алгоритмы оценивания с неподвижной обучающей гиперплоскостью и подвижным обучающим подпространством.

4. Выделен для углубленного исследования определенный класс задач с квазилинейными моделями оценивания. Для квазилинейных моделей получены замкнутые формулы оценивания характеристик и расчета среднеквадратических погрешностей в зависимости от индекса неполноты информации.

5. Полученные теоретические зависимости для оценивания характеристик систем проверены на множестве моделей различной размерности при различных индексах неполноты информации и подтверждено хорошее совпадение результатов.

6. Развиты алгоритмы идентификации целевых функций при неполной информации и исследована их сходимость по мере увеличения коэффициента информации.

7. Доказана возможность постановки и решения экстремальных задач синтеза улучшенных систем на основе контроля и оценивания характеристик аналогов, небольшого числа испытаний, приближенной идентификации целевых функций при неполной информации.

8. Решены на ЭВМ ряд прикладных задач контроля, испытаний, оценивания, оптимизации РТС и показано совпадение практических расчетов с теоретическими зависимостями при различных индексах информации.

9. Полученные в работе результаты могут быть использованы для автоматизации внешнего проектирования, контроля, оптимизации систем и для прогнозирования зарубежных систем соответствующих классов.

10.Экономическая эффективность выполненных работ в двух организациях оденивается в тыс^/'руб. /долларов, в условных ц£»гСх90 г.: 1 руб^= 1 долл./

ЗАКЛЮЧЕНИЕ