Разработка компьютерной программы для визуализации данных расшифровки информации DFDR (Digital Flight Data Recorder)

Назначение, классификация автоматизированных систем контроля. Проблемы в обнаружении аномалий в данных FDR (Flight Data Recorder). Способы преобразования данных. Экономический расчет модернизации бортового модема. Расчет цены нового оборудования.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 26.05.2018
Размер файла 4,3 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru//

Размещено на http://www.allbest.ru//

ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИМ. А.Р.БЕРУНИ

АВИАЦИОННЫЙ ФАКУЛЬТЕТ

КАФЕДРА: «ЭКСПЛУАТАЦИЯ РАДИОЭЛЕКТРООБОРУДОВАНИЯ ЛЕТАТЕЛЬНЫХ АППАРАТОВ И АЭРОПОРТОВ»

Выпускная квалификационная работа

ТЕМА: "Разработка компьютерной программы для визуализации данных расшифровки информации DFDR (Digital Flight Data Recorder)"

Выполнила: Абдуллаева И. Б.

Руководитель: доц. Сайдумаров И.М.

Ташкент-2014г.

ВВЕДЕНИЕ

Наличие в авиационных частях и предприятиях ЭВМ, обрабатывающих полетную информацию, позволяет получать автоматическую оценку выполнения полетного задания по данным БУР, включающую в себя:

- оценку полноты выполнения полетного задания;

-оценку качества выполнения полетного задания.

Качество выполнения полетного задания определяется как точность выдерживания заданных параметров полетного задания при обеспечении экипажем безопасности пилотирования. Таким образом, оценка качества выполнения полетного задания включает в себя оценку точности выполнения полетного задания и оценку безопасности пилотирования.

Существующие программы автоматической обработки полетных данных выдают текстовую информацию о наличии опасных событий в полете, нарушении летных ограничений и отказах авиационной техники (экспресс - анализ), т.е. решают задачу оценки безопасности пилотирования. Для ручного контроля достоверности этих сообщений полетные данные представляются в виде таблиц и графиков. Основной недостаток этих программ - низкая достоверность результатов автоматической обработки, из за чего существующий экспресс-анализ требует обязательной ручной перепроверки. Программы экспресс -анализа не могут решать задачу оценки выполнения полетного задания, поскольку:

- до настоящего времени не разработан метод автоматической классификации выполняемых слитно фигур пилотажа, без которого, в принципе, невозможны автоматические оценки полноты выполнения полетного задания и точности пилотирования;

- недостаточно проработаны методы обеспечения достоверности результатов автоматической обработки полетной информации БУР.

В результате отсутствия программ автоматической оценки и невозможности своевременной ручной обработки данных БУР командир (начальник) не может получить оценку выполнения предыдущего задания до принятия решения о допуске экипажа к следующему вылету. В последствии эта информация безвозвратно теряется. Даже практикуемая углубленная ручная обработка некоторых полетов по окончании летной смены не дает полной информации о выполнении полетного задания. Таким образом, невозможность оценивать выполнение полетного задания, несомненно, сказывается и на уровне подготовки летчиков и на безопасности полетов.

Чтобы повысить уровень безопасности в текущих операциях авиакомпании, есть растущий акцент на превентивные системы службы техники безопасности. Эти системы идентифицируют и снижают риски, прежде чем несчастные случаи произойдут. Этот тезис развивает новый подход обнаружения аномалии, используя обычные рабочие данные, чтобы поддержать превентивную службу техники безопасности. Исследование применяет кластерный анализ, чтобы обнаружить неправильные полеты, основанные на данных Flight Data Recorder (FDR). Следствия кластерного анализа предоставлены экспертам по области, чтобы проверить эксплуатационное значение таких аномалий и связанной угрозы безопасности. По сравнению с существующими методами основанный на группе подход способен к идентификации новых типов аномалий, которые были ранее неучтенными. Это может помочь авиакомпаниям обнаружить ранние признаки исполнительного отклонения, идентифицировать деградацию безопасности, развернуть прогнозирующее обслуживание и штат поезда соответственно [1-3].

Первая часть подхода обнаружения использует алгоритмы сбора данных, чтобы идентифицировать полеты интереса от данных FDR. Эти данные преобразованы в высоко-размерное пространство для кластерного анализа, где нормальные образцы идентифицированы в группах, в то время как аномалии обнаружены как выбросы. Два основанных на группе алгоритма обнаружения аномалии были развиты, чтобы исследовать различные методы преобразования: ClusterAD-полет и образец ClusterAD-данных.

Вторая часть подхода обнаружения - экспертная оценка области. Процесс рассмотрения должен определить, значительные ли обнаруженные аномалии оперативно и представляют ли они риск для безопасности. Несколько инструментов визуализации данных были разработаны, чтобы поддержать процесс рассмотрения, который может быть иначе трудоемким: Заговоры Параметра Полета могут представить сырые данные FDR в информативной графике; Визуализация ненормальности полета может помочь экспертам по области быстро определить местонахождение источника таких аномалий.

Много исследований оценки проводились, используя данные авиакомпании FDR. ClusterAD-полет и образец ClusterAD-данных были по сравнению с обнаружением, текущим методом в использовании авиакомпаниями и MKAD, другой алгоритм обнаружения аномалии, развитый в NASA, используя набор данных 25519 полетов A320. Оценка всего подхода обнаружения проводилась с экспертами по области, использующими набор данных 10,528 полетов A320. Результаты показали, что оба основанных на группе алгоритма обнаружения смогли идентифицировать оперативно значительные аномалии это вне мощностей текущих методов. Кроме того, эксперты по области подтвердили, что инструменты визуализации данных были эффективными при поддержке процесса рассмотрения.

ГЛАВА I. КЛАССИФИКАЦИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ КОНТРОЛЯ И СРЕДСТВ КОМПЬЮТЕРНОЙ ВИЗУАЛИЗАЦИИ

1.1 Назначение, классификация автоматизированных систем контроля

Все средства инструментального контроля, используемые при эксплуатации авиационной техники, можно разделить на контрольно-измерительную аппаратуру (КИА) ручного контроля и автоматизированные (автоматические) системы контроля (АСК), которые в перспективе должны полностью заменить КИА, при этом КИА останутся только в качестве резервных средств контроля.

Внедрение АСК в практику эксплуатации авиационной техники позволяет:

? повысить глубину, полноту, достоверность и объективность контроля состояния авиационной техники;

? снизить трудозатраты и время контроля авиационной техники, так как бортовые приборы и системы с помощью АСК контролируются на борту ВС без их демонтажа;

? повысить мобильность ИАС за счет резкого сокращения большого количества КИА, которую необходимо перевозить при перебазировании авиационных частей в ходе ведения боевых действий.

Глубина контроля определяется числом состояний объекта контроля (ОК), различаемых в процессе контроля. Контроль работоспособности OK представляет собой наименее глубокий контроль, так как в процессе его различается всего лишь два состояния ОК: работоспособное и неработоспособное.

С точки зрения практики эксплуатации авиационной техники, помимо контроля работоспособности, АСК должны обеспечивать глубину контроля с подробностью до конструктивно-съемного блока ОК. Более глубокий контроль состояния AT в авиационных частях реализовывать нецелесообразно, так как восстановление AT, как правило, осуществляется агрегатным методом, то есть путем замены отказавшего конструктивно-съемного блока на исправный.

Автоматизация процессов управления и боевого применения самолетов сопровождается усложнением и высокой степенью комплексирования различных видов их оборудования. Это вызывает необходимость оснащения самолетов комплексными автоматизированными системами контроля с централизованной обработкой всей информации о техническом состоянии авиационной техники, параметрах полета, управления и боевого применения. Кроме того. применение автоматизированных систем контроля обусловлено требованиями повышения боеготовности и безопасности полетов, необходимостью снижения эксплуатационных расходов, уменьшения номенклатуры применяемой контрольно-измерительной и контрольно-проверочной аппаратуры (КПА).

Применение АСК позволяет повысить глубину, полноту и достоверность контроля, исключить субъективные факторы в оценке технического состояния бортовых систем и устройств, обеспечить автономность подготовок авиационной техники на основных и запасных аэродромах.

Автоматизированные системы контроля предназначены для регистрации и обработки информации о состоянии объекта контроля с целью проверки работоспособности, диагностики неисправностей и прогнозирования технического состояния.

АСК можно классифицировать по ряду признаков ( рис. 1.1).

Классификация АСК по форме представления и обработки информации о состоянии объекта контроля:

- аналоговые, в которых информация представляется и обрабатывается в непрерывной форме;

- цифровые АСК, в которых информация о состоянии объекта контроля предварительно преобразуется в цифровую форму, а затем обрабатывается;

- аналого-цифровые АСК, в них сравнение контролируемых сигналов с эталонными значениями производится в непрерывной форме, а анализ результатов сравнения ведется в дискретной форме.

В зависимости от места размещения АСК делятся на бортовые, наземно-бортовые и наземные.

Бортовые АСК (БАСК) состоят из элементов, расположенных на борту ВС.

В наземно-бортовых АСК часть оборудования АСК располагается на борту ВС, а часть на земле. Бортовая часть АСК может обеспечивать контроль определенного числа параметров авиатехники в полете.

Наземные АСК (НАСК) делятся на АСК без демонтажа агрегатов АТ и на АСК, демонтированных агрегатов АТ.

По способу оценки контролируемых параметров АСК делятся на АСК с «допусковым» контролем и АСК с количественным (параметрическим) контролем.

Первые выдают результаты контроля в виде заключения: «годен», «не годен» или «меньше», «норма», «больше», а вторые - в абсолютных, относительных или условных единицах измерения.

Классификация по назначению:

- специализированные АСК предназначены для проверки состояния объекта одного типа;

- универсальные для проверки нескольких близких по типу объектов.

Классификация АСК по виду контроля:

- контроль работоспособности проводится с целью определения технического состояния объекта в целом;

- диагностический контроль проводится для определения места неисправности;

- прогнозирующий контроль для предсказания возможного состояния объекта в будущем.

Для более углубленного контроля при проведении оперативных и периодических работ к бортовым устройствам АСК могут подключаться дополнительные наземные средства АСК [5-9].

Рис.1.1. Классификация АСК

Бортовые устройства регистрации

Использование бортовых средств объективного контроля (СОК) позволяет объективно оценить состояние авиадвигателей, бортового оборудования, действия в полёте лётного состава, полноту и качество выполнения полётного задания. Важное место в решении этих задач, а так же при расследовании авиационных происшествий и инцидентов занимают бортовые системы регистрации полётных данных (БСРПД).

Бортовые устройства регистрации предназначены для регистрации, накопления и сохранения полетной информации об условиях полета, о техническом состоянии и качестве функционирования в полете летательного аппарата. БУР в значительной системе способствует усиленному решению задач, связанных с проблемами обеспечения безопасности полета и боеготовности авиационных частей.

Особенностью существующих БУР является тот факт, что в полете эти средства только регистрируют полетную информацию, не осуществляя ее анализ и не включаясь в контур управления при отказовых ситуациях [9-11].

Для реализации дискретной формы записи необходимо выполнить квантование параметров по уровням и по времени. Квантование по уровням предусматривает деление всего диапазона изменений сигнала датчика каждого параметра на равные части (уровни), а квантование по времени - выбор промежутка времени, через который будет осуществляться измерение сигнала каждого датчика. Дискретная форма записи позволяет существенно сократить объем и массу устройства регистрации по сравнению с аналоговой формой записи при одном о том же количестве регистрируемых параметров. При определении числа уровней квантования m сигнала датчика исходят из отношения полного (максимального) диапазона изменения значений сигнала датчика Хmax-Xmin к некоторой величине дx, характеризующей точность измерения данного сигнала:

m = ( Xmax- Xmin)/ дx.

Например, требуется определить количество уровней квантования m электри-ческого сигнала датчика, изменяющегося в диапазоне напряжения Хmax-Xmin = 5 В, при точности измерения сигнала дx = 0,25 В. Тогда

m = 5: 0,25 = 20.

При квантовании регистрируемого параметра по времени определяют тот промежуток времени Дt , через который датчик параметра следует подключить к средству регистрации. Обычно Дt определяют, исходя из частоты изменения параметра, т.е.

Дt = р/щmax=Ѕf.

При соблюдении этого условия потери информации, присущие дискретной форме записи, достигают наименьших значений. Дискретная форма записи является наиболее перспективной вследствие ряда достоинств, основными из которых являются возможность регистрации большого числа параметров при относительно небольшой массе устройства и относительная простота реализации методов машинной обработки записей полетной информации.

По назначению все бортовые устройства регистрации подразделяются на аварийные, эксплуатационные, комбинированные и специальные.

Аварийные бортовые устройства регистрации предназначены для регистрации таких параметров, совокупная информация которых является необходимой и достаточной для установления истинной причины летного происшествия. Эти устройства характеризуются относительно небольшим числом регистрируемых параметров (до несколько десятков), обладающих наибольшей информативностью (весом). К аварийным накопителям информации предъявляются особые требования, связанные с защитой их от механических и ударных нагрузок, высоких температур, проникновения воды и агрессивных жидкостей во внутреннюю полость, а также со снабжением их специальными средствами спасения и обнаружения (средства обеспечения плавучести, яркая окраска, специальные распылители красителя, радио - и светоимпульсные маяки).

Э к с п л у а т а ц и о н н ы е б о р т о в ы е у с т р о й с т в а регистрации предназначены для регистрации таких параметров полета, общая информация которых обеспечивает решение задач технической диагностики, сбора статистических данных, прогнозирования состояний летательного аппарат и его оборудования на предстоящий период эксплуатации и др. Число параметров, регистрируемых такими устройствами, обычно велико и достигает нескольких сотен, а длительность записи составляет десятки часов. Дополнительные требования к ним связаны с обеспечением доступности и легкосъемности накопителей информации.

К о м б и н и р о в а н н ы е б о р т о в ы е у с т р о й с т в а регистрации сочетают в себе функции аварийных и эксплуатационных регистраторов, так как записывают такой объем полетной информации, который обеспечивает решение задач, стоящих перед аварийными и эксплуатационными регистраторами. Комбинированные бортовые устройства регистрации могут выполняться как с единым накопителем информации, так и с раздельными, один из которых является аварийным и используется только при расследовании летных происшествий, а другой - эксплуатационным, который используется при решении всех задач, встречающихся в процессе эксплуатации.

С п е ц и а л ь н ы е б о р т о в ы е у с т р о й с т в а регистрации предназначены для регистрации большого объема полетной информации и используются при испытании новых образцов АТ в испытательных центрах. Они регистрируют специальные параметры, которые не используются при решении обычных эксплуатационных задач, например, параметры прогиба крыла, сил, действующих на отдельные элементы обшивки, скоростей отклонения органов управления и др. Поэтому такие средства отличаются высокой сложностью и трудоемкостью подготовки к полетам и в частях ВВС применения не нашли.

По принципу записи полетной информации все бортовые устройства регистрации подразделяются на механические, светолучевые, магнитные и фотографические.

М е х а н и ч е с к и й п р и н ц и п записи основан на перемещение острия пишущего элемента (пера) по поверхности носителя информации, в качестве которого может быть использована бумажная лента со спецпокрытием, фотопленка, лента из металлической фольги. При записи нескольких параметров для каждого из них должен быть установлен пишущий элемент. Наличие нескольких пишущих элементов обусловливает существенный недостаток таких регистраторов, который заключается в том, что расположение всех пишущих элементов на одной линии, относящейся к одному моменту времени, приводит к зацеплению пишущих элементов между собой, а это ведет к искажению записи и снижению достоверности анализа полетной информации. К основным недостаткам механического принципа записи следует отнести такие, как невозможность регистрации большого числа параметров, низкая точность записи из-за большого трения острия пера о бумагу, невозможность регистрации высокочастотных параметров, большая удельная масса регистратора. Первые бортовые устройства регистрации, которые устанавливались в 40-е годы на самолеты, были основаны на механическом принципе записи и назывались самописцами или бароспидографами.

Из-за отмеченных недостатков самописцы дальнейшего развития не получили и могут применяться лишь в качестве дополнительных средств регистрации полетной информации, устанавливаемых на летательных аппаратах в специальных целях.

С в е т о л у ч е в о й п р и н ц и п записи параметров полета является более совершенным, позволяющим на основе светолучевых осциллографов получить существенные преимущества перед механическим принципом записи. В качестве носителя информации для светолучевого принципа записи обычно используют фотопленку или фотобумагу. Число параметров, регистрируемых светолучевыми регистраторами, может находиться в пределах от 10 до 40, в зависимости от ширины ленты носителя информации. Бортовые устройства регистрации, основанные на светолучевом принципе записи, обладают существенными достоинствами, которые заключаются в том, что запись полетной информации выполняется в форме, обеспечивающей возможность визуального анализа выполненного полета без использования каких-либо наземных средств. Однако и эти бортовые устройства регистрации не получили дальнейшего развития из-за существенных недостатков - невозможности машинной обработки записей полетной информации, относительно малого чис-ла регистрируемых параметров, а также большой вероятности потери записанной информации в аварийной ситуации вследствие непреднамеренной засветки фотопленки, действия на нее высокотемпературных полей при пожарах, воды и агрессивных жидкостей (масло, бензин, керосин)[12-14].

В целях исключения такого недостатка, как большая вероятность потери информации при аварийной ситуации, был разработан светолучевой регистратор типа К9-51, в котором был применен смешанный принцип записи параметров полета. На фотопленке шириной 35 мм двенадцать параметров записываются светолучевым способом, а три параметра - Н, VПР и пУ - механическим, путем выцарапывания остриями металлических игл на фотопленке со стороны, противоположной фотоэмульсионному слою. При засветке или разрушении фотоэмульсионного слоя запись этих трех параметров сохраняется.

На одном из типов самолетов устанавливался светолучевой осциллограф К12-22М, который на фотобумажную ленту шириной 120 мм записывает 23 параметра в виде аналоговых кривых и разовых команд.

М а г н и т н ы й п р и н ц и п записи полетной информации основан на преобразовании различных по своей физической сущности параметров в электрические сигналы и записи их на ферромагнитную ленту или проволоку. В магнитных регистраторах запись параметров ведется на основе модуляции электрических сигналов в дискретной форме. При этом наибольшее применение находят такие методы модуляции, как времяимпульсная и кодово-импульсная, или цифровая, на которых и основаны современные магнитные регистраторы. Время импульсный метод модуляции основан на последовательном преобразовании входных сигналов в импульсы, длительности которых измеряются временем и пропорциональны величинам этих сигналов. Этот метод модуляции входных сигналов при увеличении количества регистрируемых параметров требует увеличения и скорости протяжки магнитной ленты, которая имеет определенный предел. Поэтому таким магнитным регистраторам свойственны относительно небольшое количество регистрируемых параметров и малая плотность регистрации. Например, магнитная система регистрации параметров МСРП-12 записывает лишь 24 параметра и имеет плотность записи два импульса на миллиметр.

Наиболее перспективным методом модуляции входных сигналов является кодово-импульсный метод, при котором величина электрического сигнала преобразуется в двоичное число. Поэтому такой метод модуляции получил название цифрового. Магнитные регистраторы с цифровой формой записи получили широкое развитие и в настоящее время устанавливаются на все новые типы летательных аппаратов как военной, так и гражданской авиации. Типичными представителями таких регистраторов являются магнитная система регистрации параметров типа МСРП-64 и магнитный регистратор «Тестер-У3» различных модификаций. Существенными достоинствами магнитных регистраторов являются:

- возможность высокоскоростной автоматизированной обработки зарегистрированной полетной информации с помощью специальных наземных средств типа «Луч-71» и «Луч-74»;

- многократное использование носителя информации для регистрации параметра полета;

- высокая точность записи, т.е. малая погрешность;

- высокая плотность записи, т.е. большое количество регистрируемых импульсов на единице длины носителя информации;

- большое число регистрируемых параметров.

Ф о т о г р а ф и ч е с к и й п р и н ц и п записи основан, как правило, на коносъемке и имеет ограниченное применение, например, при выполнении специальных научно-исследовательских работ, связанных с изучением поведения планера в полете, распределения внимания летчика по приборам в полете и т.д. В эксплуатации нашли применение лишь приборы фотоконтроля стрельбы, пуска ракет и бомбометания.

Э л е к т р о н н ы й п р и н ц и п записи использует для записи микросхемы Flach-памяти.

Прибор КЗ-63 предназначен для регистрации в полете барометрической высоты, приборной скорости и вертикальной перегрузки. Он выпускается в трех вариантах (таблице), отличающихся диапазоном записываемых параметров.

Самописец состоит из собственно самописца и фильтра радиопомех (рис. 1.2). Вариант фильтра радиопомех определяется заказчиком.[15].

Рис.1.2. Бортовой самописец КЗ-63.

Бортовые автоматизированные системы контроля

Бортовые АСК (БАСК) предназначены для:

- контроля в полете технического состояния бортовых систем, действий членов летного экипажа, а также для контроля параметров и режимов полета ВС (режим ПК);

- контроля состояния AT при всех видах подготовок ее к полетам, включая и оперативные, а также при выполнении регламентных и других работ (режим НК)

Функциональная схема цифровой АСК (рис.) имеет много общего с аналоговой.

Такие ее элементы, как коммутаторы, генераторы и датчики сигналов, нормализаторы, программное устройство, индикаторы результатов контроля, имеют то же назначение и устройство.

Однако в цифровой АСК все операции сравнения и анализа выполняет специализированная или универсальная ЭЦВМ, которая, наряду с программным устройством, управляет процессом контроля.

Связь объекта контроля с ЭЦВМ осуществляется через аналогово-цифровые преобразователи (АЦП), которые преобразуют измеряемое значение аналогового параметра в цифровой код.

Имеются АЦП для преобразования в код напряжений, временных интервалов, частоты. Наиболее широко используются следующие два типа АЦП: преобразова тель напряжение - код (ПНК) и преобразователь частота - код (ПЧК).

После АЦП код измеренной величины х вводится в регистр ЭЦВМ и затем сравнивается с кодом ее номинального значения хН, который берется из программного устройства. В результате вычитания в сумматоре определяются знак и разность Дх = х - хН. Эта разность опять сравнивается с допуском ДхМ , вводимым из программного устройства, или вычисляется относительная погрешность в процентах от поля допуска, которая заводится в устройство индикации результатов контроля. Кроме операций сравнения и деления, ЭВМ может выполнять также вычисление функций от измеренных параметров, если этими функциями определяются характеристики работоспособности объектов контроля.

По окончании операций расчета ЭЦВМ выдает команду в программное устройство о переходе к следующему шагу контроля. Программное устройство выдает соответствующие команды и коды в коммутаторы и ЭЦВМ.

Программа контроля, цифровые значения номиналов и допусков всех контролируемых величин хранятся в запоминающем устройстве (ЗУ) программного устройства АСК. В качестве ЗУ (внешней памяти) могут использоваться устройства магнитной (ленточной и дисковой) памяти, оптической и магнитооптической памяти.

Считывание записанной в ЗУ информации осуществляется с помощью соответствующих магнитных, фотосчитывающих и др. Необходимое ЗУ подключается в ЦВМ через коммутатор. Ручное управление процессом контроля осуществляется с пульта управления АСК.

Для индикации результатов контроля используется несколько способов. Звуковая индикация включается при обнаружении опасных отказов, чтобы привлечь внимание оператора (летчика). При этом в головных телефонах может звучать текст описания отказа и необходимых действий по его локализации. АСК осуществляет оценку результатов контроля с учетом значений параметров, полученных с помощью датчиков сигналов, а также с учетом разовых сигналов (PC).

Разовые сигналы характеризуют факт совершения какого-либо события на борту ВС. Например, шасси выпущены, нажата кнопка включения САУ и т.д. PC снимаются с бортовой коммутационной и защитной аппаратуры (АЗС, выключателей, кнопок, концевых выключателей и т.д.). PC носят бинарный характер (0 или 1). Поэтому PC, помимо АЦП, непосредственно поступают на ЦВМ.

Визуальная индикация выполняется в виде световых табло с указанием общего результата контроля и места отказа. Может выдаваться также номер карточки с инструкцией по устранению неисправности. Для документирования результатов контроля используется печатное устройство, которое печатает на носитель информации (специальную ленту) номер контролируемой системы (код), номер параметра (код), полетное время контроля (отказа).

Рис.1.3. Функциональная схема БАСК.

Универсальные БАСК принято называть централизованными, а специализированные - децентрализованными.

В настоящее время на отечественных ВС широко используются децентрализованные аналоговые БАСК (рис.1.3.) в виде систем встроенного контроля (СВК) бортового оборудования. СВК выдают результаты контроля на световые табло по принципу «Г - HГ».

Аналоговые СВК не обеспечивают необходимую глубину, полноту и достоверность контроля бортового оборудования. Кроме того, большое число различных СВК привело к резкому увеличению числа световых табло в кабине ВС.

В связи с этим были созданы обобщенные системы встроенного контроля (ОСВК) типа «РИУ» и «Экран»[16-20].

«РИУ» и «Экран» представляют собой централизованные БАСК, в которых осуществляются логическая обработка, запоминание и выдача с определенным приоритетом визуальной информации результатов контроля СВК бортового оборудования.

Результаты контроля СВК бортового оборудования выдаются в виде бинарных сигналов (в виде 0 или 1). Поэтому «РИУ» и «Экран» осуществляют их обработку в цифровой форме с помощью блока логики и управления (БЛУ) цифрового типа (в системе «РИУ» он носит название устройства логики, памяти и приоритета (УЛПП)), имеющего коммутатор (К), оперативное (ОЗУ) и постоянное (ПЗУ) запоминающие устройства и устройство управления (УУ).

Кроме БЛУ, в состав ОСВК входит еще блок сигнализации и документирования (БСД), который в системе «Экран» называется универсальным световым табло (УСТ), а в системе «РИУ» - индикатором-регистратором (ИР). БСД размещается на приборной доске в кабине летчика.

Регистрирующе-индицирущее устройство (РИУ) предназначено для:

- управления встроенными средствами контроля бортовых систем и агрегатов с индикацией и регистрацией отказов систем и агрегатов во время проведения подготовок к полетам и периодических работ (режим «Наземный контроль»);

- индикации и регистрации отказов бортовых систем и агрегатов в полете (режим «Полетный контроль»).

В состав «РИУ» входят следующие блоки:

? индикатор-регистратор ИР-1;

? устройство логики, памяти, приоритетов (УЛПП)), содержащее блоки МI (3 шт.), М2 (I шт.), М3 (1 шт.).

? устройство питания (УП).

Система «РИУ» управляется двумя кнопками: РИУ ВЫЗОВ и КОНТРОЛЬ РИУ.

Компьютерной визуализации

Визуализация является существенной частью процесса численного моделирования, обеспечивающей анализ и правильную интерпретацию результатов вычислений, а также дальнейшую работу с вычислительной моделью. Можно выделить три основных аспекта в проектировании и разработке систем компьютерной визуализации. Прежде всего, это проблематика, связанная с созданием, хранением, обработкой и выводом изображений с помощью ЭВМ, то есть непосредственно с машинной (компьютерной) графикой. Второй аспект касается проблем инженерии программного обеспечения, общих для многих приложений. Наконец, третий аспект связан с проблемами, относящимися к восприятию и интерпретации визуальных образов пользователем системы. Наши исследования посвящены именно этим аспектам проектирования.

История развития компьютерного моделирования выявляет целый ряд проблем, возникающих в связи с особенностями человека, разработчика и/или пользователя аппаратно-программных комплексов, аналитика и интерпретатора чудовищно больших объемов данных, сгенерированных современными “мельницами чисел”. Именно человек должен находиться во главе угла при проектировании систем человеко-машинного взаимодействия и визуализации. В случае компьютерной визуализации, этот подход заключается в разработке специализированных и персонализированных систем различного назначения и соответственно в рассмотрении вопросов, связанных с изучением человеческого фактора в проектировании систем компьютерной визуализации различного назначения. Предложенная нами методика проектирования этих систем, в первую очередь, касается именно прагматики визуализации, а не техники их реализации.

При описании компьютерной визуализации как самостоятельной дисциплины, входящей в состав Вычислительных Наук отметим, что в литературе представлены различные точки зрения на определение визуализации и понимание её места в ряду других дисциплин. Традиционный подход выделяет, прежде всего, процесс формирования в мозгу зрительных образов и интерпретацию явлений на визуальном языке. Современный, связанный с ЭВМ подход к определению визуализации описывает ее, прежде всего, как инструмент или метод интерпретации введенных в ЭВМ графических данных и генерации образов на основе сложных многомерных наборов данных. Визуализация с одной стороны представляется связанной с мышлением человека и с интерпретацией им сложных данных, а с другой с современными вычислениями (computing) и использованием ЭВМ для моделирования в науке, технике, экономике и пр.

Очевидно, что визуализация, понимаемая как зримое представление ментальных моделей, существовала задолго до появления современной вычислительной техники. Более того, визуализацию, то есть перевод данных и информации в некоторые графические образы, можно рассматривать как составную часть нашей повседневной жизни. После создания первых ЭВМ под визуализацией результатов счета понимался любой вывод цифр или символов на ленту примитивного печатающего устройства, лист АЦПУ или экран дисплея. Постепенно под визуализацией стал пониматься лишь графический вывод, вывод двумерных графиков или трехмерных поверхностей.

Публикация доклада “Визуализация в научных вычислениях” в ноябрьском номере журнала ACM SIGGRAPH Computer Graphics за 1987 год [1-3] положила начало новой эре в истории компьютерной визуализации.

Визуализация и процесс компьютерного моделирования

В западной литературе (например, в [3]) описан цикл компьютерного моделирования, состоящий из трех основных стадий:

- подготовка к анализу,

- вычисления,

- визуализация и анализ результатов.

В отечественной литературе (в частности, в [4]) этот цикл рассматривается более подробно. Он известен как схема численного моделирования или схема численного эксперимента и в полном виде предусматривает следующие стадии:

- сбор и накопление первичных данных;

- разработка физической модели;

- разработка математической модели;

- алгоритмизация;

- программирование;

- вычисление по программе;

- визуализация;

- интерпретация и анализ результатов.

Таким образом, определено место визуализации в цикле моделирования - визуализация, представляя результаты вычислений, обеспечивает интерпретацию и анализ полученных данных.

Итак, под компьютерной визуализацией мы понимаем методику перевода абстрактных представлений об объектах в геометрические образы, что дает возможность исследователю наблюдать результаты компьютерного моделирования явлений и процессов [1,3]. При этом мы считаем, что алгоритмические и программные методики генерации изображения относятся непосредственно к машинной графике.

ГЛАВА II. РАЗРАБОТКА КОМПЬЮТЕРНОЙ ПРОГРАММЫ ДЛЯ ВИЗУАЛИЗАЦИИ ДАННЫХ РАСШИФРОВКИ ИНФОРМАЦИИ DFDR (DIGITAL FLIGHT DATA RECORDER

2.1 Проблемы в обнаружении аномалий в данных FDR (Flight Data Recorder)

Этот тезис развивает новый подход, чтобы идентифицировать неизвестные проблемы от данных FDR обычных полетов. Новый подход обнаруживает полеты интереса, не определяя, что искать заранее, и затем полагается на экспертов по области, чтобы рассмотреть обнаруженные полеты для эксплуатационных значений. Это - шаг вперед по сравнению с существующими методами, которые полагаются на фиксированный список наблюдения параметров полета и предопределенные пороги. Две проблемы идентифицированы в развивающихся алгоритмах обнаружения аномалии в этом тезисе:

Первая проблема обнаруживает полеты интереса от данных FDR, не определяя, что искать. Никакие простые формулы не могут объяснить многомерные отношения среди параметров, а также их временных образцов. В целом параметры полета, зарегистрированные в сырых данных FDR, значительно различаются в течение долгого времени. Отдельный параметр полета часто связывается с другими в зависимости от динамики полета, конкретных процедур и различных условий окружающей среды. Когда один параметр полета изменится, он затронет много других соответственно.

Вторым является отсутствие предварительных знаний о стандартных образцах данных. Большинство существующих методов обнаружения аномалии принимает один стандартный образец, таким образом рассматривая отклонения от стандарта как аномалии. Однако многократные стандартные образцы существуют в реальных рабочих данных. Различные фазы полета и изменений в эксплуатационных процедурах, таких как конкретные процедуры аэропорта, требования авиадиспетчерской службы, и политика компании, могут привести к различным образцам данных. Предположение об одном стандартном образце поэтому не действительно. Метод обнаружения аномалии в этом тезисе должен быть в состоянии обращаться с многократными стандартными образцами в данных FDR.

2.1.1Понятие основанных на группе алгоритмов обнаружения аномалии

Эта секция представляет понятие основанных на группе алгоритмов обнаружения аномалии и терминологии, используемой в описании алгоритмов: группа, изолированная часть, аномалии и неправильные полеты.

Два алгоритма обнаружения аномалии были развиты, чтобы обнаружить неправильные полеты, используя основанное на группе понятие. Кластерный анализ используется, чтобы идентифицировать общие образцы в данных ФРГ. Многократные образцы существуют в реальных рабочих данных, однако, число общих образцов конечно, потому что операции полетов коммерческой авиакомпании высоко стандартизированы, и большинство полетов разделяют несколько наиболее распространенных образцов данных.

Чтобы облегчить кластерный анализ, предшествующий шаг должен преобразовать сырые данные FDR в высокие размерные векторы, на которых может быть выполнен кластерный анализ. Преобразование может быть выполнено двумя способами: 1) преобразуйте данные каждого полета для определенной фазы в вектор, 2) преобразовывают каждый образец данных оригинальных данных FDR в вектор. Оба метода исследовались и развились в два алгоритма обнаружения: ClusterAD-полет и Образец ClusterAD-данных. Детали каждого метода будут представлены в более поздних секциях в этой главе.

После преобразования данных кластерный анализ выполнен на векторах в высоком размерном космосе. Группы ближайших векторов идентифицированы как группы, которые представляют образцы общих данных в наборе данных; векторы, которые не принадлежат никаким группам, обнаружены как выбросы, которые указывают на необычные образцы данных (рис.2.1.).

В последнем шаге обнаружение аномалии выполнено основанное на результате кластерного анализа. В ClusterAD-полете выбросы, идентифицированные в кластерном анализе, являются аномалиями, чтобы обнаружить. В Образце ClusterAD-данных и выбросы и векторы, которые не принадлежат соответствующим группам, являются аномалиями, которые мы хотим обнаружить. Наконец, аномалии получены в итоге полетом. Неправильные полеты - полеты, которые имеют относительно больше или severer аномалии (2.2-2.4).

Рис. 2.1. Основанного на группе обнаружения аномалии

Рис.2.2. Структура основанного на группе обнаружения аномалии

Рис.2.3. Два различных способа преобразования данных

Рис.2.4. Образце аномалии.

компьютерный визуализация информация расшифровка

Аномалии в данных FDR могут быть категоризированы в двух типах: основанные на образце аномалии и мгновенные аномалии. Рисунок 2.5 и рисунок 2.6 показывают примеры этих двух типов аномалий. В этих двух заговорах сигнал аномалии изображен в красном. Нормальный профиль представлен синими областями - центр, который синяя линия показывает медиане нормальных ценностей, темно-синяя область дает диапазон 50% нормальных ценностей, и голубая область изображает диапазон 90% нормальных ценностей.

Основанные на образце аномалии - данные с неправильными образцами по определенной фазе полета. Как показано в рисунке 2.5, основанные на образце аномалии наблюдаются в параметре двигателя “N1”, который измеряет скорость вентилятора и является представительным для толчка двигателя. Профиль “N1” отличается от нормального профиля от 6 нм перед приземлением к 1 нм перед приземлением; каждый отдельный образец данных не значительно отклоняется от нормальной стоимости. В сравнении мгновенные аномалии - неправильные данные, которые происходят мгновенно. Рисунок 2.6 дает пример мгновенной аномалии в “Углу Нападения”.

Цель обнаружения аномалии в этом тезисе состоит в том, чтобы обнаружить оба типа аномалий. Поскольку отличные методы преобразования данных используются в Образце ClusterAD-полета и ClusterAD-данных, мы ожидаем, что эти два метода будут чувствительны к различным типам аномалий. Таким образом, оценка, на которой лучше обнаружены типы аномалий, которым метод был выполнен в этом исследовании.

Рис.2.5. Основанный на образце Рис. 2.6. Мгновенный пример аномалии пример аномалии

2.1.2 ClusterAD-полет

ClusterAD-полет преобразовывает данные всей фазы полета в единственный пункт в высоко-размерном космосе, где образцы данных представлены векторами. Это тогда использует кластерный анализ, чтобы идентифицировать группы и выбросы в высоко-размерном космосе. Аномалии обнаружены от таких выбросов. ClusterAD-полет состоит из трех ключевых шагов, как иллюстрировано в рисунке 2.7:

1. Преобразование данных: преобразование временного ряда в высоко-размерные векторы

2. Сокращение измерения: рассмотрение проблем мультиколлинеарности и высокой размерности

3. Кластерный анализ: идентификация групп и выбросов в высоко-размерном космосе

Первый шаг преобразовывает многомерные данные о временном ряде в высокие размерные векторы. Временной ряд якорей метода преобразования определенным событием, таким как приземление, которое резервирует временную информацию и делает ее сопоставимой среди различных полетов. Затем во втором шаге методы развиты, чтобы решить проблемы мультиколлинеарности и высокой размерности. Размерность векторов уменьшена для вычислительной жизнеспособности, поддерживая существенную информацию. В последнем шаге кластерный анализ выполнен, чтобы обнаружить выбросы и группы нормальных полетов в пространстве признаков уменьшенных размеров. Каждый шаг описан подробно в следующих параграфах.

ClusterAD-полет ограничен фазами полета, которые начинаются или заканчиваются определенным событием: взлет или заключительный подход. Эти две фазы - критические фазы с точки зрения безопасности, потому что 53% несчастных случаев со смертельным исходом и 47% бортовых несчастных случаев произошли во время тех двух фаз для международного коммерческого реактивного флота с 2002 до 2011 (Boeing Commercial Airplanes, 2012).

Рис.2.7. Трех ключевых шагов ClusterAD-полет.

Чтобы нанести на карту исходные данные в сопоставимые векторы в высоком размерном космосе, временном ряде данные от различных полетов закреплены определенным событием, чтобы сделать временные образцы сопоставимыми.

Затем каждый параметр полета выбран в фиксированных интервалах ко времени, расстоянию или другой ссылке от справочного случая. Все выбранные ценности устроены, чтобы сформировать вектор для каждого полета:

где t j я x являюсь ценностью ith параметра полета в типовое время tj; m - число полета параметры; n - число образцов для каждого параметра полета. Полная размерность каждый вектор - m*n. Каждое измерение представляет ценность параметра полета в детали время. Подобие между полетами может быть измерено расстоянием между векторы.

Сырые данные FDR закреплены от определенного события и выбраны в фиксированных интервалах ко времени, расстояние или другая ссылка. Для фазы взлета время применения власти взлета используется как справочное время и много образцов получены в фиксированных временных интервалах, как показано в рисунок., для фазы подхода временные ряды сначала преобразованы в “ряд расстояния” и затем много образцов получены, возвращаясь из пункта приземления (рисунок 2.8-2.9). Расстояние используется в качестве ссылки, а не время в фазе подхода, поскольку процедуры во время подхода часто определяются основанные на расстоянии или высоте над землей.

Рис.2.8. Фазы взлета время

Рис.2.9. Фазы взлета время

Из-за временного аспекта у векторов, сформированных в первом шаге, обычно будут тысячи размеров. Например, если 100 параметров будут оценены более чем 100 временных шагов, то это приведет к 10,000 аналитических пространств измерения. В сравнении число ежедневных полетов в крупной авиакомпании находится на заказе 1000 полетов. Это подразумевает, что у типичного ежедневного набора данных будет больше размеры, чем точки данных. Трудно идентифицировать облака данных в таком редком распределении.

Поэтому, Principal Component Analysis (PCA) использовался, чтобы сократить количество размеров прежде, чем выполнить кластерный анализ. PCA - общая процедура, чтобы преобразовать данные в ортогональная система координат, основанная на различии в данных (Hotelling, 1933). Координаты в новой системе отнесены как компоненты. Самое большое различие любым проектированием данных прибывает, чтобы лечь на первый компонент, второе по величине различие на 2-м, и так далее. Как a последствие, много последних компонентов могли быть пропущены, чтобы уменьшить гиперкосмическое измерение не теряя значительную информацию. В этом исследовании, первые компоненты K тот захват 90% различие в данных сохранено. где я различие, объясненное основным компонентом i. N - общее количество руководителя компоненты, который равняется оригинальному числу размеров. K - число руководителя компоненты сохранены.

Величина размерного сокращения будет меняться в зависимости от набора данных, но может быть значительный. Как пример, в начальном тестировании ClusterAD-полета, обсужденного далее в этой главе (Раздел 2.10), размеры как правило уменьшались от 6188 до 77 для данных о взлете и от

От 6279 до 95 для приземляющихся данных, используя этот критерий.

Использование PCA ненужное для больших наборов данных, которые являются достаточно плотными, чтобы применить группу анализ. Однако на обнаружение аномалии могли оказать влияние корреляции среди параметров в отсутствие PCA. Например, если большинство параметров в наборе данных FDR - связанный двигатель, над аномалиями доминировали бы быть проблемами с двигателем в отсутствие PCA. Корреляции между параметры распространены в наборах данных FDR. Как пример, линейные корреляции среди параметров в набор данных, используемый в начальном тестировании ClusterAD-полета, показывают в рисунке 2.9.

Рис.2.9. Матрица корреляции оригинальных параметров полета (Набор данных: 365 полетов B777).

Тезис предлагает решение ослабить эффект коррелированых параметров первыми наборами идентификации коррелированых параметров и затем объединения каждого набора коррелированых параметров в две меры: среднее число и максимальные различия всех параметров в наборе. Прежние захваты общая тенденция, в то время как позже исследует неправильные образцы. Коэффициенты корреляции Пирсона использовались, чтобы идентифицировать наборы коррелированых параметров. Это широко используется в качестве меры силы линейной зависимости между двумя переменными. Это было развито Карлом Пирсоном из связанной идеи, введенной Фрэнсисом Гэлтоном в 1880-х (Пирсон, 1896; Rodgers & Nicewander, 1988; Stigler, 1989). После того, как коррелированные параметры идентифицированы, они изменены в новые переменные набором, у которых есть намного более слабая линейная зависимость друг между другом. Рисунок 2.11-2.12 показывает линейные корреляции среди измененных параметров после того, как de-корреляция была выполнена.

Рис. 2.10. Матрица корреляции измененных параметров после De-корреляции (Набор данных: 365 полетов B777).

Рис.2.11. Пример номинального способа: подход ILS.

Рис. 2.12. Пример номинального способа: “ ОНИ Approach ”

2.2 Разработка программно-аппаратных средств контроля системы TCAS

Анализ стандарта PXI

Платформа PXI основана на известном стандарте Compact PCI и обеспечивает эффективное взаимодействие с тысячами модулей Compact PCI. PXI представляет собой надежную платформу с фронтальной загрузкой модулей и встроенными возможностями синхронизации и тактирования отдельных устройств, специально разработанными для решения задач тестирования и измерений. PXI является международным стандартом, который поддерживают более 60 производителей оборудования. В рамках этого стандарта разработано более 1100 различных продуктов. Высокая производительность, малые размеры и низкая цена систем, основанных на технологии PXI, сделали PXI одной из наиболее быстро развивающихся платформ в технологии тестирования и измерений (Рис.2.13).

Рис. 2.13.

Основные позитивные стороны PXI, позволившие ему в последние годы остичь значительного успеха:

- PXI -- это полностью открытый международный стандарт, основанный на высокой степени унификации готовых продуктов и технологий различных производителей.

- Используемый в PXI принцип модульного построения системы позволяет расширять и масштабировать существующую платформу.

- PXI-системы соответствуют жестким требованиям промышленной эксплуатации, обладают высокой надежностью и устойчивостью к различным неблагоприятным воздействиям.

- PXI-решения базируются на использовании широких возможностей уже разработанного системного и прикладного программного обеспечения.

Как и в CompactPCI, так и в стандарте PXI, описанном в спецификации PXI-1 Hardware Specification Rev. 2.14, возможны два формфактора -- высотой 3U и 6U. Однако ввиду своей компактности и удобства использования для построения контрольно-измерительной аппаратуры наибольшее распространение получили системы высотой 3U.

Конструктивно классическая 3U PXI-система представляет собой шасси, оснащенное пассивной объединительной панелью с двумя рядами разъемов P1 и P2 (рис. 2.14). Самый левый слот и свободное пространство слева предназначены для системного контроллера и его возможных расширений. За системным слотом справа можно установить специальный модуль Star Trigger, предназначенный для синхронизации работы нескольких модулей.

Системы с большим количеством слотов и несколькими сегментами построены с применением PCI-PCI мостов. Для 32разрядной шины PCI с частотой 33 МГц пропускная способность PXI-системы составляет 132 Мбайт/с, а для 64разрядного варианта PCI с частотой 66 МГц значение этого параметра равно 528 Мбайт/с.

семь или более свободных слотов предназначаются для периферийных модулей

Рис.2.14. Конструктивно классическая 3U PXI-система.

Работа PXI - устройств возможна и вCompactPCI-системах, благодаря универсальной конструкции аппаратной части, основанной на стандарте «евромеханика» IEEE 1101.1, и их полной программной совместимости.

В PXI предусмотрены следующие возможности синхронизации и тактирования

- Наносекундная синхронизация модулей ввода/вывода на основе опорного тактового сигнала 10 МГц, подаваемого на все модули.

- Контроллер и шина Star Trigger с топологией «звезда», управляющие передачей сигналов тактирования и синхронизации ко всем входящим в PXI-систему модулям.

* Шина PXI Trigger -- восемь линий, сигналы которых подаются на все слоты в одном сегменте для их взаимодействия друг с другом.

* Локальная шина, служащая для передачи высокочастотных дискретных и аналоговых сигналов между соседними модулями.

Как уже было отмечено выше, в стандарте PXI используется модульный принцип по строения, и для создания измерительной системы на его основе необходимы следующие основные элементы: шасси, процессорные модули и периферийные платы, с которыми мы познакомимся на примере 3U PXI-оборудования компаний ADLINK, Spectrum и TiePie.

Ключевым элементом любой вычислительной системы является процессорная плата, в PXI -- это модуль системного контроллера (Рис. 2.15).

Модуль PXI-3950, который выпускает компания ADLINK, представляет собой новое поколение системных контроллеров, построенных на базе высокопроизводительного двухъядерного процессора Intel Core 2 Duo T7500 с частотой процессора 2,2 ГГц

Контроллер имеет установленную память DDR2 объемом 4 Гбайт и жесткий диск SATA емкостью 120 Гбайт, оснащен интерфейсами DVI-I, 2ы`Gigabit Ethernet, GPIB, 4USB, RS-232/422/485. Диапазон рабочих температур -- 0…+55 °C; хранения -- 0…+80 °C. Надежность изделия подтверждается также высокими показателями устойчивости к механическим воздействиям: удар -- до 30g, вибрации -- до 2,5g в полосе частот 5-500 Гц.

...

Подобные документы

  • Совершенствование технологий записи и хранения данных. Специфика современных требований к переработке информационных данных. Концепция шаблонов, отражающих фрагменты многоаспектных взаимоотношений в данных в основе современной технологии Data Mining.

    контрольная работа [565,6 K], добавлен 02.09.2010

  • Проблемы оценки клиентской базы. Big Data, направления использования. Организация корпоративного хранилища данных. ER-модель для сайта оценки книг на РСУБД DB2. Облачные технологии, поддерживающие рост рынка Big Data в информационных технологиях.

    презентация [3,9 M], добавлен 17.02.2016

  • Перспективные направления анализа данных: анализ текстовой информации, интеллектуальный анализ данных. Анализ структурированной информации, хранящейся в базах данных. Процесс анализа текстовых документов. Особенности предварительной обработки данных.

    реферат [443,2 K], добавлен 13.02.2014

  • Основы для проведения кластеризации. Использование Data Mining как способа "обнаружения знаний в базах данных". Выбор алгоритмов кластеризации. Получение данных из хранилища базы данных дистанционного практикума. Кластеризация студентов и задач.

    курсовая работа [728,4 K], добавлен 10.07.2017

  • Описание функциональных возможностей технологии Data Mining как процессов обнаружения неизвестных данных. Изучение систем вывода ассоциативных правил и механизмов нейросетевых алгоритмов. Описание алгоритмов кластеризации и сфер применения Data Mining.

    контрольная работа [208,4 K], добавлен 14.06.2013

  • Обоснование выбора средств разработки приложения. Добавление, удаление, редактирование информации. Отражение информации из базы данных. Поиск информации по выбранной таблице. Проекты Data, Entity, Logic, Firm. Схема взаимодействия проектов программы.

    курсовая работа [1,8 M], добавлен 18.01.2015

  • Формы представляемой информации. Основные типы используемой модели данных. Уровни информационных процессов. Поиск информации и поиск данных. Сетевое хранилище данных. Проблемы разработки и сопровождения хранилищ данных. Технологии обработки данных.

    лекция [15,5 K], добавлен 19.08.2013

  • Типы оборудования, относящиеся к компьютерной технике. Состав системного блока и периферийные устройства. Классификация программного обеспечения. Требования, предъявляемые к системам управления базами данных. Задачи и этапы проектирования баз данных.

    контрольная работа [4,1 M], добавлен 18.02.2014

  • Разработка наиболее информационно наполненной базы данных кинематографа, при помощи которой возможно будет получить информацию о производстве фильма, актерском составе, съемочной группе, рейтингах. Использование баз данных "AllFusion ERwin Data Modeler".

    курсовая работа [8,0 M], добавлен 19.09.2019

  • Program of Audio recorder on visual basic. Text of source code for program functions. This code can be used as freeware. View of interface in action, starting position for play and recording files. Setting format in milliseconds and finding position.

    лабораторная работа [87,3 K], добавлен 05.07.2009

  • Понятие "база данных", общая классификация. Мировой рынок систем управления базами данных по итогам 2007 года. Oracle: общее понятие, функции. Технология Active Data Guard. Опции Total Recall. Сравнение масштабируемости. Сравнение работы кластеров.

    курсовая работа [676,0 K], добавлен 19.05.2015

  • Резервные базы данных под управлением Oracle Data Guard. Создание физической резервной базы. Защита резервных копий баз данных и базы данных разработчиков. Восстановление базы данных на удаленной машине. Стратегия резервирования и восстановления.

    дипломная работа [499,7 K], добавлен 04.06.2013

  • Изучение возможностей AllFusion ERwin Data Modeler и проектирование реляционной базы данных (БД) "Санатория" на основе методологии IDEF1x. Определение предметной области, основных сущностей базы, их первичных ключей и атрибутов и связи между ними.

    лабораторная работа [197,5 K], добавлен 10.11.2009

  • Классификация задач Data Mining. Задача кластеризации и поиска ассоциативных правил. Определению класса объекта по его свойствам и характеристикам. Нахождение частых зависимостей между объектами или событиями. Оперативно-аналитическая обработка данных.

    контрольная работа [26,1 K], добавлен 13.01.2013

  • Классификации баз данных по характеру сберегаемой информации, способу хранения данных и структуре их организации. Современные системы управления базами данных и программы для их создания: Microsoft Office Access, Cronos Plus, Base Editor, My SQL.

    презентация [244,3 K], добавлен 03.06.2014

  • Определение программы управления корпоративными данными, ее цели и предпосылки внедрения. Обеспечение качества данных. Использование аналитических инструментов на базе технологий Big Data и Smart Data. Фреймворк управления корпоративными данными.

    курсовая работа [913,0 K], добавлен 24.08.2017

  • Сущность, понятие баз данных. Краткая характеристика MS Access. Обеспечение сохраняемости объектов. Архитектура Object Data Management Group. Объектные расширения реляционных СУБД. Концептуальные особенности систем управления активными базами данных.

    курсовая работа [48,1 K], добавлен 17.05.2013

  • Классификация задач DataMining. Создание отчетов и итогов. Возможности Data Miner в Statistica. Задача классификации, кластеризации и регрессии. Средства анализа Statistica Data Miner. Суть задачи поиск ассоциативных правил. Анализ предикторов выживания.

    курсовая работа [3,2 M], добавлен 19.05.2011

  • Разработка программы, создающей и управляющей базой данных, ее реализация на языке Turbo Pascal. Организация алгоритма программы. Вывод информации и возможность добавления информации в базу данных. Поиск информации в базе данных по заданному значению.

    курсовая работа [26,7 K], добавлен 19.06.2010

  • Назначение программы учета вычислительной техники и оргтехники организации. Характеристика входной и выходной информации. Требования к базам данных и приложению. Проектирование отношений сущность-связь. Описание операторов создания базы данных.

    курсовая работа [1,7 M], добавлен 16.06.2022

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.