Разработка методов и алгоритмов оценки надежности сетей телекоммуникации на основе нейронных сетей

Размещено на http://www.allbest.ru/

ГОСУДАРСТВЕННЫЙ КОМИТЕТ СВЯЗИ,

ИНФОРМАТИЗАЦИИ И ТЕЛЕКОММУНИКАЦИОННЫХ

ТЕХНОЛОГИЙ РЕСПУБЛИКИ УЗБЕКИСТАН

ТАШКЕНТСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Диссертация на соискание академической степени магистра

Разработка методов и алгоритмов оценки надежности сетей телекоммуникации на основе нейронных сетей

5A330201 - Компьютерные системы и их программное обеспечение

МАЯКУПОВ ЖАМШИД КУРБАНАЛИЕВИЧ

Научный руководитель

академик Камилов М. М.

Ташкент 2013



Аннотация

Настоящая диссертационная работа посвящена исследованию современных методов и алгоритмов оценки надежности телекоммуникационных сетей, разработке и созданию методов и алгоритмов оценки надежности с помощью нейронных сетей, а также оптимизации работы нейронной сети путем модификации программного кода и параметров системы.

Актуальность исследования. На сегодняшний день, трудно представить нашу жизнь без средств связи и телекоммуникации. Телекоммуникация стало неотъемлемой частью жизни каждого из нас. И мы пользуемся их возможностями практический везде. Мы знаем что наш век, век информационных технологий (ИТ), время когда ИТ развиваются высокими темпами, и охватывает все сферы жизни. Рост размерности технических и программных средств характеризуется в настоящее время роста телекоммуникационных сетей, включающим от тысячи до миллиона элементов - узлов и каналов взаимодействия. С ростом размерности сети происходит радикальное перераспределение важности решения различных классов задач разработки и эксплуатации подобных объектов. Резко возрастает значимость анализа надежности таких сетей. Таким образом очень важной становится задача, посвященная разработке методов и алгоритмов оценки надежности телекоммуникационных сетей.

Объект и предмет исследования. Объектом исследования являются нейро-информационные методы диагностики систем на основе нейронных сетей, методика и средства вычислительного эксперимента по оценке корректности, достоверности и эффективности построенных моделей и алгоритмов. Предметом исследования является методы оценки надежности систем, модели и алгоритмы.

Цель и задачи исследования. Основной целью исследований является разработка методов и алгоритмов оценки надежности на основе нейронных сетей.

Для достижения поставленной цели в работе решаются следующие задачи:

- Обзор существующих методов и алгоритмов оценки надежности систем.

- Сравнительный анализ существующего программного обеспечения.

- Разработка методов и алгоритмов оценки надежности телекоммуникационных сетей на основе нейронных сетей.

- Анализ существующее состояние проблемы разработки моделей оценки и нейронных методов обработки информации при их оптимальном управлении для решения задач сетей телекоммуникации;

- Решение задач оценки надежности телекоммуникационных сетей с использованием нейронных сетей.

Методы исследования. В работе используются методы математического и структурного анализа, оптимизации программного кода, задействован математический аппарат для моделирования процессов нейронных сетей.

Научная новизна данной работы заключается в том, что в ходе исследований и разработки программного обеспечения были разработаны новые методы анализа и оптимизации работы системы путем внесения изменения в существующие методы и алгоритмы.

Научно-теоретическая и практическая значимость. Разработанная система методик позволяет оптимальным образом построить и настроить нейронные сети для оценки надежности телекоммуникационных сетей. Разработанное программное обеспечение может быть использовано в аналогичных системах для диагностики и прогнозирования, а также для обеспечения стабильности.

Структура и объём магистерской диссертационной работы. Данная диссертационная работа состоит из введения, трех глав, заключения, трех приложений и библиографического списка из 42 наименований. Работа изложена на 86 страницах, включая 1 таблицу и 19 рисунков.

В ходе выполнения диссертационной работы получены следующие результаты:

1. Исследование современное состояние оценки надежности систем позволяет решать задачу оценки системы при необходимом уровне достоверности.

2. При построении нейронных сетей для оценки надежности сети надо предварительно подготовить входные данные и привести их одному виду. Данные должны быть достоверными и обоснованными для получения реальные показатели надежности.

3. Количество нейронов в нейронном слою надо подобрать оптимальным образом. Так как повышения количество нейронов замедляет работы ПО, а понижения увеличивает искажения. При повышении количество нейронов больше 5 на одно измерения ПО обучения производилось очень долго так как количество нейронов внутреннем слое достигало 390625 шт. Обучения производилась более 15 тыс. данными.

4. Классы было условно разделено на 5 (A, B, C, D, E). Но можно менять количество классов на большее количество или на меньшее.

5. Алгоритм можно усложнить и модифицировать для получения болеелучших результатов и ускорить обучение сети.



Содержание

Введение

1. Анализ сушествующих меотдов для оценки надежности

1.1 Надежность телекоммуникационных сетей

1.2 Изучение существующих методов и программных средств для решения данной задачи

1.3 Задача классификации в нейронных сетях

Выводы по главе I

2. Оценка надежности сети на основе нейронных сетей

2.1 Нейронные сети Кохонена

2.2 Сети векторного квантования, обучаемые с учителем

2.3 Задачи для реализации метода

2.4 Формирование входных данных для нейронной сети

2.5 Конструирование, обучение и оценка качества сети

Выводы по главе II

3. Реализация алгоритма и программы оценки надежности телекоммуникационных сетей с помощью нейронных сетей

3.1 Алгоритм обучения сети

3.2 Архитектура нейронной сети Кохонена

3.3 Сбор исходных данных для обучения и тестирования

3.4 Реализация алгоритма нейронной сети для оценки надежности телекоммуникационных сетей

3.5 Результаты программы

Выводы по главе III

Заключение

Библиографический список

Приложение



Введение

нейронный сеть телекоммуникационный надежность

Настоящая диссертационная работа посвящена исследованию современных методов и алгоритмов оценки надежности телекоммуникационных сетей, разработке и созданию методов и алгоритмов оценки надежности с помощью нейронных сетей, а также оптимизации работы нейронной сети путем модификации программного кода и параметров системы.

Актуальность исследований

На сегодняшний день, трудно представить нашу жизнь без средств связи и телекоммуникации. Телекоммуникация стало неотъемлемой частью жизни каждого из нас. И мы пользуемся их возможностями практический везде. Мы знаем что наш век, век информационных технологий (ИТ), время когда ИТ развиваются высокими темпами, и охватывает все сферы жизни. Рост размерности технических и программных средств характеризуется в настоящее время роста телекоммуникационных сетей, включающим от тысячи до миллиона элементов - узлов и каналов взаимодействия. С ростом размерности сети происходит радикальное перераспределение важности решения различных классов задач разработки и эксплуатации подобных объектов. Резко возрастает значимость анализа надежности таких сетей. Таким образом очень важной становится задача, посвященная разработке методов и алгоритмов оценки надежности телекоммуникационных сетей.

В нашей Республике для развития ИТ сферы были приняты ряд законодательных документов, как Указ Президента Республики Узбекистан от 30 мая 2002г. № УП-3080 «О дальнейшем развитии компьютеризации и внедрении информационно-коммуникационных технологий» и в целях обеспечения практических мер по реализации стратегических приоритетов в области информационно-коммуникационных технологий принято Постановление Кабинета Министров Республики Узбекистан № 200 от 6 июня 2006г. «О мерах по дальнейшему развитию компьютеризации и внедрению информационно-коммуникационных технологий».

Приняты основополагающие Законы Республики Узбекистан «Об информатизации», «Об электронной цифровой подписи» и «Об электронном документообороте». В Законе Республики Узбекистан «Об электронной цифровой подписи» принято понятие электронный документ - информация, зафиксированная в электронной форме, подтвержденная электронной цифровой подписью и имеющая другие реквизиты электронного документа, позволяющая его идентифицировать.

В Законе «Об информатизации» впервые принято понятие о собственнике информационных ресурсов или информационных систем, а также о владельце информационных ресурсов или информационных систем. Информационный ресурс в электронной форме стал основой для развития информатизации в государственных органах управления и власти, а также в секторах экономики страны и в других структурах. Информационные ресурсы и информационные системы должны формироваться на основе использования информации в электронном виде и эта информация при выполнении вышеуказанных требований может называться электронным документом.

АК «Узбектелеком» является крупнейшим оператором телекоммуникаций, который охватывает своей сетью всю территорию Республики Узбекистан. В целях дальнейшего развития телекоммуникационных сетей и внедрения современных услуг в 2012 году она осуществила ряд крупных инвестиционных проектов и продолжит работы в этом направлении. Так, в рамках реализации инвестиционной программы Республики Узбекистан на 2012 год было построено и сдано в эксплуатацию 175 километров оптико-волоконных линий связи в направлениях Бойсун-Денов и Ургут-Шахрисабз. Была увеличена емкость международных коммуникационных центров в 2 раза, а пропускная способность центра Международной пакетной коммуникации - в 4 раза. Это позволило увеличить скорость соединения с интернетом до 40 Гбит/с и число его пользователей, а также снизить стоимость тарифов на услуги.

Для оказания современных телекоммуникационных услуг населению и повышения качества оказываемых услуг на основе технологий нового поколения сетей (NGN) была осуществлена модернизация коммутационных станций, эксплуатируемых в местных телекоммуникационных сетях. В целях развития услуг мобильной связи, в частности, организации передачи широкополосных данных через мобильные сети стандарта CDMA было установлено 140 базовых станций и построено 5 коммутационных центров. По итогам реализации данного проекта уровень охвата населения сетью достиг 71 процент.

На сегодняшний день со стороны филиала «ТШТТ» проложено 598,8 км волоконно-оптических линий связи до 2 075 зданий. В 873 зданиях города Ташкента создана возможность оказания услуг населению с емкостью 22 344 портов на основе технологии FTTB.

Объектом исследования является телекоммуникационные сети, средства обеспечения надежности работы телекоммуникационных систем и их узлов.

Предметом исследования является методы оценки надежности систем, модели и алгоритмы на основе нейронных сетей.

Основной целью исследований является разработка методов и алгоритмов оценки надежности на основе нейронных сетей.

Постановка задачи:

Основные результаты исследований сводятся к следующему:

- Обзор существующих методов и алгоритмов оценки надежности систем.

- Сравнительный анализ существующего программного обеспечения.

- Разработать методы и алгоритмы оценки надежности телекоммуникационных сетей на основе нейронных сетей.

- Анализировать существующее состояние проблемы разработки моделей оценки и нейронных методов обработки информации при их оптимальном управлении для решения задач сетей телекоммуникации;

- Решить задачи оценки надежности телекоммуникационных сетей с использованием нейронных сетей.

Основная проблема и гипотеза исследования. Основной проблемой в исследовании является задача разработки совокупности методик для оценки надежности телекоммуникационных сетей с использованием нейронных сетей. Гипотеза для решения данной проблемы заключается в том, что для построения такой системы необходим комплексный подход в выборе нейронных сетей, анализе их структуры, быстродействия и стабильности, модификации программного кода и разработке дополнительного программного обеспечения.

Методы исследования. В работе используются методы математического и структурного анализа, оптимизации программного кода, задействован математический аппарат для моделирования процессов.

Научно-теоретическая и практическая значимость исследования. Разработанная система методик позволяет оптимальным образом построить и настроить нейронные сети для оценки надежности телекоммуникационных сетей. Разработанное программное обеспечение может быть использовано в аналогичных системах для диагностики и прогнозирования, а также для обеспечения стабильности.

Научная новизна данной работы заключается в том, что в ходе исследований и разработки программного обеспечения были разработаны новые методы оценки надежности системы путем внесения изменения в существующие методы и алгоритмы.

Структура работы. Данная диссертационная работа состоит из введения, трех глав, заключения, трех приложений и библиографического списка из 42 наименований. Работа изложена на 86 страницах, включая 1 таблицу и 19 рисунков.

Во введении рассмотрена актуальность данной работы, определена цель, поставлены задачи, описана структура работы.

В первой главе проведен анализ современных технологий по оценке надежности систем, приведена методы и их описания, анализ существующего программного обеспечения для оценки надежности, определены требования к разрабатываемой системе.

Во второй главе проведено исследование математического обеспечения нейронных сетей. Подробно изучены процессы формирования входных данных, обучения, структуры нейронной сети.

В третьей главе разработана и реализована методика оценки надежности телекоммуникационных сетей. Разработаны методы и приемы оптимизации работы и обеспечения стабильности системы. Описана программная реализация разработанных методов и приемов оптимизации работы системы, программная реализация дополнительного программного обеспечения, структура нейронной сети оценки надежности. Произведен анализ полученных результатов. Подведены итоги исследований.

В заключении приведен краткий отчет о проделанной работе.

Апробация работы Основные результаты исследований докладывались на международной научной конференции «Проблемы повышения качества кадров для отраслей связи и информатизации».

Опубликованность результатов. Основные результаты диссертации опубликованы в виде научных статей, материалов конференций. Список публикаций приведен в списке литературы.

1. Анализ сушествующих меотдов для оценки надежности

В данной главе, в результате обзора информационных источнков, проведены опорные понятия, анализ принципов оценки надежности и сравнительный анализ существующих программных продуктов для реализации системы мультимедийного вещания.

Появление глобальной "сети сетей" Internet и растущее громадными темпами количество ее пользователей (15% ежемесячно; в 1998 году ожидается 100 миллионов; с августа 1997 года по январь 1998-го, по данным компании Relevant Knowledge, число только американских пользователей WWW увеличилось на 10 миллионов) становится планетарным явлением, которое может привести даже к социальным изменениям.

Другими словами, мировое сообщество приближается к такой степени зависимости своего существования от функционирования информационных сетей, которая сравнима с зависимостью от систем обеспечения электроэнергией. Это кроме очевидных достоинств имеет и обратную сторону. Отказ сети связи может иметь последствия, превосходящие последствия аварий энергосистемы. В связи с этим проблема оценки и обеспечения надежности сетей является актуальной.

1.1 Надежность телекоммуникационных сетей

Термин телекоммуникации состоит из двух слов: теле (в переводе с греческого означает - "далеко") и коммуникация (в переводе с латыни - "сообщение, связь") и означает "дальняя связь" или "связь, сообщение на расстоянии".

Телекоммуникации - это любые формы связи, способы передачи информации на большие расстояния. Телекоммуникации - это также процессы передачи, получения и обработки информации на расстоянии с применением электронных, электромагнитных, сетевых, компьютерных и информационных технологий.

Знания и умения специалиста по телекоммуникационным технологиям примерно наполовину - это информационные технологии (программирование, настройка, конфигурирование, использование телекоммуникационных систем, оборудования, протоколов связи) и наполовину - знание принципов работы, умение проектировать телекоммуникационное оборудование, устройства и системы.

Основными отраслями телекоммуникаций на сегодняшний день являются: Интернет, мобильная связь, сети передачи данных (беспроводные, оптоволоконные и т.д.), спутниковые системы связи, цифровое и аналоговое телевидение, телефонная связь, электронный банкинг (см. рисунок).

Рис. 1 Диаграмма телекоммуникации

По данным ЮНЕСКО, в настоящее время более половины трудоспособного населения развитых стран прямо или косвенно принимает участие в процессе производства и распределения информации. Три ведущие отрасли информационного сектора общественного производства (вычислительная техника, промышленная электроника и связь) играют сейчас для этих стран ту же роль, которую на этапе их индустриализации играла тяжелая промышленность.

Надежность - это свойство объекта (системы), заключающееся в его способности выполнять заданные функции при определенных условиях эксплуатации. Количественно надежность характеризуется рядом показателей, состав и способ определения которых зависят от типа анализируемой системы.

Теория надежности является основой инженерной практики в области надежности технических изделий. Часто безотказность определяют как вероятность того, что изделие будет выполнять свои функции на определенном периоде времени при заданных условиях. Математически это можно записать следующим образом:

,

где - функция плотности времени наработки до отказа, а t - продолжительность периода времени функционирования изделия, в предположении, что изделие начинает работать в момент времени t=0. Теория надежности предполагает следующие четыре основных допущения:

- Отказ рассматривается как случайное событие. Причины отказов, соотношения между отказами (за исключением того, что вероятность отказа есть функция времени) задаются функцией распределения. Инженерный подход к надежности рассматривает вероятность безотказной работы как оценку на определенном статистическом доверительном уровне.

- Надежность системы тесно связана с понятием «заданная функция системы». В основном, рассматривается режим работы без отказов. Однако, если в отдельных частях системы нет отказов, но система в целом не выполняет заданных функций, то это относится к техническим требованиям к системе, а не к показателям надежности.

- Надежность системы может рассматриваться на определенном отрезке времени. На практике это означает, что система имеет шанс (вероятность) функционировать это время без отказов. Характеристики (показатели) надежности гарантируют, что компоненты и материалы будут соответствовать требованиям на заданном отрезке времени. В общем случае надежность относится к понятию «наработка», которое в зависимости от назначения системы и условий ее применения определяет продолжительность или объем работы. Наработка может быть как непрерывной величиной (продолжительность работы в часах, километраж пробега в милях или километрах и т.п.), так и целочисленной величиной (число рабочих циклов, запусков, выстрелов оружия и т.п.).

- Согласно определению, надежность рассматривается относительно заданных режимов и условий применения. Это ограничение необходимо, так как невозможно создать систему, которая способна работать в любых условиях. Внешние условия функционирования системы должны быть известны на этапе проектирования.

Методы оценки надежности существует не первый день. Рассмотрим некоторые из них:

1. Структурные методы расчета надежности.

Структурные методы являются основными методами расчета показателей надежности в процессе проектирования объектов, поддающихся разукрупнению на элементы, характеристики надежности, которых в момент проведения расчетов известны или могут быть определены другими методами. Расчет показателей надежности структурными методами в общем случае включает:

- представление объекта в виде структурной схемы, описывающей логические соотношения между состояниями элементов и объекта в целом с учетом структурно-функциональных связей и взаимодействия элементов, принятой стратегии обслуживания, видов и способов резервирования и других факторов;

- описание построенной структурной схемы надежности объекта адекватной математической моделью, позволяющей в рамках введенных предположений и допущений вычислить показатели надежности объекта по данным о надежности его элементов в рассматриваемых условиях применения.

В качестве структурных схем надежности могут применяться:

- схемы функциональной целостности;

- структурные блок-схемы надежности;

- деревья отказов;

- графы состояний и переходов.

2. Логико-вероятностный метод.

В логико-вероятностных методах (ЛВМ) исходная постановка задачи и построение модели функционирования исследуемого системного объекта или процесса осуществляется структурными и аналитическими средствами математической логики, а расчет показателей свойств надежности, живучести и безопасности выполняется средствами теории вероятностей.

ЛВМ являются методологией анализа структурно-сложных систем, решения системных задач организованной сложности, оценки и анализа надежности, безопасности и риска технических систем. ЛВМ удобны для исходной формализованной постановки задач в форме структурного описания исследуемых свойств функционирования сложных и высоко-размерных систем. В ЛВМ разработаны процедуры преобразования исходных структурных моделей в искомые расчетные математические модели, что позволяет выполнить их алгоритмизацию и реализацию на ЭВМ.

3. Общий логико-вероятностный метод.

Необходимость распространения ЛВМ на немонотонные процессы привела к созданию общего логико-вероятностного метода (ОЛВМ). В ОЛВМ расчета надежности аппарат математической логики используется для первичного графического и аналитического описания условий реализации функций отдельными и группами элементов в проектируемой системе, а методы теории вероятностей и комбинаторики применяются для количественной оценки безотказности и/или опасности функционирования проектируемой системы в целом. Для использования ОЛВМ должны задаваться специальные структурные схемы функциональной целостности исследуемых систем, логические критерии их функционирования, вероятностные и другие параметры элементов.

В основе постановки и решения всех задач моделирования и расчета надежности систем с помощью ОЛВМ лежит так называемый событийно-логический подход. Этот подход предусматривает последовательное выполнение следующих четырех основных этапов ОЛВМ:

- этап структурно-логической постановки задачи;

- этап логического моделирования;

- этап вероятностного моделирования;

- этап выполнения расчетов показателей надежности.

4. Метод деревьев отказов.

5. Метод Марковского моделирования.

Программные средства, предназначенные для анализа и расчета надежности, готовности и ремонтопригодности (в алфавитном порядке):

- АРБИТР

- АРМ Надежности

- АСОНИКА-К

- AnyGraph

- CRISS

- BlockSim

- ITEM Software

- Reliability Workbench

- Windchill



1.2 Изучение существующих методов и программных средств для решения данной задачи

Программный комплекс АРБИТР.

АРБИТР - это программный комплекс «Автоматизированного Расчета Безопасности И Технического Риска». В настоящее время ПК АРБИТР позволяет автоматически строить математические модели и рассчитывать показатели свойств надежности, стойкости, живучести, устойчивости, технического риска, ожидаемого ущерба и эффективности, а также решать задачи оптимизации надежности. Предназначен для инженеров-проектировщиков, работающих в различных отраслях промышленности, для проведения научных исследований и организации учебного процесса.

Рис. 2 Интерфейс программы АРБИТР

Предыдущие названия программного комплекса: ПК "АСМ", ПК "АСМ 2001", ПК "АСМ СЗМА".

Программный комплекс ПК АРБИТР был аттестован в "Совете по аттестации программных средств" Научно-технического центра по ядерной и радиационной безопасности (НТЦ ЯРБ) Федеральной службы по экологическому, технологическому и атомному надзору (Ростехнадзор) РФ. АРБИТР аттестован 21 февраля 2007 г. сроком на 10 лет и разрешен к применению на предприятиях Ростехнадзора РФ.

Теоретической основой программного комплекса является общий логико-вероятностный метод. В качестве графического средства описания функционирования систем используется схема функциональной целостности.

Основные возможности

- представление в исходной СФЦ (в суперграфе СФЦ) до 400 элементов (вершин) и до 100 элементов в каждой декомпозированной вершине (подграфах СФЦ) основного графа исследуемой системы (т.е. возможность ввода до 40 000 вершин);

- автоматическое построение логических функций, представляющих кратчайшие пути успешного функционирования (КПУФ), минимальные сечения отказов (МСО) или их немонотонные комбинации (явные детерминированные модели исследуемых свойств системы);

- автоматическое построение вероятностных функций, обеспечивающих точный расчет показателей устойчивости, эффективности и риска исследуемых систем;

- расчет вероятности реализации заданных критериев, представляющих свойства устойчивости (надежности, стойкости, живучести) и безопасности (технического риска, вероятностей возникновения аварийных ситуаций и аварий) систем;

- расчет вероятности безотказной работы или отказа и средней наработки до отказа невосстанавливаемых систем;

- расчет коэффициента готовности, средней наработки на отказ, среднего времени восстановления и вероятности безотказной работы восстанавливаемых систем;

- расчет вероятности готовности смешанных систем, состоящих из восстанавливаемых и невосстанавливаемых элементов;

- расчет значимостей, положительных и отрицательных вкладов всех элементов исследуемой системы в вероятность реализации исследуемого свойства, используемые для выработки и обоснования управленческих решений по обеспечению устойчивости, живучести, безопасности эффективности и риска функционирования;

- вспомогательный режим приближенных расчетов, которые выполняются по двум методикам: для независимых отказов элементов (аналог методики, используемой в комплексах "Risk Spectrum", Швеция) и "Saphire-7" (США)), и с учётом трех типов отказов элементов - "отказ на требование", "отказ в режиме работы" и "скрытый отказ в режиме ожидания" (методы разработаны специалистами ФГУП ОКБМ им И.И.Африкантова и впервые реализованы в аттестованном комплексе "CRISS 4.0");

- расчет вероятности реализации отдельных КПУФ или МСО системы;

- расчет значимости и суммарной значимости сечений отказов по Fussell-Vesely;

- расчет значимости, уменьшения и увеличения риска элементов по Fussell-Vesely;

- приближенный расчет вероятностных характеристик системы с учётом трех типов отказов элементов: отказ на требование, отказ в режиме работы и скрытый отказ в режиме ожидания (по методике, реализованной в ПК CRISS 4.0);

- структурный и автоматический учёт отказов групп элементов по общей причине (модели альфа-фактора, бета-фактора и множественных греческих букв);

- учёт различных видов зависимостей и множественных состояний элементов, представляемых c помощью групп несовместных событий;

- учёт двухуровневой декомпозиции структурной схемы, дизъюнктивных и конъюнктивных кратностей сложных элементов (подсистем);

- учёт неограниченного числа циклических (мостиковых) связей между элементами и подсистемами;

- учёт различных комбинаторных отношений (К из N) между группами элементов.

Система АСОНИКА.

Система АСОНИКА сориентирована на разработчика РЭА. В состав комплекса АСОНИКА входят 18 подсистем, связанных с моделированием аэродинамических, тепловых, механических воздействий на радиоэлектронную аппартуру.

В подсистемах АСОНИКА-М и АСОНИКА-ТМ разработаны специальные интерфейсы для ввода типовых конструкций радиоэлектронной аппаратуры (РЭА) - шкафов, блоков, печатных узлов, что значительно упрощает анализ физических процессов в РЭА. Если бы пользователь строил модель механических процессов сложного шкафа или блока в обычной конечноэлементной системе, например, ANSYS, ему бы пришлось вначале пройти специальное обучение и набраться опыта, что заняло бы примерно около года, а затем в течение нескольких часов вводить саму модель. В системе АСОНИКА не нужно проходить специального обучения, нужно просто вводить на доступном конструктору языке то, что представлено на чертеже. Ввод того же сложно шкафа может быть осуществлен в течение получаса.

Таким образом, полноценный комплексный анализ шкафа на тепловые и механические воздействия вплоть до каждого электрорадиоизделия (ЭРИ) (получаем ускорения и температуры на каждом элементе) может быть проведен в течение 1 дня.

Структура справочной базы данных по параметрам ЭРИ и параметрам материалов конструкций РЭА отличается от существующих наличием полных условных записей ЭРИ, наличием моделей вариантов установки ЭРИ, позволяющих значительно сократить время на ввод геометрических, физико-механических, тепловых и др. параметров ЭРИ, возможностью создания новых моделей вариантов установки ЭРИ, наличием необходимых графических параметров, позволяющих придавать реалистичность изображению ЭРИ в пространстве, возможностью создания дополнительных таблиц параметров ЭРИ, содержащих числовые, строковые, функциональные, логические, текстовые и графические данные об ЭРИ.

Система является открытой, так как позволяет включать дополнительные программы, например Pro/ENGINEER, на уровне пользователя без привлечения программистов. На территории РФ данная система аналогов не имеет и разрабатывается впервые. По зарубежным аналогам информация в открытой печати отсутствует.

Система «АСОНИКА» с 2000 г. проходит апробацию на предприятиях, выполняющих ГОЗ и поддерживается 22 ЦНИИ МО РФ, выпустившим в 2000 г. (ред. 2003 г.) РДВ 319.01.05-94 по применению автоматизированной системы «АСОНИКА» с целью повышения надежности проектируемой аппаратуры на основе математического моделирования, электрических, тепловых, аэро(-гидро)динамических и механических (вибраций, ударов, линейных ускорениях, акустических шумов) процессов.

Программное обеспечение AnyGraph.

Программное обеспечение AnyGraph создано с целью упростить разработку системных моделей используемых при расчете надежности сложных технических систем и их анализ.

Теоретические и методологические основы программы.

Теоретической основой ПО AnyGraph являются логико-вероятностные методы (ЛВМ) моделирования, количественной оценки надежности и безопасности, сложных технических систем, разработанные под руководством профессора Рябинина И.А. ПО AnyGraph использует наиболее эффективную разновидность ЛВМ а именно разработанный в начале 90-х годов профессором А.С. Можаевым метод системного анализа сложных технических систем - общий логико-вероятностный метод.

“Логико-вероятностными методами называются методы системного анализа, в которых аппарат математической логики используется для первичного структурного и промежуточного аналитического описания знаний о правилах и условиях функционирования элементов в исследуемой системе, а методы теории вероятностей применяются для количественной оценки различных свойств рассматриваемой системы, на основе заданных вероятностных и других параметров ее элементов.

Базовой концепцией ПО AnyGraph является представление модели как набора взаимодействующих между собой узлов (технических элементов) и логических связей между ними. Логические связи определяют конкретные условия реализации узлами (элементами технической системы) своих функций.

Построенная с помощью графического редактора ПО AnyGraph модель имеет высокую степень наглядности, как правило, структура созданной модели повторяет принципиальные технологические схемы разработанные на различных этапах создания технической документации исследуемых проектов.

Методологическая основа ЛВМ характеризуется следующими положениями:

- состояние узла в моделях надежности и безопасности кодируется двумя несовместными исходами нулем или единицей:

- 1 - состояние работоспособности узла модели (включено устройство, выполнено какое либо действие и т.д.)

- 0 - отказовое состояние узла модели (не включено устройство, не выполнено какое либо действие и т.д.)

- основным способом описания задач является графическое построение схемы надежности или сценария возникновения аварии исследуемой системы.

- с помощью функций алгебры логики записывается условие работоспособности (не работоспособности) модели через состояния ее элементов.

- полученная функция алгебры логики, является основной формой представления модели, преобразуется из логической формы в вероятностную с помощью которой проводится количественная оценка различных свойств исследуемой системы.

Функционал и состав программы.

Функционал представленный ПО AnyGraph представляет универсальную альтернативу программному обеспечению в котором основным аппаратом моделирования и расчета показателей надежности и безопасности сложных технических систем являются деревья отказов, деревья событий, графы связности а также марковские модели.

ПО AnyGraph состоит из двух модулей:

Графический модуль, с помощью которого осуществляется:

- проектирование и документирование модели исследуемой системы

- передача в Математический модуль созданной модели исследуемой системы для выполнения точных аналитических или статистических расчетов

- отображение результатов выполненных расчетов

Математический модуль, с помощью которого проводятся расчеты различных показателей надежности исследуемой системы.

Blocksim: система надежности и ремонтопригодности анализ программных средств



Рис. 3 Интерфейс программы Blocksim

ReliaSoft инструмент предоставляет комплексную платформу для системы обеспечения надежности, готовности, ремонтопригодности и соответствующий анализ.

Программное обеспечение предлагает сложный графический интерфейс, который позволяет моделировать простейшие или самые сложные системы и процессы с помощью блок-схем надежности (RBDS) или анализ дерева отказов (FTA) - или комбинация обоих подходов!

Особенности программы

BlockSim поддерживает обширный набор блок-схемы надежности (RBD) конфигураций ианализ дерева отказов (FTA) ворота и событий, в том числе расширенные возможности для моделирования сложных конфигураций, распределение нагрузки, в режиме ожидания избыточности, фазы и рабочих циклов. Использование точных вычислений и / или моделирования дискретных событий, BlockSim облегчает широкий спектр анализов для обоих ремонту и невосстанавливаемых систем. Это включает в себя:

- Анализ надежности системы

- Идентификация критических компонентов (Меры Надежность значения)

- Оптимальное распределение Надежность

- Поддержку системы анализа (определить оптимальные интервалы профилактического технического обслуживания, запасных частей положения и т.д.)

- Доступность системы анализа (Рассчитать работы, простоя, доступность и т. д.)

- Пропускная Расчет (выявить узкие места, оценка емкости производства и др.)

- Жизненный цикл анализа затрат

Синтез интеграции

С выходом версии 8 BlockSim анализов хранятся в централизованной базе данных, которая поддерживает одновременный доступ нескольких пользователей и акций соответствующей информацией между синтезом надежности с поддержкой программных средств. Для корпоративного уровня хранилищах, как Microsoft SQL Server ® и Oracle ® поддерживаются.

Доступно обучение

ReliaSoft предлагает три учебных курсов, направленных на тему системы надежности, ремонтопригодности и соответствующий анализ с использованием диаграммы надежности блока (RBD) или анализ дерева отказов (FTA) подхода. Объединив прочную теоретическую основу с практическими примерами применения и практическую подготовку по использованию программного средства BlockSim, эти курсы даст вам знания и навыки вам нужно для успешного применения этих важных методов надежности.

Применения и преимущества

Программное обеспечение BlockSim предоставляет широкий спектр инструментов, которые помогут вам моделирования и анализа систем и / или процессов. Некоторые из потенциальных приложений и преимущества использования блок-схем надежности (RBDS), анализ дерева отказов (FTA) и BlockSim ReliaSoft программного обеспечения включают в себя:

- Выявление критических компонентов (или отказов) и определить наиболее эффективные пути для повышения производительности системы путем усовершенствования конструкции и / или планирование технического обслуживания.

- Использование моделирования для получения расчетной метрикам производительности, которые могут способствовать принятию решений в различных областях, таких как планирование планового технического обслуживания, планирование на запчасти, выявления узких мест в производстве и пропускная оценке стоимости жизненного цикла.

- Определение уязвимостей в системе и определить наиболее эффективные способы снижения риска.

Reliability Workbench.

Reliability Workbench является флагманом Люкс Изограф по разработке программного обеспечения надежности, безопасности и ремонтопригодности. Программное обеспечение находится в непрерывном развитии с 1980 года. Это простой в использовании и является отличным инструментом для всех надежности и техническому обслуживанию профессионалов.

Ключевые особенности Reliability Workbench

Reliability Workbench включает в себя все инструменты, которые понадобятся для управления надежностью и безопасностью исследования:

- FMECA и FMEA

- FaultTree + Анализ дерева отказов

- Надежность Блок-схема анализа

- Распределение Надежность и роста

- Событие Дерево и анализа Маркова

- Вейбулла анализа исторических данных недостаточностью

- Комплексная Библиотеки запчастей

- Расширенные средства построения отчетов

- Импорт и экспорт объектов

- Предприятие инструмент классового сотрудничества

Reliability Workbench позволяет разрабатывать проекты с использованием одной или нескольких интегрированных модулей анализа.

Каждый из модулей является мощным приложением в своем собственном праве и может быть использован самостоятельно, но большей мощности достигается за счет интеграции модулей в окружающей среде Reliability Workbench.

Модули могут динамически обмениваться данными для простоты и последовательности. Пользователю нужно только входные данные один раз, но может использовать его несколько раз.

Рис. 4 Интерфейс программы Reliability Workbench

При анализе параметров системной надежности учитывается структура системы, состав и взаимодействие входящих в нее элементов, возможность перестройки структуры и алгоритмов ее функционирования при отказах отдельных элементов.

Наиболее часто в инженерной практике рассматривают последовательное, параллельное, смешанной (последовательно- параллельное и параллельно-последовательное) соединение элементов, а также схемы типа «K из N», мостиковые соединения.

По возможности восстановления и обслуживания системы подразделяются на восстанавливаемые и невосстанавливаемые, обслуживаемые и необслуживаемые. По режиму применения (функционирования) - на системы непрерывного, многократного (циклического) и однократного применения.

1.3 Задача классификации в нейронных сетях

Для решения поставленной задачи будет браться за основу задачи типа «Классификация».

Решение задачи классификации является одним из важнейших применений нейронных сетей.

Задача классификации представляет собой задачу отнесения образца к одному из нескольких попарно не пересекающихся множеств. Примером таких задач может быть, например, задача определения кредитоспособности клиента банка, медицинские задачи, в которых необходимо определить, например, исход заболевания, решение задач управления портфелем ценных бумаг (продать купить или "придержать" акции в зависимости от ситуации на рынке), задача определения жизнеспособных и склонных к банкротству фирм.

Сети с прямой связью являются универсальным средством аппроксимации функций, что позволяет их использовать в решении задач классификации. Как правило, нейронные сети оказываются наиболее эффективным способом классификации, потому что генерируют фактически большое число регрессионных моделей (которые используются в решении задач классификации статистическими методами).

К сожалению, в применении нейронных сетей в практических задачах возникает ряд проблем. Например, заранее не известно, какой сложности (размера) может потребоваться сеть для достаточно точной реализации отображения. Эта сложность может оказаться чрезмерно высокой, что потребует сложной архитектуры сетей. Так Минский в своей работе "Персептроны" доказал, что простейшие однослойные нейронные сети способны решать только линейно разделимые задачи. Это ограничение преодолимо при использовании многослойных нейронных сетей. В общем виде можно сказать, что в сети с одним скрытым слоем вектор, соответствующий входному образцу, преобразуется скрытым слоем в некоторое новое пространство, которое может иметь другую размерность, а затем гиперплоскости, соответствующие нейронам выходного слоя, разделяют его на классы. Таким образом сеть распознает не только характеристики исходных данных, но и "характеристики характеристик", сформированные скрытым слоем.

Для построения классификатора необходимо определить, какие параметры влияют на принятие решения о том, к какому классу принадлежит образец. При этом могут возникнуть проблемы, такие как, если количество параметров мало, то может возникнуть ситуация, при которой один и тот же набор исходных данных соответствует примерам, находящимся в разных классах. Тогда невозможно обучить нейронную сеть, и система не будет корректно работать (невозможно найти минимум, который соответствует такому набору исходных данных). Исходные данные обязательно должны быть непротиворечивы. Для решения этой проблемы необходимо увеличить размерность пространства признаков (количество компонент входного вектора, соответствующего образцу). Но при увеличении размерности пространства признаков может возникнуть ситуация, когда число примеров может стать недостаточным для обучения сети, и она вместо обобщения просто запомнит примеры из обучающей выборки и не сможет корректно функционировать. Таким образом, при определении признаков необходимо найти компромисс с их количеством.

Далее необходимо определить способ представления входных данных для нейронной сети, т.е. определить способ нормирования. Нормировка необходима, поскольку нейронные сети работают с данными, представленными числами в диапазоне 0..1, а исходные данные могут иметь произвольный диапазон или вообще быть нечисловыми данными. При этом возможны различные способы, начиная от простого линейного преобразования в требуемый диапазон и заканчивая многомерным анализом параметров и нелинейной нормировкой в зависимости от влияния параметров друг на друга.

Для решения подобного рода задач хорошо подходят искусственные нейронные сети, так как для оценки надежности телекоммуникационных сетей нужно учесть огромное количество факторов, а также трудно моделировать зависимость надежности от этих факторов.

Потенциальными областями применения искусственных нейронных сетей являются те, где человеческий интеллект малоэффективен, а традиционные вычисления трудоемки или физически неадекватны (т.е. не отражают или плохо отражают реальные физические процессы и объекты).

Действительно, актуальность применения нейронных сетей многократно возрастает тогда, когда появляется необходимость решения плохо формализованных задач.

Типовые задачи, решаемые с помощью нейронных сетей и нейрокомпьютеров следующие:

- автоматизация процесса классификации;

- автоматизация прогнозирования;

- автоматизация процесса предсказания;

- автоматизация процесса принятия решений;

- управление;

- кодирование и декодирование информации;

- аппроксимация зависимостей и др.

Нервная система и мозг человека состоят из нейронов, соединенных между собой нервными волокнами. Нервные волокна способны передавать электрические импульсы между нейронами. Все процессы передачи раздражений от нашей кожи, ушей и глаз к мозгу, процессы мышления и управления действиями - все это реализовано в живом организме как передача электрических импульсов между нейронами.

Рис. 5 Биологический (или естественный) нейрон

Биологический нейрон (Cell) имеет ядро (Nucleus), а также отростки нервных волокон двух типов - дендриты (Dendrites), по которым принимаются импульсы (Carries signals in), и единственный аксон (Axon), по которому нейрон может передавать импульс (Carries signals away). Аксон контактирует с дендритами других нейронов через специальные образования - синапсы (Synapses), которые влияют на силу передаваемого импульса.

Структура, состоящая из совокупности большого количества таких нейронов, получила название биологической (или естественной) нейронной сети.

Искусственный нейрон (далее - нейрон) является основой любой искусственной нейронной сети.

Нейроны представляют собой относительно простые, однотипные элементы, имитирующие работу нейронов мозга. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены и заторможены.

Искусственный нейрон, также как и его естественный прототип, имеет группу синапсов (входов), которые соединены с выходами других нейронов, а также аксон - выходную связь данного нейрона - откуда сигнал возбуждения или торможения поступает на синапсы других нейронов.

Рис. 6 Искусственный нейрон - простейший элемент искусственной нейронной сети

yj - сигнал, поступающий от нейрона j;

sk - скалярное произведение вектора входных сигналов и вектора весов;

fk - функция возбуждения; yk - выходной сигнал нейрона

Каждый синапс характеризуется величиной синаптической связи или весом wi, который по своему физическому смыслу эквивалентен электрической проводимости.

Текущее состояние нейрона определяется как взвешенная сумма его входов:



	n
s =	У	xi wi
	i = 1

где x - вход нейрона, а w - соответствующий этому входу вес.

Выводы по главе I

В главе дана анализ методов и существующих программных обеспечений по оценке надежности системы.

В основном, в качестве параметра надежности используется среднее время до отказа (MTTF), которое может быть определено через интенсивность отказов или через число отказов на заданном отрезке времени. Интенсивность отказов математически определяется как условная плотность вероятности возникновения отказа изделия при условии, что до рассматриваемого момента времени отказ не произошел. При увеличении интенсивности отказов среднее время до отказа уменьшается, надежность изделия падает. Обычно среднее время до отказа измеряется в часах, но также может выражаться в таких единицах, как циклы и мили.

В других случаях надежность может выражаться через вероятность выполнения задачи. Например, надежность полетов гражданской авиации может быть безразмерной, или иметь размерность в процентах, как это делается в практике системной безопасности. В отдельных случаях успешным результатом системы может являться едино-разовое срабатывание. Это актуально для систем, которые рассчитаны на срабатывание всего 1 раз: например, подушки безопасности в автомобиле. В этом случае задается вероятность срабатывания или, как, например, для ракет, вероятность попадания в цель. Для таких систем мерой надежности является вероятность срабатывания. Для восстанавливаемых систем может задаваться такой параметр, как среднее время восстановления (ремонта) и время проверки (тестирования). Часто параметры надежности задаются в виде соответствующих статистических доверительных интервалов.

Нейронные сети продемонстрировали свою способность решать сложные задачи. Они имеют уникальные потенциальные возможности, хотя не свободны от ограничений и вопросов, на которые до сих пор не существует ответа. Такая ситуация настраивает на умеренный оптимизм.



2. Оценка надежности сети на основе нейронных сетей

Надежность системы зависит от большого числа факторов, таких как структура, аппаратные узлы, ПО станций, загруженности каналов связи, природный факторы, человеческий фактор и т.д. Так как вид этих зависимостей неизвестен, то стандартные методы анализа неэффективны в задаче оценки надежности. Как правило, эта задача решается экспертами, работающими в данной области. Недостатком такого подхода является субъективность оценщика, а также возможные разногласия между различными экспертами.

Система на основе нейронной сети способна эффективно решать широкий спектр задач объективной оценки. Обычно, для уверенной оценки опытному эксперту необходимо провести достаточно много тестов и учесть факторы, что занимает много ресурсов. Система на основе нейронной сети способна с той же достоверностью определить надежность системы в течение всего нескольких минут, причем без участия квалифицированного персонала.

...