Содержание к диссертации
ВВЕДЕНИЕ 7
1. АНАЛИЗ СПЕЦИФИКИ РССОИ И МЕТОДОВ
ОРГАНИЗАЦИИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ В
УСЛОВИЯХ ОГРАНИЧЕННОЙ ТОЧНОСТИ И
ДОСТОВЕРНОСТИ ДАННЫХ 18
l.i. Функциональное описание и характерные
особенности распределенных систем мониторинга и
управления сложными объектами 18
l.i.i. Обобщенная структура, принципы организации и
отличительные особенности РССОИ 18
1.1.2. Влияние погрешностей, ограниченного быстродействия и распределенного характера системы на
функционирование РССОИ 35
1.2. Организация распределенных вычислений в РССОИ 40
-
Потоковые вычисления 44
-
Синхронизация компонентов распределенных систем 47
1.3- Методы оценки характеристик измерительной
информации и мягкие вычисления 51
1.3.1. Анализ погрешностей 56
1.3-1.1. Аналитический подход 57
1.3.1.2. Методы моделирования 59
1.3-2. Вероятностные методы анализа точности данных 6о
1.3-2.1. Неточные вероятности 62
1-3-2.2. Арифметика Монте-Карло 64
1.3-3« Управление точностью и различные способы
представления вещественных чисел в вычислительных
системах 65
1.3-3-1- Вычисления с управляемой точностью 66
1.3-3-2- Ленивая вещественная арифметика _б9
1-3-3-3- Уровне-индексная арифметика 70
1-3-3-4- Логарифмическая арифметика 71
1.3-4- Н-модели для обработки недоопределенных данных 72
1.3-5- Аппроксиметика 74
1.3-6. Методы нечеткой логики 75
1.3-7- Экспертные системы и системы поддержки принятия
решений 7
1.3-8. Вычисления с автовалидацией 8о
1.3-8.1. Диапазонные модели 82
1.3-8.2. Модели на основе доверительных интервалов 85
-
Усовершенствованные интервальные модели 86
-
Вероятностно-интервальные модели 87
1.3-9- Датчики с автовалидацией 88
1.3-10. Семантический контроль данных 91
Выводы 93
2. МОДЕЛЬ ПОТОКОВЫХ ВЫЧИСЛЕНИЙ с
АВТОВАЛИДАЦИЕЙ В РССОИ 95
2.1. Концептуальная модель вычислений в РССОИ 96
-
Токен 98
-
Актор 104
-
Валидатор 107
-
Генератор 112
2.1.5- Терминатор 122
2.1.6. Канал 125
2.1.7- Методика составления СВПЭ для существующих РССОИ 126
2.2. Математическая модель вычислений в РССОИ 129
-
Правила сравнения и выполнения арифметических операций для компонентов токена 129
-
Бинарные арифметические и логические операции над токенами с идентичными метками времени 135
-
Приведение токенов к общей временной метке 137
-
Отношения порядка, предшествования и равенства для токенов 141
2.2.5- Теоретико-множественные операции над токенами 142
2.2.6. Алгебраические операции над токенами 143
2.2.7- Вычисление и преобразования выражений, содержащих
токены 143
Выводы ід6
З- ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МПВА -
ДИАГНОСТИЧЕСКАЯ СИСТЕМА DATAFLOW SVC
SIMULATOR 148
-
Общее описание диагностической системы 149
-
Обоснование выбора программно-аппаратной платформы 153
3-3« Архитектура ДС и принципы реализации элементов
МПВА 157
3.4« Основные элементы ДС DF SVC 159
3-4-1- Порт ввода ібо
34-2. Порт вывода 162
3-4-3- Реализация актора 164
344- Реализация валидатора і68
34-5- Реализация генератора 172
34-6. Реализация терминатора 176
34-7- Реализация информационных каналов 178
3»5» Сравнительная оценка ДС DF SVC 179
3-5-1- Основные достоинства и недостатки ДС DF SVC 179
3-5-2. Сравнение модели с существующими аналогами 183
3-5-3- Аспекты практического использования ДС 184
3-5-3-1- Ограничения применимости системы 184
3-5-3-2- Перспективы развития диагностической системы 185
Выводы 187
4. АНАЛИЗ РЕЗУЛЬТАТОВ ПРАКТИЧЕСКОГО
ПРИМЕНЕНИЯ ДС DF SVC 188
4.1. Демонстрация работы ДС на некоторых тестовых
примерах 188
4-2. Применение МПВА при контроле перепадов давления и расхода в модели системы телеметрии линейного
трубопровода _195
4-2.1. Индикация кратковременных перепадов давления 196
4.3« Анализ точности результатов расчета расхода
теплоносителя в тепловых сетях (на примере АСУ ТП
Самарских тепловых сетей) гоо
4«Ф Применение МПВА при расчете оперативных
технико-экономических параметров ТЭЦ (на примере
первого котлоагрегата Тольяттинской ТЭЦ) 209
4-4-1- Принципы функционирования подсистемы расчета
оперативных ТЭП первого котлоагрегата ТоТЭЦ 210
44-2- Поиск оптимального значения периода усреднения
текущих значений 211
4-4-3- Оценка влияния погрешности аппроксимации при
нахождении значения энтальпии 2i6
4-4-4- Контроль результатов расчета ТЭП при использовании
ручного ввода 217
Выводы 220
ЗАКЛЮЧЕНИЕ 221
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 223
Нормативно-справочные документы 253
Электронные источники и ресурсы Интернет_ 255
ПЕРЕЧЕНЬ ИСПОЛЬЗОВАННЫХ СОКРАЩЕНИЙ 265
ПЕРЕЧЕНЬ ТАБЛИЦ И ИЛЛЮСТРАЦИЙ 270
ПРИЛОЖЕНИЕ 1. ПРИМЕРЫ ДИАЛОГОВЫХ ОКОН
РАЗРАБОТАННОГО ПО 273
Ш.1. Диалоговое окно настройки генератора 273
Ш.2. Диалоговое окно настройки терминатора 273
П1.3. Диалоговое окно настройки актора 274
Ш.4- Диалоговое окно настройки валидатора 274
Ш.5- Диалоговое окно настройки канала 275
Ш.6. Диалоговое окно терминатора для вывода содержимого
токена 275
їіі.у. Диалоговое окно вспомогательной программы
SimulateTEP 276
Введение к работе
Актуальность темы диссертационной работы
Современный уровень развития вычислительной техники сформировал предпосылки для все более широкого внедрения автоматизированных систем сбора и обработки данных в различные сферы человеческой деятельности [з, 9, 31> 250]. К числу основных областей применения систем сбора и обработки данных относятся автоматизированные системы управления технологическим процессом (АСУ ТП), автоматизированные системы научных исследований (АСНИ), автоматизированные системы технологической подготовки производства (АСТПП), автоматизированные системы контроля и испытаний (АСК) образцов новой техники. Активное внедрение систем сбора и обработки информации (ССОИ) продиктовано необходимостью повышения безопасности эксплуатации технических объектов, надежности работы информационно-измерительного оборудования и объекта в целом, экономичности и эффективности управления, сокращения обслуживающего персонала [104, ю8].
Множество важных объектов автоматизации, например, таких как электростанции, нефтеперерабатывающие установки, продуктопроводы, испытательные комплексы, характеризуется не только высокой сложностью, но и значительной географической протяженностью. В настоящее время общепринятым и единственно правильным подходом к автоматизации упомянутых систем является применение распределенных ССОИ (РССОИ), нацеленных на уход от жестко централизованного иерархического принципа организации и на рассредоточение информации по местам ее хранения и обработки [15, 52, 8i, 119, 127, 133» 143> І44І что повышает и без того высокую сложность ССОИ.
Насыщенность современных автоматизированных систем, измеряемая объемом информации, которую они производят, часто уже превосходит возможности людей по анализу этой информации [299]-Известные аварии и катастрофы в промышленности и энергетике связываются с перегрузкой операторов и/или с недостаточным качеством проектирования систем сбора и обработки данных [32, 289]. В связи с этим при эксплуатации систем автоматизации крайне важно иметь актуальные оценки их основных технико-экономических характеристик, таких как достоверность получаемых результатов, вероятность потери информации, своевременность фиксации измеряемых параметров и формирования управляющих воздействий, информационная нагрузка системы.
Практически все данные, обрабатываемые в РССОИ, априори являются нечеткими (англ. uncertain). Под нечеткостью всюду в данной работе понимается невозможность точной фиксации значения параметра и момента проведения измерения, являющаяся следствием неизбежных погрешностей измерений и вычислений, а также асинхронной природы информационных потоков распределенных систем. Характеристики многих технических систем (точность измерительного оборудования и периодичность обновления данных) позволяют сделать нечеткость данных пренебрежимо малой и не рассматривать ее вовсе. К сожалению, для многих индустриальных РССОИ это не так.
До последнего времени традиционно рассматривался лишь один критерий качества данных — их точность, выражаемая, как правило, в терминах погрешности. Между тем, для современных РССОИ характерны неполнота и недоопределенность информации об объекте автоматизации [8, 15, 33, 40, 42, 47, 71, 286], нетривиальные, трудноанализируемые взаимосвязи между параметрами объекта [иб, 124, іЗ1]? неустранимые измерительные, вычислительные и апертурные погрешности [16, 25, 36, 38, 46, 50, 54, 64, 82, 86, 87, 95, П5, пб, П9,132, 142, 148, 149> Ю7, 231, 245], эффекты деградации измерительной аппаратуры [33, 122], влияние асинхронности работы отдельных подсистем [іб, 25, 36, 38, 46, 82, 86]. В связи с этим, важным условием, во многом определяющим безопасность, надежность и эффективность функционирования РССОИ, является возможность контроля качества всех рабочих данных: от результатов измерений и констант модели объекта до итогов работы расчетных алгоритмов в системе [і2і]. По этой причине для повышения безопасности и эффективности эксплуатации объектов автоматизации разработчики ССОИ все чаще вынуждены решать новую для данной предметной области задачу — задачу интерпретации получаемых результатов и установления их истинности (т.е. верификации, валидации) [22].
В свете господствующего мнения, порожденного декартовой рационалистской методологией, традиционно существует тенденция отвергать такие аспекты информации как неясность, неопределенность, нечеткость и неточность из-за их ненаучной или иррациональной концепции [128]. Однако в реальных информационных и технических системах зачастую не удается избежать проблем учета неточной или недостоверной информации о событиях, процессах, явлениях.
В последние несколько лет активные исследования ведутся в области создания так называемых датчиков с автовалидацией, предоставляющих помимо значения измеряемой величины оценку точности и надежности полученного результата. Данной тематике посвящены работы исследователей Оксфордского университета, национальной лаборатории моделирования эксплуатационных условий Айдахо, корпораций Foxboro и AccuTru. Некоторые практические результаты проводимых исследований уже запатентованы в США и отражены в официальном Британском стандарте, а сама технология в настоящее время расценивается как очень перспективная и многообещающая.
К сожалению, модели, на основе которых в настоящее время организуются вычисления в РССОИ, не подразумевают использования никаких оценок качества обрабатываемых данных кроме погрешности. При этом включение в РССОИ любых иных механизмов контроля качества данных невозможно без существенного изменения принципов выполнения вычислений, что для крупных объектов и объектов непрерывного цикла сопряжено с чрезвычайными трудностями. Альтернативным вариантом организации контроля качества данных в РССОИ без ее значительной переделки может служить создание отдельной, основанной на методах мягких вычислений диагностической системы, работающей совместно с существующей РССОИ. Данный подход позволяет производить мониторинг достоверности большей части потоков оперативных данных РССОИ при минимуме затрат на доработку системы в целом.
Таким образом, можно утверждать, что создание модели вычислений, обеспечивающей автоматический контроль достоверности данных в РССОИ, а также реализация данной модели в форме диагностической системы является важной научно-технической проблемой.
Краткий анализ известных методов организации вычислений в РССОИ и обоснование принятого подхода к решению проблемы. В настоящее время разработано немало методов, позволяющих осуществлять контроль качества данных в вычислительных системах. Среди наиболее известных можно перечислить традиционный анализ погрешностей, вероятностные методы, вычисления с управляемой точностью [78, 190, 226, 235> 237> 238], нечеткую логику [58], Н-модели [90], экспертные системы [8о, 197> 204], аппроксиметику [153L вычисления и измерения с автовалидацией [6, 62,155,162,167, і68,176, і88, 20б, 210-212, 230, 234, 237> 243> 257> 3*8], семантический контроль данных. Анализ применимости данных методов для организации вычислений в РССОИ показывает, что большинство из них не адекватны специфике распределенных систем. В частности, применение классического анализа погрешностей недопустимо трудоемко [87, 243] Использованию вероятностных методов препятствует сложность или принципиальная невозможность четкого определения законов распределения вероятностей параметров объекта автоматизации и нестационарность протекающих в нем процессов [8, 6о]. Вычисления с управляемой точностью требуют значительных ресурсов [235, 236] и позволяют контролировать и минимизировать лишь вычислительные ошибки, не предоставляя методов анализа влияния точности исходных данных. Программирование в ограничениях и механизм Н-моделей более уместен в задачах исследовательского плана, например, при моделировании физических систем, описании химических процессов, в CAD-системах [239]- Экспертные системы не имеют достаточно разработанной методологии их применения в системах реального времени [из]. Аппроксиметика позволяет оценить лишь порядок точности получаемых результатов [153L к тому же она еще не прошла апробирование в рамках реальных РССОИ. Подробнее достоинства и недостатки используемых в настоящее время методов рассматриваются в разделе 1.3-
Резюмируя сказанное, можно сделать вывод, что далеко не все существующие в настоящее время подходы к организации контроля данных в вычислительных системах могут быть эффективно использованы в РССОИ. Среди оставшихся подходов следует выделить вычисления с автовалидацией, семантический контроль данных и методы нечеткой логики, которые, как показывает анализ, адекватны специфике РССОИ и с успехом могут применяться для организации контроля качества используемых данных [119-121,141-149]-
Принято считать, что начало широкому применению методов, объединяемых термином "вычисления с автовалидацией", было положено в бо-х годах прошлого столетия работами американского исследователя Р. Мура, разработавшего интервальную арифметику. Две основные идеи данного подхода — представление всех величин более сложными, чем вещественные числа, объектами и автоматический контроль точности результатов всех операций — оказались очень плодотворными и послужили толчком к созданию целого ряда моделей вычислений. Различными аспектами задачи организации вычислений с автовалидацией занимались многие российские и зарубежные ученые: Ю.И. Шокин, В.Я. Крейнович, А.Г. Яковлев, З.Х. Юлдашев, С.А. Калмыков, С. Марков, Р. Мур, Ж. Столфи, Б. Кеарфотт, Р. Янг, М. Шульте, Д. Корлисс, Д. Берлеант и другие.
Сочетая в себе концептуальную простоту со строгостью получаемых результатов, методы вычислений с автовалидацией как нельзя лучше подходят для обеспечения контроля качества данных в РССОИ. Тем не менее, вопросы применения методов вычислений с автовалидацией при организации обработки данных в современных РССОИ оказались недостаточно проработаны в силу новизны используемой концепции построения РССОИ и проблем, возникающих при эксплуатации распределенных систем. В связи с этим разработка концептуальной и математической моделей и реализация программного комплекса автовалидации потоков нечетких данных в РССОИ представляются важными и актуальными научно-практическими задачами.
Серьезной проблемой, возникающей при анализе данных РССОИ, является учет влияния асинхронности функционирования отдельных составляющих системы, обусловленной распределенной структурой используемых программно-технических средств. Ни один из известных на сегодняшний день методов вычислений с автовалидацией не
13 предоставляет средств для контроля апертурных погрешностей, возникающих при проведении вычислений над данными, соответствующими различным моментам времени. В связи с этим представляется целесообразным, используя идеи вычислений с автовалидацией, создать новую модель вычислений, позволяющую эффективно оценивать качество циркулирующих в РССОИ данных, принимая во внимание измерительные, вычислительные и апертурные погрешности. Основная цель разработки данной модели — создание теоретической основы для реализации диагностической системы, позволяющей осуществлять мониторинг качества данных в реально действующих РССОИ.
Исключительно важной задачей на пути к созданию необходимой модели вычислений и реализующей ее диагностической системы, служит выбор эффективного и универсального механизма синхронизации и информационного взаимодействия компонентов распределенной вычислительной системы. Проведенный анализ известных теоретических подходов к организации распределенных систем позволяет сделать вывод о целесообразности использования методов потокоориентированных вычислений, которые считаются наиболее адекватными для построения надежных структур информационных процессов РССОИ [15, 68]. Общая идея потокоориентированного программирования заключается в том, что процесс вычислений управляется потоком данных, команды исполняются по мере прихода к ним всех необходимых операндов, а данные (операнды) возникают либо как исходные (входные) данные программы, либо как результат исполнения предыдущих команд.
Начало исследованиям в области потоковых вычислений положили Деннис (J.B.Dennis), России (J.B.Rossin) и Линдерман (J.P.Linderman) в начале 70-х годов, позднее работы в данном направлении были продолжены такими исследователями, как А.А. Бере,
14 Р.Карп (БШ.Кагр) Р.Миллер (R.E.Miller), Д. Адамс (D.A.Adams), И. Родригес (LE.Rodriguez), А. Дейвис (AX.Davis), а также российскими учеными А.В. Баландиным, А.П. Колоссовским, С.Б.Поповым и др. В силу своей простоты и элегантности потоковые модели послужили объектом множества исследований, в ходе которых было показано, что они могут с большим успехом использоваться при построении распределенных систем обработки данных [68, юб], а также выступать в роли общесистемного способа межпроцессного взаимодействия в распределенных вычислительных комплексах [15].
Принимая во внимание перечисленные факторы можно прийти к выводу о целесообразности разработки концептуальной, математической и программной моделей вычислений, позволяющих контролировать качество используемых данных и результатов расчетов, а также совмещающих преимущества методов автовалидации и потоковой обработки данных.
Цель работы: разработка методов контроля достоверности потоков нечетких данных в распределенных системах сбора и обработки информации.
Постановка задачи. Для достижения поставленной цели необходимо решить следующие основные задачи:
Анализ особенностей современных РССОИ. Изучение применимости известных методов работы с нечеткими данными для организации вычислений в РССОИ.
Построение модели потоковых вычислений с автовалидацией для РССОИ, обеспечивающей возможности автоматического получения интервальных оценок всех данных, учета эффекта устаревания, контроля семантических ограничений.
3- Разработка правил вычислений над потоками нечетких данных. 4. Создание программного комплекса потоковых вычислений с автовалидацией для контроля достоверности данных в РССОИ.
15 5. Анализ результатов применения программного диагностического комплекса на модельных примерах и в составе реально действующих РССОИ.
Структура и краткое содержание диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных источников, справочно-сопроводительных материалов и приложений.
В первой главе дается краткое описание принципов построения и функционирования ССОИ в целом и РССОИ в частности, выявляются и анализируются специфические особенности и недостатки современных РССОИ. Проводится анализ влияния ограниченной точности и достоверности данных на результаты работы РССОИ. Формулируется проблема построения модели вычислений, адекватной специфике РССОИ и обеспечивающей контроль качества используемых данных. Рассматриваются известные методы организации распределенных систем и методы контроля точности и/или достоверности данных.
Вторая глава посвящена описанию концептуальной и математической МПВА. В ней излагаются принципы организации МПВА и ее компонентов. Приводится описание алгоритмов работы элементов МПВА, методов их взаимодействия друг с другом и с внешней вычислительной средой. Вводится определение основной информационной единицы МПВА — токена, разъясняется его формат и семантика. Рассматриваются правила сравнения и выполнения алгебраических операций для токенов и их компонентов. Формулируются и обосновываются правила вычисления и преобразования выражений, содержащих токены, выводятся основные свойства арифметики токенов.
В третьей главе приводится детальное описание программной реализации МПВА — диагностической системы для РССОИ DF SVC Simulator. Помимо описания диагностической системы, ее архитектуры и принципов реализации всех основных элементов МПВА дается обоснование выбора программно-аппаратной платформы и приводится сравнительная оценка ДС DF SVC Simulator. Очерчиваются ограничения области применимости системы, описываются перспективы ее дальнейшего развития и усовершенствования.
В заключительной, четвертой главе анализируются результаты практического применения диагностической системы DF SVC Simulator и лежащей в ее основе МПВА. Приводятся данные, полученные в результате апробирования системы как на тестовых примерах и модели системы телеметрии трубопровода, так и в составе реальных РССОИ: системы отображения информации для диспетчерского щита Самарских тепловых сетей, системы расчета технико-экономических параметров первого блока Тольяттинской ТЭЦ. Поясняются преимущества выбранного подхода и демонстрируется адекватность получаемых оценок качества данных.
В заключении в сжатом виде излагается суть основных результатов диссертационного исследования, и формулируются обобщающие выводы. Список использованных источников включает 284 печатные работы и 65 электронных ресурсов.
В конце текста диссертации приведены справочно-сопроводительные материалы: перечень использованных сокращений, перечень таблиц и иллюстраций. В приложения вынесены примеры диалоговых окон диагностической системы.
Основные результаты диссертации опубликованы в работах [119-121,141-149]. Работы [141-147] написаны автором лично, в работах [119-121,148,149] задача синтеза модели, позволяющей учитывать точность и достоверность данных в РССОИ, в постановочном плане рассматривалась совместно с научным руководителем, к.т.н., доц. Сидоровым А.А., все остальные включенные в работу результаты получены автором лично.
Новизна полученных в работе результатов заключается в следующем:
Для РССОИ предложена оригинальная модель потоковых вычислений с автовалидацией (МПВА), позволяющая автоматически получать интервальные оценки всех данных, учитывать эффект устаревания и производить контроль семантических ограничений. В рамках этой модели впервые поставлена и решена задача совместного применения принципов потоковой обработки и методов автовалидации.
Для организации вычислений над потоками нечетких данных предложен новый формат информационной единицы (токена). Разработаны основы арифметики токенов, исследованы ее основные свойства.
3- Разработан программный диагностический комплекс, позволяющий в режиме реального времени осуществлять контроль достоверности потоков данных в РССОИ, без внесения изменений в аппаратное и программное обеспечение исследуемых систем. На защиту выносятся следующие основные результаты: разработанная модель адекватна специфике РССОИ, позволяет автоматически получать интервальные оценки всех данных, учитывать эффект устаревания, контролировать семантические ограничения; арифметика токенов для обработки нечетких данных; программный диагностический комплекс для РССОИ DF SVC.
