Разработка моделей функционирования и методики

На правах рукописи
Сахарова Мария Александровна
Разработка моделей функционирования
и методики формирования
интеллектуальной системы поддержки принятия решений
по управлению сетью передачи данных
05.12.13 – Системы, сети и устройства телекоммуникаций
Автореферат
диссертации на соискание ученой степени
кандидата технических наук
Санкт-Петербург – 2015
Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования
«Петербургский государственный университет путей сообщения Императора Александра I».
Научный руководитель:
доктор технических наук, доцент
Канаев Андрей Константинович.
Официальные оппоненты: Попов Павел Валерьевич
доктор технических наук,
ФГКВОУ ВПО ВУНЦ ВМФ «Военно-морская
академия имени Адмирала Флота Советского
Союза Н.Г. Кузнецова», профессор кафедры боевого применения и эксплуатации радиотехнических средств.
Осадчий Александр Иванович,
доктор технических наук, профессор,
ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», директор
департамента информационных и вычислительных технологий.
Ведущая организация:
ФГОБУ ВПО "Санкт-Петербургский государственный университет телекоммуникаций им.
проф. М.А. Бонч-Бруевича" (СПбГУТ).
Защита состоится 22 декабря 2015 г. в 14 ч. 00 мин. на заседании диссертационного совета Д 223.009.06 при ФГБОУ ВО «Государственном
университете морского и речного флота имени адмирала С.О. Макарова»
по адресу: г. Санкт-Петербург, ул. Двинская, д. 5/7, ауд. 257. С диссертацией можно ознакомиться в библиотеке ГУМРФ имени адмирала С.О. Макарова и на сайте http://gumrf.ru/naudejat_dissov_zd22300906.html.
Автореферат разослан «___» октября 2015 г.
Ученый секретарь
диссертационного совета
В.В. Каретников
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования.
Эффективность организации железнодорожных перевозок зависит от
степени проникновения средств автоматизации во все структурные подразделения и процессы на железнодорожном транспорте. Физической основой функционирования автоматизированных систем управления территориально-распределенных объектов управления являются сети передачи
данных (СПД), которые функционируют в интересах информационноуправляющих систем (ИУС). Данные ИУС предъявляют высокие требования к качеству предоставления услуг СПД, в том числе по времени задержки доставки информации как составляющей общего времени цикла
управления.
Для эффективного управления СПД, которая является большой и
сложной технической системой, администратору необходимо знать и контролировать большое количество разнородного оборудования СПД, своевременно обрабатывать значительный объем поступающей диагностической информации в условиях плохо формализованных и слабо структурированных задач при отсутствии полной и достоверной информации о состоянии элементов СПД, а также при ограниченном времени на анализ ситуаций и принятие решения.
С целью обеспечения требуемой устойчивости функционирования
СПД и предоставления пользователям услуг заданного качества требуется
разработка дополнительных элементов системы управления (СУ) СПД, в
которых будут реализованы принципы поддержки принятия решений при
решении задач своевременного обнаружения неисправностей и выявление
причин их появления, управления конфигурацией, формирования плана
восстановления СПД.
Таким образом, следует считать актуальной разработку моделей
функционирования и методики формирования интеллектуальной системы
поддержки принятия решений (ИСППР) с учѐтом требований своевременности и обоснованности принимаемых решений по управлению СПД как
элемента ИУС на железнодорожном транспорте.
Степень разработанности темы. Вопросам формирования интеллектуальных систем поддержки принятия решений посвящены работы Г.В.
Рыбиной, Н.В. Васильева, В.А. Рыжкова, В.П. Евменовым И.А. Башмакова, Д.А. Поспелова. Основы построения систем управления сетями связи
рассмотрены А.В. Боговиком, Н.Д. Егуповым, Е.П. Поповым, И.Г. Котенко, А.Ю. Гребешковым. Рассмотрение процессов функционирования СПД,
а также теоретические и прикладные разработки в области построения
СПД представлены в трудах Т.И. Алиева, Б.С. Гольдштейна, А.Б. Шамшаева, С. Бигелоу, Г.Ф. Кохановича.
4
Цели и задачи. Целью исследования является обеспечение оперативного и обоснованного формирования решений по управлению сетью передачи данных в связи с необходимостью обеспечения устойчивого функционирования сети передачи данных.
Для достижения поставленной цели решены следующие задачи:
1. Проведен анализ существующих СПД на железнодорожном транспорте;
2. Сформировано множество параметров, характеризующих как отдельные элементы, так и СПД в целом, а также параметры качества обслуживания;
3. Проведен анализ основных задач и функций СУ СПД, на основе которых разработана концептуальная модель системы управления СПД;
4. Разработана структура ИСППР с учетом вычислительных ресурсов
СУ СПД;
5. Разработан комплекс нейросетевых (НС) моделей для ИСППР в СУ
СПД, обеспечивающий обработку диагностических данных элементов
СПД, сетевых параметров и параметров качества обслуживания (QoS), а
также формирование гипотез о причинах возникновения неисправностей в
СПД;
6. С учетом условий и особенностей функционирования СПД разработан комплекс математических моделей функционирования СУ СПД с
ИСППР, отличающихся от известных учетом процессов технического диагностирования, принятия решения на восстановление СПД и выбора плана
восстановления;
7. Разработана методика формирования плана восстановления в
ИСППР по устранению неисправностей в СПД;
8. Разработана методика формирования ИСППР в СУ СПД с учетом
сетевых параметров и параметров QoS.
Объектом исследования является интеллектуальная система поддержки принятия решений в составе системы управления СПД.
Предметом исследования являются модели функционирования и методика формирования интеллектуальной системы поддержки принятия
решений в системе управления СПД.
Научная задача: разработка методики формирования интеллектуальной системы поддержки принятия решений в системе управления сетью
передачи данных, функционирующей в условиях ограниченности вычислительных и временных ресурсов на принятие решений.
Научная новизна диссертационной работы заключается в следующем:
1. На основании проведенного анализа существующих СПД как телекоммуникационной сети (ТКС) высокой степени сложности на железнодорожном транспорте сформулирован перечень требований к СПД и ее элементам в их структурной и функциональной взаимосвязи;
5
2. Представлено множество элементов СПД, классифицированных по
группам, с выделением множества диагностических параметров для каждого элемента;
3. Проведен анализ основных задач и функций СУ СПД и сформулированы основные требования к ней, сформирована концептуальная модель
системы управления СПД с указанием роли и места ИСППР;
4. Разработана структура ИСППР, представленная в виде совокупности взаимосвязанных подсистем, с учетом вычислительных ресурсов СУ
СПД;
5. Разработан комплекс НС моделей для ИСППР, обеспечивающий
обработку диагностических данных элементов СПД, определение технического состояния СПД и формирование гипотез о причинах возникновения
неисправностей в СПД;
6. Разработаны математические модели функционирования ИСППР в
системе управления СПД, отличающиеся от известных учетом процессов
технического диагностирования, принятия решения на восстановление
СПД и выбора плана восстановления, что позволяет снять ряд существующих ранее ограничений и получить ВВХ функционирования системы
управления СПД;
7. Разработана методика формирования решений в ИСППР СУ СПД
по устранению неисправностей в СПД, основанная на вычислительной модели вывода по прецедентам, которая позволила обеспечить оперативность
и адекватность выработки решения;
8. Разработана методика формирования ИСППР СУ СПД, отличающаяся от известных учетом сетевых параметров и параметров качества обслуживания QoS и включающая процессы формирования вариантов решений по управлению СПД и процессы формирования обоснованного выбора
плана восстановления СПД на множестве альтернативных решений, поддерживающего систему предпочтений лица, принимающего решение
(ЛПР).
Теоретическая значимость работы состоит в расширении методической базы по формированию и проектированию ИСППР в структуре СУ
СПД с учѐтом требований к своевременности и обоснованности принимаемых решений. В качестве теоретической базы в диссертации сформирована концептуальная модель системы управления СПД с указанием роли и
места ИСППР.
Практическая ценность результатов диссертационной работы.
Практическая значимость диссертации определяется применимостью
ее результатов в существующих и перспективных комплексах систем технического диагностирования состояния СПД малого и среднего масштаба
на основе НС моделей, реализованных в программе MatLab, для СПД
большого масштаба, которые реализованы в прикладном пакете программ
Statistica; в существующих и перспективных комплексах СУ СПД.
6
Практическая значимость разработанных математических моделей
функционирования ИСППР заключается в возможности формирования
требований к системе управления СПД по значениям ВВХ функционирования отдельных подпроцессов на этапе проектирования системы управления СПД при различных условиях ее функционирования.
Практическая значимость методики формирования ИСППР в СУ СПД
заключается в оценке длительности цикла управления до полного устранения неисправности в СПД или до выполнения поставленных задач.
Методология и методы исследования. В работе использованы как
теоретические, так и экспериментальные методы исследования.
Теоретические методы исследования основаны на фундаментальных
положениях теории систем, теории вероятностей, теории принятия решений, теории построения интеллектуальных систем, теории сетей и графов,
теории надѐжности, теории распознавания образов.
Экспериментальные методы исследования включают: метод математической статистики, метод обнаружения сигнатур, метод топологического
преобразования стохастических сетей (ТПСС), а также нейронные сети.
Основные положения, выносимые на защиту:
1. Комплекс нейросетевых моделей, позволяющих решать задачи технического диагностирования СПД различного масштаба в условиях большого объема измерений по множеству диагностических параметров элементов СПД, сетевых параметров и параметров QoS и ограниченности
временных ресурсов.
2. Математические модели функционирования интеллектуальной системы поддержки принятия решений системы управления СПД, отличающиеся от известных учетом процессов технического диагностирования и
позволяющие получить вероятностно-временные характеристики функционирования системы управления СПД.
3. Методика формирования интеллектуальной системы поддержки
принятия решений в системе управления СПД, отличающаяся от известных учетом требований к качеству обслуживания при выработке решений
и включающая блок подготовки вариантов решений по управлению СПД и
блок формирования обоснованного плана мероприятий по восстановлению
СПД.
Личный вклад. Все результаты, излагаемые в диссертационной работе, получены автором самостоятельно.
Реализация и внедрение работы. Результаты диссертационной работы, включая все модели, методики и научно-технические предложения, используются на ряде предприятий: «ГТСС» филиал ОАО «Росжелдорпроект», ОАО «Супертел», ООО «МИКС» и в учебном процессе ФГБОУ ВПО
ПГУПС.
Степень достоверности. Обоснованность и достоверность полученных результатов в диссертации обеспечивается системностью подхода к
7
построению концептуальной модели СУ СПД на основе современных
стандартов и регламентирующих документов. Формирование ИСППР проводилось с применением фундаментальных достижений в области СУ сетями связи как объектом, относящимся к сложным техническим системам
электросвязи.
Обоснованность и достоверность полученных результатов в диссертации подтверждается их непротиворечивостью практике функционирования
СПД и строгой аргументацией полученных теоретических результатов при
применении математического аппарата топологического преобразования
стохастических сетей (ТПСС), используемого при описании процессов
функционирования СУ СПД, обоснованным выбором исходных данных,
корректностью вводимых ограничений и допущений, адекватностью применения НС моделей при решении задач технического диагностирования
СПД различного масштаба.
Подтверждение достижения цели диссертационной работы выполнено
по критериям своевременности и обоснованности формирования решений
по управлению СПД.
Достоверность полученных результатов подтверждается положительными отзывами и одобрением, полученными при апробации новых научных результатов на научно-технических и научно-практических конференциях и семинарах.
Апробация работы. Основные результаты и положения диссертационной работы обсуждались на научных конференциях и семинарах: международный конгресс, научно-практическая конференция «Геополитические факторы устойчивого развития Арктики и инновационные технологии
прогнозирования и предотвращения чрезвычайных ситуаций», СанктПетербург, 2012, 2013; научно-техническая конференция, посвященная
Дню радио Секция «Телекоммуникации на железнодорожном транспорте»,
Санкт-Петербург, 2012 (3 доклада), 2013 (2 доклада), 2014 (2 доклада),
2015 (2 доклада); вторая международная научно-практическая конференция «Интеллектуальные системы на транспорте» Санкт-Петербург, 2012;
IV Международная научно-техническая и научно-методическая конференции «Актуальные проблемы инфотелекоммуникаций в науке и образовании» в 2015 (3 доклада); VIII международный симпозиум «ЭЛТРАНС–
2015» в 2015 году.
Публикации. Всего по теме диссертации опубликовано 23 печатных
работы, в том числе четыре – в рецензируемых изданиях, включенных в
перечень ВАК Министерства образования и науки РФ.
Объем и структура работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы из 143 наименований, 4 приложений, изложена на 161 страницах машинописного текста,
содержит 22 таблицы и 93 рисунка.
8
СОДЕРЖАНИЕ РАБОТЫ
Во введении отражено обоснование актуальности темы, формулировка цели и задач исследования, приведены основные положения, выносимые на защиту, теоретическая и практическая значимость исследования, а
также содержание и методы выполнения работы.
В первом разделе диссертационной работы проведѐн системный
анализ предметной области, а именно рассмотрены вопросы управления
современными СПД как телекоммуникационной сети (ТКС) высокой степени сложности.
Проведен анализ структурных и функциональных особенностей современных СПД, а также определены основные свойства СПД, характеризующие процесс ее функционирования. Сформирован комплекс
диагностических параметров элементов СПД. Представлен перечень услуг
СПД для сформированных групп потребителей (СПД ОТН, СПД ОбТН).
С целью поддержания требуемого состояния СПД и предоставления
услуг заданного качества используется трехуровневая концептуальная модель системы управления (СУ) СПД, для которой предложен состав и
структура уровня оперативно-технического управления, включающего интеллектуальную систему поддержки принятия решений (ИСППР).
Определены задачи, решаемые ИСППР: своевременное обнаружение
неисправностей в СПД и определение причин их возникновения, управление конфигурацией, формирование плана восстановления СПД.
Разработана обобщенная архитектура ИСППР в СУ СПД в виде
i
j
совокупности основных структур A={SпфСУ, SНСм
, SНСб
,Sвр}, где:
– SпфСУ = {GСПД,{Ai..4,Bj},PСПД,RТКС,BСУ,Tцу,Рцу} – алгоритмическая
структура процесса функционирования СУ СПД,
i
j
– SНСм
= {xi,y1..4} и SНСб
={xj,y1..4} – структуры нейросетевых (НС) моделей технического диагностирования СПД различного масштаба,
– Sвр = {Mp,RТ{ωi},RH{Ui},Bar,Bal,Bcv,VСПД} – структура процесса выработки решений по управлению СПД.
Представлена формализованная постановка задачи научного исследования, которая заключается в формировании рациональных структур, входящих в состав архитектуры ИСППР.
Во втором разделе диссертации представлен сравнительный анализ
моделей и методов обнаружения неисправностей в СПД, используемых на
технологическом уровне СУ СПД, и предложена их классификация. На основании проведенного анализа выбраны нейронные сети (НС), которые
позволяют решать задачи технического диагностирования СПД различного
масштаба.
Разработана НС модель для решения задач технического диагностирования СПД малого и среднего масштаба, которая в отличие от известных
учитывает в качестве исходных данных параметры отдельных элементов
9
СПД, сетевые параметры NPСПД и параметры качества обслуживания
QoSСПД, а также позволяет отнести текущее состояние СПД к одному из
введенных состояний.
Проведено сравнение двух типов НС (многослойный перцептрон и
радиально-базисных) при решении задач технического диагностирования
СПД малого и среднего масштаба. Выявлено, что время, затрачиваемое на
обучение, инициализацию и тестирование различаются незначительно.
Однако, количество ошибок при выполнении указанных процессов у НС
типа многослойный перцептрон в разы и даже на порядок меньше, чем у
радиально-базисных, что позволяет сделать обоснованный выбор типа НС
на основе многослойного перцептрона.
Разработанная НС модель для решения задач технического диагностирования СПД малого и среднего масштаба (рисунок 1) работает с диагностическими данными, полученными от системы технической эксплуатации (СТЭ) и преобразованными в подсистеме сбора информации (DataBase).
Рисунок 1 – Модель СУ СПД малого и среднего масштаба
Состояние элементов СПД определяется набором параметров р1...рN , а
состояние СПД соответствует одному из введенных состояний на множестве М. НС на основании вектора р определяет, к какому классу состояний
отнести СПД. Решение задачи получаем в виде вектора с при выполнении
условий: 0<cm<1 и
M
c
m 1
m
 1 , где сm – вероятность, с которой текущее состо-
яние СПД относится к классу Сm.
Результаты моделирования показали, что все элементы сформированного множества диагностических параметров оказывают влияние на производительность СПД, при этом для каждого из параметров получены
10
частные зависимости для категорий, отражающих общую производительность СПД, от значений контролируемых характеристик элементов СПД
(рисунок 2).
Рисунок 2 – Производительность СПД
при изменении диагностических параметров коммутатора
Разработанная НС модель для СПД малого и среднего масштаба позволила также получить среднее время реализации процесса идентификации текущего технического состояния СПД.
Разработана НС модель для решения задач технического диагностирования СПД крупного масштаба, которая отличается от известных возможностью работы с различными группами диагностических данных (параметры элементов СПД, сетевые параметры, параметры качества обслуживания QoS) в зависимости от требований по оперативности решения задач технического диагностирования СПД, что, в свою очередь, позволяет
сократить среднее время реализации процесса диагностирования СПД (ty),
значение которого использовано при оценке среднего времени реализации
цикла управления СПД в третьем разделе. А также НС модель позволяет
учитывать физическую и логическую структуры СПД.
Поскольку каждый элемент СПД характеризуется множеством параметров, предварительно следует выполнить оценку его состояния, что в
дальнейшем позволит оценить состояние каждого маршрута передачи данных. По выявленным значениям сигналов о состоянии маршрутов с помощью НС модели выполняется оценка технического состояния СПД.
Разработанная НС модель для решения задач технического диагностирования СПД крупного масштаба реализована в прикладном пакете
программ Statistica, где были заданы тип решаемой задачи (классификация), алгоритм обучения (BFGS) и тип нейронной сети. Получены результаты моделирования НС моделей типа многослойный перцептрон (MLP) и
радиально-базисных, на основании которого для решения задач технического диагностирования СПД крупного масштаба выбран тип MLP.
По показателям производительности обучения и тестирования была
выбрана реализация НС модели MLP 8-16-4, у которой 8 нейронов на вхо-
11
де, 16 нейронов на скрытом слое и 4 нейрона на выходе НС (рисунок 3).
Параметры и функции, определяющие НС модель для решения задач технического диагностирования СПД крупного масштаба, представлены в
таблице 1.
φ [1]=diag{φj[1]}
[1]
={wji[1]}
Скорость
фильтрации
х1
Скорость
продвижения
х2

Пропускная
способность
х3

Задержка
передачи
Объем буферной
памяти
Емкость
адресной
таблицы
W

1[1]
a1[1]
u2[1]
2[1]
a2[1]
u3[1]
3[1]
a3[1]
u1[1]
φ [3]=diag{φj[3]}
φ [2]=diag{φj[2]}
W
[2]
={wji[2]}



1[2]
a1[3]
u2[2]
2[2]
a2[3]
u3[2]
3[2]
a3[3]
u1
[2]
W
[3]
={wji[3]}


х4

х5

х6

Производительность
х
внутренней шины 7

Производительность
х8
процессоров

Входные сигналы
u4[1]
4[1]
u5[1]
5[1]
u6[1]
6[1]
u7[1]
u8[1]

u1[3]
u2[3]
u3[3]
1[3]
 2[3]
3[3]
a1[3]=y1
Категория 1
состояния СПД
a2[3]=y2
Категория 2
состояния СПД
a3[3]=y3
Категория 3
состояния СПД
7[1]
8[1]
a8[1]
Первый слой НС, n=8

u16[2]
16[2]

a16[3]
Второй (скрытый) слой НС, n=16
u4[3]
 4[3]
a4[3]=y4
Категория 4
состояния СПД
Выходные сигналы
Рисунок 3 – НС типа многослойный перцептрон
для решения задач технического диагностирования СПД крупного масштаба
Таблица 1 – Параметры и функции разработанной НС модели
Параметры и функции
Расчетные выражения и функции
НС модели
L
Количество нейронов
N w ,
в скрытом слое N
n y
где n – количество нейронов во входном слое (соответствует количеству диагностических параметров СПД); y – количество нейронов в выходном слое (соответствует количеству возможных состояний объекта); Lw – количество синаптических связей.
K

yK
 Lw  y    1   y  n  1  y ,
Количество синаптических
1  log 2 K
y

связей в НС Lw
где K – число элементов обучающей выборки.
Функция активации вида гиe NET  e  NET
перболический тангенс
y  th ( NET )  NET
e
 e  NET
(Than)
e NET
Функция активации вида
y
Softmax
 e NETi
i
Алгоритм обучения Бройдена-Флетчера-ГольдфарбаШанно (BFGS)
1 T
p H ( xk ) p
2
,
где H – гессиан функционала f в точке x.
f ( x k  p)  f ( x k )  f T ( x k ) p 
Разработанная НС модель продемонстрировала чувствительность к
изменению всех параметров элементов СПД, используемых в качестве исходных данных. Результаты моделирования показали, что вероятность обнаружения исследуемого состояния СПД зависит от параметра – скорость
12
фильтрации кадров в коммутаторе, который представлен на входе х1 НС
модели, а при нахождении приведенных значений скорости фильтрации
кадров в диапазоне от 0,85 до 1 вероятность обнаружения исправного состояния СПД достигает единицы (рисунок 4).
Проведена свертка множества диагностических параметров в группы
по соответствующим признакам и показана зависимость исследуемого состояния элемента СПД от интегральных параметров, что демонстрирует
возможность контроля и управления состоянием элемента СПД по всем
контролируемым параметрам с возможностью выбора рациональных решений с технической и экономической точки зрения.
Результаты моделирования показали, что при изменении интегральных параметров коммутатора наблюдается изменение вероятности обнаружения исправного состояния СПД. Получены зависимости (рисунок 5),
позволяющие оценивать вероятность обнаружения исследуемого состояния элемента СПД от пары выбранных параметров, которые имеют сложную нелинейную зависимость и демонстрируют возможность комплексного управления состоянием СПД.
Рисунок 4 – Вероятность нахождения СПД Рисунок 5 – Вероятность нахождения СПД
в состоянии, соответствующем ее произв состоянии, соответствующем ее производительности (категории 1), от диагноводительности (категории 1), от диагностических параметров коммутатора ПС и
стического параметра коммутатора ПС
СкФ
и интегрального параметра СоК
Реализация НС модели для СПД крупного масштаба позволила определить параметры коммутатора, которые существенно влияют на результат
оценки текущего состояния СПД.
В третьем разделе диссертации проведен анализ процесса функционирования СУ СПД в различных условиях, который позволил сформировать ключевые алгоритмы процесса функционирования СУ СПД, для каждого из которых разработаны математические модели, позволяющие оценить временно-вероятностная характеристика (ВВХ) функционирования
ИСППР при реализации указанных алгоритмов. Для выделенных процессов управления СПД разработаны соответствующие алгоритмы:
- процесса функционирования СУ СПД при периодических запросах
от СУ на выполнение комплексной оценки технического состояния СПД;
13
- процесса функционирования СУ СПД при обращении пользователей
сети в службу поддержки в связи с изменением перечня предоставляемых
услуг или при снижении показателей качества обслуживания;
- процесса функционирования СУ СПД при поступлении в СУ сообщения о выходе из строя одного или нескольких элементов СПД;
- процесса функционирования СУ СПД при модернизации СПД.
Для каждого подпроцесса в сформированных последовательностях
управления СПД определены функции распределения (ФР) времени реализации и соответствующие вероятности переходов между подпроцессами
(таблица 2).
Таблица 2 – Составляющие подпроцессов СУ СПД
№
Подпроцесс СУ СПД
1
2
3
4
5
6
7
8
9
Формирование запроса
Измерение параметров элементов СПД
Измерение сетевых параметров СПД (NPСПД)
Измерение параметров качества услуг (QoSСПД)
Обработка диагностических данных элементов СПД
Обработка параметров NPСПД и QoSСПД
Оценка состояния СПД и принятие решения
Восстановление СПД
Включение структурного резерва
Время реализации
tw
tD
tb
tm
ty
tl
tz
tv
tk
Функция распределения
W(t)
A(t)
B(t)
M(t)
Y(t)
L(t)
Z(t)
V(t)
K(t)
При разработке комплекса математических моделей функционирования СУ СПД в работе введены ограничения и допущения: ФР случайных
величин относятся к классу экспоненциальных; вероятности, соответствующие ветвям стохастической сети (СС), определяются статистическими
методами; времена реализации отдельных операций искомого процесса
имеют экспоненциальное распределение; модель предполагает отсутствие
новых заявок до окончания обработки предыдущей; потоки заявок являются неконкурирующими.
Для каждого сформированного процесса управления СПД разработаны соответствующие СС и математические модели процесса функционирования СУ СПД на основе аппарата топологического преобразования
стохастических сетей. Для процесса функционирования СУ СПД при периодических запросах от СУ на выполнение комплексной оценки технического состояния СПД разработана математическая модель в виде СС (рисунок 6).
k1(s)
v1(s)
w(s)
z(s)
1-Pn
Pn
x1(s)
b(s)
m(s)
l(s)
a(s)
y(s)
x(s)
Pv
Q(s)
1-Pv
h(s)
k(s)
v(s)
Рисунок 6 – Стохастическая сеть процесса функционирования СУ СПД
на выполнение комплексной оценки технического состояния СПД
14
Каждый элементарный подпроцесс, характеризующийся ФР, представлен с использованием преобразования Лапласа. Эквивалентная функция Qэ(s) для СС имеет вид:
k
Qэ ( s ) 
f
j 1
M
j
(s)
1   (1)l Wl ( s )
,
(1)
l 1
где k – количество функций fi(s) в прямой цепи СС процесса функционирования СУ СПД.
Эквивалентная функция Q(s) для СС процесса функционирования СУ
СПД (рисунок 6) имеет следующий вид:
w
z
b
m
l
h
(1  Pn )(1  Pv )
ws zs
bs ms l s hs
Q( s) 
z
a
y
x
k
v
z
b
m
l
x
k1
v1
1
Pn

Pv (1  Pn ) 1
zs
as ys xs k s vs zs bs ms l s
x1  s k1  s v1  s
(2)
Результаты моделирования показали, что при увеличении времени
реализации цикла управления растет значение вероятности завершения
цикла управления за отведенное время (рисунок 7), а также с ростом
значения вероятности Pn (обнаружение неисправностей элементов СПД)
значительно увеличивается время реализации цикла управления СУ СПД
(рисунок 8), которое включает ряд мероприятий по восстановлению СПД.
Выявлено, что значение среднего времени реализации цикла управления
СУ СПД T(Pn) растет при увеличении вероятности появления события Pn,
а также зависит от времени обработки диагностических параметров
элементов СПД (ty).
Рисунок 7 – Семейство функций распределения времени реализации цикла управления СУ СПД
Рисунок 8 – Зависимость среднего времени реализации цикла управления СУ СПД
от вероятности Pn
Разработанные модели функционирования СУ СПД различаются источником формирования запросов, назначением, последовательностью выполнения частных задач для достижения цели управления, что оказывает
влияние на среднее время реализации цикла управления СУ СПД.
Разработанные модели позволили получить оценку ВВХ процессов
функционирования СУ СПД в зависимости от ВВХ реализации подпроцес-
15
сов управления СПД. Это, в свою очередь, позволяет на этапах планирования и проектирования оценивать соответствие перспективной СУ СПД
требованиям по оперативности реализации цикла управления, а в случае
несоответствия этим требованиям формировать обоснованные рекомендации по изменению ВВХ отдельных подпроцессов для соответствия требованиям к процессу управления СПД в целом. Доказана необходимость
применения разработанных НС моделей для обработки диагностических
данных при увеличении интенсивности отказов в СПД.
В четвѐртом разделе диссертации разработана методика формирования плана восстановления (ПВ) СПД на основе модели вывода, основанного на прецедентах. Особенностью представленной методики является
использование операций управления, которые позволяют своевременно и
обоснованно определять детализированный план мероприятий по управлению и восстановлению СПД, что, в свою очередь, позволит снизить риск
принятия некачественных решений при формировании ПВ СПД.
Представлен класс обобщенных моделей формирования ПВ СПД Mp
на основе вывода по прецедентам в виде Мp  BDp, Mup, Mcp , где BDp – база прецедентов, Mup – модели вывода на отдельных уровнях процессов
восстановления СПД, Mcp – комплексные модели вывода процессов восстановления СПД.
База прецедентов BDp ИСППР содержит знания о цели планирования
и предметной области в форме прецедентов, представленных динамическими структурами данных, фиксирующими предварительно зафиксированные цели, условия и последовательности выполнения процессов и решения задач восстановления СПД. База прецедентов СППР задана в виде
BDp  PDD , L , где PDD={ASi,BSi,U,T} – прецеденты различного уровня абстракции (ASi – сцены, BSi – сценарии, U – управляющие элементы, Т – тематические элементы), L – связи между прецедентами.
С использованием разработанной в разделе 1 диссертации концептуальной модели СУ СПД сформирована структурно-функциональная модель взаимодействия ИСППР и элементов СПД. На ее основе разработана
методика формирования ИСППР в СУ СПД для поддержания СПД в требуемом состоянии (рисунок 9).
Методика содержит три взаимосвязанных укрупненных блока, где
формируются алгоритмическая структура процесса функционирования СУ
СПД SпфСУ, структуры НС моделей технического диагностирования СПД
i
j
различного масштаба SНСм
и SНСб
, структура процесса выработки решений
по управлению СПД Sвр.
Разработаны научно-технические предложения по формированию
элементов СУ СПД, которые включают анализ и обоснование возможности применения протокола информационного обмена в СУ СПД, формирование базы данных СУ СПД на основе стандартных наборов контролируе-
16
мых объектов, определение потоковой структуры сети передачи данных
контроля и управления.
Начало
1
Формирование исходных данных
в виде множества элементов СПД
Nкэ={N1, N2, N3}
2
Формирование исходных
данных о СПД
DСПД={Nкэ, DNi, HDN}
3
Системный анализ
предметной области
GСПД={YСПД,LСПД}
4
Формирование требований к параметрам и
характеристикам качества обслуживания
Q={NPСПД,QoSСПД,CCСПД}
Формирование алгоритмической
структуры процесса взаимодействия СПД
и СУ СПД
SпфСУ={GСПД,{Ai..4,Bj},PСПД,RТКС,BСУ,Tцу,Рцу}
Формирование
базы данных СУ СПД
BСУ={DСПД,Q,MСПД}
7
Формирование спецификаций
MIB-II для элементов СПД с целью
идентификации технического состояния СПД
8
16
Определение типа неисправности
или отказа и формирование гипотез о
причинах их возникновения
X(t), tx
17
5
6
13
количество
нет
сетевых устройств
в СПД <50 ед.
14
15
НС модель
НС модель
S iНСм={xi,y1..4}
S jНСб={xj,y1..4}
Y(t), ty, L(t), tl
Y(t), ty, L(t), tl
да
Определение цели, средств и задач
управления с заданной вероятностью
выполнения восстановления СПД
Pn, tn, tv, VТСэлСПД(t)
Формирование структуры
выработки решений по управлению СПД
Sвр={Mp,RТ{ωi},RH{Ui},Bar,Bal,Bcv,VСПД}
18
Формирование плана
восстановления исправного технического
состояния СПД
Fi Rн{Ui} ; Pv, tv
19
Выработка решений
Rн{Ui}, Bal, Bar, Bcv
20
21
9
да
Выбор метода
оценки технического состояния СПД
при наличии априорной информации
о видах неисправностей
и их проявлений
10
Сигнатурный
метод
да
нет
да
Формирование управляющего
воздействия Ui
Выполнения восстановления
СПД с помощью СТД
V(t), tv, V1(t), tv1
нет
11 Выбор метода
оценки технического состояния СПД
при наличии статистических сведений
о статистике функционирования
СПД
12
Статистический
метод
22
Выбор ЛПР
предложенного варианта
плана восстановления
СПД
23
Цели управления достигнуты?
Ц*:=Ц
нет
да
Конец
нет
Рисунок 9 – Методика формирования ИСППР в СУ СПД
Для оценки эффективности полученных в работе решений по формированию ИСППР используются показатели обоснованности (коэффициент
риска подготовки некачественного решения Kпнр) и своевременности
17
(время, затрачиваемое на управление) принятия решений. Результаты расчетов показали, что при использовании ИСППР наблюдается снижение
значения Kпнр, а также сокращается время реализации цикла управления
СПД.
ЗАКЛЮЧЕНИЕ
Проведен системный анализ предметной области, на основании которого представлена классификация современных СПД, функционирующих
на технологических сетях связи ОАО «РЖД». Сформирован перечень требований к СПД с учетом требований к параметрам качества обслуживания
(QoS). Сформировано множество параметров, характеризующих как отдельные элементы, так и СПД в целом, а также параметры качества обслуживания.
Разработана концептуальная модель системы управления (СУ) СПД,
предполагающая распределение задач управления на три уровня, а именно:
технологический, оперативно-технический и организационный. Предложена обобщенная архитектура интеллектуальной системы поддержки принятия решений (ИСППР) в составе представленной модели СУ СПД.
Разработан комплекс нейросетевых моделей для решения задач технического диагностирования СПД различного масштаба. Проведено моделирование на основе разработанных НС моделей и показана их работоспособность и чувствительность к изменению входных сигналов, а результаты
моделирования согласуются со статистическими данными измеренных диагностических параметров, характеризующих как отдельные элементы, так
и СПД в целом, а также параметры качества обслуживания, и соответствующих им состояниям СПД.
Разработан комплекс математических моделей функционирования СУ
СПД с помощью метода топологического преобразования стохастических
сетей при разных источниках запроса в СУ СПД. Анализ результатов моделирования выделенных ключевых процессов управления СПД, учитывающих возможности определения состояния СПД на основе НС моделей
или ЛПР, позволяет сделать вывод, что время реализации цикла управления при применении НС моделей в среднем сокращается не менее, чем на
25 %.
Разработана методика формирования плана восстановления СПД на
основе модели вывода, основанного на прецедентах. Разработана методика
формирования ИСППР в составе СУ СПД с учетом требований к параметрам QoS.
СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ АВТОРОМ
ПО ТЕМЕ ДИССЕРТАЦИИ
В рецензируемых научных изданиях
1. Камынина, М.А. Подход к построению интеллектуальной системы
управления сетью передачи данных / А.К. Канаев, М.А. Камынина, А.К.
18
Тощев // Известия Петербургского университета путей сообщения. – 2013.
– вып. 4(37) – С. 107-122.
2. Сахарова, М. А. Идентификация состояния сети передачи данных с
применением нейронных сетей / А.К. Канаев, М.А. Сахарова // Автоматика, связь, информатика – 2015. – вып. 2 – С. 13-16.
3. Сахарова, М. А. Математическая модель процесса функционирования системы управления сетью передачи данных при запросах на определение технического состояния СПД / А.К. Канаев, М.А. Сахарова, Е.В.
Скуднева // Известия Петербургского университета путей сообщения –
2015 – вып. 1(42) – С. 91-98.
4. Сахарова, М.А. Модель процесса функционирования системы
управления сетью передачи данных при определении технического состояния элементов сети / А.К. Канаев, М.А. Сахарова // Научно-технический
журнал Транспорт Урала – 2015 – вып. №2 (45) – С. 48-51.
В других изданиях
5. Камынина, М.А. Построение фреймовой модели представления
знаний в интеллектуальной системе поддержки принятия решений системы управления сетью тактовой сетевой синхронизации [Электронный ресурс] / А.К. Канаев, М.А. Камынина, Е.В. Опарин // Бюллетень результатов
научных исследований – СПб.: 2012 – выпуск 2 – С. 59-68.
6. Камынина, М.А. Формирование элементов системы управления сетью передачи данных с применением аппарата нейронных сетей [Электронный ресурс] / А.К. Канаев, М.А. Камынина, Е.В. Опарин // Бюллетень
результатов научных исследований, СПб.: 2012 – выпуск 3(2) – С. 47-55.
7. Камынина, М.А. Способы обнаружения аномалий в функционировании сети передачи данных на технологическом уровне интеллектуальной
системы управления / А.К. Канаев, М.А. Камынина, Е.В. Опарин
//Материалы международного конгресса. Научно-практическая конференция «Геополитические факторы устойчивого развития Арктики и инновационные технологии прогнозирования и предотвращения чрезвычайных
ситуаций», Санкт-Петербург, 29.11.2012 – СПб.: ООО «ПИФ.сом», 2012. –
С. 96-101.
8. Камынина, М.А. Применение фреймового аппарата представления
знаний в системе управления сетью тактовой сетевой синхронизации ОАО
«РЖД» / М.А. Камынина, А.К. Канаев, Е.В. Опарин // 67 – я научнотехническая конференция, посвященная Дню радио Секция: «Телекоммуникации на железнодорожном транспорте», (труды конференции 1927.04.2012, Санкт-Петербург) – СПб.: ООО «БалтСервисГрупп», 2012. – С.
141-142.
9. Камынина, М.А. Подход к решению задачи формирования элементов системы управления сетью передачи данных ОАО «РЖД» / М.А. Камынина, А.К. Канаев // 67-я научно-техническая конференция, посвящен-
19
ная Дню радио, Секция: «Телекоммуникации на железнодорожном транспорте», (труды конференции 19-27.04.2012, Санкт-Петербург) – СПб.:
ООО «БалтСервисГрупп», 2012. – С. 144-145.
10. Камынина, М.А. Предложения по применению аппарата нейронных сетей в системе управления сетью передачи данных / М.А. Камынина,
А.К. Канаев, Е.В. Опарин // 67-я научно-техническая конференция, посвященная Дню радио Секция: «Телекоммуникации на железнодорожном
транспорте», (труды конференции 19-27.04.2012, Санкт-Петербург) – СПб.:
ООО «БалтСервисГрупп», 2012. – С. 146-147.
11. Камынина, М.А. Способы обнаружения отклонений в функционировании элементов сети передачи данных в интересах системы управления [Электронный ресурс] / А.К. Канаев, М.А. Камынина, Е.В. Опарин
//Бюллетень результатов научных исследований – 2012 – выпуск №3 – С.
137-148.
12. Камынина, М.А. Методика расчета потоковой структуры сети передачи управляющей информации в системе управления сетью тактовой
сетевой синхронизации [Электронный ресурс] / А.К. Канаев, Е.В. Опарин,
М.А. Камынина // Бюллетень результатов научных исследований – 2012 –
выпуск №3 – С. 149-159.
13. Камынина, М.А. Формирование базы знаний интеллектуальной
системы поддержки принятия решений по управлению сетью тактовой сетевой синхронизации ОАО «РЖД» / А.К. Канаев, Е.В. Опарин, М.А. Камынина // Сборник материалов второй международной научнопрактической конференции «Интеллектуальные системы на транспорте»
(28-31 марта 2012 г.; СПб.). – СПб.: ПГУПС, 2012. – С. 238-244.
14. Камынина, М.А. Возможности нейронных сетей при решении задач интеллектуального анализа данных в системе управления сетью передачи данных / М.А. Камынина, А.К. Канаев // 68- я научно-техническая
конференция, посвященная Дню радио Секция: «Телекоммуникации на
железнодорожном транспорте», (труды конференции 19-27.04.2012, СанктПетербург) – СПб.: 2013. – С. 193-194.
15. Камынина, М.А. Применение нейронной сети Кохонена для обнаружения неисправностей в сети передачи данных / М.А. Камынина, А.К.
Канаев // 68 – я научно-техническая конференция, посвященная Дню радио
Секция: «Телекоммуникации на железнодорожном транспорте», (труды
конференции 19-27.04.2012, Санкт-Петербург) – 2013. – С. 195-196.
16. Камынина, М.А. Поддержание заданных показателей качества
обслуживания в условиях отсутствия информации о видах аномалий в
СПД / А.К. Канаев, М.А. Камынина // Материалы VI международного конгресса. Научно-практическая конференция «Геополитические факторы
устойчивого развития Арктики и инновационные технологии прогнозирования и предотвращения чрезвычайных ситуаций», Санкт-Петербург, 1516 ноября 2013. – С. 158-163.
20
17. Сахарова, М.А. Подход к формированию интеллектуальной системы поддержки принятия решений в структуре СУ СПД / Э.В. Бенета,
М.А. Сахарова, Е.В. Опарин // 69-я научно-техническая конференция, посвященная Дню радио Секция: «Телекоммуникации на железнодорожном
транспорте», (труды конференции 17-25 апреля 2014) - СПб.: 2014. – С.
202-203.
18. Сахарова, М.А. Нейросетевая модель управления трафиком СПД
с применением регулятора с предсказанием / А.К. Канаев, М.А. Сахарова //
69- я научно-техническая конференция, посвященная Дню радио Секция:
«Телекоммуникации на железнодорожном транспорте», (труды конференции 17-25 апреля 2014) - СПб.: 2014. – С. 203-204.
19. Сахарова, М.А. Моделирование процессов обработки потоков IPпакетов с различными типами информационных составляющих на основе
глубокого анализа трафика [Электронный ресурс] / А.К. Канаев, М.А. Сахарова // Бюллетень результатов научных исследований – 2014. – выпуск
№ 3 (12) – С.85-93.
20. Сахарова, М.А. Обоснование выбора типа системы управления
телекоммуникационной сетью связи [Электронный ресурс] / Э.В. Бенета,
А.К. Канаев, М.А. Сахарова // Бюллетень результатов научных исследований, – 2014. – выпуск № 3 (12) – С. 94-101.
21. Сахарова, М.А. Предложения по развитию архитектуры ЕСМА
средствами интеллектуальной поддержки принятия решений / А.К. Канаев,
Е.В. Опарин, А.А. Привалов, М.А. Сахарова // Труды 70-ой межвузовской
научно-технической конференция СПбНТОРЭС им. А.С. Попова, посвященной Дню радио: сборник трудов. – СПб: СПбГЭТУ «ЛЭТИ», 2015. – С.
231-233.
22. Сахарова, М.А. Основные положения формирования методики
принятия решений в интеллектуальной системе поддержки принятия решений системы управления сетью передачи данных / А.К. Канаев, М.А.
Сахарова // Труды 70-ой межвузовской научно-технической конференция
СПбНТОРЭС им. А.С. Попова, посвященной Дню радио: сборник трудов
Секция: «Телекоммуникации на железнодорожном транспорте», (труды
конференции 21-29 апреля 2015) - СПб.: 2015. – С. 283-284.
23. Сахарова, М.А. Подход к формированию плана восстановления
сети передачи данных в интеллектуальной системе поддержки принятия
решений [Тезисы докладов] / А.К. Канаев, М.А. Сахарова // VIII Международный симпозиум «Электрификация, развитие электроэнергетической
инфраструктуры и электрического подвижного состава скоростного и высокоскоростного железнодорожного транспорта» (Элтранс-2015), 7-9 октября 2015 - СПб.: 2015. – С. 35-36.