Применение макросов табличного процессора в задаче изучения имитационной модели мониторинга перемещения мобильного объекта в трехмерном пространстве

Размещено на http://www.allbest.ru/

Оренбургский государственный университет

Применение макросов табличного процессора в задаче изучения имитационной модели мониторинга перемещения мобильного объекта в трехмерном пространстве

Аралбаев Т.З.

Актуальность темы работы определяется необходимостью подготовки и предоставления методического материала студентам, изучающим вопросы защиты мобильных объектов (МО) информатизации на базе доступных и иллюстративных средств вычислительной техники. В качестве МО в работе использован квадрокоптер типа Drone Parrot Bebop 2 [5].

Анализ методических разработок по теме исследования, в частности, [1,2,4], показал, что в настоящее время перечень работ, позволяющих предоставить учащимся в доступной форме в краткие сроки актуальные сведения по вопросам имитационного моделирования перемещения мобильных объектов в трехмерном пространстве с учетом погрешностей навигационной аппаратуры, ограничен.

Цель работы: освоить методику изучения имитационной модели мониторинга перемещения мобильного объекта с использованием макросов табличного процессора.

Для достижения цели в работе представлены: графичеcкое и математическое описания процесса мониторинга МО, порядок построения имитационной модели с использованием макросов табличного процессора, алгоритм изучения имитационной модели и экранная форма полученных результатов. мобильный информатизация графический код

Графическая модель трехмерного пространства перемещения МО с указанием зон неопределенности, обусловленных погрешностями навигационной аппаратуры, представлена на рисунке 1. Область перемещения МО представлена в виде вложенных параллелепипедов, границы каждого из которых определяют зоны нормального перемещения МО (S1), допустимого перемещения (S2) и критического перемещения (S3). Границы зон, определены координатами: z1 - z6, находящимися в зонах неопределенности, выделенных прямоугольниками, обусловленными погрешностью навигационной аппаратуры. При получении координат, попадаемых в зоны z в соответствии с допущениями в моделировании, считается, что МО с одинаковой вероятностью может находиться в любой из граничных зон. Следует отметить, что в зависимости от используемой аппаратуры и условий мониторинга погрешность измерения координат может находиться в диапазоне от нескольких сантиметров до нескольких десятков метров.

Рисунок 1 - Трехмерная графическая модель пространства перемещения мобильного объекта

Для описания задачи идентификации зоны МО при построении математической модели использованы следующие условные обозначения [1]:

- S={S1, S2, S3} - множество контролируемых зон МО;

- qx - неизвестный образ зоны, подлежащий распознаванию;

- S* -образ зоны, к которому отнесен qx;

- P = {X,Y,Z} - множество признаков распознавания образов;

- <pi> - зарегистрированное значение i-го признака, i = 1, 3;

- <Px> - вектор зарегистрированных значений признаков qx;

- D={DX1,DY,DZ} - множество диапазонов изменения признаков, состоящее из множеств поддиапазонов признаков для каждого образа;

- V{qx, Sj} - мера близости между qx и j-ым образом из множества S, j= 1, 3;

- vij{<pi>, Sj} - частный параметр (коэффициент) ассоциативности значения <pi> признака pi из множества Px для образа Sj;

- Ф{<Px>, Sj} - разделяющая функция для вычисления меры близости V{qx,Pj};

- Wj{<Px>,Dj} - вектор коэффициентов оценок ассоциативности, характеризующих состояние принадлежности зарегистрированных значений qx диапазонам значений признаков j-го образа из множества S, j = 1, 3;

Модель распознавания qx имеет следующий вид:

Выражение (4) представляет собой правило отнесения qx к одному из образов множества S по принципу простого большинства с использованием меры Хемминга, либо по принципу превышения суммы ассоциаций более половины признаков.

В зависимости от данных навигационной аппаратуры и принятой системы кодирования состояний положение МО может быть описано кодовыми сигнатурами, представленными в таблице 1. В таблице 1 темным цветом выделены коды несуществующих состояний положения мобильного объекта.

Таблица 1 - Таблица кодов состояний положения мобильного объекта

В таблице 2 представлены характеристики некоторых сигнатур положения МО.

Таблица 2 - Таблица соответствия кодов и положения мобильного объекта

Порядок построения имитационной модели с использованием макросов табличного процессора представлен на экранной форме имитационной модели (рисунок 2) и имеет ниже перечисленные пункты.

1. Задаются различными цветами области диапазонов координат перемещения МО.

2. C использованием генератора случайных чисел задаются координаты по осям X,Y, и Z.

3. В соответствии с математическими выражениями программируется таблица 1 для идентификации состояния S*.

4. С применением макросов табличного процессора программируются таблицы 2 и 3. представленные на рисунке 2, для исследования динамики перемещения МО.

5. Программируются процедуры вывода результатной информации в виде графиков перемещения МО по зонам: S1, S2 и S3.

Рисунок 2 - Экранная форма процесса имитационного моделирования перемещения МО в трехмерном пространстве с использованием макросов табличного процессора

Разработанная в табличном процессоре Excel имитационная модель на основе формул обычно позволяет получить результаты для текущих данных для одного шага некоторого процесса. Для исследования модели в динамике для ряда последовательных тактов применение только данного механизма является недостаточным, поскольку необходимо сохранять данные предыдущего цикла, задавать текущие данные для каждого нового шага, каждый раз запускать программу и выводить непрерывно и последовательно все результаты в виде одного графика.

Одним из решений задачи устранения этого недостатка является использование макросов, созданных при помощи языка Visual Basic Application (VBA) [3]. В рамках данной работы разработаны макросы Init и Next, вызываемые по нажатию кнопок «Инициализация» и «Следующий замер», соответственно. По нажатию первой кнопки вызывается макрос, сохраняющий предыдущие результаты исследования и подготавливающий пространство в окне программы для следующего шага. Вторая кнопка увеличивается счетчик номера замера, обновляет входные данные модели при помощи генератора случайных чисел и сохраняет рассчитанные данные при помощи формул в позиции таблицы 3, соответствующие номеру эксперимента. При этом результат идентификации положения МО отражается на графиках, на которых регистрируется состояние МО для каждой текущей координаты. На рисунке 3 представлена экранная форма программного кода макроса Next.

Таким образом, использование макросов позволяет автоматизировать процесс проведения вычислительных экспериментов и исследовать модель в динамике. При этом необходимо отметить простоту программирования, использования и реализации макросов.

Достоинства предложенной методики:

- доступность и наглядность представления относительно сложного материала, такого как имитационное моделирование, средствами приложений к операционной системе компьютера;

- многовариантность постановок задач исследований на базе одного оконного интерфейса;

Рисунок 3 - Экранная форма программного кода макроса

- возможность использования имитационной программы студентами с различным уровнем подготовки в области знаний языков программирования;

- рассмотренная программа может быть интегрирована с программами на языках высокого уровня для демонстрации и визуализации результатов моделирования.

Данная методика успешно апробирована в процессе выполнения лабораторных работ, работ по курсовому и дипломному проектированию по дисциплинам бакалавриата и магистратуры студентами профиля «Комплексная защита объектов информатизации» и магистерской программы по направлению «Информатика и вычислительная техника» на кафедре вычислительной техники и защиты информации ОГУ.

Список литературы

1. Аралбаев, Т. З. Оптимизация методов контроля технического состояния распределенных автоматизированных систем в условиях воздействия пространственно-временных угроз на основе мониторинга сетевых информационных потоков: монография / Т. З. Аралбаев, Г. Г. Аралбаева, Т. В. Абрамова, Р. Р. Галимов, А. В. Манжосов; Оренбургский гос. ун-т. - Оренбург: ОГУ, 2018. -160 с. ISBN - 978-5-7410-2202-3

2. Михеев Р.Н. VBA и программирование в MS Office для пользователей/ Р.Н. Михеев. -СПб.: БХВ-Петербург, 2006. -384 с.

3. Павловский, В. Е. Моделирование и исследование процессов управления квадрокоптером / В. Е. Павловский, С. Ф. Яцун, О. В. Емельянова, А. В. Савицкий //Робототехника и техническая кибернетика. -- 2014. -- № 4. -- С. 49-57.

Размещено на Allbest.ru