Релевантна модель відмов повинна бути



Скачати 270.24 Kb.
Дата конвертації20.01.2018
Розмір270.24 Kb.
ТипУчебник

Из нового Учебника: 2.9. Моделювання надійності авіоніки
Сьогодні важко вказати область людської діяльності, де не застосовувалося б моделювання. Розроблено, наприклад, моделі виробництва автомобілів, вирощування пшениці, функціонування окремих органів людини, життєдіяльності Азовського моря, наслідків атомної війни. Отже, моделювання можна визначити як дослідження реально існуючих систем, процесів або явищ із метою їх пізнання, вивчення, а також для прогнозування явищ, що цікавлять дослідника. В авіації моделювання є одним з ефективних методів керування якістю авіаційної техніки.

Моделювання процесу функціонування проектованих систем дозволяє досліджувати з мінімальними витратами часу і засобів залежність показників ефективності та відмовостійкості авіоніки, як системних властивостей перспективних авіаційних комплексів бортового обладнання, від прийнятих структурних технічних рішень.

За результатами моделювання на етапі проектування здійснюється цілеспрямоване досягнення заданого рівня зазначених показників за рахунок зміни технічних рішень, що закладаються в структуру авіоніки і забезпечуваних на етапі виробництва.

Моделювання процесу експлуатації авіоніки і ПС у цілому дозволяє визначити оптимальні параметри та характеристики технічного обслуговування, повною мірою реалізувати зазначені системні властивості бортового обладнання ій забезпечити ефективну роботу авіакомпанії.

При моделюванні необхідним є етап формування і дослідження таких моделей, які адекватно відображали б найбільш істотні аспекти моделюючих систем і процесів у них. У силу того, що комплекс авіоніки


  • описується у вигляді структури, що складається із взаємодіючих елементів,

  • причина відмов розвивається в часі,

  • відмова можлива, у тому числі й у результаті порушення взаємодії,

релевантна модель відмов повинна бути структурно-пара-метричною і ураховувати:



  1. стохастичний характер відмов;

  2. фактор часу;

  3. логікові взаємодії елементів у процесі нормального функціонування і порушену логіку взаємодії, формовану в результаті руйнуванні елементів комплексу й/або їх зв'язків;

  4. ієрархічність структури самого комплексу і наявність у ньому безлічі станів компонентів на кожному ієрархічному рівні;

  5. можливість переходу компонентів комплексу з поточного стану в один з безлічі сполучених станів;

  6. фактор взаємодії компонентів на всіх ієрархічних рівнях, що можливо також приводить до відмови комплексу.

У силу багатозначності поняття «модель» у науці і техніці єдиної класифікації видів моделювання не існує. Як варіант класифікації можна запропонувати структуру видів моделювання, наведену на рис. 2.65, і дати їхню коротку характеристику.

Рис. 2.65. Методи дослідження систем

Експеримент на моделях, зокрема, математичне моделювання з одержанням аналітичних рішень полягає в реалізації на ЕОМ математичних співвідношень, що описують системи автоматичного керування, параметри руху літака і зовнішнє середовище; воно не пов'язане з конкретним схемотехнічним виом авіоніки і відображає тільки його логіко-математичну сутність. У більшості випадків при математичному моделюванні не потрібне відтворення інформаційних процесів у реальному масштабі часу. Предметом дослідження методом математичного моделювання є переважно питання динаміки автоматичного керування рухом, точності витримування параметрів у заданих межах, логічної правильності здійснення основних функцій авіоніки, реалізованих за допомогою алгоритмічних засобів. Математичне моделювання з одержанням аналітичних рішень не вичерпує всіх аспектів досліджень комплексу авіоніки і практично не стосується питань відмовостійкості і відмовобезпеки.

Імітаційне моделювання є процесом конструювання на ЕОМ моделі складної реальної системи, що функціонує в часі, і постановки експериментів на цій моделі з метою або зрозуміти поведінки системи, або оцінити різні стратегії, що забезпечують функціонування даної системи [52]. Ідея імітаційного моделювання проста й у той же час інтуїтивно приваблива. Вона дає можливість користувачеві експериментувати із системами (існуючими або пропонованими) у тих випадках, коли робити це на реальному об'єкті практично неможливо або недоцільно. Під моделлю реальної системи варто розуміти подання групи об'єктів або ідей у деякій формі, відмінній від їх реального втілення. Отже, системи, що існують ще тільки в кресленнях або, що перебувають у стадії планування, можуть моделюватися також, як і діючі (експлуатовані) системи.

Напівнатурне моделювання процесів функціонування реального комплексу авіоніки забезпечує більш детальне дослідження внутрішніх і зовнішніх факторів, що впливають на його працездатність.

Експеримент із реальною системою реалізується при льотних випробуваннях повітряного судна і його бортового обладнання на етапі сертифікації.

У даній темі розглядаються особливості імітаційного і напівнатурного моделювання, виконувані з метою одержання/підтверд-ження оцінок надійності компонентів авіоніки та дослідження процесів у них.


2.9.1. Імітаційне моделювання випадкових величин

с функцією DN-розподілу
Стосовно аналізу процесів в авіоніці використовуються стохастичні імітаційні моделі й експерименти на основі методу Монте-Карло, оскільки входи реальної системи і (або) функціональні співвідношення між різними її компонентами містять елемент випадковості, що підпорядковується імовірнісним законам. Так, при моделюванні процесів і систем авіоніки з метою статистичного оцінювання її надійності як випадкова величина вибирається час до відмови i-го елемента або час досягнення процесом деградації граничного значення, що підпорядковується DN-розподілу.

Розглянемо один зі способів моделювання випадкових DN-розподілених величин, який ґрунтується на використанні генератора рівномірно розподілених в інтервалі [0, 1] псевдовипадкових послідовностей чисел, які визначають значення ймовірності відмови елементів. Перехід від імовірності відмови до значень наведених напрацювань до відмови Х реалізується за допомогою рівняння



(2.61)

де rnd(1) – функція звертання до генератора рівномірно розподілених чисел;



X = t / m – наведене (відносне) значення напрацювання елемента до відмови, що підпорядковується DN-розподілу;

m і n – відомі параметри DN-розподілу.

Ілюстрація з коментарями, що пояснюють перехід від рівномірно розподіленої кількості rnd(1) до кількості Х, що має дифузійний немонотонний розподіл , наведена на рис. 2.66.

Рис. 2.66. Приклад конвертування

випадкового rnd-числа 0,53807 у випадкове DN-число 0,84
Послідовність, що містить N DN-розподілених чисел, реалізується в комп'ютерній програмі-конверторі, наведеної на лістингу 2.21. Вхідними параметрами програми-конвертора випадкових чисел є математичне сподівання m і коефіцієнт варіації n випадкової величини t.
Лістинг 2.21. Генератор-конвертор DN-розподілених чисел

Зовнішній цикл програми () задає обсяг статистичних експериментів в імітаційному моделюванні.

Внутрішній цикл програми () послідовно обчислює значення правої частини рівняння (2.61) як функції аргументу Xm із заданим кроком DХ = XmXm –1 і порівнює отримані результати Fm з ; виконання умови Fm > y зупиняє обчислення ( ).

У цьому стані програми виконуються співвідношення



Fm > y > Fm –1 і Xm > Xdn > Xm –1,

де Xdn – точний результат конвертування рівномірно розподіленої кількості y у випадкове DN-розподілене число.

Точне значення DN-розподіленого числа Xdn = Xm-1+D і знаходиться за допомогою лінійної інтерполяції (рис. 2.67), де D визначається з подібності трикутників.

Інтерполяційна формула в програмі



забезпечує також перехід до абсолютного значення випадкової величини t шляхом множення результату інтерполяції на параметр масштабу m DN-розподілу. Доданок 10–100 виключає можливе обнуління знаменника при малих значеннях Х на початку обчислення функції розподілу F(Х).

Введення інтерполяції дозволило збільшити крок DХ обчислення функції розподілу F(Х) без втрати точності відтворення DN-послідовностей, що в остаточному підсумку підвищило швидкість конвертування випадкових чисел. Рекомендоване значення DХ = 0,01 отримане в результаті дослідження впливу DХ на точність відтворення параметрів m і n DN-розподілу.


Програма-конвертор як джерело формування числових DN-послідовностей має високі значення критеріїв, які звичайно становляться до генераторів випадкових чисел: відтворюваність, стабільність і незалежність. Кількісні оцінки характеристик відтворюваності, незалежності і стабільності формованих конвертором DN-пос-лідовностей випадкових чисел наведені на лістингах 2.22 – 2.24 відповідно й у коментарях не мають потреби.
Лістинг 2.22. Кількісна оцінка відтворюваності конвертора

Лістинг 2.23. Кількісні оцінки незалежності формованих



DN-послідовностей випадкових чисел

Лістинг 2.24. Оцінки стабільності відтворення параметрів m і n





2.9.2. Етапи імітаційного моделювання надійності
Найбільш повний і систематичний виклад основних питань, пов'язаних з побудовою імітаційних моделей реальних систем, проведенням експериментів з моделями і керуванням цими експериментами, викладено в книзі Р. Шеннона [52]. Автор ставить завдання навчити майстерності будувати моделі, докладно розглядаючи принципи імітаційного моделювання й аналізуючи основні помилки, що допускаються при вивченні систем за допомогою моделей, при одержанні вихідних даних та інтерпретації результатів експериментів.

Імітаційне моделювання виявляється єдиним математичним методом досліджень при неможливості проведення реальних експериментів і/або неможливості побудови аналітичної моделі через необхідність врахування часу, причинних зв'язків, наслідків, нелінійностей, стохастических змінних у системі.

Імітаційне моделювання дозволяє контролювати протікання процесів у системі шляхом прискорення появи подій (відмов, перебоїв і відновлень) у ході імітації та забезпечує інтерактивну взаємодію дослідника і моделі. При імітаційному моделюванні надійності відмови, збої і відновлення в системі відтворюються з урахуванням випадкового характеру їх виникнення в часі. Процес моделювання реалізується шляхом послідовного виконання на комп'ютері великої кількості елементарних операцій звертання до генераторів випадкових чисел і операцій порівняння з наступною статистичною обробкою результатів.

При створенні сучасної авіоніки й організації функціонування авіакомпанії в складі єдиної авіатранспортної системи імітаційне комп'ютерне моделювання визнане доцільним і успішно застосовується на різних рівнях ієрархії досліджуваних систем. У комплексі з розрахунковими методами, напівнатурним моделюванням і льотними випробуваннями імітаційне моделювання являє собою перспективний апарат дослідження особливостей поведінки систем. Прийняті при цьому конструкторські й управлінські рішення в значній мірі залежать не стільки від складності і вартості системи, скільки від факторів, які в тій або іншій мірі впливають на безпеку польоту, зокрема, від надійності компонентів системи і її гарантоспроможності.

Імітаційне моделювання забезпечують:


  • єдність методів оцінки параметрів відмовостійкості й ефективності на будь-якому ієрархічному рівні;

  • врахування специфіки первинної ієрархічної моделі авіоніки, що полягає в паралельному використанні тих самих структурних утворень у різних компонентах наступних ієрархічних рівнів;

  • наявність у структурі моделей локальних підпроцесів, що характеризують вплив окремих факторів;

  • вказівку на моделі місць взаємодії, розгалуження, з'єднання паралельних підпроцесів;

  • визначення логіки взаємодії підпроцесів;

  • визначення часових характеристик, у яких розвивається кожний підпроцес, і законів, за якими змінюються часові характеристики;

  • визначення рівнів значень параметрів підпроцесів, за яких їхні кількісні зміни переходять у якісні зміни процесу більш високого ієрархічного рівня й всієї системи в цілому.

Відзначимо основні етапи дослідження надійності системи за допомогою імітаційного моделювання (рис. 2.68). Побудова комп'ютерної моделі ґрунтується на абстрагуванні від конкретної природи явищ або досліджуваного об'єкта-оригіналу і полягає в проведенні серії логічних/обчислювальних експериментів на комп'ютері, метою яких є аналіз, інтерпретація і зіставлення результатів моделювання з реальною поведінкою досліджуваного об'єкта і, при необхідності, наступне уточнення моделі й т.д.

Рис. 2.68. Етапи дослідження процесу за допомогою моделювання

Процедура розробки моделюючої програми і саме моделювання виконується в кілька етапів. Це означає, що за першим попереднім прогоном програми може піти другий, третій і т.д. Недоліки, виявлені після першого прогону моделювання, обумовлені недостатнім знанням об'єкта або помилками в побудові моделі, можна виправити в наступних циклах. Таким чином, знання про досліджувану систему розширюються й уточнюються, а вихідна імітаційна модель поступово вдосконалюється.
Аналіз отриманих при моделюванні показників надійності компонентів авіоніки і повітряного судна в цілому використовується для прийняття і реалізації важливих практичних рішень, спрямованих на забезпечення безпеки польотів:


  • розробка пропозицій і рекомендацій із внесенням змін у конфігурацію й/або технологію виготовлення компонентів авіоніки (проектування і модернізація авіоніки);

  • оцінка ефективності технічного обслуговування і його коригування при необхідності;

  • оцінка впливу помилок технічного персоналу при експлуатації об'єкта на показники його безвідмовності (надійності);

  • формування вимог до процесів матеріально-технічного забезпечення експлуатації комплексів авіоніки на всьому протязі їх життєвого циклу.

Як приклад, що пояснює етапи імітаційного моделювання, розглянемо відносно просту програму оцінювання середнього залишкового ресурсу супутникової навігаційної системи (СНС) у складі авіоніки. Коротко прокоментуємо зміст кожного етапу, відзначеного на рис. 2.68.


1. Формулювання завдання дослідження

Дослідження впливу тривалості безвідмовної роботи компонента авіоніки на характеристики середнього залишкового ресурсу. Для рішення завдання необхідно одержати статистичні залежності r(t) і n(t) для компонентів авіоніки з різними рівнями надійності.


2. Визначення складу вихідних даних моделі

Для моделювання необхідно знати параметри m, n розподілу відмов і тривалість t безвідмовного функціонування СНС. Склад вихідних даних і параметри моделюючої програми наведені на лістингу 2.25.


Лістинг 2.25. Вихідні дані і параметри програми




3. Оцінка адекватності імітаційної моделі реальному процесу
Відповідно до визначення залишкового ресурсу в інтервалі напрацювань від 0 до t відмов СНС не спостерігалося. Розподіл залишкового ресурсу СНС підпорядковується DN-моделі відмов, а функція розподілу залишкового ресурсу визначається залежністю

наведеною у символах Mathcad на лістингу 2.26.


Лістинг 2.26. Функції розподілу льотного ресурсу СНС

Реалізація в комп'ютерній програмі розподілу відмов відповідно до забезпечує адекватність імітаційної моделі реальному процесу формування залишкового ресурсу. Слід також урахувати, що врахування залишкового ресурсу починається з моменту t, тобто з моменту закінчення технічного діагностування СНС.


4. Створення комп'ютерної програми
Комп'ютерна програма містить генератор випадкових чисел, які мають дифузійний немонотонний розподіл. Генератор являє собою програму-конвертор рівномірно розподілених чисел у випадкову числову DN-послідовність.

Конвертування забезпечується при обчисленні значень відносного напрацювання до відмови Хm з рівняння



, (2.62)

де y = rnd(1) – рівномірно розподілене в інтервалі від 0 до 1 випадкове число від датчика комп'ютера.

В імітаційній моделі прискорення появи подій надзвичайно велике – за час виконання операції конвертування y Þ Xdn імітується випадковий часовий інтервал функціонування досліджуваного компонента від моменту t до виникнення в ньому відмови. При цьому часові витрати на формування вибірки DN-розподілених чисел обсягом N = 1000 склали ~ 2 с. Програма імітаційного моделювання наведена на лістингу 2.27.

Вкладений цикл по n () задає кількість статистичних експериментів в одній вибірці, а цикл по j () – кількість вибірок при імітаційному моделюванні.

Зовнішній цикл по q () повторює процес моделювання середнього залишкового ресурсу із заданими значеннями N і J при варіаціях інтервалу працездатності t із кроком Dt.

Для одержання середніх значень і коефіцієнтів варіації залишкового ресурсу використовуються стандартні процедури Mathcad:



  • mean (×) – для оцінки середніх значень і

  • stdev (×) – для оцінки середніх квадратичних відхилень від середнього значення.

Лістинг 2.27. Моделююча програма з коментарями

5. Перевірка відповідності комп'ютерної програми реальному процесу проводиться з урахуванням специфіки модельованої системи (процесу). У завданні статистичного оцінювання залишкових ресурсів для перевірки програми використовувався:

  • контроль умови нормування статистичного розподілу залишкових ресурсів;

  • контроль адекватності статистичного розподілу дифузійної немонотонної моделі відмов;

  • порівняльний аналіз результатів моделювання з теоретичними оцінками залишкового ресурсу, якщо при рішенні завдання ймовірнісно-фізичним методом така можливість є.

6. Планування експериментів. Для виконання завдання дослідження доцільно запланувати проведення моделювання для компонентів авіоніки з типовими показниками безвідмовності: m1 = 0,5×103…1×103; m2=1×103…1×104 і m3 = 1×104…2×104 годин нальоту. Значення характеристики розсіювання напрацювання до відмови радіоелектронних компонентів слід варіювати в інтервалі (n= 0,65...1,10.


7. Власне моделювання. Наведемо результати моделювання залишкових ресурсів СНС із параметрами розподілу відмов mСНС = 2×104 льотних годин і nСНС = 0,75. Чисельні результати моделювання наведені на лістингу 2.28.

Як випливає з програми, у стовпцях вихідної матриці rS записана наступна інформація:

– перший рядок містить значення тривалості t безвідмовного функціонування ССН в інтервалі від 2×103 до 12×103 годин;

– другий рядок містить вибіркові середні значення залишкового ресурсу r(t);

– третій рядок містить вибіркові середні значення коефіцієнта варіації n(t) залишкового ресурсу.
Лістинг 2.28. Результати імітаційного моделювання

Моделювання проводилося на РС при робочій частоті процесора 0,95 GHz. Тривалість моделювання для одного значення m при 11-ти варійованих значеннях t і 50-ти вибірках по N = 103 статистичних експериментів кожна становить 20 хв.

8. Аналіз результатів моделювання. За даними матриці n(t) побудовані графіки залежностей r(t) і rS, наведені на рис. 2.69.

Середній залишковий ресурс при збільшенні тривалості безвідмовного функціонування системи, як і очікувалося, зменшується. Новим результатом моделювання є факт збільшння розсіювання залишкового ресурсу: коефіцієнт варіації n(t) зростає при збільшнні тривалості безвідмовного функціонування t; його збільшння в зазначеному інтервалі t становить близько 20 %.

Розглянута задача статистичної оцінки залишкового ресурсу має аналітичне рішення. Вибір цього завдання як прикладу імітаційного моделювання не є випадковим – можливість доведеного аналітичного рішення дозволяє зрівняти з ним результати імітаційного моделювання й оцінити адекватність моделі і програми реальному процесу.

Рис. 2.69. Статистичні залежності r(t) і n(t)


Порівняльний аналіз теоретичних оцінок і результатів моделювання r(t) наведені на лістингу 2.28 і рис. 2.70, 2.71.
Лістинг 2.28. Теоретична оцінка r(t)




Статистичні похибки в оцінках залишкового ресурсу для заданих умов моделювання (вибір N і J) не перевищують 0,8 відсотка й мають тенденцію до зменшення при збільшенні тривалості безвідмовного функціонування t. Настільки малі розбіжності статистичного результату і теоретичної оцінки функції r(t) свідчить про коректність проведеного моделювання залишкових ресурсів і про ефективність імітаційного моделювання як методу дослідження надійності.


Рис. 2.70. Теоретична й статистична оцінки залишкового ресурсу

Рис. 2.71. Ілюстрація статистичних похибок в оцінках r(t)


9. Документальне подання результатів. Імітаційна модель, наведена тут фрагментарно лістингами 2.25 - 2.28 і рис. 2.70 - 2.71, реалізується на робочому полі Mathcad послідовними програмними модулями відповідно до етапів рис. 2.68.

ЛІтература


1. Авионика на рубеже тысячелетий // Ю.И. Сабо и др.: Мир авионики, № 1, 2000 г. – С. 45 – 49.

2. Алексеев А.А. FTA. Дерево отказов как метод структурного анализа: http://www.itsmportal.ru/community/article/items30.html .


3. Anon., “Air Transport Avionics”. Website:

http://www.cas.honeywell.com/ats/products/fms.cfm, Honeywell, 2002.

4. Anon., Collins Pro Line 21: A full line of avionics technology for business aircraft. Web Article:



http://www.mycollins.com/news/background/page3071.html, Rockwell Collins, 2004.

5. АП-25. Авиационные правила. Нормы лётной годности самолётов. – М.: МАК, 1994. – 344 с.

6. Баженов А.В. Основы бортовых вычислительных машин: Учебное пособие. – Ставрополь: СВВАИУ (ВИ) , 2008. – 338 с.

7. Бурдонов И.Б., Косачев А.С., Пономаренко В.Н. Операционные системы реального времени: Препринт Института системного программирования РАН, http://citforum.ru/operating_systems/rtos/7.shtml

8. Введение в MMEL и MEL. Flight Operations Support & Services (Операции и услуги по поддержке полета). Оригинальная версия

Airbus, изд. 1 – 2005: http://www.dream- air.ucoz.ru/new/pilotam/GTG_with_MMEL_and_MEL_Russian.pdf .

9. Вентцель Е.С. Теория вероятностей: Учебник, изд 5-е. – М.: Наука, 1998. – 576 с.

10. Викторова B.C., Кунтшер Х.П., Степанянц А.С. Обзор программных разработок по анализу надежности и безопасности систем: Труды международной конференции "Программные продукты информационного обеспечения безопасности полетов, надежности и технической эксплуатации авиационной техники", Москва, 14-16 марта 2006, С. 17-26.

11. Воробьёв В.М., Захарченко В.А., Тихонов В.В., Ильенко С.С., Мухин В.В. Отказобезопасность эргатического интегрированного комплекса “экипаж - воздушное судно – среда” и эксплуатационная статистика. Проблеми інформатизації та управління, № 1(29), 2010. – С. 24-36,

12. Гатчин Ю.А., Жаринов И.О. Основы проектирования вычислительных систем интегрированной модульной авионики: монография. – М.: Машиностроение, 2010. – 224 с.

13. Государственные научные центры России: Летно-исследо-вательский институт им. М.М. Громова/www.agnc.ru/index.php?id=32&t=3.

14. Градштейн И.С., Рыжик И.М. Таблицы интегралов, сумм, рядов и произведений. – М.: Физматгиз, 1963. – 978 с.

15. Грібов В.М., Грищенко Ю.В., Скрипець А.В., Стрельніков В.П. Теорія надійности систем авіоніки, частина 1: Навчальний посібник. – К.: Книжкове вид-во НАУ, 2006. – 324 с.

16. Далецкий С.В. Проектирование систем технического обслуживания и ремонта воздушных судов гражданской авиации. – М.: МАИ, 2001.– 364 с.

17. Дмитриевский Е.С. Конструкторско-технологическое обеспечение эксплуатационной надёжности авиационного радиоэлектрон-ного оборудования: Учебное пособие. – СПб.: ГУАП, 2001. – 88 с.

18. Жаринов И.О., Жаринов О.О. Бортовое радиоэлектронное оборудование пилотируемых летательных аппаратов. Проектные решения. Системный анализ. Многокритериальная оптимизация: Учебное пособие. – СПб.: ГУ ИТМО, 2008. – 52 с.

19. Золотарёв С.В. LynxOS-178 – сертифицированная ОСРВ для интегрированной модульной авионики // Мир компьютерной автоматизации, № 5, 2006. – С. 62-68/

/http://www.rtsoft.ru/press/articles/detail.php?ID=1129&print=Y

20. Интеграция – основная тенденция в развитии авионики // Ю.И. Сабо и др. // Датчики и системы, № 8, 2001. – С. 47-49.

21. Квалификационные требования к программному обеспечению бортовой аппаратуры и систем при сертификации авиационной техники. Авиационный регистр. – М.: МАК, 2006. – 50 с.

22. Кива Д.С. Сучасні науково-технічні досягнення, що реалізовані в семействі літаків “Ан”: Доповідь на міжнародної конференції “Авіа-2007”. – К.: Національній авіаційний універсітет, 2007. – 26 илл.

23. Копорский Н.С., Видин Б.И., Жаринов И.О. Проектирование систем бортового информационного обмена. Проблемы и достижения // Научно-технический вестник СПбГУ ИТМО. Вып. 33. Технологии управления. – СПб.: СПбГУ ИТМО, 2006. – С. 98-105.

24. Корн Г., Корн Т. Справочник по математике для научных ра-ботников и инженеров. – М.: Наука, 1968. – 720 с.

25. Кучерявый А.А. Бортовые информационные системы: Курс лекций. – Ульяновск: УлГТУ, 2004. – 504 с.

26. Ларкин Е.В., Сабо Ю.И. Сети Петри-Маркова и отказоустойчивость авионики. – Тула, ТулГУ, 2004. – 208 с.

27. Липатов И.М. Надёжность функционирования автоматизированных систем: Конспект лекций. – Пермь: ПГТУ, 1996. – 110 с.


28. MIL-HDBK-217 Reliability Prediction /http://www.reliabilityeducation.


29. Надёжность изделий авиационной техники. Эквивалентно-циклические испытания на безотказность авиационного бортового оборудования: Метод. указания МУ-150-95. – М.: МАП, 1995. – 66 с.

30. Надежность в технике. Анализ видов, последствий и критичности отказов. Основные положения. Межгосударственный стандарт: ГОСТ 27.310-95. – М.: Госстандарт России, 1995. – 64 с.

31. Надійність та експлуатація систем та комплексів авіаційного обладнання. Терміни та визначення: ДСТУ 3589-97. – К.: Держстандарт України, 1997.– 32 с.

32. Надійність техніки. Методи розрахунку показників надійності за експериментальними даними: ДСТУ 3004-95.– К.: Держстандарт України, 1995. – 122 с.

33. Надійність техніки. Моделі відмов. Основні положення: ДСТУ 3433-96. – К.: Держстандарт України, 1996. – 42 с.

34. Надійність техніки. Плани випробувань для контролю середнього напрацювання до відмови (на відмову): ДСТУ 3942-2000.– К.: Держстандарт України, 2000. – 72 с.

35. Надійність техніки. Терміни та визначення: ДСТУ 2860-94. – Київ: Держстандарт України, 1994. – 92 с.

36. Новичков В.М. Построение и исследование структуры бортового информационно-измерительного комплекса с повышенной отказоустойчивостью. – М.: ГТУ «МАИ», 2006. – 184 с.

37. О чем гласит документ DO-178B (Software Considerations in Airborne Systems and Equipment Certification).

http://verification09.googlecode.com/files/DO%20178B.doc .

38. Парамонов П.П., Гатчин Ю.А., Видин Б.В., Жаринов И.О., Жаринов О.О. Принципы построения бортовой интегрированной вычислительной системы с реконфигурируемой структурой: Учебное пособие. – СПб: ГУ ИТМО, 2009. – 56 с.

39. Погребинский С.Б., Стрельников В.П. Проектирование и надёжность многопроцессорных ЭВМ. – М.: Радио и связь, 1988. – 168 с.

40. Программно-технологический комплекс “Функциональный анализ надежности техники”// http://programmprom.cnt.ru/works4.htm .

41. Peters M., Sorensen J. Multi-Modal Digital Avionics for Com-mercial Applications / Submitted to: NASA Glenn Research Center. Seagull Technology, Inc. – USA, 2007. – 168 p.

42. Руководство по гарантии конструирования бортовой электронной аппаратуры (КТ-254). Авиационный регистр. – М.: МАК, 2008. – 84 с.

43. Руководство по летной годности. Том I - Организация и процедуры, изд. 1. – Монреаль: Международная организация гражданской авиации, 2001. – 93 с.

44. Сабо Ю.И. Методология системного проектирования ави-оники с отказоустойчивыми состояниями. – Тула, ТулГУ, 2004. – 360 с.

45. Стрельников В.П., Федухин А.В. Оценка и прогнозирование надёжности электронных элементов и систем: монография. К.: Логос, 2002. – 488 с.

46. The certification of aircraft electrical and electronic systems for operation in the high-intensity radiated fields (HIRF) environment: Advisory Circular 20-158. – FAA, USA, 2007. – 42 p.

47. Условия окружающей среды и процедуры испытаний для бортового оборудования (DO-160F), 2007:

http://www.rtca.org/onlinecart/product.cfm?id=423 .

48. Федосеев Е.П. Системы информационного обмена и информационно-управляющих комплексов на рубеже 2000 г. Прогноз и реальность.– М.: ГосНИИ Авиационных Систем, 1999. – 22 с.

49. Федосов Е.А. Полвека в авиации. Записки академика. – М.: Дрофа, 2004. – 400 с.

50. Цесарский Л.Г., Неймарк М.С. Обеспечение безопасности полета воздушного судна в авиационно-транспортной системе // Журнал-каталог "Транспортная безопасность и технологии”, № 1, 2006: http://www.transafety.ru/issue/2006-1/articals/34.htm .


51. Чернов В.Ю., Никитин В.Г., Иванов Ю.П. Контроль и диагностика измерительно-вычислительных комплексов: Учебное пособие. – СПб.: ГУАП, 2004. ­– 98 с.: http://window.edu.ru/window catalog/pdf .

52. Шеннон Р. Имитационное моделирование систем – искусство и наука. – М.: Мир, 1978. – 420 с.: http://www.twirpx.com/file/21030/ .

53. Шивринский В. Н. Проектирование приборов, систем и измерительно-вычислительных комплексов: Конспект лекций. – Ульяновск : УлГТУ, 2009. – 116 с.
Из Руководства к ЛР № 3 по дисциплине

Технічне діагностування авіоніки”



(8 семестр)
Литература
1. Авиационные правила АП-25. Нормы лётной годности самолётов. – М.: МАК, 1994. – 344 с.

2. Вентцель Е.С. Теория вероятностей: учебник, изд 5-е. – М.: Наука, 1998. – 576 с.

4. Метод Монте-Карло. http://ru.wikipedia.org/wiki/Метод_Монте-Карло# .

5. Методы Монте-Карло // http://www.polybook.ru/comma/1.4.pdf .

6. Статистическое моделирование. Метод Монте-Карло. // http:// www.google.com.ua/url?sa=t&rct=j&q=метод%20монте-карло .

7. Технічне діагностування та контроль технічного стану. Терміни та визначення: ДСТУ 2389-94. – К. : Держстандарт України, 1994. – 24 с.


ARINC_–_Корпорация_«_Авиационное_радио_»'>Ссылки и сноски

* Рождение метода Монте-Карло в Лос-Аламосе (США)


Сначала Энрико Ферми в 1930-х годах в Италии, а затем Джон фон Нейман и Станислав Улам в 1940-х в Лос-Аламосе предположили, что можно использовать связь между стохастическими процессами и дифференци-альными уравнениями«в обратную сторону». Они предложили использовать стохастический подход для аппроксимации многомерных интегралов в уравнениях переноса, возникших в связи с задачей о движении нейтрона в изо-тропной среде.

Идея была развита Уламом, который, по иронии судьбы, также как и Фокс боролся с вынужденным бездельем во время выздоровления после болезни, и, раскладывая пасьянсы, задался вопросом, какова вероятность того, что пасьянс «сложится». Ему в голову пришла идея, что вместо того, чтобы использовать обычные для подобных задач соображения комбинаторики, можно просто поставить «эксперимент» большое число раз и, таким образом, подсчитав число удачных исходов, оценить их вероятность. Он же предложил использовать компьютеры для расчётов методом Монте-Карло.

Появление первых электронных компьютеров, которые могли с большой скоростью генерировать псевдослучайные числа, резко расширило круг задач, для решения которых стохастический подход оказался более эффективным, чем другие математические методы. После этого произошёл большой прорыв и метод Монте-Карло применялся во многих задачах, однако его использование не всегда было оправдано из-за большого количества вычислений, необходимых для получения ответа с заданной точностью.

Годом рождения метода Монте-Карло считается 1949 год, когда в свет выходит статья Метрополиса и Улама «Метод Монте-Карло». Название метода происходит от названия коммуны в княжестве Монако, широко известного своими многочисленными казино, поскольку именно рулетка является одним из самых широко известных генераторов случайных чисел. Станислав Улам пишет в своей автобиографии «Приключения математика», что название было предложеноНиколасом Метрополисом в честь его дяди, который был азартным игроком.



Дальнейшее развитие и современность

В 1950-х годах метод использовался для расчётов при разработке водородной бомбы. Основные заслуги в развитии метода в это время принадлежат сотрудникам лабораторий ВВС США и корпорации RAND.

В 1970-х годах в новой области математики – теории вычислительной сложности  было показано, что существует класс задач, сложность (количество вычислений, необходимых для получения точного ответа) которых растёт с размерностью задачи экспоненциально. Иногда можно, пожертвовав точностью, найти алгоритм, сложность которого растёт медленнее, но есть большое количество задач, для которого этого нельзя сделать (например, задача определения объёма выпуклого тела в n-мерном евклидовом пространстве), и метод Монте-Карло является единственной возможностью для получения достаточно точного ответа за приемлемое время.

В настоящее время основные усилия исследователей направлены на создание эффективных Монте-Карло-алгоритмов различных физических, химических и социальных процессов для параллельных вычислительных систем.

** Применение в моделирующей программе нормированных координат позволяет выполнить сравнительный анализ ошибок контроля, полученным по результатам как аналитических расчётов, так и имитационного моделирования.

Из Руководства к ЛР № 1 по той же дисциплине
Литература

1. Авиационные правила АП-25. Нормы лётной годности самолётов. – М.: МАК, 1994. – 344 с.


2. Авиационный стандарт ARINC 604. Руководство по проекти-рованию и использованию встроенных средств контроля. – М. : ГосНИИ АС, 1997. – 116 с.


3. Вентцель Е.С. Теория вероятностей: учебник, изд 5-е. – М.: Наука, 1998. – 576 с.

4. Контроль бортового оборудования //



http://dic.academic.ru/dic.nsf/enc_tech/

5. Новиков В.С. Эксплуатация радиоэлектронного авиационного оборудования: учебник. – М.: Транспорт, 1989. – 288 с.

6. Синицкий А.И. Самодиагностика самолётов. Сделает ли техни-ческий прогресс ненужной инженерно-авиационную службу? //

http://www.ato.ru/content/samodiagnostika-samoletov

7. Технічне діагностування та контроль технічного стану. Терміни та визначення: ДСТУ 2389-94. – К. : Держстандарт України, 1994. – 24 с.

8. Федосов Е.А. Полвека в авиации. Записки академика. – М.: Дрофа, 2004. – 400 с. // http://epizodsspace.no-ip.org/bibl/fedosov/polveka /01.

9. Уланский В.В., Мачалин И.А. Математическая модель процесса эксплуатации легкозаменяемых блоков систем авионики // Авіаційно-

космічна техніка і технологія. – 2006, № 6(32). – С. 74 – 80.

10. Albert Helfrick. Principles of Avionics. - Avionics Communication Inc., Leesburg, USA, 2007. – 426 p.

11. Buckwalter L. Avionics Training: Systems, Installation and Troubleshooting. – Leesburg: Avionics Communication Inc., 2007. – 320 p.

12. Peters M., Sorensen J. Multi-Modal Digital Avionics for Commer-cial Applications // Submitted to: NASA Glenn Research Center. Seagull Technology, Inc. – USA, 2007. – 168 p.

13. R.P.G. Collinson. Introduction to Avionics Systems. Formerly Ma-nager of the Flight Automation Research Laboratory of GEC Avionics. Springer Dordrecht Heidelberg, London - New York, 2011. – 530 р.


Ссылки и сноски
* ARINC – Корпорация «Авиационное радио» (англ. Aeronautical Radio, Incorporated, ARINC) – компания, основанная в 1929 году, один из мировых лидеров в разработке систем коммуникаций и системных исследований по пяти направлениям – авиацияаэропортыоборона и перевозка грузов.

Штаб-квартира в Аннаполисе, штат МэрилэндСША. 2 крупных филиала в Лондоне с 1999 и Сингапуре с 2003. Штат компании – 3800 человек на более чем 80 заводах по всему миру.

ARINC-документы (стандарты, отчеты, рекомендации и спецификации) содержат пожелание авиалиний относительно компонентов авионики и общего проектирования, конструкции и критериев контроля для того, чтобы гарантировать удовлетворительную работу и необходимую взаимозаменяемость в сервисе авиалиний.
Стандарты ARINC категории 700 распространяются на авиационные цифровые системы и оборудование, цифровую авионику:


  • ARINC 701 формує вимоги до обчислювальної системи керування польотом (FCCS);

  • ARINC 702 – до обчислювальної системи літаководіння (FMCS);

  • ARINC 709 – до бортового обладнання вимірювання дальності (DME);

  • ARINC 716 – до прийомопередавача високочастотного радіо-зв'язку;

  • ARINC 735 – досистема предупреждения столкновений (TCAS);

  • ARINC 738 – до комплексирования СВС и ИНС (ADIRS);

  • ARINC 765 – до коммутатора интерфейсов Etherenet;

  • ARINC 781 – до авиационных спутниковых систем связи;

і т. ін.


Приложение 1


Основные термины из ДСТУ 2389–94

Технічне диагностування та контроль техничного стану”


Автоматизированная система технического диагностирования – система, обеспечивающая проведение диагностирования с применением средств автоматизации и частичным участием оператора.

Автоматическая система технического диагностирования – система, обеспечивающая проведение диагностирования без участия оператора.

Алгоритм диагностирования – совокупность предписаний, определяющих последовательность действий при проведении диагностирования.

Бортовое средство диагностирования (контроля)средство диагностирования, входящее в состав бортового оборудования летательного аппарата в качестве самостоятельного изделия.

Вероятность ложного отказа при диагностировании – условная вероятность того, что работоспособный объект в результате диагностирования признаётся неработоспособным.

Вероятность необнаруженного отказа при диагностировании – условная вероятность того, что неработоспособный объект диагностирования признаётся работоспособным.



Поділіться з Вашими друзьями:


База даних захищена авторським правом ©wishenko.org 2017
звернутися до адміністрації

    Головна сторінка