¹11, íîÿáðü 2012 ISSN 1999-9429izv-tn.tti.sfedu.ru/wp-content/uploads/PDF/2012_11(136).pdf¹11, íîÿáðü 2012 ISSN1999-9429 ÷åëîâåêà Èíôîðìàöèîííî-ïñèõîëîãè÷åñêàÿ

Ïðîáëåìû îáðàçîâàíèÿ

Íîâûå èíôîðìàöèîííûå òåõíîëîãèè

Àâòîìàòèçàöèÿ ïðîåêòèðîâàíèÿ

Ãåíåòè÷åñêèå àëãîðèòìû

Èñêóññòâåííûé èíòåëëåêò

Ò Å Õ Í È × Å Ñ Ê È Å Í ÀÓ Ê È

ÈÇÂÅÑÒÈß

ÈÇÂÅÑÒÈß

1999-9429ISSN¹11, íîÿáðü 2012

÷åëîâåêàÈíôîðìàöèîííî-ïñèõîëîãè÷åñêàÿ áåçîïàñíîñòü

íàíîòåõíîëîãèèÁèîòåõíîëîãèè, áèîìåäèöèíñêèå

Ìåäèöèíñêàÿ äèàãíîñòèêà è òåðàïèÿ

Ýëåêòðîäèíàìèêà è àíòåííû

Òåõíîëîãè÷åñêèé èíñòèòóò

Þæíîãî ôåäåðàëüíîãî

óíèâåðñèòåòà

â ã. Òàãàíðîãå

Þæíûé

ôåäåðàëüíûé

óíèâåðñèòåò

Þ Ô Ó

1

ИЗВЕСТИЯ ЮФУ. ТЕХНИЧЕСКИЕ НАУКИ Свидетельство о регистрации средства массовой информации

ПИ ФС77-28889 от 12.07.2007 Научно-технический и прикладной журнал

Издается с 1995 года Подписной индекс 41970

11 (136). 2012 г.

Журнал включен в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук».

Журнал включен в Реферативный журнал и Базы данных ВИНИТИ. Сведения о журнале ежегодно публикуются в международной справочной системе по периодическим и продолжающимся изданиям «Ulrich`s Periodicals Directory».

Главная редакционная коллегия журнала

Захаревич В.Г. (главный редактор), Сухинов А.И. (зам. главного редактора), Курейчик В.М. (зам. главного редактора), Моськин В.Н. (ученый секретарь редкол-легии), Агеев О.А., Айдаркин Е.К., Берштейн Л.С., Веселов Г.Е., Вишняков Ю.М., Гридин В.Н., Грищенко С.Г., Гущин В.А., Каляев И.А., Колесников А.А., Коноплев Б.Г., Куповых Г.В., Курейчик В.В., Макаревич О.Б., Обуховец В.А., Панич А.Е., Пшихопов В.Х., Сергеев Н.Е., Стемпковский А.Л., Финаев В.И., Целых А.Н., Четверушкин Б.Н., Щелоков А.Н.

Учредитель Южный федеральный университет. Издатель Технологический институт Южного федерального университета в г. Таганроге.

Ответственные за выпуск: Ю.В. Юханов, С.П. Тарасов, В.В. Курейчик. Главный редактор журнала Ярошевич Н.В. Редакторы: Литвиненко В.А., Ярошевич Н.В. Оригинал-макет выполнен Ярошевич Н.В.

ЛР 020565 от 23.06.1997 г. Подписано к печати 21.11.2012 г.

Формат .108708

1 Бумага офсетная.

Офсетная печать. Усл. печ. л. – 33,5. Уч.-изд. л. – 33,0. Заказ . Тираж 250 экз.

Адрес издателя: 347928, г. Таганрог, ГСП 17А, Некрасовский, 44. Адрес типографии: 347928, г. Таганрог, ГСП 17А, Энгельса, 1.

Адрес редколлегии: 347928, г. Таганрог, ГСП 17А, пер. Некрасовский, 44, ТТИ ЮФУ, ОНТИ, телефон: +7 8634 371-071, факс: +7 8634 613-933, e-mail: [email protected], http://www.nich.tsure.ru/onti/izv.htm.

ISSN 1999-9429 © Технологический институт Южного федерального университета в г. Таганроге, 2012

2

СОДЕРЖАНИЕ

РАЗДЕЛ I. ПРИКЛАДНАЯ ЭЛЕКТРОДИНАМИКА И АНТЕННЫЕ ИЗМЕРЕНИЯ

Н.И. Бобков ИЗЛУЧЕНИЕ СОВОКУПНОСТИ ЭЛЕКТРИЧЕСКИХ И МАГНИТНЫХ ТОКОВ, ВОЗБУЖДАЕМЫХ НА ПОВЕРХНОСТИ СЛОЖНОЙ ФОРМЫ ............................. 8

Д.Д. Габриэльян, Н.И. Бобков, Н.Г. Пархоменко СИНТЕЗ АМПЛИТУДНО-ФАЗОВОГО РАСПРЕДЕЛЕНИЯ ТОКОВ НА ОТРАЖАЮЩЕЙ ПОВЕРХНОСТИ ПО ЗАДАННОЙ ДИАГРАММЕ НАПРАВЛЕННОСТИ ................................................................................................... 15

Н.Н. Киcель, С.Г. Грищенко, Д.А. Кардос ОПТИМИЗАЦИЯ ПАРАМЕТРОВ КОМБИНИРОВАННОЙ МИКРОПОЛОСКОВОЙ АНТЕННЫ ........................................................................... 25

А.И. Панычев АЛГОРИТМ ТРЕХМЕРНОЙ ТРАССИРОВКИ РАДИОВОЛН ЛОКАЛЬНОЙ БЕСПРОВОДНОЙ СЕТИ .............................................................................................. 31

А.И. Семенихин, Д.В. Семенихина, С.Н. Сергеев, С.Н. Носаков ШИРОКОПОЛОСНЫЕ КОМПАКТНЫЕ МИКРОПОЛОСКОВЫЕ АНТЕННЫ С ЕМКОСТНЫМ МИКРОПОЛОСКОВЫМ ПИТАНИЕМ ........................................ 42

Ю.В. Юханов, Н.И. Бобков, А.И. Семенихин, Д.В. Семенихина ЭЛЕКТРОДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ РУПОРНОГО ОБЛУЧАТЕЛЯ МНОГОЛУЧЕВОЙ СВЕРХШИРОКОПОЛОСНОЙ ЗЕРКАЛЬНОЙ АНТЕННЫ ........................................................................................... 48

Б.М. Петров СОБСТВЕННЫЕ ЧАСТОТЫ КОЛЕБАНИЙ МАГНИТНОГО ТИПА В КОАКСИАЛЬНОМ РЕЗОНАТОРЕ ГИРОСКОПА ................................................. 55

В.П. Федосов АЛГОРИТМЫ СОВМЕСТНОЙ АДАПТАЦИИ НА ПРИЕМ И ПЕРЕДАЧУ В СИСТЕМЕ СВЯЗИ НА ОСНОВЕ АНТЕННЫХ РЕШЕТОК ПРИ НАЛИЧИИ АКТИВНЫХ ПОМЕХ ................................................................................................... 59

В.А. Обуховец, Ю.В. Юханов, А.И. Семенихин, Г.И. Костромитин СВЕРХШИРОКОПОЛОСНЫЕ ИЗМЕРЕНИЯ ХАРАКТЕРИСТИК АНТЕНН И РАССЕИВАТЕЛЕЙ В БЕЗЭХОВОЙ КАМЕРЕ ЮЖНОГО ФЕДЕРАЛЬНОГО УНИВЕРСИТЕТА ...................................................... 64

А.В. Калинин, В.П. Носков, И.В. Рубцов СРЕДСТВА, ОБЕСПЕЧИВАЮЩИЕ АВТОНОМНОЕ ДВИЖЕНИЕ НАЗЕМНЫХ РТК ............................................................................................................................ 71

Мусаев Максуд Мурад Оглы, Н.Н. Кисель ЧИСЛЕННОЕ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТАМАТЕРИАЛОВ НА ОСНОВЕ СПИРАЛЬНЫХ ЭЛЕМЕНТОВ .................... 81

РАЗДЕЛ II. АППАРАТНЫЕ И ПРОГРАММНЫЕ СРЕДСТВА ФУНКЦИОНАЛЬНОЙ ДИАГНОСТИКИ И ТЕРАПИИ

Л.И. Калакутский , Е.В. Молчков, П.И. Бахтинов ФОТОПЛЕТИЗМОГРАФ ДЛЯ КЛИНИЧЕСКОГО МОНИТОРИНГА СЕРДЕЧНОГО РИТМА ................................................................................................ 87

Е.А. Макаренкова, М.В. Малахов ВЛИЯНИЕ ГИПЕРВЕНТИЛЯЦИИ НА ПОКАЗАТЕЛИ СТАБИЛОГРАФИИ В ТЕСТАХ СО ЗРИТЕЛЬНОЙ БИОЛОГИЧЕСКОЙ ОБРАТНОЙ СВЯЗЬЮ .......... 91

Мохаммед Абдуллах Гахзар РАЗРАБОТКА МЕТОДИКИ КОМПЛЕКСИРОВАНИЯ СИСТЕМ ВИЗУАЛИЗАЦИИ МЕДИКО-БИОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ ..................... 96

А.Ю. Потлов РЕГИСТРАЦИЯ И АНАЛИЗ ТРЕМОРА С ПОМОЩЬЮ ВЕБ-КАМЕРЫ И КОМПЬЮТЕРНОЙ ПРОГРАММЫ ДЕТЕКТОРА ДВИЖЕНИЙ ......................... 101

3

М.А. Сидорова, С.Ю. Костенков ИСТОРИЧЕСКИЕ АСПЕКТЫ РАЗВИТИЯ КОМПЬЮТЕРНЫХ СИСТЕМ В ЭЛЕКТРОФИЗИОЛОГИИ ........................................................................................ 106

В.Н. Сарнадский, А.И. Уберт СИСТЕМА ГРАФИКО-ПАРАМЕТРИЧЕСКОГО СРАВНЕНИЯ РЕЗУЛЬТАТОВ ДИНАМИЧЕСКОГО НАБЛЮДЕНИЯ ПАЦИЕНТОВ МЕТОДОМ КОМПЬЮТЕРНОЙ ОПТИЧЕСКОЙ ТОПОГРАФИИ ............................................... 111

В.Н. Анисимов, Н.С. Ермаченко, А.А. Ермаченко, Л.В. Терещенко, А.В. Латанов

ЭКСПЕРИМЕНТАЛЬНЫЙ КОМПЛЕКС ДЛЯ ОДНОВРЕМЕННОЙ РЕГИСТРАЦИИ ДВИЖЕНИЙ ГЛАЗ И ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ ............ 116

РАЗДЕЛ III. БИОТЕХНОЛОГИИ, БИОМЕДИЦИНСКИЕ НАНОТЕХНОЛОГИИ

Т.А. Бедная, Т.В. Семенистая НЕЙРОМОДЕЛИРОВАНИЕ СВОЙСТВ ПЛЕНОК МЕДЬСОДЕРЖАЩЕГО ПАН ДЛЯ СОЗДАНИЯ ГАЗОАНАЛИЗАТОРОВ ................................................................ 121

И.С. Захаров, А.В. Завгородний, Т.В. Гурская АППАРАТУРНЫЙ МЕТОД КОНТРОЛЯ БИОТЕСТОВОЙ РЕАКЦИИ ПОЛОСОВОГО БАКТЕРИАЛЬНОГО ХЕМОТАКСИСА ......................................... 126

И.С. Захаров, А.Г. Казанцева, А.А. Писарева БИОТЕСТОВЫЙ МЕТОД ДЛЯ КОНТРОЛЯ ТОКСИЧНОСТИ ТЯЖЕЛЫХ МЕТАЛЛОВ ПО РЕАКЦИИ ДИНАМИКИ ГАЛЬВАНОТАКСИСА ИНФУЗОРИЙ В ИНДИКАТОРНОЙ СРЕДЕ ....................................................................................... 131

Е.А. Кочелаев, А.О. Волчек, В.М. Сидоренко ИССЛЕДОВАНИЕ ЗАВИСИМОСТИ ИНДИКАТРИСЫ ФЛУОРЕСЦЕНЦИИ ЧАСТИЦЫ БИОАЭРОЗОЛЯ ОТ ЕЁ ОПТИЧЕСКОЙ ПЛОТНОСТИ....................... 135

Д.Р. Юсупова, А.А. Порунов ИНФОРМАЦИОННЫЕ АСПЕКТЫ ПОСТРОЕНИЯ СИСТЕМЫ КОНТРОЛЯ И УПРАВЛЕНИЯ МЕДИКО-БИОЛОГИЧЕСКИМИ ПАРАМЕТРАМИ ВОЗДУХА ....... 141

П.В. Хало, В.Г. Галалу, Ю.М. Бородянский АНАЛИЗ ВОЗМОЖНОСТЕЙ СУЩЕСТВОВАНИЯ КУБИТОВ В ЖИВЫХ ОРГАНИЗМАХ .............................................................................................................. 146

Д.В. Орда-Жигулина, И.Б. Старченко ЛАЗЕРНАЯ ДИАГНОСТИКА ДВИЖУЩИХСЯ ЖИДКОСТЕЙ В БИООБЪЕКТЕ ............................................................................................................ 151

РАЗДЕЛ IV. ИНФОРМАЦИОННО-ПСИХОЛОГИЧЕСКАЯ БЕЗОПАСНОСТЬ ЧЕЛОВЕКА И ОБРАЗОВАНИЕ В СФЕРЕ

БИОМЕДИЦИНЫ

Т.В. Тимошенко АДАПТАЦИЯ ЧЕЛОВЕКА К СОВРЕМЕННОЙ ИНФОРМАЦИОННОЙ СРЕДЕ ...... 155

Э.И. Хайбулина ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ ЛИЧНОСТИ В ВИРТУАЛЬНОМ ПРОСТРАНСТВЕ ЭПОХИ ПОСТМОДЕРНА ............................................................ 159

О.Г. Берестнева ПРОБЛЕМЫ ОЦЕНКИ ОБЩЕКУЛЬТУРНЫХ КОМПЕТЕНЦИЙ СТУДЕНТОВ ТЕХНИЧЕСКИХ ВУЗОВ .............................................................................................. 165

И.И. Коробейникова СВЯЗЬ ВНУТРИПОЛУШАРНОЙ ПРОСТРАНСТВЕННОЙ ОРГАНИЗАЦИИ БИОПОТЕНЦИАЛОВ ТЕТА-ПОЛОСЫ ЭЭГ СТУДЕНТОВ С РАЗЛИЧНОЙ РЕЗУЛЬТАТИВНОСТЬЮ ВЫПОЛНЕНИЯ ЗРИТЕЛЬНО-ПРОСТРАНСТВЕННЫХ ЗАДАЧ ........................................................ 169

Л.В. Толмачёва ОСНОВНЫЕ ПРИНЦИПЫ ФОРМИРОВАНИЯ КУЛЬТУРЫ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ СТУДЕНТОВ В ТЕХНИЧЕСКОМ ВУЗЕ ...................... 173

4

РАЗДЕЛ V. ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ, ГЕНЕТИЧЕСКИЕ И БИОНИЧЕСКИЕ АЛГОРИТМЫ

В.В. Курейчик, Вл.Вл. Курейчик БИОИСПИРИРОВАННЫЙ ПОИСК ПРИ ПРОЕКТИРОВАНИИ И УПРАВЛЕНИИ .......................................................................................................... 178

Д.Ю. Запорожец, Д.В. Заруба, А.А. Лежебоков ОБ ОДНОМ СПОСОБЕ КОДИРОВАНИЯ РЕШЕНИЯ ДЛЯ ЗАДАЧИ РАЗМЕЩЕНИЯ ............................................................................................................. 183

Э.В. Кулиев, А.А. Лежебоков О ГИБРИДНОМ АЛГОРИТМЕ РАЗМЕЩЕНИЯ КОМПОНЕНТОВ СБИС ............ 188

В.В. Бегляров, А.Н. Берёза ЭВОЛЮЦИОННЫЙ МНОГОПОПУЛЯЦИОННЫЙ АЛГОРИТМ РЕШЕНИЯ СЛАУ (PEREKRESTOK) ............................................................................................... 193

В.В. Гудилов ДИНАМИЧЕСКОЕ ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ ................................ 198

РАЗДЕЛ VI. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ

Н.Н. Филатова, А.Г. Требухин ГЕНЕРАЦИЯ РЕШАЮЩИХ ПРАВИЛ ДЛЯ ПРОЕКТИРОВАНИЯ ФУНКЦИОНАЛЬНЫХ СХЕМ СИСТЕМ АВТОМАТИЗАЦИИ ............................... 206

Ю.А. Кравченко, В.В. Марков ПРИНЯТИЕ РЕШЕНИЙ В ИНТЕГРИРОВАННЫХ ИНФОРМАЦИОННЫХ МОДЕЛЯХ НА ОСНОВЕ МЕТОДА АНАЛИЗА ИЕРАРХИЙ .................................. 212

Ю.А. Кравченко СИНТЕЗ РАЗНОРОДНЫХ ЗНАНИЙ НА ОСНОВЕ ОНТОЛОГИЙ ......................... 216

В.В. Бова ИЗВЛЕЧЕНИЕ НЕЯВНЫХ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ .............................................................................................................. 221

В.А. Литвиненко, С.А. Ховансков, Е.В. Литвиненко МОДИФИЦИРОВАННЫЙ АДАПТИВНЫЙ АЛГОРИТМ ОПРЕДЕЛЕНИЯ МАКСИМАЛЬНЫХ ПОЛНЫХ ПОДГРАФОВ .......................................................... 227

РАЗДЕЛ VII. НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

М.В. Луцан, Е.В. Нужнов ЭВРИСТИКИ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ АВТОМАТИЗИРОВАННОГО ГРУЗОВОГО ТЕРМИНАЛА .................................... 232

Я.Е. Ромм, А.И. Тренкеншу ВЫДЕЛЕНИЕ ТРЕНДОВ И ОПРЕДЕЛЕНИЕ ТОЧЕК РАЗВОРОТА ТЕНДЕНЦИЙ ФИНАНСОВЫХ РЫНКОВ НА ОСНОВЕ СХЕМ СОРТИРОВКИ ................................. 237

РАЗДЕЛ VIII. МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ

В.М. Курейчик, А.А. Рокотянский ГЕНЕТИЧЕСКИЙ АЛГОРИТМ РЕШЕНИЯ ЛОГИСТИЧЕСКОЙ ЗАДАЧИ ........... 245

РАЗДЕЛ IX. ВЫЧИСЛИТЕЛЬНЫЕ КОМПЛЕКСЫ НОВОГО ПОКОЛЕНИЯ И НЕЙРОКОМПЬЮТЕРЫ

Ю.О. Чернышев, Н.Н. Венцов, П.А. Панасенко ПРИМЕНЕНИЕ PSO-МЕТОДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ РАСПРЕДЕЛЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ ............................................................................. 252

РАЗДЕЛ X. ПРОБЛЕМЫ ОБРАЗОВАНИЯ

В.И. Писаренко РЕАЛИЗАЦИЯ СИНЕРГЕТИЧЕСКИХ ПРИНЦИПОВ В ПЕДАГОГИЧЕСКИХ СИСТЕМАХ ......................................................................... 258

75 ЛЕТ ЧЕРНЫШЕВУ ЮРИЮ ОЛЕГОВИЧУ ........................................................... 263

5

CONTENT

SECTION I. APPLIED ELECTROMAGNETICS AND ANTENNA MEASUREMENTS

N.I. Bobkov RADIATION OF COMBINATION OF ELECTRIC AND MAGNETIC CURRENTS EXCITED ON THE SURFACE WITH COMPLICATED GEOMETRY ....................... 8

D.D. Gabrieljan, N.I. Bobkov, N.G. Parkhomenko SYNTHESIS OF THE AMPLITUDE-PHASE DISTRIBUTION OF CURRENTS ON THE REFLECTOR SURFACE IN ACCORDANCE WITH THE PATTERN ........ 15

N.N. Kisel’, S.G. Grishchenko, D.A. Kardos OPTIMISATION DUAL-RESONANT PATCH ANTENNA ......................................... 25

A.I. Panychev THE ALGORITHM OF THREE-DIMENSIONAL TRACE RADIO WAVES WIRELESS LAN ............................................................................................................. 31

A.I. Semenikhin, D.V. Semenikhina, S.N. Sergeev, S.N. Nosаkov WIDEBAND COMPACT MICROSTRIP ANTENNA WITH CAPACITANCE MICROSTRIP FEEDING ............................................................................................... 42

Y.V. Yukhanov, N.I. Bobkov, A.I. Semenikhin, D.V. Semenikhina ELECTRODYNAMIC MODELING OF FEED HORN OF MULTIPATH ULTRAWIDEBAND REFLECTOR ANTENNA ........................................................... 48

B.M. Petrov NATURAL VIBRATION OF THE FREQUENCY OF MAGNETIC TYPE IN COAXIAL RESONATOR GYRO ............................................................................. 55

V.P. Fedosov ALGORITHMS OF COOPERATIVE ADAPTATION FOR RECEPTION AND TRANSFERRING IN COMMUNICATION SYSTEM BASED ON ARRAYS IN THE PRESENCE OF JAMMING .............................................................................. 59

V.A. Obuhovec, Yu.V. Yukhanov, A.I. Semenikhin, G.I. Kostromitin ULTRAWIDEBANDED MEASURES OF CHARACTERISTICS OF ANTENNAS AND SCATTERERS IN THE ANECHOIC CHAMBER AT SOUTHERN FEDERAL UNIVERSITY ............................................................................................... 64

A.V. Kalinin, V.P. Noskov, I.V. Rubtsov EQUIPMENT FOR PROVIDING THE AUTONOMOUS MOVEMENT OF GROUND RTC ......................................................................................................... 71

Musaev Maxud Murad Ogli, N.N. Kisel′ NUMERICAL AND EXPERIMENTAL STUDY OF THE METAMATERIALS BASED ON THE SPIRAL ELEMENTS ....................................................................... 82

SECTION II. HARDWARE AND SOFTWARE FOR FUNCTIONAL DIAGNOSIS AND THERAPY

L.I. Kalakutskiy , E.V. Molchkov, P.I. Bakhtinov PHOTOPLETHYSMOGRAPHY FOR CLINICAL HEART RATE MONITORING .... 87

E.A. Makarenkova, M.V. Malakhov, A.A. Melnikov INFLUENCE OF HYPERVENTILATION ON STABILOGRAPHIC PARAMETERS IN VISUAL BIOFEEDBACK TESTS ............................................................................ 92

Mohammed Abdullah Gahzar DEVELOPMENT OF METHODOLOGY FOR INTERCONNECTING SYSTEMS, BIOMEDICAL IMAGING PURPOSES ......................................................................... 97

A.Yu. Potlov REGISTRATION AND ANALYSIS OF TREMOR THROUGH OF THE WEB CAMERA AND MOTION DETECTION SOFTWARE ........................ 101

M.A. Sidorova, S.Yu. Kostenkov HISTORICAL ASPECTS OF COMPUTER SYSTEMS IN ELECTROPHYSIOLOGY ......................................................................................... 106

V.N. Sarnadsky, A.I. Ubert TECHNIQUE OF GRAPHIC-PARAMETRIC COMPARISON OF PATIENT’S FOLLOW-UP RESULTS BY A COMPUTER OPTICAL TOPOGRAPHY .................. 111

6

V.N. Anisimov, N.S. Ermachenko, A.A. Ermachenko, L.V. Tereschenko, A.V. Latanov

EXPERIMENTAL SETUP FOR SYNCHRONOUS RECORDING OF EYE MOVEMENTS AND EEG .............................................................................................. 116

SECTION III. BIOTECHNOLOGY, BIOMEDICAL NANOTECHNOLOGY

T.A. Bednaya, T.V. Semenistaya NEURAL NETWORK MODEL OF THE PROPERTIES OF FILMS COPPER-CONTAINING PAN TO CREATION A GAS ANALYZERS ....................... 121

I.S. Zakharov, A.V. Zavgorodny, T.V. Gurskaya DEVICE METHOD FOR CONTROL OF BACTERIA BAND CHEMOTAXIS BIOASSAY ..................................................................................................................... 126

I.S. Zakharov, A.G. Kazantzeva, A.A. Pisareva BIOASSAY METHOD FOR TOXICITY CONTROL OF HEAVY METALS WITH USING INFUZORIA GALVANOTAXIS DYINAMIC IN THE INDICATION MEDIUM ......................................................................................................................... 131

E.A. Kochelaev, A.O. Volchek, V.M. Sidorenko. THE EXPERIMENTAL STUDY OF THE DEPENDENCE OF BIOAEROSOL FLUORESCENCE INDICATRIX FROM ITS OPTICAL DENSITY ............................ 136

D.R. Yusupova, A.A. Porunov INFORMATION ASPECTS OF CREATION OF THE MONITORING SYSTEM AND AIR MANAGEMENT IN MEDICOBIOLOGICAL PARAMETERS .................. 141

P.V. Halo, V.G. Galalu, Yu.M. Borodyansky THE ANALYSIS OF POSSIBILITIES OF EXISTENCE QUBITS IN LIVE ORGANISMS .................................................................................................................. 146

D.V. Orda-Zhigulina, I.B. Starchenko LASER DIAGNOSTICS OF A MOVING FLUID IN BIOLOGICAL OBJECTS .......... 151

SECTION IV. INFORMATION AND PSYCHOLOGICAL SECURITY RIGHTS AND EDUCATION

IN THE FIELD OF BIOMEDICINE

T.V. Timoshenko ADAPTATION OF THE PERSON TO THE MODERN INFORMATION ENVIRONMENT ............................................................................................................ 155

E.I. Khybulina PERSONAL INFORMATION SECURITY IN VIRTUAL SPACE IN POSTMODERN ......................................................................................................... 160

O.G. Berestneva PROBLEMS OF THE ASSESSMENT OF COMMON CULTURAL COMPETENCES OF STUDENTS OF TECHNICAL COLLEGES ............................................................ 165

I.I. Korobeinikova RELATIONSHIP SPATIAL CHARACTERISTICS OF THETA RANGE IN THE EEG OF STUDENTS WITH VARIOUS PRODUCTIVITI OF PERFORMANCE FOR VISUAL SPATIAL TASKS ............................................................................................ 169

L.V. Tolmachyova MAIN PRINCIPLES OF FORMATION OF CULTURE OF HEALTH AND SAFETY OF STUDENTS IN TECHNICAL COLLEGE ...................................... 173

SECTION V. EVOLUTIONARY MODELLING, GENETIC AND BIONIC ALGORITHMS

V.V. Kureichik, Vl.Vl. Kureichik SEARCH INSPIRED BY NATURAL SYSTEMS, FOR THE DESIGN AND MANAGEMENT ................................................................................................... 178

D.Y. Zaporozhets, D.V. Zaruba, A.A. Lezhebokov A METHOD OF CODING SOLUTIONS FOR SOLVING PROBLEMS PLACEMENT ................................................................................................................. 184

E.V. Kuliev, A.A. Lezhebokov ON THE HYBRID ALGORITHM OF COMPONENT PLACEMENT VLSI ................ 189

7

V.V. Beglyarov, A.N. Bereza EVOLUTIONARY ALGORITHM SOLVING MNOGOPOPULYATSIONNY SLAE (PEREKRESTOK) ........................................................................................................... 193

V.V. Gudilov DYNAMIC SIMULATION OF EVOLUTION ............................................................... 198

SECTION VI. ARTIFICIAL INTELLECT AND INDISTINCT SYSTEMS

N.N. Filatova, A.G. Trebukhin GENERATION OF DECISION RULES FOR THE DESIGN OF AUTOMATION SYSTEMS FUNCTIONAL SCHEMES .......................................................................... 206

Y.A. Kravchenko, V.V. Markov DECISION MAKING IN INTEGRATED INFORMATION MODELS BASED ON THE HIERARCHIES ANALYSIS METHOD ......................................................... 212

Y.A. Kravchenko SYNTHESIS OF HETEROGENEOUS KNOWLEDGE BASED ON ONTOLOGIES ......................................................................................................... 216

V.V. Bova IMPLICIT KNOWLEDGE EXTRACTION BASED ON NEURAL NETWORK ALGORITHMS ............................................................................................................... 222

V.A. Litvinenko, S.A. Hovanskov, E.V. Litvinenko THE MODIFIED ADAPTIVE ALGORITHM OF DEFINITION OF THE MAXIMUM FULL SUBGRAPHS .................................................................................. 227

SECTION VII. NEW INFORMATION TECHNOLOGIES

M.V. Lutsan, E.V. Nuzhnov THE HEURISTICS FOR COMPUTER AIDED CARGO TERMINAL INTELLIGENT AGENTS ......................................................................................................................... 232

Ya.E. Romm, A.I. Trenkenshu IDENTIFICATION OF TECHNICAL PATTERNS AND SELECTION OF THE MAIN TRENDS OF FINANCIAL MARKETS USING SORTING SCHEMES ............ 238

SECTION VIII. MODELLING OF COMPLEX SYSTEMS

V.M. Kureichik, A.A. Rokotyansky SOLVING THE PROBLEM OF CROSS-DOCKING BY METHOD OF GENETIC ALGORITHM ................................................................................................................. 245

SECTION IX. COMPUTER COMPLEXES OF NEW GENERATION AND NEUROCOMPUTERS

Yu.O. Chernyshev, N.N. Vencov, P.A. Panasenko APPLICATION OF PSO-METHODS FOR SOLVING ALLOCATION OF COMPUTATIONAL RESOURCES ......................................................................... 252

SECTION X. PROBLEMS OF FORMATION

V.I. Pisarenko SYNERGETIC PRINCIPLES REALIZATION IN PEDAGOGICS ............................... 258

Известия ЮФУ. Технические науки

8

Раздел I. Прикладная электродинамика и антенные измерения

УДК 621.3.095.22

Н.И. Бобков

ИЗЛУЧЕНИЕ СОВОКУПНОСТИ ЭЛЕКТРИЧЕСКИХ И МАГНИТНЫХ ТОКОВ, ВОЗБУЖДАЕМЫХ НА ПОВЕРХНОСТИ СЛОЖНОЙ ФОРМЫ

Рассмотрен метод решения электродинамической задачи излучения совокупности электрических и магнитных токов, возбуждаемых на поверхности с произвольной геомет-рией, являющейся актуальной при разработке широкополосных сканирующих зеркальных антенн, при исследовании процессов рассеяния электромагнитных волн телами сложной формы и в ряде других случаев. Задача решается путем интегрирования векторных электро-динамических потенциалов поверхностных токов и преобразования систем координат. Представлены аналитические соотношения, определяющие в замкнутой форме функции распределения электрических компонент излучаемого поля в дальней зоне, на основе которых могут создаваться вычислительные алгоритмы для ряда практических применений.

Поле излучения; электрический и магнитный токи; напряженность поля; векторный потенциал; функция распределения; антенны.

N.I. Bobkov

RADIATION OF COMBINATION OF ELECTRIC AND MAGNETIC CURRENTS EXCITED ON THE SURFACE WITH COMPLICATED

GEOMETRY

The method of solving the electrodynamics problem of radiation combined of electric and magnetic currents excited on the surface with an arbitrary geometry, which is relevant in the de-velopment of broadband scanning reflector antennas, the study of the scattering processes of elec-tromagnetic waves by bodies of complex shape and in other cases, is presented. The problem is solved by integration of vector electrodynamics potentials of surface currents and the transfor-mation of coordinate systems. Analytical relations, determining in closed form distribution func-tion of the electrical components far-zone radiation field, on the basis of which can be created the computational algorithms for a number of practical applications, are presented.

The radiation field; the electric and magnetic currents; the field strength; vector potential; the distribution function; antenna.

Задача излучения системы электрических и магнитных токов, распре-деленных по поверхности произвольной геометрии, является основой для многих приложений теории и техники антенн. Здесь в первую очередь можно отметить вопросы разработки многодиапазонных и сверхширокополосных многолучевых зеркальных антенн [1–3], а также вопросы построения широкоугольных скани-рующих и полифокальных зеркальных антенн с отражающими поверхностями сложной формы [4]. Еще одним приложением являются вопросы расчета моноста-тических и бистатических диаграмм рассеяния тел произвольной формы с импе-дансными граничными условиями [5–7]. Несмотря на достаточно большое число работ, посвященных данной задаче [8–11], в них отсутствуют развернутые анали-тические соотношения, позволяющие строить эффективные вычислительные алго-


9

ритмы. Таким образом, определение полей излучения системы электрических и магнитных токов, распределенных по поверхности сложной формы, является акту-альной в практическом плане и интересной в теоретическом отношении задачей.

Целью статьи является представление соотношений, связывающих геометри-ческие параметры поверхности и закон распределения поверхностных электриче-ских и магнитных токов с функцией распределения напряженности излучаемого электромагнитного поля в дальней зоне.

В рассматриваемой постановке будем считать заданными: форму и размеры поверхности ,S удовлетворяющей условиям Ляпунова [9];

закон распределения электрических )(rj э

и магнитных )(rj м

токов по

поверхности S .

Необходимо найти функцию распределения ( , )F

напряженности поля,

формируемого заданной совокупностью токов. Запишем соответствующие выражения для векторных потенциалов поверх-

ностного электрического и магнитного тока

S

ээ rdrrGrjrA

, , (1)

S

мм rdrrGrjrA

, , (2)

где zyxr ,, – радиус-вектор точки, в которой определяется векторный электро-

динамический потенциал; zyxr ,,

– радиус-вектор точки на поверхности ,S

в которой задается плотность поверхностного электрического rj э

или магнитно-

го rj м

тока. Поверхность ,S геометрия которой показана на рис. 1, в системе

координат Oxyz определяется уравнением ),( yxfz .

Рис. 1. Поверхность S и связанные с ней системы координат

С использованием векторных электродинамических потенциалов определим компоненты вектора напряженности электрического поля в дальней зоне ( 1kr ) следующими формулами

1 3 2 2

0 0, ( ( )ý ý

x x x

S

E G r r i j i j ikr r ikr x x

2 2 2 2( )( ) ( )( )ý ý

y zj k r x x y y j k r x x z z

1 ( ) ( )ì ì

z yikr j y y j z z ds , (3)


10

1 3 2 2

0 0, ( ( )ý ý

y y y

S

E G r r i j i j ikr r ikr y y

2 2 2 2( )( ) ( )( )ý ý

x zj k r x x y y j k r y y z z

1 ( ) ( )ì ì

z xikr j x x j z z ds , (4)

1 3 2 2

0 0, ( ( )ý ý

z z z

S

E G r r i j i j ikr r ikr z z

2 2 2 2( )( ) ( )( )ý ý

x yj k r x x z z j k r y y z z

1 ( ) ( )ì ì

y xikr j x x j y y ds , (5)

где k – волновое число; rr .

Учтем взаимосвязь между компонентами напряженности электрического поля в дальней зоне, представленными в сферической и декартовой системах координат

z

y

x

E

E

E

E

E

0cossin

sinsincoscoscos

. (6)

Найденное представление компонент xE , yE , zE позволяет с учетом фор-

мулы (6) записать следующие соотношения для компонент θE и E

2 3 2 20 , ( ( ) cos cosý

x

S

iWE G r r j k ikr r ikr x x

k

2 2 ( )( ) cos sin ( )( ) sink r x x y y x x z z

2 3 2 2( ( ) cos siný

yj k ikr r ikr y y

2 2 ( )( ) cos cos ( )( ) sink r x x y y y y z z

2 2 ( )( )cos cos ( )( )cos siný

zj k r x x z z y y z z

2 3 2 2( ( ) sink ikr r ikr z z ds

1, cos cos ( ) ( )ì ì

z y

S

ik G r r r j y y j z z

cos sin ( ) ( )ì ì

z xj x x j z z

sin ( ) ( )ì ì

y xj x x j y y ds , (7)

2 3 2 20 , ( ( ) siný

x

S

iWE G r r j k ikr r ikr x x

k

2 2 ( )( ) cosk r x x y y

2 3 2 2 2 2( ( ) cos ( )( )siný

yj k ikr r ikr y y k r x x y y

2 2 2 2( )( )sin ( )( )cosý

zj k r x x z z k r y y z z ds


11

1, sin ( ) ( )ì ì

z y

S

ik G r r r j y y j z z

cos ( ) ( )ì ì

z xj x x j z z ds . (8) Свяжем с каждой точкой поверхности S локальную систему координат

τξζO , как показано на рис. 1. Оси τO и ξO являются касательными к поверх-

ности S , а ось ζO является нормалью к данной поверхности в точке O . Взаимосвязь между координатами вектора в системах координат τξζO и

Oxyz определяется при заданном уравнении поверхности S в виде

ς

ξ

τ

z

y

x

a

a

a

ςzξzτz

ςyξyτy

ςxξxτx

a

a

a

, (9)

В системе координат τξζO плотность электрического и магнитного тока

определяются соответствующими касательными компонентами 0,, эξ

эτ

э jjj

и

0,, мξ

мτ

м jjj

, с которыми компоненты токов в декартовой системе координат

связаны следующим образом

0

t

tτ

tz

ty

tx

ξj

j

ςzξzτz

ςyξyτy

ςxξxτx

j

j

j

, ( мэt , ). (10)

С учетом последнего выражения формулы для компонент напряженности

электрического поля θE и E в дальней зоне приобретают вид

S

эτθ θxxikrrikrkτxj

k

iWE coscos)(( 22320

θzzθyyxxrk sin)(sincos)()(22

sincos)(( 2232 θyyikrrikrkτy

θzzθxxyyrk sin)(coscos)()(22

θzzikrrikrkτz sin)(( 2232

sincos)(coscos)()(22 θyyθxxzzrk

coscos)(( 2232 θxxikrrikrkξxjэξ

θzzθyyxxrk sin)(sincos)()(22

sincos)(( 2232 θyyikrrikrkξy

θzzθxxyyrk sin)(coscos)()(22

θzzikrrikrkξz sin)(( 2232

sincos)(coscos)()(22 θyyθxxzzrk

ξdτdξτВrrG ),(,


12

S

мy

мz zzjyyjθrrrGik )()(coscos, 1

)()(sincos zzjxxjθ мx

мz

ξdτdξτВyyjxxjθ мx

мy ),()()(sin , (11)

S

э xxikrrikrkxjk

iWE sin)(( 22320

cos))((22 yyxxrk

cos)(( 2232 yyikrrikrky

sin))((22 yyxxrk

)(sin)()(22 yyxxzzrkz

sin)(( 2232 xxikrrikrkxj э

cos))((22 yyxxrk

cos)(( 2232 yyikrrikrky

sin))((22 yyxxrk

cos)(sin)()(22 yyxxzzrkz ddВrrG ),(,

S

мy

мz zzjyyjrrrGik )()(sin, 1

sdzzjxxj м

xмz )()(cos . (12)

В соотношениях (11), (12) ),( ξτВ определяет якобиан преобразования сис-

темы координат Oxyz в систему координат τξζO .

На заключительном этапе учтем, что координаты точек наблюдения связаны

условием cossin θrx , sinsinθry , θrz cos . Это позволяет записать

выражения для функций распределения компонент поля следующим образом:

S

эτθ θxθrikrrikrkτxj

k

iWF coscos)cossin(( 22320

θzθrθyθrxθrrk sin)cos(sincos)sinsin()cossin(22

sincos)sinsin(( 2232 θyθrikrrikrkτy

θzθrθxθryθrrk sin)cos(coscos)cossin()sinsin(22

θzθrikrrikrkτz sin)cos(( 2232

sincos)sinsin(coscos)cossin()cos(22 θyθrθxθrzθrrk

coscos)cossin(( 2232 θxθrikrrikrkξxj эξ

θzθrθyθrxθrrk sin)cos(sincos)sinsin()cossin(22


13

sincos)sinsin(( 2232 yrikrrikrky

θzθrθxθryθrrk sin)cos(coscos)cossin()sinsin(22

sin)cos(( 2232 zrikrrikrkz sincos)sinsin(coscos)cossin()cos(22 θyθrθxθrzθrrk

ddВrrG ),(,

S

мy

мz zrjyrjrrrGik )cos()sinsin(coscos, 1

)cos()cossin(sincos zrjxrj мx

мz

ddВyrjxrj мx

мy ),()sinsin()cossin(sin , (13)

S

э xrikrrikrkxjk

iWF sin)cossin(( 22320

cos)sinsin)(cossin(22 yrxrrk cos)sinsin(( 2232 yrikrrikrky

sin)sinsin)(cossin(22 yrxrrk cos)sinsin(sin)cossin()cos(22 yrxrzrrkz

sin)cossin(( 2232 xrikrrikrkxjэ

cos)sinsin)(cossin(22 yrxrrk

cos)sinsin(( 2232 yrikrrikrky

sin)sinsin)(cossin(22 yrxrrk

2 2( cos ) ( sin cos )sin ( sin sin )cosz k r r z r x r y ddВrrG ),(,

S

мy

мz zrjyrjrrrGik )cos()sinsin(sin, 1

sdzrjxrj м

xмz )cos()cossin(cos . (14)

В частном случае поверхности в виде параболоида вращения уравнение по-

верхности отражателя S имеет вид: )( 22 yxaz . Матрица преобразования из

(10) определяется формулой

21222122

21222122

21222122

)41(0)41(2

)41(sin2cos)41(sin

)41(cos2sin)41(cos

αtgaαtgaαatg

αtgaαatgαtga

αtgaαatgαtga. (15)

Якобиан преобразования ( , )В для введенной таким образом системы ко-

ординат O равен


14

ααtgaαtgaαtgξτВ

2

22222

cos

41)1(),( . (16)

Соотношения для компонент вектора напряженности электрического поля

θE , E , формируемого в дальней зоне протекающими по поверхности параболи-

ческого отражателя электрическим и магнитным токами, имеют вид (13), (14), в которых коэффициенты перехода и якобиан преобразования определяются выра-жениями (15) и (16) соответственно.

Таким образом, полученные соотношения определяют в замкнутой форме функции распределения компонент вектора напряженности электрического поля, формируемого системой электрических и магнитных токов с известным законом распределения по произвольной поверхности S и, в частности, поверхности в виде параболоида вращения.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Фролов О.П., Вальд В.П. Зеркальные антенны для земных станций спутниковой связи. – М.: Горячая линия-Телеком, 2008. – 496 с.

2. Бобков Н.И. Сверхширокополосная многолучевая зеркальная антенна. Сб. докладов международной научной конференции «ИРЭМВ-2011», Таганрог – Дивноморское, 27 июня-2 июля 2011 г. –C. 93-97.

3. Бобков Н.И., Габриэльян Д.Д., Зелененко А.Т., Семененко В.Н., Стуров А.Г. Многолуче-вая зеркальная антенна для систем сверхширокополосной радиолокации. Сб. докладов V Всероссийской научно-технической конференции «Радиолокация и радиосвязь». – М., 21-25 ноября 2011 г. – C. 173-177.

4. Бахрах Л.Д., Галимов Г.К. Зеркальные сканирующие антенны: Теория и методы расчета. – М.: Наука, 1981. – 304 с.

5. Касьянов А.О., Обуховец В.А. Интеллектуальные радиоэлектронные покрытия. Совре-менное состояние и проблемы // Антенны. – 2001. – 4 (50). – С. 4-11.

6. Вайнштейн Л.А. Электромагнитные волны. – М.: Радио и связь, 1988. – 440 с. 7. Привалова Т.Ю., Юханов Ю.В. Рассеяние плоской Н-поляризованной волны на решетке

нагруженных волноводов // Радиотехника. – 2008. – 11. 8. Семенов Н.А. Техническая электродинамика. – М.: Связь, 1973. - 480 с. 9. Васильев Е.Н. Возбуждение тел вращения. – М.: Радио и связь, 1987. - 272 с. 10. Фелсен Л., Маркувиц Н. Излучение и рассеяние волн. В 2-х томах. – М.: Мир, 1978. Т. 1

– 548 с.; Т. 2 – 556 с. 11. Петров Б.М. Электродинамика и распространения радиоволн: Учебник для вузов. – М.:

Радио и связь, 2000. – 559 с.

Статью рекомендовала к опубликованию д.т.н., профессор Д.В. Семенихина.

Бобков Николай Иванович – Открытое акционерное общество «Всероссийский научно-исследовательский институт «Градиент» (ОАО «ВНИИ «Градиент»); e-mail: [email protected]; 344010, г. Ростов-на-Дону, пр. Соколова, 96; тел.: 88632348900, 88634131563; начальник сектора

Bobkov Nikolay Ivanovich – Joint Stock Company “All-Russian Scientific Research Institute “Gradient” (JSC “VNII“Gradient”); e-mail: [email protected]; 96, Sokolov street, Rostov-on-Don, 344010, Russia; phones: +78632348900, +78634131563; the chief of research laboratory.


15

УДК 621.369.677

Д.Д. Габриэльян, Н.И. Бобков, Н.Г. Пархоменко

СИНТЕЗ АМПЛИТУДНО-ФАЗОВОГО РАСПРЕДЕЛЕНИЯ ТОКОВ НА ОТРАЖАЮЩЕЙ ПОВЕРХНОСТИ ПО ЗАДАННОЙ ДИАГРАММЕ

НАПРАВЛЕННОСТИ

Поставлена задача синтеза амплитудно-фазового распределения токов на поверхно-сти отражателя зеркальной антенны, обеспечивающего сохранение заданных характери-стик диаграммы направленности неизменными в широкой полосе частот, являющаяся ак-туальной при разработке сверхширокополосных зеркальных антенн перспективных радио-электронных комплексов различного назначения. Решение задачи приводит к системе ин-тегральных уравнений Фредгольма первого рода, сведенных к системе линейных алгебраи-ческих уравнений, решаемой методами теории матриц. На примере параболического ци-линдра исследованы закономерности изменения амплитудно-фазового распределения то-ков, поддерживающего с заданной точностью характеристики диаграммы направленно-сти в восьмикратной полосе частот для центрального и отклоненного луча сверхшироко-полосной многолучевой зеркальной антенны.

Зеркальная антенна; параболоид; отражатель; амплитудно-фазовое распределение; матрица; электрический ток; диаграмма направленности.

D.D. Gabrieljan, N.I. Bobkov, N.G. Parkhomenko

SYNTHESIS OF THE AMPLITUDE-PHASE DISTRIBUTION OF CURRENTS ON THE REFLECTOR SURFACE IN ACCORDANCE WITH THE PATTERN

The problem of synthesis of the amplitude-phase distribution of currents on the surface of the dish antenna reflector that preserves the characteristics of the given constant pattern over a wide frequency band, which is relevant in the development of ultra-wideband reflector antennas for the prospective electronic systems for various purposes, was set. The solution of problem leads to a system of first kind Fredholm integral equations, reduced to a system of linear algebraic equations and solved using the theory of matrices. In the example of a parabolic cylinder regulari-ties of changes in the amplitude-phase distribution, which supports a given accuracy characteris-tics of the radiation pattern in the eightfold frequency band for the central beam and deflected beam of the ultra-wideband multibeam reflector antenna, were investigated.

Reflector antenna; paraboloid; reflector; amplitude-phase distribution; the matrix; the elec-tric current; radiation pattern.

Решение задачи синтеза амплитудно-фазового распределения (АФР) токов на поверхности отражателя антенны по требованиям к заданной диаграмме направ-ленности (ДН) представляет собой основу при разработке зеркальных антенн (ЗА), входящих в состав радиоэлектронных комплексов различного назначения [1, 2]. При этом такие антенны должны функционировать в широкой полосе частот при условии стабилизации характеристик направленности. Решение этой задачи не-возможно без исследования частотной зависимости требуемого АФР токов на по-верхности отражателя, обеспечивающего формирование ДН с заданными и неиз-менными на различных частотах характеристиками.

В работах [3–6] достаточно подробно рассмотрены решения задач синтеза АФР применительно к произвольным поверхностям. Однако основные закономер-ности изменения АФР в полосе частот, обеспечивающего стабилизацию характе-ристик ДН, остаются в настоящее время неисследованными.

Целью статьи является решение задачи синтеза АФР электрических токов по заданной диаграмме направленности и исследование закономерностей изменения АФР в полосе частот для стабилизации характеристик ДН ЗА на примере отража-теля в виде параболического цилиндра.


16

В рассматриваемой постановке будем считать заданными: форму и размеры поверхности S отражателя, удовлетворяющей условиям

Ляпунова; требуемую диаграмму направленности, определяемую в виде разложения

по ортам сферической системы координат

( , ) ( , ) ( , )зад задзадF i F i F

. (1)

Необходимо найти закон распределения плотности поверхностных электри-

ческих токов jjj

на поверхности отражателя S ( τ и ξ

– касательные

орты локальной системы координат O в точке O′ на поверхности), который

обеспечивает формирование ДН с минимальным среднеквадратическим отклоне-нием от заданной. Геометрия задачи приведена на рис. 1.

Компоненты ДН можно представить в следующем виде [7]

2

0

)(

0

,;,,;, ddGjGjF , (2)

2

0

)(

0

,;,,;, ddGjGjF . (3)

Рис. 1. Система координат, связанная с параболоидом

В соотношении (2) , ; ,G , , ; ,G и аналогичные со-

множители в (3) представляют элементы тензорной функции Грина, определяю-щие вклад составляющих электрических токов, касательных к поверхности отра-жателя S в θ - и -компоненты ДН; )(ψ – пределы интегрирования в соответ-

ствующем сечении, углы θ , определяют направление в дальней зоне в сфери-ческой системе координат.

Для нахождения неизвестного распределения плотности поверхностных электрических токов, обеспечивающего формирование ДН с минимальным сред-неквадратическим отклонением от заданной диаграммы, потребуем совпадения формируемой и заданной ДН в P направлениях, определяемых углами pp , ,

( Pp ,...,1 )

).,(),(

),,(),(

ppзад

pp

ppзад

pp

FF

FF

(4)


17

Система уравнений (4) представляет собой систему интегральных уравнений (ИУ) Фредгольма первого рода относительно неизвестных распределений компо-

нент токов τj и ξj .

Для решения данной системы ИУ представим неизвестное распределение компонент токов с помощью кусочно-постоянных функций следующим образом

N

nnn

τnτ ψδαδBψαj

1

)()(),( , (5)

N

nnn

ξnξ ψδαδBψαj

1

)()(),( , (6)

где

,,0,,0

,,1)(

11

1

Nnn

nnn ααααилиαα

ααααδ

.2,0,,0

,,1)(

11

1

πψψψψилиψψψψψ

ψδNnn

nnn

Выбранная аппроксимация неизвестного распределения поверхностных то-ков позволяет свести решение системы интегральных уравнений к решению сис-темы линейных алгебраических уравнений

FBT . (7)

В соотношении (7) вектор-столбец B , элементами которого являются иско-мые коэффициенты разложения токов, имеет размерность N2 , вектор-столбец

F , элементами которого являются комплексные значения θ - и -компонент

ДН, имеет размерность P2 . Элементы матрицы T определяют соответственно вклад составляющих поверхностного электрического тока n -го элемента поверх-

ности отражателя ( Nn ,...,1 ) в θ - или -компоненты ДН в p -ом направлении

( Pp ,...,1 ).

При выполнении условия NP получаемое решение системы (7) будет давать наилучшее приближенное решение по методу наименьших квадратов [8]. Поскольку ранг матрицы T равен N2 , решение задачи амплитудно-фазового синтеза при этом может быть найдено в виде [8]:

FTB , (8)

где T – псевдообратная матрица для матрицы T , определяемая выражением:

TTTET1 . (9)

В выражении (9) T – матрица, транспонированная и комплексно-сопряженная

по отношению к ,T Е – единичная матрица.

Параметр регуляризации γ выбирается из условия компромисса между точно-стью синтеза ДН и гладкостью получаемого амплитудно-фазового распределения.

Отдельным вопросом является задание физически реализуемой ДН, характери-стики которой соответствуют требуемым значениям. В качестве ),( задF

можно

выбирать ДН, формируемую токами ),( yxj , распределенными на вспомогатель-

ной поверхности S , для которой взаимосвязь между параметрами распределения токов и характеристиками ДН хорошо изучена, например плоской поверхности, ог-


18

раниченной окружностью или прямоугольником, с распределением токов по зако-ну «косинус на пьедестале». Однако при решении задачи стабилизации характери-стик ДН ЗА в диапазоне частот в качестве заданной может выбираться ДН, форми-руемая этой же антенной на одной из частот требуемого диапазона.

В качестве примера рассмотрим частный, но важный с практической точки зрения случай двумерного синтеза АФР на поверхности цилиндрического парабо-лоида по заданной ДН. Будем считать, что ДН задана своим сечением в плоскости, поперечной по отношению к образующей отражателя, и АФР вдоль образующей отражателя является постоянным.

Поперечное сечение отражателя описывается уравнением

fxz 42 , LLx ; , (10)

где f – фокусное расстояние, 2L – размер апертуры. В качестве заданной рассматривается ДН, формируемая антенной на нижней

частоте диапазона рабочих частот. Распределение тока на поверхности отражате-ля, используемое для формирования заданной ДН, выбрано в виде

L

xπxj

2cos)1()( . (11)

Соответствующие ДН для синфазного равноамплитудного распределения (Δ=1) и спадающего распределения с пьедесталом Δ=0,1 приведены на рис. 2.

Параметр ε , определяющий степень различия заданной и формируемой ДН – нормированное среднеквадратическое отклонение во всем диапазоне углов, опре-деляется соотношением

2

2

2

2

2

2

sin)(

sin)()(

dF

dFF

зад

зад. (12)

Исследования проводились при следующих параметрах отражателя: f = 5,55λн , L=7,5λн, где λн – длина волны на нижней границе рабочего диапазона частот. Результаты исследований синтезируемого АФР и формируемых ДН для Δ=1 на частотах fн , 2fн, 4fн, 8fн приведены на рис. 3–6, где показаны амплитуд-ные распределения и соответствующие ДН ЗА.

а б

Рис. 2. ДН, формируемые на частоте fн, принятые в качестве заданных для антенны с равномерным (а) и спадающим (б) распределениями токов для луча,

формируемого вдоль нормали к раскрыву ЗА


19

Кривые синтезируемого фазового распределения не показаны. Величина при этом составляла 0,16–0,18. Параметр регуляризации γ выбран равным 1,05. Аналогичные результаты для косинусоидального распределения с Δ=0,1, рассчи-танные на частотах fн, 2fн, 4fн, 8fн приведены на рисунках 7–10, при этом величи-на составила 0,008.

a б

Рис. 3. Требуемое (сплошная линия) и синтезированное (пунктир) амплитудные распределения (а) и соответствующие (б) заданная ДН (сплошная линия)

и формируемая ДН (пунктир) на частоте fн , Δ=1

а б


и формируемая ДН (пунктир) на частоте 2fн , Δ=1

а б




20

а б



а б


и формируемая ДН (пунктир) на частоте fн , Δ=0,1

а б


и формируемая ДН (пунктир) на частоте 2fн , Δ=0,1

Проведено также исследование АФР и ДН, формируемых антенной для луча, отклоненного на 30° от нормали к раскрыву ЗА для равноамплитудного распреде-ления (Δ=1) и спадающего распределения с пьедесталом Δ=0,1, заданные ДН кото-рых приведены на рис. 11.


21

а б



а б



а б

Рис. 11. ДН, формируемые на частоте fн, принятые в качестве заданных для антенны с равномерным (а) и спадающим (б) распределениями токов для луча,

отклоненного на 30º от нормали к раскрыву ЗА

На рис. 12–15 приведены результаты расчетов для луча, отклоненного на 30° от нормали к раскрыву ЗА для частот fн , 2fн, 4fн, 8fн соответственно при равноампли-


22

тудном распределении токов на поверхности отражателя. Величина параметра при этом составляла 0,029–0,031. Исследования проводились для той же геометрии зеркальной антенны, что для описанной выше.

а б


и формируемая ДН (пунктир) на частоте fн , Δ=1

а б



а б




23

а б



Результаты расчета для отклоненного луча для ЗА с косинусоидальным рас-пределением токов с пьедесталом Δ=0,1 приведены на рис. 16–19 для частот fн , 2fн, 4fн, 8fн соответственно, при этом величина составила 0,013–0,014. Параметр ре-гуляризации γ выбран величиной, равной 1,05. Фазовые диаграммы и фазовые рас-пределения токов не приведены.

а б


и формируемая ДН (пунктир) на частоте fн , Δ=0,1

а б




24

а б



а б



Приведенные результаты показывают достаточно хорошее совпадение фор-мируемых ДН с заданными в области главного и первых боковых лепестков. В области дальнего бокового излучения несовпадение не превышает 3–5 дБ, что подтверждает возможность синтеза АФР на поверхности отражателя ЗА для фор-мирования ДН с заданными с требуемой точностью параметрами. Важным являет-ся также возможность реализации такого АФР в широкой полосе частот, что обес-печивает решение задачи стабилизации характеристик ДН в сверхширокополос-ных зеркальных антеннах.


1. Фролов О.П., Вальд В.П. Зеркальные антенны для земных станций спутниковой связи. – М.: Горячая линия-Телеком, 2008. – 496 с.

2. Бобков Н.И., Габриэльян Д.Д., Зелененко А.Т., Семененко В.Н., Стуров А.Г. Многолуче-вая зеркальная антенна для систем сверхширокополосной радиолокации. Сб. докладов V Всероссийской научно-технической конференции «Радиолокация и радиосвязь», Моск-ва, 21-25 ноября 2011 г. – C. 173-177.

3. Будагян И.Ф., Щучкин Г.Г. Моделирование характеристик излучения зеркальных антенн с корректирующим переменным импедансом // Антенны. – 2004. – 12 (91). – C. 6-27.

4. Зелкин Е.Г., Кравченко В.Ф. Задачи синтеза антенн и методы их решения. Кн.1. – М.: ИПРЖР, 2002. – 72 с.


25

5. Зелкин Е.Г., Кравченко В.Ф. Синтез антенн на основе атомарных функций. Кн.2. – М.: ИПРЖР, 2003. – 72 с.

6. Бахрах Л.Д., Кременецкий С.Д. Синтез излучающих систем. Теория и методы расчета. – М.: Сов. радио, 1974.

7. Васильев Е.Н. Возбуждение тел вращения. - М.: Радио и связь, 1987. – 272 с. 8. Гантмахер Ф.Р. Теория матриц. – 4-изд. – М.: Наука. гл. ред. физ.-мат. лит., 1988.

Статью рекомендовал к опубликованию д.т.н., профессор Д.В. Семенихина.

Бобков Николай Иванович – Открытое акционерное общество «Всероссийский научно-исследовательский институт «Градиент» (ОАО «ВНИИ «Градиент»); e-mail: [email protected]; 344010, г. Ростов-на-Дону, пр. Соколова, 96; тел.: 88632348900, 88634131563; начальник сектора

Пархоменко Николай Григорьевич – тел.: 88632324770; генеральный директор.

Габриэльян Дмитрий Давидович – ФГУП «Федеральный научно-производственный центр РНИИРС»; 344038, г. Ростов-на-Дону, ул. Нансена 130; тел.: 88632508985, 88632956702; д.т.н.; профессор; зам. начальника НТК по науке.

Bobkov Nikolay Ivanovich – Joint Stock Company “All-Russian Scientific Research Institute “Gradient” (JSC “VNII“Gradient”); e-mail: [email protected]; 96, Sokolov street, Rostov-on-Don, 344010, Russia; phones: +78632348900, +78634131563; the chief of research laboratory.

Parkhomenko Nikolay Grigor’evich – phone: +78632324770; director general.

Gabrieljan Dmitriy Davidovich – FSUE «Federal research and production center RNIIRS»; 130, Nansena street, Rostov-on-Don, 344038, Russia; phone: +78632508985, +78632956702; dr. of eng. sc.; professor; the science assistant of the head of department.

УДК 629.7.028.6

Н.Н. Киcель, С.Г. Грищенко, Д.А. Кардос

ОПТИМИЗАЦИЯ ПАРАМЕТРОВ КОМБИНИРОВАННОЙ МИКРОПОЛОСКОВОЙ АНТЕННЫ

В последнее время разработка микрополосковых антенн проводится в направлении миниатюризации их конструкции. В работе представлена двухрезонансная антенна, со-стоящая из нескольких сегментов, одна часть антенны обеспечивает работу в нижнем поддиапазоне, другая − в верхнем. Исследование антенны выполнено в программной среде трехмерного электромагнитного моделирования FEKO (ядро OPTFEKO). В работе при решении задачи расширения рабочего диапазона конструкция антенны оптимизирована с использованием Simplex метода. Для поиска целевой функции применен метод моментов. В результате оптимизации достигнуты значения КСВ антенны ниже 2 во всем рабочем диапазоне за счет выбора точки питания без изменения ее габаритов. Частотные зависи-мости КСВ и входного сопротивления антенны представлены на графиках.

Микрополосковая антенна; коэффициент стоячей волны (КСВ); оптимизация.

N.N. Kisel’, S.G. Grishchenko, D.A. Kardos

OPTIMISATION DUAL-RESONANT PATCH ANTENNA

Development of small antennas has received a lot of attention during the last years due to size reduction of the devices. The antenna is based on the dual-resonant antenna structure report-ed. The studied antenna consists of three shorted patches, one for the lower band and two for the upper band. The antenna is fed by a probe. The antenna structure was designed and theoretically studied using FEKO (kernel OPTFEKO) based 3D electromagnetic simulation program. This


26

work presents the optimisation of dual-band patch antenna in order to achieve a large bandwidth in the 1,8 GHz band, using an optimisation technique based Simplex method. During the optimisa-tion process, the different antenna models have been evaluated using method of moment (MoM). As a result of this optimisation, antenna was obtained the values of VSWR not exceeding two in the working frequency bands it was achieved with dual-band patch antenna with the same overall dimensions due to new point of feed. Graphs of VSWR and the real and imaginary impedance for various frequencies are shown.

Patch antenna; standing wave ratio (VSWR); optimization.

Введение. В настоящее время в мобильных телефонах, как правило, исполь-зуются различные модификации микрополосковых антенн (МПА). МПА, изготов-ляемые по технологии интегральных схем, обеспечивают высокую повторяемость размеров, низкую стоимость, габаритные размеры, массу [1–4]. Использование диэлектриков в конструкции антенны позволяет дополнительно уменьшить разме-ры антенны. Несмотря на простоту конструкции, в МПА возможно возникновение поверхностных волн (например, при наличии диэлектрика), учет которых требует применения строгих методов решения. Кроме того, для уменьшения размеров ис-пользуют дополнительные реактивные нагрузки, которыми можно расширить диа-пазон работы антенны.

Плоская МПА имеет несколько степеней свободы в своей конструкции (ва-риация геометрических параметров) и возможность выбора электрофизических параметров (например, диэлектрика).

Численное исследование. Целью данной работы является оптимизация па-раметров микрополосковой антенны по месту подключения питающей линии для получения минимального коэффициента стоячей волны. Исследуемая антенна представляет собой комбинацию PIFA-антенны и пассивной PILA-антенны [3].

Элемент Длина,

мм Ширина,

мм a 30 9 b 30 6 с 30 6.5 d 29 6.5 e 28.8 6

Рис. 1. Комбинация PIFA- и пассивной PILA-антенны [3]

На рис. 1 показана двухдиапазонная МПА. Она состоит из трех областей, од-на из которых предназначена для диапазона более низких частот (сегменты a-c на рис. 1), а другие две (сегменты d) – для более высоких. Сегменты объединены в форме двухдиапазонного элемента в виде меандра с одной закорачивающей пла-


27

стиной и питающим фидером. Сегмент e предназначен для расширения рабочей полосы в области верхних частот. Антенна возбуждается фидером. Диэлектрик между излучающими пластинами и экраном отсутствует, излучающие пластины фиксируются к экрану короткозамыкающими пластинами и питающим фидером.

Оптимизацию конструкции исследуемой антенны по критерию обеспечения минимального коэффициента стоячей волны проведем с использованием пакета трехмерного электромагнитного моделирования FEKO, успешно примененного авторами для решения ряда актуальных прикладных задач [5, 6].

Этапы моделирования в пакете FEKO приведены на рис. 2.

Рис. 2. Этапы моделирования комбинированной антенны в пакете FEKO

Для определения места подключения антенны питающего фидера использо-вался метод Simplex (Nelder-Mead) − метод Нелдера-Мида, также известный как метод деформируемого многогранника или симплекс-метод. При реализации этого метода не используются производные целевой функции, что позволяет приме-нять его к негладким и/или зашумлённым функциям. Суть метода заключается в последовательном перемещении и деформировании треугольника («симплекса») вокруг точки экстремума.

В качестве целевой функции рассматривается оптимизация по элементам матрицы рассеяния S-parameter Goal − задается минимум КСВ (VSWR) на задан-ной частоте

nn

nn

S1

S1VSWRКСВ

.

Алгоритм метода заключается в следующем. Предположи м, имеется целевая функция n-переменных y)(x,VSWR . Функция определена во всех встречающихся точках х, у (координаты питающего фидера). Параметры метода задаются по умолчанию:

коэффициент отражения α>0, обычно выбирается равным 1; коэффициент сжатия β>0, обычно выбирается равным 0,5; коэффициент растяжения γ>0, обычно выбирается равным 2. Далее алгоритм реализуется в следующей последовательности.

1. Задается 1n точка 11...ni ),y,x(pp iii , образующие симплекс

n-мерного пространства. В этих точках вычисляются значения функции: )y,x(VSWRVSWR iii .


28

2. Выполняется «сортировка», из вершин симплекса выбираем три точки:

ph с наибольшим (из выбранных) значением функции hVSWR , p g со следую-

щим по величине значением gVSWR и pl с наименьшим значением функции

lVSWR . Целью дальнейших манипуляций будет уменьшение hVSWR .

3. Определяется центр тяжести всех точек

1т

hi1i

iс pn1

p .

4. Находится «отражение» точки hp относительно сp с коэффициентом α

(при α = 1 это соответствует центральной симметрии), в полученной точке rp

вычисляется значение целевой функции rVSWR . Координаты новой точки вычис-ляются по формуле

hсr p*p)1(p .

5. Производится сравнение rVSWR со значениями КСВ hVSWR , gVSWR ,

lVSWR и проверка возможных условий:

если lr VSWRVSWR , то направление выбрано удачно, и можно увели-

чить шаг «растяжения», новая точка rсe pp)1(p ;

если le VSWRVSWR , то можно расширить симплекс до этой точки:

точке hp присваивается значение ep и прерывается итерация;

если le VSWRVSWR , то перемещение слишком далеко: точке hp при-

сваивается значение rp , заканчивается итерация и проверяется выполне-ние критерия сходимости;

если grl VSWRVSWRVSWR , то выбор точки неплохой (новая точка

лучше двух прежних): точке hp присваивается значение rp и проверя-

ется выполнение критерия сходимости;

если grh VSWRVSWRVSWR , то меняются местами значения rp и hp ,

после чего выполняется операция «сжатия»; если

hr VSWRVSWR , выполняется операция «сжатия».

После преобразования получим lghr VSWRVSWRVSWRVSWR .

6. Выполняется операция «сжатия», строится точка сhs p)1(pp и

производится одно из следующих действий: если hs VSWRVSWR , то присваиваем точке hp значение sp и проверя-

ется выполнение критерия сходимости; если hs VSWRVSWR , то первоначальные точки оказались самыми удач-

ными. 7. Выполняется «глобальное сжатие» симплекса к точке с наименьшим зна-

чением lp :

2/)pp(pp lili , li .


29

8. Проверяется сходимость, заключающаяся в проверке взаимной близости полученных вершин симплекса.

Начальное положение питающего фидера взято из [3] и соответствует точке ).8.11y ,3.4x(ppstart

После выполнения процедуры оптимизации положение точки питания сме-

стилось ближе к пассивной PILA-антенне ).48.04175738y ,61.87389904x(ppopt

На рис. 3 приведены зависимости целевой функции VSWR(n) и параметров

оптимизации x(n) и y(n) (место подключение питающего фидера) от номера

итерации.

a б

Рис. 3. Целевая функция VSWR(n) (а) и параметры оптимизации x(n) (кривая 2)

и y(n) (кривая 1) (б), n - номер итерации

На рис. 4 приведена частотная зависимость КСВ для исходной антенны и ан-тенны после оптимизации. Как видно из графика, исходная антенна (кривая 1) имела КСВ меньше 2 для частот f=880 МГц, 1,7 ГГц, 1,95 ГГц, 2.4 ГГц. На частоте 1,8 ГГц наблюдался значительный рост КСВ до 4. После оптимизации (кривая 2) в диапазоне 1,75 ГГц – 1,95 ГГц КСВ меньше 2. Изменение положения питающего фидера практически не изменило КСВ для нижней и верхней частоты рабочего диапазона. На рис. 5, 6 приведены активное и реактивное входное сопротивление антенны до (кривая 1) и после (кривая 2) оптимизации.

Рис. 4. Частотная зависимость КСВ исходной (кривая 1) и оптимизированной

(кривая 2) антенны


30

2

1

Рис. 5. Активная составляющая входного сопротивления антенны

Рис. 6. Реактивная составляющая входного сопротивления антенны

Выводы. Таким образом, в работе проведена оптимизация конструкции мик-рополосковой антенны по критерию обеспечения минимального коэффициента стоячей волны. Показаны широкие возможности улучшения характеристик совре-менных антенн и расширения рабочего диапазона частот при минимальных конст-руктивных изменениях путем оптимизации параметров антенны.


1. Панченко Б.А., Нефёдов Н.И. Микрополосковые антенны. − М.: Радио и связь, 1988. − 144 с.

2. Слюсар В.И. Многодиапазонные антенны мобильных средств связи // Электроника. – 2006. – 8.

3. Ollikainen, O. Kivekäs, A. Toropainen, P. Vainikainen Internal Dual-Band Patch Antenna for Mobile Phones//Proceedings of the AP2000 Millennium Conference on Antennas & Propaga-tion. Davos, Switzerland, 2000.

4. Pinho P., Pereira J.F. Rocha. Optimisation of a PIFA Antenna Using Genetic Algorithms. – In: 3rd Conference on Telecommunications (ConfTele 2001). – April 23–24, 2001.

5. Киcель Н.Н., Грищенко С.Г. Численное моделирование системы антенна-обтекатель // Известия ЮФУ. Технические науки. – 2012. – 5 (130). – С. 104-108.

6. Кисель Н.Н. Электродинамическое моделирование антенн и устройств СВЧ в пакете FEKO: Учеб. пособие. – Таганрог: Изд-во ТТИ ЮФУ, 2010. – 263 с.

Статью рекомендовал к опубликованию д.т.н., профессор Л.А. Зинченко.

Кисель Наталья Николаевна – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный университет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП-17A; тел.: 88634371634; кафедра антенн и радиопередающих устройств; профессор; к.т.н.; доцент.


31

Грищенко Сергей Григорьевич – радиотехнический факультет; декан; к.т.н.; доцент.

Кардос Денис Александрович – радиотехнический факультет, магистрант

Kisel′ Natalia Nikolayevna – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University” e-mail: [email protected]; GSP-17A, 44, Nekrasovsky, Taganrog, 347928, Russia; phone: +78634371634; the department of antennas and radio transmitters; professor; cand. of eng. sc.; associate professor.

Grishchenko Sergey Grigorievich – the college of radio engineering; dean; cand. of eng. sc.; associate professor.

Kardos Denis Alexandrovich – the college of radio engineering, Master's Degree student.

УДК 621.396.98

А.И. Панычев

АЛГОРИТМ ТРЕХМЕРНОЙ ТРАССИРОВКИ РАДИОВОЛН ЛОКАЛЬНОЙ БЕСПРОВОДНОЙ СЕТИ

Для модели многолучевого распространения сигналов локальной беспроводной сети внутри помещения предложен алгоритм трехмерной трассировки лучей, основанный на детерминистском подходе и базирующийся на методах геометрической оптики, геомет-рической теории дифракции и зеркального изображения. Алгоритм предусматривает представление помещения в виде набора модулей, каждый из которых является класте-ром, объединяющим типичные элементы конструкции зданий. В каждом модуле произво-дится предварительное описание условий, формирующих области тени для лучей различной структуры. Это позволяет без расчета траектории луча дать ответ на вопрос о его су-ществовании в выбранной точке объема помещения и тем самым существенно сократить вычислительные ресурсы, как на этапе трассировки, так и при расчете энергетических характеристик лучей.

Представлены результаты трехмерной трассировки в помещении с препятствием в виде прямоугольной колонны. Проведено сравнение распределений ослабления сигналов, рассчитанных разными способами. При сопоставимых качественных и количественных характеристиках полученных результатов выигрыш по времени в сравнении с типичной программой моделирования радиотрассы внутри здания составил приблизительно 5 раз.

Алгоритм; многолучевое распространение; трассировка лучей; метод геометриче-ской оптики; геометрическая теория дифракции; метод зеркального изображения.

A.I. Panychev

THE ALGORITHM OF THREE-DIMENSIONAL TRACE RADIO WAVES WIRELESS LAN

An algorithm for the three-dimensional ray tracing for the model of multipath propagation of signals the wireless local area network system indoor is proposed. It is based on deterministic approach and used the methods of geometrical optics, geometrical theory of diffraction and mirror image. The algorithm provides for the representation of space in the form of a set of modules, each of which is a cluster of uniting typical structural elements of buildings. Each module is made pre-liminary description of the shadow formation conditions for the rays of different structures. This allows without formation of the beam path to give an answer to the question about its existence in the selected point of the room volume and thus strongly reduce computing resources as at the stage of the trace, so when calculating the energy characteristics of radiation.


32

The results of three-dimensional trace in the room with an obstacle in the form of rectangu-lar columns are presents. The comparison of the allocations to the weakening of the signal, calcu-lated in different ways. At comparable qualitative and quantitative characteristics of the obtained results the winning of time in comparison with the typical radio channel simulation program in-side the building amounted to approximately 5 times.

Algorithm; multi-path propagation; rays tracing; geometrical optics method; geometric theory of diffraction; the method of a mirror image.

1. Введение. Повсеместно внедрение беспроводных систем связи обусловлива-ет повышенный интерес к приближенным методам расчета поля в условиях много-лучевого распространения радиоволн как вне, так и внутри зданий [1–3]. На основе известных статистических и детерминистских методов создан ряд специализирован-ных программ расчета поля в системах связи внутри и вне зданий, обеспечивающих наглядную визуализация результатов расчета, возможность использования геоин-формацонных баз данных, развитый интерфейс пользователя [4–6]. Большинство этих программных средств базируется на универсальном методе сканирующих лу-чей, следствием чего являются известные ограничения их применения:

ориентированность на решение задачи покрытия зоны обслуживания, что делает излишне трудоемким расчет интенсивности поля в заданной точке;

упрощенный учет поляризационных эффектов при отражениях и дифрак-ции радиоволн;

направленные и поляризационные характеристики задаются для пере-дающей антенны, приемная антенна не конкретизируется;

ограниченный набор базовых методов анализа многолучевой структуры, ориентированных в основном на двумерные случаи;

значительные затраты времени на решение задачи и плохая приспособ-ленность к оптимизации расчета.

Другим интенсивно развивающимся направлением исследований в системах связи дециметрового и сантиметрового диапазонов является построение моделей многолучевого распространения радиоволн внутри и вне зданий, в которых выде-ляется преобладающая в конкретных условиях компонента электромагнитного поля и анализируются геометрические особенности ее распространения [7–15]. Однако для этих разработок характерна слабая приспособленность к анализу объ-емных распределений напряженности поля.

Предлагаемый алгоритм позволяет производить полную трехмерную трасси-ровку многолучевого распространения радиоволн локальной беспроводной систе-мы связи. Алгоритм является первым этапом расчета комплексной амплитуды электромагнитного поля в точке приема.

2. Процедура расчета интенсивности сигнала. Для определения интенсив-ности сигнала на входе приемного оборудования абонента локальной беспровод-ной сети, находящегося внутри помещения, можно использовать известное выра-жение для комплексного коэффициента передачи линии связи [16], которое в ре-зультате адаптации примет вид

VLLLLFFDDh rtpolrrrtttrt00000 ),(),( ,

где индекс «0» относится к прямому лучу; индексами «t» и «r» снабжены геомет-рические параметры передатчика и приемника, соответственно; все компоненты формулы вычисляются на рабочей длине волны генератора передающей станции t; D t и D r – максимальные значения коэффициентов направленного действия пе-редающей и приемной антенн; F t(0

t, 0t) и F t(0

r, 0r) - выборки из нормированных

диаграмм направленности в направлении на другую антенну;

00 4

0

R

eL

jkRt

–


33

множитель, учитывающий основное ослабление сигнала на радиолинии длиной R0; k – коэффициент распространения радиоволн на рабочей частоте; Lpol – поляриза-ционный коэффициент передачи, определяющий степень рассогласования пере-дающей и приемной антенн по поляризации; Lt и Lr – множители, определяющие затухание радиосигнала в передающем и приемном элементах вследствие омиче-ских потерь и рассогласования антенн с линиями передачи; V – множитель влия-ния среды, учитывающий многолучевой характер распространения сигнала.

Таким образом, отражения радиоволн от внутренних поверхностей помеще-ния, прохождение сигналов сквозь конструкции здания и из соседних помещений, дифракция радиоволн на изломах конструктивных элементов зданий вводится в расчет в виде множителя влияния среды распространения:

difrpassrefr VVVV 1 .

Выражение для компонента множителя влияния среды, учитывающего отра-жения от поверхностей помещения и расположенных в нем объектов, можно по-лучить на основе известной электродинамической модели распространения радио-волн над подстилающей поверхностью [18]:

...,),(

),(

),(

),(

)()()(

),(

),(

),(

),()()(

),(

),(

),(

),()(

00

0

00

||,||,||,

00

0

00||,||,

00

0

00||,||,

rrr

rsqp

rspq

rRjk

spqttt

tspq

tspq

t

sspqspqq

spp

spqp

pqq

spqs

rrr

rsp

rsp

rRjk

spttt

tsp

tsp

t

sspspp

spp

sps

rrr

rs

rs

rRjk

sttt

ts

ts

t

ss

ssrefl

F

Fe

R

R

F

F

RRR

F

Fe

R

R

F

FRR

F

Fe

R

R

F

FRV

spq

sp

s

где s, p, q,… – номера поверхностей, от которых последовательно отражается луч, комбинация spq… задает структуру (ход) луча многократного отражения от внут-

ренних поверхностей помещения; tspq

tspq ,

– углы выхода лучей из передаю-

щей антенны; rsqp

rspq ,

– углы прихода лучей к приемной антенне; spq – ко-

эффициент, учитывающий деполяризационные эффекты при отражениях луча;

spq – углы падения луча на отражающие поверхности (учитываются обе попе-

речные составляющие в поле излучающей антенны: параллельно (индекс «||») и

нормально (индекс « ») поляризованные); 0RRR spqspq – разность хода

отраженного и прямого лучей. Таким образом, аналитическое выражение для множителя влияния среды оп-

ределяется конкретными геометрическими параметрами канала связи, формирую-щими пространственные условия распространения каждой из радиоволн, входящих в многолучевую модель. Вследствие этого на этапе построения лучевых траекторий для каждого геометрического параметра луча необходимо иметь аналитическое опи-сание или, по крайней мере, простой универсальный алгоритм быстрого расчета.

3. Общее описание алгоритма лучевой трассировки. Базовые положения предлагаемого алгоритма трехмерной трассировки лучей в помещении следую-щие [19]:


34

1) Отражение, преломление и дифракция радиоволн описываются на основе методов геометрической оптики, зеркального изображения и геометрической тео-рии дифракции.

2) Реальные объекты, присутствующие в существенной для распространения радиоволн области, моделируются простейшими геометрическими телами, для которых известны решения модельных задач отражения и дифракции.

3) Используется принцип модульности внутреннего пространства здания, в соответствии с которым весь объем разделяется на отдельные кластеры, обладаю-щие характерными геометрическими чертами. Простейшим кластером является полый прямоугольный параллелепипед, моделирующий комнату, холл, коридор, ангар. Трехмерная трассировка лучей в таком модуле описана в [16].

Другие варианты кластеров образуются на основе базового. Так, несущие конструкции здания моделируются круговым цилиндром, произвольным шести-гранником, призмами с различным основанием и другими телами. Наличие двер-ных и оконных проемов учитывается вырезами прямоугольной или арочной фор-мы. Лестничные марши аппроксимируются наклонной гребенчатой структурой. Для каждого изолированного кластера выполняется лучевая трассировка радио-волн, учитывающая его геометрические особенности.

4) Сочленение кластеров производится путем «сшивания» общих граней. Для этого предусмотрена возможность использования для каждой грани модуля раз-личных материалов, в том числе и материала со свойствами вакуума.

5) Идентификационными признаками каждого луча являются: азимутальный и угломестный углы выхода из точки расположения пере-

датчика; угол падения для каждого отражения; координаты каждой точки отражения, дифракции и прохождения; суммарная длина хода; азимутальный и угломестный углы прихода в точку расположения прием-

ника; вектор поляризации; количество отражений; количество дифракций; количество прохождений сквозь препятствия; структура луча – прямой; одно-, дву- и большей кратности отражения; ди-

фракционный на ребре, вершине или гладкой поверхности; прошедший из смежного модуля; комбинированный (отражение – дифракция – прохож-дение в любом сочетании).

6) Для каждого луча заранее задается максимальное количество учитываемых отражений, дифракций и прохождений. Луч, исчерпавший этот лимит, исключает-ся из дальнейшего анализа.

7) Трассировка лучей в каждом кластере, входящем в состав группы, форми-рующей пространство помещения, выполняется с учетом лучей, отраженных или прошедших из соседних модулей. При этом каждая точка на общей грани модулей рассматривается как вторичный источник с диаграммой направленности в виде дельта-функции, задающей направление луча в смежном модуле, и с амплитудой и поляризацией этого луча.

8) На этапе трассировки формируются условия тени для каждого луча внутри кластера. Это позволяет исключить из рассмотрения те области пространства, где луч данной структура отсутствует, и тем самым оптимизировать процедуру трас-сировки лучей.


35

4. Базовые элементы алгоритмов трассировки отраженных, дифракци-онных и преломленных лучей. Трассировка лучей в кластере опирается на базо-вые алгоритмы, которые можно разделить на несколько групп.

1) Алгоритмы, реализующие известные соотношения аналитической геомет-рии. Сюда входят процедуры, позволяющие определить:

коэффициенты уравнения плоскости, заданной различными способами; коэффициенты уравнения линии пересечения двух плоскостей; координаты вектора нормали к плоскости; координаты точки пересечения прямой и плоскости; координаты точки пересечения двух прямых; угол пересечения двух плоскостей; угол пересечения прямой и плоскости; угол пересечения между двумя прямыми; нормальную и тангенциальную составляющие вектора относительно

плоскости; координаты зеркального изображения точки относительно плоскости. 2) Алгоритмы, определяющие взаимное расположение точки (передатчика

или приемника) и препятствия: выработка координат вектора нормали (внешней или внутренней) к по-

верхности препятствия; проверка точки на принадлежность поверхности препятствия – лежит ли

точка на грани, ребре или вершине тела; проверка точки на принадлежность внутреннему объему препятствия; проверка грани, ребра и вершины препятствия на «освещенность» лучами

источника радиоволн. 3) Алгоритмы, формирующие области пространства, занятые тенью от пре-

пятствия для луча выбранной структуры. Алгоритмы этой группы базируются на процедуре построения области тени

за некоторой плоской фигурой, с помощью которых апроксимируется поверхность препятствия. В случае, когда препятствие моделируется многогранником, гранью поверхности является плоский многоугольник.

Алгоритм проверки, находится ли выбранная точка пространства в области тени, отбрасываемой плоским N-угольником, состоит в следующем (рис. 1). Ис-ходными данными являются:

координаты точки расположения источника радиоволн pt=(xt, yt, zt); координаты точки расположения приемника pr= (xr, yr, zr), для которой

проверяется принадлежность области тени; координаты вершин 1, 2, 3, …, N, определяющих положение многоуголь-

ника в пространстве.

Рис. 1. К алгоритму формирования тени, образуемой плоским многоугольником


36

На первом шаге проверяется, расположены ли точки pt и pr по одну сторону от плоскости многоугольника. Если да, то вырабатывается решение, что точка pr не принадлежит области тени. В противном случае проверка продолжается. Сна-чала формируются координаты p=(x, y, z) произвольной точки, принадлежащей многоугольнику. Затем проверяется, находятся ли точки p и pr по одну сторону от плоскости, определяемой тремя точками – источником pt и двумя соседними вер-шинами многоугольника (на рис. 1 представлен случай, когда плоскость проходит через вершины 1, 2). Такая проверка производится последовательно для всех сто-рон многоугольника. Если хотя бы для одной из пар соседних вершин точки p и pr окажутся по разные стороны от плоскости, значит, точка pr не принадлежит облас-ти тени и процедура прекращается. Таким образом, в алгоритме минимальное ко-личество сравнений равно единице, а максимальное составляет N+1 раз.

Алгоритмы формирования препятствием области тени для лучей различной природы и структуры без потери общности можно проиллюстрировать геометри-ческими построениями в одной из характерных плоскостей, например, в плоскости z=const (рис 2). Рассмотрим процедуры выделения области пространства, занятой тенью, отбрасываемой различными лучами.

Рис. 2. Области тени для лучей различной структуры


37

1) Прямые лучи (рис. 2,а). Алгоритм включает следующие шаги: определяются все освещенные прямыми лучами грани объекта; для каждой освещенной грани формируется область отбрасываемой ею

тени; все полученные области пространства объединяются. 2) Лучи однократного отражения от стены (рис. 2,б). Используется алгоритм

для прямых лучей, но в качестве источника задается зеркальное изображение точ-ки передатчика относительно отражающей стены.

3) Лучи однократного отражения от грани препятствия (рис. 2,в). Алгоритм применяется для каждой освещенной грани и состоит в следующем:

отыскивается зеркальное изображение точки передатчика относительно этой грани;

для полученной точки формируется область отбрасываемой гранью тени; условие существования тени инвертируется. формированные таким образом области пространства для всех освещен-

ных граней объединяются (на рис. 2,в лучевая трассировка выполнена только для одной из освещенных граней).

4) Лучи двукратного отражения от противоположных стен (рис. 2,г). В этом случае виртуальным источником лучей является точка, полученная в результате двукратного построения зеркального изображения: сначала для истинной точки пе-редатчика относительно стены первого отражения, а затем для этого «зеркального источника» относительно стены второго отражения. Тень для луча такой структуры состоит из двух областей пространства, каждая из которых формируется по алго-ритму тени для прямых лучей: первая образована препятствием, вторая – пятном тени для лучей первого отражения на поверхности второго отражения, и соответст-вует части пространства, где лучи двукратного отражения не порождаются. Эти об-ласти могут частично и даже полностью накладываться одна на другую.

Очевидно, что для общего случая многократного отражения от противопо-ложных стен количество частей итоговой тени совпадает с числом отражений, при этом «мертвые» зоны на отражающих поверхностях для лучей второго и следую-щих отражений могут быть сформированы по рекуррентному алгоритму.

5) Лучи двукратного отражения от смежных стен (рис. 2,д). Как и в преды-дущем случае, виртуальный источник лучей получается в результате последова-тельного построения зеркального изображения точки передатчика относительно рассматриваемых стен. Тень также образована двумя областями: первая формиру-ется препятствием, а вторая ограничена «предельным» лучом, дважды отразив-шимся на стыке стен, и определяет часть пространства, где лучи такой структуры не порождаются. Эта часть тени определяется местом положения передатчика и не зависит от расположения препятствия.

6) Лучи двукратного отражения типа стена – грань препятствия (рис. 2,е). Процедура формирования области тени повторяет алгоритм 3), в котором источ-ник получен двойным зеркальным отображением точки передатчика последова-тельно относительно плоскости стены и плоскости грани.

7) Лучи двукратного отражения типа грань препятствия – стена (рис. 2,ж). Алгоритм построения тени совпадает со случаем 4) с одним отличием – первое зеркальное изображение точки передатчика строится относительно плоскости гра-ни препятствия.

8) Лучи однократной дифракции на ребрах препятствия (рис. 2,з). Область про-странства, в которой могут существовать такие лучи, ограничена двумя соответст-вующими крайним точкам кромки конусами дифракционных лучей и примыкаю-щими к кромке гранями препятствия. Поскольку угол раствора конуса дифракцион-


38

ных лучей равен углу между ребром и падающим лучом, алгоритм трассировки для рассматриваемых лучей является комбинацией алгоритмов 1) и 3). На ближнем к источнику волн концу ребра угол раствора конуса соответствует отраженному пря-мому лучу, а на дальнем конце – коснувшемуся кромки прямому лучу.

9) Лучи однократной дифракции на вершине препятствия (рис. 2,и). При па-дении луча на острие пучок порожденных дифракционных лучей является изо-тропным, следовательно, область тени для них образуется пересечением внутрен-них полуплоскостей всех прилегающих к рассматриваемой вершине граней.

10) Лучи, прошедшие сквозь препятствие (рис. 2,к). Вблизи стыка двух смежных граней ход луча, преломленного одной гранью и вышедшего из сосед-ней, практически совпадает с трассой прямого луча, коснувшегося общего ребра этих граней. Следовательно, алгоритм построения области тени для прошедших сквозь препятствие лучей состоит в применении алгоритма 1) с последующей ин-версией выработанного условия.

Как видно, в общем случае область тени занимает значительную часть как внутреннего пространства, так и ограничивающих поверхностей. Следовательно, исключение этих областей из анализа на следующем этапе расчета поля способно обеспечить существенное снижение временных затрат.

5. Трассировка лучей в базовом кластере. Одним из базовых кластеров яв-ляется полый прямоугольный параллелепипед с произвольно расположенным внутренним препятствием в виде шестигранника (рис. 3) [20].

t2

t1

r0

r2

1

t0

t'2

r0

r2 r

'2

2

'2r'2

t2

t1

t'2

t0

t'''2t

''2

r'''2

r''2

t''2

t'''2

r''2r

'''2

Рис. 3. Основные геометрические параметры кластера

Шестигранник может служить моделью различных конструктивных элемен-тов здания: 1) несущей колонны, если по высоте соответствует помещению; 2) несущей балки, когда имеет соответствующие пропорции и расположено у по-толка; 3) постамента, если расположено на полу; 4) поворота коридора, когда по высоте совпадает с помещением и локализовано в его углу; 5) различных табло и световых конструкций, когда занимает произвольное положение внутри объема кластера. Индексы «1», «2», «2’» обозначают отражающие грани помещения и препятствия (со штрихом). На рис. 3 также представлены трассы распространения некоторых характерных лучей: прямого луча (0); лучей однократного отражения


39

от стены (2) и от препятствия (2’); луча, отраженного от стены, но затененного препятствием (1); дифракционного луча на ребре препятствия (2’’); дифракцион-ного луча на вершине препятствия (2’’’).

Рис. 4–6 иллюстрируют применение описанного алгоритма трехмерной луче-вой трассировки для указанного кластера. Размеры помещения: длина X=40 м, ши-рина Y=20 м, высота Z=8 м, препятствие имеет форму прямоугольного параллеле-пипеда 332 м с ближайшей к началу координат вершиной (18,5, 8,5, 4) м. Коор-динаты точки расположения передатчика pt=(10, 1, 7) м.

h_1otrh i h l h

h_1otrh i h l h

h_1otrh i h l h

Рис. 4. Области тени для лучей однократного отражения от поверхностей

помещения на различной высоте

h_1otrh i h 1 l h 40



Рис. 5. Области тени для лучей однократной дифракции на ребрах препятствия

на различной высоте

h_1otr h_1otr h_1otr

Рис. 6. Картина тени для всех учитываемых лучей на различной высоте

Картина тени для лучей, однократно отраженных от внутренних поверхно-стей помещения (рис. 4), характеризуется областями пространства, в которых од-новременно существуют волны, отразившиеся от нескольких поверхностей (мак-симально – от всех шести). Наиболее сложная структура зон видимости и тени складывается для лучей однократной дифракции на ребрах препятствия (рис. 5). Это объясняется, во-первых, большим числом участвующих в дифракции ребер


40

(до девяти), во-вторых, сложной пространственной картиной наложения пучков дифракционных лучей. Очевидно, что суммарные теневые зоны, сформированные перекрытием лучей до второй кратности отражения от поверхностей помещения и препятствия и лучей однократной дифракции на препятствии (рис. 6), характери-зуются более равномерным распределением интенсивности сигналов с преоблада-нием полутеневых областей.

Как указывалось выше, в расчетах покрытия зоны обслуживания беспровод-ной сети предложенный алгоритм позволяет сократить вычислительные затраты на этапе лучевой трассировки. На рис. 7 приведены распределения ослабления сигна-лов, полученные с использованием описанного алгоритма средствами Mathcad 14 (верхний ряд) и с помощью программы Wireless Insite (нижний ряд). Распределе-ния представлены для горизонтальной плоскости, пересекающей препятствие, уч-тены прямые лучи и лучи однократного отражения и дифракции, рабочая частот а 2,4 ГГц, передающая и приемная антенны – горизонтальные симметричные полу-волновые вибраторы, материал стен – бетон, материал препятствия – стекло. Рис. 7,а соответствует случаю, когда оба вибратора параллельны и ориентированы вдоль оси x, рис. 7,б – приемный вибратор перпендикулярен передающему и на-правлен вдоль оси y.

h_1otr

дБВтMAX 24.64

MIN 129.34

h_1otr

дБВтMAX 24.14

MIN 122.61

а б

Рис. 7. Сравнение расчетов различными способами интенсивности сигналов локальной беспроводной сети связи

Временные затраты моделирования по первому алгоритму в обоих случаях составили около 8,5 с, расчет в программе Wireless Insite длился около 40 с, что подтверждает эффективность предложенного алгоритма трассировки. Уровни ос-лабления сигналов, полученные обоими способами, практически не отличаются и соответствуют диапазону –24…–130 дБВт. Распределения сигналов имеют подоб-ную качественную картину, однако иллюстрации верхнего ряда в большей степени приближены к измеряемым картинам.

Заключение. Предложенный алгоритм трехмерной трассировки лучей в по-мещении с типичными элементами конструкции здания позволяет выделить об-ласти пространства, где лучи соответствующей структуры отсутствуют, и тем са-


41

мым существенно сократить вычислительные затраты на этапе расчета энергети-ческих характеристик лучей. Рассчитанные распределения ослабления сигналов локальной беспроводной сети связи в помещении полностью соответствуют по-стулатам геометрической оптики и геометрической теории дифракции.


1. Милютин Е.Р. и др. Методы расчета поля в системах связи дециметрового диапазона. - СПб.: Триада, 2003. – 159 с.

2. Пермяков В.А., Жексенов М.А. Методы расчета распространения радиоволн в городе (обзор) // Излучение и рассеяние электромагнитных волн: Труды Междунар. научн. конф. «Излучение и рассеяние электромагнитных волн – ИРЭМВ-2009». – Таганрог: Изд-во ТТИ ЮФУ, 2009. – С. 36-40.

3. Пономарев Г.А., Куликов А.М., Тельпуховский Е.Д. Распространение УКВ в городе. – Томск: МП «Раско», 1991.

4. Банков С.Е., Курушин А.А. Расчет и моделирование распространения радиоволн в город-ской среде и пересеченной местности с помощью программы Wireless InSite // EDA Ex-press. – 2004. – . 9. – С. 35-39.

5. Madej P. 3D Wireless Networks Simulator – Visualization of Radio Frequency Propagation for WLANs // Dissertation. Univ. of Dublin, Trinity College, 2006.

6. Torres R.P. a.o. CINDOOR: An Engineering Tool for Planning and Design of Wireless Sys-tem in Enclosed Spaces // Antennas and Propagation Magazine. – 1999. – Vol. 41, 4. – P. 11-21.

7. Dimitriou A.G., Bletsas A., Bessis N., Polycarpou A.C., Sahalos G.N. Theoretical Findings and Measurements on Planning a UHF RFID System Inside a Room // Radioengineering. – 2011. – Vol. 20, 2. – P. 387-407.

8. Lay Z., De La Roche G., Bessis N., Kuonen P., Clapworthe G., Zhou D., Zhang G. Statistical Intelligent Ray Launching Algorithm for Indoor Scenarios // Radioengineering. – 2011. – Vol. 20, 2. – P. 398-408.

9. Maltsev A., Maslennikov R., Lomayev A., Sevastyanov A., Khoryaev A. Statistical Channel Model for 60 GHz WLAN Systems in Conference Room Environment // Radioengineering. – 2011. – Vol. 20, 2. – P. 409-422.

10. Барабашов Б.Г., Дроган Ю.В., Пелевин О.Ю. Расчет многолучевой структуры поля УКВ в городе // Известия вузов. Северо-Кавказский регион. Естественные науки. – 2009. – 4. – С. 42-44.

11. Стрельницкий А.А., Стрельницкий А.Е., Цопа А.И., Шокало В.М. Теория и практика построения радиоканалов локальных беспроводных сетей с заданным качеством пере-дачи информации // 18th Int. Crimean Conference «Microwave & Telecommunication Tecnology» (CriMiCo’2008), 8-12 september 2008, Sevastopol, Crimea, Ukraine. – P. 3-9.

12. Авдеев В.Б., Катруша А.Н. Расчет и анализ многокомпонентного состава поля радио-волн на трассах распространения внутри зданий // Антенны. – 2007. – Вып. 4 (119). – С. 6-11.

13. Гуреев А.В., Кустов В.А. Волноводная модель беспроводных каналов связи внутри зда-ний // Электронный журнал «Исследовано в России». – 2002. – 2. – С. 1519-1536.

14. O’Brien W., Kenny E., Culler P. An efficient implementation of a three-dimensional microcell propagation tool for indoor and outdoor urban environments // IEEE Trans. Veh. Tech. – 2000. – Vol. 49, 2. – P. 622-630.

15. Chung H.K. and Bertony H.L. Rang-dependent path-loss model in residential areas for the VHF and UHF bands // IEEE Trans. on Anten. and Propag. – 2002. – Vol. 50, 1. – P. 1-11.

16. Панычев А.И. Оценка величины элементов канальной матрицы системы MIMO беспро-водной связи внутри помещений // Излучение и рассеяние электромагнитных волн: Тру-ды Междунар. научн. конф. «Излучение и рассеяние электромагнитных волн – ИРЭМВ-2009». – Таганрог: Изд-во ТТИ ЮФУ, 2009. – С. 416-420.

17. Сазонов Д.М. Антенны и устройства СВЧ. – М.: Высш. шк., 1988. – 432 с. 18. Петров Б.М. Электродинамика и распространение радиоволн: – М.: Радио и связь, 2000.

– 559 с.


42

19. Панычев А.И. Алгоритм трассировки лучей внутри зданий // Излучение и рассеяние электромагнитных волн: Труды Междунар. научн. конф. «Излучение и рассеяние элек-тромагнитных волн – ИРЭМВ-2011». – Таганрог: Изд-во ТТИ ЮФУ, 2011. – С. 371-375.

20. Панычев А.И. Трассировка многолучевого распространения радиоволн внутри зданий // Вопросы специальной радиоэлектроники. Серия «Общие вопросы радиоэлектроники (ОВР)». Научн.-техн. сборник. Вып. 1. – М.-Таганрог, 2012. – С. 182-187.

Статью рекомендовал к опубликованию д.т.н., профессор Д.Д. Габриэльян.

Панычев Андрей Иванович – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17A; тел.: +78634371733; кафедра антенн и радиопередающих устройств; к.т.н.; доцент.

Panychev Andrey Ivanovich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371733; the department of antennas and radio transmitters; cand. of eng. sc.; associate professor.

УДК621.396.677

А.И. Семенихин, Д.В. Семенихина, С.Н. Сергеев, С.Н. Носаков

ШИРОКОПОЛОСНЫЕ КОМПАКТНЫЕ МИКРОПОЛОСКОВЫЕ АНТЕННЫ С ЕМКОСТНЫМ МИКРОПОЛОСКОВЫМ ПИТАНИЕМ

Рассмотрены три модели широкополосных компактных микрополосковых антенн (МПА) c радиопрозрачным обтекателем для работы в полосе частот 1,2…1,65 ГГц. Они отличаются различной формой кольцевого излучающего полоска и слабой емкостной свя-зью с микрополосковой линией (МПЛ) питания. Каждая антенна содержит подвешенную подложку FR4 с излучающим и питающим полосками и нижнюю подложку FR4 с МПЛ и широкополосным переходом от МПЛ к питающему полоску. В полосе частот 37,5 % они имеют КСВН не более 2,8–3,9; коэффициент усиления 4,4–6,8 дБ и размеры 87,2 мм 80 мм28,3 мм. Экпериментальные исследования макета МПА подтвердили приведенные оценки характеристик антенны.

Компактная микропосковая антенна; широкополосность; емкостное питание; пи-тающая микрополосковая линия; обтекатель.

A.I. Semenikhin, D.V. Semenikhina, S.N. Sergeev, S.N. Nosаkov

WIDEBAND COMPACT MICROSTRIP ANTENNA WITH CAPACITANCE MICROSTRIP FEEDING

We consider three models of compact wideband microstrip antennas (MSA) with radome to operate in the frequency range 1.2 to 1.65 GHz. They are characterized by different forms of ring-radiating patch and a weak capacitive coupling with the feeder microstrip line. Each antenna has a suspended substrate FR4 with radiator patchand feed strip and a lower substrate FR4 with the microstrip line and broadband transition from the microstrip line to the feeder strip. Them have VSWR less than 2.8–3.9, the maximum realized gain 4,4–6,8 dBi, and the sizes 87,2 mm 80 mm28,3 mm in the band 37.5 %. The experimental study of the prototype, manufactured by model 1, confirmed the estimates of achievable antenna performance.

Compact microstrip antenna; widebandness; capacitive coupling; feeder microstrip line; radome.

Компактные микрополосковые антенны (МПА) с широкой и сверхширокой полосой частот применяются при построении антенн спутниковых систем навига-ции GLONASS/GPS/Galileo [1]. Конструкции МПА могут содержать усилитель и


43

радиопрозрачный обтекатель. При этом предпочтительны более технологичные МПА как можно меньших размеров с однослойной подвешенной диэлектрической подложкой. Однако их полоса обычно не превышает 20 %.

Одним из способов расширения полосы рабочих частот МПА является при-менение слабой емкостной связи между питающим фидером и полоском [2–6]. Так, например, известны прямоугольные кольцевые МПА со слабой емкостной связью и коаксиальным питанием, работающие в полосе частот 4,4…7,1 ГГц [7].

Приведем результаты исследований трех моделей широкополосных компакт-ных МПА с различной формой кольцевых излучающих полосков для работы в по-лосе частот 1,2…1,65 ГГц. Расчеты характеристик МПА проведены в программе Ansoft HFSS [8].

Все рассмотренные модели МПА содержат тонкую подвешенную подложку FR4 толщиной 3,2 мм с излучающим (основным) и питающим (дополнительным) полоска-ми, радиопрозрачный обтекатель из материала с относительной диэлектрической проницаемостью =3 толщиной 1,5 мм, нишу усилителя и диэлектрическую подлож-ку из FR4 толщиной 0,5 мм для размещения на ней платы усилителя и микрополос-ковой линии питания антенны. Верхняя сторона этой подложки металлизирована и является экраном. Во всех моделях питание излучающих полосков осуществляется с помощью слабой емкостной связи с малым питающим полоском и стержнем. Стер-жень соединен с микрополосковой линией, расположенной на нижней стороне под-ложки усилителя через широкополосный переход.

Первая модель МПА (рис. 1,а) имеет меньшие, чем в [2] (относительно средней длины волны) габаритные размеры: длина 87,7 мм, ширина 80 мм, высота – 30,3 мм. Размеры малого питающего полоска – 12х2,5 мм; размеры излучающего прямо-угольного полоска – 55х55 мм; размеры прямоугольного окна в нем – 30х24 мм, размер зазора между этими полосками – 5 мм. Питание антенны (рис. 1,б) осуществ-ляется микрополосковой линией, расположенной на стороне подложки усилителя с соответствующим широкополосным переходом от линии к стержню емкостного питания антенны. Диаметром стержня питания – 0,95 мм; диаметр окна в экране (для стержня) – 3 мм.

а б

Рис. 1. Модель 1 МПА: а – МПА с обтекателем и экранированной нишей усилителя; б – питание антенны микрополосковой линией на стороне подложки

усилителя с широкополосным переходом от линии к стержню питания

На рис. 2–4 приведены основные характеристики первой модели МПА. Вид-но, что в диапазоне частот 1,17…1,77 ГГц КСВН не более 2,8, а на частотах 1,2 ГГц и 1,6 ГГц КСВН не более 2. Равномерность диаграммы направленности (ДН) антенны не хуже, чем у элементарного вибратора. Реализованный коэффици-ент усиления (КУ) (с учетом КПД и КСВН) вдоль оси антенны равен 4,4 дБ в диа-пазоне 1,2 ГГц и около 6,8 дБ в диапазоне 1,6 ГГц.


44

Рис. 2. Частотные характеристики КСВН

Рис. 3. Нормированные ДН в плоскостях Е и Н по полной амплитуде поля на частотах 1,25 ГГц и 1,6 ГГц

для модели 1

Если требуется излучатель с более широкой ДН, необходимо добиваться более равномерного распределения поля Е вдоль излучающих кромок полоска (рис. 5).

КУ, дБ

f, ГГц

Модель 3

Модель 2

Модель 1

Рис. 4. Частотные характеристики реализованного КУ

Рис. 5. Поле Е на поверхности излучающего полоска в модели 1

Для этого было исследовано две модели МПА с модифицированными фор-мами излучающих полосков, показанные на рис. 6. Габаритные размеры моделей одинаковы: длина 87,2 мм, ширина 80 мм, высота – 28,3 мм. Излучающий полосок имеет меньшие размеры внутреннего окна: для модели 2 (рис. 6,а) окно 2х2 мм;

КСВН

f, ГГц

Модель 3

Модель 2

Модель 1

F(θ)

θ,

ГГц ГГц


45

для модели 3 (рис. 6,б) 10х10 мм. Модель 2 МПА имеет более низкий уровень КСВН в диапазоне 1.4…1.6 ГГц (см. рис. 2), однако ДН остаются примерно таки-ми же как и для модели 1, поскольку распределение поля Е вдоль излучающих кромок по-прежнему неравномерно (рис. 7,а). Форма полоска в модели 3 обеспе-чивает наиболее равномерное возбуждение криволинейных кромок излучающего полоска (рис. 7,б), в результате чего ДН становится более равномерной (рис. 8), но модель 3 имеет высокий КСВН (см. рис. 2) и более низкий КУ (рис. 4).

а б

Рис. 6. Модели МПА: а – модель 2, б – модель 3

а б

Рис. 7. Поле Е на поверхности излучающего полоска: а – модель 2, б – модель 3

Исходя из результатов моделирования трех широкополосных компактных МПА на подвешенной подложке FR4 со слабой емкостной связью с питающей микрополосковой линией для изготовления опытного образца был сделан выбор в пользу модели 1.

Макет антенны был изготовлен в ОПБ ЮФУ в рамках выполнения комплекс-ного проекта «ИТК-КВАНТ КП» «Создание высокотехнологичного производства по изготовлению информационно-коммуникационных комплексов спутниковой навигации ГЛОНАСС/GPS/Galileo».

На рис. 9 показан общий вид макета антенны. Экспериментальные исследо-вания проводились в ЦКП ЮФУ «Прикладная электродинамика и антенные изме-рения» на базе автоматизированного измерительно-вычислительного комплекса. На рис. 10, 11 приведены основные экспериментальные характеристики макета антенны. Из результатов эксперимента следует, что величина КСВН антенны на шести частотах (рис. 10) изменяется в пределах 1,2–2,1, что соответствует резуль-татам расчетов КСВН на этих же частотах (по расчетам КСВН равен 1,2–2).


46

а б

Рис. 8. 3D-диаграммы реализованного коэффициента усиления модели 3: а – частота 1,25 ГГц, б – частота 1,6 ГГц

Уровень измеренного коэффициента направленного действия (КНД) антенны на этих частотах изменяется в пределах 5,2–9,2 дБ с максимумом 9,2 дБ на частоте 1550 МГц, что соответствует результатам расчетов КНД на этих же частотах (по расчетам КНД = 5,3–7,5 дБ с максимумом 7,5 дБ также на частоте 1550 МГц).

а б

в г

Рис. 9. Макет антенны с усилителем и обтекателем: а – макет в сборе, вид сверху, б – макет в сборе, вид снизу, в – подложка антенны с полосками,

г – обтекатель антенны

Таким образом, сделанные путем электродинамического моделирования оценки КСВН и КНД антенны подтверждены результатами эксперимента.


47

Рис. 10. Частотная характеристика КСВН антенны

(сплошная линия – эксперимент; точки – расчет)

Рис. 11. Частотная характеристика КНД антенны

(сплошная линия – расчет; точки-эксперимент)

Заключение. В статье представлены результаты моделирования трех широко-полосных компактных МПА на подвешенной подложке FR4 со слабой емкостной связью и питающей микрополосковой линией в полосе частот 1,2…1,65 ГГц. Учтено влияние радиопрозрачного обтекателя на работу антенн. Проанализировано влияние различной формы кольцевого излучающего полоска на КСВН, ДН и КУ антенн (размеры антенн: 87,2 мм80 мм28,3 мм). Показано, что в полосе частот 37,5 % антенны имеют КСВН не более 2,8–3,9; КУ вдоль нормали к антенне 4,4–6,8 дБ (мо-дель 1); 3,3–7 дБ (модель 2); 1,6–6 дБ (модель 3). Экпериментальные исследования макета антенны подтвердили рассчитанные характеристики антенны.

Полученные результаты могут быть использованы при построении дешевых антенн для приема сигналов навигационных спутников GLONASS/GPS/Galileo.


1. Kin-Lu Wong. Compact and Broadband Microstrip Antennas, John Wiley & Sons. Inc. – New York, 2002.

2. Kumar G., Ray K.P. Broadband Microstrip Antennas, Artech House, Norwood, Mass, USA, 2003.

3. Palanisamy V., Garg R. Rectangular ring and H-shaped microstrip antennas-alternatives to rectangular patch antenna // Electronics Letter. – Vol. 21, 19, September 12, 1985.

4. Deshmukh A.A., Kumar G. Formulation of resonance frequency for compact microstrip anten-nas // IEEE Antennas and Propagation Society International Symposium, 2006.

5. Vandenbosch G.A.E., Van de Capelle A.R. Study of the capacitive feed microstrip antenna element s// IEEE Transactions on Antennas and Propagation. – 1994. – 12. – P. 1648.

6. Kasabegoudar V.G., Upadhyay D.S., Vinoy K.J. Design studies of ultra-wideband microstrip antenna with a small capacitive feed// Internation Journal of Antenna and Propagation, Article ID 67503, 8, 2007, doi:1155/2007/67503.

7. Singh S.K., Singh A.K. UWB Rectangular Ring Microstrip Antenna with Simple Capacitive Feed for Breast Cancer Detection// Progress In Electromagnetics Research Symposium, Bei-jing, China, March 23, 2009. – P. 1639-1642.

8. www.ansoft.com .


Семенихин Андрей Илларионович – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17A; тел.: 88634371733; кафедра антенн и радиопередающих устройств; д.т.н.; профессор.


48

Семенихина Диана Викторовна – e-mail: [email protected]; кафедра антенн и радио-передающих устройств; д.т.н.; профессор.

Сергеев Сергей Николаевич – e-mail: [email protected]; 347922, г. Таганрог, ул. Шевченко, 2, ГСП-96; тел.: 88634318000; заместитель директора по развитию производства опытно-производственной базы Южного федерального университета.

Носаков Сергей Николаевич – e-mail: [email protected]; ведущий конструктор опытно-производственной базы Южного федерального университета.

Semenikhin Andrey Illarionovich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovsky Taganrog, 347928, Russia; phone: 88634371733; the department of an-tennas and radio transmitters; dr. of eng. sc.; professor.

Semenikhina Diana Viktorovna – e-mail: [email protected]; the department of antennas and radio transmitters; dr. of eng. sc.; professor.

Sergeev Sergey Nikolaevich – e-mail: [email protected]; 2, Shevchenko street, Taganrog, 347922, Russia; phone: 88634318000; deputy director for the development of production of development and production base of the Southern federal university. Nosаkov Sergey Nikolaevich – e-mail: [email protected]; master constructor of development and production base of the Southern federal university. УДК 621.396.677

Ю.В. Юханов, Н.И. Бобков, А.И. Семенихин, Д.В. Семенихина

ЭЛЕКТРОДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ РУПОРНОГО ОБЛУЧАТЕЛЯ МНОГОЛУЧЕВОЙ СВЕРХШИРОКОПОЛОСНОЙ

ЗЕРКАЛЬНОЙ АНТЕННЫ

Разработан сверхширокополосный рупорный облучатель многолучевой зеркальной антенны (ЗА), предназначенный для работы в диапазоне 2–18 ГГц, имеющий характери-стики направленности в Н-плоскости, приближенные к характеристикам синфазного ру-пора. Для повышения эффективности возбуждения апертуры ЗА на нижних частотах рабочего диапазона в Е-плоскости устанавливается широкоугольная расфазированная на-садка на раскрыве двухгребневого рупора, а закорачивающие стержни в начале гребней устраняют полуволновый резонанс тока на их вертикальных торцах на высоких частотах.

Приведены результаты расчета рупора после оптимизации его параметров и экспе-риментальные данные, подтверждающие достоверность электродинамической модели рупора.

Сверхширокополосная зеркальная антенна; рупорный облучатель; двухгребневый рупор.

Y.V. Yukhanov, N.I. Bobkov, A.I. Semenikhin, D.V. Semenikhina

ELECTRODYNAMIC MODELING OF FEED HORN OF MULTIPATH ULTRAWIDEBAND REFLECTOR ANTENNA

The ultrawideband feed horn of reflector antenna (RA), working in a range of 2 to18 GHz and having patterns in the H-plane, close to the pattern of co-phased horn is designed . Wide an-gle misphased nozzle on the aperture of the double-ridged horn is set to improve the efficiency of excitation of the RA aperture at the lower frequencies in E-plane. Shorting rods at the beginning of ridges eliminate the half-wave resonance of current on their vertical ends at high frequencies.

The results of the calculation of the horn after optimization of its parameters and experi-mental data supporting the reliability of the horn electrodynamics’ model are presented.

Ultrawideband reflector antenna; feed horn; double-ridged horn.

лднпрвдгрчтокрскЕрспвампм

торанТнсоПНзаси

темго

к нкрр

В числе осных (СШПиапазона длиным является по углу местаяющей этим ающих основующих обсторамм направластот ДН облоты [1–5] и брыва. Во-втокольких облуЕ-плоскости оаспределениепадающее к каниями к уромплитудные положение фаминимальным

В [6] опиорого широкупоров основнтенн ВивальТак, напримерна рис. 1) имееов, что болееПри установкН-плоскости ватем, при далилу многомод

Цель населя многолучми направленно рупора.

Для форм ДН синфазноним с изломомрыве рупора ы ЗА на низк

Раздел

требований, П) средств коин волн, наряобеспечение а. При создан противоречивные характеоятельств. Воленности (ДНлучателя в этбыть приближорых, по причучателей, размоблучатель дое по апертурекраям апертуровню боковоги фазовые Дазового центрм. исан полуоткрко распростравана на приньди, чем и обр, измерительет в диапазоне чем в два раке металличесвначале станольнейшем росдового режим

Рис. 1. Ф

стоящей работчевой ЗА для ности в Н-пло

мирования диого рупора, бм [8, 9] (рис. предназначенкочастотной гр

л I. Прикладн

предъявляемонтроля радияду с высокой широкоугольнии многолучивым требоваеристики анто-первых, дляН) зеркальнойой плоскостиженной к ДН чине размещемер их раскрыолжен создаве отражателяры на высокио излучения ЗДН облучатела должно быт

рытый СШП анены в каченципе излученбусловлены иьный рупор 3не частот от 2аза шире, чемских боковыховится более усте частоты дма распростра

Фото прототи

ты – создани работы в диаоскости, приб

иаграмм напрбоковые стенк. 2). Широкоуна для повышранице рабоч

ная электроди

мых к антенныиоэлектроннойй направленноьного одновреевой зеркальаниям, разрабтенны, вызывя стабилизаций антенны в Ни должна убысинфазного рения в фокалыва в Н-плосвать близкое я на низких чих, что обуслоЗА в областия должны быть стабильны

гребневый руестве измериния расширяюих достаточно3117 фирмы E2 до 18 ГГц шм у синфазногх стенок с рузкой в полосдо 18 ГГц ДНанения волн.

ипа СШП обл

е СШП двухгапазоне частоближенными

равленности вки рупора, паругольная расшения эффектчего диапазон

инамика и ант

ым системамй обстановкиостью по азиеменного обзной антенны ботка облучавает затруднеии ширины пН-плоскости вывать по ширирупора с тем жльной областискости ограник оптимальночастотах и суовлено более верхних частыть симметриым, а продоль

упор, различнительных антеющихся щелео широкие ДНETS-LINDGRширину ДН отго рупора с теростом частосе частот от 2Н расширяетс

лучателя [7]

гребневого руот 2–18 ГГц с к характерис

в Н-плоскостираллельные вфазированнаятивности возбна в Е-плоскос

тенные измере

м сверхшироки сантиметроимуту немалозора простран (ЗА), удовлеателей, обеспения в силу парциальных в полосе рабоине с ростом же размером и отражателяичен. В-третьиому амплитудущественно б жесткими тртот. В-четверичны, поперечное перемещ

ные вариантыенн. Работа евых антенн, Н в Н-плоско

REN [7] (см. фт 115 до 22 грем же раскрыты ДН рупо

2 ГГц до 10 ГГся и искажает

упорного облс характеристстикам синфа

и, приближенвектору Е, выя насадка на буждения апести.

ения

49

копо-ового важ-нства етво-печи-сле-диа-очих час- рас-я не-их, в дное более ребо-ртых, чное ение

ы ко-этих или ости. фото раду-ывом. ра в Гц, а тся в

луча-тика-азно-

нных ыпол- рас-ерту-


50

Рис. 2. Конфигурация рупорного облучателя в Н-плоскости

Электродинамическое моделирование рупора выполним в пакете программ Ansoft HFSS. Модель СШП рупорного облучателя приводится на рис. 3 и включает в себя модели рупора с насадкой, двух его гребней и элементов коаксиального пи-тания волноводной секции рупора с прямоугольным резонатором.

Профиль гребня в плоскости YOZ строится с использованием экспоненци-альной линии, задаваемой уравнением:

drLr

drbr

LrKe

zKezLrKezy

5.0

21)exp(

1)exp(),,( , (1)

где Ke – параметр профиля, dr – начальный зазор между гребнями при z=0; br, Lr – соответственно, высота раскрыва рупора и длина рупора (без учета насадки).

Рис. 3. HFSS-модель СШП рупорного облучателя

Для снижения КСВН облучателя в области верхних частот начальная часть гребней скруглена в плоскости XOZ (рис. 4,а), а на их торцах по середине высоты гребней установлены согласующие стержни, электрически замкнутые с задней стенкой резонатора (рис. 4,б).

Результаты расчета оптимизированной модели рупора показаны на рис. 5–7. Уровень КСВН рупора без стержней не превышает 2,7 в полосе 2–18 ГГц (рис. 5, пунктирная линия). Закорачивающие стержни, предназначенные для изменения структуры поля в резонаторе, устраняют дополнительный полуволновый резонанс тока на вертикальных торцах гребней на высокочастотной границе рабочего диапа-зона (рис. 5, сплошная линия), ухудшая согласование до КСВН=2,15 на нижних частотах. Расчеты показали, что размещение стержней по середине гребней не является наилучшим в смысле минимума КСВн в диапазоне частот.

юрДпи

1Нсич

орет

Рис. 4. Пос

Рис. 5.

На рис. ющими стержезонатора (спДля сравненияпосередине гримеет КСВН<

Коэффиц8 ГГц возраН-плоскости уинфазного руения ширины

Для экспбразец рупорупорной насат 260 мм.

КСВ

Раздел

a

строение нача

КСВН рупорсогласу

6 приведенажнями, распоплошная линя там же поребней (пунк1.9 во всем дициент усиленистает от 9,6 убывает с росупора с такимы ДН лежат в периментальнрного облучатадки имеет ра

ВН


альной частии со стер

рного облучатующими стерж

а частотная золоженными ия), т.е. со смещена завиктирная линииапазоне частия рупорного дБ до 22 дБстом частоты м же размером пределах от 6ной проверкителя, внешнийазмер 130х180


и гребней без сержнями (б)

теля в диапазожнями и без

зависимость Кна расстоянистержнями, сдисимость КСВия). Такой мотот от 2 до18 облучателя вБ. Ширина Д от 66 до 10м раскрыва 65 до 9,5. электродинай вид которог0 мм, общая д


б

согласующих

оне частот 2 стержней

КСВН облучии b/8 (по одвинутыми кВН облучателодифицирован ГГц. в диапазоне чДН по уровн

0, как показав Н-плоскост

амической мого приведён ндлина облучат


стержней (а

2–18 ГГц с

чателя с соглоси Y) от стк стенкам рупля со стержннный облуча

частот от 2 ГГню минус 3 дано на рис. 7. ти расчетные

одели изготона рис. 8. Расктеля не превы

f , ГГ ц

ения

51

а)

ласу-енок пора. нями атель

Гц до дБ в Для зна-

влен крыв ыша-

И

5

р

1Эв совсзн

мнс п

Известия ЮФУ

2

КСВН

Рис. 6. Чарасположени

стенкам р

Рис. 7. СравнДН θ в граду

крестик

Измерени2 ГГц и 18 ГГЭксперимент п Н-плоскостиоставляют лисплески (возрначения шири

Разработмноголучевой ных мобильны высокой чувплоскостях об

У. Техническ

стотные харием согласующрупора; пункт

нение рассчитдусах: сплошнками показаны

ия ДН облучГц в Е- и Н-плподтвердил реи с ростом чаишь частоты растание) ширины ДН по уртанный рупор приемной зых средств равствительностбеспечила сим

кие науки

рактеристикищих стержнетирная линия

танной и измеая линия – раы значения ши

Н- пл

чателя проводлоскостях, сооезультаты модастоты монот8 ГГц, 13 ГГрины ДН. Дляовню минус 3рный облучатеркальной анадиоэлектроннтью. Практичмметрию ДН

и КСВН двухей: сплошная л –стержни -п

еренной частасчет; пунктиирины ДН длялоскости

дились на чаответствующиделирования. Итонно убываетГц и 16 ГГц,я сравнения с3 дБ также приель входит в нтенны, предного контролчески полная и стабильное

х облучателей линия – стержпосередине гр

тотной зависиирная линия –я синфазного

стотах 2 ГГцие графики приИзмеренная шт от 66º до 1, где наблюдас расчетом экиведены на ри состав сверхдназначенной ля источников симметрия ре поперечное

f, ГГц

й с различнымжни сдвинутребней рупора

имости шири– эксперимент раскрыва в

ц, 4 ГГц, 8 иведены на риширина ДН ру11,8º; исключаются неболькспериментальис. 7 пунктирохширокополос для перспекв радиоизлучерупора в глав положение ф

м ты к а

ины т;

ГГц, ис. 9. упора ение ьшие ьные ом. сной ктив-ения вных фазо-

вммр1явнп

во(кэлнУмпмн

и

ого центра, амонотонный хмаксимальнымовка раскрыв80°. Благодарвно выраженние поля в апплавно без ска

F(θ)

Рис. 9. Измер(б): сплошнкружками –

Указанныовали достижкоэффициент лектрическихно испытаниямУровень боковминус 17 дБ ипервого (ближмальное отклоне превышает

Работа визмерения».

Раздел

а конфигурацхарактер измем приближенва облучателря этому его нных противопертуре зеркаачков и не им

Рис. 8. Ф

,

а

еренные ДН руная линия – 2 Г– 8 ГГц; преры

ые обстоятельжению высок усиления, ух осей парциалми ее макета,вого излучении снижается дожнего к земле)нение электри 0,15° в диапазыполнена в Ц


ия стенок рупенения ширинием к ДН силя в Е-плоско ДН на частофазных бокоальной антеннеет противоф

Фото образца

упорного облуГГц; пунктирывистая лини

ьства определих техническуровень бокольных ДН в д, проведенныия макета ЗАо минус 28 дБ луча ЗА возрических осей зоне 2–6 ГГц ЦКП ЮФУ «


пора с изломны ДН обратнинфазного рупости на частоотах выше 8 овых лепестконы не являетфазных участк

а рупорного о

F(θ),

б

учателя в Е-прная линия – 4ия с крестикам

лили эффективких характериового излучендиапазоне рабми на открыА в азимутальБ с ростом чарастает с часто парциальных и 0,08° в диап«Прикладная


мом в Н-плоскно пропорциопора. Относиоте 18 ГГц с ГГц в Е-плоов. В этом слтся синфазныков.

облучателя

б

плоскости (а)4 ГГц; прерывми – 12 ГГц;

вность облучистик СШП мния, стабильнбочих частот)ытом полигоньной плоскосастоты. Коэффотой от 26 дБх ДН в азимутпазоне 6–18 Г электродина


кости определонально частоительная расфсоставляет окоскости не имлучае распредм, фаза меня

) и Н-плоскоствистая линия точки – 18 ГГ

ателя и спосомноголучевойность полож, что подтвержне в дальней зсти не превышфициент усилБ до 36 дБ. Матальной плоскГГц. мика и антен

ения

53

лила оте с фази-коло меют деле-яется

ти с Гц

обст-й ЗА ения жде-зоне. шает ения акси-кости

нные


54


1. Walton K.L., Sundberg V.C. Constant-Beamwidth Antenna Development // IEEE Transactions on Antennas and Propagation. – Sep. 1968. – Vol. AP-16, 5. – P. 510 -513.

2. Патент 2435262 (RU) Многолучевая зеркальная антенна. Бобков Н.И., Лизуро В.И., Ша-башов А.О., Ступин В.Е., Стуров А.Г., Перунов Ю.М., Мисиков А.Ф. - Бюллетень изо-бретений 33, 27.11.2011, МПК H01Q 15/00.

3. Бобков Н.И. Сверхширокополосная многолучевая зеркальная антенна // Труды Между-народной научной конференции «ИРЭМВ - 2011». – Таганрог: Изд-во ТТИ ЮФУ, 2011. – С. 93-97.

4. Бобков Н.И., Габриэльян Д.Д., Зелененко А.Т., Семененко В.Н., Стуров А.Г. Многолуче-вая зеркальная антенна для систем сверхширокополосной радиолокации // Сб. докладов V Всероссийской научно-технической конференции «Радиолокация и радиосвязь». – Москва, 21-25 ноября 2011 г. – C. 173-177.

5. Калиничев В.И., Калошин В.А., Пангонис Л.И. Сверхширокополосная зеркальная антен-на с рупорным облучателем Н-образного сечения // Сб. докладов III Всероссийской на-учно-технической конференции «Радиолокация и радиосвязь». – М., 2009. – C. 68-71.

6. Kerr J.L. Short axial length broadband horns // IEEE Transactions on Antennas and Propaga-tion. – Sep. 1973. – Vol. AP-21, 5. – P. 710 -714.

7. ETS-LINDGREN. Model 3117 Double-Ridged Waveguide Horn: User’s Manual. Arrow Point Drive, USA. 2003.

8. Бобков Н.И. Сверхширокополосный рупорный облучатель // Сб. научных трудов «Со-временные проблемы радиоэлектроники». Материалы третьей международной конфе-ренции. – Ростов-на-Дону: Изд-во РТИСТ ГОУ ВПО «ЮРГУЭС», 2010. – С. 248-251.

9. Бобков Н.И., Семенихин А.И., Семенихина Д.В. Рупорный облучатель для многолучевой сверхширокополосной зеркальной антенны. Сб. докладов «67-я Всероссийская конфе-ренция с международным участием «Научная сессия, посвященная Дню радио» RDC-2012. – М., 2012. – С. 18-22.


Юханов Юрий Владимирович – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универ-ситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17A; тел.: 88634371733; кафедра антенн и радиопередающих устройств; зав. кафедрой; д.т.н.; профессор.

Семенихин Андрей Илларионович –e-mail: [email protected]; кафедра антенн и радиопере-дающих устройств; зав. кафедрой; д.т.н.; профессор.

Семенихина Диана Викторовна – e-mail: [email protected]; кафедра антенн и радио-передающих устройств; д.т.н.; профессор.

Бобков Николай Иванович – Открытое акционерное общество «Всероссийский научно-исследовательский институт «Градиент»; e-mail: [email protected]; 344010, г. Ростов-на-Дону, пр. Соколова, 96; тел.: 88632348900; 88634131563; начальник сектора.

Yukhanov Yury Vladimirovich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovsky Taganrog, 347928, Russia; phone: 88634371733; the department of anten-nas and radio transmitters; head the department; dr. of eng. sc.; professor.

Semenikhin Andrey Illarionovich –e-mail: [email protected]; phone: 88634371733; the depart-ment of antennas and radio transmitters; dr. of eng. sc.; professor.

Semenikhina Diana Viktorovna – e-mail: [email protected]; the department of antennas and radio transmitters; dr. of eng. sc.; professor.

Bobkov Nikolay Ivanovich – Joint Stock Company “All-Russian Scientific Research Institute “Gradient”; e-mail: [email protected]; 96, Sokolov street, Rostov-on-Don, 344010, Russia; phone: +78632348900; +78634131563; the chief of research laboratory.


55

УДК 681.327.12

Б.М. Петров

СОБСТВЕННЫЕ ЧАСТОТЫ КОЛЕБАНИЙ МАГНИТНОГО ТИПА В КОАКСИАЛЬНОМ РЕЗОНАТОРЕ ГИРОСКОПА

В лазерном гироскопе информация о скорости вращения Ω извлекается из фазовых (частотных) характеристик электромагнитного (ЭМ) поля, распространяющегося в на-правлении и против направления вращения резонатора. При этом используется эффект Саньяка.

Решению задачи о возможности существования ЭМ-поля во вращающемся резонаторе гироскопа посвящено большое количество работ. Однако, решения получены на основе разно-го рода приближенных представлений об ЭМ-поле. Строгая электродинамическая теория эффекта Саньяка рассмотрена в [1]. По конструктивным соображениям при разработке гироскопов может оказаться предпочтительным применение коаксиальных резонаторов.

В статье, на основе ковариантных уравнений электродинамики общей теории отно-сительности даны постановка и строгое решение граничной задачи о возможности суще-ствования колебаний магнитного типа во вращающемся коаксиальном резонаторе без тепловых потерь.

Лазерный гироскоп; коаксиальный резонатор; колебания магнитного типа.

B.M. Petrov

NATURAL VIBRATION OF THE FREQUENCY OF MAGNETIC TYPE IN COAXIAL RESONATOR GYRO

In the laser gyroscope information about rotational speed Ω is extracted from the phase (frequency) characteristics of electromagnetic (EM) field spreading in the direction and opposite to the rotation of the resonator. The effect of Sanyak is used here.

Grate number of works are devoted to solving the problem of the possibility of existence of the EM - field in rotating gyroscope. However, the decisions are derived from various kinds of approximate representations of the EM - field. Strict electrodynamics' theory of the Sanyak effect is considered in the first point [1].

By constructional reasons in the development of gyroscopes the usage of coaxial resonators may be preferable.

In this article, on the bases of covariant electrodynamics equations of the theory of general relativity the setting and strict solution of the boundary problem of the possible existence of oscil-lations in a rotating magnetic type coaxial resonator without heat loss are observed.

Laser gyroscope; coaxial resonator; oscillations of magnetic type.

В лазерном гироскопе информация о скорости вращения Ω извлекается из фазовых (частотных) характеристик электромагнитного (ЭМ) поля, распростра-няющегося в направлении и против направления вращения резонатора. При этом используется эффект Саньяка.

Решению задачи о возможности существования ЭМ-поля во вращающемся резонаторе гироскопа посвящено большое количество работ. Однако, решения получены на основе разного рода приближенных представлений об ЭМ-поле. Строгая электродинамическая теория эффекта Саньяка рассмотрена в [1]. По кон-структивным соображениям при разработке гироскопов может оказаться предпоч-тительным применение коаксиальных резонаторов.

Ниже на основе ковариантных уравнений электродинамики общей теории относительности даны постановка и строгое решение граничной задачи о возмож-ности существования колебаний магнитного типа во вращающемся коаксиальном резонаторе без тепловых потерь.


56

Постановка граничной задачи. Введем в свободное пространство инерци-

альную (декартову) систему отсчета ( , , , ) ( , , , ) ( ),jK x y z ict K r z ict K x

где i – мнимая единица, t – время, 1 2 3 0( , , , ),jx x x x x ( , , )x r z – ци-

линдрические координаты (α=1, 2, 3), и покоящуюся в ней точку наблюдения

( , )P x ict . Внутри металлической цилиндрической трубы радиуса a, длины l рас-

положен коаксиально металлический цилиндр радиуса b, длины l. Ось z направ-лена вдоль осей коаксиальных цилиндров. В поперечных сечениях при z=0 и z=l расположены металлические плоские торцы. Коаксиальные цилиндры с торца-ми вращаются относительно точки P с постоянной угловой частотой Ω=2πF.

Введем жесткую вращающуюся систему отсчета ( , , , ) ( , )jK r z t K x t с осью z,

направленной вдоль осей цилиндров. Тогда ось z= z является осью вращения.

Обозначим через ( , )P p t , где ( , , ),p p r z покоящуюся в системе отсчета

K точку наблюдения ЭМ-поля. Пространство между коаксиальными цилиндрами заполнено изотропной однородной линейной средой без джоулевых потерь и гис-

терезиса с диэлектрической 0 и магнитной 0 проницаемостями,

где ε0 и μ0 – электрическая и магнитная постоянные. Если ( , , )x r z – цилин-

дрические координаты, то ,r r ,t .z z Параметры , , ,a b счи-

таем измеренными в системе отсчета K . Полагаем, что область сторонних источ-ников, возбуждающих ЭМ-поле на частоте ω0 (длина волны λ0), измеренной во времени t, выведена из объема, образованного коаксиальными цилиндрами и тор-цами (объема резонатора). Тогда необходимо рассмотреть возможность существо-вания ЭМ-поля в объеме вращающегося резонатора.

Уравнения Максвелла в резонаторе в системе отсчета K однородны и могут быть записаны в соответствии с [2] в трехмерной форме для ковариантного векто-ра напряженности электрического поля ,),,( 321 E EEEE для контравариант-

ной векторной плотности веса +1 – напряженности магнитного поля 23 13 12ˆ ˆ ˆ ˆ ˆ( , , ) ,H H H H H для контравариантной векторной плотности веса +1

– электрической индукции 1 2 3ˆ ˆ ˆ ˆ ˆ( , , ) ,D D D D D для ковариантного бивектора

магнитной индукции 23 13 12( , , ) :B B B B B

ˆ ˆ ,trot H D ,trot E B ˆ 0,div D 0.div B (1)

ЭМ-поле в системе отсчета K , удовлетворяющее (1), с помощью электриче-

ского ÝV и магнитного MV потенциалов Дебая, являющихся решениями [2] вол-нового уравнения

, 2 2 , 2 , 2 , 2 ,

2 2 2 2 2ô ô

1 1 2 10,

v v

Ý Ì Ý Ì Ý Ì Ý Ì Ý ÌV V V V Vr

r r r r r t z t

(2)

где ô

1v ,

ô

,v

r разделяется на ЭМ-поле волн электрического типа (Е-

волн), когда продольная компонента бивектора магнитной индукции 1rB r

12 0B и на ЭМ-поле волн магнитного типа (Н-волн), когда продольная компо-


57

нента векторной плотности электрической индукции 1ˆ zD r 3ˆ 0D . При этом

для Н-волн, если обозначить ( )W , то 2

2 2( ) ;

M M

r

V VB r

r r r r

2

( );M M

Mr

V VE W

r t r r

2 2

;M M

M V VE W

t r r r

;Ý M

z rE W H (3) 2

;M

Mr

VH

r z

2

11.M M

z r rH B W E

В математической модели считаем проводимость стенок цилиндров и торцов идеальной. Тогда на поверхностях цилиндра и на торцах для ЭМ-поля Н-волн должны выполняться граничные условия [2]

0MzH r при r a и при ;r b 0M

zH при 0z и при .z l (4)

Таким образом, для ЭМ-поля Н-колебаний необходимо найти решение урав-нений (2) при граничных условиях (4).

Решение задачи. Потенциал Дебая мV , являющийся решением уравнения (2), полученного из уравнений Максвелла (1), представляется при 0z линейной комбинацией элементарных цилиндрических волн [2]

,)()(V мэ 0 ziinn

nn

ti neerZaeP

(5)

где мna – коэффициенты, ,/,22

фnnnn vωkχkχ

)(,/,0 rχZμεcvnωω nфn – цилиндрическая функция аргумента r ,

порядка n. Так как ЭМ-поле ищется в полости при ,arb то начало координат из

рассмотрения исключается, поскольку ЭМ-поле в проводнике идеальной проводи-мости отсутствует. Тогда при 0, zarb по (5) имеем

,)]()([)( ммм 0 ziinnnn

nn

ti neerNbrJaePV

(6)

где мм , nn ba – коэффициенты, )( rJn и )( rNn – функции Бесселя и Неймана.

Для того, чтобы выразить составляющую мzН в (3), подставим значения rB

и мrE в общее выражение м

zН . Используя волновое уравнение (2) для потенциала мV , получаем

.)]()()[()( мм20

0 ziinnnn

nnnn

tiz

neerNbrJakkePH

Из первого граничного условия (4) при ar имеем, обозначая ,ba

дисперсионное уравнение )(/)()(/)( bNbJbNbJ nnnn . Корнями

его являются мnm . Тогда


58

,)]()([)(V),(V)(V м)(

ммммм

0

мм 0z

innmnnmnmnnm

tinm

mnm

n

ZerkNbrkJaePPP

где мVnm – пространственная гармоника, bk nmnm /мм , а м

nmZ – искомая функ-

ция такая, что мVnm – должна удовлетворять граничному условию на торцах. Для

этого надо, чтобы ,...3,2,1,/sin2 qlqgZ mnqmnq Тогда

,sin)]()([V,V)(V мм

1

м

0

м 0

l

qerkNbrkJaeP in

nmnnmnmnnmti

nmqq

nmqn m

mn

(7)

где nmnm ba , - постоянные коэффициенты.

Собственные частоты nmqH -колебаний получаем, подставляя (7) в (2). При этом

,/)()( 22м,рез

2 lqkk nmnmqn откуда имеем ./)(v 22мф

м,рез0, nlqk nmnmq

Тогда для пространственных гармоник, распространяющихся в направлении увеличе-

ния угла φ – для mqnH – колебаний, резонансной (собственной) частотой является

,-,0м

,рез0 nnmqmqn где 22мф0, /)(v lqk nmnmq – собственная

частота «неподвижного» резонатора. Для пространственных гармоник, распростра-

няющихся в противоположном направлении (для mqnH – колебаний

.,0-м

,рез0 nnmqmqn Поэтому разность (расщепление) частот

.2м,рез nnmq В многомодовом режиме, учитывая асимптотические свойства

цилиндрических функций, получаем 0м

,рез /4)( ba NNnmq , где коэффи-

циенты 1,1 NN определены в [2].

В случае измерения частот м,рез0, mqn и

м

,рез0, mqn резонансные частоты

вращения

.0,/)(,/)( 0,-м

,рез0,-м

резм

,рез0,0,мрез nnn nmqmqnmqnnmq

Заключение. Таким образом, во вращающемся коаксиальном резонаторе мо-

гут существовать mqnE и mqnE колебания, им соответствуют свои собст-

венные частоты – происходит расщепление частот, появляются собственные час-тоты вращения.

Поставленная граничная задача решена строго.


1. Петров Б.М. Электродинамическая теория эффекта Саньяка // Радиоэлектроника. – 2010. – Т. 53, 1. – С. 1-9.

2. Петров Б.М. Прикладная электродинамика вращающихся тел. – М.: Изд-во Г. линия – Телеком, 2009. – 288 с.


Петров Борис Михайлович – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371733; кафедра антенн и радиопередающих устройств; д.т.н.; профессор.


59

Petrov Boris Mihaylovich – Taganrog Institute of Technology – Federal State-Owned Autono-mous Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; the department of antennas and radio transmitters; dr. of eng. sc.; professor.

УДК 681.327.12

В.П. Федосов

АЛГОРИТМЫ СОВМЕСТНОЙ АДАПТАЦИИ НА ПРИЕМ И ПЕРЕДАЧУ В СИСТЕМЕ СВЯЗИ НА ОСНОВЕ АНТЕННЫХ РЕШЕТОК ПРИ

НАЛИЧИИ АКТИВНЫХ ПОМЕХ

Представлены результаты разработки и исследований адаптивных алгоритмов в MIMO-системе связи (multiple-inputmultiple-output) как на передающем, так и на приемном концах линии беспроводного доступа на основе антенных решеток при наличии активной помехи как от аналогичной системы MIMO, так и от системы SISO (single-inputsingle-output).

Методы обработки пространственно-временных сигналов в MIMO-системе беспро-водного доступа позволяют повысить пропускную способность канала без увеличения за-нимаемой полосы частот [1]. В то же время, адаптация приемной антенной решетки в релеевском канале приводит к снижению вероятности ошибочного приема передаваемой информации и повышает устойчивость системы к воздействию активных помех [2].

MIMO; SISO; антенная решетка; активные помехи.

V.P. Fedosov

ALGORITHMS OF COOPERATIVE ADAPTATION FOR RECEPTION AND TRANSFERRING IN COMMUNICATION SYSTEM BASED ON ARRAYS

IN THE PRESENCE OF JAMMING

The results of development and researching of adaptive algorithms in MIMO-communication system (multiple-inputmultiple-output) as at the transmitting and receiving ends of the line of a wireless access based on arrays with active interference of the same system as MIMO, and the system SISO (single-inputsingle-output) are presented.

Methods of processing spatio-temporal signals in MIMO-system of the wireless access can increase the channel capacity without increasing the occupied bandwidth [1]. At the same time, the adaptation of the receiving antenna array in Rayleigh channel leads to decreasing the proba-bility of erroneous reception of the transmitted information and increases the stability of the sys-tem to the effects of jamming. [2]

MIMO; SISO; array; active interference.

Представлены результаты разработки и исследований адаптивных алгорит-мов в MIMO-системе связи (multiple-input multiple-output) как на передающем, так и на приемном концах линии беспроводного доступа на основе антенных решеток при наличии активной помехи как от аналогичной системы MIMO, так и от систе-мы SISO (single-input single-output).

Методы обработки пространственно-временных сигналов в MIMO-системе беспроводного доступа позволяют повысить пропускную способность канала без увеличения занимаемой полосы частот [1]. В то же время, адаптация приемной антенной решетки в релеевском канале приводит к снижению вероятности оши-бочного приема передаваемой информации и повышает устойчивость системы к воздействию активных помех [2].


60

Рассмотрим систему связи, использующую М элементов передающей антен-ной решетки (АР) и N элементов приемной АР, с релеевскими медленными зату-ханиями в канале связи. Принятые сигналы искажаются аддитивным шумом, ста-тистически независимым для N приемников. В момент времени t передается M-мерный вектор-строка St и принимается N-мерный вектор строка Xr, [1]

rtr SMX WH , где H – M×N матрица комплексных случайных коэффи-

циентов распространения в канале с нулевым математическим ожиданием, еди-ничной дисперсией и с гауссовым распределением, а Wr – N-мерный вектор адди-тивного шума приемника с независимыми элементами. Мощность, подводимая к каждой передающей антенне, нормирована числом ее элементов.

Следовательно, величины в модели сигнала также нормализованы: отноше-ние сигнал-шум ρ в каждой приемной антенне не зависит от числа передающих антенн.

Вид матрицы H зависит от вида используемых АР на передачу и на прием: если применяются плотные антенные решетки, когда расстояние 0d между фазо-

выми центрами равны 2 или 3 , то H имеет ненулевые коэффициенты рас-

пространения между крайними элементами приемной и передающей АР. Если ис-пользуется разреженная АР при 7,,30 d , то H имеет ленточный характер

вдоль диагонали. При разнесенном приеме или использовании различной поляри-зации для каждого элемента (при малом их числе) – H – имеет диагональный вид, поскольку пространственные каналы при этом взаимно независимы.

В простом случае допускается, что число элементов приемной АР равно чис-лу элементов передающей АР, а релеевский канал обладает медленными замира-ниями и не изменяет своих параметров в пределах времени передачи контрольной (обучающей) и информационной посылок. Контрольная посылка известна на при-емном конце линии связи.

Поскольку используется дуплексная система связи, то одновременно как базовая, так и мобильная станции (БС и МС) работают на передачу и на прием, например, с частотным разделением каналов. Обе АР имеют запас по численности их элементов и разбиваются на блоки для применения алгоритмов адаптации к каждому блоку. Структура такой системы представлена на рис. 1, где использованы следующие обо-

значения: M1 – число элементов в блоках АР на передачу и прием; 11M

11 ,, tt vv – ве-

совые коэффициенты передающей и приемной АР, равные коэффициентам собствен-ного вектора для максимального собственного числа корреляционной матрицы приня-того сигнала раздельно в базовой и мобильной станциях; 1M111 ,,x x – вектор из-

лучаемых сигналов; 1M111 ,,y y – вектор принятых сигналов.

Далее, допускается, что имеется столько же приемных антенн, сколько и пе-редающих, т.е. N = M, а также, что матрица распространения остается постоянной в течение определенного интервала времени, необходимого для передачи одной посылки (рэлеевский канал с медленными замираниями). Матрица H канала рас-пространения определяется по критерию максимального правдоподобия или ми-нимума среднеквадратической ошибки в приемниках на выходах АР в мобильной, а затем в базовой станциях.

Каждая приемная антенна связана с каждой передающей антенной через не-зависимый случайный коэффициент распространения, имеющий релеевское рас-пределение амплитуды и равномерное распределение фазы при отсутствии прямо-го пути распространения. Если же имеет прямой путь, то распределение амплиту-ды соответствует обобщенному распределению Релея – Райса.

дчл

лпвапЗвдмвкимжрн

нстгрм

нвнжо

грот

Оценка п

ующим образисле элементах элементов

При излуеевскому канправленности ающем максипринятых сигнатем выбираеенный векториаграммы напмаксимальной есового сумми из базовой му вектору по жется слабой (еляционной мное число. Зате

При налинального собствующего емрамм направлмехи формиро

При налиными посылкаой станции оная адаптацияжиме передачбеспечивающ

Моделиррамме [3], учит SISO систем

Раздел

принятого ис

зом [2]: Y *тов АР на перв АР) матрицаучении БС конналу, котораякаждого блоимум его мощналов, рассчиется максималр и используеправленности мощности симирования в ка станции опре корреляции п(входной вектматрицы отверем операции пичии активноственного чисму собственноленности блоованием нуля ичии высокойами для исполобеспечивается применяетсячи информацищий передачу рование адаптитывающей нм других при


Р

скаженного с

XH , где редачу и приеа Н. нтрольной поя заключаетсяока в направлщности. При эитываются ее льное собствеется этот векти, ориентировигнала, а нуляаждом блоке еделяется припереданного итор – помеховргается и учипо проверке пой помехи в асла корреляциого вектора в оков АР авто в эквивалентй корреляциильзованной вся излучение я в режиме прионной посыл и прием полеивного алгориналичие помехемо-передающ


Рис. 1

сигнала в при

H+ – инверснем) или псевд

сылки исполья в ориентацилении приходэтом определясобственные енное число итор в качествванной максимями в направлприемной АРинадлежность и принятого ввый), максимаитывается следпринятого вектадаптивных аионной матри качестве весматически обтной диаграмми между принесовой обраб контрольнойриема на выхлки АР БС иезного сигналитма выполнехи в релеевскщих станций


иемнике осущ

ная матрица доинверсная

ьзуется адаптаии максимумда сигнала пояется корреля числа и собси соответствуве весового дмумом в напрлениях остальР и приема кон принятого вевекторов. Еслиальное собствдующее по ветора повторяюнтенных решицы и испольового при фобеспечиваетсяме направленнятой и передботки в режимй посылки АРходе АР БС. Ви МС использла максимальнено в модерником канале как при выходе и


ществляется

(при одинако(при разных

ация АР МС кма диаграммыо пути, обеспяционная матрственные вектующий ему соля формировравлении приьных путей. Пнтрольной поектора сигнали корреляция венное число еличине собстются. шетках выбор ьзования соотормировании я подавлениености. данной контрме передачи бР МС. АналоВ результате взуется один пной мощностизированной к от MIMO, тих передатчик

ения

61

сле-

овом чис-

к ре-ы на-печи-рица тора. обст-ания хода

После сыл-льно- ока- кор-твен-

сиг-твет- диа-е по-

роль-базо-огич-в ре-путь, ти. про-так и ков в

И

6

нкM

лвимадстад

лк(0и

сиОр

д

то

кш

ятВ


2

нелинейный реаналов БС и М

MIMO-систем

На рис. 2ированного кии помехи (сментов АР, радаптивной фити ошибки пдаптации (шт

На рис. 4

ичии неидентоэффициенто0; 5; 10; 15) %и 60) % (рис. 5

На рис. 6

истемы при нОСШ для 2авных 4; 8 и 1

В итоге, ующие вывод

Исполпрострприемснижале элеравном

Эффектиов АР в одном

Представанала во всемшение составл

Ошибка тность ошибоВ то же время


ежим. Кроме МС как на пер при адаптаци

Рис. 2

2 показана веркода в зависимс адаптацией авном 16 и чиильтрации и спри воздействтриховая лини4 и рис. 5 при

тичности канов по аргумен% (рис. 4) и по5). 6 представлен

наличии адап2-х элементно16. на основе анды: льзование проранения сигнма сигналов. ается от 2,8 доементов перем 16 (по 8 элеивность алгорм блоке (4 и 2вленный алгорм диапазоне знляет от 1,1 до в определениочного прием более сущест

кие науки

того, проведредачу, так и нии и без адапт

роятность ошмости от отнои без нее) присле элементос фильтрациевии помехи ия) и с адаптаиведены завис

налов, обусловнту весовых ко модулю вес

на зависимост

птации и в ееой передающ

нализа резуль

остранственноналов в релеВероятностьо 100 раз в диедающей АР ементов в кажритма проявля2). ритм обеспечначений ОСШ1,5 раз в зависии модуля весма, увеличиваятвенное влия

дены исследовна прием. Резутации предста

шибки приемаошения сигнари приеме симов в блоках раей. На рис. 3 –при соотношацией (сплошсимости веро

вленной нетокоэффициентсовых коэффи

ть пропускно

е отсутствии щей антенны

ьтатов модел

ой фильтрациеевском канаь приема ошиапазоне ОСПравном 2, чиждом из антеняется также и

чивает увеличШ. Например, симости от чисового векторя ее, при высоние на эту вер

вания влиянияультаты сравнавлены на рис.

Рис. 3

а символов (Bал/шум (илимвола для M авном 8 без п– также зависшении помеханая линия). оятности ошPочностью вычтов в пределаициентов в пр

ой способност

(без помех) впри числах U

лирования мо

ии при сложнале повышаетшибочного сиП+Ш от нуляисле элементнных блоков)и при меньше

чение пропуск при ОСШ раисла элементора оказывает оких отношенроятность ока

я неидентичннительной оце. 2 и 3.

3

BER) фазомани SNR) в отсу = 2, числе U пространственимость верояа/шум 20 дБ

ш ошибки при

числения весоах интерваловределах ∆ = (0

ти С MIM

в зависимостU элементов

жно сделать

ных условиях т эффективнимвола при эя до 8 дБ при ов приемных. ем числе элем

кной способнавном 20 дБ пов в блоке АР. влияние на вниях сигнал/шазывает ошиб

ности енки

нипу-утст- эле-нной ятно-Б без

и на-

овых в ∆ = 0; 40

MO-

ти от АР,

сле-

рас-ность этом чис-х АР

мен-

ности овы- веро-шум. бка в

оляст

стляве

мзв

1

2

3

пределении аяет задать дотвенных вект

При налитранственной яет снизить влероятности ош

Для каждмальное числоволяющее ми

. Федосов В.Пзи в релеевссеяние элект– C. 195-204

. Муравицкийредачи даннждународнорог: ТТИ Ю

. Spatial channReport 3rd G

Статью р

Раздел

аргумента сосопустимые прторов корреля

Рис. 4

ичии активных адаптации калияние помехшибок, так и удого варианто антенных элинимизироват

БИ

П., Кучерявенкоском канале натромагнитных

4. й Н.С., Федосовных на основе аой научной конФУ, 2009. – С.nel model for

Generation Partn

рекомендовал


ставляющих кределы отклоняционных мат

Р

х помех в полоак приемных, х на эффективувеличения прта реализациилементов прить вероятность

ИБЛИОГРАФИ

о С.В., Муравица основе антенн волн» / Под.

в В.П. Метод уантенных решенференции «Из 412-515. Multiple Input

nership Project 3

л к опубликов


комплексногонения элементриц.

Рис. 6

осе приема M так и передаювность системыопускной спои путей релееиемной АР и ь ошибочного

ИЧЕСКИЙ СПИ

цкий Н.С. Повыных решеток / ред. В.А. Обух

улучшения приеток при наличзлучение и рас

Multiple Outp3GPP TR 25.996

ванию д.т.н., п


о весового вентов весовых

Рис. 5

MIMO-системыющих антенныы связи как псобности канаевского канал ее блоков про приема.

ИСОК

ышение эффектВ монографииховца. – М.: Р

иема в системечии активных псеяние ЭВМ -

put (MIMO) sim6 V6.1.0, 2003.

профессор Д.Д


ектора, что по векторов от

ы применение ых решеток попо части снижала связи. ла имеется ори адаптации

тивности радиои «Излучение иРадиотехника, 2

е беспроводнойпомех // Труды ИРЭМВ». – Т

mulations. Tech

Д. Габриэльян

ения

63

озво- соб-

про-озво-жения

опти-, по-

освя-и рас-2008.

й пе-ы Ме-аган-

hnical

н.


64

Федосов Валентин Петрович – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371632; кафедра теоретических основ радиотехники; д.т.н.; профессор.

Fedosov Valentine Petrovich – Taganrog Institute of Technology – Federal State-Owned Auton-omous Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371632; the department of fundamentals of radio engineering; dr. of eng. sc.; professor.

УДК 681.327.12

В.А. Обуховец, Ю.В. Юханов, А.И. Семенихин, Г.И. Костромитин

СВЕРХШИРОКОПОЛОСНЫЕ ИЗМЕРЕНИЯ ХАРАКТЕРИСТИК АНТЕНН И РАССЕИВАТЕЛЕЙ В БЕЗЭХОВОЙ КАМЕРЕ ЮЖНОГО

ФЕДЕРАЛЬНОГО УНИВЕРСИТЕТА

В последние годы получили распространение измерительные системы на основе сверхширокополосных автоматизированных измерительно-вычислительных комплексов (СШП АИВК) [1, 2]. Они реализуют СШП измерения электромагнитных полей методами ближней и дальней зон, как во временной, так и в частотной областях.

Штатное оборудование и программное обеспечение АИВК позволяют измерять ра-диотехнические характеристики антенн и радиолокационных объектов во временной и частотной областях, в ближней и дальней зонах, в диапазоне частот 1…37,5 ГГц [4].

В докладе рассматриваются параметры БЭК ТТИ, некоторые новые возможности и результаты измерений характеристик антенн, сканирующих антенных решеток (АР) и рассеивателей в ближней и дальней зонах, во временной и частотной областях.

БЭК (безэховая камера).

V.A. Obuhovec, Yu.V. Yukhanov, A.I. Semenikhin, G.I. Kostromitin

ULTRAWIDEBANDED MEASURES OF CHARACTERISTICS OF ANTENNAS AND SCATTERERS IN THE ANECHOIC CHAMBER

AT SOUTHERN FEDERAL UNIVERSITY

In recent years, a proliferation of measurement systems based on UWB automated measur-ing and computing systems (UWB AIVK) [1,2] are spread. They implement a UWB measurement of electromagnetic fields by methods of near and far zones, both in time and frequency domains.

Original equipment and software AIVK can measure the radio technical characteristics of antennas and radiolakatsionnye objects in the time and frequency domains, in the near and far zones, in the frequency range 1 ... 37.5 GHz [4].

In the report the options BEC TIT, some new features and measurements of antenna param-eters, scanning arrays (AR) and the scatterers in the near and far zones, in both time and frequen-cy domains are observed.

BEC (bezekhovy chamber).

В последние годы получили распространение измерительные системы на ос-нове сверхширокополосных автоматизированных измерительно-вычислительных комплексов (СШП АИВК) [1, 2]. Они реализуют СШП измерения электромагнит-ных полей методами ближней и дальней зон, как во временной, так и в частотной областях.

В Таганрогском технологическом институте Южного федерального универ-ситета (ТТИ ЮФУ) в Центре коллективного пользования «Прикладная электроди-намика и антенные измерения» в 2008 году введена в эксплуатацию единственная


65

на сегодняшний день в ВУЗах России безэховая камера (БЭК) со сверхширокопо-лосным комплексом ТМСА/1-40/ДБЗ/TD-FD (ниже АИВК) производства ООО «НПП ТРИМ СШП» [3].

Комплекс внесен в Государственный реестр средств измерений и допущен к применению в Российской Федерации (свидетельство 46335-10 от 30.12.2010 г.).

Штатное оборудование и программное обеспечение АИВК позволяют изме-рять радиотехнические характеристики антенн и радиолокационных объектов во временной и частотной областях, в ближней и дальней зонах, в диапазоне частот 1…37,5 ГГц [4].

В докладе рассматриваются параметры БЭК ТТИ, некоторые новые возмож-ности и результаты измерений характеристик антенн, сканирующих антенных ре-шеток (АР) и рассеивателей в ближней и дальней зонах, во временной и частотной областях.

Основные параметры безэховой камеры и комплекса АИВК. Прямоуголь-ная БЭК размером 1263,5 м3 практически полностью покрыта пирамидальным РПМ Eccosorb VHP-60-NRL с рабочей полосой частот 0,5…90 ГГц (рис. 3); угол-ковые области БЭК закрыты плоским РПМ Eccosorb FS-50-NRL (производства Emerson&Cuming).

В состав АИВК входят (рис. 1, 2, 4): плоский сканер ближнего поля ТМП04П3х3, опорно-поворотное устройство (ОПУ) ТМП04В010, СШП передатчик TMG008020VN01, СШП приемник TMR8140, векторные анализаторы цепей R&S®ZVA40, PNA-8361, источник бесперебойного питания и компьютерная система управления, обработки, каталогизации и визуализации результатов измерений.

В комплекс также входят две измерительные антенны П6-23М, ТМА 18-40И для облучения измеряемой антенны в дальнем поле, четыре антенны-зонда для облучения измеряемой антенны в ближнем поле в диапазонах 1…4 ГГц, 4…12 ГГц, 8…18 ГГц, 18…40 ГГц, две эталонные антенны П6-23М, ТМА 18-40Э для измерения коэффициента усиления антенны в диапазонах 1…18 ГГц и 18…40 ГГц.

Прецизионное ОПУ (рис. 1,б) автоматически изменяет углы азимута, элева-ции и поляризации антенны (рассеивателя) и осуществляет ее линейное переме-щение вдоль слайдера. Сканер (рис. 2,а,в) обеспечивает перемещение антенны-зонда в плоскости сканирования и перпендикулярно к ней, а также по угловой ко-ординате поляризации антенны-зонда. При вычислении комплексных спектров сигналов используются «расширенное» преобразование Фурье и сглаживающие временные функции.

a б

Рис. 1. Безэховая камера ТТИ с комплексом ТМСА/1-40/ДБЗ/TD-FD: а – общий вид БЭК с объектом измерений; б – ОПУ с антенной перед сканером


66

a б

Рис. 2. Сканер ближнего поля

Рис. 3. Частотная характеристика коэффициента отражения в дБ

радиопоглощающего материала Eccosorb VHP-60-NRL

Комплекс АИВК позволяет измерять следующие характеристики антенн и рассеивателей:

амплитудные (АДН) и фазовые (ФДН) диаграммы направленности (ДН) антенн;

объемные ДН и их сечения (азимут, элевация, амплитуда); коэффициент направленного действия и коэффициент усиления антенн; поляризационные характеристики (коэффициент эллиптичности и угол

наклона); амплитудные и фазовые распределения поля в раскрыве антенны; положение фазового центра в пространстве при изменении направления и

частоты; амплитудные и фазовые диаграммы обратного рассеяния объекта; частотные зависимости ЭПР, поляризационные матрицы рассеяния объекта; импульсные характеристики, радиолокационные изображения объекта; частотные и переходные характеристики активных и пассивных устройств

СВЧ;


67

параметры малых неоднородностей в распределенных трактах СВЧ. Основные характеристики безэховой камеры и комплекса АИВК: диапазон рабочих частот АИВК 1,0…37,5 ГГц; рабочая полоса частот РПМ VHP-60-NRL 0,5…90,0 ГГц; коэффициент отражения РПМ VHP-60-NRL:

на частоте 1 ГГц, не более – 40,0 дБ; на частоте 10 ГГц, не более – 60,0 дБ;

коэффициент безэховости в рабочей зоне БЭК, не более -20…-40 дБ; собственная ЭПР БЭК, не более 10-3…10-4 м2; размер рабочей зоны прецизионного сканера 3,03,0 м2; погрешность позиционирования сканера, не более ±150 мкм; погрешность позиционирования ОПУ по угловым координатам, не более

±0,05º; длительность импульсов СШП передатчика 0,5 35 пс ± 0,10,5; диапазон установки временного окна СШП приемника 100 пс…1 мкс; количество накоплений измеряемого сигнала 1…4096; динамический диапазон СШП приемника, не менее 75 дБ; погрешность измерения коэффициента усиления до уровня -20 дБ, не бо-

лее 0.3 дБ; погрешность измерения амплитудной диаграммы направленности:

в диапазоне 0…-20 дБ, не более 0.2 дБ; в диапазоне -20…-45 дБ, не более 0.5 дБ;

погрешность измерения фазовой диаграммы направленности: при уровнях АДН 0…-20 дБ, не более 3,6º; при уровнях АДН -20…-45 дБ, не более 6,5º;

погрешность измерения ЭПР калибровочных отражателей, не более 0.4 дБ; погрешность измерения ЭПР объектов:

для отношения сигнал/фон 10 дБ 3.4 дБ; для отношения сигнал/фон 20 дБ 1.5 дБ; для отношения сигнал/фон 30 дБ 1.2 дБ.

а б

Рис. 4. Структурные схемы АИВК для измерения характеристик антенн во временной области в ближней (а) и дальней (б) зонах


68

Измерение характеристик антенн в ближней и дальней зонах. В дальней зоне во временной области все характеристики антенны измеряются одновременно во всей рабочей полосе частот за один оборот антенны (рис. 5).

Примеры измеренных амплитудно-фазовых распределений поля в ближней зоне корабельной антенны приведены на рис. 6.

а б

Рис. 5. Интерфейс измерений во временной области (а) и пример ДН (б)

а

б

Рис. 6. Примеры измеренных амплитудного (а) и фазового (б) распределений поля в ближней зоне корабельной антенны (рис. 1,б) на частоте 9300 МГц

Исследования и отработка АР часто требуют проведения последовательных не-зависимых измерений для каждого излучателя АР, например, в случае цифровых АР. При этом растет время измерений и время коммутации излучателей и их согласован-ных нагрузок. В четырёхканальном анализаторе R&S®ZVA40 установлено 8 незави-симых квадратурных приёмников [3], что позволяет параллельно измерять до 7 неза-висимых излучателей АР (один эталонный приёмник необходим для приёма опорного сигнала, генерируемого для получения квадратурных составляющих).

Можно увеличить число одновременно измеряемых излучателей до 8, сужая полосу пропускания и не используя стандартный опорный сигнал с одного из эта-лонных приёмников (используя сигнал гетеродина приёмников в качестве опорно-го). В этом случае следует измерять разность фазовых ДН отдельных излучателей.

Таким образом, несложная обработка результатов позволяет параллельно из-мерять характеристики до 8 излучателей АР. Макет сканирующей АР и примеры измеренных ДН АР приведены на рис. 7.

рв

чвц

дтар

(рр

кшси3

Рис. 7.

Измеренение ЭПР воание двух ряд

Развязка аемого и приать совмещёнциркулятором

При этоматчика (задерак и отражёнеализуется в

Наличие рис. 8,а). Дляование не по

Рис. 8. Стру

Заключеамеры и комширокополоснивных и акт7,5…40 ГГц,

Раздел

а

Макет скани

ие ЭПР во вр временной одом располож между нимиинимаемого снную приёмом, ответвителем двухканальнржанный вненный сигнал ( частотной об сканера АИВя снижения вр плоской, а по

а

уктурные схебл

ение. Введенимплекса АИВКные эксперимтивных устр а в перспекти


ирующей АР (

ременной облобласти в далженных приёми обеспечиваесигналов. Дляо-передающуем или широкный СШП прешним подби(рис. 8,б). Кобласти. ВК позволяетремени измеро цилиндриче

емы АИВК дляближней (а) и

ие в эксплуатК ТМСА/1-40ментальные иройств СВЧ, иве – до 90 ГГ


(а) и примеры

ласти в дальльней зоне обмной и передается за счёт я устраненияую антенну; окополосным дриёмник принираемым отреомпенсация м

т измерять Эрений предпоеской поверхн

я измерений Э дальней (б) з

тацию в ТТИ0/ДБЗ/TD-FD исследования проблем ЭГц и выше.


б

ы измеренных Д

ьней и ближбычно предпоающей антеннвременного

я параллакса отражённый делителем мощнимает как сиезком коаксимешающих от

ЭПР объектоволагается испности.

б

ЭПР во времеонах

И ЮФУ уника позволяет рея антенн, расЭМС в диап


ДН АР (б)

жней зонах. Иолагает исполн. разделения иможно исполсигнал выдещности. игнал СШП пиального кабетражений от О

в в ближней пользовать ск

енной области

альной безэхоеализовать свссеивателей, азоне частот

ения

69

Изме-льзо-

излу-льзо-елять

пере-еля), ОПУ

зоне кани-

и в

овой верх-пас-т до


70

Это стимулирует постановку и проведение в ЮФУ новых инновационных исследований в области электромагнитных свойств новых материалов и веществ, Стелс-технологий, антенной техники, прикладных задач ЭМС, радио- и противо-радиолокации, видеоимпульсной локации.

Интеграция научной и учебной деятельности Центра коллективного пользо-вания «Прикладная электродинамика и антенные измерения» способствует созда-нию и внедрению в учебный процесс новых образовательных технологий, научно-исследовательских практикумов, освоению бакалаврами, магистрантами и аспи-рантами ЮФУ новых профессиональных компетенций мирового уровня.


1. Балабуха Н.П., Зубов А.С., Солосин В.С. Компактные полигоны для измерения характе-ристик рассеяния объектов. Под ред. Н.П. Балабухи. – М.: Наука, 2007. – 266 с.

2. Калинин Ю.Н., Миляев П.В., Миляев А.П., Морев В.Л., Попиков М.В. Измерение характе-ристик антенн методами ближней и дальней зоны во временной области // Труды Меж-дунар. научн. конф. «Излучение и рассеяние ЭМВ» (ИРЭМВ-2009). – Таганрог, 2009. – С. 355-359.

3. Сайт ООО «НПП ТРИМ СШП Измерительные системы»: http://www.trimcom.ru. 4. Обуховец В.А., Юханов Ю.В., Семенихин А.И., Костромитин Г.И. Исследование излу-

чающих и рассеивающих структур в Центре прикладной электродинамики и антенных измерений Таганрогского технологического института ЮФУ // Труды Междунар. научн. конф. «Излучение и рассеяние ЭМВ» (ИРЭМВ-2009). – Таганрог, 2009. – С. 41-47.


Обуховец Виктор Александрович – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17A; тел.: 88634371733; кафедра антенн и радиопередающих устройств; д.т.н.; профессор.

Юханов Юрий Владимирович – e-mail: [email protected]; кафедра антенн и радиопе-редающих устройств; зав. кафедрой; д.т.н.; профессор.

Семенихин Андрей Илларионович –e-mail: [email protected]; кафедра антенн и радиопере-дающих устройств; зав. кафедрой; д.т.н.; профессор.

Костромитин Геннадий Иванович – e-mail: [email protected]; кафедра антенн и радиопере-дающих устройств; к.т.н.; доцент.

Obuhovec Victor Alexandrovich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovsky Taganrog, 347928, Russia; phone: 88634371733; the department of antennas and radio transmitters; head the department; dr. of eng. sc.; professor.

Yukhanov Yury Vladimirovich – e-mail: [email protected]; the department of antennas and radio transmitters; head the department; dr. of eng. sc.; professor.

Semenikhin Andrey Illarionovich –e-mail: [email protected]; phone: 88634371733; the depart-ment of antennas and radio transmitters; dr. of eng. sc.; professor.

Kostromitin Gennady Ivanovich – e-mail: [email protected]; the department of antennas and radio transmitters; cand. of eng. sc.; associate professor.


71

УДК 007:621.865.8

А.В. Калинин, В.П. Носков, И.В. Рубцов

СРЕДСТВА, ОБЕСПЕЧИВАЮЩИЕ АВТОНОМНОЕ ДВИЖЕНИЕ НАЗЕМНЫХ РТК

Все существующие наземные РТК оснащаются системами дистанционного управле-ния, которым присущи принципиальные недостатки: непрерывное участие человека; огра-ниченный радиус действия; возможность эффективного применения противником средств противодействия и уничтожения, в следствии постоянной работы радиоканала. Передача функций, выполняемых оператором, бортовой системе управления движением позволяет исключить или минимизировать время работы радиоканала и тем самым устранить от-меченные недостатки. В статье описаны подсистемы автономного управления движени-ем роботизированного танка и результаты их испытания в реальных условия. Наибольшее внимание уделено системам технического зрения.

Система автономно управления движением; система технического зрения; навига-ционная система; картографическая база данных.

A.V. Kalinin, V.P. Noskov, I.V. Rubtsov

EQUIPMENT FOR PROVIDING THE AUTONOMOUS MOVEMENT OF GROUND RTC

All real ground RTC are equipped with remote control systems. These systems have some principal disadvantages such as continuous participation of man, limited work range, abilities of counteraction and destruction from enemy due to continuous action of radio channel. Delegation of functions from operator to onboard control system allows to minimize working hours of radio channel and to eliminate these defects. In the paper, subsystems of autonomous movement for robotized tank are described. The results of experimental research are shown. The main attention are allotted to vision system.

System of autonomous control for movement; vision system; navigation system; mapping da-tabase.

Основные принципы построения системы управления, обеспечивающей раз-личные варианты и режимы движения мобильных робототехнических комплексов, ее обобщенный аппаратный и алгоритмический состав приведены в [1]. В настоя-щей статье описываются результаты разработки и испытания в составе роботизи-рованного танка Т-72Б (рис. 1) созданных к настоящему времени программно-аппаратных средств управления автономным движением.

Рис. 1. Роботизированный танк Т-72Б


72

Подсистема нижнего уровня управления представляет собой комплекс программно-аппаратных средств, предназначенный для непосредственного управ-ления движением роботизированного танка в автоматическом, дистанционном, полуавтоматическом и ручном режимах. Автоматический режим используется при организации без экипажных автономного и дистанционно-управляемого движе-ния, а также – для подстраховки в экипажном варианте. В последнем случае воз-можно управление машиной без участия экипажа (например, дистанционное управление выводом машины с поля боя при поражении экипажа). Полуавтомати-ческий режим позволяет осуществлять движение объекта под управлением чело-века-оператора, как с места механика-водителя, так и с места командира с переда-чей ряда функций, выполняемых в штатном режиме механиком-водителем, на сис-тему управления (например, оптимальное автоматическое переключение передач). Управляющие воздействия оператора предаются подсистеме через рукоятку (джойстик) (рис. 2), позволяющей реализовать достаточный для обеспечения дви-жения набор сервисных возможностей комплекса. При разработке алгоритмов и программ нижнего уровня управления были учтены логика и приемы вождения опытных механиков-водителей.

Рис. 2. Рукоятка управления движением

Испытания, которые проводились на типовых трассах, используемых при ос-воении техники вождения танка, показали, что разработанные программно-аппаратные средства позволяют достаточно быстро освоить эффективное управле-ние машиной операторам, не прошедшим специальной подготовки.

Подсистема дистанционного управления движением была сопряжена с объектом управления и испытана в реальных условиях. В данную подсистему вхо-дят пульт оператора (рис. 3), состоящий из двух компьютеров, трех дисплеев, ра-диомодема, приемника телевизионного сигнала, органов управления (многофунк-циональные рукоятки, кнопки, а также клавиатура компьютера) и выносных ан-тенн, и бортовое оборудование в составе радиомодема и передатчика телевизион-ного сигнала. Кроме того, при дистанционном управлении использовались борто-вые ресурсы общего назначения, это: телекамеры, ЭВМ верхнего уровня управле-ния и подсистема нижнего уровня управления движением.

В дистанционном режиме управления используются обзорно-поисковая СТЗ, система дневного и ночного видения и система стеровидения, размещенные на башне танка (рис. 4).

Обзорно-поисковая СТЗ выполнена в защищенном варианте – видеокамера установлена в защитном кожухе неподвижно. Круговой обзор осуществляется за счет кругового вращения призмы над камерой вокруг ее оптической оси. Возни-кающий при этом поворот изображения компенсируется электронным способом с


73

помощью бортового вычислителя. Такой подход упрощает механическую часть системы, исключает необходимость использовать вращающееся контактное уст-ройство (ВКУ) для передачи видеосигнала. С помощью специальных алгоритмов изображения «склеиваются» в единую круговую панораму (рис. 5).

Рис. 3. Общий вид пульта дистанционного управления: 1, 2, 3 – мониторы СТЗ управления движением и оружием, отображения местоположения объекта управления на электронно-цифровой карте и камеры кругового обзора пульта

управления соответственно; 4, 5, 6 – многофункциональные рукоятки управления движением (или оружием), переключения скоростей и камеры кругового обзора

пульта управления соответственно

Рис. 4. Размещение средств видеонаблюдения на объекте управления: 1 – обзорно-поисковая СТЗ; 2,– система дневного и ночного видения;

3 – система стеровидения.

Рис. 5. Круговая панорама обзорно-поисковой СТЗ

1


74

Обзорно-поисковая СТЗ работает в комплексе с другими средствами видео-наблюдения, позволяющими оператору дистанционного управления выбрать лю-бую автоматически обнаруженную цель для более детального рассмотрения ее природы, и затем, в случае необходимости, дать команду на наведение оружия. В итоге цель попадает в поле зрения прицела, также оборудованного видеокаме-рой. Таким образом, автоматизированная обзорно-поисковая СТЗ оказывает по-мощь оператору в обнаружении, выборе цели и выдаче целеуказания.

В состав СТЗ дистанционного управления движением входят два оптико-электронных модуля для работы в дневных и ночных условиях, оснащенные сис-темой очистки и обогрева входной оптики, закрепленные на двухкоординатном опорно-поворотном устройстве (рис. 4).

Оператором в качестве видео-контрольного устройства может использовать-ся шлем виртуальной реальности (рис. 6), который при своей компактности обес-печивает заполнение изображением всего поля зрения и удобное наведение видео-камер поворотом головы (благодаря датчикам, встроенным в шлем). В результате возникает иллюзия присутствия на объекте управления.

Рис. 6. Шлем виртуальной реальности

Динамика и точность приводов опорно-поворотного устройства достаточны, чтобы направление видеокамер было согласовано с положением головы.

Еще одно преимущество применения шлема виртуальной реальности при дистанционном управлении движением – возможность создания эффекта объемно-го изображения при использовании стереопары. Использование стереопары потре-бовало добавления привода конвергенции (рис. 7), который сводит видеокамеры в одну точку, совмещая поле зрения двух изображений.

Рис. 7. Применение стереопары

Компоновка привода горизонтального наведения опорно-поворотного уст-ройства позволяет устанавливать более одного модуля СТЗ на общей оси, таким образом, чтобы не было взаимного перекрытия зон обзора у нескольких операто-


75

ров, одновременно и независимо друг от друга выполняющих различные задачи в режиме дистанционного управления. Например, в компоновке, приведенной на рис. 4, верхний модуль (2) используется для обзора окружающего пространства, ориентирования на местности и выдачи целеуказания, а нижний стереомодуль (3) для управления движением в ближней зоне. Все варианты приводов имеют встро-енное ВКУ, которое снимает ограничения на угол поворота по азимуту.

В режиме дистанционного управления предусмотрены средства осуществле-ния телеметрии, позволяющие как предавать вектора состояния объекта на пульт дистанционного управления, так и фиксировать их в виде электронных протоколов для последующего анализа выполненных заездов.

Результаты испытаний в условиях полигона показали, что зона уверенного управления составляет:

3 км при прямой видимости; 1–1.5 км в условиях затенения. Автономная система управления движением (АСУД) в настоящее время

реализована в виде отдельных аппаратных блоков и программных модулей, интег-рированных в информационно управляющую систему роботизированного танка (рис. 8). Проведены испытания АСУД в различных условиях внешней среды (бе-тонные и грунтовые дороги, бездорожье).

Одним из основных режимов автономного движения является режим про-граммного движения. АСУД в данном режиме должна обеспечивать автоматиче-скую отработку маршрутного задания, которое может быть представлено в виде ломанной линии на цифровой карте местности, при этом отдельные отрезки ло-манной могут быть взвешены скоростями их прохождения.

Рис. 8. Блоки АСУД на объекте управления

Для автоматической отработки маршрутного задания АСУД имеет в своем составе:

картографическую базу данных, позволяющую задавать и корректировать маршрутное задание;

навигационную систему, позволяющую получать текущие значения широ-ты, долготы, курса и скорости объекта управления;

подсистему нижнего уровня управления, обеспечивающую отработку базово-го набора команд (разгон, торможение, прохождение заданного отрезка пути, останов, поддержание заданных скорости, курса и радиуса поворота).


76

На рис. 9 приведена временная диаграмма курсового угла при отработке маршрутного задания – движение по прямой, по кругу, затем снова по прямой об-ратным курсом (здесь 0 и 360 градусов – одна и та же курсовая координата).

После проведения испытаний выполнена оценка качества отработки базового набора команд (включающего пуск-останов двигателя, управление газом, пере-ключение передач, выполнение поворотов на заданный угол, поддержание задан-ной скорости и курсового угла, прохождение заданного отрезка пути) и маршрут-ного задания (табл. 1).

Рис. 9. Диаграмма курсового угла при отработке маршрута

Таблица 1 Оценка качества отработки команд и маршрутного задания

Время ввода маршрутного задания, мин менее 3 Точность определения текущих координат, м ± 3 Отклонение фактической траектории от заданной, м <3 Время задержки выполнения команды, с < 0.7 Точность поворота, град. ± 1 Точность удержания курсового угла, град. ± 1 Диапазон используемых передач 1÷5 Допустимая скорость объекта управления, км/час до 40

Режим программного движения может быть использован для решения широ-кого круга задач, таки как: автоматический возврат по ранее пройденной траекто-рии, прохождение отдельных опасных зон в режиме “молчания”, а также для отра-ботки локальных траекторий, автоматически построенных по данным бортовых систем объемного зрения, навигации и картографии.

Поставщиком основного объема необходимой для обеспечения автономного движения информации является СТЗ. Требования, предъявляемые к СТЗ, обеспе-чивающих автономные режимы движения, сформулированы в [1–3]. Там же опи-саны методы использования таких СТЗ и алгоритмы их функционирования.

Для обработки и анализа дальнометрической информации используется ЭВМ с соответствующим прикладным программным обеспечением, которое состоит из следующих программных модулей:

модуль восстановления и анализа геометрии внешней среды; модуль классификации внешней среды по критерию проходимости; модуль планирования траектории движения. Модуль восстановления и анализа геометрии, используя дальнометрическое

изображение внешней среды, поступающее от 3D-сенсора, и информацию об уг-ловых и линейных положениях корпуса объекта управления, формирует геометри-ческую модель внешней среды.


77

Модуль классификации выполняет анализ полученной геометрической моде-ли с учетом кинематических и динамических характеристик объекта управления и классифицирует отдельные участки внешней среды по критерию их проходимости в диапазоне возможных скоростей. В результате работы данного модуля формиру-ется модель проблемной среды в виде дискретных участков плоскости перемеще-ний с приписанными им соответствующими признаками.

Модуль планирования траекторий движения, используя модель проблемной среды, навигационные данные и маршрутное задание, строит безопасную целена-правленную траекторию движения. В качестве навигационных данных здесь ис-пользуются курсовой угол и линейные координаты (широта и долгота) объекта управления на поверхности перемещения, поставляемые GPS-приемником. Мар-шрутное задание представляет собой координаты последовательности точек по-верхности перемещений, которые должен посетить объект управления.

В настоящее время созданы СТЗ дальней зоны обзора, ближней зоны обзора и кругового обзора на базе промышленно выпускаемых сканирующих лазерных дальномеров, соответственно LMS 291 (2D-лазерный сенсор), UTM-30LX (2D-лазерный сенсор) и HDL-32E LiDAR (3D-лазерный сенсор). Для первых двух были созданы следящие приводы, обеспечивающие сканирование по углу возвышения.

Расположение сканирующего лазерного дальномера дальней зоны (СЛД ДЗ) на объекте управления показано на рис. 8, а зона обзора на рис. 10 (здесь Sоб. и Sт. – соответственно глубина обзора и длина тормозного пути, значения которых зависят от скорости движения объекта управления).

Рис. 10. Зона обзора СТЗ дальней зоны

В зависимости от скорости движения выбирались различные законы управ-ления сканатором по углу возвышения, обеспечивающие упреждающий обзор с учетом возможного пути торможения. На рис. 11 приведен закон управления ска-натором по углу возвышения для скорости движения 40 км/час.

Для данного закона управления для горизонтальной опорной поверхности Sт. ≈ 13 м, Sоб. ≈7 м, время обзора ≈0.3 с, за которое объект управления проходит ΔS≈3 м. При этом на первом участке обзора при увеличении угла возвышения зона обзора удлиняется на ΔS, а на втором участке обзора при уменьшении угла возвышения сжимается на ΔS. На участках разгона-торможения сканатора объект управления также проходит не более ΔS, поэтому соседние зоны обзора взаимно


78

пересекаются и, следовательно, геометрическая модель будет сформироваться в процессе движения без разрывов. При уменьшении скорости движения объекта управления глубина обзора Sоб. увеличивается за счет уменьшения длины тормоз-ного пути Sт. (рис. 10).

Рис. 11. Закон управления сканатором по углу возвышения

Для определения угловых и линейных положений корпуса танка использованы: навигационный модуль угловых положений AHRS M2; штатный гиропалукомпас ГПК-59 со встроенным датчиком «вал-код»; GPS-приемник; счетчик пройденного пути. На рис. 12, а,б показана трасса с препятствиями и ее геометрическая модель,

автоматически построенная по серии 5 дальнометрических изображений, получен-ных на скорости 40 км/ч на участке длинной 45 м.

а б

Рис. 12. Формирование геометрической модели: а – трасса с препятствиями; б – геометрическая модель трассы


79

На рис. 13 показаны результат работы подсистем формирования модели про-блемной среды и планирования локальной траектории по данным СТЗ дальней зоны обзора.

а б

Рис. 13. Формирование модели проблемной среды и локальной траектории: а – объезд препятствия с лева; б – движение по дороге с поворотом

СТЗ ближней зоны обзора приведена на рис. 14. На приводе сканирования по углу возвышения закреплены 2D-лазерный сенсор и видео камера, что позволяет получать дальнометрические и видео изображения внешней среды. СТЗ ближней зоны формирует геометрическую модель и модель проблемной среды для манев-рирования на малых скоростях в условиях городской застройки. Результат работы СТЗ ближней зоны обзора приведен на рис. 15. Здесь в верхней части рисунка приведено видеоизображение внешней среды и ее геометрическая модель, в ниж-ней части – модель проблемной среды (выполнено распознавание препятствий и разрешенных для движения участков) и безопасная траектория движения.

Рис. 14. СТЗ ближней зоны обзора

Для введения и отработки маршрутного задания АСУД имеет в своем составе картографическую базу данных о среде передвижения. Картографическая база данных содержит цифровую карту местности и сформированный на ее основе граф возможных путей (рис. 16).


80

Рис. 15. Результат работы СТЗ ближней зоны обзора и, подсистемы планирования траектории движения

Рис. 16. Картографическая база данных среды передвижения

Заключение. Проведенные экспериментальные исследования позволили на-строить разработанную аппаратно-приборную часть и отладить соответствующие алгоритмы и программы основных подсистем и модулей в составе реальных объ-


81

ектов управления в реальных средах функционирования, что является важным этапом в решении задач и проблем роботизации наземной техники. Полученные результаты находят свое практическое применение в различных отраслях народно-го хозяйства. Например, в настоящее время по заказу МЧС РФ выполняется ОКР по созданию комплекта программно-аппаратных средств, обеспечивающих авто-матический возврат дистанционно-управляемого мобильного пожарного робота в точку старта или в зону уверенного радиообмена при потере радиосвязи между пультом и объектом управления. В рамках этой же ОКР выполняется модерниза-ция пульта дистанционного управления, заключающаяся в том, что оператору бу-дет предоставлена виртуальная объемная модель рабочей зоны, оперативно фор-мируемая по данным бортовых систем объекта управления.


1. Кутузов А.Н., Лапшов В.С., Носков В.П., Рубцов И.В. Опыт разработки и создания авто-номного интеллектуального робототехнического комплекса на базе серийного танка Т-72: Науч.-технич. сборник Оборонная техника. – 2000. – 1-2. – С. 15-18.

2. Буйволов Г.А., Носков В.П. и др. Аппаратно-алгоритмические средства формирования моде-ли проблемной среды в условиях пересеченной местности: Сб. научн. тр. Управление дви-жением и техническое зрение автономных транспортных роботов. – 1989. – С. 61-69.

3. Кузин Ю.Р., Носков А.В., Носков В.П. Разработка и исследование СТЗ для обеспечения автономного движения: Науч.-технич. сборник Оборонная техника. – 2001. – С. 34-39.


Калинин Алексей Владимирович – НИИ СМ МГТУ им. Н.Э. Баумана; e-mail: [email protected]; 105005, г. Москва, ул. 2-я Бауманская, 5; тел.: 84992636019; к.т.н.; c.н.с.

Носков Владимир Петрович – зав. сектором; кафедра специальной робототехники и меха-троники; к.т.н., доцент.

Рубцов Иван Васильевич – зав. кафедрой специальной робототехники и мехатроники; начальник отдела НИИ СМ; к.т.н.

Kalinin Alexey Vladimirovich – RI SM Bauman MSTU; e-mail: [email protected]; 5, 2-ya Baumanskaya street, Moscow, 105005, Russia; phone: 84992636019; cand. of eng. sc.; senior research.

Noskov Vladimir Petrovich – head the sector; the department of special robotics and mechatron-ics; сand. of eng. sc.; associate professor.

Rubtsov Ivan Vasil’evich – the department of special robotics and mechatronics; head the de-partment ; cand. of eng. sc.

УДК 681.327.12

Мусаев Максуд Мурад Оглы, Н.Н. Кисель

ЧИСЛЕННОЕ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТАМАТЕРИАЛОВ НА ОСНОВЕ СПИРАЛЬНЫХ ЭЛЕМЕНТОВ

Статья посвящена получению и сравнению частотных зависимостей коэффициен-тов прохождения метаструктуры основанной на спиральных элементах. Эксперимен-тальные значения коэффициента прохождения рассматриваются при различной ориента-ции периодической структуры, относительно раскрыва рупора. Априорные расчеты ко-


82

эффициентов прохождения метаструктуры, рассчитываются с помощью САПР FEKO. В статье проводиться анализ эффективности комбинирования спиральных элементов в пределах одного периода структуры. Производиться анализ возможности построения частотно-селективного экрана на основе спиральных элементов.

Метаматериал [1]; спиральный элемент; пространственная ячейка; коэффициент прохождения; частотно-селективный экран.

Musaev Maxud Murad Ogli, N.N. Kisel′

NUMERICAL AND EXPERIMENTAL STUDY OF THE METAMATERIALS BASED ON THE SPIRAL ELEMENTS

The Article is devoted to obtaining and comparing of the frequency dependences and the coefficients of transmission of the metastructure , based on spiral elements. The experimental val-ues of the transmission coefficient are considered at different orientations of the periodic struc-ture, regarding the disclosure of the horn. Priorical calculations of coefficients of metastructures' passing calculated using CAD FEKO. The analysis of the efficiency of combination of the spiral elements within the same period of structure is carried out, as well as the possibility of building a frequency-selective screen on the basis of spiral elements.

Metamaterial [1]; spiral element; the spatial cell; the transmission coefficient; frequency-selective screen.

Введение. Метаматериалы – искусственно созданные композитные материа-лы, состоящие из элементов, размер которых d, больше размеров атомов и моле-кул, но меньше длинны волны λ [1] Некоторые из этих материалов имеют отрица-тельную диэлектрическую проницаемость.

В работах рассматривающих метаматериалы на основе спиральных элементов, рассматривается случай хаотичного либо периодического расположения многовит-ковых спиралей в пространстве [2]. Однако, не менее интересен и важен случай, ко-гда периодическая структура, формируется спиралями с разными радиусами.

Использование "вложенных" одновитковых спиралей позволяет наиболее эффективно использовать пространство периода структуры, что немаловажно при построении частотно-селективных экранов. В частности, экранов имеющих не-сколько резонансных полос. Подобная организация периода структуры, позволяет избежать наращивания тощины слоя экрана, за счет применения многослойных структур, либо многовитковых спиралей с изменяющимся радиусом.

Постановка эксперимента. Численное (априорное) исследование характе-ристик структуры выполнялось с использованием специализированной программы трехмерного электромагнитного моделирования Feko [3]. В качестве основной характеристики данной структуры рассматривался коэффициент отражения и про-хождения бесконечной структуры. Один период бесконечной периодической структуры включает три одновитковых спирали, вложенных одна в другую, что показано на рис. 1.

Рис. 1. 3D-модель структуры на основе спиральных элементов,

а так же её реализация


83

Размер выбранной пространственной ячейки 50х50x5 мм, спирали одновит-ковые, радиусы спиралей 14 мм, 10 мм, 6мм; высота спирали 2 мм. Размер и коли-чество спиралей обусловлены сложностью реализации макета.

На рис. 2 представлена характеристика коэффициента прохождения, полу-ченная в результате расчета.

Рис. 2. Частотная зависимость прохождения бесконечной частотно-

селективной структуры на основе спиралей; (радиусы спиралей 14 мм, 10 мм, 6мм; высота спирали 2 мм)

Результаты численного моделирования были проверены экспериментально. Экспериментальный стенд базируется на основе векторного анализатора цепей ZVA 40, на входы 1 и 2 которого подсоединены рупора с рабочей полосой от 1 до 18 ГГц. Расстояние между рупорами составляет порядка 6 см.

Анализ экспериментальных результатов. Исследуем частотную зависи-мость коэффициента прохождения при нормальном падении волны на спиральную структуру, при разных положениях её элементов относительно вектора E.

На рис. 3, приведены экспериментальные характеристики коэффициента про-хождения (коэффициент S21) для случаев когда между рупорами отсутствует пре-пятствие (кривая 1, аналогично на всех графиках экспериментов) и для случая рас-положения между рупорами металлического экрана, полностью перекрывающего раскрыв (кривая 2). Эти зависости определяют динамический диапазон установки и уровень погрешности.

Рис. 3. Частотная характеристика коэффициента прохождения


84

Рис. 4. Частотная характеристика коэффициента прохождения кривая 2 – метаструктура в положении 1

На рис. 4 представлена частотная экспериментальная характеристика коэф-фициента прохождения, для случая, когда между рупорами расположен слой структуры на основе спиральных элементов. Структура ориентирована таким об-разом, что радиус проходящий через щель между спиральными элементами парал-лелен вектору напряженности электрического поля (позиция 1)

Рис. 5. Частотная характеристика коэффициента прохождения:

кривая 2 – метаструктура в положении 2 (слой структуры ориентирован под 450 относительно раскрыва рупора)

Аналогичные результаты для частотных зависимостей коэффициента отра-жения получены путем поворота по часовой стрелке метаструктуры на 450 (рис. 7), 600 (рис. 8) и 900 (рис. 9).

Как видно из приведенных экспериментальных зависимостей, а также из ре-зультатов, полученных с использованием программы FEKO, структура из спи-ральных элементов может быть использована в качестве частотно-селективного экрана.

Рассмотренный в работе материал эффективно работает только на одной по-ляризации, когда вектор E параллелен радиусу, проходящему «через разрыв» кольца спирали.


85


кривая 2 – метаструктура в позиции 3 (слой структуры ориентирован под 600 относительно раскрыва рупора)


кривая 2 – метаструктура в позиции 4 (слой структуры ориентирован под 900 относительно раскрыва рупора)

Комбинирование спиралей разных размеров в пределах одной пространст-венной ячейки, позволило получить несколько рабочих полос структуры, в кото-рых коэффициент прохождения уменьшился не меньше чем на 15 дБ. Полоса час-тот, в которой обеспечивается защита на уровне – 15дБ не менее 200–300 МГц в области 3.5 ГГц, 4,7–5 ГГц, 5.7–5,9 ГГц. Потери, вносимые структурой в режиме прозрачности, невелики, и не превышают 0,3–0,5 дБ в полосе частот от 1 до 3 ГГц, в полосе более высоких частот уровень потерь несколько увеличивается.

Таким образом метаструктура на основе спиральных элементов обладает не-большими потерями в полосе пропускания и при использовании в составе частот-но-селективных поверхностей будет вносить небольшие искажения в диаграмму направленности.

Выводы. С помощью программы 3D моделирования FEKO было произведе-но численное (априорное) исследование частоно-селективных свойств, структуры, ревлизованной на основе метаматериала состоящего из спиральных элементов.

Проведены эксперименты, направленные на опредиление частотной зависимости коэффициента прохождения структуры, при нормальном падении волны и различном положении вектора Е относительно радиуса проходящего через разрыв спирали.

Сделано заключение о возможности использования рассматриваемой струк-туры, как частотно-селективного экрана, с несколькими резонансными полосами.


86


1. Веселаго В.Г. Метаматериалы как объект нанотехнологий и их математическое модели-рование // XV конференция представителей региональных научно-образовательных се-тей “RELARN-2008”. 1-8 июня 2008 г. – Нижний Новгород – Пермь.

2. Lagarkov A.N., Semenenko V.N., Kisel V.N., Chistyaev V.A. Development and simulation of microwave artificial magnetic composites utilizing nonmagnetic inclusions // Journ. of Mag-netism and Magnetic Materials. – 2003. – Vol. 258-259. – P. 161-166.

3. Официальный сайт программы FEKO// адрес сайта - http://www.feko.info (дата обраще-ния 25.06.2012)

4. Официальный сайт компании Rohde & Schwarz , описание прибора серии ZVA // адрес страницы сайта – http://www.rohde-schwarz.ru/products/test_and_measurement/ net-work_analysis/ZVA (дата обращения 10.07.2012).


Мусаев Максуд Мурад Оглы – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347928, Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371634; кафедра антенн и радиопередающих устройств; аспирант.

Кисель Наталья Николаевна – e-mail: [email protected]; кафедра антенн и радиопе-редающих устройств; профессор; к.т.н.; доцент.

Musaev Maxud Murad Ogli – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; the department of antennas and radio transmit-ters; postgraduate student.

Kisel′ Natalia Nikolayevna – e-mail: [email protected]; the department of antennas and radio transmitters; professor; cand. of eng. sc.; associate professor.

Раздел II. Медицинская диагностика и терапия

87

Раздел II. Аппаратные и программные средства функциональной диагностики и терапии

УДК 615.47:616-072.7

Л.И. Калакутский , Е.В. Молчков, П.И. Бахтинов

ФОТОПЛЕТИЗМОГРАФ ДЛЯ КЛИНИЧЕСКОГО МОНИТОРИНГА СЕРДЕЧНОГО РИТМА

Разработан компьютерный фотоплетизмограф для осуществления длительного мо-ниторинга показателей вариабельности пульсового ритма. Это позволяет оценить актив-ность регуляции ритма сердца со стороны вегетативной нервной системы и состояние организма в целом. Для получения показателей вариабельности ритма сердца используется измерение длительностей межпульсовых интервалов артериального пульса в месте распо-ложения датчика прибора. Реализован как режим мониторинга, так и анализ фрагментов фиксированной длительности (5 минут). Вычисляются статистические, геометрические и спектральные показатели вариабельности ритма сердца. Прибор подключается к компь-ютеру через интерфейс USB.

Фотоплетизмография; ритм сердца; мониторинг.

L.I. Kalakutskiy , E.V. Molchkov, P.I. Bakhtinov

PHOTOPLETHYSMOGRAPHY FOR CLINICAL HEART RATE MONITORING

A computer photoplethysmograph for continuous monitoring of heart rate variability was developed. It allows to estimate the influence of the autonomic nervous system on the heart rate regulation and the state of the organism as a whole. Measurement of intervals duration between arterial pulse at the location of the sensor device is used to get the heart rate variability indices. Monitoring mode as well as analysis of fragments of a fixed duration (5 minute) are implemented. We calculate the statistical, geometric, and spectral measurements of heart rate variability. The device is connected to the computer via USB.

Photoplethysmography; heart rate; monitoring.

Использование метода фотоплетизмографии для исследования перифериче-ского кровотока в построении приборов клинического мониторинга получило в последние годы новое развитие благодаря появлению новой элементной базы электроники. Это, в первую очередь, производство недорогих излучающих свето-диодов красного и инфракрасного диапазонов и чувствительных фотоприемников. Мощность излучения светодиодов оказалась достаточной для регистрации фото-плетизмографического сигнала с высоким соотношением сигнал/шум во всем диа-пазоне оптической плотности тканей, содержащих пульсирующий сосуд, как при построении датчиков регистрирующих излучение, проходящее через исследуемый участок тканей, например, ногтевую фалангу пальца руки, так и регистрирующих отраженное излучение [1].

Обработка фотоплетизмографического сигнала с последующим измерением межпульсовых интервалов позволяет осуществить длительный мониторинг изме-нения вариабельности сердечного ритма (ВСР), показатели которого позволяют оценить активность автономной регуляции со стороны нервной системы и состоя-ние организма в целом [2].


88

Разработан компьютерный фотоплетизмограф "ЭЛДАР", реализующий ука-занную методику обработки фотоплетизмографического сигнала.

Структурная схема прибора приведена на рис. 2. Излучатель датчика содер-жит излучающий светодиод красного диапазона, питаемый импульсами тока, ко-торые формируются в устройстве синхронизации. Прошедшее сквозь биологиче-ские ткани излучение поступает на фотоприемник датчика. Полученный фототок усиливается предварительным усилителем и поступает на фильтр верхних частот, и затем на регулируемый усилитель, коэффициент усиления которого устанавли-вается микропроцессорным устройством. С выхода регулируемого усилителя сиг-нал поступает на аналого-цифровой преобразователь микроконтроллера. После преобразования в цифровую форму данные передаются на контроллер USB через оптронную развязку.

Питание прибора осуществляется от интерфейса USB через гальванически развязанный преобразователь, формирующий необходимые для работы прибора напряжения.

Через интерфейс USB данные передаются в компьютер.

Рис. 1. Структурная схема прибора

Датчик пальцевого типа (рис. 3) представляет собой зажим, состоящий из двух элементов 1 и 2, скрепленных осью 3, фиксируемый на пальце пружиной 4. В элементе 1 установлен излучатель, а в элементе 2 – фотоприемник, снабженный вы-пуклой линзой. Датчик подключается к прибору с помощью кабеля 6 с разъемом 5.

Рис. 2. Датчик прибора

Анализ ВСР во временной области (получение статистических оценок вы-борки NN-интервалов и диагностических показателей вычисляемых на этой осно-ве) производится для выборки фиксированного объема, а также методом скользя-щей выборки, что может быть использовано, например, для целей слежения за из-менением показателей ВСР в реальном времени.


89

Рис. 3. Общий вид прибора

В результате анализа ВСР вычисляются следующие показатели. Статистические оценки выборки NN-интервалов [3]: Mo, мс – мода распределения длительностей NN-интервалов, наиболее часто

встречаемое значение длительности среди NN-интервалов в анализируемой выборке. АМо, ед, (%) – амплитуда моды, число (доля) NN-интервалов в анализируе-

мой выборке, соответствующая значению моды. DХ, мс – вариационный размах, разность между длительностью наибольшего

и наименьшего NN-интервалов в анализируемой выборке. Диагностические показатели: SDNN (Standart deviation of all NN intervals), мс – стандартное отклонение

длительностей всех NN интервалов в анализируемой выборке (квадратный корень из дисперсии);

интервалов с наиболее часто встречающейся длительностью (амплитуда моды). HR (Heat rate), (уд/сек) – частота сердечных сокращений, вычисленная по

среднему значению NN-интервалов в анализируемой выборке; СИМ – значение индекса ВСР вычисляемого по формуле:

СИМ = 4 * АМо / N20 %, где N2О %, ед. – число интервалов группирования гистограммы, содержащих ко-личество NN-интервалов, превышающих уровень 20 % от значения АМо.

ПАР – значение индекса ВСР характеризующего степень отклонения распре-деления NN-интервалов от нормального закона распределения. Чем больше откло-нений от нормального распределения, характеризующегося плавным убыванием количества NN-интервалов влево и вправо относительно моды, тем больше значе-ние ПАР.

Анализ ВСР в частотной области (спектральный анализ) производится для фиксированной по длительности «короткой» (5 минут) выборки данных [4].

Спектральные диагностические показатели: VLF, мс2 – спектральная мощность колебаний ритма сердца в диапазоне

сверхнизких частот (< 0,04 Гц); LF, мс2 – спектральная мощность колебаний ритма сердца в диапазоне низ-

ких частот (0,04 … 0,15 Гц); HF, мс2 – спектральная мощность колебаний ритма сердца в диапазоне высо-

ких частот (0,15 … 0,4 Гц); Total, мс2 – общая спектральная мощность колебаний ритма сердца; LFnorm = 100LF/(Total – VLF), % – нормализованная спектральная мощ-

ность низких частот; HFnorm = 100HF/(Total – VLF), % – нормализованная спектральная мощ-

ность высоких частот; LF/HF, отношение низкочастотной к высокочастотной составляющей мощ-

ности колебаний ритма сердца.


90

Рис. 4. Окно мониторинга ВСР

Рис. 5. Окно частотного анализа ВСР

При анализе ВСР во временной области на экране компьютера отображается: ритмограмма – график зависимости длительности NN-интервала от номера

NN-интервала; графики зависимости величины показателей ВСР от номера NN-интервала; гистограмма распределения NN-интервалов – ступенчатая функция, пред-

ставляющая собой зависимость числа NN-интервалов, попадающих в соответст-вующие интервалы группирования гистограммы, на которые разбивается весь диапазон длительностей NN-интервалов.

При анализе ВСР в частотной области на экране компьютера дополнительно отображается:

скатерограмма – точечное изображение зависимости длительности после-дующего NN– интервала от предыдущего в выборке данных;

частотный спектр сердечного ритма с выделением цветом областей VLF, LF, HF;


91

диаграмма, показывающая относительное соотношение величин компонен-тов VLF, LF, HF.

Анализ и отображение данных производится в режиме реального времени с со-хранением массивов зарегистрированных значений длительностей NN-интервалов для отсроченного анализа.

Прибор успешно используется в практике анестезиологии, реаниматологии для слежения за состоянием больных.


1. Баевский Р.М., Иванов Г.Г. Вариабельность сердечного ритма: теоретические аспекты и возможности клинического применения. – М.: Медицина, 2000. – 295 с.

2. Баевский Р.М., Берсенева А.П. Оценка адаптационных возможностей организма и риск развития заболеваний. – М.: Медицина, 1997. – 265 с.

3. Task Force of the European Society of Cardiology and North American Society of Pacing and Electrophysiology. Heart rate variability. Standards of measurement, physiological interpreta-tion and clinical use // Circulation. – 1996. – Vol. 93 (5). – P. 1043-1065.

4. Калакутский Л.И., Манелис Э.С. Аппаратура клинического мониторинга для отделений анестезиологии и реанимации // Тюменский мед. журн. – 2005. – 1. – С. 3-5.

Статью рекомендовал к опубликованию д.т.н., проф. В.Е. Высоцкий.

Калакутcкий Лев Иванович – ГБОУ ВПО «Самарский государственный аэрокосмический университет имени академика С.П. Королева (национальный исследовательский универси-тет)»; e-mail: [email protected]; 443086, г. Самара, Московское шоссе, 34; тел.: 88462674549; кафедра радиотехника и МДС; зав. кафедрой; д.т.н.; профессор.

Молчков Евгений Васильевич – e-mail: [email protected]; 443086 г. Самара, ул. Лукачева, 45; тел.: 88462674474; кафедра радиотехники и МДС; ведущий инженер.

Бахтинов Павел Иванович – кафедра радиотехники и МДС; ведущий инженер.

Kalakutskiy Lev Ivanovich – Samara State Aerospace University (National Research Universi-ty); e-mail: [email protected], 34, Moscow highway, Samara, 443086, phone: +78462674549; the department of radio engineering and MDS; head of the department; dr. of eng. sc.; professor.

Molchkov Evgeniy Vasilyevich – e-mail: [email protected], 45, Lukacheva street, Samara, 443086, Russia; phone: +78462674474; the department of radio engineering and MDS; leading engineer.

Bakhtinov Pavel Ivanovich – the department of radio engineering and MDS; leading engineer.

УДК 616.83/85

Е.А. Макаренкова, М.В. Малахов

ВЛИЯНИЕ ГИПЕРВЕНТИЛЯЦИИ НА ПОКАЗАТЕЛИ СТАБИЛОГРАФИИ В ТЕСТАХ СО ЗРИТЕЛЬНОЙ БИОЛОГИЧЕСКОЙ ОБРАТНОЙ СВЯЗЬЮ

Изучено влияние гипервентиляции на способность контролировать положение цен-тра давления в стабилографическом тесте со зрительной обратной связью. На стабило-графической платформе «Стабилан-01 ОКБ «Ритм» определялись классические стабило-метрические параметры, а также спектральные показатели колебаний центра давления до, во время и после периода гипервентиляции (n=39). Повышение всех стабилометриче-ских параметров при гипервентиляции отражало снижение устойчивости вертикальной позы и было обусловлено дыхательными движениями, а также метаболическими сдвигами вследствие гипервентиляции. При гипервентиляции также отмечалось увеличение высоко-


92

частотных колебаний центра давления. Таким образом, произвольное увеличение частоты и глубины дыхания приводит к снижению эффективности зрительной обратной связи в регуляции устойчивости вертикальной позы человека.

Гипервентиляция; стабилография; зрительная биологическая обратная связь.

E.A. Makarenkova, M.V. Malakhov, A.A. Melnikov

INFLUENCE OF HYPERVENTILATION ON STABILOGRAPHIC PARAMETERS IN VISUAL BIOFEEDBACK TESTS

The influence of hyperventilation on the ability to control center of pressure in the visual bi-ofeedback stabilographic test was studied. Classic stabilometric parameters and the power spec-trum indices were estimated on the force platform “Stabilan-01 SDB “Ritm” before, during and after the period of hyperventilation (n=39). Increase of all stabilometric parameters during hyper-ventilation reflected the decrease of postural stability and was related to the respiration move-ments and metabolic changes induced by hyperventilation. We also found the elevation of high frequency spectrum indices. Thus, voluntary increase of respiration amplitude and frequency is the reason of less effective visual biofeedback mechanism of posture tolerance in humans.

Hyperventilation; stabilography; visual biofeedback.

Введение. Стабилометрия – это метод исследования устойчивости человека, основанный на анализе перемещения центра давления стоп испытуемого на плат-форме. Этот метод используется в медицине для диагностики различных функции равновесия в норме и при различных заболеваниях [1].

Одним из тестов, используемых в стабилографии, является тест со зритель-ной биологической обратной связью, в котором смещение центра давления (ЦД) исследуемого человека отражается в виде движения маркера на дисплее монитора, таким образом, испытуемый может дополнительно контролировать положение своего центра давления с помощью зрительной обратной связи.

Известно, что дыхание оказывает влияние на функцию равновесия человека [2], причём в наибольшей степени устойчивость меняется при гипервентиляции [3, 4]. Од-нако в доступной нам литературе нет работ, посвящённых исследованию влияния ги-первентиляции на устойчивость в тестах с биологической обратной связью.

Цель нашей работы – исследовать изменение стабилографических показате-лей в тестах со зрительной биологической обратной связью под влиянием гипер-вентиляции и непосредственно сразу после неё.

Материалы и методы. Организация исследования. В исследовании прини-мали участие 39 (12 девушек) здоровых добровольцев в возрасте 18–23 года. Ис-пытуемые проходили тест со зрительной обратной связью «Мишень». Стоя на ста-билографической платформе (Стабилан-01 ОКБ «Ритм») исследуемые должны были удерживать маркер в центре мишени при большом масштабе изображения. Тест длительностью 1 минуту делился на три этапа. Первые 20 секунд испытуемые дышали спонтанно («Покой»), затем, в течение следующих 20 секунд – макси-мально глубоко и часто («Гипервентиляция») и последние 20 секунд – снова спон-танно («Восстановление»).

Стабилометрические параметры. На стабилографическом анализаторе оп-ределялись следующие классические стабилометрические параметры для каждого из этапов обследования: среднеквадратическое отклонение (разброс) смещения ЦД во фронтальном (Qx, мм) и сагиттальном (Qy, мм) направлениях, средняя скорость пе-ремещения ЦД (Vср, мм/с), площадь доверительного эллипса, то есть основная часть площади стабилограммы без выбросов (Sэл, мм2), а также показатели спектра: мощ-ность спектра в диапазоне низких частот (0–0,2 Гц) по фронтали (Pw1F) и сагиттали (Pw1S), в диапазоне средних (0,2–2 Гц) (Pw2F, Pw2S) и высоких (2–6 Гц) (Pw3F, Pw3S) частот.


93

Для каждого этапа исследования рассчитывались также показатели дыхания. Дыхание оценивалось с помощью тензометрического датчика ДДПТ-1, входящего в комплекс Стабилан-01. Тензометрический датчик крепится ремнём к грудной клетке, он регистрирует её экскурсию и позволяет рассчитать частоту дыхатель-ных движений (f, мин-1), а также относительный показатель – амплитуду дыхания (RA, у.е), который равняется разности между максимумом вдоха и минимумом выдоха. На основе f и RA можно вычислить косвенный показатель вентиляции (Vent, у.е) [5].

Статистика. Данные представлены как среднее арифметическое (M) ± среднеквадратическое отклонение (s). Гипотеза о взаимосвязи данных проверялась с помощью параметрической корреляции Пирсона. Для выявления различий меж-ду стабилографическими параметрами и показателями дыхания на разных этапах измерения использовался однофакторный дисперсионный анализ для повторных измерений (ANOVA). Апостериорные сравнения выполнены с использованием критерия Ньюмена-Кейлса.

Результаты исследования. В табл. 1 представлены значения показателей вентиляции на разных этапах исследования.

Таблица 1 Значения показателей вентиляции на разных этапах исследования (M±s, n=39)

Покой Гипервентиляция Восстановление f, мин-1 7,51±7,17 17,54±5,12*** 10,95±11,16^^^ RA, у.е 0,37±0,33 1,64±0,84*** 0,60±0,43***^^^

Vent, у.е 2,28±1,89 27,66±14,61*** 5,82±4,68***^^^

Примечание: *** – p<0.001 по сравнению с покоем, ^^^ – по сравнению с этапом «Гипервентиляция»

Видно, что все показатели дыхания во время этапа «Гипервентиляция» воз-растали. В период «Восстановление» значение f достигало исходной величины, в то время как показатели вентиляции и амплитуды дыхания снижались, но исход-ных значений не достигали.

Нами установлено, что гипервентиляция приводила к значительному росту всех классических стабилографических показателей (Qx увеличился в 1,8 раз, Qy – в 2,28 раза, Vср – в 2,26 раз и S – в 4,14 раз) (табл. 2). В период восстановления стабилографические параметры снижались, однако исходных значений не дости-гали.

Таблица 2 Основные стабилографические показатели на разных этапах исследования

(M±s, n = 39)

Покой Гипервентиляция Восстановление Qx, мм 1,80±0,61 3,24±1,04*** 2,52±0,75***^^^ Qy, мм 1,98±0,58 4,51±1,59*** 3,04±0,90***^^^

Vср, мм/с 10,59±4,17 23,98±9,00*** 13,41±4,78***^^^ S, мм2 52,92±29,51 218,85±126,93*** 114,30±60,71***^^^

Примечание: *** – p<0.001 по сравнению с этапом «Покой», ^^^ – p<0.001 по сравнению с этапом «Гипервентиляция».

В течение этапа «Гипервентиляция» происходит увеличение показателя мощности высокочастотной части спектра как во фронтальной (табл. 3), так и в сагиттальной плоскостях (табл. 4). В сагиттальной плоскости отмечается также снижение показателя мощности спектра в области низких частот (табл. 4).


94

Таблица 3

Показатели мощности спектра по фронтали на разных этапах исследования (M±s, n = 39)

Покой Гипервентиляция Восстановление Pw1F, % 19,77±7,95 18,23±7,33 18,74±5,86 Pw2F, % 68,56±7,72 66,64±6,79 69,49±6,43 Pw3F, % 11,62±3,70 15,15±4,00*** 11,82±4,10

Примечание: *** – p<0.001 по сравнению с этапом «Покой».

Таблица 4

Показатели мощности спектра по сагиттали на разных этапах исследования (M±s, n = 39)

Покой Гипервентиляция Восстановление Pw1S, % 21,18±7,37 16,28±3,79*** 21,90±7,13 Pw2S, % 63,00±6,88 64,13±5,56 63,28±7,25 Pw3S, % 15,77±4,92 19,62±5,47*** 14,85±5,67

Примечание: *** – p<0.001 по сравнению с этапом «Покой».

Таблица 5

Корреляции (r) между стабилографическими параметрами и показателями дыхания (n = 39)

Q(x), мм Q(y), мм V, мм/с S, мм2

f 0,27** 0,34*** 0,42*** 0,34*** RA 0,46*** 0,66*** 0,60*** 0,59***

Vent 0,51*** 0,69*** 0,72*** 0,65***

Примечание: **, *** – p<0.01, <0.001.

Нами выявлены корреляционные связи разной силы между всеми показате-лями дыхания и стабилографическими параметрами (табл. 5). При этом показатели дыхания (RA и Vent) в наибольшей степени были связаны с разбросом центра дав-ления по сагиттали, линейной скоростью и площадью доверительного эллипса.

По данным нашего исследования дыхательные индексы коррелировали с по-казателями мощности в высокочастотной части спектра. Кроме того, показатели RA и Vent были отрицательно связаны с Pw1S (табл. 6).

Таблица 6

Корреляции (r) между параметрами мощности спектра и показателями дыхания (n = 39)

Pw1(F), % Pw2(F), % Pw3(F), % Pw1(S), % Pw2(S), % Pw3(S), %

f -0,13 -0,04 0,28*** -0,08 -0,09 0,22* RA -0,13 -0,04 0,29** -0,29*** 0,06 0,27**

Vent -0,16 -0,07 0,39*** -0,31** -0,01 0,38***

Примечание: *, **, *** – p<0.05, <0.01, <0.001.

Обсуждение. Значительное возрастание всех показателей дыхания во время этапа «Гипервентиляция» (табл. 1) подтверждает наличие гипервентиляции у ис-пытуемых.

По данным нашего исследования все классические стабилографические пока-затели во время этапа «Гипервентиляция» возрастали, что свидетельствует о сни-жении устойчивости и способности контролировать положение центра давления в


95

тестах с биологической обратной связью. В течение периода восстановления ста-билографические параметры снижались, но исходных значений не достигали (табл. 2). Влияние дыхания на вертикальную устойчивость подтверждается также наличием корреляционных связей стабилографических параметров с показателями дыхания (табл. 5)

При изучении влияния дыхания на устойчивость вертикальной позы, как при спокойном дыхании, так и при гипервентиляции разными авторами получены раз-личные результаты. Так, в работе [6] не выявлено существенного изменения функ-ции равновесия при увеличении глубины и частоты дыхания у испытуемых в по-ложении стоя. Полученные данные авторы объясняют компенсацией отклонения центра давления, вызванного дыхательными движениями, сокращением мышц верхней части туловища, таза и нижних конечностей. Однако в статье [2] указыва-ется, что при повышении дыхательного объёма способность к такой компенсации снижается. Кроме того, в этой же работе отмечается смещение центра давления назад при произвольном увеличении глубины дыхания.

В исследовании [3] получены данные о возрастании разброса ЦД по сагитта-ли, а также об увеличении средней линейной скорости перемещения центра давле-ния под влиянием гипервентиляции с навязанным ритмом дыхания. Наши резуль-таты подтверждают данные [2, 3], нами установлено, что произвольная гипервен-тиляция в большей степени оказывала влияние на разброс ЦД по сагиттали: значе-ние Qy во время этапа «Гипервентиляция» возрастало в большей степени, чем Qx (табл. 2). Кроме того, корреляционные связи показателей дыхания с Qy были сильнее выражены, чем с Qx (табл. 5).

В работе [4] указывается, что снижение устойчивости вертикальной позы при увеличении глубины и частоты дыхания связано не только с дыхательными дви-жениями, но и с метаболическими изменениями, которые развиваются вследствие гипервентиляции.

Таким образом, основываясь на собственных и литературных данных можно предположить, что снижение эффективности зрительной обратной связи в под-держании вертикального положения тела во время произвольного увеличения час-тоты и глубины дыхания было обусловлено дыхательными движениями и метабо-лическими сдвигами, которые развивались во время гипервентиляции.

По данным нашего исследования в течение этапа «Гипервентиляция» отме-чалось увеличение высокочастотных спектральных показателей как по фронтали, так и по сагиттали (табл. 3, 4). Снижение Pw1S, как мы полагаем, было относи-тельным, связанным со значительным увеличением Pw3S.

Также нами были выявлены слабые, но достоверные корреляции между па-раметрами дыхания и высокочастотными спектральными показателями (табл. 6).

Известно, что высокочастотные колебания ЦД отражают вклад сенсорной информации от проприорецепторов в регуляцию позы [1]. По данным литературы [7] гипервентиляция вызывает повышение возбудимости нервных волокон в пери-ферических нервах. Таким образом, можно предположить, что увеличение им-пульсации в афферентных волокнах с проприорецепторов под влиянием гипервен-тиляции приводило к повышению мощности высокочастотных колебаний центра давления.

Выводы. Произвольное увеличение частоты и глубины дыхания приводит снижению эффективности зрительной обратной связи в регуляции устойчивости вертикальной позы. Снижение устойчивости обусловлено дыхательными движе-ниями, а также уменьшением функции равновесия вследствие метаболических сдвигов при гипервентиляции. Возрастание высокочастотных спектральных пока-зателей при гипервентиляции, по-видимому, связано с повышением импульсации по афферентным волокнам с проприорецепторов.


96


1. Oppenheim U., Kohen-Raz R., Alex D., Kohen-Raz A., Azarya M. Postural characteristics of diabetic neuropathy // Diabetes Care. – 1999. – Vol. 22, 2. – P. 328-332.

2. Hodges P.W., Gurfinkel V.S., Brumagne S., Smith T.C., Cordo P.C. Coexistence of stability and mobility in postural control: evidence from postural compensation for respiration // Exp. Brain. Res. – 2002. – Vol. 144, 3. – P. 293-302.

3. Kuczyński M., Wieloch M. Effects of Accelerated Breathing On Postural Stability // Human Movement. – 2008. – Vol. 9, 2. – P. 107-110.

4. Sakellari V., Bronstein A.M., Corna S., Hammon C.A., Jones S., Wolsley C.J. The effects of hy-perventilation on postural control mechanisms // Brain. – 1997. – Vol. 120, 9. – P. 1659-1673.

5. Войнов В.Б., Воронова Н.В., Золотухин В.В. Методы оценки состояния систем кислоро-дообеспечения организма человека: Учебно-методическое пособие. – Ростов-на-Дону: УНИИ валеологии РГУ, 2002. – 99 с.

6. Bouisset S., Duchêne J.L. Is body balance more perturbed by respiration in seating than in standing posture? // Neuroreport. – 1994. – Vol. 5, 8. – P. 957-960.

7. Mogyoros I., Kiernan M.C., Burke D., Bostock H. Excitability changes in human sensory and motor axons during hyperventilation and ischaemia // Brain. – 1997. – Vol. 120, 2. – P. 317-325.

Статью рекомендовала к опубликованию к.т.н. Г.Ю. Джуплина.

Елена Александровна Макаренкова – ФГБОУ ВПО «Ярославского государственного педагогического университета им. К.Д. Ушинского»; e-mail: [email protected]; 150000. г. Ярославль, ул. Республиканская, 108; тел.: 89109792628; кафедра физического воспита-ния; аспирант.

Малахов Максим Викторович – ГБОУ ВПО ЯГМА министерства здравоохранения и со-циального развития; e-mail: [email protected]; 150000, г. Ярославль, ул. Революционная, 5; тел.: 89206508509; кафедра нормальной физиологии с биофизикой; ассистент.

Makarenkova Elena Alexandrovna – Yaroslavl State Pedagogical University; e-mail: [email protected]; 108, Respublikanskay street, Yaroslavl, 150000, Russia; phone: +79109792628; the department of physical culture and exercise; postgraduate student.

Malakhov Maxim Viktorovich – Yaroslavl State Medical Academy; e-mail: [email protected]; 5, Revolusionnaya street, Yaroslavl, 150000, Russia; phone: +79206508509; the department of nor-mal physiology with biophysics; assistant.

УДК 621.383.8

Мохаммед Абдуллах Гахзар

РАЗРАБОТКА МЕТОДИКИ КОМПЛЕКСИРОВАНИЯ СИСТЕМ ВИЗУАЛИЗАЦИИ МЕДИКО-БИОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ

Неуклонное увеличение катастроф различного происхождения с возникновением по-страдавших диктует необходимость разработки и внедрения средств, направленных на скорейшее обнаружение пострадавших в обрушенных конструкциях. Предлагается мето-дика комплексирования систем наблюдения, позволяющая повысить вероятность обнару-жения пострадавших при катастрофах. В основе методики – выделение сегментов изо-бражений с заданным тепловым контрастом в инфракрасном изображении и наложение этих сегментов на телевизионное изображение в виде пульсирующего яркостного пятна на соответствующем фрагменте последнего. Наличие определённого теплового контраста может свидетельствовать о возможном нахождении пострадавшего.

Телевизионная система; инфракрасное изображение; тепловой фон; матричный при-бор с зарядовой связью (МПЗС).


97

Mohammed Abdullah Gahzar

DEVELOPMENT OF METHODOLOGY FOR INTERCONNECTING SYSTEMS, BIOMEDICAL IMAGING PURPOSES

The steady increase in accidents of various origins with the emergence of the victims calls for the development and implementation of tools aimed at early detection of victims in collapsed structures. A method of interconnecting surveillance systems, allowing to increase the probability of detecting victims of disasters. The methodology is based on selection of images of segments with a given thermal contrast in the infrared image and the imposition of these segments on the televi-sion image as a pulsed luminance spot on the corresponding fragment of the latter. The presence of a certain thermal contrast may be indicative of a possible finding of the victim.

Television system; an infrared image; the thermal background; the matrix charge-coupled device (MCCD).

Отечественная телевизионная система поиска пострадавших «Система-1К» предназначена для поиска пострадавших людей в завалах зданий, дистанционного осмотра образованных полостей, определения состояния пострадавших путем их осмотра и беседы с ними, обследования обрушенной конструкции для выбора оп-тимальной технологии ее разбора.

Однако телевизионная система поиска не способна эффективно обнаруживать пострадавших в условиях задымлённости или запыленности полости завала, а также в случае, если пострадавший находится под слоем пыли или обломков об-рушенной конструкции [3].

Для модернизации указанной системы поиска пострадавших предлагается мето-дика совмещения телевизионного и тепловизионного изображений. Рациональность такого совмещения обусловлено следующими соображениями. Существенные слож-ности при анализе изображений в оптическом диапазоне представляют низкая разли-чимость целей в условиях атмосферных осадков, тумана и присутствия затенённых участков. В то же время изображения в инфракрасном (ИК) диапазоне обладают свой-ством отсутствием теней, что дает возможность выделить объекты в затенённых об-ластях оптического изображения в случае совместного использования изображений, получаемых от телевизионного (ТВ) и ИК датчиков. Более того, изображения, полу-чаемые в ИК диапазоне, позволяют наблюдать объекты с достаточной различимостью в условиях дождя, тумана, запылённости и облачности [4].

Это достаточно наглядно иллюстрируется на рис. 1, где представлены изо-бражения одной и той же городской сцены в условиях тумана в видимом и инфра-красном диапазонах [6].

а б

Рис. 1. Изображения городской сцены в видимом (А) и ИК (Б) диапазонах


98

При работе с совмещёнными изображениями в реальной ситуации предпола-гается выводить на монитор телевизионное изображение. Обосновано это тем об-стоятельством, что в видимом диапазоне наблюдения (в отличие от ИК) оператор способен обнаруживать объекты с пятнами крови, обрывки одежды и останки лю-дей. ИК изображение будет поступать в узел автоматической обработки, находя-щийся в блоке монитора. Задачей узла обработки является выявление теплового контраста на общем тепловом фоне и это должно свидетельствовать о наличии пострадавшего. На рис. 2 показано изображение человека с явно выраженным теп-ловым контрастом на сравнительно равномерном температурном фоне обстановки помещения [5].

Рис. 2. ИК изображение человека в помещении

Модель выделения теплового контраста в ИК изображении на общем тепло-вом фоне представлена на рис. 3.

Тепловизионное изображение в общем виде можно описать в виде непрерыв-ной поверхности f(x,y), отображающей температуру в каждой точке с координата-ми x и y. Искомый объект обладает следующими температурными параметрами:

tmin – минимальная температура объекта; tmax – максимальная температура объекта. Температурный фон определяется следующим условием:

,если,

,если,

средыminсреды

средыminminфона ttt

tttt

где tсреды – температура окружающей среды.

Рис. 3. Модель выделения теплового контраста


99

Интеграл функции f(x,y) по области Di кадра ИК изображения определяет

уровень постоянной составляющей ,F x y двумерного сигнала.

.,, iD

dxdyyxfyxF

Разность функций исходного изображения и его постоянной составляющей

даст выделение сегментов S (рис. 3). Выделенные сегменты в изображении явля-ются температурным превышением (контрастом) на общем тепловом фоне, свиде-тельствующие о возможном нахождении пострадавшего. Далее эти сегменты фор-мируются в отдельное ИК изображение, которое может накладываться на телеви-зионное изображение в соответствующем фрагменте последнего в виде, например, пульсирующего яркостного пятна.

Аппаратурно реализация предлагаемой методики может быть различной, но если учитывать, что в настоящее время существует отечественная телевизионная система поиска пострадавших «Система-1К», то наиболее рациональным будет модернизация этой системы с минимальными аппаратурными и энергетическими затратами. Предлагается построение системы выделения сегментов тепловизион-ного изображения и совмещения изображений на базе матричных приборов с заря-довой связью (МПЗС) в виде субблока, встроенного в существующий монитор указанной системы. Это позволит сохранить габаритные показатели монитора по-исковой системы, что достаточно важно для реальной работы.

Структурная схема устройства на базе МПЗС, реализующего рассмотренную методику, приведена на рис. 4.

Устройство состоит из: усилителя (У), матричных приборов с зарядовой свя-зью (МПЗС 1, МПСЗ 2, МПЗС 3), селектора синхроимпульсов (ССИ), генератора импульсов растекания (ГИР), вычитающего устройства (ВУ), порогового устройст-ва (ПУ), смесителя (См.), монитора (М).

Кадр ИК изображения одновременно поступает в МПЗС1 и МПЗС2, причем в МПЗС1 изображение остается без изменений, а в МПЗС2 формируется его посто-янная составляющая посредством применения режима управляемого усреднения зарядов в МПЗС [7]. Далее оба кадра поступают на вычитающее устройство для выделения сегментов температурного контраста. В пороговом устройстве задаётся порог определения температурного контраста, который зависит от сезонных, кли-матических и погодных условий. При превышении заданного порога сегмент теп-лового контраста в виде кадра изображения записываются в МПЗС3. Если темпе-ратура фона превышает температуру сегмента, то вводится инверсный режим ра-боты описанной системы обработки.

Рис. 4. Структура устройства выявления сегмента теплового контраста


100

Из структуры предлагаемого устройства вытекает необходимость формиро-вания базы данных для задания порога срабатывания порогового устройства в ка-ждом конкретном случае работы поисковой системы. Этот порог зависит от разно-образных параметров, наиболее значимыми из которых можно выделить: темпера-тура окружающей среды, тип завала, его структура, время прошедшего после воз-никновения завала. На рис. 5 приведена модель базы данных температурных поро-гов, выполненная в СУБД MySQL. Реализуется сбор информации в эту базу дан-ных, которую можно полностью сформировать только сочетая теоретические рас-чёты с реальными полевыми замерами.

Рис. 5. Структура базы данных температурных порогов

Иллюстрация операции выделения теплового контраста и наложения выде-ленного сегмента на исходное видеоизображение представлена на рис. 6 [8].

На рис. 6 представлены: А – исходное изображение видимого диапазона, Б – изображение того же объекта в ИК диапазоне, В – выделенный контрастирующий сегмент ИК изображения, Г – совмещённые изображения.

а б

в г

Рис. 6. Иллюстрация наложения сегмента ИК изображения на видеоизображение


101

Таким образом, предлагаемая методика совмещения изображений и модерни-зация поисковой системы на базе этой методики должна повысить эффективность поиска пострадавших при катастрофах различного рода.


1. Авторское свидетельство СССР 1238267 Н 04 N 7/01, 1980. Бюл. 22. 2. Певцев Е., Чернокнижин В. Матричные ИК-приемники для малогабаритных тепловизи-

онных камер // Электронные компоненты. – 2001. – 2. – C. 30-34. 3. Ковалев А.В., Федчишин В.Г., Щербаков М.И. Тепловидение сегодня // Специальная тех-

ника. – 1999. – 3. – С. 13-18. 4. Криксунов Л.З., Падалко Г.А. Тепловизоры (справочник). – Киев: Технiка, 1987. 5. Датчики присутствия от компании Theben HTS http://www.kapro.ua/articles/35/. 6. Техническое зрение в системах управления мобильными объектами-2010: Труды научно-

технической конференции-семинара. Вып. 4 / Под ред. Р.Р. Назирова. – М.: КДУ, 2011. – 328 с. 7. Авторское свидетельство СССР 1631747 H 04 N 7/01, 1991. Бюл. 8. 8. Галерея термограмм http://www.teplovizors.ru.

Статью рекомендовал к опубликованию к.т.н., доцент В.Н. Щербинин.

Газхар Мохаммед Абдуллах – Министерство образования и науки российской Федерации государственное бюджетное образовательное учреждение высшего профессионального обра-зования «Тамбовский Государственный Технический Университет»; e-mail: [email protected]; г. Тамбов, ул. Никифоровская, 28; тел.: 89537122819; кафедра биомеди-цинской техники; аспирант.

Gahzar Mohammed Abdullah – The Ministry of Education and Science of the Russian Federa-tion State Budget Institution of Higher Education "Tambov State Technical University"; e-mail: [email protected]; Tambov, Nikiforovskaya street, 28; phone: +789537122819; the department of biomedical engineering; postgraduate student.

УДК 616.858

А.Ю. Потлов

РЕГИСТРАЦИЯ И АНАЛИЗ ТРЕМОРА С ПОМОЩЬЮ ВЕБ-КАМЕРЫ И КОМПЬЮТЕРНОЙ ПРОГРАММЫ ДЕТЕКТОРА ДВИЖЕНИЙ

Предлагается метод регистрации и анализа тремора, основанный на использовании веб-камеры и специальной компьютерной программы детектора движений. Пациенту предлагают пройти экспресс-тест – вытянуть руку и держать её максимально ровно в течение одной минуты. Расположение руки строго на расстоянии 50 см в центре обзора веб-камеры на белом фоне. Для визуализации движения в течение экспресс-теста использу-ется выделение выбранным цветом и построение графика интенсивности. Тест сопрово-ждается записью видео, необходимого для истории болезни, и ежесекундным определением частоты тремора, необходимой для идентификации заболевания имеющегося у пациента. Целью разработки является повышение эффективности диагностики и контроля над ле-чением ряда заболеваний центральной нервной системы.

Визуализация; тремор; детектор движения; веб-камера; график интенсивности

A.Yu. Potlov

REGISTRATION AND ANALYSIS OF TREMOR THROUGH OF THE WEB CAMERA AND MOTION DETECTION SOFTWARE

Is proposed method of registration and analysis of the tremor, which is based on the use of Webcams and special motion detection software. The patient should be offered rapid test – draw and keep hand as exactly one minute. The location is strictly hands at a distance of 50 cm in the center of the review of the webcam on a white background. For visualize the motion during a rap-


102

id test is using the selected color selection and construction of the graph of intensity. The test is accompanied by a video recording required for the history of the disease, and every second defini-tion of the frequency of tremor, essential for the identification of existing disease in a patient. The purpose of development is to improve the efficiency of diagnosis and control of the treatment of diseases of the central nervous system.

Visualization; tremor; motion detection; webcam; the graph of the intensity.

Тремор (дрожание) – один из наиболее частых симптомов, возникающий изолированно или в комбинации с другими симптомами при различных поражени-ях нервной системы, а также нередко сопровождающий эндокринные, соматиче-ские заболевания и различные интоксикации. Международная исследовательская группа определяет тремор как ритмичные механические осцилляции, по крайней мере, одной функциональной области тела [1]. Выделяют два основных вида тре-мора – физиологический и патологический.

Физиологический тремор существует у каждого здорового человека. Его ам-плитуда так мала, что он не виден невооруженным глазом, частота составляет от 8 до 12 Гц. Усиленный физиологический тремор – это физиологический тремор с амплитудой большей, чем обычно, но сохраняющий прежнюю частоту (8–12 Гц). Его нередко можно видеть невооруженным глазом. Усиленный физиологический тремор возникает при различных состояниях, приводящих к возбуждению перифе-рических b-адренорецепторов (воздействие повышенных доз эндогенного адренали-на при страхе, волнении, а также при приеме лекарств – агонистов этих рецепторов).

Патологический тремор – тремор, возникающий при различных заболевани-ях, видимый невооруженным глазом и имеющий ряд клинических и электрофи-зиологических характеристик, отличных от физиологического тремора. Опреде-ляющий дифференциально-диагностический признак тремора в ряду других ги-перкинезов (хорея, атетоз, дистония, баллизм, миоклонус, тики) – его повторяю-щийся осцилляторный характер [1]. Патологический тремор в основном имеет ме-сто при наследственных или приобретённых заболеваниях центральной нервной системы: болезнь Паркинсона, мультисистемная атрофия, эссенциальный тремор и отравлениях, например, марганцем.

Таким образом, тремор является основной и неотъемлемой частью многих заболеваний и его диагностика является важной задачей медицины. Современные методы регистрации параметров тремора основаны на преобразовании смещения объекта различного рода датчиками в выходной электрический сигнал, его пред-варительной обработке, преобразовании в форму, удобную для хранения и после-дующего математического анализа. Используются датчики, основанные на прин-ципе тензометрии, где регистрируется прикладываемое усилие, емкостные датчи-ки, регистрирующие изменение магнитного поля при движении конечности, аксе-лерометрические датчики, основанные на регистрации ускорения движения. Одна-ко методики регистрации движения с использованием датчиков имеют и свои дос-тоинства, и недостатки. Большинство датчиков имеют проводную электрическую связь с оборудованием для регистрации сигнала, являются «контактными», т.е. крепятся на определенном участке тела, имеют определенные физические пара-метры (объем, вес), что не может не влиять на полученные результаты. Проблем-ным является вопрос воспроизводимости данных, регистрация которых зависит от исходного положения конечности [2]. Высокая стоимость тоже является явным недостатком подобных методов.

Цель. Разработать максимально эффективный, удобный и недорогой метод регистрации и анализа тремора.

Материалы и методы. В основе нашего метода лежит тот факт, что тремор можно зафиксировать с помощью детектора движения, основанного на сравнива-нии кадров путём вычитания из последующего кадра предыдущего [3].

При работе нами используется: Веб-камера iSlim 321R;


103

Персональный компьютер с операционной системой Windows XP\ Vista\7. Использование заранее определённой веб-камеры объясняется тем, что для

неё заранее известны: разрешение, число кадров в секунду, интерфейс, системные требования и т.п.

Камера iSlim 321R при хорошей освещённости работает со скоростью 30 кад-ров в секунду [4], это значит, что одна секунда видео состоит из 30 изображений. Тремор, как и любое другое движение, определяется как разность между двумя со-седними кадрами. Таким образом, последовательно сравнивая 30 изображений в секунду можно фиксировать движения, в данном случае тремор, до 30 раз в секунду, т.е. с частотой 30 Гц. Частоты физиологического тремора редко превышают 12 Гц, а – патологического обычно ниже, чем физиологического (есть исключения, например ортостатический тремор – 13–18 Гц) [5, 6]. Таким образом, метод позволяет в пол-ной мере регистрировать тремор и анализировать его частоту.

Не следует забывать, что тремор и любые движения, регистрируемые веб-камерой – это не одно и тоже и поэтому необходим ряд стандартных условий для работы:

1. Фиксированное расстояние. Очевидно, что чем дальше от камеры объект, тем меньше пикселей на изображении он занимает. Поэтому его движения становятся менее значительными и для адекватности метода необходимо выбрать четкое расстояние от руки пациента до веб-камеры. Наиболее оп-тимальным является расстояние – 50 см.

2. Нулевой уклон. Большинство современных веб-камер и в том числе iSlim 321R имеют возможность регулирования угла обзора. Для точности из-мерений камера должна смотреть на руку в профиль с нулевым уклоном.

3. Адекватное расположение руки. Очевидно, что если в обзор камеры будет попадать рука вместе с одеждой, то работа программы будет не адекват-ной. Идеальным является следующее расположение руки в обзоре камеры: рука выровнена по ширине так, что кончики пальцев не достают 1–2 сан-тиметра до правого края обзорного изображения камеры, а по высоте на-ходится посередине.

4. Специальный фон. Желательно использовать однородный белый, черный и т.п. фон. Ведь программа не может отличить пиксель с руки и с фона на их границе если они абсолютно одинакового цвета. Если тест на тремор проводить на фоне очень близком по цвету с рукой человека, то движения будут фиксироваться хуже, в такой ситуации всё будет зависеть от осве-щённости.

5. Порог тремора. Так как размеры изображения с камеры iSlim 321R – 640x480 точек, то получается, что в одном кадре 307200 точек и соответственно можно зафиксировать даже небольшое движение (разница между двумя изображе-ниями в 50 и более пикселей). Но если разница составляет всего несколько пикселей, то очевидно, что это ошибка, ведь размеры руки несоизмеримо больше чем 1–2 точки. С другой стороны если разница между 2-мя кадрами – 200000 точек, то очевидно, что это тоже какая-то ошибка, например, произо-шёл сдвиг самой камеры. Поэтому для визуализации тремора, устанавливают минимальный и максимальный порог движения. Слишком слабые и слишком сильные движения отбрасываются, как помехи.

6. Хорошая освещённость. Большинство современных веб-камер, в том чис-ле iSlim 321R, автоматически настраивают количество кадров под осве-щённость от 8 в полной темноте, до 30 при средней и хорошей освещённо-сти. Поэтому освещённость должна быть дневной – тогда количество кад-ров будет 30 в секунду, т.е. постоянным значением, вполне достаточным для нормальной работы.


104

Результаты и обсуждение. На основе вышесказанного была предложена и реализована в виде компьютерной программы (рис. 1) специальная методика реги-страции тремора – «Видеовизуализация тремора». В качестве языка программиро-вания использовался Microsoft Visual C# 2005 Express.

Рис. 1. Программа «Видеовизуализация тремора»

Рис. 2. Экспресс-тест тремора

Для визуализации тремора пациенту предлагают пройти экспресс-тест. Он вытягивает руку и держит её так ровно как сможет в течение одной минуты. Руку пациент вытягивает и держит строго на расстоянии 50 см в центре обзора веб-камеры на фоне, резко контрастирующем с рукой. Для визуализации движения в течение экспресс-теста используется (рис. 2):

выделение выбранным цветом; график интенсивности; рассчитываемая в реальном времени частота тремора График интенсивности показывает в виде столбцов интенсивность тремора,

чем выше столбец, тем больше была разница между двумя кадрами. Этот график строится в реальном времени. Низкая интенсивность тремора на нём указывается


105

зелёным цветом, средняя – желтым и высокая – красным. Расчёт частоты тремора проводится ежесекундно на основе данных с внутреннего таймера программы и данных по количеству колебаний со средней амплитудой.

Для удобства анализа экспресс-тест сопровождается записью видео в форма-те avi, необходимого для истории болезни (рис. 3).

Рис. 3. Запись видео с экспресс-тестом тремора

Следует отметить, что данный метод прост и достаточно удобен в использо-вании. Компьютерная программа работает на обычных компьютерах с операцион-ной системой Windows XP\ Vista\7, программной платформой Microsoft .NET Framework версии 2.0 или выше и видеокодеком DivX 3. При этом наш метод принципиально отличается от существующих на данный момент методов видеоре-гистрации тремора тем, что в нем оценивается движение самой руки, а не специ-ального маркера приклеенного на руку [2]. Таким образом, анализируется тремор всей части руки, попавшей в обзор камеры, а не только тремор маркера.

Выводы. В статье предложен метод регистрации и анализа тремора, осно-ванный на использовании веб-камеры и специальной компьютерной программы детектора движений, с целью повышения эффективности диагностики и лечения ряда заболеваний центральной нервной системы.


1. Тремор [Электронный ресурс]. – Режим доступа: http://society.parkinsonizm.ru/?page=84 Дата обращения: 06.11.2011.

2. Лихачев С.А., Ващилин В.В., Дик С.К. Тремор: феноменология и способы регистрации // Медицинский журнал: научно-практический рецензируемый журнал / учредитель: Бе-лорусский государственный медицинский университет. – 2010. – 2. – С. 133-137.

3. AForge.NET Framework [Электронный ресурс]. – Режим доступа: http://code.google.com/ p/aforge/. Дата обращения: 11.01.2012.

4. GENIUS ISLIM 321R [Электронный ресурс]. – Режим доступа: http://www.genius.ru/ products.aspx?pnum=20464 Дата обращения: 12.01.2012.

5. Горбунов А.В., Антонюк С.Д. Варианты и аномалии развития артерий головного мозга в по-стнатальном онтогенезе человека по данным магнитно-резонансной ангиографии // Вестник Тамбовского государственного университета. – 2006. – Т. 11. – Вып. 2. – С. 174-176.

6. Горбунов А.В. Варианты развития артерий головного мозга человека и цереброваску-лярные нарушения. – Тамбов: Изд-во Першина Р.В., 2009.

Статью рекомендовал к опубликованию д.т.н., профессор А.А. Арзамасцев.


106

Потлов Антон Юрьевич – ФГБОУ ВПО «Тамбовский Государственный Технический Университет»; г. Тамбов; e-mail: [email protected]; 393251, Тамбовская область, г. Расска-зово, ул. Клубная, 22; тел.: 89158712697; кафедра биомедицинской техники; магистрант.

Potlov Anton Yurievich – Tambov State Technical University, Tambov; e-mail: [email protected]; 64, Klubnaya street, Rasskazovo, Tambov region, 393251, Russia; phone: +79158712697; the de-partment of biomedical engineering; master.

УДК 612.014.421

М.А. Сидорова, С.Ю. Костенков

ИСТОРИЧЕСКИЕ АСПЕКТЫ РАЗВИТИЯ КОМПЬЮТЕРНЫХ СИСТЕМ В ЭЛЕКТРОФИЗИОЛОГИИ

Рассмотрено два пути применения средств вычислительной техники в медицинских исследованиях, которые шли во встречном направлении. Приведена классификация приме-няемых в электрофизиологии компьютерных систем по назначению. Выделены три основ-ные составляющие медицинских приборно-компьютерных систем: медицинское, аппарат-ное и программное обеспечение. Рассмотрены современные отечественные медицинские приборно-компьютерные системы и методы, применяемые при электрофизиологических исследованиях. Выделены несколько основных факторов, которые влияют на политику в области медицинской компьютерной техники и определяют уровень внедрения компьюте-ров в медицинскую практику.

Электрофизиология; медицинская техника; классификация; приборно-компьютерные системы.

M.A. Sidorova, S.Yu. Kostenkov

HISTORICAL ASPECTS OF COMPUTER SYSTEMS IN ELECTROPHYSIOLOGY

We consider two ways of application of computer technology in medical equipment, which went in the opposite direction. A classification for the purposeused in the electrophysiology of computer systems. Three major components of medical instrumentation and computer systems: medical, hardware and software. The modern domestic medical instrument and computer systems andmethods used in electrophysiological studies. Identified several key factors that influence the policies of medical computer technology and determine the level of implementation of computers in medical practice.

Electrophysiology; medical technics; classification; device-computer systems.

На сегодняшний день, диагностический процесс не обходится без средств ав-томатизации, а именно, применения компьютерных технологий. Особенно широко средства автоматизации нашли применение в электрофизиологии.

Электрофизиология – раздел физиологии, изучающий электрические прояв-ления жизнедеятельности клеток, тканей и органов, а также механизмы воздейст-вия на них электрического тока. Электрофизиологические методы исследования нашли широкое применение при диагностике и лечении различных заболеваний, оценке функционального состояния органов, тканей, отдельных клеток, при изу-чении природы биоэлектрических явлений и их связи с различными процессами жизнедеятельности. Компьютерные технологии особенно бурно развиваются именно в этой области медицины.

Современные компьютеры представляют собой плоды развития первых мо-делей, которые были разработаны в период Второй мировой войны. Универсаль-ные компьютеры многоцелевого назначения стали появляться на рынке в 50-е –


107

60-е года [1]. Однако намного раньше люди начали размышлять над тем, как мож-но было бы использовать подобные устройства (если они вообще когда-нибудь появятся). Еще в Средние века ученые задавались вопросом, можно ли объяснить логический ход мысли человека на языке каких-либо формализованных или алго-ритмических процедур.

Компьютеры никогда не разрабатывались специально для конкретных медицин-ских задач. А информационные процессы, сопряженные с медико-биологическими, клиническими и профилактическими проблемами, привели к мысли о применении электронных вычислительных машин.

По своей структуре клинические данные, принципиально отличаются от ин-формации, используемой в физике, технике или даже в клинической биохимии. Эти различия порождают специфические проблемы [2].

В конце 60-х годов применение средств вычислительной техники в медицин-ской аппаратуре позволило перейти к разработке принципиально новых устройств. Развитие шло в двух встречных направлениях:

1) оснащение медаппаратуры специализированными вычислительными уст-ройствами;

2) подключение медаппаратуры к универсальным ЭВМ. Первое направление развивалось в основном производителями медицинской

аппаратуры и начиналось с применения простейших микроконтроллеров, с помо-щью которых осуществлялись управление и несложная обработка информации. Вычислительная мощность таких приборов позволяла проводить расчеты лишь после того, как врач провел обследование. Результаты выводились, как правило, на цифровое табло. Программы, поддерживающие работу прибора, были небольшими и хранились в постоянном запоминающем устройстве. Обычно программы писа-лись непосредственно самими разработчиками прибора, так как каждый прибор был индивидуален, а также существовала очень жесткая связь с проектируемым оборудованием.

Второе направление развивалось в медицинских научно-исследовательских институтах, оснащенных универсальными ЭВМ. Здесь ЭВМ сопрягали со стан-дартной медицинской аппаратурой. Так, к середине 70-х годов были разработаны автоматизированные системы для использования в клинике.

С появлением персональных компьютеров и их применением в медицинских приборах произошел еще одни качественный скачок в медицинской технике. Бла-годаря универсальности и повышению вычислительной мощности слияние меди-цинского устройства и компьютера позволило добиться отличных результатов.

К настоящему моменту можно считать, что оба направления практически полностью сблизились и медицинские приборно-компьютерные системы (МПКС) со встроенными специализированными ЭВМ обладают такими же возможностями обработки медицинской информации, что и системы, построенные с использова-нием универсальных ЭВМ.

По функциональным возможностям МПКС подразделяются на: специализи-рованные, многофункциональные и комплексные. Специализированные системы предназначены для проведения исследований одного вида (например, электрокар-диографических). Многофункциональные системы позволяют проводить исследо-вания нескольких видов (например, электрокардиографические и электроэнцефа-лографические). Комплексные системы обеспечивают комплексную автоматиза-цию важной медицинской задачи. Например, мониторная система для автоматиза-ции палаты интенсивного наблюдения, позволяющая отслеживать важнейшие фи-зиологические параметры пациентов, а также контролировать функционирование аппаратов искусственной вентиляции легких.


108

По назначению МПКС могут быть разделены на ряд классов. К ним относятся: 1) системы для проведения функциональных и морфологических исследований; 2) мониторные системы; 3) системы управления лечебным процессом; 4) системы лабораторной диагностики; 5) системы для научных медико-биологических исследований. Широкое распространение получили системы для проведения функциональ-

ных и морфологических исследований. С их помощью осуществляются: исследования системы кровообращения; исследования органов дыхания; исследования головного мозга и нервной системы; исследования органов чувств (зрение, слух и т.д.); рентгенологические исследования (в том числе компьютерная томография); магнито-резонансная томография; ультразвуковая диагностика; радионуклидные исследования; тепловизионные исследования. Мониторные системы предназначены для длительного непрерывного наблю-

дения за состоянием пациента в первую очередь в палатах интенсивной терапии, операционных и послеоперационных отделениях.

К системам управления процессами лечения и реабилитации относятся авто-матизированные системы интенсивной терапии, системы биологической обратной связи, а также протезы и искусственные органы, создаваемые на основе микропро-цессорной технологии.

К системам для лабораторной диагностики относятся системы, предназна-ченные для автоматизированной обработки данных лабораторных исследований. В их число входят системы для анализа биосред и биожидкостей организма боль-ного (крови, мочи, клеток, тканей человека и т.п.), данных микробиологических и вирусологических исследований, иммуноферментных исследований и другие.

Системы для научных медико-биологических исследований отличаются бо-лее широкими возможностями, позволяющими осуществлять более детальное и глубокое изучение состояния организма больного. Кроме того, системы для науч-ных исследований позволяют проводить исследования на животных.

В МПКС можно выделить три основные составляющие: медицинское, аппа-ратное и программное обеспечение.

Медицинское обеспечение любой медицинской системы – это комплекс ме-дицинских предписаний, нормативов, методик и правил, обеспечивающих оказа-ние медицинской помощи посредством этой системы. Применительно к МПКС медицинское обеспечение включает в себя способы реализации выбранного круга медицинских задач, решаемых в соответствии с возможностями аппаратной и про-граммной частей системы. Медицинское обеспечение включает в себя методиче-ские и метрологические вопросы.

Под аппаратным обеспечением понимают способы реализации технической части системы, включающей средства получения медико-биологической инфор-мации, средства осуществления лечебных воздействий и средства вычислительной техники. В качестве вычислительного средства в МПКС используют как специали-зированные микропроцессорные устройства, так и универсальные ЭВМ. В про-стейшем типовом случае аппаратная часть системы включает медицинский диаг-ностический прибор, устройство сопряжения и компьютер.


109

К программному обеспечению относят математические методы обработки медико-биологической информации, алгоритмы и собственно программы, реали-зующие функционирование всей системы [2].

МПКС для проведения электрофизиологических исследований подразделя-ются на:

системы для исследования функций кровообращения (электрокардиогра-фы такие, как Альтон-106 (2006 г.), ЭК3ТЦ-3/6-04 «Аксион» (2008 г.), рео-граф Мицар-РЭО (2007 г.));

системы для исследования головного мозга (эхоэнцефалографы такие, как «Ангиодин-Эхо/У» (2008 г.), Комплексмед 3.1 (+синусограф) (2010 г.), Сономед-315 (2006 г.));

системы для исследования сетчатки глаз (прибор «ИОЛ-мастер» (2000 г.)); системы для исследования общего состояния организма человека через

кожу (система «Медискрин» - «Спортскрин» (2006 г.)); системы для исследования состояния желудочно-кишечного тракта (оте-

чественная разработка «Гастроскан-ГЭМ» (2008 г.)) [3]. Разнообразие медицинских приборно-компьютерных систем указывает на

многогранность и сложность тех проблем, которыми занимаются медицинские информатика, практика и исследования. Управление информационными базами данных является необходимым в медицинской практике и за последние два деся-тилетия значительно возрос интерес к использованию компьютерных систем как к дополнительным средствам, обеспечивающим возможность автоматизированной обработки и управления информационными потоками.

Можно выделить несколько основных факторов, которые влияют на полити-ку в области медицинской компьютерной техники и определяют уровень внедре-ния компьютеров в медицинскую практику:

использование новейших достижений в области разработки аппаратного и программного обеспечения;

постепенное увеличение числа специалистов, прошедших обучение и по-лучивших необходимую подготовку как по клинической медицине, так и по теории компьютерных систем;

непрекращающиеся изменения в политике финансирования системы здра-воохранения, нацеленные на контроль и корректировку роста затрат на медицинские цели [3].

Внедрение новейших технологий разработки аппаратных средств обеспече-ния позволило заметно снизить стоимость мощных компьютеров, которые стали дос-тупны для больниц, больничных отделений и даже для отдельных врачей. Широкий выбор компьютеров самых разнообразных габаритов, стоимости и функциональных возможностей делает перспективу их использования в медицинских задачах весьма привлекательной и реальной. Технологические усовершенствования устройств хране-ния информации - например, появление оптических дисков - существенно упростили и удешевили процесс накопления и запоминания больших массивов данных. Это, в свою очередь, значительно расширило возможность решения прикладных задач, тре-бующих обработки большой массы информации. Примером может служить полно-стью автоматизированная цифровая система получения рентгеновских изображений. Стандартизация аппаратных средств и достигнутые успехи в создании информацион-ных сетей упрощают доступ к общим базам данных и обеспечивают возможность ин-теграции взаимосвязанных функций управления базами данных в пределах больницы или какой-либо другой организации здравоохранения.

Вторым из определяющих факторов является рост числа специалистов, полу-чивших двойное образование как в области медицины, так и в технической и ин-женерной области. Специалистам в компьютерной области, способным понять


110

специфику медицинских проблем, легче создавать компьютерные системы, отве-чающие реальным потребностям медицинской практики. С другой стороны, меди-цинский персонал, получивший специальную подготовку по компьютерным тех-нологиям, сможет на основе использования хорошо развитых методов построить необходимую систему и избежать при этом прошлых ошибок других разработчи-ков. По мере того, как все большее число специалистов по обеим отраслям знаний будет подготовлено, и по мере внедрения разрабатываемых ими программ, все более реальной будет становиться возможность того, что специалисты-медики получат в свое распоряжение полезные и практичные автоматизированные систе-мы, способные оказать им существенную помощь в деле обработки и использова-ния необходимой информации.

Третьим фактором, влияющим на уровень внедрения компьютерных техно-логий в медицинские учреждения, является растущее давление со стороны финан-сирующих органов в плане жесткого контроля и ограничения средств, выделяемых медицинским организациям на текущие расходы. В настоящее время в медицин-ской практике все шире распространяется тенденция использовать современные технологические достижения для решения практически любой задачи, связанной с лечением больного. Врачи начинают считать, что данных стандартного физиче-ского обследования пациента уже не достаточно для постановки диагноза и выбо-ра курса лечения.

Следует отметить, что стремительное развитие аппаратных и программных средств в сочетании с ростом компьютерной грамотности специалистов-медиков способствует внедрению эффективных компьютерных программ в медицинскую практику. Электрофизиология является перспективной областью применения дос-тижений современных компьютерных технологий.


1. Кулаичев А.П. Компьютерная электрофизиология и функциональная диагностика. – 4-е изд. перераб. и доп. – М: ИНФРА-М, 2007-2010. – 640 с.

2. Гельман В.Я. Медицинская информатика: практикум. – СПб: Питер, 2001. – 408 с. (Се-рия «Национальная медицинская библиотека»).

3. Блуа М.С., Шертлиф Э.Г. Компьютеры на службе медицины: развитие новой отрасли знаний. Часть 2. Blois M. S., Shortliffe E. H. The computer meets medicine: emergence of a discipline Medical Informatics: Computer Applications in Health Care. Addison-Wesley Pub-lishing Company. 1990. Chapter 1. – P. 3-34.275 Sand Hill Road, Metro Park, Ca 9402S.

Статью рекомендовал к опубликованию к.т.н., доцент, Л.Ю. Кривоногов.

Сидорова Маргарита Александровна – Пензенская государственная технологическая академия (ПГТА); e-mail: [email protected]; 440026, г. Пенза, ул. К. Маркса, 12, кв. 89; тел. 89273608113; кафедра информационных технологий и менеджмента в медицинских биосистемах; к.т.н.; доцент.

Костенков Сергей Юрьевич – 440018, г. Пенза, ул. 3й Объединенный проезд, 21, кв. 1; ка-федра информационных технологий и менеджмента в медицинских биосистемах; аспирант.

Sidorova Margarita Alexandrovna – Penza State Technological Academy (PSTA); e-mail: [email protected]; 12, K. Marksa street, ap. 89, Penza, 440026, Russia; phone: +79273608113; the department of computer technologies and management in medical and biotechnical systems; cand. of eng. sc.; associate professor.

Kostenkov Sergey Yurevich – 25, 3rd Ob'edinenny proezd street, ap. 1, Penza, 440018, Russia; the department of computer technologies and management in medical and biotechnical systems; post-graduate student.


111

УДК 681.786.5: 616.711

В.Н. Сарнадский, А.И. Уберт

СИСТЕМА ГРАФИКО-ПАРАМЕТРИЧЕСКОГО СРАВНЕНИЯ РЕЗУЛЬТАТОВ ДИНАМИЧЕСКОГО НАБЛЮДЕНИЯ ПАЦИЕНТОВ МЕТОДОМ КОМПЬЮТЕРНОЙ ОПТИЧЕСКОЙ ТОПОГРАФИИ

Метод компьютерной оптической топографии, предназначенный для диагностики на-рушений осанки и деформации позвоночника, обеспечивает восстановление 3D модели туло-вища. Он предоставляет пользователю большой объем информации о состоянии осанки в трех плоскостях. При использовании метода для мониторинга и контроля лечения возникает проблема сопоставления топографических данных. Для ее решения была разработана специ-альная система графико-параметрического сравнения, в которой используется наложение графических представлений двух состояний пациента и отображение разности топографи-ческих параметров с цветной раскраской динамики их изменения, как по величине, так и по направленности (в сторону улучшения или ухудшения состояния осанки).

Компьютерная оптическая топография; сравнение результатов наблюдений.

V.N. Sarnadsky, A.I. Ubert

TECHNIQUE OF GRAPHIC-PARAMETRIC COMPARISON OF PATIENT’S FOLLOW-UP RESULTS BY A COMPUTER OPTICAL TOPOGRAPHY

The computer optical topography method for diagnostic of postural disorders and spinal de-formity provides a 3D model reconstruction of the body surface. It gives the user a large volume of information about postural state in three dimensions. While using the method for monitoring and treatment control a problem of topographic data comparison occurs. To solve this problem the special technique of graphic-parametric comparison was developed. It uses the graphic represen-tations overlay of two patient states and colored difference of topographical parameters depend-ing on their change in magnitude and direction (improvement or declining of postural state).

Computer optical topography; graphic-parametric comparison technique.

В последние годы в медицинскую практику в области ортопедии стали вне-дряться инструментальные методы на основе оптической топографии, позволяю-щие бесконтактно регистрировать 3D форму туловища человека. Среди известных зарубежных систем топографии можно назвать немецкую Formetric [1], англий-ские Quantec [2] и ISIS2 [3], итальянскую Surfacer [4] и канадскую InSpeck [5]. В России в 1994 году была разработана медицинская топографическая система ТОДП [6], не уступающая зарубежным аналогам и получившая к настоящему вре-мени широкое распространение – более 240 ТОДП работают в 67 городах РФ. Ос-новное назначение таких систем – это мониторинг состояния больных со сколио-зами и кифозами, а также контроль результатов лечения. Так как топографическое обследование абсолютно безвредно, оно используется для уменьшения лучевой нагрузки как альтернатива рентгену.

При решении задач мониторинга и контроля лечения деформаций позвоноч-ника важной проблемой является представление результатов обследования в удоб-ном для восприятия виде и создание такой же наглядной системы сравнения этих результатов. Зарубежные топографы, как правило, имеют несколько экранных форм с возможностью их распечатки в виде твердых копий, при этом специальные средства сравнения результатов проработаны недостаточно. В работе [7] Mitchell предложил построение разности рельефа поверхности двух состояний пациента после совмещения сравниваемых поверхностей по критерию минимума средне-квадратичного отклонения одной поверхности от другой. После совмещения 3D модель поверхности раскрашивается в соответствии с величиной разности рельефа


112

в каждой точке. Такой подход может хорошо работать при небольших изменениях рельефа поверхности туловища и давать неприемлемые результаты для грубых изменений, которые возникают у больных с тяжелыми формами сколиоза. Другой подход использован в системе Formetric, у которой имеются специальные режимы сравнения двух и четырех состояний пациента. В первом режиме строятся экран-ные формы с совмещенными для двух состояний пациента графиками и ограни-ченным набором параметров, для которых в виде трех столбцов выводится их зна-чения и разность. Во втором режиме имеется возможность только графического сравнения четырех состояний пациента. Основной недостаток данного подхода, на наш взгляд, множественность выходных форм сравнения и ограничение набора количественно сравниваемых параметров.

Система ТОДП была создана для массовых обследований детского населения с целью раннего выявления сколиоза и других деформаций позвоночника. Поэто-му при разработке системы отображения и регистрации топографических данных для ТОДП, мы руководствовались концепцией «одно обследование (снимок) – одна выходная форма», что позволило при проведении скрининга экономить рас-ходные материалы, снизить трудоемкость и повысить эффективность скрининга. На рис. 1,а приведен пример основной экранной формы топографического обсле-дования на системе ТОДП с версией программного обеспечения WTOPO 3.9, ко-торая может быть распечатана в виде твердой копии и является основной отчетной формой системы ТОДП. На этой форме выводятся графические представления формы туловища и набор топографических параметров, которые описывают со-стояние осанки в трех плоскостях: фронтальной, горизонтальной и сагиттальной. Для оценки состояния осанки также используется иерархическая система инте-гральных индексов с общим интегральным индексом PTI, которые характеризуют выраженность отклонений в форме и ориентации туловища от гармоничного со-стояния [6]. Для облегчения интерпретации при построении основной формы ис-пользуется принцип светофора. Элементы графических представлений и топогра-фические параметры раскрашиваются: в зеленый цвет, если они соответствуют норме или по ним имеются слабовыраженные отклонения; в желтый – при уме-ренно выраженных отклонениях; в красный – при выраженных или значительных отклонениях, соответствующих патологическому состоянию.

На рис. 1,а приведена основная выходная форма больной М. в возрасте 9 лет с диагнозом идиопатический сколиоз I степени, который при дальнейшем наблю-дении пациентки проявил бурное прогрессирование, и, несмотря на консерватив-ное лечение, привел к необходимости хирургической операции в возрасте 12 лет. На примере этой больной мы продемонстрируем возможности системы графико-параметрического сравнения результатов топографических обследований, которая была разработана нами для задач мониторинга и оценки результата лечения боль-ных сколиозом. Система графико-параметрического сравнения сохраняет концеп-цию одной выходной формы и представляет собой видоизмененную основную форму (рис. 1,б), в которой наложены графические представления двух состояний пациента, а вместо значений топографических параметров выводится их разность, что обеспечивает возможность сравнения по всем параметрам сразу.

В отличие от Formetric, в которой графические представления совмещаются в вершине остистого отростка С7 (что мы считаем ошибочным решением), в систе-ме ТОДП графические представления совмещаются в точке SC, соответствующей вершине межъягодичной складки и являющейся нулевой точкой системы коорди-нат, связанной с туловищем пациента [6]. Так как в нашу систему сравнения зало-жена возможность сравнения пациентов в процессе их роста, то помимо совмеще-ния поверхностей в точке SC производится масштабирование совмещаемой по-верхности так, чтобы точки С7 (вершины остистого отростка 7-го шейного по-звонка) двух поверхностей попали на уровень 100 % процентной шкалы.

а

цвыэлср

Рис. 1. М – основная эк

Рис. 2а, б – с в –

В форме ципу светофорыбранного в лементы для равнения гра

Мониторинг сокранная форм

2. 3D модель д раскраской пс раскраской

сравнения (рра и выводяткачестве базо

текущего сосафического пр

Разд

остояния болма (9 лет); б –

дорзальной попо суммарной изменений ф

рис. 1,б) графится красно-корового (с чем сстояния (которедставления

дел II. Медиц

ьной М. с иди– форма сравн

оверхности тй кривизне (дляормы по пред

ические элемричневым цвсравнивают), орое сравнивая «Горизонтал

цинская диагн

иопатическимнения 2-х сост

туловища боля возраста 9 дложенному с

енты теряют ветом для соса синим цветоают). При посльные сечени

ностика и тера

м сколиозом: тояний (9 и 10

льной М.: и 10 лет); способу

окраску по пстояния пациеом – графичестроении в фоия», содержащ

апия

113

лет)

прин-ента, еские орме щего


114

набор сечений с шагом 5 % по процентной шкале, производится дополнительное совмещение в латеральном направлении сечений двух состояний в точках линии остистых отростков. При этом сечения совмещаются по линии остистых отростков для текущего состояния пациента. Такой подход, в отличие от Mitchell [7], позволяет производить сравнение при сильно выраженных боковых искривлениях позвоноч-ника и анализировать изменения величины ротационной деформации позвоночника и связанной с ними величины паравертебральной асимметрии.

Для облегчения анализа изменения значений топографических параметров, вы-водимых в форме сравнения в виде разности значения текущего и базового состоя-ния пациента, их раскраска также отличается от раскраски основной формы по принципу светофора. Разность параметров раскрашивается в 6 цветов исходя из ее величины, нормированной на среднеквадратичное отклонение () этих параметров, полученное при массовых обследованиях детского населения в возрасте от 5 до 17 лет. Если -нормированная разность находится в пределах 1/3, то параметр рас-крашивается в темно-синий цвет, что соответствует состоянию «без изменений»; при значении этой разности в пределах 1 параметр раскрашивается в голубой цвет, соответствующий состоянию «незначительное улучшение» (если текущее состояние ближе к гармоничному, чем базовое), или в желтый – «незначительное ухудшение» (если базовое состояние ближе к гармоничному, чем текущее); аналогично этому, при значениях модуля -нормированной разности больших 1 используется зеленый цвет – «значительное улучшение» или красный – «значительное ухудшение». Для возможного варианта изменения состояния параметра, когда меняется направление отклонения от нормы (например, уплощение лордоза переходи в усиление или пере-кос таза меняет сторону) и текущее состояние параметра становится умеренно вы-раженным или хуже (отклонение от нормы параметра текущего состояния больше ), предусмотрена раскраска в пурпурный цвет, что соответствует состоянию «ин-версия». В приведенном примере формы сравнения на рис. 1,б в качестве базового выступает состояние больной М. в 9 лет, а в качестве текущего – через год и 8 меся-цев. За этот период сколиоз спрогрессировал у больной с I до II степени и по многим параметрам наблюдается ухудшение ее состояния.

В системе ТОДП для визуального анализа используется 3D модель поверхно-сти туловища, наиболее наглядно представляющая состояние осанки пациента. Эта 3D модель может дополнительно раскрашиваться, например, как показано на рис. 2,а,б, где раскраска соответствует величине средней кривизны поверхности (крас-ный цвет – для выпуклых участков, синий – для вогнутых). При построении формы сравнения 3D модель для текущего состояния раскрашивается специальным образом с использованием совмещения горизонтальных сечений по линии остистых отрост-ков позвоночника и расчетом разности высоты рельефа для текущего и базового состояния в каждой точке сечения способом, аналогичным тому, который использу-ется при построении представления «горизонтальные сечения». В зависимости от величины этой разности () точки 3D модели раскрашиваются в соответствии со следующей шкалой: < 1 мм – телесный цвет; > 1 мм – желтый; > 2.5 мм – оранжевый; > 5 мм – пурпурный; > 10 мм – красный; < -1 мм – бирюзовый; < -2.5 мм – голубой; < -5 мм – светло-синий; < -10 мм – синий. На рис. 2,в представлена 3D модель больной М., раскрашенная в режиме сравнения. 3D модель той же больной в возрасте 12 лет до операции (сколиоз спрогрессировал до IV сте-пени) показана на рис. 3,а, на рис. 3,б – через год после хирургического лечения сколиоза, а на рис. 3,в – 3D модель, раскрашенная в режиме сравнения.

В ПО системы ТОДП также предусмотрена возможность графического срав-нения осанки для нескольких снимков пациента (до 10), как показано на рис. 4,а,б.

о

м(ввр

12

3

4

567

С63

Рис. 3. 3D мооперации с ра

т

Описаннмического набверсия WTOPенно повыситинга и контро

Рис. 4. ФормаМ.: а – при оперативно

. Хюбнер Й. Р

. Wojcik A., Msystem // Jou

. Berryman F.back shape in

. Kozlowski J.,nal Deformit

. http://www.c

. http://www.m

. Mitchell H., topography //

Статью р

Сарнадский В30091, г. Новос

одель дорзальаскраской по стуловища в ре

ая система грблюдения пацPO 3.7). Ее пть эффективноля лечения.

а графическог мониторингеого лечения в

БИ

Руководство forMehta M.H., Phiurnal of Bone &

, Pynsent P., Fn scoliosis // Eu, Merolli A., Mo

ties. – 2002. – Vcreaform3d.commetos.org. Pritchard S., H/ Research into

рекомендовал

Владимир Нисибирск, ул. Кр

Разд

ьной поверхносуммарной крезультате хир

рафико-парамциентов интегприменение вность использ

го сравнения не в возрасте с ближайшем и


rmetric III 3D/4ilips G. Surface Joint Surgery. –

Fairbank J. et ar Spine J. – 200onni G. User fr

Vol. 88, 3 – Pm/en/3d-body-dig

Hill D. Surface A Spinal Deformi

ла к опублико

иколаевич – рылова, 31; тел

дел II. Медиц

ости туловищривизне; в – с ррургического

метрическогогрирована в Пв клиническойзования систе

нескольких сос 9 до 12 л.; б –и отдаленном


4D // Выпущеноe imaging of bod– 1994. – Vol. 2al. A new syste08. – Vol. 17. – Priendly computeP. 110-115. gitizer/mega-cap

Alignment to unities. – 2006. –

ванию к.м.н.

ООО «Метосл.: 83833254152

цинская диагн

ща больной М раскраской и лечения скол

сравнения рПО системы Тй практике пемы ТОДП д

стояний пацие– при контроле периодах (в пр

ИСОК

о 01.02.2007, реdy and spinal sh27. – P. 328-333em for measurinP. 663-672.

er profilometry /

pturor.aspx.

nmask scoliotic 5. – P. 213-2

И.Л. Трегубо

»; e-mail: me2; генеральный

ностика и тера

М.: а до и б посизменений фориоза

результатов дТОДП в 2010 озволяет сущдля задач мон

ента для больне результатовределах 5 лет

евизия 2. hape by the Qu3. ng three-dimens

// Research into

deformity in su17.

ова.

etos.org@gmail.й директор; к.т.

апия

115

сле рмы

дина-году щест-нито-

ной в )

uantec

sional

o Spi-

urface

.com; .н.


116

Уберт Алексей Игоревич – Новосибирский государственный технический университет; e-mail: [email protected]; 630092, г. Новосибирск, пр. К. Маркса, 20; тел.: 89139050684; кафедра автоматики; аспирант.

Sarnadsky Vladimir Nikolaevich – LLC Metos; e-mail: [email protected]; 31, Krylova street, Novosibirsk, 630091, Russia; phone: +73833254152; DG; cand. of eng. sc.

Ubert Aleksey Igorevich – Novosibirsk State Technical University; e-mail: [email protected]; 20, K. Marx avenue, Novosibirsk, 630092, Russia; phone: +79139050684; the department of automa-tion; postgraduate student.

УДК 612.822.3+612.825.54

В.Н. Анисимов, Н.С. Ермаченко, А.А. Ермаченко, Л.В. Терещенко, А.В. Латанов

ЭКСПЕРИМЕНТАЛЬНЫЙ КОМПЛЕКС ДЛЯ ОДНОВРЕМЕННОЙ РЕГИСТРАЦИИ ДВИЖЕНИЙ ГЛАЗ И ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ

Разработан аппаратный комплекс для синхронной регистрации движений глаз и ЭЭГ. Комплекс включает быструю цифровую камеру (250 Гц) и стандартный электроэн-цефалограф. Видеозапись движений глаз с высоким временным разрешением позволяет точно определить положение взора в любой момент времени, при этом по амплитудно-частотным характеристикам ЭЭГ можно оценить текущее функциональное состояние ЦНС при выполнении какой-либо ментальной деятельности. В экспериментах исследовали параметры движений глаз и динамику амплитуды ЭЭГ в альфа-диапазоне, сопровождаю-щие различную когнитивную деятельность – перцептивную и лингвистическую. Использо-вали две парадигмы, вовлекающие различные когнитивные процессы – произвольный зри-тельный поиск и чтение предложений с синтаксической неоднозначностью. При выполне-нии различной когнитивной деятельности параметры движений глаз и динамика амплиту-ды ЭЭГ в альфа-диапазоне отражали эффективность решения задач и степень вовлече-ния различных процессов внимания.

ЭЭГ; движения глаз; видеоокулография; чтение; внимание; зрительный поиск.

V.N. Anisimov, N.S. Ermachenko, A.A. Ermachenko, L.V. Tereschenko, A.V. Latanov

EXPERIMENTAL SETUP FOR SYNCHRONOUS RECORDING OF EYE MOVEMENTS AND EEG

We designed the experimental setup for synchronous recording of eye movements and EEG. This system consists of (или includes) aIt composes with fast digital camera (250 Hz) and a stand-ard EEG-recorder. The high frequency video recording provides the detectionng of gaze direction at the every time moment, while the amplitude and temporal characteristics of EEG reflect func-tional state of the brain during any mental performance. In experiments we studied eye movement parameters and EEG alpha band amplitude dynamics that accompany different cognitive functioningfunctions (processes или activity?) – perceptual and linguistic. The two paradigms involved the different cognitive processes were conducted – guided visual search and syntactic disambiguation. In different mental executionThe eye movement parameters and EEG alpha band amplitude dynamics were related with task performance efficiency and involvement of different attentional subsystem processes during various mental strains. (или mental processes, mental states, activities) involvement.

EEG; eye movements; eye tracking; reading, attention; visual search.


117

Аппаратный комплекс разработан для синхронной регистрации движений глаз и ЭЭГ. Комплекс включает быструю цифровую камеру FastVideo 250V, подключен-ную к высокоскоростному грабберу (НПО «Астек», Россия), и 24-канальный элек-троэнцефалограф «Мицар-ЭЭГ-202» (ООО «Мицар», Россия), управляемыми спе-циальными компьютерами. Для управления комплексом разработано оригиналь-ное программное обеспечение, которое обеспечивает синхронизацию компонентов системы, запись данных и их анализ. Для синхронизации ЭЭГ и видеозаписи ис-пользуются синхроимпульсы, генерируемые на аппаратном уровне. Синхроим-пульсы отображаются в виде маркеров на одном из каналов энцефалографа и од-новременно в виде затемнения всего кадра на видеозаписи (в результате кратко-временного выключения инфракрасной подсветки), что впоследствии использует-ся в программе обработки видеозаписи для синхронизации движений глаз и ЭЭГ. Таким образом достигается синхронизация моментов событий на видеозаписи с сопровождающими их биопотенциалами.

Пик чувствительности матрицы лежит в инфракрасном диапазоне, поэтому видеорегистрацию осуществляли в условиях инфракрасной (ИК) подсветки глаза с использованием матрицы из 28 ИК-светодиодов (L-53SF6C, λпик = 860 нм), рас-положенных радиально для равномерного освещения. Камеру и ИК-светодиоды располагали сбоку так, что оптическая ось объектива камеры и ось светового по-тока ИК-светодиодов были перпендикулярны оси взора. Регистрируемое изобра-жение глаза (в ИК-диапазоне) отражалось от «теплового зеркала» (эмиссионного фильтра), расположенного перед испытуемым в плоскости под углом 45 град. к оси взора. Эмиссионный фильтр отражает длинноволновый свет (λ>800 нм) и про-пускает свет видимой области спектра. Такое расположение камеры позволяет уб-рать ее из поля зрения испытуемого и избежать искажений, связанных с угловыми отклонениями от оси взора при вычислении координат центра зрачка [3]. Видеоре-гистрацию с частотой 250 Гц и размером кадра 320х240 пикселей осуществляли с использованием стандартного программного обеспечения Fastvideo Lab по прото-колу Camera Link. В экспериментах голову испытуемых не жестко фиксировали с по-мощью лобно-подбородной подставки для минимизации лишних движений. При этом изображение глаза полностью попадало на матрицу видеокамеры. Перед экспери-ментом производили калибровку видеосистемы.

Зрительные стимулы предъявляли на мониторе Samsung SyncMaster 940N, рас-полагаемом в 45 см от глаз испытуемого. Биопотенциалы регистрировали монопо-лярно от 8 электродов (Ag/AgCl), расположенных по системе «10–20 %» (стандарт-ные отведения F3, F4, C3, C4, P3, P4, O1, O2). В качестве референтного использова-ли объединенный ушной электрод (Ag/AgCl). Фильтрацию биопотенциалов осуще-ствляли в диапазоне 0,5–30 Гц. Для биполярной регистрации ЭОГ использовали два чашечковых электрода (Ag/AgCl), расположенных на внешних орбитах обоих глаз (для регистрации горизонтальной составляющей ЭОГ) и два таких же электрода, расположенных над и под орбитой левого глаза (для регистрации вертикальной со-ставляющей ЭОГ). Полоса пропускания потенциалов ЭОГ составляла 0,16–15 Гц. Частота оцифровки биопотенциалов составляла 500 Гц. Все потоки данных (ЭЭГ, электроокулограмма, видеорегистрация глаза, предъявление изображений) синхро-низировали с использованием оригинальных аппаратных средств.

Для выделения зрачка, являющегося самым темным фрагментом изображе-ния, использовали оригинальное программное обеспечение. Алгоритм определе-ния направления взора заключался в вычислении координат центра тяжести выде-ленного эллипса, соответствующего зрачку. Используя эти координаты, строили траекторию движений глаз при рассматривании испытуемыми предъявляемых изображений. По маркерам синхронизации совмещали во времени траекторию


118

взора с ЭЭГ, сопоставляя, таким образом, паттерны движений глаз с динамикой биопотенциалов. Движения глаз представляют собой поведенческий компонент зрительно-моторной деятельности, а динамика ЭЭГ отражает функциональное состояние ЦНС, сопровождающее эту деятельность.

В экспериментах испытуемые выполняли две зрительно-моторные задачи – произвольный зрительный поиск и чтение текстов, содержащих синтаксическую неоднозначность.

Произвольный зрительный поиск. Процессы внимания обеспечивают лю-бую произвольную деятельностью человека. Параметры движений глаз отражают динамику изменения фокусов внимания во время рассматривания зрительной сце-ны [1, 2, 6]. Анализ движенийя глаз во время выполнения глазодвигательных задач также позволяет оценить динамику процесса восприятия информации испытуе-мым. Общепризнанным средством оценки функционального состояния мозга яв-ляется динамика амплитуды потенциалов ЭЭГ в альфа-диапазоне. Так, при реше-нии различных когнитивных задач вовлечение внимания сопровождается сниже-нием амплитуды ЭЭГ (десинхронизацией, Д) в указанном диапазоне [1, 4].

В парадигме зрительного поиска (ЗП) испытуемых инструктировали нахо-дить один релевантный стимул (РС) среди 45–57 нерелевантных (нРС) (рис. 1). Момент нахождения РС определяли на основании трекинга взора методом видео-окулографии с дополнительной регистрацией электроокулограммы. Относитель-ного этого момента производили усреднение ЭЭГ по алгоритму [4] и анализирова-ли динамику ЭЭГ в частотном диапазоне альфа-ритма. Фиксация взора (в резуль-тате поиска) на РС сопровождалась десинхронизацией ЭЭГ в альфа-диапазоне (рис. 2) во всех отведениях, но наибольшей выраженности достигала в лобных и центральных областях. Выполнение поиска (нахождение РС) вызывает значитель-ное изменение функционального состояния человека (в частности, изменение ак-тивности произвольного внимания), что отражается наиболее выраженной Д в лобных и центральных отведениях.

Рис. 1. А – стимулы, используемые в экспериментах; слева – РС, справа – нРС. Б – пример тестового изобра-

жения с набором стимулов; стрел-кой отмечен РС. Линиями обозначены

саккады, а кружками – фиксации взора, регистрируемые при поиске РС

Рис. 2. Фрагмент записи ЭЭГ. Верти-кальной линией обозначен момент позиционирования взора на РС, уста-новленный по видеозаписи. F3, F4, C3,

C4, P3, P4, O1, O2 – стандартные отведения ЭЭГ


119

Чтение текстов. Программно-аппаратный комплекс был использован в ис-следованиях, связанных с лингвистической деятельностью во время чтения, а именно, с процессом разрешения синтаксической неоднозначности. Параметры движений глаз (длительности фиксаций, амплитуды саккад, количество регрессив-ных саккад) используют для оценки когнитивных процессов во время чтения [2, 5]. Мы исследовали процесс разрешения синтаксической неоднозначности при чте-нии предложений, содержащих неоднозначность соответствия придаточного пред-ложения к одному из двух дополнений (например, «Преступник застрелил слу-жанку актрисы, которая стояла на балконе»).

Испытуемые читали 40 тестовых предложений (ТП) с неоднозначностью (рис. 3) и 40 контрольных предложений (КП), не содержащие смысловых противоречий. По-сле прочтения предложения испытуемые отвечали на контрольный вопрос о соот-ветствии придаточного предложения какому-либо из двух дополнениюй.

Увеличение всех исследованных параметров при чтении 2-ой строки тесто-вых предложений (табл. 1) свидетельствует о затруднениях при интерпретации смысла предложений, то есть параметры движений глаз являются объективными коррелятами процесса разрешения синтаксической неоднозначности. Известны работы, в которых исследованы параметры движений глаз при разрешении син-таксической неоднозначности в различных языках [2, 5]. В настоящей работе мы впервые использовали методику регистрации движений глаз для исследования разрешения синтаксической неоднозначности в русском языке. Анализ психофи-зиологических параметров, отражающих когнитивный аспект при чтении, пред-ставляет интерес для сравнения синтаксических особенностей разных языков.

Рис. 3. Траектория взора испытуемого при чтении ТП. Точки соответствуют фиксациям. По вертикали – период времени от начала эксперимента (с).

По горизонтали – положение взора в долях от ширины экрана, принятой за «1». Круглые скобки ограничивают треки взора, соответствующие периодам чтения

последовательных строк. Стрелкой обозначена регрессивная саккада

Разработанный нами комплекс может использоваться в самых разнообразных областях научной, образовательной, медицинской и производственной практики, а также в сфере информационных технологий.

Таблица 1 Параметры движений глаз при чтении 2-й строки в ТП и КП

Параметр ТП КП р

Время чтения (мс) 1474+28 (720) 1269+21 (720) <0,00001

Число фиксаций 5,27+0,07 (720) 4,68+0,05 (720) <0,00001

Частота регрессивных саккад (на строку) 0,669+0,037 (720) 0,319+0,024 (720) <0,00001

Длительность фиксаций (мс) 222+2 (3775) 209+2 (3362) <0,026


120

Примечание: параметры представлены средними арифметическими и стан-дартной ошибкой (в скобках указаны объемы выборок); данные усреднены по всем предъявлениям и по всем испытуемым; влияние фактора «неоднозначность» (с соответствующим уровнем значимости p) для всех параметров оценивали методом дисперсионного факторного анализа.


1. Cognitive Processes in Eye Guidance / Ed. by G. Underwood. – Oxford University Press, 2005. – 199 p.

2. Eye guidance in reading and scene perception / Ed. by G. Underwood. – Oxford: Elsevier, 1998. – 466 p.

3. Lijima A., Minamitani H., Ishikawa N. Image analysis of quick phase eye movements in nystagmus with high-speed video system // Medical a. Biological Engineering a. Computing. – 2001. – Vol. 39. – P. 2-7.

4. Pfurtscheller G., Klimesch W. Functional topography during a visuoverbal judgement task studied with event related desynchronization mapping // J. Clin. Neurophysiol. – 1992. – Vol. 9. – P. 120-131.

5. Rayner K. Eye movements in reading and information processing: 20 years of research // Psychol. Bull. – 1998. – Vol. 124. – P. 372-422.

6. Vision and attention / Ed. by Jenkin M., Harris L. – New York: Springer-Verlag, 2001. – 316 p.

Статью рекомендовал к опубликованию д.б.н. И.В. Бондарь.

Анисимов Виктор Николаевич – Московский государственный университет им. М.В. Ломоносова; e-mail: [email protected]; 119991, Москва, Ленинские го-ры, 1, стр. 12, ГСП-1; кафедра высшей нервной деятельности; м.н.с.

Ермаченко Наталья Сергеевна – e-mail: [email protected]; кафедра высшей нервной деятельности; н.с.; к.б.н.

Ермаченко Александр Александрович – e-mail: [email protected]; кафедра высшей нервной деятельности; инженер-лаборант.

Терещенко Леонид Викторович – e-mail: [email protected]; кафедра высшей нервной деятель-ности, с.н.с., к.б.н.

Латанов Александр Васильевич – e-mail: [email protected]; кафедра высшей нерв-ной деятельности; д.б.н.; профессор.

Anisimov Victor Nikolaevich – Lomonosov Moscow State University; e-mail: [email protected]; GSP-1, 1-12, Leninskie gory, Moscow, 119991, Russia; the de-partment of higher nervous activity; junior research fellow.

Ermachenko Natalia Sergeevna – e-mail: [email protected]; the department of higher nervous activity; junior research fellow; cand. of boil. sc.

Ermachenko Alexandr Alexandrovich – e-mail: [email protected]; the department of higher nervous activity; engineer.

Tereschenko Leonid Victorovich – e-mail: [email protected]; the department of higher nervous ac-tivity; senior scientist; cand. of boil. sc.

Latanov Alexandr Vasilievich – e-mail: [email protected]; the department of higher nervous activity; dr. of boil. sc.; professor.

Раздел III. Биотехнологии, биомедицинские нанотехнологии

121


УДК 621.315.592:539.213:539.217.5:541.64

Т.А. Бедная, Т.В. Семенистая

НЕЙРОМОДЕЛИРОВАНИЕ СВОЙСТВ ПЛЕНОК МЕДЬСОДЕРЖАЩЕГО ПАН ДЛЯ СОЗДАНИЯ ГАЗОАНАЛИЗАТОРОВ

Исследована целесообразность моделирования значения коэффициента газочувствитель-ности по технологическим параметрам процесса получения пленок Cu-содержащего полиакри-лонитрила (ПАН) на основе использования искусственных нейронных сетей. Посредством ней-ронной сети установлены оптимальные технологические параметры создания эффективных сенсоров газа к диоксиду азота. Качество работы искусственной нейронной сети определялось по среднеквадратичной ошибке прогнозирования значений свойства на обучающей выборке, по коэффициенту корреляции между прогнозируемыми и экспериментальными значениями свой-ства на обучающей выборке и среднеквадратичной ошибке прогноза на контрольной выборке. Для получения пленок использован метод некогерентного ИК-излучения.

Нейронная сеть; полиакрилонитрил; ИК-отжиг; электропроводящие органические полимеры; газочувствительные материалы.

T.A. Bednaya, T.V. Semenistaya

NEURAL NETWORK MODEL OF THE PROPERTIES OF FILMS COPPER-CONTAINING PAN TO CREATION A GAS ANALYZERS

Expediency of modeling the value of factor of gas-sensitivity on technological parameters of process of Cu-containing polyacrylonitrile (PAN) films fabrication by using artificial neural net-works is investigated. Optimal technological parameters of creation of the effective sensors to nitrogen dioxide are established by means of the neural network. Quality of work of the artificial neural network was determined by a root-mean-square error of predicting of values of property on a training sample, on factor of correlation between predicted and experimental values of property on a training sample and a root-mean-square error of a forecast on a control sample. To fabricate the film method of incoherent IR-radiation is used.

Neural network; polyacrylonitrile; IR-pyrolize; electroconductive organic polymers; gas-sensing materials.

В настоящее время в медицине возрос интерес к диагностике функциональ-ных расстройств человека с использованием газоанализаторов, с помощью кото-рых есть возможность обнаружить микрокомпоненты во вдыхаемом и выдыхае-мом человеком газах. Они в свою очередь могут свидетельствовать о различных расстройствах в организме. Поэтому создание экономичных низкотемпературных сенсоров газов, является перспективным направлением исследований.

Особо выделяют химические сенсоры газов – они сочетают простоту и деше-визну конструкции с высокой чувствительностью, непрерывностью действия, от-сутствием расходуемых материалов, обратимостью показаний и легко включаются в автоматизированные системы. Одним из них являются сенсоры газов с чувстви-тельным слоем на основе металлсодержащих органических полимерных наноком-позитных материалов. Достоинством таких сенсоров является возможность их функционирования при комнатной температуре.


122

В направлении разработки критериев для создания газочувствительных слоев сенсоров газов с заданными свойствами интенсивно проводятся исследования. Прогноз свойств материалов чувствительного слоя позволяет значительно сокра-тить затраты времени и средств при создании сенсоров. В связи с этим предлагает-ся использовать подход, основанный на принципах моделирования газочувстви-тельных характеристик по данным о технологических режимах формирования ма-териала. Поскольку метод получении. Наноструктуры оказывает сильное влияние на эволюцию свойств материалов [1].

В работе исследовали целесообразность моделирования значения коэффици-ента газочувствительности плёнок медьсодержащего ПАН путем построения ис-кусственных нейронных сетей.

Объектом исследования являются пленки полупроводникового нанокомпо-зитного материала, который состоит из ПАН и модифицирующей добавки (содер-жание меди по массе: 0,25 %; 0,5 %; 0,75 %; 1 %). Легирование медью проводили для повышения избирательности и адсорбционной активности ПАН.

Пленкообразующий раствор состава ПАН, СuCl2 в диметилформамиде наноси-ли на диэлектрическую подложку. Для удалении растворителя полученные образцы сушили в термошкафу в течение 30 минут при температуре 160 ˚С и выдерживали в течение 24 часов при комнатной температуре до полного их обесцвечивания.

Пленки состава ПАН/Сu формировали методом пиролиза под действием не-когерентного ИК-излучения. Термообработку проводили по причине того, что ПАН является диэлектриком, но после термической обработки (500 ˚С) становится полимером с сопряженными связями и следующими электрофизическими свойст-вами: удельная электропроводность при 20 ºС равна 3·10-3 Ом-1·см-1, энергия акти-вации проводимости 0,32 эВ [2].

ИК-отжиг образцов проводился в два этапа. Интенсивность излучения на первом этапе ИК-отжига соответствовала температурам 250 ºС и 300 ºС, а интен-сивность излучения на втором этапе ИК-отжига – 350 и 450ºС. Время воздействия ИК-излучения при каждой температуре варьировали (2÷20 минут).

Для проведения исследований электрофизических свойств на поверхности плёнок формировались серебряные контакты на расстоянии 1 мм друг от друга. Измерения сопротивления полученных образцов газочувствительного материала проводили на тераомметре Е6-13А. Коэффициент газочувсвительности рассчиты-вали по формуле S = (Rо – Rg)/Rо, при Rо > Rg, где Rо – значение сопротивления плёнки на воздухе, Rg – значение сопротивления пленки в атмосфере детектируемого газа.

Для проведения компьютерного эксперимента выбрано 44 образца плёнок медьсодержащего ПАН, изготовленных в разных температурно-временных режи-мах ИК-отжига и разным содержанием модифицирующей добавки.

При обработке экспериментальных данных использовали различные подходы к аппроксимации функций характеристик объекта исследования от заданных па-раметров. Задача прогноза свойств является типичной обратной задачей воссозда-ния причин по их следствиям. Как и большинство обратных задач, она относится к типу плохо определенных (некорректных), т.е. можно подобрать множество рег-рессионных моделей, удовлетворяющих заданным критериям.

Одним из самых простых способов прогноза свойств является метод множе-ственной линейной регрессии [3], представляющий результаты наблюдений с по-мощью полинома вида у = b0 + b1· x1 + b2 · x2 + b3 · x3 + b4 · x4.

Для вычисления коэффициентов уравнения линейной регрессии (b0, b1, b2, b3, b4) использовали метод наименьших квадратов, обеспечивающий минимум суммы квад-ратов отклонений опытных данных от значений, вычисленных по уравнению рег-рессии. В результате получено уравнение:

S = 0,03m – 0,001T1 + 0,019t1 + 0,136T2 + 0,012t2 + 0,46,


123

где S – газочувствительность образца; m – массовая концентрация меди в пленко-образующем растворе (масс.%), Т1, t1 – температура и время первого этапа ИК-отжига, Т2, t2 – температура и время второго этапа ИК-отжига.

Результаты статистики: коэффициент детерминации r2 = 0,002; критерий Фишера F = 0,015; объясненная дисперсия v = 0,13; среднее квадратичное откло-нение s = 0,11. Результаты неудовлетворительны, поэтому необходимо использо-вать другие методы моделирования.

Прогноз свойств может быть осуществлен также с помощью нейронных се-тей [4–6], представляющих собой упрощенную математическую модель обработки информации головным мозгом человека. Согласно общим правилам построения нейросетевых моделей, экспериментальные данные, которые используются при обучении искусственных нейронных сетей, не проходят никакой предварительной обработки в отличие от регрессионного анализа. При этом необходимый объем данных, требуемых для обучения нейросети, может быть существенно меньше, чем для построения регрессионной зависимости.

На первом этапе построения нейросетевой модели формировали базу экспери-ментальных данных технологических параметров формирования материала пленок состава ПАН/Сu (табл. 1), результаты которых составляют пространство измерений. На втором этапе по результатам измерений вычисляют и выделяют характерные при-знаки, объединяемые в вектор признаков, входящий в пространство признаков.

Таблица 1

Нормированные параметры технологического процесса (хi=xi/xmax) формирования пленок Cu-содержащего ПАН, значения

газочувствительности, разбиение на выборки ω (Cu),

масс.% Т1, ºС

t1, мин

Т2, ºС

t2, мин

S, отн. ед.

ω (Cu), масс.%

Т1, ºС

t1, мин

Т2, ºС

t2, мин

S, отн. ед.

1. 0,25 0,83 0,25 1,00 0,20 0,62 23. 0,75 0,83 0,25 1,00 0,20 0,00 2. 0,25 0,83 0,25 0,78 1,00 0,26 24. 0,75 0,83 0,25 0,78 1,00 0,34 3. 0,25 0,83 1,00 0,78 0,20 0,38 25. 0,75 0,83 1,00 0,78 0,20 0,76 4. 0,25 0,83 1,00 0,78 0,50 0,00 26. 0,75 0,83 1,00 0,78 0,50 0,58 5. 0,25 0,83 1,00 1,00 0,20 0,03 27. 0,75 0,83 1,00 1,00 0,20 0,00 6. 0,25 1,00 0,25 0,78 0,20 0,07 28. 0,75 1,00 0,25 0,78 0,20 0,09 7. 0,25 1,00 0,25 1,00 0,20 0,00 29. 0,75 1,00 0,25 1,00 0,20 0,03 8. 0,25 1,00 0,75 0,78 0,50 0,78 30. 0,75 1,00 0,75 0,78 0,50 0,34 9. 0,25 1,00 1,00 0,78 0,20 0,59 31. 0,75 1,00 1,00 0,78 0,20 0,65 10. 0,25 1,00 1,00 0,78 0,50 0,52 32. 0,75 1,00 1,00 0,78 0,50 0,38 11. 0,25 1,00 1,00 0,78 1,00 0,00 33. 0,75 1,00 1,00 0,78 1,00 0,35 12. 0,50 0,83 0,25 1,00 0,20 0,00 34. 1,00 0,83 0,25 1,00 0,20 0,00 13. 0,50 0,83 0,25 0,78 1,00 0,78 35. 1,00 0,83 0,25 0,78 1,00 0,50 14. 0,50 0,83 1,00 0,78 0,20 0,77 36. 1,00 0,83 1,00 0,78 0,20 0,59 15. 0,50 0,83 1,00 0,78 0,50 0,81 37. 1,00 0,83 1,00 0,78 0,50 0,71 16. 0,50 0,83 1,00 1,00 0,20 0,00 38. 1,00 0,83 1,00 1,00 0,20 0,05 17. 0,50 1,00 0,25 0,78 0,20 0,66 39. 1,00 1,00 0,25 0,78 0,20 0,71 18. 0,50 1,00 0,25 1,00 0,20 0,00 40. 1,00 1,00 0,25 1,00 0,20 0,00 19. 0,50 1,00 0,75 0,78 0,50 0,63 41. 1,00 1,00 0,75 0,78 0,50 0,00 20. 0,50 1,00 1,00 0,78 0,20 0,80 42. 1,00 1,00 1,00 0,78 0,20 0,66 21. 0,50 1,00 1,00 0,78 0,50 0,21 43. 1,00 1,00 1,00 0,78 0,50 0,69 22. 0,50 1,00 1,00 0,78 1,00 0,64 44. 1,00 1,00 1,00 0,78 1,00 0,27

В работе [4] приводится математическое обоснование возможности аппрок-симации сетями типа «многослойный персептрон». Многослойные сети отличают-ся тем, что между входными и выходными данными располагаются несколько так называемых скрытых слоев нейронов. Они представляют собой нейроны, которые не имеют непосредственных входов исходных данных, а связаны только с выхо-дами входного слоя и с входом выходного слоя. Таким образом, скрытые слои до-полнительно преобразуют информацию и добавляют нелинейности в модели.


124

В процессе обучения сеть в определенном порядке просматривает обучаю-щую выборку, выбирая оптимальные значения весов. Функция активации ограни-чивает амплитуду выходного сигнала нейрона.

Для моделирования зависимости коэффициента газочувствительности от технологических параметров предлагается использовать нейросеть с прямым рас-пространением сигнала (многослойный персептрон).

Для построения нейросетевой модели использовалась искусственная нейрон-ная сеть, содержащая 5 входных, 1 выходной нейронов. Каждый входной нейрон соответствовал одному из технологических параметров: температура и время перво-го и второго этапов отжига, а также массовая доля модифицирующей добавки; вы-ходной – коэффициенту газочувствительности к NO2. Для анализа полученных экс-периментальных данных применен метод построения нейросетевой модели с ис-пользованием программного приложения Statistica Neural Networks 4.0, путем по-строения нейронной сети в виде двухслойного персептрона (рис. 1). Полученные в результате обучения сети данные обрабатывали с помощью программы Statistica 6.0.

Выбор количества слоев нейросети и алгоритм обучения осуществляли из 6 методов: обратного распространения, сопряженных градиентов, Квази-Ньютон, Левенберга-Маркара, быстрого распространения, дельта-дельта-с-чертой.

Наименьшая среднеквадратическая ошибка и наибольший коэффициент кор-реляции оказалась у нейросети с 4 нейронами в 1 скрытом слое и 8 во втором, ал-горитмом обучения метод сопряженных градиентов. Архитектура нейронной сети представлена на рис. 1.

Рис. 1. Двухслойный персептрон нейронной сети

При обучении нейронной сети «с учителем» компьютерная программа для построения нейронной сети вычисляет отклонения значений коэффициента газо-чувствительности на выходном нейроне от реальных показателей и обратном про-хождении этих отклонений до породивших его элементов с целью коррекции ошибки. На каждой эпохе на вход сети подавали все обучающие наблюдения, ко-торые сравнивали с целевыми значениями и вычисляли ошибки. Значение ошибки использовали для корректировки весов сети. Действия повторяли до тех пор, пока ошибка не перестанет уменьшаться (рис. 2).

Качество работы искусственной нейронной сети определяли по среднеквад-ратичной ошибке прогнозирования значений свойства на обучающей выборке st, по коэффициенту корреляции между прогнозируемыми и экспериментальными значения свойства на обучающей выборке R и среднеквадратичной ошибке про-гноза на контрольной выборке sv.: st = 0,14, R = 0,86 sv = 0,24.

Составлено уравнение корреляционной зависимости между расчётными и экспериментальными значениями газочувствительности пленок ПАН и медьсо-держащего ПАН: Sрасчёт = 0,812Sэкспер + 0,036. Визуализация уравнения представле-на на рис. 3.

Таким образом, можно утверждать, что применяемый метод может быть ис-пользован для предсказания значения коэффициента газочувствительности пленок, что позволит сузить область поиска изначально задаваемых технологических па-раметров при формировании материала пленок.


125

График обучения

ОшибкаО.1

-50 0 50 100 150 200 250 300 350 400 450 500 550-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

1,1

1,2

1,3

1,4

1,5

1,6

Рис. 2. Изменение ошибки сети в процессе ее обучения (500 эпох)

Рис. 3. Диаграмма разброса экспериментальных и расчетных значений пленок медьсодержащего ПАН согласно QSPR модели (коэффициент детерминации

разброса экспериментальных и расчетных значений r2=0,73)

Установлен оптимальный набор технологических параметров m (Сu)=0,3масс.%, Тсушки=160 ºС, tсушки=30 мин, ТИК-отжига 1 этап=250ºС, tИК-отжига 1 этап=20 мин, ТИК-отжига 2 этап= =350ºС, tИК-отжига 2 этап = 2 мин.

Показано, что применение нейросетевой модели позволяет по технологиче-ским параметрам прогнозировать значение коэффициента газочувствительности пленок медьсодержащих ПАН.

Установлены оптимальные параметры для разработки эффективного сенсора газа на основе ПАН, работающего при температурах диапазона 17–40 °С.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК:

1. Минько Н.И., Строкова В.В., Жерновский И.В., Нарцев В.М. Методы получения и свой-ства нанообъектов: Учеб. пособие. – М.: Флинта: Наука, 2009. – 168 с

2. Дулов А.А., Слинкин А.А. Органические полупроводники. – М.: Наука, 1970. – 128 с. 3. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Кн. 1, 2. – М.: Мир, 1981. – 252 с 4. Хайкин С. Нейронные сети: полный курс. – 2-е изд.: Пер. с англ. – М.: Изд. дом «Виль-

ямс», 2006. – 1104 с.


126

5. Афанасенко А.Г., Веревкин А.П. Нейросетевое моделирование показателей качества про-цесса карбонизации // Вестник УГАТУ. Управление, ВТ и И. – 2009. – Т. 13, 2 (35). – С. 222-225.

6. Бахметов Н.А., Токарев С.В. Моделирование технологических процессов с помощью нейронных сетей // Современные наукоемкие технологии. – 2008. – 2. – С. 139-140.

Статью рекомендовал к опубликованию к.т.н., доцент К.Н. Матюхин.

Бедная Татьяна Алексеевна – Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Таганрогский государственный педагогический институт имени А.П. Чехова»; e-mail: [email protected]; 346844, Ростовская обл., Неклиновский р-он., с. Боцманово, ул. Морская, 37; тел.: 89289561532; кафедра теоре-тической, общей физики и технологии; аспирант.

Семенистая Татьяна Валерьевна – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347939, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 89515222035; кафедра химии и экологии; к.х.н.; доцент.

Bednaya Tatyana Alekseevna – Federal State-Owned State-Financed Educational Establishment of Higher Vocational Education «Taganrog state pedagogical institute named after A.P. Chekhov»; e-mail: [email protected]; 37, Morskaya, Neklinovskiy district, Rostov region, 346844, Russia; phone: +7289561532; the department of theoretical, general physics and technology; postgraduate student.

Semenistaya Tatiana Valerievna – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; 44, Nekrasovsky, Taganrog, 347928, Russia; phone: +79515222035; the department of chemistry and ecology; cand. chem. sc.; associate professor.

УДК 574(07)

И.С. Захаров, А.В. Завгородний, Т.В. Гурская

АППАРАТУРНЫЙ МЕТОД КОНТРОЛЯ БИОТЕСТОВОЙ РЕАКЦИИ ПОЛОСОВОГО БАКТЕРИАЛЬНОГО ХЕМОТАКСИСА

Исследован новый метод контроля тест-реакции бактериального полосового хемо-таксиса, использующегося для оценки токсичности водных сред. С помощью фотометри-ческого прибора на базе монохроматического излучателя и линейки фотоприемников полу-чены функции изменения коэффициента пропускания среды с бакетриальной полосой по высоте пробы. На основе математического моделирования структуры полосы инфузорий функцией с линейными трендами и принципа зависимости между функциями, описываю-щими коэффициент пропускания полосы в среде, применен кросскорреляционный метод выявления информативных параметров реакции.

Бактерии; хемотаксис; биотест; метод; контроль.

I.S. Zakharov, A.V. Zavgorodny, T.V. Gurskaya

DEVICE METHOD FOR CONTROL OF BACTERIA BAND CHEMOTAXIS BIOASSAY

The article is about a new method to control the bioassy of band bacterial chemotaxis, which is used to assess the toxicity of aquatic environments. With the help of the photometric de-vice based on a monochromatic source and the line of photodetectors function obtained transmit-tance change the environment with bacterial stripe height of the sample. Based on mathematical


127

modeling of the band structure of ciliates function with linear trends and the principle of depend-ence between the functions describing the transmittance bands in the medium used cross-correlation method for identifying informative parameters of the reaction.

Bacteria; biotest; method; control.

Биотест на основе полосового бактериального хемотаксиса основан на пере-мещении слоя бактерий внутри тестируемой пробы, которую наслаивают на звесь бактерий (рис. 1). Тест позволяет по высоте подъема слоя оценивать токсичность водных растворов солей металлов (CuSO4, CoCl2, ZnSO4, Pb(NO3)2), питьевой, сточных, технологических и природных вод, биоцидное действие антибиотиков, ультрафиолета, корневых выделений растений [1]. На рис. 1,а – наслоение пробы на взвесь бактерий; 1,б – тест в безвредной среде; 1,в – тест в токсичной среде.

Проблема измерения высоты подъема слоя обусловлена необходимостью выявления центра полосы и учетом изменения объема бактериальной взвеси и вы-бором информативных параметров тест-реакции, по которым можно определить скорость подъема центра полосы.

В качестве тест-объекта (ТО) использовался штамм бактерии Bacillus subtilis. Эти бациллы являются безвредными для человека и животных, хорошо изученны-ми и неприхотливыми в культивировании. Bacillus subtilis обладает количественно измеряемой реакцией полосового бактериального хемотаксиса.

При культивировании Bacillus subtilis из спор их проращивание производи-лось по методу, описанному в [1]. Формирование тест-реакции (ТР) осуществля-лось с использованием методики наслоения в фотометрической кювете, при по-мощи микропипетки, 2 мл пробы на 0,2 мл бактериальной культуры. Время прове-дения опытов составляло 120 минут. За это время высота подъема бактериальной полосы (БП) достигает максимума, не претерпевая качественных изменений.

а б в

Рис.1. Полосовой хемотаксис

В качестве контрольной среды были использованы стандартизированные растворы близкие по составу солей к пресным – среда Лозина-Лозинского (раствор солей макроэлементов). Данные среды не содержат питательных веществ, что уп-рощает их приготовление и интерпретацию полученных результатов.

Контроль подъема полосы проводили с помощью фотометрического прибора с использованием монохроматического источника излучения и линейки фотопри-емников [2].

Для моделирования полосы было проведено исследование структуры бакте-риального слоя, показавшее, что, что ее можно аппроксимировать распределением с линейными трендами [1] (рис. 1).

В этом случае, если полоса сохраняет характер изменения структуры, пере-мещение ее центра можно выявить с помощью кросс-корреляционного метода, при котором смещение максимума будет соответствовать максимуму корреляционной функции (рис. 3). На рис. 3 и 4 показаны результаты моделирования коэффициента пропускания движущейся полосы, меняющей координаты центра и ранговые


128

кросскорреляционные функции (ККФ) между функциями коэффициента пропус-кания, описывающими первую и последующие полосы. Как видно из графика мак-симальные ранги соответствуют перемещению центра полосы.

y = 5,2x - 0,012R2 = 0,97

y = -5,8x + 5,9R2 = 0,88

0

1

2

3

0 0,2 0,4 0,6 0,8 1

Рис. 2. Распределение клеток по высоте полосы

Рис. 3 Коэффициент пропускания полосы T Рис. 4 Ранги ККФ

С помощью установки, описанной в [2], производились измерения транзи-тивной составляющей падающего потока, проходящего через кювету. По получен-ным данным производился расчёт скорости подъёма бактериальной полосы. Схема проведения измерений и расчётов приведена на рис. 2.

Расчёт скорости подъёма БП основан на детектировании координаты полосы, вдоль которой она перемещается, в разные моменты времени. Детектирование производится корреляционным методом, где в качестве одного из сигналов ис-пользуется фрагмент массива, содержащий Тпр, обусловленные БП, априори.

Устранение статических помех осуществляется на основании того, что их среднее во времени значение не изменяется.

БПстатпр ТТТ ,

где прТ – коэффициент пропускания бактериальной взвеси, статТ – коэффициент

пропускания, обусловленный статическими оптическими помехами, БПТ – коэф-

фициент пропускания, обусловленный наличием бактериальной полосы.

N

ТТ

N

Т

N

ТТ N

БП

статN

БПN

стат

пр

,

где N – количество измерений прТ .

При больших значениях N вторым слагаемым можно пренебречь.

b, мм

n %


129

Таким образом, полезный сигнал ТР

jпрТ , рассчитывается как:

прjпрjпр ТТТ ,, ,

Полученный сигнал после фильтрации пороговым способом содержит ин-формативную часть, отражающую координаты положения БП. Пример такого сиг-нала показан на рис. 6.

Рис. 5. Алгоритм метода

Примеры сигналов, полученных на промежуточных этапах преобразования, представлены на рис. 5–7. Результат регрессионного анализа зависимости высоты подъёма БП от времени представлен на рис. 8.

Рис. 6. Сигналы от передвигающейся полосы после фильтрации

На графике рис. 8 показана зависимость приращения высоты подъема от приращения времени, поэтому диапазон времени на 10 мин. меньше. Как видно из графика, эксперимент подтверждает прежние наблюдения о постоянстве скорости полосы в течение 1 часа.


130

Рис. 7. Сигналы от движущейся полосы после кросскорреляции

Рис. 8. График зависимости высоты подъема полосы в безвредной среде от времени

В статье показана возможность оценки токсичности с помощью аппаратноре-гистрируемой тест-реакции на основе бактериального хемотаксиса. Предложен помехозащищённый метод обработки данных, позволяющий измерять скорость перемещения центра бактериальной полосы.


1. Захаров И.С., Пожаров А.В., Сидоренко В.М., Суворова Т.В. Экспрессные методы инте-гральной оценки экологического состояния окружающей среды: Учеб. пособие. – СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2007. – 80 c.

2. Завгородний А.В. Биотехническая система для контроля популяции микроорганизмов // Изв. СПбГЭТУ «ЛЭТИ». – СПб. 2008 – Вып. 2. – С. 55-61.

Статью рекомендовал к опубликованию к.т.н., доцент А.Н. Алипов.

Захаров Игорь Сергеевич – Санкт-Петербургский государственный электротехнический университет; e-mail: [email protected]; 197376, г. Санкт-Петербург, ул. Попова, 5; тел.: 88122349071; кафедра инженерной защиты окружающей среды; к.т.н.; доцент.

Завгородний Алексей Владимирович – e-mail: [email protected]; 190023, г. Санкт-Петербург, ул. Руднева, 21, кв. 80; ассистент.

Гурская Татьяна Владиславовна – ФГУП НИИ «Вектор»; e-mail: [email protected]; 197376, г. Санкт-Петербург, ул. Попова, 5; тел.: 88122349071; к.т.н., нач. экологического отдела.

Zakharov Igor Sergeevich – Saint-Petersburg State Electrotechnical University; e-mail: [email protected]; 5, Popov’s street, Saint-Petersburg, 197376, Russia; +78122349071; the department of ingeneering defence of environment; cand. of eng. sc.; associate professor.

Zavgorodny Alexey Vladimirovich – e-mail: [email protected]; 21-80, Rudnev’s street, Saint-Petersburg, 190023, Russia; assistant.

Gurskaya Tatjana Vladislavovna – FGUP NII “Vector”; e-mail: [email protected]; 5, Popov’s street, Saint-Petersburg, 197376, Russia; +78122349071; chief of ecology department; cand. of eng. sc.


131

УДК 574 (07)

И.С. Захаров, А.Г. Казанцева, А.А. Писарева

БИОТЕСТОВЫЙ МЕТОД ДЛЯ КОНТРОЛЯ ТОКСИЧНОСТИ ТЯЖЕЛЫХ МЕТАЛЛОВ ПО РЕАКЦИИ ДИНАМИКИ ГАЛЬВАНОТАКСИСА

ИНФУЗОРИЙ В ИНДИКАТОРНОЙ СРЕДЕ

Предложен способ объединения методов биотестового и аналитического контроля на основе измерения спектрофотометрических характеристик среды в индикаторной сре-де с помощью спектрофотометра СФ-56. На основе литературного обзора, выбран инди-катор и проведены исследования, включающие опыты по выживаемости микроорганизмов в индикаторной среде, исследованию спектральных характеристик индикаторной среды с добавлением тяжелых металлов, по исследованию биотестовой реакции динамики гальва-нотаксиса инфузорий P.caudatum в индикаторной чистой среде и с добавлением тяжелых металлов. Полученные данные показывают возможность объединения методов биологиче-ского и аналитического контроля.

Гальванотаксис; инфузории; тяжелые металлы; индигокармин; спектрофотометрия.

I.S. Zakharov, A.G. Kazantzeva, A.A. Pisareva

BIOASSAY METHOD FOR TOXICITY CONTROL OF HEAVY METALS WITH USING INFUZORIA GALVANOTAXIS DYINAMIC IN THE

INDICATION MEDIUM

In the paper is proposed a method combining techniques bioassay and analytical control on the basis of spectrophotometric measurements of characteristics of the medium indicator medium by a spectrophotometer. Based on the literature review, the indicator is selected and carried out research, including experiments on survival of indicator microorganisms in the environment, the study of spectral characteristics of the medium with the addition of an indicator of heavy metals, to study the reaction bioassay dynamics galvanotaxis ciliates P.caudatum indicator of a clean envi-ronment and with the addition of heavy metals. The data obtained show the possibility of combin-ing the methods of biological and analytical control.

Galvanotaxis; infusoria; heavy metals; indigo carmine; spectrophotometer

Экологический контроль водных сред предполагает дополнение аналитиче-ских методов биологическими, наиболее распространенным видом которого явля-ется микробиотестирование, т.е. биотехнологии, использующей организмы малых размеров и малые объемы пробы [1]. К ним относится биотестовый метод, осно-ванный на тест-реакции динамики гальванотаксиса инфузорий [2]. Объединение в едином контуре биотехнической системы аналитического и биологического кон-троля снизил бы временные и материальные затраты на проведение исследований. Сложность их объединения заключается в том, что для биотестирования исполь-зуется преимущественно визуальный метод наблюдения, для аналитического – аппаратурная регистрация. Спектрофотометрия, как область техники, занимаю-щаяся разработкой системы бесконтактных методов и приборов для измерения количественных оптических характеристик сред, может стать областью пересече-ния биологического и аналитического контроля.

Спектрофотометрия элементного состава среды основана на измерении спек-тров поглощения электромагнитного излучения, которые возникают при взаимодей-ствии химических элементов в исследуемой водной среде с индикаторным вещест-вом, а контроль биологических реакций, как правило, на сравнении результатов тур-бидиметрической регистрации оптических характеристик взвеси организмов в ис-следуемой и безвредной среде. Таким образом, проблема объединения аналитиче-


132

ского и биологического контроля с помощью спектрофотометрии состоит в подборе индикаторной среды, которая сохраняла бы возможность обнаружения химических элементов, будучи при этом безвредной для тест-организмов и тест-реакции.

В качестве тест-реакции данным требованиям удовлетворяет динамика галь-ванотаксиса инфузории-туфельки [2]. Контроль тест-реакции производят турби-диметрическим методом с помощью спектрофотометра, по измерению оптической плотности слоя инфузорий вблизи электрода.

Индикаторы для спектрофотометрии контроля токсичности водных сред при реакции с основными загрязнителями должны обладать свойством образовывать соединения, обладающие различными спектрами. В работе [3] в качестве индика-тора присутствия в среде некоторых тяжелых металлов использовался индигокар-мин. Индигокармин (индиго-5,5'-дисульфокислота) – это краситель интенсивного синего цвета органического происхождения, часто используемый в пищевой про-мышленности (пищевая добавка E132). Используется как окислительно-восстановительный индикатор для титриметрического определения Fe (III), Mo (VI), U (VI), Tl (I, III), Pb (II), As (III), косвенного определения КМnО4, К2Сr2О7, К2СrO4, КСlO3, КВrО3, МnО2, РbО2 [4].

При разработке методических основ создания биотеста в индикаторной среде авторами были проведены ряд исследований: вредности индикатора для инфузо-рий, изменения спектра оптической плотности индикатора при воздействии галь-ванотаксических импульсов, изменения спектра индикатора при воздействии вредных веществ в диапазоне параметров среды, безвредных для тест-организмов.

Опыты проводились с помощью спектрофотометра СФ-56 (в режимах скани-рования для снятия спектров оптической плотности индикаторной среды и дина-мики оптической плотности для регистрации тест-реакции динамики гальванотак-сиса) и экспериментальной установки для гальванотаксиса инфузорий, описанной в работе [5].

Для исследования безвредности индикаторной среды были проведены опыты по выживаемости микроорганизмов. В опытах при помощи микроскопа подсчитывалась концентрация клеток в культуральной среде Лозины-Лозинского и среде Лозины-Лозинского с индигокармином концентрацией 0,05 г/л. Подсчет осуществлялся в кон-це фазы стационарного равновесия кривой роста инфузорий, которая составляла 7 дней. При проведении нового опыта бралась концентрация клеток, полученная в пре-дыдущем опыте, что позволяет построить график роста. Результаты экспериментов приведены в табл. 1 (при обычной погрешности микроскопного счета 10%).

Таблица 1

Результаты эксперимента по выживаемости микроорганизмов в индикаторной среде

Дни Концентрация клеток в чистой

среде Л-Л, кл/мл Концентрация клеток в среде с инди-

гокармином, кл/мл 0 875 875

14 2080 2650 21 1970 2560

Результаты эксперимента доказывают безвредность индикатора для тест-организмов и возможность использования его в качестве контрольной среды при про-ведении биотестирования на основе реакции динамики гальванотаксиса инфузорий.

Было исследовано изменение спектра рабочей концентрации индикатора при воздействии гальванотаксических импульсов. Импульсы напряжения с амплитудой 2 V от специализированного мультивибратора [2] подавались через электроды, по-груженные в раствор индикатора в течение 30 мин. Изменение спектра индикатор-ного раствора до и после подачи гальванотаксических импульсов оценивалось по


133

величине %=100([(x1i-x0i)/x0i )2]/n)1/2 (где x1i, x0i, – значения оптической плотности

индикатора (относительно воздуха) для i-ой длины волны до и после подачи им-пульсов. Получено, что <5%.. Это дает основание сделать вывод о том, что импуль-сы гальванотаксического генератора не влияют на спектр раствора индикатора.

Исследование изменения спектра оптической плотности индикатора при про-текании реакции гальванотаксиса исследовалось следующим образом. Раствор ин-дигокармина в среде Лозины-Лозинского (смесь солей макроэлементов) концентра-цией 0,1 г/л объемом 0,5 мл смешивался в стандартной фотометрической кювете с 0,5 мл среды Лозины-Лозинского, содержащей микроорганизмы в концентрации 1500±500 кл/мл. Метод и средство контроля тест-реакции подробно описаны в [2]. Для сравнения параллельно проводились эксперименты с использованием среды Лозины-Лозинского в качестве контрольной. Тест-реакция динамики гальванотакси-са позволяет получить сигнал периодического импульсного процесса с изменяющи-мися амплитудами и функцию ингибирования биологического эффекта вида f (N; K), где N – номер импульса сигнала, K рассчитывалось по формуле:

K = 1 – AN/Amax где AN – амплитуда N-го импульса сигнала; Amax – амплитуда наибольшего импуль-са в сигнале. Результаты эксперимента приведены на рис. 1.

а б

Рис. 1 Сигнал и функция ингибирования биологического эффекта тест-реакции динамики гальванотаксиса: а) Сигнал периодического импульсного

процесса; б) Функция вида f (N; K)

Амплитуды сигналов в индикаторной среде и среде Л.-Л. различаются на в среднем на 0,113±0,004 ед. оптической плотности, но при построении функцио-нальной зависимости данная разница не играет существенного значения (коэффи-циент корреляции между кривыми составляет 0,86), поэтому раствор индигокар-мина в концентрации 0,05 г/л может быть использован в качестве контрольной среды при разработке метода биотестирования.

Эксперименты по исследованию возможности применения индикаторной среды для аналитического контроля основывались на материале, приведенном в [3]. Существенное различие в способе организации эксперимента было в том, что буферный раствор, используемый авторами [3], заменялся на среду Л.-Л. В опытах использовался раствор с концентрацией индигокармина 0,05 г/л. В качестве соли тяжелых металлов использовался CuSO4 категории ЧДА, являющимся так же мо-дельным токсикантом для биотестов на основе реакций инфузорий. Исследования проводились на спектрофотометре СФ-56 в режиме сканирования в диапазоне длин волн 400…800 нм относительно воды. На рис. 2 приведены результаты экс-перимента с концентрациями модельного токсиканта 1–10-4 г/л.


134

Рис. 2 Результаты эксперимента по исследованию возможности применения индикаторной среды для аналитического контроля

На рис. 2 видно, что график спектра оптической плотности раствора индиго-кармина с добавлением соли меди относительно воды (такую зависимость снима-ли для сопоставления результатов с полученными в работе [3]) имеет информа-тивный участок в диапазоне длин волн 700-740 нм, где проявляется зависимость значений спектра от концентрации соли в диапазоне 1 г/л …10-3 г/л.

Различия формы гальванотаксических сигналов в индикаторной среде с ток-сикантом и без также изменяются в зависимости от концентрации последнего. Ко-эффициент корреляции между сигналом в чистой индикаторной среде и среде с CuSO4 разной концентрации растет с уменьшением количества токсиканта в про-бе. В табл. 2 приведены значения коэффициента корреляции сигналов.

Таким образом, применение индикаторной среды позволяет не только обна-руживать присутствие загрязнителя в исследуемой пробе, но и оценивать его кон-центрацию.

По корреляционному критерию оценивались опыты по биотестированию с применением реакции динамики гальванотаксиса с концентрациями CuSO4 0,01; 0,001; 0,0001 г/л. Эксперименты проводились согласно последовательности, опи-санной выше, но к взвеси клеток добавлялись растворы токсикантов в индикатор-ной среде. В табл. 3 приведены значения коэффициента корреляции между функ-цией ингибирования в чистой среде и среде с токсикантом CuSO4 различной кон-центрации.

Таблица 3

Значение коэффициента корреляции между значениями функции ингибирования биологического эффекта для раствора индигокармина

концентрацией 0,05 г/л и значениями функций для растворов индигокармина (0,05 г/л) и CuSO4 разной концентрации

Концентрация CuSO4, г/л Значение коэффициента корреляции 0,01 0,35 0,001 0,81

0,0001 0,89

Результаты исследования показали, что принципиально возможно объедине-ние методов аналитического и биологического контроля и проведение биологиче-ской тест-реакции в безвредной для инфузорий P.caudatum индикаторной среде индигокармина. Контроль теста на базе спектрофотометрии позволяет определять токсичность, но и создать основу для последующей оценки вероятности наличия определенного тяжелого металла в среде, причем, биотестовый метод показывает более высокую чувствительность к малым концентрациям вредных веществ.


135


1. Wells P.G., Kenneth Lee, Christian Blaise. Microscale Testing in Aquatic Toxicology // Sci-ence, 1998. – 720 p.

2. Казанцева А.Г., Захаров И.С. Разработка аппаратурного метода контроля токсичности водных сред по тест-реакции динамики гальванотаксиса инфузорий // Известия СПбГЭ-ТУ «ЛЭТИ» (Известия государственного электротехнического университета). – СПб., 2011. – Вып. 7. – С. 116-124.

3. Zanoni T.B., Cardoso A.A., Boldrin-Zanoni M.V. Exploratory study on sequestration of some essential metals by indigo carmine food dye // Brazilian Journal Pharmaceutical Sciences. – 2010. – Vol. 46. – 4.

4. Шарло Г. Методы аналитической химии. – 2-е изд. – Т. 1. – М., 1969. – С. 392, 821, 827; Индикаторы: Пер. с англ. – Т. 2. – М., 1976.

5. Казанцева А.Г., Захаров И.С. Особенности формирования гальванотаксического сигнала в токсичной среде // Материалы 63-ей науч.- техн. конф. профессорско-преподавательского состава университета СПбГЭТУ «ЛЭТИ». – СПб., 2010. – С. 254-260.

Статью рекомендовал к опубликованию к.т.н., доцент А.Н. Алипов.

Захаров Игорь Сергеевич – Санкт-Петербургский государственный электротехнический университет; e-mail: [email protected]; 197376, г. Санкт-Петербург, ул. Попова, 5; тел.: 88122349071; кафедра инженерной защиты окружающей среды; к.т.н.; доцент.

Писарева Ангелина Анатольевна – кафедра инженерной защиты окружающей среды; магистр.

Казанцева Анна Геннадьевна – Общество с ограниченной ответственностью «ГЦЭ-экология» в г. Санкт-Петербург; e-mail: [email protected]; 194292, 3-й Верхний пер., 25; тел.: 89213463888; инженер; к.т.н.

Zakharov Igor Sergeevich – Saint-Petersburg State Electrotechnical University; e-mail: [email protected]; 5, Popov’s street, Saint-Petersburg, 197376, Russia; +78122349071; the department of ingeneering defence of environment; cand. of eng. sc.; associate professor.

Pisareva Angelina Anatoljevna – the department of ingeneering defence of environment; magister.

Kazantzeva Anna Gennadjevna – Saint-Petersburg «GCE-ecology»Ltd; e-mail: [email protected]; 25, 3-й Verhny street, Saint-Petersburg, 194292, Russia; phone: +79213463888; engineer; cand. of eng. sc.

УДК 535.37/535.31

Е.А. Кочелаев, А.О. Волчек, В.М. Сидоренко

ИССЛЕДОВАНИЕ ЗАВИСИМОСТИ ИНДИКАТРИСЫ ФЛУОРЕСЦЕНЦИИ ЧАСТИЦЫ БИОАЭРОЗОЛЯ ОТ ЕЁ ОПТИЧЕСКОЙ ПЛОТНОСТИ

Результаты численного моделирования углового распределения флуоресценции от-дельных частиц аэрозоля сравниваются с экспериментальными данными, полученными в результате исследования белка Ovalbumin и спор Bacillus subtilis. Экспериментальные дан-ные в целом согласуются с результатами модельных исследований. Они подтверждают наличие анизотропии индикатрисы флуоресценции, величина которой зависит от оптиче-ской плотности частиц аэрозоля на длинах волн возбуждения и флуоресценции. На основа-нии проведенных исследований сделан вывод о том, что характеристики анизотропии ин-дикатрисы флуоресценции могут быть использованы в качестве дополнительного маркера при качественном анализе частиц биоаэрозоля с целью повышения селективности проточ-но-оптического метода.

Биоаэрозоль; флуоресценция; индикатриса; частица.


136

E.A. Kochelaev, A.O. Volchek, V.M. Sidorenko.

THE EXPERIMENTAL STUDY OF THE DEPENDENCE OF BIOAEROSOL FLUORESCENCE INDICATRIX FROM ITS OPTICAL DENSITY

The results of a numerical modeling of an angular distribution of a separate aerosol parti-cles fluorescence are compared with experimental data of protein Ovalbumin and spores Bacillus subtilis. The data received show the presence of a fluorescence indicatrix anisotropy, the value of which depends on an optical density of aerosol particles at the wave lengths of fluorescence exci-tation and fluorescence emission. The experimental data are generally consistent with the results of modelling studies. Based on these studies concluded that the fluorescence indicatrix anisotropy can be used as an additional marker for a qualitative analysis of bioaerosol particles with the purpose of improvement of a flow - optical method selectivity.

Bioaerosol; fluorescence; indicatrix; particle.

Анализ аэрозолей в приземном слое воздуха относится к числу актуальных проблем экологического мониторинга, поскольку носителями аэрозоля могут вы-ступать патогенные микроорганизмы, способные вызывать аллергические реакции и заболевания человека. В настоящее время задача высокоскоростного экспресс анализа респирабельной (вдыхаемой) фракции аэрозоля 1…10 мкм решается про-точно-оптическим методом (ПОМ) [1, 2]. При анализе c использованием ПОМ от-дельные частицы аэрозоля подвергаются воздействию внешнего возбуждающего излучения, диапазон длин волн которого соответствует возбуждению типичных для биологических веществ флуорофоров. Измерение спектров флуоресценции и упругого рассеяния в принципе позволяет выделять потенциально опасные биоло-гические частицы в условиях переменного собственного фона атмосферы как не-органического, так и биологического происхождения, маскирующего наличие па-тогенных микроорганизмов. При этом скорость анализа достигает 104 отдельных аэрозольных частиц в секунду.

Для разделения биологических и небиологических аэрозолей наиболее ин-формативным является регистрация флуоресценции триптофана и других арома-тических аминокислот в спектральном интервале 310…380 нм при возбуждении излучением с длинами волн 250…290 нм [3]. Однако, так как флуоресценция триптофана свойственна всем биологическим частицам и неспецифична, то она не позволяет разделять биологические вещества на таксономические группы. Поэто-му остается актуальной задача поиска новых информативных признаков (марке-ров) ПБА, которые позволят повысить информативность ПОМ. В качестве новых маркеров, расширяющего границы ПОМ как метода анализа ПБА, могут высту-пать сигналы углового распределения флуоресценции аэрозольных частиц. Ранее в [4] был предложен метод численного моделирования углового распределения из-лучения флуоресценции отдельных частиц биоаэрозоля произвольной формы, од-нородных и изотропных по оптическим свойствам. С использованием данного ме-тода в [4] выполнялись расчеты для частиц сферической и эллиптической формы, оптические характеристики которых соответствовали экспериментальным данным бактерий Erwinia herbicola и спор Bacillus subtilis [5, 6].

В настоящей статье результаты численного моделирования сравниваются с данными эксперимента по регистрации сигналов флуоресценции сухих частиц белка Ovalbumin, частиц суспензий белка Ovalbumin, а также спор бактерий Bacil-lus subtilis. Измерения выполнялись на лабораторной установке, оптическая систе-ма которой была ранее описана в [2]. Выполненное в [4] численное моделирование позволило произвести анализ совместного влияния эффектов преломления излуче-ния на поверхности частицы и поглощения на угловое распределение интенсивно-сти флуоресцентого излучения частиц аэрозоля 1…10 мкм. При моделировании


137

исследовались характеристики флуоресценции аэрозольных частиц в направлени-ях: «обратное» (противоположно направлению возбуждающего излучения), «пря-мое» (совпадает с направлением возбуждающего излучения), «боковое» (ортого-нально оси возбуждающего излучения). Числовая апертура телесных углов свето-сбора флуоресценции, в каждом направлении составляла 0.18. При этом для удоб-ства анализа углового распределения флуоресценции использовались величины и -соотношения интенсивностей флуоресценции в обратном и соответственно в прямом и боковом направлениях.

Полученные результаты моделирования зависимостей и от оптической плотности частицы представлены на рис 1. Оптическая плотность сферической частицы определяется произведением показателя поглощения вещества частицы на ее диаметр. Причем D(в) и D(ф) – оптические плотности частицы соответствен-

но в спектральных областях возбуждения и флуоресцентного излучения. Кривые и соответствуют частицам, оптические характеристики которых соответствуют трем типам: 1) слабопоглощающие частицы (D(в), D(ф)≤0.2…0.5, n′(в)=1.545 –

i0.00035, n′(ф)=1.533 – i0.000279 [5]), 2) частицы оптически плотные для возбуж-

дающего излучения (D(в)>0.2, n′(в)=1.59 – i0.0035) и слабопоглощающие излуче-

ние флуоресценции (D(ф)0.2, n′(ф)=1.545 – i0.00035 [5]), 3) оптически плотные

частицы (D(в), D(ф)0.5, n′(в)=1.55 – i0.014, n′(ф)=1.53 – i0.016 [6]). В общем слу-

чае степень влияния отдельных эффектов на индикатрису флуоресценции зависит от величин оптических плотностей частицы на длинах волн возбуждения D(в) и

флуоресценции D(ф). Для слабопоглощающих частиц D(в), D(ф)≤.0.5 эффекты

поглощения проявляются мало и индикатриса определяется главным образом гео-метрическим эффектом преломления излучения на поверхности частицы [4] (–кривая 1, – кривая 2). Если частица является оптически плотной для возбуж-дающего излучения (D(в)>0.2) и, при этом, прозрачной или слабопоглощающей

для излучения флуоресценции (D(ф)0.2), ее индикатриса определяется совмест-

ным действием геометрического эффекта и эффекта поглощения возбуждающего излучения. В результате и уменьшается с ростом D(в) и при D(в)3 индикатри-

са флуоресценции частицы приобретает максимум в направлении «прямое» (– кривая 3, – кривая 4). В случае оптически плотных частиц (D(в),D(ф)0.5) в ре-

зультате совместного действия указанных механизмов параметр α (кривая 5) име-ет минимум в области D(в) = 2…3. Причем для частиц с D(в)3 преобладает эф-

фект увеличения значения с ростом D(в) в связи с тем, что флуоресценция час-

тицы определяется главным образом вкладом ближних к источнику возбуждения слоев. При этом флуоресценция в прямом направлении для непрозрачной частицы стремится к нулю (флуоресценция ближних к источнику слоев поглощается веще-ством частицы, а удаленные от источника слои оказываются невозбужденными). В результате максимум индикатрисы смещается в направлении источника возбуж-дения, при этом с ростом значения D(в) наблюдается увеличение значения . По-

ведение параметра β в случае оптически плотных частиц (кривая 6) объясняется подобным образом. Характерно, что параметр β в отличие от не стремится к ну-лю при больших значениях D(в). Это вызвано тем, что регистрируемая интенсив-

ность флуоресценция в боковом направлении достигает некоторого предела. При этом источником ее является только та часть поверхности абсолютно непрозрач-ной частицы, которая находится в поле зрения фотоприемника. Результаты расче-


138

тов показывают, что в большом диапазоне значений оптической плотности (0.6≤D(в)≤6.5) величина β оптически плотных частиц (кривая 6) не превышает

значений β слабопоглощающих частиц (кривая 2).

Рис. 1. Зависимости характеристик индикатрисы флуоресценции частицы и от ее оптической плотности: D(в), D(ф)≤0.5 ( –кривая 1, – кривая 2); D(в), D(ф)0.5

( – кривая 5, – кривая 6); D(в)>0.2, D(ф)0.2 (– кривая 3, – кривая 4)

Эксперименты по измерению угловой зависимости сигналов флуоресценции отдельных частиц аэрозоля были выполнены на лабораторной установке [2]. В качестве источника возбуждающего излучения использовался опытный образец твердотельного импульсно-периодического УФ лазера (266 нм) с пассивной моду-ляцией добротности, обеспечивающий облучение отдельной частицы аэрозоля с плотностью энергии E≈100...200 мкДж/см². Частота импульсов источника была рав-на 22 кГц, при средней мощности около 3 мВт. Луч лазера пересекал под углом 900

поток частиц аэрозоля шириной 0,2...0,3 мм, который формировался соплами систе-мы непрерывной подачи пробы. Область пересечения находилась в фокусе глубоко-го эллиптического зеркала с телесным углом светосбора 3 страд. Каждому лучу флуоресцентного излучения, вышедшему под определенным углом, соответствовала своя точка в плоскости торцевой поверхности эллиптического зеркала. Поэтому распределение энергии в этой плоскости однозначно задавала картину углового рас-пределения интенсивности флуоресценции аэрозольной частицы. Изображения уча-стков плоскости, соответствующих флуоресцентному излучению частицы в прямом, боковом и обратном направлениях, формировались на приемных площадках соот-ветствующих приемников оптического излучения, в качестве которых использова-лись ФЭУ. Разработанная система позволила одновременно с высокой чувствитель-ностью регистрировать сигналы флуоресценции отдельных частиц в трех направле-ниях. Флуоресцентное излучение в диапазонах 300...400 нм и 400...500 нм выделя-лось с помощью светофильтров и спектроделительных зеркал.

В эксперименте исследовались сухие частицы белка Ovalbumin, частицы вод-ных суспензий белка Ovalbumin, а также споры бактерий Bacillus subtilis. Пробы сухих частиц белка Ovalbumin и споры бактерий Bacillus subtilis являлись порош-ками, которые в виде воздушной смеси подавались через эжектор к соплам систе-мы подачи пробы. Частицы водных суспензий белка Ovalbumin предварительно распылялись ингалятором PARI junior boy N, обеспечивающим средний размер частиц 3.9 мкм.


139

Для аэрозольных частиц даже одного вещества всегда присутствуют такие факторы, обуславливающие разброс измеренных сигналов по интенсивности флуоресценции, за счет различий в размерах, форме, содержании флуорофоров и т.д. Поэтому результаты измерений сигналов отдельных частиц исследуемого аэ-розоля являются случайными величинами. На рис 2 приведены примеры гисто-грамм распределений зарегистрированных величин α и β. Установлено, что для частиц суспензий Ovalbumin и спор бактерий Bacillus subtilis индикатриса флуо-ресценции не изотропна и имеет максимум в обратном направлении, тогда как для сухих частиц Ovalbumin пики гистограмм находятся при α и β, близких к 1 в каж-дом из диапазонов регистрируемой флуоресценции. Кроме того, как для суспензий так и для сухих частиц Ovalbumin угловое распределение флуоресценции также практически не зависит от диапазона регистрации, а для спор Bacillus subtilis с ростом длины волны флуоресценции максимум гистограммы смещается с α = 1.5 до 2.3, а β – с 1 до 1.7. Для белка Ovalbumin полученные результаты измерений качественно согласуются с данными [7]. Так как частицы Ovalbumin являются сла-бопоглощающими в диапазоне длин волн флуоресценции (D(ф)=0.02…0.2 при

= 360 нм, D(ф)=0.01…0.1 при = 430 нм,), то влияние поглощения флуорес-

центного излучения на угловое распределение оказывается незначительным, в следствии чего индикатриса флуоресценции в основном определяется действием геометрического эффекта [4] и эффектом ослабления возбуждающего излучения (D(в) = 0.16…1.6).

Для спор бактерий Bacillus subtilis оптические плотности на длинах волн воз-буждения (D(в)=0.65…6.54) и флуоресценции (D(ф)=0.56…5.69 при = 360 нм,

D(ф)=0.52...5.2 при = 430 нм) относительно близки и влияние поглощения флуо-

ресценции оказывается существенным наряду с остальными эффектами. При этом ввиду близости оптических плотностей в диапазонах измеряемых длин волн флуо-ресценции, угловое распределение флуоресцентного излучения не должно сущест-венно изменяться при переходе от диапазона 300...400 нм к диапазону 400...500 нм. Однако для спор Bacillus subtilis в эксперименте наблюдалось смещение максиму-ма гистограмм при переходе от диапазона 300…400 нм (α=1.5, β=1) к диапазону 400…500 нм (α=2.3, β=1.7). Дополнительные исследования оптических плотностей частиц показали, что возможной причиной различия оптических свойств спор бак-терий Bacillus subtilis исследованных нами и в работе [6], являются разные условия пробоподготовки.

Увеличение асимметрии индикатрисы для спор Bacillus subtilis при переходе от диапазона регистрации флуоресцентного излучения 300...400 нм к 400...500 нм соответствует переходу на рис. 1 α от кривой 5 к 3 при D(в) 2.3, и β от кривой 6 к

4 при D(в) 3.3. Отметим, что для Bacillus subtilis пиковые значения гистограмм

находятся при значениях β более низких (равных 1 в диапазоне 300...400 нм и 1.7 в диапазоне 400–500 нм), чем соответствующие значения α (1.5 в диапазоне 300...400 нм и 2.3 в диапазоне 400–500 нм), тогда как, в соответствии расчетом, для каждой частицы α≤β при D(в)3.3 (рис. 1). Данное несоответствие, можно объ-

яснить существенным различием в углах регистрации флуоресценции в боковом направлении при расчете (≈10º) и эксперименте (≈60º), что приводит к росту сред-ней интенсивности флуоресценции в боковом направлении регистрации.


140

а б

Рис. 2. Гистограммы распределения отношений α и β для сухих частиц Ovalbumin: N – число зарегистрированных сигналов флуоресценции в диапазонах длин волн:

а – 300…400 нм; б – 400…500 нм

Таким образом, в целом экспериментальные данные согласуются с результа-тами модельных вычислений. Они подтверждают наличие анизотропии индикат-рисы флуоресценции, величина которой зависит от оптической плотности частиц аэрозоля на длинах волн возбуждения и флуоресценции. На основании проведен-ных исследований можно сделать вывод о том, что характеристики анизотропии индикатрисы флуоресценции могут быть использованы в качестве дополнительно-го маркера при качественном анализе частиц биоаэрозоля с целью повышения се-лективности ПОМ.


1. Jeys T.H., Herzog W.D., Hybl J.D., Czerwinski R.N., Sanchez A. Advanced Trigger Develop-ment // Lincoln Laboratory Journal. – 2007. – Vol. 17, 1. – P. 29 60.

2. Кочелаев Е.А., Волчек А.О. Оптическая система регистрации для проточно-оптического метода анализа биоаэрозолей // Оптический журнал. – 2011. – 78 (6). – С. 23-30.

3. Kaye P.H., Stanley W.R. and Hirst E. Single particle multichannel bio-aerosol fluorescence sensor [Текст] / P.H. Kaye, // Optics Express. – 2005. – Vol. 13. – P. 3583-3593.

4. Кочелаев Е.А., Волчек А.О., Сидоренко В.М. Метод расчета индикатрисы флуоресценции частиц аэрозоля // Известия СПбГЭТУ «ЛЭТИ». – 2011. – 9. – С. 110-118.

5. Arakawa E.T., Tuminello B.N., Khare M.E. Milham Optical properties of Erwinia herbicola Bacteria at 0.19-2.5 μm // Biopolymers. – 2003. – P. 391-398.

6. Tuminello P.S., Arakawa E.T., Khare B.N., Wrobel J.M., Querry M.R., and Milham M.E. Opti-cal properties of Bacillus subtilis spores from 0.2 to 2.5 μm // Appl. Opt. – 1997. – 13. – P. 2818-2824.

7. Arakawa E.T., Tuminello P.S., Khare B.N., Milham M.E. Optical properties of Ovalbumin in 0.130-2.50 μm Spectral Region // Biopolymers. – 2001. – Vol. 62. – P. 122-128.

Статью рекомендовал к опубликованию д.т.н., профессор И.В. Алешин.

Кочелаев Евгений Александрович – ОАО "НПО "Прибор"; e-mail: [email protected]; г. Санкт-Петербург, ВО 17 линия, 4-6; тел.: 88123234601; инженер II категории.

Волчек Андрей Олегович – e-mail: [email protected]; главный конструктор; к.ф.-м.н.

Сидоренко Владимир Михайлович – Санкт-Петербургский государственный электротех-нический университет «ЛЭТИ»; e-mail: [email protected], 197376, г. Санкт-Петербург, ул. проф. Попова, 5; тел.: +78122349071; д.т.н.; профессор.


141

Kochelaev Evgenyi Aleksandrovich – OAO “NPO “Pribor”; e-mail: [email protected], 4-6, VO 17 line, St.-Petersburg, Russia; phone: +78123234601;engineer.

Volchek Andrey Olegovich – e-mail: [email protected]; general constructor; cand. of phis.-math. sc.

Sidorenko VladimirMihailovich – St.-Petersburg University of Electrical Engineering "LETI"; e-mail: [email protected]; 5, professor Popov street, St.-Petersburg, 197376, Russia; phone: +78122349071; dr. of eng. sc.; professor.

УДК 615.47

Д.Р. Юсупова, А.А. Порунов

ИНФОРМАЦИОННЫЕ АСПЕКТЫ ПОСТРОЕНИЯ СИСТЕМЫ КОНТРОЛЯ И УПРАВЛЕНИЯ МЕДИКО-БИОЛОГИЧЕСКИМИ

ПАРАМЕТРАМИ ВОЗДУХА

Рассматривается проблема, связанная с особенностями разработки системы кон-троля и управления медико-биологическими параметрами воздуха и, в частности, поста-новка задачи структурного синтеза каналов системы контроля и управления медико-биологическими параметрами воздуха, а также характеризуется спектр загрязняющих факторов. Приводится оценка эффективности процедур подготовки воздуха и определя-ются требования к параметрам и режимам работы основных функциональных элементов системы контроля и управления медико-биологическими параметрами воздуха. Обосновы-ваются принципы и схемы построения системы контроля и управления медико-биологическими параметрами воздуха и режимы работы ее основных функциональных элементов.

Управление; медико-биологические параметры; воздух.

D.R. Yusupova, A.A. Porunov

INFORMATION ASPECTS OF CREATION OF THE MONITORING SYSTEM AND AIR MANAGEMENT IN MEDICOBIOLOGICAL PARAMETERS

In work the problem connected with features of development of the system of control and management of medicobiological parameters of air and, in particular, statement of a problem of structural synthesis of channels of the monitoring system and management of medicobiological parameters of air is considered, and also the range of polluting factors is characterized. The as-sessment of efficiency of procedures of preparation of air is given and requirements to parameters and operating modes of the basic functional elements of the monitoring system and air manage-ment in medicobiological parameters are defined. Principles and schemes of creation of the moni-toring system and management in medicobiological parameters of air and operating modes of its basic functional elements locate.

Management; medicobiological parameters; air.

В настоящее время в медицинском приборостроении особенно остро стоят задачи по разработке методов и средств контроля и управления параметрами воз-духа в лечебно-профилактических учреждениях повышенной стерильности, в том числе и в стоматологических отделениях. Поэтому данная работа представляет одну из первых попыток решения задачи по созданию системы контроля и управ-ления медико-биологическими параметрами воздуха (СКУ МБП) в рамках систем-ного подхода. Это обеспечивает последовательное и взаимосвязанное выполнение основных этапов системо- и схемотехнической разработки СКУ МБП, опирающе-гося на изучение специфики процесса инфицирования полости рта пациента при оказании ему стоматологической помощи. Начальный этап разработки СКУ МБП


142

воздуха с позиций информационных аспектов ее построения включает определе-ние спектра загрязняющих факторов, а также характеристику эффективности про-цедур подготовки воздуха с учетом анализа предъявляемых к ним требований.

В клинической стоматологии обязательны требования по стерилизации ин-струментария, максимальному использованию одноразовых принадлежностей и поддержание общего высокого уровня гигиены, но при этом не менее важным яв-ляется требование защиты пациента от вирусной инфекции - обеспечение заданно-го качества воздуха, подаваемого компрессорами в стоматологические установки. Воздушная среда один из основных путей передачи инфекции и в большинстве случаев болезнетворные микроорганизмы проникают в организм человека посред-ством воздушно-капельного пути. В воздушной среде микроорганизмы находятся в состоянии бактериального аэрозоля, который обычно включает в себя мельчай-шую капельку жидкости или частицу твердого вещества, взвешенную в воздухе, с обитающими в ней бактериями и вирусами.

Таким образом, обеспечение требуемых медико-биологических параметров воздуха в первую очередь тесно связано с обеспыливанием и с удалением из него максимального количества микроорганизмов. Необходимость первого этапа в процессе подготовки воздуха связана с раздражающим действием пыли на глаза, кожу и желудочно-кишечный тракт, но при этом особенно страдают легкие. Пыле-вые частицы размером 5 мкм и менее проникают глубоко в легкие (до альвеол), частицы 5 – 10 мкм – задерживаются в верхних дыхательных путях и в бронхах, частицы 10мкм и более не проникают в легкие, задерживаются в верхних дыха-тельных путях и быстро осаждаются.

Проблема обеспечения защиты пациента от вирусной инфекции - одна из важных в стоматологии. Этот процесс в основном сводится к предупреждению попадания микроорганизмов в полость рта и органы дыхания и потому является вторым этапом в подготовке воздуха. В полости рта человека содержится наи-большее количество видов микроорганизмов по сравнению с другими полостями, включая и желудочно-кишечный тракт. По данным разных авторов, количество видов бактерий, в том числе и анаэробных, колеблется от 100 до 160 разновидно-стей. Это объясняется еще и тем, что бактерии попадают в полость рта с возду-хом, водой, пищей и т.д. – так называемые транзитные микроорганизмы, время пребывания которых в полости рта ограничено.

Это подтверждается, например, датскими микробиологами, которые на ос-нове 25 лет исследований установили, что процент попадания микроорганизмов с влагой компрессорного воздуха в полость рта настолько высок, что требуется при-нятие жестких мер по контролю медико-биологических параметров воздуха. Сре-ди основных причин этого можно указать: высокую влажность, загрязненность воздуха в местах установки компрессоров, неэффективность фильтров на входных и выходных отверстиях компрессоров, низкий уровень их сервисного обслужива-ния, не герметичность воздушной трассы стоматологических установок.

Несмотря на большое количество работ, посвященных изучению бактериаль-ного обсеменения воздушной среды, научные основы разработки методов и средств обеззараживания воздуха до сих пор не разработаны и не отражены в пе-чати, а также отсутствует единая методика исследования воздуха и эффективные средства борьбы с микроорганизмами. Требования по допустимому уровню бакте-риальной обсемененности воздуха, используемого в стоматологических установ-ках, в государственном масштабе не утверждены, хотя нормы санации воздуха помещений существуют.

Известные системы подготовки воздуха в большинстве своем включают процесс нагнетания воздуха в воздуховод с предварительным его осушением и механической фильтрацией. Низкая эффективность такой технологической схемы привела к необходимости расширения технологической цепочки за счет введения


143

в нее процессов электрофильтрации, ионизации и обеззараживания. Такая струк-тура технологической схемы фильтрации и обеззараживания воздуха в различных сочетания технологических операций реализована в большинстве систем конди-ционирования и стерилизации воздуха в медицинских учреждениях, но практиче-ски не используется в стоматологических установках.

Анализ всего многообразия существующих аппаратов и систем подготовки воздуха в здравоохранении показывает, что в их структуре практически отсутст-вуют элементы, обеспечивающие контроль и управление интенсивностью (уров-нем) физического фактора, действующего на поток воздуха с целью его очистки и обеззараживания, т.е. обеспечение заданных показателей качества воздуха, пода-ваемого через воздуховод в стоматологический пистолет.

В рамках второго этапа разработки в работе реализовано исследование зада-чи по обоснованию принципов и схемы построения СКУ МБП воздуха. Эта задача распадается на несколько подзадач, основными из которых являются: выбор схемы построения технологического процесса по очистке и обеззараживанию воздуха; структурный и параметрический синтез каналов СКУ МБП воздуха, а также разра-ботка схемотехнических решений каналов СКУ МБП воздуха и определение ре-жимов их работы.

Основополагающим при выборе структуры технологического процесса по очи-стке и обеззараживанию воздуха является анализ и оценка различных методов фильтрации и обеззараживания воздуха, характерных для стоматологических уста-новок. Структуры типовых технологических процессов очистки воздуха, как прави-ло, включают только электрофильтрацию, которая имеет достаточно низкую эффек-тивность обеззараживания, образование озона с неконтролируемыми параметрами, а также ограниченную производительность, обусловленную высоким сопротивлением воздуховода. Среди недостатков данного технического решения можно назвать за-висимость и эффективность обеззараживания от влажности воздуха (напряженность коронирующего разряда понижается при увеличении влажности), отсутствие дезо-дорирующего свойства вследствие недостаточного окисления газообразных продук-тов жизнедеятельности. Кроме того, ионизация молекул продуктов окисления и пы-левых частиц при воздействии коронным разрядом может стать причиной аллерги-ческих реакций у предрасположенных к такому заболеванию людей. Как показал анализ этой задачи, наиболее предпочтительной для обеспечения требуемого уровня эффективности очистки воздуха является схема, представленная на рис. 1.

Рис.1. Схема подготовки воздуха к очистке: 1 – ионизация; 2 – электрическая пылефильтрация; 3 – ультрафиолетовое обеззараживание;

4 – стоматологический пистолет

Указанная технологическая схема подготовки воздуха может быть реализо-вана в различных вариантах построения структуры СКУ МБП воздуха, но сущест-венным недостатком этих вариантов построения является отсутствие возможности управления процессом обеззараживания и фильтрации воздуха и визуального кон-троля его параметров в воздуховоде стоматологического пистолета установки.

На основе представленного выше анализа основных аспектов построения СКУ МБП воздуха и с учетом ранее проведенных авторами работы исследований, были разработаны принципы построения СКУ МБП воздуха, которые соответст-вуют технологической схеме очистки воздуха с использованием элементов кон-


144

троля и управления медико-биологическими параметрами воздуха (рис. 1). Это позволит повысить эффективность процессов обеззараживания и пылефильтра-ции, так как в данном устройстве осуществляется процесс управления МБП возду-ха в зависимости от объема и степени загрязненности воздуха, как механическими частицами, так и микроорганизмами.

Рис. 2. Структурная схема системы контроля и управления медико-биологическими параметрами воздуха

Структурная схема СКУ МБП воздуха (далее система) показана на рис. 2. Характерной особенностью предложенной системы является многоканальный принцип ее построения, причем при этом осуществляется управление режимом работы канала (поз.1, 12, 13) электрофильтрации, включающее систему электродов (поз. 6, 7) и контроль параметров работы ультрафиолетового (УФ) излучателя (поз. 5) с помощью блока индикации (поз. 3). Под действием УФ-излучения про-исходят химические реакции, приводящие к гибели и распаду микроорганизмов и вирусов, а также органических газообразных соединений. Воздушный поток с продуктами распада органических соединений в результате предварительного процесса электрофильтрации, полностью обработанный, подается с помощью вен-тилятора (поз. 8) через стоматологический пистолет в ротовую полость.

Таким образом, бактерицидная эффективность системы обусловлена специ-фичностью действия УФ-излучения в диапазоне 205–315 нм и связана с поглоще-нием его квантов молекулами нуклеиновых кислот, белков, липидов и ряда других биохимических компонентов клеток микроорганизмов, в том числе фотохимиче-ским повреждением молекул вирусов.

В результате последовательного выполнения операций технологической схе-мы рис. 1 происходит очищение воздуха, подаваемого в ротовую полость от бо-лезнетворных возбудителей, газообразных органических соединений и пылевых частиц без использования механических фильтров, требующих периодической замены. При этом не только нормализуется ионное равновесие, но и уменьшается содержание оксидов азота в воздухе, что делает его свежим и приятным. Один из вариантов схемотехнической реализации функциональной схемы системы, пред-ложенной в работе, показан на рис. 3.


145

Рис. 3.Схемотехническое построение системы контроля и управления медико-биологическими параметрами воздуха

Электропитание блока управления системы подготовки воздуха (рис. 3) осу-ществляется от диодного выпрямителя (поз.1), выходное напряжение которого подается через гасящий резистор R1 на оконечный каскад высоковольтного инвер-тора (ВВИ – поз.6) на полевом транзисторе VT1. Управление ВВИ (п.6) осуществ-ляется усилителем мощности (поз.7), построенным на сборке транзисторов и им-пульсном трансформаторе Т1. Импульсы прямоугольной формы частотой 150…350Гц, генерируемые микроконтроллером (поз.5), которые поступают на усилитель мощности (поз.7), после их дифференцирования цепью С2 – R3, управ-ляют мощным КМОП – транзистором VТ1, в цепь стока которого включена пер-вичная обмотка I трансформатора Т1. Диод VD2 выполняет демпфирующую роль. Импульсы с повышающей обмотки IIа трансформатора поступают на схему вы-прямителя с умножением напряжения (поз.8) на диодных столбиках, который под-ключен к системе осаждающих электродов (СОЭ – поз.9).

Ключевым элементом в архитектуре электронных цепей блока управления системы подготовки воздуха является канал формирования и контроля интенсивно-сти ультрафиолетового излучения, состоящий из схемы (поз.2.) включения бактери-цидной лампы источника ультрафиолетового излучения (УФИ). Контроль за УФИ чрезвычайно важен, так как недостаточная интенсивность излучения может привес-ти к низкой эффективности стерилизации воздуха. Сигнал с фотоприемника VD1 поступает на операционный усилитель DA1, где преобразуется в напряжение, кото-рое анализируется микроконтроллером (МК – поз.5) и за счет этого осуществляется контроль за интенсивностью УФИ. При значительном уменьшении дозы установ-ленного УФИ формируется световой и акустические сигналы (поз.10). Кроме того, в БУ имеется контур контроля эффективности работы СОЭ, обеспечивающий задан-ную степень пылефильтрации за счет формирования напряжения, снимаемого с вто-ричной обмотки трансформатора Т1, и после выпрямления (поз.4), также анализиру-ется МК (поз.5), который управляет за счет изменения частоты режимом работы ВВИ (поз.6), а, следовательно, и работой СОЭ (поз.9.).

Результаты исследования информационных аспектов построения СКУ МБП воздуха доведены до инженерных схемотехнических решений и могут быть полез-ны при разработке аналогичных аппаратов и систем.

В последующих исследованиях авторы планируют провести разработку во-просов коммерциализации СКУ МБП воздуха, а также возможности снижения научно-технических рисков.


146


1. Кноп В., Теске В. Техника обеспечения чистоты воздуха. – М.: Медицина. 1970. – 200 с. 2. Штокман Е.А. Очистка воздуха. – М.: Изд-во АСВ. 1998. – 320 с. 3. Юсупова Д.Р. Архитектура электронных цепей блока управления и индикации системы

подготовки воздуха стоматологического пистолета. – Казань: ГОУ ВПО «КГЭУ», 2009 4. Юсупова Д.Р., Салеев Р.А., Порунов А.А. Вопросы оценки состояния атмосферного

воздуха в стоматологических организациях. – Пенза: Приволжский Дом знаний, 2008

Статью рекомендовал к опубликованию к.м.н. Н.И. Шамсутдинов.

Юсупова Диана Равилевна – ООО «Зуботехническая лаборатория – 1»; e-mail: [email protected]; 420059, г. Казань, ул. Шаляпина, 41А; тел.: 88432772019; инженер.

Порунов Александр Азикович – КНИТУ им. А.Н. Туполева (КАИ); e-mail: [email protected]; 420111, г. Казань, К.Маркса, 10; тел.: 88432310390; 88432365691; ка-федра приборов и информационно-измерительных систем; к.т.н.; доцент.

Yusupova Diana Ravilevna – «Dentitechnical laboratory – 1»; e-mail: [email protected]; 41A, Shaliapina, Kazan, 420059, Russia; phone: +78432772019; engineer.

Porunov Alexandr Azikovich – КSRТU of a name of А.N. Tupolev (КАI); e-mail: [email protected]; 10, Marksa, Kazan, 42011110, Russia; phone: +78432310390; +78432365691; the department of devices and information and measuring systems; cand. of eng. sc.; associate professor.

УДК 577.338

П.В. Хало, В.Г. Галалу, Ю.М. Бородянский

АНАЛИЗ ВОЗМОЖНОСТЕЙ СУЩЕСТВОВАНИЯ КУБИТОВ В ЖИВЫХ ОРГАНИЗМАХ

Рассматривается проблема физической реализации квантовой теории сознания. Прово-дится сравнительный анализ традиционной и квантовой теории сознания, которая в настоя-щее время находит все больше сторонников. Авторы анализируют различные возможности реализации физико-химических процессов, соответствующих современным представлениям о структуре мозга как квантовом компьютере. Предлагается при моделировании сознания ис-пользовать квантовые вычисления, в частности кубиты, — квантовые разряды или наимень-шие элементы для хранения информации. Кубиты могут быть квантово связаны друг с другом, то есть, при всяком изменении над одним из нескольких кубитов, остальные меняются согласо-ванно с ним. Это дает возможность распараллеливания операций и получения определенных преимуществ по сравнению с чисто двоичными алгоритмами.

Модели сознания; квантовый компьютер; бит; кубит.

P.V. Halo, V.G. Galalu, Yu.M. Borodyansky

THE ANALYSIS OF POSSIBILITIES OF EXISTENCE QUBITS IN LIVE ORGANISMS

The problem of physical realization of the quantum theory of consciousness. Comparative analysis of traditional and quantum theory of consciousness, which is now found more and more supporters. The authors analyze the feasibility of various physical and chemical processes relevant to modern ideas about the structure of the brain as a quantum computer. Proposed to be used in the simulation of consciousness quantum computing, in particular qubits - quantum bits, or the smallest elements to store information. Quantum qubits can be linked to each other, that is, for every change on one of several qubits, and the rest vary in concert with him. This allows parallel operations and to obtain certain advantages over a purely binary algorithms.

Consciousness models; quantum computer; bit; qubit.


147

Одной из самых сложных задач в современной науке является проблема мо-делирования сознания. Нет четкого представления, что такое сознание как функ-циональная сущность, что такое мысль как продукт сознания, отсутствует убеди-тельная физико-химическая база сознания. Можно лишь заключить, что сознание - результат особой организации, сложность которой создает новые эмерджентные (от англ. Emergence – возникающий, неожиданно появляющийся) свойства, кото-рых нет у составных частей. Известно, что возможности сознания могут резко воз-растать в экстремальных условиях, давая человеку способности, граничащие со сверхестественными, однако сложности в повторении этих состояний серьезно усложняют изучение этого феномена. Следует также учитывать, что наиболее ин-тересная часть исследовательских данных, к сожалению, недоступна рядовому ученому в силу закрытости ряда областей этой тематики. До сих пор во многом не определен сам объект моделирования. В настоящее время существует две основ-ных парадигмы на этот счет. В соответствии с классической моделью преимуще-ственно начала ХХ века:

1. Границы человеческого организма абсолютны и совпадают с поверхно-стью кожи.

2. Приобретение информации и коммуникация ограничены лишь известными внешними сенсорными каналами, механизмы которых объясняются в рамках клас-сической физики.

3. Умственная деятельность состоит из компиляции сенсорной информации. 4. Хранение информации в памяти осуществляется на основе макрофизиче-

ского материального субстрата - мозговых клеток и цепей генов. 5. Духовный опыт сводится к исходному нарциссизму, жажде «океаническо-

го чувства» и другим младенческим переживаниям. 6. Сознание есть продукт нейрофизиологических процессов происходящих в

мозге. 7. Любые пиковые переживания, отличающиеся от среднестатистического

психического состояния, расцениваются как болезнь, а потому корректируются в сторону среднестатистической нормы (инсулиновая блокада, психодислептики, электрошок, вербальная психотерапия и пр.).

8. Во время патологического процесса внутренние гомеостатические и цели-тельные механизмы организма бездействуют.

9. В процессе лечения терапевт активен, пациент пассивен, т.к. врач – эксперт и все знает. Цель лечения – преодоление симптомов дискомфорта и отклонений от среднестатистической нормы.

В соответствии с более прогрессивной холотропно-синергетической моделью: 1. Человек имеет поле сознания, которое может выходить за пределы линей-

ного времени, трехмерного пространства и казуальных связей; он соизмерим со всею целостностью бытия (учёт надстоящих функциональных систем).

2. В коммуникации и получения информации участвуют не только внешние сенсорные каналы и взаимодействия классической физики.

3. Психика человека, в определенных состояниях, может включать весь опыт эволюции Вселенной (в том числе смерть и коллективное бессознательное).

4. Духовный опыт является универсальным, основывается на информации, по-лученной в измененных состояниях сознания (ИСС), и несводим к среднестатисти-ческой норме, которая вообще здесь рассматривается как регрессивные состояния.

5. Для понимания механизмов сознания недостаточно принципов классиче-ской физики, а необходимо привлечение еще и квантовой физики, Сознание не обязательно является продуктом мозга, а может лишь опосредоваться им.

6. Симптомы болезни свидетельствуют о наличие конфликта между над-стоящей функциональной системой и функциональной системой организма, таким образом, их следует актуализировать до разрешения проблемы, вставшей перед организмом.


148

7. Гомеостатические и целительные механизмы всегда играют решающую роль, и состояния сверхсознания активизируют их силу.

8. Коррекция психосоматического состояния осуществляется с помощью психотехник инициации ИСС (холотропное дыхание, динамическая медитация, психоделическая терапия и пр.). Ведущий же процесса выполняет лишь роль фа-силитатора (помогает установить связь между Эго и сверх-Я). Источник исцеления – сам пациент.

9. Цель лечения – глубокая трансформация личности и фундаментальная ак-туализация законов естественной этики.

Однако, при всей прогрессивности холотропно-синергетической парадигмы, многие ее критикуют в виду отсутствия теоретико-биофизической базы. Сравни-тельно недавно это ситуация в корне изменилась, сразу ряд известных ученых вы-двинули гипотезу квантового сознания и мозге, как квантового компьютера. Дей-ствительно подобная теория легко объясняет многие феномены, констатируемые в ИСС и снимает проблему неалгоритмичности сознания, как такового, следующую из теоремы Курта Геделя о неполноте. Объясняет парадокс практической неразли-чимости представленной в мозгу информации о реальном и ирреальном мире, фе-номен формирования целостного восприятия сенсорной информации человеком, при явно недостаточной пропускной способности нервных каналов, недостаточно-го вычислительного быстродействия ЦНС, ее пластичности, проблему локализа-ции и организации функциональных состояний и пр. [1]

В настоящее время поставлен вопрос о возможности реализации квантового компьютера в биологической среде при температурах, характерных для живых орга-низмов. Основным элементом квантового компьютера является кубит, – квантовый разряд или наименьший элемент для хранения информации в квантовом компьюте-ре. Он допускает два собственных состояния, обозначаемых как |0⟩ и |1⟩, но при этом может находиться и в их суперпозиции, то есть в состоянии ∙ |0⟩ + ∙ |1⟩, где A и B любые комплексные числа, удовлетворяющие условию | | + | | = 1. При любом изменении состояния кубита, он случайно переходит в одно из своих собст-венных состояний. Кубиты могут быть квантово связаны друг с другом, то есть, при всяком изменении над одним из нескольких кубитов, остальные меняются согласо-ванно с ним. Совокупность связанных между собой состояний кубитов может ин-терпретироваться как заполненный квантовый регистр. Квантовый регистр гораздо более информативен, он может находиться не только во всевозможных комбинациях составляющих его битов, но и реализовывать всевозможные «тонкие» зависимости между ними. Но в конечном итоге каждый кубит «коллапсирует» из состояния «квантовой раздвоенности» и превращается в классический бит, равный 1 или 0. Классические биты, получающиеся из сцепленных квантовых битов, являются ре-шением или ответом квантовой вычислительной операции. Поскольку квантовые взаимодействия между кубитами происходят с практически бесконечной параллель-ностью, квантовые вычисления имеют несомненные преимущества над традицион-ными алгоритмами и позволяют объяснить явное несоответствие между попытками моделирования интеллектуальных процессов на суперкомпьютерах, во много раз превосходящих модель мозга по быстродействию и объёму памяти, и весьма скром-ными результатами моделирования по сравнению с реальным мозгом.

В научной литературе представлены два основных кандидата на роль матери-ального носителя биологического квантового компьютера. Первый из них гидро-ксиапатит кальция. Это вещество в настоящее время рассматривается как наиболее подходящая физическая основа техногенного квантового компьютера. Гидроксиа-патит кальция содержится в шишковидной железе и входит в состав «мозгового песка». Размеры песчинок колеблются от 5 мкм до 2 мм и имеют фестончатые края. Их органическая основа — коллоид, считающийся секретом пинеалоцитов, пропитанный преимущественно фосфатными солями Ca и Mg. Эти неправильной


149

формы многослойные концентрические отложения шишковидной железы содер-жат: Са5(РО4)3ОН; Са3(РО4)2; Са3(РО4)2·H2O; СаCO3ОН; CaCO3. В начале XX века многие исследователи писали, что этого вещества нет у детей примерно до 7 лет (в современной психологии считается, что сознание полностью формируется у человека лишь к 7-8 годам) и у слабоумных [2]. Участие эпифиза в актах сознания широко известно в современной нейрофизиологии. Вместе с тем против этой ги-потезы есть ряд рациональных возражений:

1. Для того, чтобы квантовые суперпозиции на базе Са5(РО4)3ОН могли вы-полнять полезные функции в техногенном квантовом компьютере требуется изо-ляция кубитов и сверхнизкие температуры, в противном случае они разрушаются взаимодействием с окружающей средой (декогеренция). Подобные условия в моз-ге отсутствуют.

2. Нейроны и синапсы выглядят слишком крупными и сложными для тонких квантовых переходов от кристаллов Са5(РО4)3ОН к ЦНС.

3. Кристаллы гидроксиапатита в организме не являются идеальными и со-держат множество неоднородностей, что при техногенной реализации серьезно бы осложнило задачу.

Второй кандидат на роль материального носителя биологического квантового компьютера был предложен С. Хамероффом [3]. Он выдвигает гипотезу, что мате-риальной основой квантовых вычислений в биологических организмах могут вы-ступать цитоскелеты нейронов. Цитоскелет состоит из микротрубочек, стенки ко-торых составлены из 13 протофиламентов, каждый из которых представляет ли-нейный полимер из димера белка тубулина, упакованного в гексагональные ре-шетки. Микротрубочки являются крайне динамичными структурами, потребляю-щими гуанозинтрифосфат в процессе полимеризации. Они играют ключевую роль во внутриклеточном транспорте кинезина и динеина, образуют основу аксонемы ундилиподий и веретено деления при митозе и мейозе. Физически микротрубочки представляют собой полые цилиндрические образования диаметром около 25 нм. Переход между двух конформаций тубулина (α- и β-формы) осуществляется за счет единственного электрона, т.е. взаимодействие происходит на квантовом уровне. Так как состояния тубулина управляются внутренними силами Ван-дер-Ваальса-Лондона, они могут находиться в квантовой суперпозиции множества состояний, и микротрубочки можно рассматривать как квантовые компьютеры, участвующие в организации жизни клетки. Конфигурация каждого тубулина зави-сит от конформаций соседей. Оптимальной температурой для подобных взаимо-действий является температура тела млекопитающих. Таким образом, микротру-бочки цитоскелета могут представлять собой клеточный автомат, вычисления, ко-торого в свою очередь, влияют на передачу сигналов между нейронами. В 80-х прошлого века С. Хамероффом, Р. Ваттом, С. Расмуссем были проведены исследо-вания, доказавшие подобную возможность. В начале 90-х Р. Пенроуз и С. Хаме-рофф предложили модель сознания на основе квантовых вычислений в микротру-бочках мозга. По их данным сознание является последовательностью дискретных событий, формирующейся из чередующихся фаз:

1) фазы квантовых вычислений, в которых квантовые когерентные суперпо-зиции микротрубочек изолированы актином,

2) фазы редукции в классические состояния и осуществления обмена инфор-мацией, между микротрубочками и ЦНС. Причем, в этой фазе участвуют еще и белки MAPs, связывающие микротрубочки друг с другом.

По оценкам авторов частота «осознаний» в мозгу человека может достигать 40 Гц (γ-активность ЭЭГ). Это величина действительно очень интересна, т.к. близ-ка к порогу осознанного восприятия человека, например, критической частоте


150

слияния мельканий. По их мнению, более простые организмы тоже могут обладать сознанием, но для них характерны более длительные периоды изолированных квантовых суперпозиций, поэтому моменты осознанности случались бы у них крайне редко. Например, у простого червя – 0,017 Гц.

Недавние исследования, проведенные в Медицинском колледже Джорджии США, показали возможность реализации модели структур памяти в квантовом компьютере при помощи белка α-Cam киназа II. На поверхности микротрубочки α-Cam киназа II располагается так, что может пометить кластер из шести близлежа-щих белков-тубулинов. В таком случае кластер из шести белков может выступать в качестве «кубайта». Полученная модель обладает очень высокой энергетической эффективностью и информационной емкостью, и значительно превосходит тради-ционную [3]. Исследователи предполагают, что фосфорилирование может влиять на транспорт по микротрубочкам, распространяться волнами по нейрону, влиять на рост дендритов и т.д.

Таким образом, можно представить, что каждый нейрон является не просто от-дельным вентилем мозга, как это представлялось в примитивной модели У. Мак-Каллох и У. Питтса в 1943 году, а отдельным квантовым компьютером, связываю-щимся с другим нейроном посредствам последовательного канала передачи данных. Таким образом, вычислительная мощь мозга значительно возрастает, что лучше согла-суется с существующими эмпирическими данными, например, при сравнении воз-можностей человеческого мышления и суперкомпьютеров. Как известно современные суперкомпьютеры по многим параметрам продолжают серьезно уступать человече-скому мышлению, хотя по числу вентилей они приблизились к числу нейронов в че-ловеческом мозге и при этом имеют несравненно большие тактовые частоты.

Можно также предположить, что в ИСС происходит актуализация квантовых процессов, т.к. именно в этих состояниях наблюдается те характерные черты вос-приятия характерные для механизмов квантового мира, в обычном же состоянии сознания, для человека характерно восприятие классического мира. Вместе с тем, квантовая теория сознания не дает объяснений, что же такое сознание. Она просто объясняет некоторые механизмы сознания, которые никак нельзя объяснить с точ-ки зрения теорий макромира.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Хало П.В., Галалу В.Г., Омельченко В.П. Модели и принципы активации резервных возмож-

ностей организма // Известия ЮФУ. Технические науки. – 2010. – 9 (110). – С. 63-70. 2. Сяэск И.В. Мозговой песок шишковидной железы человека // Научно-практический

вестник: Человек в социальном мире: проблемы, исследования, перспективы. – 2001. – Вып. 1 ( 5). – С. 44.

3. Hameroff S. What is Consciousness? // http://www.quantumconsciousness.org/ presenta-tions/whatisconsciousness.html.

Статью рекомендовал к опубликованию д.т.н., профессор Н.Н. Чернов.

Хало Павел Владимирович – Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Таганрогский государственный педа-гогический институт имени А.П. Чехова»; e-mail: [email protected]; 347905, г. Таганрог, ул. 1-я Котельная, 6а; тел.: 89289657560; кафедра физической культуры; к.т.н.; доцент.

Галалу Валентин Гаврилович – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универ-ситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 89281496612; кафедра автоматизированных систем научных исследований и эксперимен-тов; к.т.н.; доцент.


151

Бородянский Юрий Михайлович – e-mail: [email protected]; 347935 г. Таганрог ул. Александровская, 87, кв. 5; тел.: 89185051716; кафедра системного анализа и телеком-муникаций; к.т.н.; доцент.

Halo Pavel Vladimirovich – Federal State Budget Institution of Higher Education "Taganrog State Pedagogical Institute of a name of Chekhov's»; e-mail: [email protected]; 6a, 1st Kotelnaj street, Taganrog, 347905, Russia; phone: +79289657560; the department of physical education; cand. of eng. sc.; associate professor.

Galalu Valentin Gavrilovic – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovsky, Taganrog, 347935, Russia; phone: +79281496612; the department of automated research systems; cand. of eng. sc.; associate professor.

Borodyansky Yuri Mikhailovich – e-mail: [email protected]; 87, Alexander's street, ap. 5, Taganrog, 347935, Russia; phone: +79185051716; the department of system analysis and telecommunications; cand. of eng. sc.; associate professor.

УДК 534:535

Д.В. Орда-Жигулина, И.Б. Старченко

ЛАЗЕРНАЯ ДИАГНОСТИКА ДВИЖУЩИХСЯ ЖИДКОСТЕЙ В БИООБЪЕКТЕ

В настоящее время использование нанотехнологий в медицинской диагностике явля-ется перспективным направлением. Наночастицы используются в качестве контрастных агентов для медицинской ультразвуковой интроскопии, поскольку, будучи иммобилизиро-ванным определёнными белками, обладают адгезией к больным клеткам и бактериям. Ре-гистрация ультразвукового сигнала, возникающего при облучении лазером тока крови с введенными наночастицами, позволяет осуществлять обнаружение и подсчет больных клеток. Информативным параметром служит уровень регистрируемого сигнала, который повышается при наличии агрегатов «нанотрубки-клетка». Исследования проводятся в центрах коллективного пользования Южного федеральной университета «Нанотехноло-гии» и «Лазерные технологии», оснащенными современным уникальным нанотехнологиче-ским и исследовательским оборудованием.

Оптоакустический эффект; нанотрубки; нановолокна; лазер.

D.V. Orda-Zhigulina, I.B. Starchenko

LASER DIAGNOSTICS OF A MOVING FLUID IN BIOLOGICAL OBJECTS

Now nanotechnologies are one of perspective methods of diagnostics in medical practice. Nanoparticles can be used as contrast agents for medical ultrasonic introscopy due to their adhe-sion to tumor cells and bacteria. In the work we propose registration of ultrasound induced by laser radiation of nanotubes in blood flow. Informative parameter is the level of the detected sig-nal, which rises in the presence of aggregates of "nanotube-cell". Investigations are provided in the centers of collective use of Southern Federal University “Nanotechnologies” and “Laser tech-nologies”, equipped with modern unique nanotechnological and research complexes.

Optoacoustic effect; nanotubes; nanofibers; laser.

Суть лазерной диагностики потоков состоит в том, что исследуемый поток зондируется лазерным пучком, а затем измеряются параметры либо прошедшего, либо рассеянного излучения [1]. Так как лазерный пучок характеризуется сово-купностью параметров: мощностью, поляризацией, длиной волны, частотой, фазой и направлением распространения, то по изменению этих параметров можно судить о процессах, происходящих в исследуемом потоке.


152

Отличительной особенностью лазерного излучения является высокая про-странственная и временная когерентность, что позволяет получать спектральную плотность мощности излучения, превосходящую на несколько порядков спек-тральную плотность некогерентных источников излучения. Узкая направленность лазерного пучка позволяет создавать простые оптические схемы измерительных систем, надежных и простых в эксплуатации [1]. Благодаря большой мощности лазерного излучения можно регистрировать малые размеры частиц, малая дли-тельность излучения – быстропротекающие процессы. Высокая монохроматич-ность лазерного излучения позволяет создавать методы, где информативным па-раметром является частота.

На рис. 1 показана схема диагностики потоков при помощи лазерного излу-чения. Излучение от лазера 1 проходит через оптическую систему формирования пучка 2 и направляется в исследуемый поток 3, заключенный в прозрачном канале. Прошедший через исследуемую среду лазерный пучок направляется в измери-тельный блок 4, где регистрируются его параметры. По изменению параметров прошедшего излучения по сравнению с параметрами зондирующего излучения определяются параметры исследуемого потока.

В другом варианте анализируются параметры рассеянного излучения при помощи измерительного блока 5 и сравниваются с параметрами зондирующего излучения. Это может быть, например, ультразвуковое излучение, генерирующее-ся за счет тепловых эффектов.

Методы диагностики первого типа являются интегральными, так как измене-ние параметров прошедшего излучения обусловлено характеристиками потока на всем пути распространения лазерного пучка. Методы второй группы позволяют определять параметры потока в малой области пространства, заданной попереч-ными размерами лазерного пучка и глубиной резкости оптической системы, реги-стрирующей рассеянное излучение.

Рис. 1. Схема лазерной диагностики микропотоков [1]: 1 – лазер, 2 – оптическая система, 3 – исследуемый микропоток, 4 – схема обработки

прямого сигнала, 5 – схема обработки рассеянного сигнала, 6 – ПК

Таким образом, прямая задача лазерной диагностики потоков состоит в том, чтобы при известных параметрах зондирующего изучения и известных оптических параметрах потока найти параметры прошедшего или рассеянногоизлучения или излучения, генерирующегося в среде под воздействием лазера. Очевидно, что это возможно сделать при условии, что известны связи между физическими парамет-рами потока (температурой, скоростью, концентрацией и размером частиц, плот-ностью, давлением, соленостью и т.д.) и его оптическими характеристиками (ком-плексным показателем преломления, градиентом показателя преломления, матри-цей рассеяния и т.д.).

Достоинства лазерных методов диагностики микропотоков заключаются в следующем. Прежде всего, лазерные методы являются бесконтактными, а поэтому практически не вносят возмущений в исследуемый поток в отличие от зондовых


153

методов, которые в данном случае вообще неприменимы. Во-вторых, лазерный пучок можно рассматривать как многопараметрический зонд. Поэтому с помощью такого зонда можно создавать многоканальную измерительную систему, когда одновременно регистрируются многие параметры потока. В-третьих, лазерные методы диагностики являются в общем случае полевыми методами, т.е. с их по-мощью определяются распределения параметров потока в пространстве за корот-кий промежуток времени.

Для увеличения чувствительности данных методов можно использовать на-норазмерные объекты. В наночастицах, действующих как звукоусиливающие агенты, используется механизм звукового рассеяния диагностического ультразву-ка, а именно то, что интенсивность излучения звука пропорциональна разности акустических импедансов крови и наночастицы. Различие в акустических импе-дансах достаточно высоко, и поэтому весь отраженный звук регистрируется ульт-развуковым преобразователем [2].

В работах [3, 4] для решения диагностических задач предлагается использо-вать метод проточной цитометрии in vivo, который основывается на принципах фототепловой и фотоакустической спектроскопии с использованием наноразмер-ных контрастных агентов. Углеродные нанотрубки сильно поглощают лазерное излучение [5] и, вследствие оптоакустического эффекта, звук обнаруживается ультразвуковым преобразователем. Так как углеродные нанотрубки имеют силь-ную адгезию к бактериальным клеткам, а не к собственным клеткам живого орга-низма, то наличие сигнала на приемном ультразвуковом преобразователе говорит о присутствии бактерий в кровотоке.

Эту методику можно называть «in vivo оптоакустической цитометрией потока крови», потому что она подсчитывает и классифицирует клетки в кровеносных со-судах, подобно обычной цитометрии, основанной на флуоресцентном изучении по-тока крови, в которой клетки направленно протекают через стеклянные капилляры.

Лазеры с длиной волны более 950 нм не имеют широкого применения для in vivo оптоакустической визуализации и оптоакустической проточной цитометрии или ис-пользуются на низкой частоте следования импульсов [4]. Однако если сравнивать ла-зер ближнего инфракрасного диапазона, имеющий высокую частоту следования им-пульсов, малую длительность импульса, уровень энергии до 50–100 мкДж и подходя-щую стоимость, выбор лазеров, работающих в диапазоне, проходящем в биологиче-ские ткани (655–930 нм) ограничен, по сравнению с выбором хорошо известных ла-зерных систем, работающих на 1064 нм. Амплитуды оптоакустического сигнала от кровеносного сосуда, получаемые на 1064 нм, идентичны с полученными на 850–950 нм. Это говорит о перспективе выбора сравнительно дешевого и надежного лазерного источника, работающего на 1064 нм для дальнейшего развития оптоакустической ме-тодики проточной цитометрии, получения изображений и микроскопии.

Некоторые потенциальные, но несущественные недостатки этого выбора, с точки зрения чувствительности, связаны с ограниченным числом контрастных агентов, поглощающих в этом спектральном диапазоне, например, меланин, золо-тые наночастицы, золотые наностержни и некоторые другие наночастицы с раз-личными формами и составом. Кроме того, поглощение света для некоторых на-ночастиц на 1024 нм на 20–30 % ниже, чем на 650–900 нм. Принимая во внимание 10–20 % возрастание фонового сигнала от крови и кожи [6], ожидается общее снижение чувствительности на 50% на 1064 нм по сравнению с 850 нм. Эта ситуа-ция, однако, может быть улучшена за счет:

большей стабильности более эффективных лазерных источников, рабо-тающих на 1064 нм, которые могут увеличить точность оптоакустических измерений;


154

увеличения частоты следования импульсов, позволяющей увеличить либо коэффициент сигнал-шум в 10–30 раз, либо скорость оптоакустического анализа или получения изображения;

увеличения энергии лазера для измерений in vivo: безопасный уровень ла-зерного излучения на 1064 нм составляет 100 мДж/см2, а в видимом спек-тральном диапазоне 20 мДж/см2.


1. Ринкевичюс Б.С. Лазерная диагностика потоков. – М.: Изд-во МЭИ, 1990. – 287 с. 2. Boas G. Photoacoustic Imaging Gets Dynamic // Biophotonic International. – 2008. – P. 26-29. 3. Bianco A., Kostarelos K., Partidos C.D., Prato M. Biomedical applications of functionalised

carbon nanotubes // Chem. Commun.- 2005. – Р. 571-577. 4. Zharov V.P., Galanzha E.I. and Tuchin V.V. Photothermal image flow cytometry in vivo //

Opt. Lett. – 2005. – 30. – Р. 628-630. 5. Грудзинская И.С., Косаковская З.Я., Овчинников О.Б., Чабан И.А. Оптоакустический

эффект в плотных слоях ориентированных углеродных нанотрубок: Использование его для измерения коэффициента поглощения света и толщин пленок // Акустический жур-нал. -2006. – Т. 52, 3. – С.330-334.

6. Джуплина Г.Ю., Старченко И.Б. Теоретическая модель оптикоакустического эффекта в среде с наноразмерными рассеивателями // Известия ЮФУ. Технические науки. – 2009. – 10 (99). – С.189-192.

Статью рекомендовал к опубликованию д.т.н., профессор В.И. Тимошенко.

Орда-Жигулина Дина Владимировна – Федеральное государственное автономное обра-зовательное учреждение высшего профессионального образования «Южный федеральный университет»; [email protected]; 347922, г. Таганрог, ул. Шевченко, 2; тел.: 88634371795; кафедра электрогидроакустической и медицинской техники; аспирант.

Старченко Ирина Борисовна – e-mail: [email protected]; кафедра электрогидроакустической и медицинской техники; д.т.н.; профессор.

Orda-Zhigulina Dina Vladimirovna – Federal State-Owned Autonomy Educational Establish-ment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; 2, Shevchenko street, Taganrog, 347922, Russia; phone: +78634371795; the department of hydroacoustic and medical engineering; postgraduate student.

Irina Borisovna Starchenko – e-mail: [email protected]; the department of hydroacoustic and medical engineering; dr. of eng. sc.; professor.

Раздел IV. Информационно-психологическая безопасность человека

155

Раздел IV. Информационно-психологическая безопасность человека и образование в сфере

биомедицины

УДК 61:140.8

Т.В. Тимошенко

АДАПТАЦИЯ ЧЕЛОВЕКА К СОВРЕМЕННОЙ ИНФОРМАЦИОННОЙ СРЕДЕ

Рассмотрены особенности формирования адаптационных механизмов человека в со-временном информационном обществе. Адаптация к окружающей среде – важнейший фактор, способствующий обеспечению информационно-психологической безопасности личности. Существенную роль в процессе адаптации играют психологические факторы, особенно в связи с информационно-коммуникативными процессами, происходящими в об-ществе. Лучшим средством адаптации является мировоззрение, системное, основанное на знании и направленное на объединение с окружающим миром. Адекватное действительно-сти мировоззрение позволяет человеку эффективно преодолевать переходные процессы в жизни, выбирать лучший путь развития.

Адаптация; психосоматика; психика; информация; мировоззрение.

T.V. Timoshenko

ADAPTATION OF THE PERSON TO THE MODERN INFORMATION ENVIRONMENT

In article features of formation of adaptable mechanisms of the person in a modern infor-mation society are considered. Adaptation to environment is the major factor promoting mainte-nance of information-psychological person’s safety. The essential role in the course of adaptation is played by psychological factors, especially in connection with the information-communicative processes occurring in a society. The best means of adaptation is the system outlook based on knowledge and directed on association with surrounding world. The correct outlook allows the person to overcome effectively transients in a life, to choose the best way of development.

Adaptation; psychosomatics; mentality; information; outlook.

Способность адаптироваться к изменяющимся условиям окружающей среды – важнейшая из способностей любой системы, обеспечивающая возможность ее существования. Поэтому проблемы адаптации всегда привлекали повышенное внимание ученых различных специальностей. С позиций синергетики, механизмы адаптации предназначены для поддержания динамического равновесия, внутрен-ней и внешней устойчивости системы, т.е. носят компенсаторный характер. Они непрерывно совершенствуются в процессе эволюции системы.

Внимание, уделяемое изучению адаптации человека в ее различных аспектах, все возрастает, так как развитие цивилизации и в области научно-технического прогресса, и в информационно-коммуникативной, и в прочих областях постоянно ускоряется. Созданная человеком среда, в основе которой наиболее значимым элементом сейчас является информация, интенсивно воздействует на человека. Развивающиеся средства информационного воздействия, информационной комму-


156

никации влияют на психику человека и на создаваемую им культуру. Формируют-ся новые когнитивные стереотипы, ценности, стереотипы поведения, усложняются процессы социализации личности. Соответственно увеличиваются нагрузки на адаптационную систему и умножаются требования к механизмам адаптации.

Способность человека адаптироваться к изменениям окружающей среды, взаимодействуя с ней основе биологической, психологической и социальной сущ-ности, тесно связана с понятием здоровья человека. И многие исследователи счи-тают, что «адаптационные возможности организма» могут рассматриваться как мера здоровья, как мера защиты от болезни» [1].

Человек и состояние его здоровья являются объектами исследования самых различных наук. Несмотря на исторически сложившуюся традицию, согласно кото-рой биологическая составляющая человека (организм и его патологии) изучаются медицинскими науками, а психологические и социальные факторы – психологиче-скими и социальными науками: психологией, психиатрией, социологией, социаль-ной философией, социальной психологией и прочими, все чаще используется ком-плексный, системный медико-социально-психологический подход к изучению здо-ровья человека. С позиций комплексного подхода человек рассматривается как су-щество со сложной и многоуровневой организацией. Природа человека представляет собой интегральную целостность, в которой биологическое начало есть основа нача-ла социального, и диалектика их взаимодействия приводит к эволюции человека и социума. И хотя основной вопрос философии о соотношении материи и сознания (материального и идеального) так и остается без однозначного ответа, в таких прак-тически значимых областях как медицина и психология, изучающих патологические процессы человеческого организма, их причины и способы преодоления, признает-ся, что психические аспекты в них играют весьма значимую роль.

В настоящее время в системе «Человек – Природа – Общество» в адаптаци-онной способности человека можно выделить биологическую, социальную и пси-хологическую составляющие. Процесс адаптации определяет кроме самого суще-ствования еще и возможности человека вести полноценную, эффективную жизнь, находя необходимые «ответы» на «вызовы» окружающей его природной и социо-культурной среды. Под воздействием новых вызовов информационной среды на-рушается равновесное состояние организма: начиная с психологических отклоне-ний, через невротические реакции к развитию телесных патологий – болезней. Наиболее тяжелыми последствиями могут быть дезорганизация, нарушение цело-стности личности, разрушение психической защиты личности и др.

В развитии науки подтверждается закономерность, что на пересечении облас-тей различных знаний возможны самые удивительные открытия. В настоящее время в Университете Бингемтона и в других учебных заведениях проводится программа эволюционных исследований (EvoS), особенностью которых стал выход за рамки биологической науки и включение в исследование гуманитарных и общественных дисциплин. В программе изучается эволюция в нескольких аспектах: «и теория, и факт, и, что самое важное, мировоззрение, обеспечивающее глубокое понимание и способность к объяснению явлений» [2]. А, например, в начале XIX в., в 1818 г. поя-вилась новая отрасль медицинской науки, связывающая физическое и психологиче-ское начала человека – психосоматика. Само название уже отражает связь души (psihe) и тела (soma) в причинах возникновении заболеваний. Психосоматика разви-валась как клиническая дисциплина и представления о механизмах развития болез-ней с течением времени расширялись. Современное психосоматическое направле-ние представлено множеством концепций, отражающих механизмы нарушения связи между психикой и функциями организма: чувства, переживания, мысли че-ловека с помощью нервной и гормональной систем трансформируются в биохими-ческие реакции, получают свое телесное выражение, свой материальный субстрат


157

на уровне тела. Болезнь, возникающая на уровне сознания как нарушение взаимо-связи с миром, на уровне тела проявляется в виде биохимических, функциональ-ных и органических изменений.

Изначально причины некоторых психосоматических заболеваний объясняли наследственной предрасположенностью, нарушением эмоционального климата в семье и сильными переживаниями взрослой жизни. В настоящее время выделено множество типичных психосоматических расстройств, имеющих психогенное происхождение: ожирение, нервная анорексия, нервная булимия, бронхиальная астма, язвенный колит, болезнь Крона, лабильная эссенциальная гипертензия, сер-дечный невроз, гастроэнтерит и многие другие. Чуть позже, в 1966 г., появилась концепция социопсихосоматики, рассматривающая причину психосоматических заболеваний в социальном и личностном конфликте индивидуума. Условия жизни общества, конституционные факторы, культурные влияния, социальные взаимо-связи, структура личности индивидуума – ведущие категории предложенных на сегодняшний день основных социопсихологических моделей. Быстрое социальное и техническое развитие в течение последних десятилетий приводит и к слишком быстрым изменениям норм этих категорий. Исход в психосоматическую патоло-гию – это следствие нарушения адекватных взаимоотношений между индивидуу-мом и многочисленными социальными структурами, в которые он включен.

В настоящее время на роль психосоциальных факторов как причину возникно-вения различных патологий обращают внимание многие исследователи – Александ-ровский, A.B. Мазурин, М.П. Довгаль, А.Г. Сапрыкина, Г.В. Минкина и другие. При длительном воздействии патогенных факторов заболевания прогрессируют и пере-ходят к хроническим формам. Есть данные, что за последние 15 лет существенно возросла роль нервно-психического фактора в формировании патологии органов пищеварения, что исследователь связывают с социальными процессами.

Описанная выше связь биологического и психосоциального в человеке важна для понимания процессов его адаптации к среде. В ходе адаптации также выделя-ются биопсихосоциальные аспекты. И, если в процессе биологической адаптации человека организм приспосабливается с помощью изменений внешних и внутрен-них особенностей органов и тканей, их функций или функций всего организма, то психосоциальная адаптация задействует процессы становления личности, обуче-ния и усвоения человеком ценностей, норм, установок, образцов поведения, закре-пившихся в данном обществе, процессы посредством которых «индивид достигает состояния отсутствия переживания конфликта со средой, за счет использования накопленного опыта и моделирования новых способов поведения для разрешения проблемных ситуаций» [3]. Все эти процессы связаны с проблемой здоровья чело-века и проблемой общественного здоровья.

Информационные перегрузки способны вызывать различные формы дезадап-тации человека. В первую очередь это нарушение психологического равновесия человека, которое затем приводит к соматическим заболеваниям. Формы проявле-ния психологической адаптации человека к окружающему миру могут быть раз-личными:

1) в виде различных форм психологической защиты; 2) психосоматических заболеваний; 3) психотических состояний. Может возникнуть проблема неуверенности в себе, она часто носит неосоз-

нанный характер и маскируется под другие проблемы: излишнюю тревожность, агрессивность, потерю вкуса к жизни и др. Например, человек начинает ощущать, что он недостаточно хорош, раз не справляется с современной информационной техникой, не может разобраться в новых технологиях, успеть ознакомиться со всеми литературными, профессиональными новинками. В процессе преодоления человеком подобной ситуации, чтобы выглядеть достойно в глазах окружающих,


158

не вызывать осуждения, человек использует приобретенный на предшествующих этапах опыт или открывает принципиально новые способы поведения и решения сложных задач, моделирует новые программы и планы внутрипсихических про-цессов, формирует новые связи, для преодоления возникших ситуаций.

Адаптация к новым условиям, переживание периода неопределенности неиз-бежно влечет за собой психологический стресс у индивида, так называемый стресс адаптации. Состояние неопределенности, тревожности может стимулировать адаптационные процессы, так как индивид осознанно и неосознанно стремится вернуть комфортное самочувствие. Но оно же может стать причиной дезорганизо-ванного поведения и, позже, к психосоматическим расстройствам.

Описание групп социально-стрессовой дезадаптации дал профессор, доктор медицинских наук Ю.А. Александровский. Он же предложил системный подход к их комплексной профилактике и терапии. Ю.А. Александровский рассматривал социально-психическую адаптацию как результат деятельности целостной само-управляемой системы, «которая обеспечивает деятельность человека на уровне «оперативного покоя», позволяя ему не только наиболее оптимально противосто-ять различным природным и социальным факторам, но и активно и целенаправ-ленно воздействовать на них» [4]. Особенно значимым нам здесь видится выделе-ние важной роли целенаправленной активности, присущей человеку.

Ю.А. Александровский предпринял попытку представить психическую адап-тацию человека как взаимодействие эволюционно сложившихся функционально-целостных подсистем:

1 – социально-психологических контактов; 2 – поиска, восприятия и переработки информации; 3 – обеспечения бодрствования и сна; 4 – эмоционального реагирования; 5 – эндокринно-гуморальной регуляции [5]. В условиях обилия информационных потоков ведущее значение принадлежит

подсистеме поиска, восприятия и переработке информации, т.к. она является осно-вой информационной и познавательной деятельности человека. Нарушение равнове-сия между информационной насыщенностью действительности и информационным ресурсом индивида приводит к состоянию дезадаптации, когда индивид не может справиться со стрессовой ситуацией. Например, в случае обнаружения дефицита необходимой информации или, напротив, в случае информационной перегрузки из-быточной информацией. Нарушение адаптации возможно и при интеллектуальной обработке информации. Этот уровень адаптационной подсистемы определяет спо-соб приспособления, скорость и качество обработки информации. На уровне эмо-ционального реагирования создается субъективно-личностное отношение к ситуа-ции, формируется индивидуальная оценка получаемой информации.

Итак, существенное значение для процесса адаптации к информационной среде имеет активное поведение индивида в сложных условиях. Диалектичность ситуации адаптационных процессов в том, что внешние воздействия среды приво-дят к внутреннему дисбалансу, который в свою очередь развивается в конфликты с окружающими людьми. Следовательно, адаптационные механизмы наиболее эф-фективны при активном творческом изменении внутреннего содержания личности – выработке новых форм поведения, овладении новых форм деятельности. Эти внутренние трансформации неизбежно отражаются на взаимоотношениях с окру-жающими людьми, иногда возможно и изменение социального статуса индивида. Подобный конструктивный подход к патологическим состояниям – это уже при-знак системного мировоззрения.

Эффективная адаптация в новой информационной среде обитания зависит от многих факторов, в том числе и от правильного формирования мышления, психо-логической готовности человека приспособиться к новой среде, к новым формам


159

взаимоотношений, от социальных условий, социально-коммуникативного опыта, коммуникационных возможностей и т.д. Важную роль в информационную эпоху обширного использования современных информационных технологий играет об-разование, формирующее у людей новые компетенции, знания, умения, опыт дея-тельности. Образование способствует формированию нового целостного миропо-нимания и информационного мировоззрения, адекватного новой необходимости. Процессы адаптации человека к современному информационному обществу име-ют преимущественно не биологический, а социальный характер, и осуществляют-ся через построение культурной, надиндивидуальной системы адаптации.

Таким образом, успешная адаптация, т.е. здоровье человека (физическое и психическое) неразрывно связаны с его мировоззрением. Мировоззрение, осно-ванное на знании универсальных закономерностей и направленное на объединение с окружающим миром, позволяет человеку бескризисно преодолевать сложные переходные процессы в жизни, помогает выбирать наиболее эффективные пути развития. В работах современных исследователей С.Г. Антоновой, К.К. Колина, И.А. Кузибецкого, Л.В. Нестеровой и др. уже появилось новое понятие «информа-ционное мировоззрение». Новое информационное мировоззрение учитывает роль информационных процессов в научном и социальном прогрессе, переосмысливает значимость информации, информационных процессов и информационных техно-логий в жизни человека и общества.


1. Баевский Р.М., Берсенева А.П. Оценка адаптационных возможностей организма и риска развития заболеваний. – М., 1997. – С. 5.

2. Теория для всех // В мире науки. – 2009. – 4. http://sciam.ru/journal/catalog/4-2009. 3. Клюева К.С. Основная специфика социально-психологической адаптации пожилого

человека в информационной среде // Актуальные вопросы современной психологии: ма-териалы междунар. заоч. науч. конф. – Челябинск: Два комсомольца, 2011. – С. 44-47.

4. Александровский Ю.А. Состояния психической дезадаптации и их компенсация. – М.: Наука, 1976. – С. 13.

5. Александровский Ю.А. Пограничные психические расстройства: Руководство для вра-чей. – М.: Феникс, 1997. – 6 c.

Статью рекомендовал к опубликованию к.т.н., доцент В.В. Василовский.

Тимошенко Татьяна Викторовна – Технологический институт федерального государст-венного автономного образовательного учреждения высшего профессионального образова-ния «Южный федеральный университет» в г. Таганроге; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371615; кафедра философии; к.ф.н.; доцент.

Timoshenko Tatiana Victorovna – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371615; the department of philosophy; cand. of phil. sc.; associate professor.

УДК159.922.2

Э.И. Хайбулина

ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ ЛИЧНОСТИ В ВИРТУАЛЬНОМ ПРОСТРАНСТВЕ ЭПОХИ ПОСТМОДЕРНА

Раскрываются проблемы информационной безопасности, связанные с развитием виртуального пространства как отличительной особенности информационного общества на современном этапе развития государства. Особое внимание уделяется не только по-


160

следствиям, но и причинам виртуализации сознания, и месту этого явления в действитель-ности. Виртуальная реальность, воздействующая на сознание, рассматривается не толь-ко как результат развития информационных технологий, но как реальность онтологически иного типа. Свойства ее влияют на представления человека о мире. Поднимаются вопросы интернет-зависимости, причин этого феномена, его сущностных качеств.

Постмодерн; метадискурс; виртуальная реальность; информационная безопас-ность; интернет-зависимость.

E.I. Khybulina

PERSONAL INFORMATION SECURITY IN VIRTUAL SPACE IN POSTMODERN

The article describes the problem of information security related with the development of virtual space as a distinguishing feature of the information society at the modern stage of devel-opment of the state. Particular attention is paid to the consequences, causes of virtualization of consciousness and place this phenomenon in reality. Virtual reality, which affects the conscious-ness, is considered not only as a result of the development of information technology, but is a real-ity ontologically different type. The properties of this reality affect the representation of people about the world. Issues of Internet addiction, the causes of this phenomenon, its essential qualities are considered.

Postmodern; metadiskurs; virtual reality; information security; Internet addiction.

Мы, как существа чувствующие и рассудочные, ощущаем, что мир меняется, мы видим эти изменения вокруг себя и находим в них либо разочарование, либо спектр возможностей к будущему личностному росту.

Ряд философов и социологов называют современность переходной эпохой, обозначая ее общим термином «постмодерн». термин этот сейчас употребляется достаточно широко, будучи применяем как в сфере особого типа философствова-ния, так и в области искусства. его значение связано с уходом от традиционных ценностей общества модерна. широкое распространение он нашел в конце 50-х годов в дискуссиях о новейшей литературе, а позднее – об искусстве вообще. в конце 60-х термин проник в социологический язык, а позже в философию [1].

Постмодерн как общая идея наполнен множеством разнообразных смыслов. Как эпоха он характеризуется переходом от индустриального общества к обществу информационному, где информация – это главный продукт производства и продажи. существует ряд признаков постмодерна. прежде всего, постмодерн выступает как критика модерна, обращается к эклектике и релятивизму и требует ниспровержения любых метадискурсов, кроме самой идеи вседозволенности, всеобщего равенства [2]. Это приводит к распространению плюрализма в мышлении и культуре, отсутст-вию центральной интегрирующей идеи и, в конечном счете, создает опасность рас-пада целого. Значение приобретает разнообразная информация. Все, что происходит, подвергается обнародованию; следование принципу «ничего святого».

Когда эти процессы обсуждаются в философском аспекте, они кажутся иссле-дователю занимательными и интересными; как модель они дают открытое про-странство для красивых обобщений и выведения стройных теоретических конструк-тов. Но когда мы все чаще встречаем явления постмодерна, описанные теоретически ранее в постмодернистской литературе, в нашей повседневности, эмпирически изу-чаем их, нас ужасает масштаб происходящего, его глубина и систематичность.

Одним из основных качеств постмодерна является ниспровержение метади-скурсов, означающее для государства потерю центральной идеологической линии, для общества – интегрирующего принципа, но наибольшим крахом это заканчива-ется для личности. Когда мы говорим о ниспровержении метадискурсов1 в созна-

1 Метадискурс – это объяснительная система, прибегающая к средствам самолегитимации и претендующая на единственную истинность суждений.


161

нии, мы фактически говорим о лишении субъекта центральной жизненной идеи, отраженной в образе мира человека в виде смыслов. В модерне идея транслирова-лась государством и институтом церкви, науки и т.д. как безусловная, принимае-мая на веру. Постмодерн же предлагает сделать выбор центральной идеи само-стоятельно; при этом не существует никакой уверенности, что выбор верен, т.к. все модели в постмодерне между собой равны.

Это обращение к принципу свободы воли в выборе жизненного пути. Однако, в этих условиях сам процесс выбора сложен в своей фундаментальности в пер-спективе жизни человека и высокой степени ответственности, ложащейся тяжким грузом на плечи выбирающего. ведь в выборе неверной жизненной стратегии по-том будет сложно обвинить кого-то, кроме себя.

Вместо осознанного выбора субъект находит выход в переборе концепций, присваивает то, что ему по душе, таким образом, следуя установке плюрализма и сочетая в сознании порой противоположные по смыслу идеи. Это подрывает цело-стность мировоззренческих основ, которые остаются неосознанными, и отходят в тень. отсутствие мировоззренческого фундамента вызывает дискомфорт, но причи-на его не осознается, и за этим следуют попытки устранить следствия, а не причины.

Идеальным полем для «обитания» такого субъекта являются компьютерные и информационные2 технологии, воплощенные в сети интернет, которая объединяет не компьютеры, но людей, пользователей единым пространством виртуальной ре-альности.

Интернет – это глобальная информационная сеть, части которой логически взаимосвязаны друг с другом [3] и обеспечивают доступ к информационным ре-сурсам. Здесь происходит работа с массивами информации совершенно различно-го содержания; этот ресурс обладает как полезными, так и деструктивными в от-ношении личности качествами. Интернет – это прежде всего взаимодействие со всевозможной информацией, которая пребывает там как сохраняемые данные, а после работы с ней – становится знанием, которое по определению индивидуаль-но. Так, он тесно связан с сознанием личности.

Как часть виртуальности он обладает всеми ее свойствами. Виртуальная реальность определима через дихотомию «виртуальное-

актуальное», как то, что не существует объективно, но и не является фантазией, но пребывает на стыке пространства субъективного и объективных средств обеспечения существования этого пространства – информационных технологий. Грань между ми-ром субъективного и объективного здесь стерта, и нельзя точно определить «место» этой реальности, т.к. возникает вопрос, есть ли виртуальная реальность, когда выклю-чают свет и не работает сеть. Есть ли эта реальность, когда нет пользователя?

Виртуализация действительности – это субъективное придание реалиям «жизненного мира» свойств пространственной инверсии, временной обратимости и произвольности их структурообразующих параметров [4], т.е. перестройка в соз-нании базовых свойств бытия под новые представления. Создание человеком ре-альности онтологически иного типа и пребывание в ней должным образом порож-дает предположение, что эта реальность, несущая в себе фундаментально иные свойства, нежели актуальная, привлекает человека к участию в ней, а затем, под влиянием свойств этой реальности, изменяется и мироощущение человека. Как известно, представления о мире формируются под воздействием субъективных свойств, с одной стороны, и жизненного контекста – с другой. Исследования оте-чественных и зарубежных психологов показали, что интернет действительно ока-

2Информационные технологии (ИТ, от англ. informationtechnology, IT) — это класс областей деятельности, относящихся к технологиям управления и обработкой огромного потока информации с применением вычислительной техники.


162

зывает прямое системное воздействие на психику человека. Модификации психи-ческого затрагивают сферы общения, представлений о себе и мире, сферу иден-тичности, мотивации личности, его картину мира. Однако в исследованиях пока к интернет-пространству и виртуальной реальности относились лишь как к объек-тивно и безусловно существующему фактору, не пытаясь понять сущности его самого и его воздействия на личность, просто обращаясь к констатации наличия такого рода влияния.

Мы предполагаем, что виртуальная реальность должна быть рассмотрена, не просто как наличный стимул, результат развития информационных технологий, но как особый феномен, несущий в себе глубинную онтологию иного типа реальности.

Инверсия свойств актуальной реальности, подмена ее виртуальным про-странством привлекает пользователя простотой, понятностью и свободой в реали-зации базовых потребностей (в общении, свободе, власти и т.д.). Однако здесь мы наблюдаем феномены, когда пользователь может «перепутать» свое жизненное и игровое пространство. Он не отдает себе отчета, что виртуальность – не просто игра, но она обладает свойствами актуальной реальности, она – есть, в некотором смысле, расширенная версия жизненного пространства на любой вкус с множест-вом возможностей, свобод, и минимумом усилий и ответственности. это и создает иллюзию удовлетворения потребностей и простого избегания экзистенциальных проблем и подталкивает заменить сложную актуальную реальность на простую виртуальную.

Итак, как мы говорили ранее, помимо снижения критичности мышления и способности к самоосознанию, саморегуляции, мы наблюдаем крах ценностей и морали – их не существует более в сознании «виртуализированной» личности – на фоне плюральной картины мира и отсутствия четкого интегрирующего смысла в сознании. Управление таким человеком не составляет труда. С учетом модифика-ций современного образования, не способствующих развитию субъектных качеств, и распространения информационных технологий на фоне краха ценностей, поло-жительные прогнозы пока были бы слишком оптимистичны.

В условиях, когда сознание человека претерпело такого рода изменения и по-грузилось в виртуальность, мы можем говорить об условиях для манипуляции, а значит, об отсутствии информационной безопасности.

Когда мы говорим о безопасности личности – мы утверждаем это, в контек-сте ее развития, определяя как состояние, при котором не снижается вероятность достижения жизненно важных целей [5]. Если субъект даже не осознает своих жизненных целей, подменяя их мелкими целями виртуальности, то ни о какой безопасности речи быть не может. Таким образом, казалось бы, обыденное явле-ние повседневной жизни оказывает сильное и системное воздействие на незащи-щенную личность, вызывая в ней серьезные модификации, пока еще описанные только поверхностно. изменения уровня безопасности каждого человека должным образом влияют на состояние безопасности общества в целом.

Виртуальная реальность взаимодействует с человеком через транслируемую информацию. С одной стороны у человека здесь есть свобода выбора содержания информации, но на этом фоне ужесточаются и методы воздействия на сознание. создается иллюзия свободы действий и выбора, широты возможностей, но она ог-раничена самими свойствами этой реальности, ее односторонностью, редуциро-ванностью. так ведется информационная война.

Многие пользователи обладают невысокой способностью к самоуправлению, что приводит к появлению нового феномена, названного к. янг «интернет-зависимостью». Он включает в себя весь спектр возможных проявлений привязан-ности к тому или иному способу проведения времени в интернете. Внимание мно-гих исследователей обращено к этому феномену и сейчас. особенности личности, признаваемой зависимой, описаны с многих сторон, что, однако, не подводит пока


163

нас к сути происходящего, т.к. не дает качественной всесторонней модели, которая бы показала не следствия такого рода зависимости, но своеобразие взаимодейст-вия индивида с виртуальностью как онтологически иным типом реальности – об-ратило бы наше внимание к сущности.

На наш взгляд, суть происходящего лежит не только в том, каковы личност-ные причины использования интернет-ресурсов и каковы психические модифика-ции, но и в том, почему человек избирает иной тип реальности, пренебрегая «рас-ширенной версией актуального бытия» и какова эта иная реальность. Возникшая проблема – это не проблема влияния технологий на сознание, но вопрос иного, нового типа онтологии человека. И тогда вопрос о безопасности встает как вопрос адаптации к новым условиям бытия, где требуется фундаментальный пересмотр принципов образования и воспитания личности, личности, которая теперь пребы-вает в двух различных мирах.

Виртуальное пространство и информационные технологии в наш век постмо-дерна стали неотъемлемой частью бытия, и отрицать их необходимость было бы глупо, т.к. это, по-видимому, является нормальным результатом развития общест-ва. И пытаться противостоять этому – все равно как противостоять цунами, но бы-стрее адаптироваться и познать сущность для более эффективного освоения ново-го пространства возможностей вполне в наших силах. А наличие таких феноменов, как зависимость от интернета, показывают, что освоение этого пространства по-шло неверным путем – путем потери человеком себя, – и требуется перестройка личности под новую модель мира. Такую модель, где человек живет синхронно в двух реальностях, успешно сочетая их онтологически различные свойства.

Причины неуспешного освоения нового информационного пространства мы видим, в глобальном смысле, в отсутствии метанарративных конструктов в культу-ре, что ведет за собой деградацию ценностей и отсутствие смысла жизни, а, следова-тельно, несформированность жизненных целей. В этих условиях личность становит-ся легко управляемой и исходит только из цели реализации потребностей и текущих мотивов, обращаясь теперь к наиболее простым способам их удовлетворения, при-лагая минимум усилий, что ведет к замедлению личностного роста и деградации. Таким образом, мы видим здесь следующую схему, представленную на рис. 1.

Рис. 1. Перестройка личностной сферы интернет-зависимого

Итак, за видимыми «преимуществами» виртуальной реальности скрываются серьезные изменения личностных качеств. Несмотря на постоянное удовлетворе-ние возникающих потребностей с помощью виртуальности, человек получает только поверхностное удовольствие. Он не проявляет свойственной ему активно-сти, не раскрывает свой потенциал, что не просто отражается на темпе его разви-тия, но приводит к систематичной неудовлетворенности собой и жизнью, влечет за собой депрессивные состояния. Для избавления от этого дискомфорта человек все сильней погружается в виртуальность, меняет образ жизни, что, само собой, не приносит ожидаемого удовлетворения и, в конечном счете, ломает его жизнь.

Существуют методы терапевтической работы с такого рода зависимостью, но это лишь устранение последствий. Профилактика (на практике в основном это возрастная группа до 18 лет) приносит свои плоды, но при этом отгораживает че-


164

ловека от возможных опасностей, а не помогает приспособиться к иному типу бы-тия. Да и профилактика эта проводится в качестве исследовательских практик, не регулярна и не ставит основной своей целью изменение жизненных реалий.

В этих условиях методом проб и ошибок виртуальная реальность будет ос-воена и изучена существенно позже, чем могла бы быть. Кроме того, количество людей, чье освоение виртуального пространства будет проходить с тяжелыми по-следствиями для психического, физического и социального благополучия, будет прогрессивно расти – это затронет все следующее поколения. Их образование ли-шено идей, не несет образов, а жизнь заполнена информационными технологиями. В таких условиях мало шансов обеспечить безопасность личности, т.к. для этого личность должна быть активной и целостной. Не раскрывается возможный спектр стратегий информационной защиты.

Таким образом, подводя итог, мы можем утверждать, что эпоха постмодерна, с одной стороны, порождает ряд сложных проблем, связанных с безопасностью личности в иных онтологических условиях, но, с другой, благодаря информатиза-ции общества мы можем использовать удобные для жизни технологии и открывать новые реалии, тем самым развиваясь и двигаясь вперед. Изучение свойств вирту-альной реальности и снижение потерь за счет обеспечения безопасности личности при освоении этого пространства – есть одна из задач этого века. Всякий раз, сталкиваясь с глобальной проблемой изменения в культуре или государственном строе, от человека требовалось время для приспособления к новым условиям. Но сейчас прогресс технологий указывает на необходимость ускорить процессы адап-тации личности для сохранения накопленного человечеством знания о самом себе и дальнейшего его развития. Эта задача стоит перед фундаментальной наукой, от которой требуется интеграция с целями государства и направленность не на саму себя, но и на сохранение и развитие человеческого потенциала.

БИБЛИОГРАФИЧЕКСИЙ СПИСОК

1. Главные установки и идеи постмодернизма [Электронный ресурс] / Ю.А. Шичалина Исто-рия философии: Запад-Россия-Восток. – режим доступа: http://filosof.historic.ru/books/item/ f00/s00/z0000197/st114.shtml, свободный. – Загл. с экрана.

2. Хайбулина Э.И. О статусе психологического знания в постмодерне в контексте лингвис-тической концепции Ж. Лиотара, "Информатика, вычислительная техника и инженерное образование". – 2011. – 3 (5). – С. 62-71.

3. Интернет (Сеть Интернет) [Электронный ресурс] / Толковый словарь. – Режим доступа: http://your-hosting.ru/terms/i/internet/ , свободный. – Загл. с экрана.

4. Хабермас Ю.Лекция о жизненном мире [Электронный ресурс] / Ю. Хабермас, режим доступа: http://jarki.ru/wpress/2010/09/15/1259/, свободный. – Загл. с экрана.

5. Непомнящий А.В. Информационная безопасность и гуманизация технического образо-вания // Изв. вузов. Электромеханика. – 2002. – 1. – С. 70-78.

Статью рекомендовала к опубликованию д.п.н., профессор Е.Н. Каменская.

Хайбулина Эльвира Ильясовна – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347922, г. Таганрог, ул. Чехова, 2; тел.: 88634312016; маги-странт.

Khybulina Elvira Il'yasovna – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; 2, Chekhov street, Taganrog, 347922, Russia; phone: +78634312016; master.


165

УДК 37:002; 159.9

О.Г. Берестнева

ПРОБЛЕМЫ ОЦЕНКИ ОБЩЕКУЛЬТУРНЫХ КОМПЕТЕНЦИЙ СТУДЕНТОВ ТЕХНИЧЕСКИХ ВУЗОВ*

В новых федеральных образовательных стандартах высшего профессионального об-разования определены только два вида компетенций: общекультурные и профессиональ-ные. Работа посвящена проблеме оценки общекультурных компетенций студентов техни-ческих вузов. Именно общекультурная компетенция определяет активную жизнедеятель-ность человека, его способность ориентироваться в различных сферах социальной и про-фессиональной жизни. В настоящее время подавляющее большинство работ по данной тематике посвящено проблеме формирования общекультурных компетенций, а не ее оцен-ке. В работе рассмотрены существующие методы и подходы, предлагается проведение оценки общекультурных компетенций на основе методов психологического тестирования и экспертного оценивания. Представлен прототип информационной системы для оценки компетенций студентов технических вузов, на базе которого может проводиться оценка не только профессиональных, но и общекультурных компетенций.

Общекультурные компетенции; студенты; высшее техническое образование; ин-формационные технологии.

O.G. Berestneva

PROBLEMS OF THE ASSESSMENT OF COMMON CULTURAL COMPETENCES OF STUDENTS OF TECHNICAL COLLEGES

In the new federal education standards of higher education identified only two types of com-petencies: general cultural and professional. The work is devoted toassessing general cultural competence of students of technical universities. Itdefines the general cultural competence of an active human activity, its ability tonavigate the various areas of social and profes-sional life. Cur-rently, the vastmajority of papers on this topic devoted to the problem of formation of overall cul-tural competence, rather than evaluating it. The paper discusses existing methods and approaches, it is proposed to assess overall cultural competencebased on the methods of psychological testing and expert evaluation. A prototype information system to assess the competence of students of technicalhigh schools, on the basis of which can be assessed not only professional, but also gen-eral cultural competence.

General cultural competence; students; higher technical education; information technology.

Радикальные социально-экономические преобразования в российском общест-ве, активизация международных связей, пробуждение национального самосознания народов и социальных групп, изменение роли людей в системе производственных и общественных отношений актуализируют потребность в высококультурном специа-листе [1]. В этих условиях происходит смена приоритетов, становится возможным усиление культурообразующей роли образования, появляется новый идеал студента – «человека культуры», обладающего общекультурной компетенцией. Именно об-щекультурная компетенция определяет активную жизнедеятельность человека, его способность ориентироваться в различных сферах социальной и профессиональной жизни, гармонизирует внутренний мир и отношения с социумом.

В новых федеральных образовательных стандартах высшего профессиональ-ного образования определены только 2 вида компетенций: общекультурные и профессиональные. Важно отметить, что в процессе формулировки общекультур-ных компетенций Российское образование отстранилось от традиционного для наше страны понимания термина «общая культура» и опиралось на «Проект На-

* Работа выполнена при финансовой поддержке РГНФ (проект 11-06-12010в).


166

стройка образовательных структур в Европе», начавшийся в 2000 году, к которому Россия присоединилась в 2006 году. Проект дает перечень профессиональных и 30 так называемых общих компетенций (generic competences), подразделяемых на инструментальные, включающие когнитивные, методологические способности, технологические и лингвистические умения; межличностные компетенции, свя-занные со способностью выражать чувства, способность к критике и самокритике; а также социальные умения, такие как умение работать в команде и т.д.; и систем-ные компетенции как умения и способности, касающиеся целых систем [2].

Сходство списка общекультурных компетенций российского ФГОС ВПО с европейским обеспечивает соответствие европейским стандартам образования.

Общекультурная компетенция в составе базовых компетенций выступает не-кой фундаментальной составляющей для таких образований, как профессио-нальная готовность, профессионализм, мастерство, индивидуальное творчество и др. Общекультурные компетенции в отличие от других компетенций носят более устойчивый характер. Так, если профессиональные компетенции могут быть не-долговечными (в силу нарастающей смены технологий деятельности, устаревания прикладных знаний и пр.), то базовые компетенции человек проносит через всю жизнь, имея возможность каждый раз выстраивать на их основе свой новый про-фессиональный облик. Тем самым общекультурная компетенция рассматривается как основа для формирования профессиональной мобильности специалиста [3].

В настоящее время подавляющее большинство работ по данной тематике по-священо проблеме формирования общекультурных компетенций, в то время как практически нет ответа на вопрос, а как же оценивать степень сформированности этих компетенций у студента/выпускника технического вуза? На наш взгляд, наи-более обоснованным и перспективным в данном случае является метод экспертно-го оценивания [4].

В Институте кибернетики Томского политехнического университета в рамках выполнения проекта по гранту Российского гуманитарного научного фонда разра-ботан прототип информационной системы для оценки компетентности студентов, позволяющий проводить оценку не только профессиональных, но и общекультур-ных компетенций. При создании системы были использованы разработанные ав-торами ранее методическое и программное обеспечение [4–7].

Программное обеспечение состоит из двух частей: программы «Психологиче-ское тестирование» и «Анализ компетенций». Программа «Психологическое тести-рование» включает в себя более десятка тестов: тест Люшера; тест «Соционический тип личности»; тест «Гибкость – ригидность»; тест Б.А. Федоришина «Коммуника-тивные и организаторские способности»; мотивационный тест В.К. Гербачевского; психогеометрическтий тест; тест Айзенка; тест оценки личности на основе «Конст-руктивного рисунка человека»; оценка логического мышления по Кеттелу; проф-ориентационный тест Голланда и тест на оценку «Творческого потенциала».

Концептуальная схема функционирования программы «Психологическое тестирование» приведена на рис. 1.

После запуска программы «Тестирование» открывается окно для инициали-зации пользователя. В отведенные поля студенту следует внести фамилию, имя, отчество, номер группы и сделать выбор в списке организаций.

Тесты предлагаются последовательно один за другим. Пользователь может не выполнять какие-либо тесты. В таком случае ему в «окне теста» просто следует «нажать» кнопку для перехода к следующему тесту. В каждом тесте-опроснике пользователю предъявляются вопросы и варианты ответов (рис. 2, 3).

На завершающем этапе управление автоматически передается блоку анализа. Этот блок открывает студенту окно для просмотра результатов тестирования. В этом окне располагается информационное табло с историей тестирования, дерево со спи-ском выполненных тестов и блокнот с закладками. На страницах блокнота по каждому тесту сформулированы выводы и предложены практические рекомендации (рис. 4).


167

Рис. 1. Концептуальная схема функционирования программы «Тестирование»

Рис. 2. Интерфейс теста «Опросник мотивации»

Рис. 3. Интерфейс теста «Оценка творческого потенциала»

Рис. 4. Вид диалогового окна с результатами тестирования (тест Айзенка)

На рис. 5 представлена концептуальная схема функционирования программы «Анализ компетенций».

После запуска программы «Анализ компетенций» открывается окно для ве-рификации пользователя: эксперт, аналитик, куратор, студент, администратор.

В зависимости от вида оцениваемых компетенций студента в качестве экс-пертов могут выступать: преподаватели специальных дисциплин, куратор, науч-ный руководитель, другие студенты. Для окончательной оценки каждого вида компетенций используется алгоритм голосования [7].


168

Рис. 5. Концептуальная схема функционирования программы «Анализ

компетенций»

Следует отметить, что эксперты должны быть заранее зарегистрированы и информация о них должна храниться в базе данных. Регистрацию эксперта выпол-няет администратор.

В настоящее время система внедрена в опытную эксплуатацию в Институте кибернетики Национального исследовательского томского политехнического уни-верситета.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Игнатьева Е.А. Общекультурные компетенции как результативно-целевая основа ком-

петентностного подхода в высшей школе // Журнал научных публикаций аспирантов и докторантов [Электронный ресурс]/ Режим доступа: http://jurnal.org/articles/2011/ ped17.html (дата обращения 25.04.2012).

2. Tuning Education Structures in Europe. General brochure. URL: http://www.tuning.unideusto.org/ tuningeu (дата обращения: 20.03.2011).

3. Синякова М.Г. Основные подходы к определению сущности общекультурной компе-тентности бакалавра менеджмента // Международный журнал экспериментального об-разования. – 2010. – 9. – С. 24-25.

4. Щербаков Д.О. , Берестнева О.Г. , Марухина О.В. Экспертное оценивание компетентно-сти студентов // IS&IT`11- Конгресс по интеллектуальным системам и информационным технологиям: труды конгресса, Дивноморское, 2-9 Сентября 2011. – М.: Физматлит, 2011. – Т. 2. – C. 270-271.

5. Берестнева О.Г. , Иванкина Л.И. , Мертинс К.В., Аникина Е.А. Применение тестовых ме-тодов для измерения и оценки специальной компетентности [Электронный ресурс] // Journal of International Scientific Publications: Educational Alternatives. – 2011 – Т. 9, Вып. 3. – C. 47-54. – Режим доступа: http://www.science-journals.eu/edu/9/isp-ea-9-3.pdf.

6. Берестнева О.Г., Иванкина Л.И., Марухина О.В. Компетентностно-ориентированное образование: от технологии обучения к технологии развития человека // Известия Том-ского политехнического университета. – 2011. – Т. 319, 6. – С. 172-176.

7. Шевелев Г.Е., Берестнева О. Г., Нгуен Бао Хынг. Проблемы адаптации иностранных студентов к обучению в России // Современные проблемы науки и образования – 2012. – 3; URL: www.science-education.ru/103-6219 (дата обращения: 16.05.2012).

Статью рекомендовал к опубликованию к.т.н., доцент О.В. Воробейчиков.


169

Берестнева Ольга Григорьевна – ФБГОУ ВПО Национальный исследовательский Том-ский политехнический университет; e-mail: [email protected]; 634034, г. Томск, ул. Совет-ская 84/3; тел.: 83822426100; кафедра прикладной математики; д.т.н.; профессор.

Berestneva Olga Grigor'evna – National Research Tomsk Polytechnic University; e-mail: [email protected]; 84/3, Soviet street, Tomsk, 634034, Russia; phone: +73822426100; the depart-ment of applied mathematics; dr. of eng. sc.; professor.

УДК 612.821

И.И. Коробейникова

СВЯЗЬ ВНУТРИПОЛУШАРНОЙ ПРОСТРАНСТВЕННОЙ ОРГАНИЗАЦИИ БИОПОТЕНЦИАЛОВ ТЕТА-ПОЛОСЫ ЭЭГ СТУДЕНТОВ С РАЗЛИЧНОЙ

РЕЗУЛЬТАТИВНОСТЬЮ ВЫПОЛНЕНИЯ ЗРИТЕЛЬНО-ПРОСТРАНСТВЕННЫХ ЗАДАЧ

Студентам (46 человек, юноши) предлагалось запомнить и воспроизвести на экране монитора место расположения и порядок сигналов в определенной последовательности. По степени приближения к месту истинного расположения сигнала последовательности выделены две группы испытуемых. У испытуемых 1-ой группы в отличие от 2-ой, с первых попыток выполнения задания имели место высокая точность предсказания расположения сигналов последовательности и меньшее количество ошибок. ЭЭГ регистрировали в исход-ном состоянии при запоминании и выполнении задания. В исходном состоянии и при выпол-нении задания значения коэффициентов когерентности в диапазоне тета-ритма ЭЭГ у студентов выделенных групп не различались. При запоминании последовательности сигна-лов по сравнению с фоном у студентов 1-ой группы в отличие от 2-ой, наблюдалось увели-чение коэффициента когерентности в полосе тета-ритма ЭЭГ правого полушария голов-ного мозга. Поскольку правое полушарие имеет отношение к образно пространственному восприятию информации и более активно при обработке невербальных и стереотипных сигналов, сделано предположение, что у студентов выделенных групп имели место различ-ные стратегии переработки материала при его запоминании.

Спектрально-пространственные характеристики ЭЭГ; тета-ритм; результатив-ность; зрительно-пространственные задачи.

I.I. Korobeinikova

RELATIONSHIP SPATIAL CHARACTERISTICS OF THETA RANGE IN THE EEG OF STUDENTS WITH VARIOUS PRODUCTIVITI OF PERFORMANCE

FOR VISUAL SPATIAL TASKS

The students (46 persons, young males) were offered to remember and recall the location and the order of the certain sequence of signals on the monitor. Two groups of students were defined basing on their degree of approximation to the correct location of the signal of a sequence. The students from the first group, in contrast to the second one, demonstrated high accuracy of prediction for the signal se-quence location and smaller number of mistakes, starting from the first trials. EEG was registered be-fore the task (background), during task remembering and task performance.

In the background EEG and during task performance there were no differences between co-herent ratios of the theta-rhythm of the two groups. However, during remembering we observed increase in the coherent ratio of the theta-rhythm in the right hemisphere of the students from the first but not the second group.

Since the right hemisphere deals mainly with spatial perception of the information and is more active at processing of nonverbal and stereotyped signals, we suggest that students belong-ing to different groups employed different strategies of processing of the task during remembering.

Spectral-spatial characteristics of EEG; teta-rhythm; result; visual spatial tasks.


170

В исследованиях последних лет убедительно показано, что выполнение зада-ний на вербальное и невербальное мышление требует различных способов перера-ботки информации – соответственно сукцессивного и симультанного. Последний предполагает специфическую роль правого полушария при переработке образной информации [4]. Вопрос о том, какие изменения во внутриполушарной простран-ственной организации биопотенциалов тета-полосы ЭЭГ могут сопровождать ус-пешное и неуспешное выполнение невербальных задач, возник по ряду причин. С одной стороны, выявлена непосредственная связь изменений спектральной мощности тета-ритма с результативностью различных видов целенаправленной деятельности [5, 6], с другой – данными о связи синхронизации тета-потенциалов с процессами направленного внешнего внимания и сканирования памяти, т.е. с ак-тивностью лимбикодиэнцефальных образований [1, 7]. Сделано предположение о том, что показатели синхронизации в тета-полосе ЭЭГ, наравне с показателями спектральной мощности тета-ритма, могут являться коррелятами различной ре-зультативности целенаправленной деятельности человека.

Целью настоящего исследования явилось сопоставление параметров результа-тивной целенаправленной деятельности человека с показателями внутриполушарной пространственной синхронизации биопотенциалов тета-диапазона его ЭЭГ.

Методика. В исследовании на основе добровольного информированного со-гласия участвовали 46 студентов (мужчины в возрасте 18–21 года). Испытуемому предлагалось запомнить последовательность и место появления на экране монито-ра шести сигналов в виде кружков диаметром 1см. Для запоминания последова-тельность сигналов демонстрировали два раза. После запоминания испытуемого просили 10 раз воспроизвести заданную последовательность, указывая курсором мыши и щелчком место расположения каждого следующего кружка. Согласно ин-струкции, задачей испытуемого было достижение максимально возможной точно-сти предсказания места появления каждого очередного сигнала.

По результатам выполнения компьютерной задачи для каждого испытуемого вычисляли: расстояние от указанного испытуемым до истинного места располо-жения сигнала последовательности (степень обучения); число точных предсказа-ний места появления следующего сигнала; число ошибок последовательности.

ЭЭГ регистрировали в состоянии спокойного бодрствования при открытых гла-зах (40 с); на этапе запоминания последовательности (36 с); в процессе воспроизведе-ния последовательности (первые 300 с работы). ЭЭГ регистрировали монополярно по схеме “10–20”. Отведения О2, О1, Р4, Р3, С4, С3, F4, F3, Т4, Т3.Объединенные рефе-рентные электроды располагались на мочках ушей. Полоса фильтрации составляла 0,5–45,0 Гц, постоянная времени – 0,3 с. Рассчитывали и коэффициенты внутриполу-шарной когерентности для основных частотных диапазонов.

Для статистической обработки полученных данных использовали пакет STATISTICA, v.6. Для выборок, имеющих нормальное распределение, использо-вали t-критерий Стьюдента.

Результаты и обсуждение. По результатам деятельности выделены 2 группы испытуемых (рис. 1). 1-ю группу (18 человек) составили испытуемые, которые с первых попыток указывали наиболее точное место расположения сигнала последо-вательности. Во 2-ю группу (14 человек) вошли испытуемые, которые с первой по-пытки не смогли указать точное расположение сигнала последовательности, и дос-тигали этого в результате в 9–10 попытки. Для удобства и простоты описания ре-зультаты деятельности были сгруппированы по двум попыткам: 1–2, 3–4, 5–6, 7–8, 9–10. По показателю обучения испытуемые выделенных групп достоверно отлича-лись в 1–2 (p=0,00001), 5–6 (p=0,0033) и 9–10 (р=0,014) попытках (рис. 1,а). Количе-ство точных попаданий по мере повторения последовательности у испытуемых обе-


171

их групп достоверно увеличивалось, однако у испытуемых 1-ой группы было выше чем у испытуемых 2-ой достоверно в 1–2 (p=0,0026) и 5–6 (р=0,048) попытках. (рис. 1,б). Количество ошибок по мере повторения последовательности снижалось у студентов обеих групп, но было достоверно ниже у студентов 1-ой группы в 1–2 (р=0,00001), 3–4 (р=0,03284), 5–6 (р=0,02342) и 9–10 (р=0,02840) попытках (рис. 1,в).

Рис. 1. Параметры результатов деятельности студентов 1-ой и 2-ой групп: а – расстояние в пикселях от клика до заданного места расположения сигнала у студентов 1-ой (сплошная линия) и 2-ой (пунктир) групп; б – количество точных попаданий; в – количество ошибок у студентов 1-ой (светлый столбик) и 2-ой

(темный столбик) групп. Достоверности различий отмечены звездочкой и приведены в тексте

Предположено, что причину «различного градиента обучения» студентов выделенных групп следует искать на этапе запоминания последовательности, ко-гда в результате афферентного синтеза у испытуемого складывается образ, кото-рый на следующем этапе необходимо будет извлечь из памяти и воспроизвести.

В исходном состоянии и при выполнении задания значимых различий по коэф-фициентам когерентности между студентами выделенных групп не выявлено. Было установлено, что у студентов 1-ой группы только на этапе запоминания и только в правом полушарии коры головного мозга имела место достоверно более высокая ко-герентность биопотенциалов в тета-полосе, причем это наблюдалось даже между уда-ленными участками коры, в так называемых длиннодистантных связях (лоб–затылок). На этапе запоминания последовательности значения коэффициентов когерентности тета-диапазона у студентов 1-ой группы, по сравнению с испытуемыми 2-ой, были достоверно выше в О2–Р4 (р=0,041), О2–С4 (р=0,049), О2–F4 (р=0,004), О2–Т4 (р=0,014), Р4–С4 (р=0,013), Р4–Т4 (р=0,032), С4–F4 (р=0,012), Т4–С4 (р=0,025) парах отведений правого полушария (рис. 2,а). Анализ причин таких различий показал, что по сравнению с фоном на этапе запоминания у студентов 1-ой группы имело место увеличение, а у испытуемых 2-ой группы снижение значений коэффициентов коге-

40

60

80

100

120

140

160

180

1 2 3 4 5 6 7 8 9 10

Попытки

Расстоян

ие, пи

ксели

А**

**

*

1

2

3

4

5

6

7

8

9

10

1 2 3 4 5 6 7 8 9 10

ПопыткиКо

личество

пап

аданий

Б

*

*

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

1 2 3 4 5 6 7 8 9 10

Попытки

Коли

чество

ошиб

ок

В*

* **


172

рентности в тета-полосе во всех исследованных парах отведений ЭЭГ правого полу-шария. В аналогичных парах отведений левого полушария отличий по величине ко-эффициентов когерентности в тета-диапазоне ЭЭГ студентов выделенных групп не зарегистрировано (рис. 2,б). Таким образом, у испытуемых 1-ой группы число корко-вых связей имело четкую правополушарную локализацию.

а б

Рис. 2. Значения коэффициента когерентности в тета-полосе ЭЭГ правого (А) и левого (Б) полушария коры головного мозга студентов 1-ой и 2-ой групп при запоминании последовательности. Достоверности различий между группами

отмечены звездочкой и приведены в тексте

По данным ряда авторов правое полушарие рассматривается как субстрат для реализации невербальных и нелогических операций [3] и активируется при выпол-нении простых стереотипных заданий [2]. Поскольку предложенная в настоящем исследовании задача носила зрительно пространственный характер, зарегистриро-ванные изменения коэффициентов когерентности именно в правом полушарии на этапе запоминания у студентов выделенных групп были ожидаемы и закономерны.

По данным ряда авторов увеличение когерентности в тета-диапазоне ЭЭГ связывают с процессами направленного внешнего внимания и сканирования памя-ти [4, 7]. Поэтому нет удивительного в том, что достоверные изменения когерент-ности в тета-полосе ЭЭГ зарегистрированы именно на этапе запоминания после-довательности. Выявленные в настоящем исследовании разнонаправленные изме-нения показателя когерентности у студентов выделенных групп на этапе запоми-нания (относительно исходного состояния) привели к тому, что во всех исследо-ванных парах отведений ЭЭГ правого полушария коры головного мозга когерент-ность в тета-полосе была достоверной выше у испытуемых 1-ой группы, показав-ших более высокую результативность.

На основании полученных данных было сделано предположение, что у сту-дентов выделенных групп имели место различные стратегии переработки мате-риала при его запоминании. По всей видимости, у испытуемых 1-ой группы пре-имущественно был задействован правополушарный (симультанный) способ пере-работки, обеспечивающий синтетическую многомерную оценку с одномоментным схватыванием информации и синтезированием множества признаков. Вероятно, у испытуемых 1-ой группы предполагаемый симультанный способ обработки ин-формации во время запоминания, способствовал более успешному выполнению зрительно-пространственных задач.


1. Болдырева Г.Н. Электрическая активность мозга человека при поражении диэнцефаль-ных и лимбических структур. – М.: Наука. МАИК «Наука/периодика». – 2000. – 181 с.

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

O2Р4 O2C4 O2F4 O2Т4 P4C4 P4F4 P4Т4 C4F4 T4C4 T4F4

Пары отведений ЭЭГ

Коэф

фиц

иент

ког

1 гр. 2 гр.

*

А

*

*

*

*

**

*

*

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

O1Р3 O1C3 O1F3 O1Т3 P3C3 P3F3 P3Т3 C3F3 T3C3 T3F3

Пары отведений ЭЭГ

Коэф

фиц

иент

ког

1 гр. 2 гр.

Б


173

2. Вольф Н.В., Разумникова О.М. Половые различия полушарных пространственно-временных паттернов ЭЭГ при воспроизведении вербальной информации // Физиология человека. – 2004. – Т. 30. – 3. – С. 27–34.

3. Русалова М.Н. Функциональная ассиметрия мозга и эмоции // Успехи физ. наук. – 2003. – Т. 34. – 4. С. 93–112.

4. Свидерская Н.Е. Особенности пространственной организации ЭЭГ и психофизиологи-ческих характеристик человека при дивергентном и конвергентном типах мышления // Физиология человека. – 2011. – Т. 37, 1. – С. 36-44.

5. Умрюхин Е.А., Джебраилова Т.Д., Коробейникова И.И. Спектральные характеристики ЭЭГ при разной результативности целенаправленной деятельности студентов в ситуа-ции экзаменационного стресса // Физиология человека. – 2004. – Т. 30. – 6. – С. 28-35.

6. Умрюхин Е.А., Джебраилова Т.Д., Коробейникова И.И., Каратыгин Н.А. Физиологические корреляты индивидуальных различий времени принятия решения при целенаправленной интеллектуальной деятельности человека // Физиология человека. – 2008. – Т. 34, 5. – С. 44–50.

7. Molle M., Marshael L., Fehm H.L. Born J. EEG Theta synchronization confined with alfa desynchronization indicate intentional encoding // Eur. J. Neurosci. –2002. – P. 27.

Статью рекомендовал к опубликованию д.м.н., профессор О.С. Глазачев.

Коробейникова Ирина Ивановна – Федеральное Государственное Бюджетное Учреждение «Научно-исследовательский Институт нормальной физиологии им. П.К. Анохина» РАМН; e-mail: [email protected]; 125315, г. Москва, ул. Балтийская, 8; тел.: 84956297045; 84956929619; лаборатория нейрокибернетики.

Korobeinikova Irina Ivanovna – Anokhin Institute of Normal Physiology, Russian Academy of Medical Sciences, Moscow; e-mail: [email protected]; 8, Baltiiskaya street, Moscow, 125315, Russia; phone: +74956297045; +74956929619; laboratory of neurocybernetic.

УДК:14.35.07

Л.В. Толмачёва

ОСНОВНЫЕ ПРИНЦИПЫ ФОРМИРОВАНИЯ КУЛЬТУРЫ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ СТУДЕНТОВ

В ТЕХНИЧЕСКОМ ВУЗЕ

Анализируются критерии, ресурсы, компоненты отбора основных принципов форми-рования культуры безопасности жизнедеятельности студентов технического вуза. На основе проведенного анализа предлагается выстраивать формирование культуры безо-пасности жизнедеятельности на принципе системности, принципе ресурсности, принципе синергийности. Разработаны векторы принципа системности в формировании культуры безопасности личности, векторы принципа ресурсности в формировании культуры безо-пасности личности. Показано, что самоорганизация позволяет рассмотреть проблему формирования культуры безопасности жизнедеятельности с позиций возможности само-стоятельного строительства личности.

Культура; безопасность жизнедеятельности; принципы.

L.V. Tolmachyova

MAIN PRINCIPLES OF FORMATION OF CULTURE OF HEALTH AND SAFETY OF STUDENTS IN TECHNICAL COLLEGE

In work criteria, resources, components of selection of main principles of formation of cul-ture of health and safety of students of technical college are analyzed. On the basis of the spent analysis it is offered to build formation of culture of health and safety on a system principle, a resource principle, a synergistic principle.


174

Vectors of system principle in building a culture of human security, the vectors of principle of resource in building a culture of human security were developed. It is shown that self-organization allows us to consider the problem of building a culture of life safety from the stand-point of the possibility of self-construction of the individual.

Culture; health and safety; principles.

Понимая под принципами руководящие идеи, основные правила поведения, формулируемые в терминах долженствования (И.Л. Бим, 2001), выделяемые нами принципы трактуются в качестве руководящих положений, на основе которых осуществляется формирование культуры безопасности жизнедеятельности.

Отбор основных принципов формирования культуры безопасности жизне-деятельности основывался на критериях, в соответствии с которыми устанавли-ваемые принципы должны: 1) соответствовать задачам профессиональной подго-товки студентов технического вуза; 2) отвечать идеям гуманитаризации образова-тельного пространства технического вуза; 3) коррелировать с содержанием фено-менов, исходных для формирования культуры безопасности жизнедеятельности личности.

В качестве принципов, в наибольшей мере отвечающих выдвинутым крите-риями, для построения концепции были выделены: принцип системности, принцип ресурсности и принцип синергийности.

Принцип системности, относясь к группе общенаучных принципов научного познания, в педагогических исследованиях рассматривался в работах Б.С. Гершун-ского, Н. В. Кузьминой, Н.Д. Никандрова и других [2, 3].

В рамках нашего исследования принцип системности проявился в целостно-сти рассмотрения феноменов безопасности, культуры и педагогического проекти-рования (рис. 1).

Системность формирования культуры безопасности, в первую очередь, про-явилась в его ориентации на обеспечение целостности центрального феномена – безопасности. Реализация данного аспекта принципа системности основывалась на учете сложности феномена безопасности. Принимая во внимание, что безопас-ность личности может быть нарушена в разных сферах ее жизнедеятельности, в соответствии с данным принципом формирование должно осуществляться в един-стве возможностей обеспечения безопасности в разных сферах жизнедеятельности современного человека – трудовой, учебной, игровой и иных видов деятельности, к которым он может оказаться причастным в контексте своей жизни [1].

В содержании формирования культуры безопасности важно учитывать раз-ные классификации угроз, влекущих нарушение безопасности человека: природ-ные, бытовые, промышленно-технологические; межгосударственные, государст-венные, региональные, местные, объектовые; угрозы прямого и косвенного ущер-ба; с материальным ущербом или человеческими жертвами и т.д.

Соблюдение принципа системности проектирования культуры безопасности проявляется и в рассмотрении возможностей разных средств обеспечения безопас-ности человека: технических, организационных, психологические, медицинских, правовых и т.д. Специфика данных средств такова, что их привлечение в рамках формирования культуры безопасности требует дальнейшей содержательной и функциональной конкретизации в единстве обозначение в качестве присущих им компонентов.

Принцип системности в формировании культуры безопасности жизнедея-тельности студентов технического вуза проявляется также в его ориентации на обеспечение целостности феномена культуры.

Реализация данного аспекта принципа системности проявляется в ориента-ции педагогического проектирования на достижение целостности нескольких уровней центрального в данном случае феномена культуры.


175

Прежде всего, системность проектирования культуры безопасности жизне-деятельности требует сохранения единства ее психологического и компетентност-ного уровней.

Исполнение принципа системности на компетентностном уровне проявляется в целостном формировании знаний, умений и навыков студентов технического вуза, образующих его культуру безопасности жизнедеятельности.

Системность проектирования психологического уровня культуры безопасно-сти также базируется на целостном учете таких структурных компонентов культу-ры как: эмоционально-ценностный, когнитивно-деятельностный, коммуникатив-ный и рефлексивный.

Под эмоционально-ценностным компонентом психологического уровня культуры рассматриваемого образования в исследовании понимается единство сочетания ряда индивидуальных качеств личности эмоционально-волевого плана, в большей или меньшей степени оказывающих влияние на способность человека к обеспечению безопасности жизнедеятельности. Когнитивно-деятельностный ком-понент психологической культуры безопасности предусматривает наличие у субъ-екта двух блоков качеств, позволяющих ему наиболее адекватно отражать окру-жающую среду и на основе получаемой информации выстраивать наиболее эф-фективные линии реагировния на угрожающие обстоятельства. В данный компо-нент психологической культуры входят: познавательно-прогностический (разви-тые ощущения, память, мышление, внимание, интуиция, позволяющие своевре-менно предвидеть и адекватно воспринять возникшую угрозу безопасности) и ор-ганизационно-управленческий (способность к изучению причин опасности, выяв-лению ее субъектов, планированию действий по нейтрализации опасности и др.). К данному компоненту относятся умение поставить цель и самоорганизоваться для ее достижения, развитое рефлексивное мышление, стремление к гармонии.

Коммуникативный компонент психологической культуры безопасности жиз-недеятельности, включает в себя качества, лежащие в основе способности субъек-та к реализации перцептивной, информационной и интерактивной сторон общения таким образом, чтобы межличностное взаимодействие способствовало решению задач безопасности.

Перцептивная составляющая коммуникативного компонента психологической культуры безопасности предусматривает способность человека проявлять необхо-димый для обеспечения безопасности уровень проницательности в общении.

Информационная составляющая коммуникативного компонента психологи-ческой культуры безопасности основывается на наличии у человека способности реализовывать оптимальную для целей безопасности трансляцию информации.

Интерактивная составляющая коммуникативного компонента психологиче-ской культуры безопасности предусматривает наличие у человека в ситуации опасности способности реализовывать эффективное для целей безопасности воз-действие на партнера по общению. Рефлексивная составляющая коммуникативно-го компонента психологической культуры безопасности связана с построением мысленной модели поведения в опасной ситуации; с анализом планирования про-цесса достижения безопасности и прогнозированием возможного собственного поведения и поведения окружающих людей при наиболее возможном развитии угрожающих обстоятельств.

Коммуникативный компонент психологической культуры безопасности по-зволяет обеспечивать наиболее благоприятное целям безопасности исходное со-стояние человека в сложных для него жизненных обстоятельствах. Принцип бази-руется на умении человека представить возможное развитие ситуации, собствен-ные действия при различных угрозах, а также детали поведения окружающих лю-дей, а на основе построенного в результате образа спроектировать наиболее эф-фективные способы обеспечения безопасности, своей и окружающих лиц.


176

Рис. 1. Векторы принципа системности в формировании культуры безопасности личности

Системный подход предусматривает сохранение единства структурных (мо-тивационно-целевой, содержательно-практический, контрольно-оценочный) и функциональных (когнитивный, развивающий, проектировочный, коммуникатив-ный) компонент с целью формирования культуры безопасности жизнедеятельно-сти студентов технического вуза.


1. Беспалько В.П. Педагогика и прогрессивные технологии обучения. – М.: Изд-во ин-та проф. образования, 1995. – 140 с.


177

2. Виноградов В., Синюк А. Подготовка специалиста как человека культуры // Высшее об-разование в России. – 2000. – 2. – С. 40-42.

3. Гершунский Б.С. Менталитет и образование в системе ценностей и приоритетов XXI века. – М., 1996.

4. Жовтун Д.Т. Синергетические интенции в современной философии образования // Си-нергетика и образование. – М.: Изд-во «Гнозис», 1997. – С. 119-123.

5. Рагулина М.В. Аутентичность как психологический ресурс самоорганизации личности: Автореф. дис. … канд. псих. наук. – Хабаровск, 2007. – 24 с

Статью рекомендовала к опубликованию д.п.н., профессор Е.Н. Каменская.

Толмачева Лариса Владимировна – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371877; кафедра психологии и безопасности жизнедеятельности; доцент.

Tolmachyova Larissa Vladimirovna – Federal State-Owned Autonomy Educational Establish-ment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovsky, Taganrog, 347928, Russia; phone: 88634371877; the department of psy-chology and health and safety; senior lecturer.


178

Раздел V. Эволюционное моделирование, генетические и бионические алгоритмы

УДК 321.3

В.В. Курейчик, Вл.Вл. Курейчик

БИОИСПИРИРОВАННЫЙ ПОИСК ПРИ ПРОЕКТИРОВАНИИ И УПРАВЛЕНИИ*

Описывается поиск при проектировании на основе методов, инспирированных при-родными системами. Описаны эволюционный, генетический, муравьиный и пчелиный алго-ритмы. Предложены новые и модифицированные архитектуры биоинспирированного по-иска, использующие многоуровневую эволюцию. Это позволяет распараллеливать процесс решения и частично устранять проблему предварительной сходимости алгоритмов. Прин-ципиальным отличием предложенных методов является разделение процесса поиска на два этапа и применение на каждом из этих этапов различных алгоритмов. Проведенные серии тестов и экспериментов позволили уточнить теоретические оценки временной сложно-сти алгоритмов проектирования и их поведение для схем различной структуры. В лучшем случае временная сложность алгоритмов O(nlogn), в худшем случае – О(n3).

Гибридный поиск; схемотехническое проектирование; управление; биоинспирирован-ный алгоритм; генетический алгоритм; муравьиный алгоритм; пчелиный алгоритм.

V.V. Kureichik, Vl.Vl. Kureichik

SEARCH INSPIRED BY NATURAL SYSTEMS, FOR THE DESIGN AND MANAGEMENT

This paper describes the design of search-based methods, inspired by natural systems. We describe an evolutionary, genetic, ant and bee algorithms. Proposed new and modified search architecture, inspired by natural systems that use multi-level evolution. This allows you to paral-lelize the process of solving the problem and partially eliminate the pre-convergence algorithms. The principal difference between the proposed methods is to divide the search process into two stages and the use of each of these stages, different algorithms. Conducted a series of tests and experiments provide a more accurate theoretical estimates of the time complexity of the design of algorithms and their behavior patterns to different structure. In the best case time complexity of algorithms O (nlogn), in the worst case – O (n3).

Hybrid search; schematic design; management; algorithm; inspired by natural systems; ge-netic algorithm; ant algorithm; bee algorithm.

Введение. В связи с развитием нанометровых технологий в области произ-водства возникает проблема перехода на новые методы проектирования. Это тре-бует развития новых методов и алгоритмов. Одним из таких подходов является биоинспирированный поиск, использующий стратегии эволюционного моделиро-вания и принципы природных механизмов принятия решений [1, 2]. Биоинспири-рованный поиск включают в себя генетические алгоритмы (ГА), эволюционные алгоритмы (ЭА), алгоритмы, моделирующие механизмы принятия решений при-родными системами. Это методы роевого интеллекта (муравьиные (МА), пчели-

* Работа выполнена при частичной поддержке РФФИ (проекты: 10-01-00115, 12-01-31356).


179

ные (ПА) и др.), основанные на принципах коллективного поведения децентрали-зованной самоорганизующейся системы. Данный класс алгоритмов анализирует различные области пространства решений одновременно, и они более приспособ-лены к нахождению новых областей с оптимальными значениями целевой функ-ции (ЦФ) при решении задач проектирования и управления.

Генетические и эволюционные алгоритмы. Генетические алгоритмы осу-ществляют поиск баланса между эффективностью и качеством решений за счет «выживания сильнейших альтернативных решений», в неопределенных и нечет-ких условиях. Приведем формальное определение ГА [1–4]:

ГА=(Pio, N, PiT, k, T, Lj, A, (ЦФ, ОГР, ГУ), ГО, ОМГ , t), где Pio – исходная популяция хромосом (альтернативных решений), Pio= (Pio1, Pio2,…, Pion), Pi – хромосома (альтернативное решение); N – мощность популяции; T = 0,1,2,… – номер поколения, проходящего популяцией во время эволюции; Lj – длина i-ой хромосомы, т.е. число генов (элементов, входящих в закодированное решение, представленное в заданном алфавите); (ЦФ,ОГР,ГУ) – целевая функция, ограничения и граничные условия, которые определяются на основе заданной модели исходной решаемой задачи; ГО – генетические операто-ры, ОМГ− оператор миграции, t – критерий окончания работы ГА [1–4].

При решении практических задач с использованием ГА, обычно, выполняют четыре предварительных этапа: выбор способа представления решения; разработка операторов случайных изменений; определение способов «выживания» решений; создание начальной популяции альтернативных решений [3].

Приведем модифицированный генетический алгоритм. Сначала создается начальная популяция решений, далее определяется ЦФ для каждой хромосомы и средняя ЦФ всей популяции, затем выбираются родительские решения и выпол-няются различные генетические операторы до получения удовлетворительного решения или выполнения критерия остановки [1, 3].

Качество конкретного генетического алгоритма можно оценить расстоянием D=(f1–f2)/f1, где f1 – глобальный оптимум, полученный экспериментально (если он известен), а f2 – лучшее значение, найденное этим алгоритмом.

Если значение глобального оптимума известно, то условием окончания рабо-ты алгоритма можно считать нахождение значения ЦФ, превышающей глобальное значение на заданную величину в случае минимизации (ЦФ ≥ ЦФгл+, здесь ЦФ – текущее значение, а ЦФгл – известное глобальное значение целевой функ-ции). Если значение глобального оптимума неизвестно, то приоритетом является время работы или количество заданных генераций алгоритма. Отметим, что эво-люционный алгоритм является частным случаем генетического алгоритма. В эво-люционном алгоритме применяется только оператор мутации [1].

Муравьиные методы и алгоритмы. Одним из биоинспирированных подхо-дов является метод роевого интеллекта включающий в себя муравьиные алгорит-мы, пчелиные алгоритмы, метод роя частиц, алгоритм капель воды и др.

Роевой интеллект описывает коллективное поведение децентрализованной самоорганизующейся системы, которая состоит из множества агентов, локально взаимодействующих между собой и с окружающей средой. Агенты обычно до-вольно просты, но, локально взаимодействуя, вместе создают, так называемый, роевой интеллект [2, 5, 6].

Муравьи относятся к социальным насекомым, живущим внутри некоторого коллектива – колонии. Основу «социального» поведения муравьев составляет са-моорганизация – множество динамических механизмов, обеспечивающих дости-жение системой глобальной цели в результате низкоуровневого взаимодействия ее элементов. Принципиальной особенностью такого взаимодействия является ис-


180

пользование элементами системы только локальной информации. При этом ис-ключается любое централизованное управление и обращение к глобальному обра-зу, репрезентирующему систему во внешнем мире. Самоорганизация является ре-зультатом взаимодействия следующих четырех компонентов: случайность; много-кратность; положительная обратная связь; отрицательная обратная связь.

Муравьиные алгоритмы представляют собой вероятностную жадную эври-стику, где вероятности устанавливаются, исходя из информации о качестве реше-ния, полученного из предыдущих решений [5–7].

В сравнении с ГА муравьиные алгоритмы имеют некоторые преимущества: опираются на память всей колонии вместо памяти только о предыдущем поколе-нии и меньше подвержены неоптимальным начальным решениям (из-за случайно-го выбора пути и памяти колонии).

Ряд экспериментов показывает, что эффективность муравьиных алгоритмов растёт с ростом размерности решаемых задач оптимизации. Хорошие результаты получаются для нестационарных систем с изменяемыми во времени параметрами.

Важным свойством муравьиных алгоритмов является неконвергентность: даже после большого числа итераций одновременно исследуется множество вари-антов решения, вследствие чего, не происходит длительных временных задержек в локальных экстремумах. Перспективными путями улучшения муравьиных алго-ритмов являются on-line адаптация параметров с помощью базы нечетких правил, а также их гибридизация с другими методами природных вычислений, например генетическими алгоритмами. Гибридизация может осуществляться по островной схеме, когда различные алгоритмы решают задачу параллельно и автономно, или по принципу «мастер-подмастерье», когда основной алгоритм − «мастер» передает решение типовых подзадач «подмастерью».

Пчелиные методы и алгоритмы. Пчелиный алгоритм − это оптимизацион-ный алгоритм, в основе которого лежит поведение пчёл в живой природе [5, 8, 9].

Применительно к задаче оптимизации в пчелином алгоритме каждое решение представляется в виде пчелы, которая знает (хранит) расположение (координаты или параметры многомерной функции) какого-то участка. Выделим два варианта поведения.

В первом варианте две пчелы нашли два разных пересекающихся участка, и оба этих участка следует отметить как лучшие или выбранные. Во втором вариан-те будем считать, что это один участок, центр которого находится в точке, соот-ветствующему большому значению целевой функции.

Второй вариант поведения менее подвержен попаданию в локальные опти-мумы за счет просмотра перспективных мест и их окрестностей. Причем, на каж-дой итерации алгоритма область просмотра уменьшается.

Основная идея пчелиного алгоритма заключается в том, что все пчёлы на ка-ждом шаге будут выбирать как элитные участки для исследования, так и участки в окрестности элитных, что позволит, во-первых, разнообразить популяцию реше-ний на последующих итерациях, во-вторых, увеличить вероятность обнаружения, близких к оптимальным решения. После чего в окрестности остальных участков (m−е), в зависимости от значения их ЦФ, отправляются рабочие пчёлы (l = N−n).

Таким образом, работа алгоритма зависит от следующих основных парамет-ров: общего числа пчёл-разведчиков (N); общего числа участков (m); числа элит-ных участков (е); числа пчёл-разведчиков на элитных участках (n); числа пчёл (l) на остальных (m−е) участках; начального размера участков, т.е. размера участков вместе с их окрестностями (S); максимального числа итераций (I).

Приведём словесное описание алгоритма пчёл [9]. Сначала создается попу-ляция пчёл и производится оценка их ЦФ, затем выбор участков для поиска в их окрестностях и отправка пчёл-разведчиков, далее производится выбор пчёл с луч-


181

шими значениями ЦФ с каждого участка и отправка рабочих пчёл, осуществляю-щих случайный поиск с оценкой их ЦФ. Затем формируется новая популяция и производится проверка условия окончания работы алгоритма.

Таким образом, ключевой операцией алгоритма пчёл является совместное ис-следование перспективных областей и их окрестностей. В конце работы алгоритма популяция решений будет состоять из двух частей: пчёлы с лучшими значениями ЦФ элитных участков, а также группы рабочих пчёл со случайными значениями ЦФ. Отличительной особенностью алгоритма является способность динамически разбивать поисковое пространство на области, что уменьшает время работы алго-ритма. Данный алгоритм иллюстрирует стратегию поиска «Разделяй и властвуй». Главным преимуществом является тот факт, что резко снижается вероятность по-падания в локальный оптимум, а за счет распараллеливания уменьшается время.

Пчелиный алгоритм легко распределяется на несколько параллельных про-цессов, за счёт чего значительно увеличится его скорость. По сравнению с генети-ческим алгоритмом, операторы которого могут быть реализованы различным об-разом, имеет лишь один оператор, что делает его более простым в использовании. Концепция этих методов основывается на двух совершенно разных природных процессах: пчелиный алгоритм основывается на социальном поведении роя, а ге-нетический алгоритм имитирует процесс эволюции и естественного отбора. За счёт этого есть возможность объединения этих методов.

Модифицированные архитектуры поиска. Основной трудностью решения за-дач проектирования с большим количеством локальных оптимумов является предва-рительная сходимость алгоритмов. Другими словами, попадание решения в один, да-леко не самый лучший, локальный оптимум [1]. Для эффективного решения этой про-блемы предлагаются параллельные методы и архитектуры [1–4, 9]. Это позволит со-кратить количество компьютерных ресурсов, время поиска и позволит получать опти-мальные и квазиоптимальные результаты за полиномиальное время.

Предлагается идея многоуровневой эволюции, когда биоинспирированный по-иск используются на двух уровнях. Архитектура такого поиска приведена на рис. 1.

Рис. 1. Архитектура поиска на основе многоуровневой эволюции

В первом случае на первом уровне выполняется параллельная реализация та-ких алгоритмов, как ПА, МА, ЭА, пока они не начнут сходиться. Затем в наилуч-ших решениях (хромосомах) каждой популяции определяются ближайшие друг к другу объекты, которые образуют кластеры. На основе кластеров создается новая хромосома как объект для второго уровня выполнения ГА. Затем, если решение,


182

улучшенное генетическим алгоритмом, оптимально, осуществляется переход к следующему шагу конструкторского проектирования. Иначе применяется опера-тор репродукции и поиск продолжается итерационно до получения эффективных решений. Внешняя среда оказывает влияние на осуществление поиска и настройки используемых алгоритмов.

Во втором случае на первом уровне предлагается использовать ПА, позво-ляющий быстро разбивать поисковое пространство на области высоких значений ЦФ (модель островов). Архитектура такого поиска приведена на рис. 2.

Рис. 2. Архитектура поиска на основе островов

В таком алгоритме введен адаптивный фильтр, отсекающий решения с низким значением ЦФ. Причем нижняя граница ЦФ адаптивна в смысле зависимости от решений на каждой генерации. Здесь популяции в ГА, МА, ЭА эволюционируют в течение нескольких заданных генераций независимо друг от друга на определенных «островах», а затем производится обмен генетическим материалом и снова незави-симая эволюция. Этот процесс происходит в цикле разнообразными способами.

В третьем случае на первом уровне выполняется генетический алгоритм. Здесь хромосомы одной популяции моделируются как точки в некотором про-странстве. Вводится отношение близости, и генетические операторы применяются к хромосомам, расположенным близко друг от друга. Это позволяет быстрее полу-чать локальные оптимумы. Далее выполняется параллельная реализация таких алгоритмов как ПА, МА, ЭА, для получения квазиоптимальных решений.

Отметим, что эти структуры могут быть модифицированы на любое число уров-ней в зависимости от памяти и временных ограничений на получение результата.

Заключение. Приведенные методы и алгоритмы позволяют распараллели-вать процесс поиска, эффективно им управлять и получать оптимальные и квази-оптимальные результаты за полиномиальное время Принципиальным отличием предложенных методов является разделение процесса поиска на два этапа и при-менение на каждом из этих этапов различных алгоритмов. Это позволяет частично устранить преждевременную сходимость алгоритмов. Разработана программная среда на языке С++. Проведен вычислительный эксперимент. Проведенные серии тестов и экспериментов позволили уточнить теоретические оценки временной сложности алгоритмов проектирования и их поведение для схем различной струк-туры. В лучшем случае временная сложность алгоритмов O(nlogn), в худшем случае − О(n3).


183


1. Курейчик В.В., Курейчик В.М., Гладков Л.А., Сороколетов П.В. Бионспирированные методы в оптимизации. – М.: Физмалит, 2009.

2. Курейчик В.В., Курейчик В.М., Родзин С.И. Концепция эволюционных вычислений, ин-спирированных природными системами // Известия ЮФУ. Технические науки. – 2009. – 4 (93). – С. 16-27.

3. Гладков Л.А, Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит, 2010.

4. Курейчик В.М., Кныш Д.С. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – 2010. – 4. – С. 72-82.

5. Abraham A., Grosan G., Ramos V. Swarm Intelligence in Data Mining. – Berlin - Heidelberg: Springer Verlag, 2006.

6. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Разбиение на основе моделирования адап-тивного поведения биологических систем // Нейрокомпьютеры. Разработка применение. – 2010. – 2. – С. 28-33.

7. Dorigo M., Maniezzo V., Colorni A. The Ant System: Optimization by a colony of cooperating objects // IEEE Trans. on Systems, Man, and Cybernetics. – 1996. – Part B. – 26 (1). – P. 29-41.

8. Karaboga D. An idea based on honey bee swarm for numerical optimization // Technical Re-port TR06, Erciyes University, Engineering Faculty, Computer Engineering Department, 2005.

9. Курейчик В.В., Запорожец Д.Ю. Роевой алгоритм в задачах оптимизации // Известия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 28-32.

Статью рекомендовала к опубликованию д.т.н., профессор Л.С. Лисицына.

Курейчик Владимир Викторович – Технологический институт федерального государст-венного автономного образовательного учреждения высшего профессионального образова-ния «Южный федеральный университет» в г. Таганроге; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автомати-зированного проектирования; зав. кафедрой; д.т.н.; профессор.

Курейчик Владимир Владимирович – e-mail: [email protected]; кафедра систем авто-матизированного проектирования; студент.

Kureichik Vladimir Victorovich – Taganrog Institute of Technology – Federal State-Owned Autono-my Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; head of department; dr. of eng. sc.; professor.

Kureichik Vladimir Vladimirovich – e-mail: [email protected]; the department of computer aided design; student.

УДК 621.3.049:004.896

Д.Ю. Запорожец, Д.В. Заруба, А.А. Лежебоков

ОБ ОДНОМ СПОСОБЕ КОДИРОВАНИЯ РЕШЕНИЯ ДЛЯ ЗАДАЧИ РАЗМЕЩЕНИЯ*

Рассматривается современное состояние проблемы размещения компонентов сверх-больших интегральных схем. Предложен новый способ кодирования решения в генетическом алгоритме, используемом для решения задачи размещения. Приводится пример хромосомы, рассматривается процедура получения координат для каждого фрагмента схемы и дальнейше-го построения дерева размещения на основе обратной польской записи. Приведены результаты экспериментальных исследований, показавшие эффективность модифицированного генетиче-ского алгоритма на основе предложенного способа кодирования решений.

Размещение; генетический алгоритм; кодирование и декодирование решений; обрат-ная польская запись; дерево решений.

* Работа выполнена при частичной поддержке РФФИ (проект 12-01-31356).


184

D.Y. Zaporozhets, D.V. Zaruba, A.A. Lezhebokov

A METHOD OF CODING SOLUTIONS FOR SOLVING PROBLEMS PLACEMENT

This paper considers the current state of component placement VLSI. A new way of encod-ing solutions in the genetic algorithm used to solve the problem of accommodation. The example of the chromosome is considered the procedure of obtaining the coordinates for each piece of the scheme and to further build a tree placement based on RPN. The results of experimental studies showed the effectiveness of the modified genetic algorithm based on the proposed method of en-coding solutions.

Placement; genetic algorithm; coding and decoding solutions; RPN; a decision tree.

Введение. Одним из наиболее сложных и трудоемких этапов при проектиро-вании сверхбольших интегральных схем (СБИС) является этап конструкторского проектирования. Среди типовых задач этапа конструкторского проектирования СБИС размещение их элементов является наиболее проблемной задачей. Состав СБИС насчитывает несколько сотен логических блоков, и размещаемая схема за-нимает до 80 % ее площади. В условиях современного развития информационных технологий существующие алгоритмы автоматизированного проектирования не справляются с решением или требуют много процессорного времени для поиска эффективных решений [1, 5].

В связи с большой сложностью и размерностью задач конструкторского про-ектирования, а также с возникновением новых тенденций в технологии изготовле-ния СБИС, появляется необходимость в разработке новых направлений, методик, алгоритмов для решения данного класса проблем [1]. Рассматриваемая в данной работе задача разработки и исследования алгоритма размещения разногабаритных фрагментов СБИС, позволяющего сократить время поиска решений в задачах большой размерности, и, в то же время, повысить качество получаемых решений за счёт адаптивной архитектуры, является актуальной.

Проблема размещения. Исходными данными задачи размещения элементов СБИС являются: коммутационное поле; электрическая схема, содержащая задан-ное количество блоков; список цепей [1−5]. Сформулируем задачу размещения следующим образом. На заданном коммутационном поле необходимо разместить множество элементов друг относительно друга таким образом, чтобы производи-тельность системы стремилась к оптимальной. Для достижения оптимальной про-изводительности системы необходимо минимизировать суммарную временную задержку передачи сигнала путем уменьшения длины межсоединений. Оптимиза-ция данного параметра сводится к минимизации длины критического соединения. Под критическим соединением будем понимать электрическую цепь, имеющую на данном этапе наибольшую длину [1, 4].

Дадим формальное описание задачи размещения элементов СБИС [1, 5]. Пусть B1, …, Bn размещаемые на коммутационном поле элементы. Каждый эле-мент Bi |1 ≤ i ≤ N, задается геометрическми размерами: высотой hi и шириной wi. Пусть N = Ni | i = 1,m – список цепей. Пусть Li – длина цепи Ni | i = 1,m.

Задача размещения заключается в нахождении прямоугольных областей на коммутационном поле для каждого размещаемого элемента из B и Q и определя-ется множеством областей R = Ri | i = 1, n таким, что:

1. Каждый блок располагается в соответствующей прямоугольной области таким образом, что Ri имеет высоту hi и ширину wi.

2. Области из множества R не пересекаются. 3. Общая площадь описывающего прямоугольника множества R стремится к

минимальной. 4. Минимизируется суммарная длина межсоединений так, что


185

F = ∑ L . F → min. В данной работе для нахождения Li – длины i-ой цепи, предлагается исполь-

зовать результат, полученный муравьиным алгоритмом. Данный поисковый меха-низм позволяет наиболее адекватно моделировать временные задержки в цепи благодаря используемым эвристикам.

Кодирование решения. Основной проблемой при использовании генетиче-ского алгоритма для решения прикладных задач является кодирование и декоди-рование решений [2]. В данной работе предлагается кодировать решения с помо-щью обратной польской нотации. Обратная польская нотация (ОПН) — форма записи выражений, в которой операнды расположены перед знаками операторов. Под операндами будем понимать размещаемые блоки, а под операторами – дейст-вия, определяющие взаимное расположение двух соседних операндов (блоков). При решении задачи размещения фрагментов СБИС на плоскости предлагается использовать следующие операторы: «вправо» − последующий фрагмент распола-гается правее предыдущих вдоль оси Ох; «вверх» − последующий фрагмент рас-полагается выше предыдущих вдоль оси Оу.

Для удобства кодирования обозначим оператор «вверх» знаком «+», оператор «вправо» знаком «*».

В соответствие с вышесказанным приведем пример кодирования решения для размещения фрагментов СБИС, указанного на рис. 1.

Представим данное размещение в виде дерева, изображенного на рис. 2.

Рис. 1. Размещение фрагментов СБИС Рис. 2. Пример дерева размещения

В соответствии с данным деревом составим обратную польскую запись. Учи-тывая тот факт, что обратная польская нотация читается справа налево, получим следующую запись: 16+39*+8+57+*24+*.

Закодированное решение будет иметь два типа генов: ген-оператор и ген-операнд. Представим каждый ген-операнд кортежем длины два. В общем виде кор-теж выглядит следующим образом <i, ai>, где i=[1,n] – номер элемента, ai = 0, 1 – ориентация размещаемых фрагментов. Так как первый элемент кортежа гена-операнда является неотрицательным целым числом, то целесообразно гены-операторы кодировать отрицательными числами.

Закодированное решение (хромосома), соответствующее размещению, указ-ному на рисунке (см. рис. 1) примет вид, показанный на рис. 3.

1 6 -1 3 9 -2 -1 8 -1 5 7 -1 -2 2 4 -1 -2 0 1 ∅ 0 0 ∅ ∅ 0 ∅ 0 1 ∅ ∅ 0 1 ∅ ∅

Рис. 3. Закодированное решение


186

Для того чтобы в ходе решения полученные хромосомы соответствовали обрат-ной польской нотации, следует соблюдать следующее правило: количество операто-ров должно быть на один меньше, чем число операндов стоящих перед ними. Соот-ветственно общее количество операндов в хромосоме всегда на один больше, чем чис-ло операций. Общее число генов в хромосоме 2n-1, где n – число элементов.

Декодирование решения. При решении задачи размещения с использованием обратной польской записи важным этапом является декодирование решения. Предло-женный метод декодирования состоит их двух этапов: свертка и вычисление реальных координат. На первом этапе выполняется попарное объединение элементов в макро-блоки (МВ). Макроблоком будем называть блок, состоящий из двух элементов, при-чем, в качестве элементов могут выступать как реальные элементы схемы, так и мак-роблоки, образованные на предыдущих шагах, и оператора, соответствующего взаим-ному расположению элементов друг относительно друга. Стоит отметить, что на дан-ном этапе формируются строительные блоки в том случае, если площадь макроблока равна суммарной площади каждого входящего в него элемента. На втором этапе про-изводится определение действительных координат элементов путем последовательно-го размещения элементов в макроблоках. Рассмотрим процесс декодирования реше-ния на примере следующей хромосомы: 16+39*+.

Пример первого этапа декодирования для элементов 1, 3, 6 ,9 представлен на рис. 4. Информация о взаимном расположении блоков «1» и «6» сохраняется в макроблоке MB(1,6). Данный макроблок являтся кортежем длины три MB(1,6) = <1,6,+>, где «1» и «6» – порядковый номер размещаемых блоков, «+» – оператора взаимного расположения элементов друг относительно друга (в хромосоме операторы кодируются отрицательными числами, но для наглядности представления используются обозначения «+» – вверх, «*» – вправо). Габаритные размеры макроблока (ширина W и высота H) вычисляются следующим образом:

для макроблока, содержащего оператор «+» и элементы a, b ширина W(a,b) = MAX (W(a),W(b)), высота H(a,b) = H(a) + H(b);

для макроблока, содержащего оператор «*» и элементы a, b ширина W(a,b) = W(a) + W(b), высота H(a,b) = MAX (H(a),H(b)).

Определим действительные координаты элементов (рис. 4). Для этого рас-смотрим макроблок наивысшего порядка MB1 = MB(MB(1,6),MB(3,9)) = <MB(1,6),MB(3,9),+>, где Х(МВ1) = 0, Y(МВ1) = 0. Данный блок состоит из двух макроблоков МВ(1,6) и МВ(3,9) расположенных в отношении «вверх» друг отно-сительно друга. Поэтому координаты блока имеют вид:

МВ(1,6) = Х(МВ1),Y(МВ1) = 0,0 (рис. 4,а); МВ(3,9) = Х(МВ1), Y(МВ1)+H(МВ(1,6) = 0, 40 (рис. 4,б). На следующем шаге для всех макроблоков, координаты которых рассчитаны,

применяется метод расчета координат описанный выше. Отметим, что процесс расчета завершается тогда и только тогда, когда найдены координаты всех элемен-тов схемы.

Так при расчете МВ(1,6) = <1,6,+> элемент «1» примет координаты X(MB(1,6)), Y(MB(1,6)) = 0,0, элемент «6» примет координаты X(MB(1,6)), Y(MB(1,6))+H(1) = 0,10.

Для элементов «3» и «9» из блока МВ(3,9) = <3,9,*> координаты будут сле-дующие (рис. 4,в): для элемента «3»: Х(МВ(3,9)), Y(МВ(3,9)) = 0, 40; для эле-мента «9»: Х(МВ(3,9)) + W(3), Y(МВ(3,9)) = 10, 40. Зная координаты элемен-тов, разместим их на монтажной плоскости. Результат представлен на рис. 5.

Представленное размещение выбранных элементов совпадет с размещением этих элементов до выполнения кодирования-декодирования. Таким образом, под-тверждается корректность работы алгоритма декодирования.

малцспнчр

загенпалн1сппм

Раздел V. Эв

Рис. 4.декодиро

б −

Результаментальных далгоритмов: алцесса отжига пособом кодиния отжига О(еского алгоработы алгори

Рис. 6.

Заключеадач являютсенетическогоный выигрышпериментальнылгоритма с пноминальной

2000 фрагмепособом кодипающие по каменными затра

олюционное

Пример выпоования для ма− МВ(3,9); в −

аты эксперианных был пралгоритм парн[1, 2]; модифирования/дек(n2), также китма − О(n2итмов от разм

Зависимость

ение. Наиболся методы эвоо поиска многш в качестве рые исследовапредложеннымсложности. Интов СБИС. ирования нахачеству, а иноатами.

моделирован

олнения первоакроблоков: а−МВ(1,6)+МВ

ментальныхроведен ряд иных перестанфицированныйкодирования. ак и временн). На рис. 6 мерности схем

ь времени раб

лее перспектиолюционных гочисленные ешений и в сания показалим способом кИсследованиюГенетически

ходит решенияогда и превос

ние, генетичес

ого этапа а − МВ(1,6); В(3,9)

х исследованисследований новок, основай генетическиВременная слная сложностьпредставлен мы.

боты алгорит

ивными метод вычислений экспериментскорости их ни, что временкодирования ю подвергалиий алгоритм ря для задач бсходящие сво

ские и бионич

Рисде

ний. Для пол с использоваанный на модий алгоритм, ложность меть модифицир график завис

тмов от разм

дами для реш [1, 2, 6]. Прты демонстринахождения. Пнная сложнос не выходит ись примерыразмещения большой размоих аналогов

ческие алгори

с. 5. Результаекодированияхромосомы

лучения экспанием следуюделировании с предложентода моделиррованного генсимости врем

мера схемы

шения NP-полри использоваируют значитПроведенные сть генетичесиз области п, содержащис предложен

мерности, не ус меньшими

итмы

187

ат я

пери-ющих про-нным рова-нети-мени

лных ании тель- экс-кого поли-е до нным усту- вре-


188


1. Курейчик В.В., Бушин С.А. Размещение узлов и блоков радиоэлектронной и электронно-вычислительной техники на основе бионических методов // Программные продукты и системы. – 2010. – 1 (89). – С. 12-15.

2. Кныш Д.С., Курейчик В.М. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – 2010. – 4. – С. 72-82.

3. Гладков Л.А., Курейчик В.В., Курейчик В.М., Сороколетов П.В. Биоинспирированные методы в оптимизации. – М.: Физматлит, 2009. – 384 с.

4. Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. – 2012. – 7 (132). – С. 22-27.

5. Курейчик В.В., Запорожец Д.Ю. Современные проблемы при размещении элементов СБИС // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 68-73.

6. Курейчик В.М., Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 30-37.


Запорожец Дмитрий Юрьевич – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универ-ситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП-17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; аспирант.

Заруба Дарья Викторовна – e-mail: [email protected]; кафедра систем автоматизирован-ного проектирования; аспирант.

Лежебоков Андрей Анатольевич – e-mail: [email protected]; кафедра систем автома-тизированного проектирования; к.т.н.; ассистент.

Zaporozhets Dmitry Yur’evich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP-17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; postgraduate student.

Zaruba Daria Viktorovna – e-mail: [email protected]; the department of computer aided design; postgraduate student.

Lezhebokov Andrey Anatol’evich – e-mail: [email protected]; the department of computer aided design; cand. of eng. sc.; assistant.

УДК 621.3.049.771.14:004.023

Э.В. Кулиев, А.А. Лежебоков

О ГИБРИДНОМ АЛГОРИТМЕ РАЗМЕЩЕНИЯ КОМПОНЕНТОВ СБИС*

В работе рассматривается алгоритм решения задачи размещения компонентов сверх-больших интегральных схем, на основе адаптивных процедур. Рассматривается роевой алгоритм размещения, приводится схема поиска и определения окрестности. Приводится описание разработанного алгоритма размещения на основе моделирования адаптивного поведения пчелиной колонии. Предложена гибридная схема поиска решений задачи разме-щения на основе разработанных алгоритмов, позволяющая управлять процессом поиска для получения более качественных решений. Приведены параметры программной реализа-ции разработанных моделей и алгоритмов.

Размещение; адаптивные процедуры; моделирование эволюции; генетический алго-ритм; гибридный поиск; программная реализация.



189

E.V. Kuliev, A.A. Lezhebokov

ON THE HYBRID ALGORITHM OF COMPONENT PLACEMENT VLSI

In this paper the algorithm for solving the component placement VLSI, based on adaptive pro-cedures. Considered swarming placement algorithm, a diagram of the search and definition of the neighborhood. The description of the algorithm by modeling placement adaptive behavior of the bee colony. Proposed a hybrid scheme to find solutions to the problem of locating the basis of the developed algorithms, allows you to manage the process of searching for better solutions. Shows the parameters of a software implementation of the developed models and algorithms.

Accommodation; adaptive procedure; modeling of evolution; genetic algorithm; the hybrid search; software implementation.

Введение. На сегодняшний день эффективным направлением в эволюцион-ном моделировании являются вероятностные алгоритмы, основанные на процес-сах, происходящих в живой природе. Проецируя закономерности окружающего мира на определенные сферы деятельности человека, мы получаем эффективный инструмент для решения задач проектирования СБИС.

Роевой интеллект (англ. Swarm intelligence) описывает коллективное поведе-ние децентрализованной самоорганизующейся системы. Системы роевого интел-лекта, как правило, состоят из множества агентов (Многоагентная система) ло-кально взаимодействующих между собой и с окружающей средой. Сами агенты обычно довольно просты, но все вместе, локально взаимодействуя, создают, так называемый, роевой интеллект. Примером в природе может служить колония му-равьев, рой пчел, стая птиц, рыб [1, 5−7].

В данной работе предлагается гибридный алгоритм размещения элементов СБИС. Данный метод является композицией трех алгоритмов: алгоритма, осно-ванного на поведении колонии пчел, модифицированных генетического и эволю-ционного алгоритмов.

Основу поведения пчелиного роя составляет самоорганизация, обеспечи-вающая достижение общих целей роя на основе низкоуровневого взаимодействия. Основная идея парадигмы пчелиной колонии заключается в использовании двух-уровневой стратегии поиска [1, 5−7]. На первом уровне с помощью пчел разведчи-ков формируется множество перспективных областей, на втором уровне с помо-щью пчел фуражиров осуществляется исследования окрестностей данных облас-тей. Цель пчелиной колонии найти источник, содержащий максимальное количе-ство нектара.

Роевой алгоритм размещения. В основном под задачей размещения подра-зумевается определение взаимного расположения элементов на плоскости в соот-ветствии с заданным критерием или несколькими критериями. На основе критери-ев предлагается целевая функция. Сформулируем задачу размещения.

Пусть задано множество элементов и множество позиций на коммутационном поле (КП) [1, 5, 6]. Необходимо назначить элементы в позиции в соответствии с критерием (критериями) таким образом, чтобы целевая функция имела значение наиболее приближенное к оптимальным. В качестве модели представления цепи был выбран звездный граф. Центром графа является вершина находящаяся наиболее близко к геометрическому центру области, описывающей все вершины графа.

В алгоритме размещения каждое решение представляется в виде точки (пози-ции) xs в многомерном пространстве, где каждая координата позиции xi представля-ет собой один параметр функции Fs, которую надо оптимизировать. Каждая позиция является аналогией источника нектара. Количество нектара содержащегося в неко-тором источнике определяется координатами соответствующей позиции. Найденное количество нектара представляет собой значение целевой функции в этой точке.


190

Разработка поведенческой модели самоорганизации колонии пчёл, заключа-ются в разработке методов и механизмов:

формирования роя агентов разведчиков и роя агентов фуражиров; поиска перспективных позиций разведчиками; выбора базовых позиций среди перспективных для исследования их окре-

стностей; передачи информации между разведчиками и фуражирами; выбора фуражирами базовых позиций; выбора фуражирами позиций в окрестности базовой позиций; общей структуры оптимизационного процесса [2]. Рассмотрим организацию поисковой процедуры на основе моделирования

адаптивного поведения пчелиной колонии. Ввод схемы и параметров алгоритма. Посадочные места под компоненты

имеют фиксированные габариты в виде прямоугольников. Вначале вводиться па-раметры поля x и y , где x – количество посадочных мест по горизонтали,

y – количество посадочных мест по вертикали. После чего вводятся количество

деталей размещенных в этих ячейках. Количество посадочных мест должно быть меньше чем количество компонентов. Также вводиться матрица связности. В на-шем случае можно выбрать вариант: генерировать матрицу связности случайным образом (random) или корректировать в ручном режиме. Матрица связности опре-деляет привязку компонентов к посадочным местам. Схема генерируется случай-ным образом, поскольку задачи связывать программу с какой-то конкретной схе-мой не стоит. Так же вводим данные для биониспирированного алгоритма. Это число итераций, число разведчиков и число фуражиров (пчелы сборщики).

Разведка формирование случайных решений .R Разведчики вылетают из улья, тем самым, формируют строку решения для каждой целевой функции, в об-ласти поиска. После чего, они возвращаются в улей и сообщают фуражирам о най-денных решениях (значение целевой функции в нашей задачи − это минимальное число связей между элементами). После чего, пропорционально значению целевой функции вылетают фуражиры. Весь процесс формирования показан на рис. 1.

Fxf

1)( 1

Fxf

1)( 2

Fxf

1)( 3

Fxf

1)( 4

10

1)(,10 1 xfF

81

)(,8 1 xfF

Рис. 1. Схема поиска и определение окрестности

Рассмотрим схему работы роевого алгоритма. Число итераций задается в ис-ходных данных. По достижении этого параметра наилучшие значения фиксируют-ся. Поиск новых решений в окрестностях намеченных точек. После того, как фу-


191

ражиры вылетели из улья, они начинают обследовать окрестности намеченных возможных точек решений, производя поиск наилучшего решения целевой функ-ции в новых точках.

Фиксирование лучшего полученного результата за все итерации. После на-хождения лучшего решения целевой функции результат фиксируется в матрицу связности. Вывод решения на схему. Полученное решение выводиться графически в виде размещения компонентов (деталей в посадочных местах). Те элементы, ко-торые до этого были размещены, перераспределяются и устанавливаются в новые посадочные места, предварительно размещенные на коммутационном поле.

Схема гибридного поиска. В ходе разработки алгоритма использовался комбинированный подход, в результате которого был разработан гибридный алго-ритм, сочетающий в себе преимущества пчелиного алгоритма, эволюционных ме-тодов и генетических алгоритмов. Предлагается гибридный алгоритм размещения элементов СБИС. Данный метод является композицией трех алгоритмов: алгорит-ма, основанного на поведении колонии пчел, генетического и эволюционного ал-горитмов.

Идея заключается в разбиение процесса поиска на два этапа. На первом этапе реализуется пчелиный алгоритм, то есть подразумевается нахождение областей с потенциально высоким значением целевой функции и в зависимости от найденных значений формируются окрестности последующего поиска. На нулевой итерации множество решений формируется произвольно. На втором этапе осуществляется нахождение множества решений в каждой окрестности. Под окрестностью подра-зумевается множество альтернативных решений из заданной области решений. Поиск в каждой окрестности выполняется эволюционным алгоритмом (ЭА). Дан-ный метод, в отличие от генетического алгоритма, работает только с оператором мутации, а, значит, на его выполнение затрачивается меньше времени. После рабо-ты ЭА проверяется выполнение определенных условий. Если, хотя бы одно реше-ние, полученное в ходе работы эволюционного алгоритма, удовлетворяет услови-ям, то данное решение перемещается в буфер решений. Если таких решений не-сколько, то перемещается только лучшее решение. Иначе для данной окрестности инициализируется генетический алгоритм с такими же начальными условиями, как и эволюционный. Данный алгоритм имеет большую вычислительную слож-ность, однако гарантирует появления качественно новых оптимальных решений.

Рис. 3. Гибридная схема поиска


192

Для инициализации генетического и эволюционного алгоритмов формирует-ся начальная популяция решений. Существует три широкоизвестных стратегии создания начальной популяции: «одеяло», «дробовик», «фокусировка» [3]. Для разработанного подхода целесообразно использование стратегии «фокусировка», как метода создания начальной популяции решений, так как окрестность, полу-ченная в результате работы пчелиного алгоритма, представляет собой множество решений из заданной области решений. Укрупненная схема работы разработанно-го механизма поиска показана на рисунке (см. рис. 3).

Заключение. На основе сравнительного анализа существующих подходов и методов для решения задачи размещения использованы мультиагентные методы интеллектуальной оптимизации, базирующиеся на моделировании адаптивного поведения пчелиной колонии. В работе задача размещения представлена в виде модифицированного алгоритма, включающий в себя роевой интеллект, генетиче-ский и эволюционный алгоритмы.

Исследовались примеры, содержащие до 3000 элементов. Представленный роевой алгоритм размещения находит решения для задач большой размерности, не уступающие по качеству, а иногда и превосходящие своих аналогов с меньшими временными затратами. Сравнение с известными алгоритмами показало, что при меньшем времени работы у полученных с помощью пчелиного алгоритма решений значения целевой функции лучше.


1. Лебедев Б.К., Лебедев В.Б. Размещение на основе метода пчелиной колонии // Известия ЮФУ. Технические науки. – 2010. – 12 (113). – С. 12-19.

2. Гладков Л.А., Курейчик В.В., Курейчик В.М., Сороколетов П.В. Биоинспирированные методы в оптимизации. – М.: Физматлит, 2009. – 384 с.

3. Курейчик В.В., Запорожец Д.Ю. Роевой алгоритм в задачах оптимизации // Известия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 28-32.

4. Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. – 2012. – 7 (132). – С. 22-27.

5. Курейчик В.М., Курейчик В.В., Родзин С.И. Модели параллелизма эволюционных вы-числений // Вестник ростовского государственного университета путей сообщения. На-учно-технический журнал. – Ростов-на-Дону: Изд-во РГУПС, 2011. – 3. – С. 91-96.




Кулиев Эльмар Валерьевич – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный универси-тет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП-17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; аспирант.

Лежебоков Андрей Анатольевич – e-mail: [email protected]; кафедра систем автома-тизированного проектирования; к.т.н.; ассистент.

Kuliev Elmar Valerievich – Federal State-Owned Autonomy Educational Establishment of High-er Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP-17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; postgraduate student.

Lezhebokov Andrey Anatol’evich – e-mail: [email protected]; the department of computer aided design; cand. of eng. sc.; assistant.


193

УДК 004.021, 004.896, 519.612.2, 004.514.

В.В. Бегляров, А.Н. Берёза

ЭВОЛЮЦИОННЫЙ МНОГОПОПУЛЯЦИОННЫЙ АЛГОРИТМ РЕШЕНИЯ СЛАУ (PEREKRESTOK)

Рассмотрены главные проблемы схемотехнического моделирования. Приведены ме-тоды решения уравнений математических моделей на этапе схемотехнического проекти-рования. Рассмотрена проблема решения больших плохообусловленных систем линейных алгебраических уравнений (СЛАУ). Описаны разработанный модифицированный метод и эволюционный многопопуляционный алгоритм решения систем линейных алгебраических уравнений. Представлено описание использованных генетических операторов. Приведены результаты экспериментального исследования и сравнения с другими методами решения СЛАУ, которые подтверждают преимущества данного модифицированного метода по сравнению с классическими методами решения систем линейных алгебраических уравнений.

Генетические операторы; эволюционный алгоритм; система линейных алгебраиче-ских уравнений; системы автоматизированного проектирования.

V.V. Beglyarov, A.N. Bereza

EVOLUTIONARY ALGORITHM SOLVING MNOGOPOPULYATSIONNY SLAE (PEREKRESTOK)

The article describes the main problems of circuit simulation. The methods of solving equa-tions of mathematical models on the stage of circuit design. The problem of solving large ill-conditioned systems of linear algebraic equations (SLAE). The developed modified method and evolutionary algorithm mnogopopulyatsionny solving systems of linear algebraic equations. The description of the used genetic operators. The results of the pilot study and a comparison with other methods solutions SLAE that confirm the advantages of the modified method compared to the classical methods of solving systems of linear algebraic equations.

Genetic operators; the evolutionary algorithm; the system of linear algebraic equations; computer-aided design.

Введение. В развитии современной экономики немаловажную роль играет создание конкурентоспособной высокотехнологичной радиоэлектронной аппара-туры. В этой ситуации первостепенную роль преобретают современные системы автоматизации проектирования (САПР), которые являются быстроразвивающимся наукоемким направлением прикладных исследований.

В связи с переходом на субмикронный уровень проектирования, математический аппарат САПР стал узким местом в концепции развития САПР. Следовательно, воз-никла необходимость разработки нового поколения САПР СБИС, поддерживающего новые методологии, новые библиотеки, включающего новые методы и алгоритмы мо-делирования. Также резко возросла актуальность точного схемотехнического (SPICE-подобного) моделирования для электронных схем больших размерностей [1, 2].

Одной из острых проблем остается проблема решения плохо обусловленных систем линейных алгебраических уравнений (СЛАУ) большой размерности, воз-никающих в процессе схемотехнического моделирования. Данная проблема осо-бенно обострилась, в связи с постоянным уменьшением размеров элементов СБИС и, как следствие, необходимостью учитывать в процессе моделирования влияние паразитных компонентов на работу схемы [3].

Эволюционный многопопуляционный алгоритм решения СЛАУ PEREKRESTOK. Увеличение предельного размера проектируемых радиоэле-тронных систем привело к резкому увеличению времени работы для точных (SPICE) и снижению достоверности для быстрых (FastSPICE) подсистем схемо-технического моделирования.


194

Модификации математических методов, используемых в современных САПР, направлены на улучшение сходимости или вычислительной эффективности без упрощения исходной задачи.

Резервы повышения точности связаны, в основном, с точностью компонент-ных моделей элементов СБИС, а также с разработкой более совершенного матема-тического аппарата.

Согласно матрично-топологическому представлению математические модели ИС обычно приводятся к двум типам: = , , = (1) , , = , = , (2) где х – вектор переменных состояния (в качестве которых могут быть выбраны напряжения в узлах и/или токи ветвей, напряжения и/или токи реактивных эле-ментов, контурные токи или узловые потенциалы) размерности N; f – вектор пра-вых частей системы дифференциальных уравнений по времени; t – время; F – век-тор системы алгебро-дифференциальных уравнений неявного вида порядка N, не-прерывный вместе со своими производными по времени; x0 – вектор начальных значений переменных состояния. В общем случае системы (1) и (2) являются не-линейными [1].

Так как в общем виде систему дифференциальных уравнений математиче-ской модели можно решать неявными методами, которые требуют решения систем нелинейных и линейных уравнений, то для повышения эффективности схемотех-нического проектирования достаточно увеличить эффективность решения СЛАУ и систем нелинейных уравнений большой размерности [1, 3].

На рис. 1 представлена классификация основных методов решения СЛАУ, используемых в САПР ЭВТ.

Рис. 1. Классификация методов решения СЛАУ

Традиционные методы решения СЛАУ не всегда способны эффективно ре-шать слабообусловленные системы большой размерности, а также не способны преодолевать овражные участки ландшафтов функций. Следовательно, необходи-ма разработка новых более эффективных методов решения математических моде-лей схемотехнических решений, обеспечивающих необходимое соотношение вре-


195

мени выполнения и точности решения. Предлагается использовать модифициро-ванный метод решения СЛАУ, сочетающих в себе проекционные методы решения СЛАУ (метод бисопряженных градиентов и обобщенных минимальных невязок) и генетические операторы. Эволюционный подход позволяет увеличить скорость сходимости и преодолеть овражные участки ландшафтов функций.

СЛАУ в матричной форме [4−7]: Ax = b. (3)

Суть предлагаемого подхода заключается в разбиении исходной системы уравнений на блоки и сведению задачи решения систем уравнений к задаче много-целевой (многокритериальной) оптимизации. Требуется найти решение, миними-зирующее значение следующего функционала (целевой функции): = ‖ − ‖ + 0,1‖ ‖ + → , (4) где F – значение эффективности, полученное по принципу Парето.

Суммарная погрешность i-го блока определяется по формуле: = ‖ − ‖ = 1. . , (5) где Pi – это матрица, являющаяся частью матрицы А, состоящая из правых частей образующих блок уравнений; vi – это вектор, являющийся частью вектора b, со-стоящий из левых частей образующих блок уравнений; m – число блоков, на кото-рые была разбита исходная система.

Оптимальное количество блоков было получено экспериментальным путем в процессе исследования гибридного эволюционного алгоритма и равно 40.

Разработанный алгоритм работает с набором решений, полученных на этапе инициализации. Данный подход позволяет итерационно приближаться к искомому решению.

Основой разработанного алгоритма является эволюционная стратегия. В тер-минологии генетического алгоритма каждое полученное решение называется хро-мосомой, а весь набор решений – популяцией. Приведем список используемых генетических операторов: турнирная и элитная селекции, арифметический, расши-ренный, двухточечный и дискретный кроссинговер, вещественная мутация, кор-ректирующая мутация, мутация бисопряженных градиентов, мутация обобщенных минимальных невязок [8–13].

Миграциия лучших хромосом между популяциями происходит случайным образом. Алгоритм завершает работу при достижении заданного количества ите-раций или при нахождении решения с указанной точностью.

Ниже представлен алгоритм работы каждой популяции: Шаг 1. Ввод параметров работы алгоритма, k=0. Шаг 2. Инициализация начальной популяции. Шаг 3. Определение приспособленности и упорядочение. Шаг 4. i=0. Шаг 5. Если k меньше параметра случайной вероятности, то переходим к ша-

гу 6, иначе переходим к шагу 10. Шаг 6. Определение кандидатов на проведении оператора кроссинговера с

помощью турнирной селекции. Шаг 7. Случайный выбор и проведение оператора кроссинговера. Шаг 8. Выбор кандидатов на проведении оператора мутации с помощью тур-

нирной селекции. Шаг 9. Случайный выбор и проведение оператора мутации. Переход к шагу 14. Шаг 10. Определение кандидатов на проведении оператора кроссинговера с

помощью турнирной селекции. Шаг 11. Выбор и проведение оператора кроссинговера (выбор осуществляет-

ся по анализу эффективности).


196

Шаг 12. Выбор кандидатов с помощью турнирной селекции. Шаг 13. Выбор и проведение оператора мутации (выбор осуществляется по

анализу эффективности). Шаг 14. Если i меньше параметра свободного принятия потомков (параметр,

задающих номер поколения, после которого перед добавлением потомка в попу-ляции производится анализ его приспособленности), то добавляем потомков в по-пуляцию и переходим к шагу 19, иначе переходим к шагу 15.

Шаг 15. j=0. Шаг 16. Если приспособленность текущего потомка меньше, чем средняя

приспособленность по популяции, то переходим к шагу 17, иначе добавляем по-томка в популяции и переходим к шагу 17.

Шаг 17. j=j+1. Шаг 18. Если j меньше количества потомков, то переходим к шагу 16, иначе

переходим к шагу 19. Шаг 19. Если потомки были добавлены в популяцию, то переходим к шагу

20, иначе переходим к шагу 21. Шаг 20. Определение приспособленности популяции, расстояний между

хромосомами и упорядочение. Шаг 21. Если k равно параметру редукции, то переходим к шагу 22, иначе

переходим к шагу 25. Шаг 22. Уменьшение скученности популяции, т.е. концентрации большого

количества особей вокруг одной хромосомы. Шаг 23. k=0. Шаг 24. Определение приспособленности популяции, расстояний между

хромосомами и упорядочение. Шаг 25. Формирование новой популяции с помощью элитной селекции. Шаг 26. Определение лучшей, средней и худшей хромосомы. Шаг 27. Если улучшение лучшей хромосомы произошло, то переходим к ша-

гу 28, иначе − к шагу 30. Шаг 28.Если значения параметров для мутации обобщенных минимальных

невязок и бисопряженных градиентов равны установленным, то переходим к шагу 32, иначе переходим к шагу 29.

Шаг 29. Уменьшение значений параметров для мутации обобщенных мини-мальных невязок и бисопряженных градиентов на 1.

Шаг 30. Если предел застоя (параметр, определяющих предельное количест-во поколений без улучшения лучшей хромосомы) достигнут, т.е. в течение опре-деленного количества поколений не происходило улучшение лучшей хромосомы, то переходим к шагу 31, иначе переходим к шагу 32.

Шаг 31.Увеличение значений параметров для мутации обобщенных мини-мальных невязок и бисопряженных градиентов на 1.

Шаг 32. Если размерность популяции меньше 1/3 от исходной, то переходим к шагу 33, иначе − к шагу 34.

Шаг 33. Приведение популяции к исходному виду. Шаг 34. Если приспособленность лучшей хромосомы меньше установленной,

т.е. найдено решение с заданной погрешностью, то переходим к шагу 36, иначе переходим к шагу 35.

Шаг 35.Если i меньше количества поколений, то i=i+1 и переходим к шагу 5, иначе переходим к шагу 36.

Шаг 36.Вывод результата. Шаг 37.Конец. Экспериментальные исследования. Программная реализация разработан-

ного алгоритма была выполнена в виде универсальной встраиваемой библиотеки на языке C#.

цэлмто

н

д

лоддпслд

1

2

3

4

56

78

9

10

1

Раздел V. Эв

Проверкационного алголектрическихметодами Хуков (BCG) и об

На рис. 2ности вычисле

Рис. 2. Сводвып

эксперимент

Результатов, так как ос

Заключеюционный мбеспечивает эелей, полученругими предспроблем с потложность алганного алгор

. Казеннов Г.Гборатория зн

. Гридин В.ННаука, 2008

. Глебов А.Л. мотехническ

. Бахвалов Н.– 636 с.

. Волосов К.А

. Баландин Мбирск: Изд-в

. Рено Н.Н. Ч

. Гладков Л.Атическая лит

. Гладков Л.Аметоды в оп

0. Курейчик В.ЮФУ. Техн

1. Tomasz Domical optimizaE-BOOKS. 2

0

5000

100

PEREK

олюционное

а работоспосоритма решенх цепей размека-Дживса, Небобщенных м2 и 3 предстаений по всем

дная диаграммолнения по встальным иссл

ты представлстальные метоение. Анализ многопопуляцэффективное нных на этапставленнымитерей точносгоритма являитма.

БИ

Г. Основы пронаний, 2005. – Н. Численно-ан

. – 339 с. и др. Актуальнкого проектиро.С., Жидков Н

А. Численные мМ.Ю., Шурина Эво НГТУ. 2000 исленные метоА., Курейчик В.Втература. 2006А., Курейчик Вптимизации. – М.В., Запорожецические науки

minik Gwiazda. Gation problems. 2006. – 47 c.

200 300 40

KRESTOK GMRES

моделирован

обности разрния СЛАУ быером от 50 доелдера-Мида,минимальных авлены сводны эксперимента

ма времени сем ледованиям

лены только доды не справи экспериментционный алг решение сиспе схемотехнии алгоритмамисти при увеляется квадрат


оектирования и 295 с. налитическое м

ные проблемыования. – М.: НН.П., Кобельков

методы: учебноеЭ.П. Методы ре – 70 с. оды. – М.: КДУВ., Курейчик В. – 339 с. В.В., Курейчик М.: Физматлит,ц Д.Ю. Роевой. – 2010. – 7Geneticalgorithm / TomaszDomin

0 500

BCG

ние, генетичес

работанного эыла проведенао 500 уравнен, Гаусса-Зейд невязок(GMRые диаграммыальным иссле

Рис. точн

эксперим

для разработаились с постатальных исслегоритм решестем СЛАУ, аического прои, разработаничении размтичной, что


интегральных с

моделирование

ы моделированиНаука, 2003. – 4в Г.М. Числен

е пособие. – Мешения СЛАУ

У, 2007. – 100 с.М. Генетическ

В.М., Сорокол, 2009. – 384 с. й алгоритм в з7 (108). – С. 28msreference. CrnikGwiazda. –

0

1

2

100 1

ские и бионич

эволюционноа на наборе сний. Сравнениделя, бисопряRES). ы времени выедованиям.

3. Сводная диности вычислементальным

анного и проавленной задаедований покения СЛАУ а значит и матоектирования.нный алгоритерности, притоже являет

ИСОК

схем и систем.

е радиоэлектро

ия в системах а430 с. нные методы. –

М.: МИИТ, 2009 большой разм

. кие алгоритмы

летов П.В. Би задачах оптим

8-32. rossover for singPublished by T

150 200 250 300 35

PEREKRESTOK G

ческие алгори

ого многопопсистем уравнеие проводилояженных град

ыполнения и

иаграмма по ений по всем исследования

екционных мачей. казывает, что

PEREKRESTтематических. По сравненитм не испытыи этом врементся достоинст

– М.: БИНОМ

онных схем. –

автоматизации

– М: Бином, 2

9. – 134 с. мерности. – Нов

ы. – Физико-мат

иоинспирирован

изации // Изве

gle-objecrive nuTOMASZGWIA

0 400 450 500

GMRES BCG

итмы

197

пуля-ений ось с диен-

точ-

ям

мето-

эво-TOK х мо-ию с ывает нная твом

М. Ла-

– М.:

и схе-

2008.

воси-

тема-

нные

естия

umer-AZDA


198

12. Панченко Т.В. Генетические алгоритмы . – Астрахань: Изд. дом «Астраханский универ-ситет», 2007. – 88 с.


Статью рекомендовал к опубликованию д.т.н., профессор М.Д. Молев.

Бегляров Вадим Валерьевич – ФГБОУ ВПО Южно-Российский государственный универ-ситет экономики и сервиса; e-mail: [email protected]; 346500, г. Шахты, ул. Шевченко, 147; тел.: 89081760312; кафедра информационных системм и радиотехники; аспирант.

Берёза Андрей Николаевич – e-mail: [email protected]; тел.: 89281574449; кафедра инфор-мационных систем и радиотехники; к.т.н.; доцент.

Beglyarov Vadim Valeryevich – South-Russian State University of Economics and Service; e-mail: [email protected]; 147, Shevchenko street, Shakhty, 346500, Russia; phone: +79081760312; the department of information systems and radio engineering; postgraduate student.

Bereza Andrey Nikolaevich – e-mail: [email protected]; phone: +79281574449; the department of information systems and radio engineering; cand.of eng. sc.; associate professor.

УДК 681.31.001.8

В.В. Гудилов

ДИНАМИЧЕСКОЕ ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ*

Современная теория эволюционного моделирования, разработанная Дж. Холландом в 1975 году, не рассматривает одно из важнейших направлении биологической эволюции – методы образования новых видов. Структура алгоритмов и генетических операторов в эволюционном моделировании носит исключительно статический характер. Получение в процессе эволюции новых видов происходит посредством изменения структуры генома, следовательно, представление генома при кодировании на уровне хромосомы должно быть динамическим, что коренным образом влияет на структуру генетических операторов, методики оценки и моделирования эволюционных процессов, переводя их в область динами-ческого эволюционного моделирования.

Моделирование открытой эволюции; динамическое эволюционное моделирование; ди-намическое кодирование хромосомы; динамический критерий оценки решений.

V.V. Gudilov

DYNAMIC SIMULATION OF EVOLUTION

Developed by John Holland in 1975 the modern theory of evolution modeling doesn't con-sider one of the major areas of biological evolution, notably the methods of formation new species. Algorithm structure and genetic operators is solely static nature in evolutionary modeling. Getting in the evolution of new species occurs through the changing in the genom's structure, therefore, the view of the genome encoding at the level of the chromosome must be dynamic, which funda-mentally has an influence on the structure of the genetic operators, on estimation procedures and modeling of evolutionary processes, transfer them to dynamic evolutionary modeling.

Simulation of the evolution of an open; dynamic evolutionary modeling; dynamic coding chromosome; a dynamic criterion decisions.

Введение. Алгоритмы эволюционного поиска [1] разработаны для закрытых систем, в рамках которых «рассматриваемая система либо изолирована от внеш-них возмущающих воздействий, либо этими воздействиями можно пренебречь или



199

свести их к аддитивному шуму» [2]. Эволюционные алгоритмы априори рассмат-ривают статические системы и не могут исследовать открытые системы без внесе-ния ограничений в пространство поиска, т.е. до тех пор, пока исследуемое про-странство не будет сведено к некоторой модели. На этапе разработки эволюцион-ного алгоритма, на основе выбора множества ограничений и параметров, строится модель внешней среды, в которую помещается исследуемая модель объекта, и уже затем выполняется эволюция модели объекта с помощью выбранных генетических преобразований. Таким образом, существующие эволюционные алгоритмы иссле-дуют модель внутри модели, что позволяет, ограничив область поиска, находить приемлемое решение за отведенное время.

В основе эволюционного алгоритма лежит набор методов, оперируемых множеством решений, называемых хромосомами, закодированных в соответствии с выбранным алгоритмом или методом кодирования. Ограничения, заданные при кодировании решений являются теми рамками, в области которых выполняется поиск возможных решений, т.к. хромосома может принимать только те состояния, которые были учтены при кодировании. Известно [2], что “наука развивается в направлении анализа и моделирования сложных систем”, но дальнейшее развитие эволюционных алгоритмов ограничено текущими методами построения модели и описаний внешней среды для моделируемого объекта. Расширение области при-менения эволюционных алгоритмов для моделирования эволюции открытых или сложных систем заключается в том, чтобы несколько иначе взглянуть на задачу разработки алгоритмов эволюционного поиска, пересмотрев методы кодирования решений, заложив в представление хромосомы возможность появления новых свойств или состояний индивида и обеспечив эволюционный процесс необходи-мой гибкостью и изменчивостью.

В теории эволюционного моделирования целью разработки эволюционных алгоритмов являются решение задачи поиска или оптимизации [3], но не учитыва-ется такой важный аспект эволюции, как возможность образования новых видов или подвидов в процессе эволюционного развития популяции. В данной работе рассмотрены основные механизмы эволюционного процесса, обеспечивающие возможность видообразования в рамках биологической эволюции, и на их основе определены методы искусственного моделирования для решения задачи проекти-рования сложных технических систем.

Современные методы эволюционного моделирования, адаптированные к при-менению в задачах поиска или оптимизации, представлены стратегиями, в основе которых лежат идеи эволюции, сформулированные Ч. Дарвином и Г. Менделем, синтетической теорией эволюции, концепциями прерывистого равновесия, теорией нейтральности и т.д. Существующие эволюционные алгоритмы подразумевают не-изменность длины хромосомы на всем этапе моделирования эволюционного процес-са [4], что позволяет беспрепятственно оперировать генетическим материалом, не заботясь о нарушении целостности и допустимости генерируемых решений.

Для эволюционных алгоритмов пространство поиска может иметь не только разрывы и области, в которых оно не определено, но и может быть бесконечным или иметь нечеткие границы, характерные описанию открытых систем. Основное препятствие использования эволюционных алгоритмов для открытых систем ле-жит в их основе – методике строения хромосомы, которая жестко оговаривает гра-ницы пространства состояний параметров объекта и не позволяет выйти за их пре-делы в процессе эволюционного развития.

Постановка задачи. Пусть имеется некоторый объект Q (рис. 1), представлен-ный конечным множеством состояний в n-мерном пространстве S = <1, 2, … , n>, определяющем внешнюю среду обитания, каждое измерение которого задано


200

множеством параметров ki (где i = 0, 1, … , n). При кодировании объекта на основе внешней среды обитания S выделяют некоторую среду обитания A (модель), та-кую, что |A| ≤ |S|, в рамках которой выполняется уточнение граничных значений m и l, где m ≤ k, l ≤ n. Далее выполняется переход от фенотипического представления объекта Q к его генотипу G, так, что |G| ≤ |Q|, и генотип G объекта Q, представ-ленного в пространстве A, определен набором закодированных параметров l из множества измерений m: G = <m, l>. При организации эволюционного процесса, формируется некоторая популяция P, состоящая из множества особей H, опреде-ляющая генотип вида V, обитающего в рамках среды обитания А. Если граничные параметры среды обитания A заданы в виде статической модели, то параметры m и l остаются неизменны в процессе эволюционного развития объекта Q и |G| = const. В случае открытой среды мощность множества параметров l и количество измере-ний m среды обитания А, в результате взаимодействия объекта с внешней средой S, могут меняться в процессе выхода объекта Q за пределы среды обитания A. Уточнение параметров среды обитания создает предпосылки к формированию но-вого набора параметров, описывающих множества состояний в рамках новой сре-ды обитания A’≤ |S|, что, в свою очередь, приводит к возможности появления у хромосом из вида V новых свойств с последующим формированием подвидов или новых видов. Видовое образование является следствием выхода объекта за рамки параметров m и l, определенных текущим генотипом G, при изменении среды оби-тания и внешних воздействий, в результате чего происходит получение новых свойств и структур на уровне генома.

Рис. 1. Упрощенное представление пространств состояний и допустимых параметров при моделировании произвольного объекта в

рамках его среды обитания

Задача: определить механизмы эволюционного процесса, в результате кото-рых происходит образование новых видов и подвидов, и рассмотреть методы ис-кусственного моделирования этих механизмов для проектирования сложных тех-нических систем.

Моделирование эволюции. Движущим фактором эволюции является отбор. Материалом, как для естественного, так и для искусственного отбора выступают небольшие наследственные изменения, которые накапливаются из поколения в поколение. Поэтому общая структура эволюционных алгоритмов для моделирова-ния статической и открытой эволюции остается неизменной, меняются только ме-тоды и алгоритмы, обеспечивающие возможность динамических преобразований структуры генотипа, его оценки и отвечающие за передачу наследственной ин-формации.

С позиции динамического эволюционного моделирования, в рамках которого возможно образование новых видов и подвидов, необходимо обратиться к пред-ставлениям генетического материала на уровне строения генома и методам его


201

передачи, общепринятым в биологической эволюции и в современной синтетиче-ской теории эволюции. Основное внимание необходимо уделить вопросам видо-образования, кодирования и методам оценки решений в рамках динамически из-меняющейся среды обитания индивида при решении задачи моделирования от-крытой эволюции. На основе анализа текущего состояния методов проектирования предлагается использовать рассмотренные в работе методы динамического эволю-ционного моделирования для решения задач проектирования сложных техниче-ских систем с динамической архитектурой.

Общая методология видообразования. Потенциальное развитие объекта, находящегося в рамках среды обитания А, ограничено пределами и информацией, накладываемой внешней средой S, т.к. для того, чтобы выйти за среду обитания необходимо обладать информацией об изменении пространства и законов дейст-вующих за ее пределами. В некоторых случаях объекту необходимо предвари-тельное изучение и подготовка (адаптация структуры генома) к новым условиям существования, с которыми он может столкнуться, выйдя за пределы среды обита-ния. На начальном этапе, в результате выхода за границы среды обитания A, огра-ниченной рамками внешней среды S, происходит расширение границ среды оби-тания объекта без образования новых видов или подвидов, т.к. изменения, вноси-мые в геном объекта, являются незначительными. Возвращаясь в популяцию, дан-ный индивид вносит в генотип приобретенные признаки, основная часть из кото-рых остается рецессивными, и лишь некоторые могут проявиться в виде доми-нантных на уровне фенотипа у отдельных особей его потомков. Дальнейшее рас-ширение среды обитания с позиции объекта связанно с необходимостью накопле-ния информации о новых пространствах или параметрах и возможности эволю-ционировать (адаптироваться) в рамках этих параметров, подстраивая геном под измененные требования новой окружающей среды.

Если подобная адаптация возможна, то в результате могут произойти необра-тимые изменения в геноме с последующей возможностью образования новой структуры генома (например, в результате мутаций), т.е. подвидов и новых видов. Из работ Н.Н. Иорданского [5] известно, что “степень доминантности фенотипи-ческого проявления аллелей может эволюционировать, повышаясь под контролем отбора, если данный аллель становится благоприятным для его носителя при из-менениях внешних условий. Если в генотипе популяции недостаточно генетиче-ского материала, в том числе, отраженного в рецессивных генах или аллелях и способного удовлетворить требования измененных условий выживания, то это приводит к массовой гибели индивидов.

Основной механизм образования рецессивных признаков в биологии – скре-щивание и мутации. Отличие скрещивания и мутации в биологической эволюции от операторов мутации и кроссинговера, принятых в теории эволюционного моде-лирования заключается в том, что в природе мутация и скрещивание не ограничи-ваются рамками допустимых значений или ограничениями структур генома, что является причиной порождения гибридов и мутантов. Н.Н. Иорданский утвержда-ет [5], что “новые мутации могут, конечно, сразу обладать доминантным проявле-нием в фенотипе диплоидных особей, но вероятность выживания мутантов вообще невелика, и поэтому преимущественно сохраняются именно рецессивные мутации. Впоследствии, если при каких-либо изменениях внешних условий новый признак окажется благоприятным, обусловливающий его мутантный аллель может вторич-но приобрести доминантное фенотипическое выражение”.

Таким образом, несложно видеть, что основные механизмы видообразования связаны с накоплением в популяции генетической информации, отраженной на уровне разнообразия генотипа и в виде рецессивных признаков, что способствует


202

адаптации индивидов при попадании в новые условия обитания и изменениях кри-терия отбора. Основными механизмами формирования разнообразия генотипа яв-ляются мутации и скрещивание, приводящие в биологических системах к образо-ванию мутантов и гибридных особей.

Представление генома. Наличие в геноме живых организмов признаков, ни-как не отражающихся на уровне фенотипа, и являющихся рецессивными, говорит о том, что геном хранит значительно больше информации об индивиде, нежели ему необходимо для существования в рамках его среды обитания. Для моделиро-вания динамических систем с применением методов эволюционного моделирова-ния, необходимо понимать, каким образом происходит накопление, хранение и передача информации в геноме, какое влияние имеют рецессивные аллели и что является механизмом представления и формирования разнообразия видов. Так же необходимо понимать – каким образом выполняется кодирование признаков и как могут быть синтезированы принципиально новые свойства, изначально опреде-ляющие рецессивные аллели.

В рамках одного вида или подвида хромосомы могут иметь различную длину, т.е. они заданы различным количеством ген. Более того, количество ген в хромосоме не является постоянным и для самого индивида, и может изменяться из поколения в поколение. Интересным фактом является то, что из результатов работ по расшиф-ровке генома человека [6] стало известно, что “геном человека характеризуется од-нонуклеотидными вариациями числа копий, такими как делеции и дупликации, ко-торые составляют около 1 % всей нуклеотидной последовательности человека” [7], т.е. геном является избыточным и содержит частично повторяющиеся элементы, представленные в различных вариациях генетического материала. Помимо коди-рующих последовательностей, ДНК клеток содержит последовательности, выпол-няющие регуляторные и структурные функции. У многих видов только малая часть общей последовательности генома кодирует белки. Так, только “около 1,5 % генома человека состоит из экзонов, кодирующих белок, а больше 50 % ДНК человека со-стоит из некодирующих повторяющихся последовательностей ДНК” [8]. Следова-тельно, кроме того, что информация о фенотипических признаках организма, хра-нящаяся в геноме является избыточной, геном еще хранит достаточно много “слу-жебной” информации, часть из которой определяет структуру генома и регулирует процессы, протекающие при эволюционном развитии организма.

Структура хромосомы при динамическом кодировании. С биологической точки зрения, когда объекту нужны новые свойства, он имеет возможность разви-вать их в процессе эволюции, направленно модифицируя свое фенотипическое представление посредством изменений генома. С позиции моделирования открытой эволюции данную возможность необходимо закладывать в структуру хромосомы изначально, либо позволять ей приобретать новые свойства в процессе эволюции. Для реализации механизма видообразования необходимо определить, какие разли-чия проявляются у разных видов на уровне генома и реализовать поддержку данных различий в структуре хромосомы. Сравнивая количество хромосом, которое содер-жится, например, в геноме различных видов лисиц [9, 10], видно, что лисица обык-новенная имеет наименьшее количество хромосом (равное 34), и, вероятно, является базовым видом, от которого произошли другие виды и подвиды, количество хромо-сом в ДНК которых различно, и достигает 74–76 шт. Другой особенностью является то, что различие видов и подвидов обусловлено средой обитания. Таким образом, можно предположить, что одно из межвидовых различий закреплено в количестве хромосом, определяющих различия между особями в рамках этих видов. Но среди представителей одного рода обычно существует множество различных видов, с оди-наковым количеством хромосом [11], что указывает на значение не только количе-ства хромосом, но и объема и структуры генетической информации, представленной


203

в генотипе. Следовательно, задачей разработки структуры хромосомы при динами-ческом кодировании является решение вопроса представления генотипа для дина-мических последовательностей с переменной структурой, и разработки методов управления данной динамической структурой.

Так как в биологии генетическая информация об индивиде хранится не в од-ной, а в некотором конечном наборе хромосом, то для обеспечения преемственности общепринятой в эволюционном моделировании терминологии, введем понятие сег-мента – части хромосомы, отвечающей за отдельные элементы или подсистемы в рамках кодируемого объекта. Представляя в искусственных системах хромосому как линейный набор (вектор), представленный в виде динамического списка сегментов переменной длины (рис. 2), можно максимально близко приблизиться к биологиче-скому представлению строения генома с позиции современной синтетической эво-люции, и моделировать процессы динамических изменений структуры генома.

Рис. 2. Пример структуры динамической хромосомы

Как видно из рисунка (см. рис. 2), хромосома состоит из множества секций, каждая из которых имеет поля служебной информации, определяющей: тип сек-ции, длину (количество ген), признак открытости, рецессивный признак и т.д. Так как рецессивные гены не оказывают влияния на фенотип, но при этом присутст-вуют в генотипе, то реализация поддержки рецессивных признаков с точки зрения кодирования возможна посредством ввода в хромосому (секцию) дополнительной служебной информации: рецессивного признака. В процессе эволюционного раз-вития происходит изменение параметров рецессивного признака, и, тем самым, активация тех или иных ген (секций) на уровне генома, отражающаяся в проявле-нии этих ген на фенотипическом уровне, т.е. при оценке критерия выживания.

Механизмы управления структурой динамической хромосомы. При ди-намическом кодировании в хромосоме будет храниться часть служебной инфор-мации о структуре хромосомы, сегментации и принадлежности некоторых ген к тем или иным признакам. Если структура хромосомы остается неизменной, то это позволяет упростить методы кодирования и определять структуру хромосомы на уровне эволюционного алгоритма, что возвращает нас к статическим методам эво-люционного моделирования. Если же речь идет о том, что каждый индивид в по-пуляции способен развиваться не только в рамках статической среды обитания, но и эволюционируя приобретать новые свойства, не характерные для генотипа дан-ного вида, то информация, относящаяся к индивидуальным отличиям хромосомы должна храниться в самой хромосоме.

При моделировании открытой эволюции, в рамках одной популяции могут существовать особи с различным представлением генома: количеством хромосом и их длины. Для определения возможности динамического изменения этих пара-метров необходимо ввести дополнительный параметр эволюционного алгоритма, который будем называть «степенью открытости» или параметром открытости. Па-раметр открытости указывает – насколько данная хромосома (ее сегменты или от-


204

дельные гены) может быть подвержена изменениям, выходящим за изначально заданные ограничения параметров, т.е. открыта к возможным влияниям внешней среды. Так, например, с позиции решения задачи эволюционного синтеза сложных систем геном состоит из набора хромосом (сегментов), каждая из которых отвеча-ет за кодирование определенного элемента сложной системы и обладает уникаль-ными свойствами, степенью подверженности мутациям и параметром открытости, т.е. способностью приобретать новые состояния.

Кроме перечисленных признаков, в структуре хромосомы можно хранить информацию необходимую для реализации требуемых методов эволюционного моделирования и протекания эволюционного процесса. Так же возможно хранение уникальной для индивида информации (например, истории эволюционных изме-нений), по аналогии с хранением в ДНК биологических организмов фрагментов реликтовых вирусов [12] или участков от структурно разрушенных хромосом предков, так называемого, генетического мусора.

Критерий отбора в динамических системах. В условиях эволюции дина-мической системы параметры внешней среды (размерность пространств состояний и допустимых параметров), функции и алгоритмы оценки критериев отбора, а также структура генома объекта, могут подвергаться непрерывным изменениям. Для объекта основным способом получения информации об изменении среды оби-тания является критерий отбора, определяющий, выживет ли данный объект в данных условиях или нет. С накоплением информации и расширением среды оби-тания происходит постепенное уточнение и определение новых границ внешней среды, расширяющейся за счет ранее неизвестных областей окружающего мира. Процесс роста сложности (накопления информации) объекта сопровождается рас-ширением границ сред, в рамках которых он может эволюционировать. Т.е. крите-рий отбора должен максимально полно учитывать особенности среды обитания и изменение внешней среды должно отражаться на изменении критерия отбора. Очевидно, что, если алгоритм вычисления критерия является статическим, т.е. не способен учитывать изменение условий обитания и изменение влияния рецессив-ных признаков на фенотип организма при их переходе в доминантное состояние, то накопление информации и изменение генотипа не окажет никакого влияния на искусственный отбор, и, следовательно, отбор нельзя считать направленным, т.к. эволюция будет носить случайный, мутационный характер.

Таким образом, речь идет уже не о некотором общем алгоритме оценки кри-терия выживания, а о необходимости разработки механизма, позволяющего этому алгоритму эволюционировать в различных представлениях, соответствуя идеоло-гии эволюционного образования новых видов, их обитания и развития в различ-ных условиях. С позиции вопроса эволюционного моделирования открытых сис-тем, рассмотренные особенности влияния окружающей среды на критерий отбора, требуют дополнительного изучения. Эволюция открытой системы может проте-кать при взаимодействии и непрерывном изменении множества параметров, и, следовательно, изменении критериев оценки. В этом случае необходимо говорить не о последовательном (дискретном) изменении критерия, а о непрерывном про-цессе эволюции критерия. То есть изменения алгоритма вычисления критерия не-обходимо рассматривать с позиции непрерывного направленного процесса, управ-ляющего направленным поиском (эволюцией) или оптимизацией структуры и па-раметров открытой системы.

Заключение. Рассмотренные в статье вопросы и механизмы эволюционных процессов, в результате которых происходит образование новых видов и подвидов – это лишь небольшая часть инструментов, которыми оперирует биологическая эволюция, и которые, к сожалению, пока не используются при решении задач про-ектирования технических систем. Необходимо признать, что объем незатронутого


205

материала настолько большой, что в рамках текущей работы можно лишь обозна-чить некоторые вопросы, связанные с эволюционным моделированием при реали-зации процессов образования новых видов. Предложенные в работе методы дина-мического представления генетического материала и организации эволюционного процесса могут быть положены в основу новых методов динамического эволюци-онного моделирования, чего раньше никто не предлагал. Использование предло-женных методов расширяет область применения эволюционного моделирования для нового класса задач, структура и представление которых может изменяться в процессе разработки и жизненного цикла.

При моделировании открытой эволюции динамической становится не только структура хромосомы (генома) и методы оценки решений, но и все генетические операторы, выполняющие эволюционное преобразование. Поэтому дальнейшие работы в этом правлении связаны с изучением существующих механизмов эволю-ции и разработки на их основе методов и алгоритмов динамических генетических операторов, методов передачи наследственно информации, образования переход-ных форм, методов формирования мутантов и гибридов и т.д. Применение новых, динамических методов эволюционного моделирования при решении технических задач, позволит разработчикам получить совершенно новые и непредсказуемые результаты в медицине, в нанотехнологии и других областях, где требуется фор-мирование новых структур или свойств, о существовании которых разработчики или эксперты даже не могли предполагать на начальном этапе постановки задачи синтеза или моделирования.


1. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит, 2010.

2. Цой Ю.Р. Нейроэволюционные алгоритмы и сложные адаптивные системы. Биониче-ские информационные системы и их практические применения. – М. Физматлит, 2011. – С. 109-127.

3. Кныш Д.С. Курейчик В.М. Параллельные генетические алгоритмы: обзор и состояние проблемы. Теория и системы управления. – М.: РАН. – C. 72-82.

4. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алго-ритмах // Известия ЮФУ. – 2010. – 7 (108). – С. 13-21.

5. Иорданский Н.Н. Эволюция жизни. – М.: Академия, 2001. – 425 с. 6. Barnhart, Benjamin J. «DOE Human Genome Program». Human Genome Quarterly 1: 1.

Retrieved 2005-02-03. 7. Levy S, Sutton G, The Diploid Genome Sequence of an Individual Human. PLoS Biol. 8. Wolfsberg T, McEntyre J, Schuler G. «Guide to the draft human genome». Nature 409 (6822):

824 – 6. 2001. 9. Sillero-Zubiri, Claudio; Hoffmann. Dave Mech Canids: Foxes, Wolves, Jackals and Dogs:

Status Survey and Conservation Action Plan. World Conservation Union, 2004. 10. Rédei G.P. Genetics manual: current theory, concepts, terms. World Scientific. – P. 1142. 11. Соколов В.Е. Систематика млекопитающих. – М.: Высш. шк., 1973. – С. 432. 12. Gregory T. «The C-value enigma in plants and animals: a review of parallels and an appeal for

partnership». Ann Bot (Lond) 95 (1): 133 – 46. 2005

Статью рекомендовал к опубликованию д.т.н., профессор Н.И. Витиска.

Гудилов Виталий Витальевич – ООО "Ямал", г. Ростов-на-Дону; e-mail: [email protected]; 344000, г. Ростов-на-Дону, ул. Шаумяна 48, оф. 2; тел.: +79198781600; к.т.н.; руководитель отдела информационных технологий.

Gudilov Vitaly Vital’evich – Ltd. "Yamal", Rostov-on-Don; e-mail: [email protected]; 48, Shaumyana street, of. 2, Rostov-on-Don, 344000, Russia; phone: +79198781600; cand. of eng. sc.; head of information technology.


206

Раздел VI. Искусственный интеллект и нечеткие системы

УДК 004.896

Н.Н. Филатова, А.Г. Требухин

ГЕНЕРАЦИЯ РЕШАЮЩИХ ПРАВИЛ ДЛЯ ПРОЕКТИРОВАНИЯ ФУНКЦИОНАЛЬНЫХ СХЕМ СИСТЕМ АВТОМАТИЗАЦИИ

Описан алгоритм генерации непротиворечивых решающих правил для выбора рацио-нальной альтернативы из множества функциональных схем системы автоматизации с использованием математического аппарата теорий нечеткой логики и приближенных множеств. Алгоритм позволяет проводить многокритериальную оценку сложных вариан-тов схем без заметного увеличения временной сложности по сравнению с оценкой одно-контурных схем. Сформулированы требования к обучающим множествам функциональных схем с учетом особенностей составляющих их цепей и области применения. Использование алгоритма позволяет упростить разработку схем автоматизации технологических объ-ектов и улучшить качество проработки их проектных решений.

Функциональная схема; канал управления; приближенное множество; отношение не-различимости; решающее правило.

N.N. Filatova, A.G. Trebukhin

GENERATION OF DECISION RULES FOR THE DESIGN OF AUTOMATION SYSTEMS FUNCTIONAL SCHEMES

This paper describes a generation algorithm of consistent decision rules for selecting a ra-tional alternative from set of automation system functional schemes with use mathematical appa-ratus of fuzzy logic and theory of rough sets. An algorithm allow to spend a multiobjective evalua-tion of elaborate schemes without noticeable increase in time complexity compared with an evalu-ation of single-loop schemes. The requirements to training sets of functional schemes taking into account its application and features of chains making them have been formulated. Algorithm allow to reduce time required for development of automation systems and improve the quality of their design decisions.

Functional scheme; control channel; rough set; invisibility relation; decision rule.

Введение. В последнее десятилетие наблюдается рост номенклатуры техни-ческих средств автоматизации, как на отечественном, так и на зарубежном рынках, что позволяет при создании нового технического решения в области автоматиза-ции предварительно формировать и анализировать некоторое множество альтерна-тивных вариантов схемы. Становлению новой стратегии проектирования мешает отсутствие автоматических средств формирования схемных альтернатив. Во всех известных САПР разработка функциональных схем проводится в интерактивном режиме, что делает этот процесс не эффективным с точки зрения проектировщика.

Построение решающих правил для автоматического формирования функцио-нальных схем на основе заданной структурной схемы является актуальной зада-чей, способствующей повышению качества проектных решений.

Автоматическая генерация функциональных схем систем автоматиза-ции. Впервые задача автоматической генерации описаний функциональных схем систем автоматизации была рассмотрена в работе [1]. Два вида правил, используе-


207

мых для решения этой задачи, более подробно описаны в [2]. Эвристические приемы, положенные в их основу, сформулированы в работах Ахремчика О.Л. и реализуют требования функциональной согласованности и ограничений на типы и диапазоны сигналов блоков, являющихся истоком и стоком каждой отдельной свя-зи. Требования к технической реализации структурной схемы задаются в полном объеме, то есть каждому ее звену назначается свой блок.

В работе [3] рассмотрен алгоритм решения этой же задачи, но в более общей постановке – с не полностью заданными требованиями к технической реализации структурной схемы. В исходных данных может быть приведена только одна ха-рактеристика для каждого ее блока (для устройства управления может быть задан производитель, для датчика – измеряемая физическая величина и др.). Результатом генерации будет расширенное множество альтернатив функциональных схем. Для решения задачи компоновки цепей в этом случае введено понятие шаблона. Шаб-лон является описанием технической реализации одной базовой структуры.

На рис. 1 приведен пример генерации функциональной схемы системы сиг-нализации температур двух технологических объектов на основе структурной схе-мы «2ИП-РУ-ИУ» и множества из 10 шаблонов.

Рис. 1. Пример генерации функциональных схем

Виды правил для проектирования функциональных схем. Стратегия про-ектирования функциональных схем на основе предварительной генерации шабло-нов предполагает создание правил, по меньшей мере, 4-х видов:

Rule_C: генерации отдельной связи Sij между блоками ТСА ei и ej [1]; Rule_Z: компоновки шаблонов Xg(Sij) на множестве связей Sij; Rule_P: оценки перспективности шаблонов Xg; Rule_K: компоновки контуров схемы на множестве шаблонов. Эвристические правила Rule_C и Rule_Z являются наиболее универсальными

и обладают высокой точностью и полнотой. На основе эвристики Rule_Z создана процедура формирования множества шаблонов X, которое включает варианты ре-шений, отличные по эффективности. Если ||X|| не уменьшить, то с помощью пра-вил Rule_K будет сформировано множество функциональных схем, включающее наряду с близкими к оптимальным и варианты c низкими показателями эффектив-ности. Это приведет к дополнительным временным затратам у проектировщика при анализе альтернатив схем. Проблема выделения эффективных шаблонов и


208

создания средств для ее решения (Rule_P) осложняется нечеткостью, определяю-щей характеристики «эффективный шаблон», «эффективная функциональная схе-ма». Это вызвано тем, что до настоящего времени отсутствует исчерпывающий перечень характеристик схем автоматизации, позволяющий осуществлять их срав-нение. Тем не менее, опытный проектировщик умеет решать эту задачу, опираясь на свойства схем, которые он может и не формализовать.

В статье рассматривается ситуация, когда эксперт оценивает качество каждо-го шаблона с использованием своих латентных знаний и формирует оценки обоб-щенного интегрального показателя d («хороший шаблон», «плохой шаблон»).

Задачу формализации знаний эксперта в виде правил Rule_P можно решить методами теории приближенных множеств, позволяющей работать с неточными и противоречивыми исходными данными. Теория приближенных множеств предло-жена в начале 1980-х годов польским математиком Павлаком, который ввел поня-тие информационной системы [4]. Под информационной системой понимается пара S=(U,A), где U=X1, Х2,...,Xn – непустое конечное множество объектов (обу-чающее множество), А=a1, a2,...,ak − непустое конечное множество атрибутов. Решающая таблица (система) – это информационная система вида S=(U,Ad), где d – атрибут, называемый решением. Объекты принадлежат одному классу эк-вивалентности IND(Ar), если они не могут быть различимы с использованием атрибутов Ar. Нижнее приближение AX множества X является объединением классов эквивалентности, все объекты каждого из которых входят в X. Верхнее приближение ĀX является объединением классов эквивалентности, хотя бы один объект каждого из которых относится к X. Множество BNA называется граничной (недостоверной) областью множества и состоит из объектов, которые нельзя уве-ренно отнести к X. Если для X верхнее и нижнее приближения совпадают, то Х − обычное множество [5]. Для приближенных множеств справедливы соотношения:

AX X (1)

\U AX X (2) ABN возможно X (3)

Правило оценки перспективности шаблона может быть представлено как X =х: Решение(х)=Принять, Отклонить (4)

Алгоритм генерации правил для оценки шаблонов. Для автоматической генерации правил вида (4) необходимо создать описание шаблонов, которое долж-но отражать их функциональные и структурные свойства: A=YSО, где Y – огра-ниченное число атрибутов ТСА, SО – параметры, характеризующие связи между блоками, включенными в шаблоны.

Учитывая широкое распространение многоканальных блоков, а также то, что все схемы автоматизации включают измерительные цепи, в множество Y как ми-нимум необходимо включить погрешность измерительного преобразователя и стоимость канала регулирования схемы (отношение стоимости используемого ре-гулятора к числу его каналов). Среди параметров, характеризующих всю схему, мы выделяем в множество SО срок службы схемы и комплексный показатель ее технологичности. Срок службы схемы является временным интервалом, в течение которого ни один ее элемент не выйдет из строя.

Алгоритм генерации решающих правил вида (4) включает следующие шаги. 1. Формирование описания шаблонов схем. Мощность обучающего мно-

жества U равна числу шаблонов. Каждый из них описывается четырьмя атрибута-ми из A и одним решающим атрибутом d.

A=a1: Относительная погрешность измерительного преобразователя, a2: Срок службы схемы, a3: Комплексный показатель технологичности, a4: Стоимость канала регулирования.


209

Бинарный атрибут d может принимать значения «принять/отклонить шаб-лон», остальные атрибуты – количественные.

Работа алгоритма рассматривается на примере анализа множества из 10 шаб-лонов схем (см. рис. 1), описание которых приведено в табл. 1.

Таблица 1 Шаблон a1, % a2, год a3, отн. ед. a4, руб. d

x1 3 3 0,35 6800 1 x2 5 3 0,34 6800 0 x3 3 3 0,35 6800 1 x4 5 3 0,34 6800 0 x5 5 3 0,35 1800 0 x6 3 3 0,35 1800 1 x7 5 3 0,35 1800 0 x8 3 3 0,35 1800 0 x9 5 3 0,35 3100 1 x10 3 3 0,35 3100 1

Для всех шаблонов критерий a2 имеет одно и то же значение, а критерий a3

изменяется в узких пределах – от 0,34 до 0,35. С помощью a1 и a4 можно распо-знать любой объект обучающего множества с тем же качеством, что и с полным набором атрибутов.

2. Фазификация критериев оценки шаблонов. Учитывая возможность ошибочных или неточных сведений в отношении ряда количественных характери-стик блоков или цепей ТСА, в предлагаемом алгоритме осуществляется переход к качественным переменным.

Для унификации процедуры сравнения и интерпретации характеристик схе-мы вводится так называемая универсальная лингвистическая переменная «Атри-бут a», значениями которой являются две нечеткие переменные Т1:=«Желаемое значение a» и Т2:=«Не желаемое значение a». Для каждого критерия частотным методом формируется функция принадлежности Т1(ai) и определяется нечеткое множество первого типа «Желаемое значение аi». Семантика понятий второго типа Т2 определяется правилом Т2(ai)=1-Т1(ai).

В результате фазификации и использования операции объединения нечетких множеств, построенных для одной базовой переменной, можно получить лингвис-тические интерпретации описаний шаблонов.

Описание (ma(x)) шаблона может быть представлено только с помощью зна-чений Т1(ai), каждое из которых определяет степень соответствия шаблона нечет-кому множеству «Желаемое значение атрибута (аi)».

3. Дискретизация атрибутов в описании (ma(xj)). Для упрощения процеду-ры анализа описаний шаблонов ко всем элементам (ma(xj)) применяется операция дискретизации. В табл. 2 представлены результаты фазификации критериев a1 и a4, а также дискретизации i(ma1) и i(ma4) значений элементов множества (ma(xj)).

Таблица 2 Шаблон Т1(a1) Т1(a4) i(ma1) i(ma4) d

x1 0,914 0,102 1 0 1 x2 0,779 0,102 0 0 0 x3 0,914 0,102 1 0 1 x4 0,779 0,102 0 0 0 x5 0,779 0,852 0 2 0 x6 0,914 0,852 1 2 1 x7 0,779 0,852 0 2 0 x8 0,914 0,852 1 2 0 x9 0,779 0,622 0 1 1 x10 0,914 0,622 1 1 1


210

4. Нахождение отношений неразличимости. Для новой решающей системы определяются отношения неразличимости IND, а также нижняя и верхняя границы соответствующего приближенного множества:

,,,\ ,,)(

,,,,,,,,,,

,,,,,,,,,,))(),((

754286

861031910319

8610317594241

xxxxXAUxxXBN

xxxxxxXAxxxxXA

xxxxxxxxxxmaimaiIND

A

5. Построение решающих правил. Используя множества AX и ĀX, по соот-ношениям (1–3) строятся решающие правила: производится переход от значений i(ma) к соответствующим непрерывным диапазонам Cma

i и их дефазификация – нахождение диапазонов значений Ca

i с учетом возрастания/убывания функции принадлежности. Результаты вычислений приведены в табл. 3.

Таблица 3 Мн-во

Шаб-лон

i(ma1), i(ma4)

Cma1i, C

ma4i Ca1

i, Ca4

i прин./ откл.

1 2 3 4 5 6 AX x9 0

1 Т1(a1)<0,847

0,362≤Т1(a4) <0,737 a1>4 (%)

2486<a4≤4536 (руб.) прин.

AX x1, x3 1 0

Т1(a1)≥0,847 Т1(a4) <0,362

a1≤4 (%) a4>4536 (руб.)

прин.

AX x10 1 1

Т1(a1)≥0,847 0,362≤Т1(a4) <0,737

a1≤4 (%) 2486<a4≤4536 (руб.)

прин.

U\ĀX

x2, x4 0 0

Т1(a1)<0,847 Т1(a4) <0,362

a1>4 (%) a4>4536 (руб.)

откл.

U\ĀX

x5, x7 0 2

Т1(a1)<0,847 Т1(a4) ≥0,737

a1>4 (%) a4≤2486 (руб.)

откл.

BNA x6, x8 1 2

Т1(a1)≥0,847 Т1(a4) ≥0,737

a1≤4 (%) a4≤2486 (руб.)

не опре-делено

В столбце 6 приведены заключения правил. Для описания посылок можно использовать выявленные диапазоны значений функции принадлежности (стол-бец 4) или соответствующие им диапазоны значений атрибутов (столбец 5). На-пример, по шаблону x9 можно сформировать правило:

с использованием посылки (столбец 4) «Если Относительную погреш-ность датчика можно считать желаемой с уверенностью меньше 0,847 и Стоимость канала регулирования можно считать желаемой с уверен-ностью 0,362-0,737, то шаблон принимается»;

с использованием посылки (столбец 5) «Если Относительная погреш-ность датчика>4% и Стоимость канала регулирования от 2486 до 4536 руб., то шаблон принимается».

Результаты исследований. По определению и свойствам приближенных множеств, сформированные для одной решающей системы правила не будут про-тиворечивыми. Анализ условий применения правил вида (4) для приведенного выше примера позволил выявить следующие закономерности:

принимается любая схема шаблона со средней стоимостью канала регули-рования, несмотря на погрешность датчика (AX);

принимается схема шаблона с большой стоимостью канала регулирования при условии высоких требований к точности датчика, то есть вводится ог-раничение на качество схемы при увеличении ее стоимости (AX);

отклоняется схема шаблона с высокой погрешностью датчика, если стои-мость канала регулирования – слишком большая или слишком маленькая (U\ĀX);

возможно принимается схема с дешевым регулятором и достаточно низ-кой погрешностью датчика (BNA).


211

Проведенные эксперименты позволили сформировать требования к составу выборок шаблонов: желательно формировать выборки, включающие в себя шаб-лоны с датчиками одной физической величины и исполнительными устройствами одного назначения.

Шаблону рабочего множества ставится в соответствие число от 0 до 1 – его «вес». Весовым значением может являться отличная от нуля минимальная нечет-кая оценка одного из нескольких критериев, указанных в правилах, по которым шаблон принят к дальнейшему рассмотрению. Из набора шаблонов для дальней-шей генерации используются те, весовые значения которых не меньше заданного.

Заключение. Рассмотренный алгоритм генерации непротиворечивых ре-шающих правил оценки схем шаблонов позволяет сократить число наименее пер-спективных вариантов функциональных схем при их автоматической генерации. Это происходит до их непосредственного формирования, что особенно актуально для принятия эффективных решений в реальном масштабе времени [6].

Предложенный подход можно использовать для реализации механизма авто-матического расширения базы знаний САПР систем контроля и управления.


1. Филатова Н.Н., Ахремчик О.Л., Куприянов О.В. Автоматический синтез функциональ-ных схем // Сб. докладов международной конференции «Знание-Диалог-Решение». KDS – 2007 Varna, Bulgary. 2007. – С. 338-345.

2. Ахремчик О.Л., Филатова Н.Н., Бодрина Н.И. Система проектирования функциональ-ных и принципиальных схем автоматизации // Труды международного конгресса по ин-теллектуальным системам и информационным технологиям «AIS-IT'09». – М.: Физмат-лит, 2009. – Т. 1. – С. 73-80.

3. Филатова Н.Н., Требухин А.Г. Структурный синтез схем автоматизации в условиях не-полных требований к технической реализации // Известия Волгоградского государст-венного технического университета: Межвуз. сб. науч. ст. 4(91) / ВолгГТУ. – Волго-град, 2012. (Сер. Актуальные проблемы управления, вычислительной техники и инфор-матики в технических системах. Вып.13). – С. 72-79.

4. Pawlak Z. Rough Sets // International Journal of Information and Computer Science, 1982. – 11(5). – P. 341-356.

5. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдопо-добный вывод в интеллектуальных системах / Под ред. В.Н. Вагина, Д.А. Поспелова. – М.: Физматлит, 2008. – 712 с.

6. Бова В.В., Курейчик В.В. Интегрированная система гибридного и комбинированного поиска в задачах проектирования и управления // Известия ЮФУ. Технические науки. – 2010. – 12 (113). – С. 37-42.

Статью рекомендовал к опубликованию д.ф.-м.н., профессор А.В. Язенин.

Филатова Наталья Николаевна – Федеральное государственное бюджетное образова-тельное учреждение высшего профессионального образования «Тверской государственный технический университет»; e-mail: [email protected]; 170023, г. Тверь, пр. Ленина, 25; тел.: 84822444488; кафедра автоматизации технологических процессов; д.т.н.; профессор.

Требухин Алексей Геннадьевич – e-mail: [email protected]; тел.: 84822357898; кафедра автоматизации технологических процессов; аспирант.

Filatova Natalya Nikolaevna – Federal State Budget Educational Establishment of Higher Voca-tional Education «Tver State Technical University»; e-mail: [email protected]; 25, Lenina ave-nue, Tver, 170023, Russia; phone: +74822444488; the department of automation of technological processes; dr. of eng. sc.; professor.

Trebukhin Alexey Gennadyevich – e-mail: [email protected]; phone: +74822357898; the department of automation of technological processes; postgraduate student.


212

УДК 002.53:004.89

Ю.А. Кравченко, В.В. Марков

ПРИНЯТИЕ РЕШЕНИЙ В ИНТЕГРИРОВАННЫХ ИНФОРМАЦИОННЫХ МОДЕЛЯХ НА ОСНОВЕ МЕТОДА АНАЛИЗА ИЕРАРХИЙ*

Рассмотрен алгоритм принятия решений в интеллектуальных информационных сис-темах, построенных на основе модификаций метода анализа иерархий. Данный метод эффективно используется при структурировании множества характеристик из различ-ных областей знания в виде иерархии для дальнейшего выполнения количественной оценки имеющихся вариантов альтернатив. Наличие неопределенности и проблемных ситуаций при обработке мнений экспертов требует проведения адаптации данного математиче-ского метода. При разработке алгоритма использованы оценки относительной значимо-сти признаков и альтернатив при выборе траектории обучения.

Принятие решений; интеллектуальные информационные системы; анализ иерархий; параметры адаптации; оценка относительной значимости.

Y.A. Kravchenko, V.V. Markov

DECISION MAKING IN INTEGRATED INFORMATION MODELS BASED ON THE HIERARCHIES ANALYSIS METHOD

This article describes algorithm for decision making in intelligent information systems, based on modifications of the analytic hierarchy method. This method is effectively used in struc-turing a set of characteristics from different fields of knowledge as a hierarchy for the further implementation of the options available alternatives quantitative assessment. The presence of un-certainty and problem situations in the processing of expert opinion requires adaptation of this mathematical method. Estimates the relative importance of features and alternatives when choos-ing a trajectory of learning were used in developing the algorithm.

Decision making; intelligent information systems; analysis of hierarchies; the parameters of adaptation; assessment of relative importance.

Введение. Создание адаптивных оценочных процедур при определении уровня компетентности обучаемого предполагает использование экспертных зна-ний для выбора методических основ разработки индивидуальных траекторий обу-чения и интеллектуальных информационных обучающих сред. Исследуем воз-можность применения для решения данной проблемы метода анализа иерархий, который используется при поддержке принятия решений и представляет собой теорию, основанную на экспертных оценках и суждениях индивидуальных спе-циалистов или их групп [1].

Структурирование множества характеристик из различных областей знания в виде иерархии для дальнейшего выполнения количественной оценки имеющихся вариантов альтернатив является сложной и актуальной задачей. Применение мето-да анализа иерархий для решения данной проблемы в рамках уточнения отдель-ных процедур, нацеленное на его адаптацию к разнообразию реальных ситуаций, позволяет значительно улучшить качество принимаемых решений [1–8].

1. Анализируемая интегрируемая модель на основе множества исследуе-мых параметров. Применение метода анализа иерархий (МАИ) в соответствии с подходом Т. Саати подразумевает использование оценок относительной значимо-сти признаков и альтернатив при выборе траектории обучения [2, 9–12]. Недостат-ком данного подхода является отсутствие учета наличия проблемных ситуаций.



213

Качество принятия решений по аналитическому обоснованию выбора альтернатив вырастет в случае учета вариантов воздействия внешней среды, проявлением ко-торой в нашем случае будут действия преподавателей, экспертов и тьюторов, а также возможные изменения в учебных планах и образовательных программах [13–15]. Необходимой является математическая обработка суждений различных экспертов с учетом коэффициентов их относительной значимости, так как в про-цессе принятия решения могут участвовать несколько экспертов.

Опишем анализируемую интегрированную модель на основе множеств ис-следуемых параметров:

1) Qi = Q1,Q2,…,QI-x,…,QI – альтернативы выбираемых способов (траекто-рий) обучения для достижения необходимого уровня компетентности, где 2<x<I;

2) k = 1,2,…,K – идентификационные номера компетенций; 3) n = n1,n2,…,nK-y,…,nK – множество коэффициентов относительной значи-

мости (весов) каждой из компетенций, где 2<y<K; 4) Fk = F1k,F2k,…,Fik,…,FIk – множество коэффициентов (весов) альтернатив

(решений) по выбору траектории обучения по признаку наличия опреде-ленной компетенции;

5) pj = p1,p2,…,pJ-α,…,pJ – множество возможных воздействий на процесс обучения со стороны внешней среды, где 2<α<J;

6) e = 1,2,…,E – идентификационные номера составляющих психофизиоло-гических характеристик личности (стили учения, способы мышления и т.д.) обучаемого, определенные экспертами;

7) v = v1,v2,…,vE-β,…,vE – множество коэффициентов (весов) относительной значимости составляющих психофизиологических характеристик лично-сти обучаемого, где 2<β<E;

8) b = b1,b2,…,bJ-α,…,bJ – множество коэффициентов относительной вероят-ности появления воздействий внешней среды;

9) nej = n1ej,n2ej,…,n(K-y)ej,…,nKej – множество коэффициентов относительной значимости (весов) имеющихся компетенций k при j-том воздействии внешней среды с учетом определенных экспертами психофизиологиче-ских особенностей обучаемого e;

10) Fiej = F1kej,F2kej,…,F(I-x)kej,…,FIkej – множество коэффициентов (весов) реше-ний по выбору альтернатив траекторий процесса обучения по наличию при-знака компетенции k при j-том воздействии внешней среды с учетом опре-деленных экспертами психофизиологических особенностей обучаемого e;

11) F = F1,F2,…,FI-x,…,FI – итоговое множество коэффициентов решений (альтернатив).

Рассмотрим алгоритм модификации метода анализа иерархий с учетом уст-ранения указанных недостатков.

2. Алгоритм принятия решений в информационной системе поддержки процесса обучения на основе анализа иерархий компетенций с учетом индивиду-альных характеристик личности и воздействий внешней среды. Сформируем матрицы попарных сравнений относительной значимости признаков наличия компе-тенций по шкале Саати Nkrej с учетом индивидуальных характеристик личности e при воздействиях внешней среды pj (k,r = 1…K, e = 1…E, j = 1…J). Также нужно сформи-ровать матрицы попарных сравнений предпочтительности альтернатив выбираемых


214

способов (траекторий) обучения Tizkej в зависимости от выбранной компетенции k с учетом индивидуальных характеристик личности e при воздействиях внешней среды pj (i, z = 1…I; k = 1…K, e = 1…E, j = 1…J). Представим алгоритм решения:

1. Формирование исходных данных задачи. 2. Создание матриц попарных сравнений компетенций Nkrej, в которой оце-

нивается относительная значимость признаков наличия компетенций k и r с учетом индивидуальных характеристик личности e при воздействиях внешней среды pj. Связь оценок Nkrei и Nrkei будет выражена отношением Nrkej = 1/ Nkrej. Таким образом, если Nkrej = 9, то признак наличия компе-тенции k безусловно значимей в сравнении с признаком r. Тогда значение Nrkej = 1/9, что означает безусловное отсутствие значимости признака на-личия компетенции r относительно k.

3. Создание матриц попарных сравнений предпочтительности альтернатив выбираемых способов (траекторий) обучения в зависимости от выбранной компетенции Tizkej, в которых сопоставляется качество альтернатив i и z по различным компетенциям k с учетом индивидуальных характеристик лич-ности e при воздействиях внешней среды pj. Причем, Tzikej = 1/ Tizkej.

4. Для каждой матрицы попарных сравнений признаков наличия компетен-ций с учетом индивидуальных характеристик личности e при воздействи-ях внешней среды pj вычисляется вектор nmaxej, соответствующий макси-мальному собственному значению, т.е. nmaxej = (nmax1ej, nmax2ej,…,nmaxKej). λmaxKej – максимальное собственное значение матриц попарных сравнений признаков компетенций при j-том воздействии внешней среды с учетом наличия индивидуальной характеристики e.

5. Преобразовать элементы полученного вектора nmaxej по следующему правилу:

.max

max

kkej

kej

kej nn

n

6. Для всех матриц попарных сравнений предпочтительности альтернатив выбираемых способов (траекторий) обучения в зависимости от выбранной компетенции с учетом индивидуальных характеристик личности e при воздействиях внешней среды pj вычисляется вектор Tmaxkej, соответствую-щий максимальным собственным значениям матриц, т.е. Tmaxkej = (Tmax1kej, Tmax2kej,…, Tmaxikej,…, TmaxIkej). λmaxIkej – максимальные собственные значения матриц попарных сравнений предпочтительности альтернатив выбирае-мых способов (траекторий) обучения в зависимости от выбранной компе-тенции с учетом индивидуальных характеристик личности e при воздейст-виях внешней среды pj.

7. Преобразовать элементы полученного вектора Tmaxkej по следующему правилу:

.max

max

iikej

ikej

ikej TT

T

8. Рассчитать коэффициенты решений (альтернатив) Fiej при j-том воздейст-вии внешней среды с учетом наличия индивидуальной характеристики e:

;nTF kejk

ikejiej

9. Рассчитать коэффициенты решений (альтернатив) Fi: .FvbF ieje

e jji

Упорядочить варианты решения Fi. Наибольший коэффициент указывает на самый предпочтительный вариант решения.

Заключение. В методе анализа иерархий нет общих правил для формирова-ния структуры модели принятия решения. Это является отражением реальной си-


215

туации принятия решения, с целым спектром мнений по каждой проблеме. Метод учитывает это обстоятельство с помощью построения дополнительной модели для согласования различных мнений, посредством определения их приоритетов. Таким образом, метод позволяет принимать решение с учетом «человеческого фактора». Это одно из важных достоинств данного метода.

Формирование структуры модели принятия решения в методе анализа иерар-хий достаточно сложный процесс. Однако в итоге удается получить полное пред-ставление о том, как взаимодействуют факторы, влияющие на выбор альтернатив-ных решений. Как формируются приоритеты возможных решений и рейтинги, отражающие важность факторов. Процедуры расчетов рейтингов в методе анализа иерархий достаточно просты, что является преимуществом данного метода перед другими методами принятия решений.

Предложенная в рассмотренном алгоритме модификация метода анализа ие-рархий позволяет эффективно решать задачи принятия решений в интеллектуаль-ных информационных системах обучения. Необходимость применения описанного алгоритма обусловлена необходимостью детального моделирования процесса обу-чения в условиях множества экспертных оценок в разных областях знания и воз-никающей на этой основе неопределенности.


1. Саати Т.Л. Принятие решений при зависимостях и обратных связях // Аналитические сети. – М.: ЛКИ, 2008.

2. Середенко Н.Н. Развитие метода анализа иерархий // Открытое образование. Научно-практический журнал. – М.: CAPITALPRESS, 2011. – 2 (85). – С. 39-48.

3. Кравченко Ю.А. Технология анализа надежности адаптивных информационных сред // Известия ЮФУ. Технические науки. – 2010. – 12 (113). – С. 103-108.

4. Кравченко Ю.А. Метод определения познавательных стилей на основе теории агентов // Известия ЮФУ. Технические науки. – 2009. – 12 (101). – С. 120-128.

5. Бова В.В. Технологии интеллектуального анализа и извлечения данных на основе прин-ципов эволюционного моделирования / В.В. Бова, Л.А. Гладков, Ю.А. Кравченко, В.В. Курейчик, В.М. Курейчик, С.Н. Щеглов. – Таганрог: Изд-во ТТИ ЮФУ, 2009. – 124 с.

6. Курейчик В.М., Кныш Д.С. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – М., 2010. – 4. – С. 72-82.


8. Литвиненко В.А., Ховансков С.А., Норкин О.Р. Оптимизации мультиагентной системы распределенных вычислений // Известия ЮФУ. Технические науки.– 2009. – 4 (93). – С. 226-235.

9. Кравченко Ю.А. Концептуальные основы рефлексивно-адаптивного подхода к построе-нию интеллектуальных информационных систем // Известия ЮФУ. Технические нау-ки.– 2011. – 7 (120). – С. 167-171.

10. Кравченко Ю.А. Метод создания математических моделей принятия решений в много-агентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 141-145.



13. Бова В.В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 146-153.

14. Марков В.В. Методика извлечения и оценки знаний на основе нечеткой модели эксперта // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 137-141.


216

15. Марков В.В., Пуголовкина О.В. Применение репертуарных решеток для формирования инди-видуальных траекторий обучения // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 250-255.


Кравченко Юрий Алексеевич – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универ-ситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; доцент.

Марков Владимир Васильевич – e-mail: [email protected]; кафедра систем автоматизиро-ванного проектирования; доцент.

Kravchenko Yury Alekseevich – Federal State-Owned Autonomous Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; associate professor.

Markov Vladimir Vasilyevich – e-mail: [email protected]; the department of computer aided design; associate professor.

УДК 002.53:004.89

Ю.А. Кравченко

СИНТЕЗ РАЗНОРОДНЫХ ЗНАНИЙ НА ОСНОВЕ ОНТОЛОГИЙ*

Рассмотрена актуальная проблема создания онтологий областей знаний в целях инте-грации разнородной информации в системах управления знаниями. Описан набор типовых информационных потоков, для которых будут отбираться прецеденты интеграции знаний. Подробно рассмотрены этапы идентификации знаний, интеллектуального анализа априор-ной информации, построения моделей знаний и реализации системы управления знаниями. Реализация данных этапов обеспечит концептуализацию знаний в виде точных описаний в онтологиях, что позволит преодолеть неопределенность за счет формализации неявных предположений и систематизировать знания за счет интеграции разнородных источников.

Онтологии; интеллектуальные информационные системы; системы управления зна-ниями; интеллектуальный анализ данных; извлечение знаний; интеграция разнородной ин-формации.

Y.A. Kravchenko

SYNTHESIS OF HETEROGENEOUS KNOWLEDGE BASED ON ONTOLOGIES

This article describes the actual problem of knowledge fields ontologies creation in order to heterogeneous information integration in knowledge management systems. A set of typical infor-mation flows, which will be selected precedents knowledge integration, was described. The steps of identifying the knowledge, mining a priori information, modeling knowledge and implementing a knowledge management system were showed in details. The implementation of these steps will provide a conceptualization of knowledge as accurate descriptions in ontologies, which will over-come the uncertainty due to the formalization of the implicit assumptions and organize knowledge through the integration of heterogeneous sources.

Ontologies; intelligent information systems; knowledge management; data mining; knowledge extraction; integration of heterogeneous information.



217

Введение. При создании обучающей системы управления знаниями возника-ет необходимость в интеграции информации из различных предметных областей на основе единого семантического описания пространства знаний. Концептуальная проработка правил синтеза разнородной информации в обучающих системах управления знаниями (ОСУЗ) осуществляется на основе создания онтологий об-ластей знаний по результатам взаимодействия преподавателей, тьюторов и экспер-тов. Несмотря на выраженную специфику предметных областей, онтологии необ-ходимо строить как цепочку взаимосвязанных процессов, что и позволит получить интегрированный характер обучающей системы управления знаниями.

1. Состав этапа идентификации области знаний. На этапе идентификации областей знаний необходимо в первую очередь определить множество исследуе-мых характеристик (рис. 1). В этом случае будут изучаться зависимости между множествами индивидуальных характеристик обучаемого, составляющими его компетентности и возможными формами приобретения новых знаний. Далее тре-буется выбрать источники априорной информации и приступить к формированию базы знаний и хранилищ данных, которые впоследствии позволят задать отноше-ния между категориями пользователей. В качестве источников знаний легче всего подсоединяются базы данных оперативных информационных систем через меха-низм создания информационных хранилищ. Аналогично подсоединяется система электронных и неэлектронных архивов документов, которая может иметь центра-лизованную и нецентрализованную схему управления. Интеграция знаний из раз-личных источников может проводиться на основе онтологий, требования к разра-ботке которых будут находиться в заранее сформированных спецификациях.

Для создания баз знаний прецедентов требуется определить набор типовых информационных потоков, для которых будут отбираться прецеденты.

Для формализации знаний специалистов (экспертов, тьюторов, преподавате-лей) необходимо построить карты знаний, в которых была бы отражена степень владения пользователей различных категорией знаний.

Рис. 1. Состав этапа идентификации области знаний

На этапе интеллектуального анализа априорной информации и извлечения знаний на основе методов интеллектуального анализа данных происходит класте-ризация знаний, необходимая для дальнейшего выявления свойств и отношений между различными информационными единицами, что позволит выявить законо-мерности в массивах данных и перейти к построению новых правил, аксиом и ог-раничений (рис. 2).

Рис. 2. Состав этапа интеллектуальног анализа данных и извлечения знаний


218

Данный этап обеспечит концептуализацию знаний в виде точных описаний в онтологиях, что позволит обеспечить системе следующие возможности:

интеллектуальность обучающей системы управления знаниями, позволяю-щая преодолеть неопределенность за счет формализации неявных предпо-ложений. Концептуализация в онтологиях происходит на основе семантиче-ских отношений, формирующих аксиомы, правила и ограничения;

спецификация функциональных компонентов знаний в виде общего сло-варя и разделение знаний между различными категориями пользователей системы;

систематизация знаний за счет интеграции разнородных источников на основе многоаспектной таксономии, представленной в общем словаре;

метамодельная функциональность, когда онтология содержит необходи-мые понятия, отношения и ограничения для построения многоагентной, имитационной или иной модели (рис. 3) решения задачи с помощью мо-дулей системы, привязанных к данным понятиям;

обобщение понятий используемой области знаний, позволяющее создать теорию содержания на основе имеющейся онтологии [1, 3–5].

Рис. 3. Состав этапа построения моделей знаний

Наиболее удобной для наших исследований моделью распределенной онто-логической структуры является графовая модель O = <T, A>, где O – онтология, T – таксономия введенных терминов (концептов) данной онтологии и множество отношений, определенных на данной таксономии, A – множество аксиом, правил и ограничений, основанных на заданном T [2, 6-10]. Говоря о требованиях, предъяв-ляемых к онтологиям, можно условно их разбить на общие требования и требова-ния развития.

К числу общих требований можно отнести: ясность как четкую передачу смысла концептов; согласованность как логическая непротиворечивость определений; интегрируемость как возможность объединения в единое целое всякой

распределенной онтологической структуры за счет использования отно-шений импорта. Отношение импорта можно представить в виде ориенти-рованной графовой модели I = <O, D>, где O – онтологии, D – направлен-ные дуги с началом в импортируемой онтологии и концом – в импорти-рующей;

минимум влияния кодирования как инвариантность к методам представле-ния знаний;

минимум онтологических обязательств как отражение только существен-ных предположений об области знаний [1, 2, 8–12].

В число же требований развития онтологий входят: аддитивное развитие – основано на отношении импорта, подразделят он-

тологии на базовую и дополняющую, т.е. знания, хранящиеся в первой, наращиваются знаниями из второй без изменений в имеющейся структуре данных;


219

интеграционное развитие – импортирование некоторого множества базо-вых, системно согласуемых онтологий в один интегрирующий ресурс;

совместное развитие – импорт с отсутствием иерархии, когда каждая из двух онтологий является для другой и базовой, и дополняющей;

комплексное развитие и реструктуризация онтологий – одновременное разнонаправленное развитие онтологий для получения упрощенной онтоло-гической структуры без циклов, с более эффективным набором импортов;

развитие нечетких онтологий – задача работы с нечеткими импортами возникает при рассмотрении распределенных онтологических структур. Нечеткий импорт, для которого определена функция принадлежности, может выявляться в ходе анализа структуры онтологии [2, 13–15].

В онтологической структуре знаний должны быть отражены парадигматиче-ские отношения понятий, независимые от контекста решаемой проблемы, и пере-менные синтагматические отношения понятий, возникающие в некотором контек-сте решения проблемы. Среди парадигматических можно выделить отношения синонимии, омономии, полисемии, обобщения, агрегации, ролевых ассоциаций и т.д., которые трансформируют словарь в тезаурус [1, 3, 4]. Синтагматические от-ношения отражаются в виде семантических ограничений, правил и аксиом.

Рассмотрим уровни формирования онтологического знания: 1. Контроль синтаксических понятий и конструкций предметных областей

осуществляется за счет определения метаонтологии общих категорий; 2. Набор понятий, используемых при решении интеллектуальных задач неза-

висимых от выбора метода решения, определяет онтология предметной области;

3. Понятия, описывающие методы преобразования объектов предметной об-ласти, их сущность, последовательность выполнения и правила примене-ния в конкретных ситуациях, определяет онтология задач.

Формализация онтологий происходит за счет построения семантических се-тей, задающих отношения на множестве объектов знаний. Отношения представ-ляют основные конструктивные элементы структуры знания.

Выбор инструментальных средств реализации обусловлен требованиями к функциональности ОСУЗ (рис. 4).

Рис. 4. Состав этапа реализации ОСУЗ

Нужно принять во внимание необходимость информационного поиска и ана-лиза данных во внешних и внутренних источниках, решение общих для субъектов процесса обучения задач, обоснования принимаемых решений по выбору траекто-рий обучения.

Несмотря на широкий выбор программных инструментов реализации, выби-раемые инструментальные средства должны обеспечивать создание и поддержку источников знаний, и доступ к ним. Для целей создания онтологий служат онтоло-


220

гические редакторы, реализующие ввод категорий, отношений на категориях и ограничения. Это освобождает разработчика от изучения внутреннего синтаксиса оформления онтологических конструкций [1, 9, 10]. Также необходимы инстру-менты трансляции онтологий из одного представления в другое при интеграции разных источников знаний. Задание категорий онтологий для источника знаний для дальнейшего индексирования возможно в режиме ручной аннотации, которая происходит с использованием специальных программных средств, позволяющих пользователю просматривать и выбирать из онтологий необходимые категории для аннотации. Индексирование источников знаний необходимо для их дальней-шего подключения. При большом числе источников знаний аннотирование и ин-дексирование в ручном режиме не представляется возможным, в этом случае ис-пользуются программы автоматической рубрикации и индексирования.

Важными функциями доступа к источникам знаний являются: 1) организация релевантного поиска по запросу с применением онтологии

знаний за счет семантического контроля, анализа контекста, механизма расши-рения содержания. Проверка корректности запроса осуществляется по ограниче-ниям атрибутов и аксиом, содержащихся в онтологиях. Запрос может быть расши-рен за счет семантически значимых отношений (синонимичных обозначений, транзитивно удаленных терминов);

2) обеспечение возможностей навигации (визуализация иерархий рубрик, мно-гоаспектная навигация, гипертекстовый доступ к глоссарию, динамическое фор-мирование маршрута навигации). Расширенные возможности навигации обеспе-чиваются на основе применения гиперболического представления онтологий, в котором узлы онтологии представлены шарами, а отношения – ребрами;

3) поддержка коммуникации пользователей и распространение знаний с по-мощью средств группового взаимодействия. При этом необходимо исключить случайное формирование участников коллективного обмена знаниями только лишь на основе исследуемой тематики. Формирование группы по решению опре-деленной проблемы должно быть целенаправленным и основанным на оценке ка-тегорий онтологии. Индивидуальные особенности участников группы должны быть отражены в онтологическом профиле и формализованы в моделях.

Заключение. В работе рассмотрены проблемы интеграции разнородной ин-формации в системах управления знаниями на основе создания онтологий. Реали-зация концептуализации знаний в виде точных онтологических описаний обеспе-чивает интеллектуальность системы управления знаниями и позволяет преодоле-вать неопределенность за счет формализации неявных предположений. Онтологи-ческая структура знаний отражает парадигматические и синтагматические отно-шения понятий. Формализация онтологий происходит за счет построения семан-тических сетей, задающих отношения на множестве объектов знаний.


1. Тельнов Ю.Ф. Интеллектуальные информационные системы. – М.: Московский госу-дарственный университет экономики, статистики и информатики, 2003. – 26 с.

2. Электронный ресурс – http://shcherbak.net/ekstensivnoe-razvitie-ontologicheskix-struktur/. 3. Кравченко Ю.А. Технология анализа надежности адаптивных информационных сред //

Известия ЮФУ. Технические науки. – 2010. – 12 (113). – С. 103-108. 4. Кравченко Ю.А. Имитационная модель анализа данных в интеллектуальных информа-

ционных системах // Российская академия наук. Научный журнал. Известия КБНЦ РАН. – Нальчик: Изд-во КБНЦ РАН, 2012. – 1 (45). – С. 25-31.

5. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алго-ритмах // Известия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 13-21.

6. Курейчик В.М., Кныш Д.С. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – 2010. – 4. – С. 72-82.


221


8. Гладков Л.А., Гладкова Н.В. Новые подходы к построению систем анализа и извлечения знаний на основе гибридных методов // Известия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 146-154.

9. Кравченко Ю.А. Концептуальные основы рефлексивно-адаптивного подхода к построе-нию интеллектуальных информационных систем // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 167-171.

10. Кравченко Ю.А. Метод создания математических моделей принятия решений в много-агентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 141-145.

11. Кажаров А.А., Курейчик В.М. Использование роевого интеллекта в решении NP- труд-ных задач // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 30-37.

12. Бова В.В., Курейчик В.В. Интегрированная подсистема гибридного и комбинированного поиска в задачах проектирования и управления // Известия ЮФУ. Технические науки. – 2010. – 12 (113). – С. 37-43.

13. Бова В.В. Модели предметных знаний на основе системно-когнитивного анализа // Из-вестия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 146-153.

14. Марков В.В. Методика извлечения и оценки знаний на основе нечеткой модели эксперта // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 137-141.

15. Марков В.В., Пуголовкина О.В. Применение репертуарных решеток для формирования индивидуальных траекторий обучения // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 250-255.

Статью рекомендовал к опубликованию д.т.н., профессор Н.И. Витиска.

Кравченко Юрий Алексеевич – Федеральное государственное автономное образователь-ное учреждение высшего профессионального образования «Южный федеральный универ-ситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; доцент.

Kravchenko Yury Alekseevich – Federal State-Owned Autonomous Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; associate professor.

УДК 002.53:004.89

В.В. Бова

ИЗВЛЕЧЕНИЕ НЕЯВНЫХ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ*

В работе изложены возможности интеллектуальных информационных технологий, основанных на искусственных нейронных сетях. Определены особенности построения ней-росетевых моделей, формирующихся на основе методов эволюционных вычислений, выде-лены основные направления развития нейросетевых технологий при решении сложных ин-теллектуальных задач: Рассмотрена возможность применения генетических алгоритмов для оптимизации параметров нейронной сети в задачах извлечения знаний. Предложен подход к выбору значимых входных параметров нейросети и механизмов кодирования по-тенциальных решений, который может быть реализован с использованием генетических алгоритмов. Представлены алгоритмы, повышающие эффективность обучения нейросети для извлечения неявных знаний из опытных данных.

Интеллектуальные технологии; искусственные нейронные сети; нейросетевые моде-ли; генетические алгоритмы; эволюционные вычисления.



222

V.V. Bova

IMPLICIT KNOWLEDGE EXTRACTION BASED ON NEURAL NETWORK ALGORITHMS

The paper presents the possibility of intelligent information technologies based on artificial neural networks. The features of the construction of neural network models, is based on evolutionary computation techniques, and the main directions of development of neural network technology in dealing with complex intellectual tasks: The possibility of using genetic algorithms to optimize the parameters of neural network in data mining tasks. An approach to the selection of significant input parameters of neural network and encoding mechanisms of potential solutions that can be implemented by using genetic algorithms. The algorithms that increase the efficiency of the neural network learning to extract implicit knowledge from experimental data.

Intelligent technology; artificial neural networks; neural networks models; genetic algo-rithms; evolutionary calculations.

Введение. В настоящее время активно ведутся исследования в области соз-дания методов, моделей и технологий, которые используются для решения слож-ных, трудно формализуемых, интеллектуальных задач характерными особенно-стями которых являются: неполнота и неточность исходных данных о решаемой задаче; наличие недетерминизма в процессе поиска решения; высокая вычисли-тельная сложность получения результата.

Такая ситуация характерна для: сложных технических систем; систем планиро-вания; социальных систем большой размерности; систем принятия решений и т.п.

Особенно важным в этих исследованиях представляется изучение и исполь-зование на практике новых подходов и методов интеллектуального анализа дан-ных и извлечения знаний для задач поиска и выбора решений с помощью техноло-гий искусственных нейронных сетей (ИНС), эволюционного моделирования и ге-нетических алгоритмов [1].

Повышение эффективности реализации в ИНС механизмов обучения, само-обучения и адаптации к особенностям проблемной среды определяют актуаль-ность построения нейросетевых моделей, формирующихся на основе использова-ния методов вычислительного интеллекта, к которым относятся [2]:

нейрокомпьютинг − обучение, адаптация, классификация, системное мо-делирование и идентификация;

генетические вычисления − синтез, настройка и оптимизация с помощью систематизированного случайного поиска и эволюции.

Эти методы не конкурируют друг с другом, а создают эффект взаимного уси-ления (гибридные системы), где решаются задачи искусственного интеллекта на основе нейронных сетей и эволюционных (генетических) вычислений [3].

Нейросети являются адаптивными самообучающимися системами, извле-кающими на примерах информацию из реальных процессов, а преобразование, выполняемое сетью, определяется настройкой значений весовых коэффициентов с целью оптимизации заданного критерия качества функционирования сети и топо-логией межнейронных соединений.

В статье описаны алгоритмы, повышающие эффективность обучения нейро-сети для извлечения неявных знаний из опытных данных, что обеспечивает объек-тивность результатов и повышает их надежность и достоверность.

1. Извлечение правил из нейронных сетей. Извлечение правил из нейрон-ных сетей подразумевает их предварительное обучение. Поскольку эта процедура требует много времени для больших баз данных, то естественна та критика, кото-рой подвергается использование нейротехнологии для извлечения знаний. Другим поводом для такой критики является трудность инкорпорации в нейронные сети


223

некоторых имеющихся априорных знаний [4]. Тем не менее, главным является ар-тикуляция правил на основе анализа структуры нейронной сети. Если эта задача решается, то низкая ошибка классификации и робастность нейронных сетей дают им преимущества перед другими методами извлечения неявных знаний.

ИНС с генетической настройкой параметров (гибридные системы) демонст-рируют взаимное усиление достоинств и нивелирование недостатков отдельных методов интеллектуального извлечения неявных знаний [5]:

представление знаний в нейронных сетях в виде матриц весов не позволя-ет объяснить результаты проведенного распознавания или прогнозирова-ния, тогда как в гибридных системах на базе неявных знаний результаты воспринимаются как ответы на вопросы "почему?";

нейронные сети обучаются с помощью универсального алгоритма, т.е. трудоемкое извлечение знаний заменяется сбором достаточной по объему обучающей выборки;

задачи извлечения знаний включают в себя сложные процессы формализа-ции понятий, определение функций принадлежности, формирование пра-вил вывода.

Все представленные ранее методы обучения нейронных сетей являются ло-кальными [2, 3]. Они ведут к одному из локальных минимумов целевой функции, лежащему в окрестности точки начала обучения. Только в ситуации, когда значе-ние глобального минимума известно, удается оценить, находится ли найденный локальный минимум в достаточной близости от искомого решения. Если локаль-ное решение признается неудовлетворительным, следует повторить процесс обу-чения при других начальных значениях весов и с другими управляющими пара-метрами. Можно либо проигнорировать полученное решение и начать обучение при новых (как правило, случайных) значениях весов, либо изменить случайным образом найденное локальное решение (встряхивание весов) и продолжить обуче-ние сети.

При случайном приращении весов переход в новую точку связан с опреде-ленной вероятностью того, что возобновление процесса обучения выведет поиск из "сферы притяжения" локального минимума. При решении реальных задач в общем случае даже приблизительная оценка глобального минимума оказывается неиз-вестной. По этой причине возникает необходимость применения методов глобаль-ной оптимизации, основанных на нейронных сетях и генетических алгоритмах (ГА), использование которых расширяет класс решаемых трудно формализуемых задач [6].

2. Генетический алгоритм как способ обучения ИНС. Проблема формиро-вания ИНС для конкретной решаемой задачи, характеризуется отсутствием фор-мальных методов выбора типа ИНС, адекватной решаемому классу задач, недоста-точной обоснованностью выбора методов оптимизации в процедуре обучения ИНС, что приводит к большим ошибкам прогноза и времени обучения.

Для построения алгоритма обучения ИНС предлагается способ обучения на основе ГА [7]. На эффективность ГА, в смысле повышения скорости сходимости алгоритма и процента нахождения глобального или близкого к нему решения, влияют методы кодирования потенциальных решений и выбранные параметры популяции, к которым относятся размер популяции, механизм построения началь-ной популяции, вид функции качества F, типы генетических операторов – мута-ции, кроссинговера, селекции и отбора хромосом. Для минимизации ошибки E0 каждому варианту вектора весовых коэффициентов (фенотипу) ставится в соот-ветствие некоторая хромосома H (генотип), полученная в результате использования метода числового кодирования [8].


224

Хромосома представляет собой вектор действительных чисел, кодирующих весовые коэффициенты связей нейронов входного слоя с нейронами одного или нескольких скрытых слоев, а также связи между нейронами скрытых слоев и ней-ронами выходного слоя. Таким образом, каждой i-й реализации, i=1,…k вектора весовых коэффициентов i(11, 12,… kn) на уровне генотипа соответствует хро-мосома Hi=(h11, h12,…, h1l), начальная популяция формируется из k таких хромосом методом равномерного распределения весов.

Задача обучения сводится к нахождению варианта , соответствующего за-данной E0, которая принимается за фитнесс-функцию F в ГА. Для определения E0

каждый i-й вектор весовых коэффициентов i закодированный в хромосоме Hi, обучается на "своей" нейронной сети ИНСi. Тогда ошибка i-й нейронной сети E0i может быть вычислена по результатам ее обучения: E0i=ИHCi(i), где ИНСi – нейронная сеть для обучения вектораi. Обучение каждой ИНС заключается в применении генетических операторов к хромосоме Hi, а обучающая выборка слу-жит для вычисления ошибки обучения E0i нейронной сети ИНСi применительно к фенотипу. При завершении работы ГА определяется лучшая по всем популяциям хромосома H, соответствующая искомому варианту.

Способы кодирования решений, позволяют как на этапе инициализации по-пуляции, так и на этапе работы ГА получать только допустимые решения. Извест-ные генетические операторы на основе биологических аналогов [7, 8]: кроссинго-вера (рекомбинация), хромосомной мутации (Робертсоновские транслокации), се-лекции ("дальнее" и "ближнее" родство), отбора ("мягкая" схема) применены для решения задачи минимизации ошибки обучения ИНС на представительном наборе тестовых функций (экстремум которых известен).

Такой подход позволяет определить оптимальное сочетание генетических операторов для функций, отличающихся размерностью и числом экстремумов. Схема многопопуляционного алгоритма позволяет одновременно создавать N на-чальных популяций P , P ,… , P ,которые развиваются независимо друг от друга до определенного момента t (начало периода взаимодействия). После t популяции обмениваются хромосомами (мигрантами), затем снова развиваются независимо. Представленный многопопуляционный ГА отличается от известных [6−8] решени-ем задач определения момента начала взаимодействий t и способами обмена хро-мосомами между популяциями.

Первая задача решается следующим образом. Вводится условие наступления события t: если сумма отклонений Fmax в текущем поколении и Fmax за последние c поколений не превосходит некоторого заданного положительного числа, то раз-витие популяции не приводит к появлению лучших решений и наступает период взаимодействия. Параметр является одним из вспомогательных параметров ГА и задается пользователем перед началом его инициализации.

Для решения второй задачи после наступления момента t происходит ранжиро-вание всех хромосом по функции F (по возрастанию). Из каждой популяции удаляется *r худших хромосом ( – процент исключения; 0<<1; r – количество хромосом в популяции), и на их место включается *r лучших хромосом из другой популяции. Выбор обменных хромосом из каждой популяции осуществляется с вероятностью [6]: p = ( )∑ ( )∗ .(1)

Условие останова многопопуляционного ГА – сумма разностей фитнесс-функций разных популяций, участвующих в обмене, за c последних популяций меньше . Для двух одновременно развивающихся популяций условие останова записывается следующим образом: ∑ | |( ∗ ( , )) < . (2)


225

Повышение эффективности обучения приносит объединение алгоритмов гло-бальной оптимизации с детерминированными методами локальной оптимизации. На первом этапе обучения сети применяется выбранный алгоритм глобальной оптими-зации, а после достижения целевой функцией определенного уровня включается де-терминированная оптимизация с использованием какого-либо локального алгоритма.

3. Алгоритм извлечения классифицирующих правил. Главными требова-ниями, предъявляемыми к методам извлечения знаний, являются эффективность и масштабируемость. Работа с очень большими базами данных требует эффективно-сти алгоритмов, а неточность и, зачастую, неполнота данных порождают дополни-тельные проблемы для извлечения знаний [9]. Для повышения эффективности из-влечения знаний нейросетевая модель основывается на объединении алгоритма предварительной обработки данных (обучения), основанного на одном из подходов к глобальной оптимизации и нейросетевой кластеризации классифицирующих правил – для выбора окончательного решения. Такое объединение позволяет до-биться более высокой точности работы нейросетевой модели, повысить скорость получения результатов, а также упростить построение обучающего множества [10].

Алгоритм извлечения классифицирующих правил включает три этапа [11]: 1. Обучение нейронной сети. 2. Прореживание (pruning) нейронной сети. Обученная нейронная сеть со-

держит все возможные связи между входными нейронами и нейронами скрытого слоя, а также между последними и выходными нейронами. Про-реживание заключается в удалении излишних связей и нейронов, не при-водящем к увеличению ошибки классификации сетью.

3. Извлечение правил. На этом этапе из прореженной нейронной сети извле-каются правила, имеющие форму, если

( a1 q1 ) и ( a2 q2 ) и ... и ( an qn ), то cj, где qj − константы, − оператор отношения (,≥,≤,<,>). Эти правила доста-точно очевидны при проверке и легко применяются к большим базам данных.

Прореживание связей приводит к получению относительно компактной сети. Но и для нее выделение классификационных правил представляет проблему. Если нейрон имеет d входов, то число различных бинарных векторов, которые он может обработать составляет 2d, а это большая величина даже при малом d. Далее, со-стояния нейрона скрытого слоя являются непрерывными, что также является пре-пятствием для извлечения правил. Для его устранения все значения, которые при-нимают нейроны скрытого слоя кластеризуются и заменяются значениями, опре-деляющими центры кластеров. После такой дискретизации активностей промежу-точных нейронов производится проверка точности классификации объектов сетью. Если она остается приемлемой, то подготовка к извлечению правил заканчивается.

Приведем формальное описание алгоритма дискретизации значений активно-сти нейронов скрытого слоя.

Выбирается значение параметра (0,1), управляющего числом кластеров ак-тивности нейрона скрытого слоя. Пусть h1 − активность этого нейрона при предъ-явлении сети первого вектора обучающего набора. Положим число кластеров Nclust=1, положение кластера Aclust(1)h1,count(1)=1,sum(1)=h1. Для всех векторов обучающего набора k=1,…,K определяется активность нейрона скрытого слоя h, если существует индекс j такой что h- Aclust(j) = min h- Aclust(j), j1,…, Nclust и h- Aclust(j) ≤ , то count(j):= count(j)+1, sum(Nclust):= sum(Nclust)+h, иначе Nclust= Nclust+1, Aclust(Nclust)=h, count(Nclust)=, sum(Nclust)=h.

Заменить Aclust на среднее значение активаций нейрона, объединенных в один и тот же кластер: Aclust(j)= sum(j)/count(j), j=1,…, Nclust.


226

Проверить точность классификации объектов сетью при замене истинных значе-ний активации нейрона скрытого слоя на Aclust (j). Если точность классификации оказа-лась ниже заданного значения, то уменьшить значение и вернуться к шагу 1.

Заключение. В статье рассматривается эффективный подход к выбору зна-чимых входных параметров нейросети и механизмов кодирования потенциальных решений, который может быть реализован с использованием ГА. В связи с этим, в общей схеме нейросетевого моделирования задается только исходная организация и список переменных, а также критерии качества, формализующие цель оптимиза-ции, и правила, по которым модель может изменяться (самоорганизовываться или эволюционировать).

На основании проведенной работы автором делается вывод, что для обучения ИНС перспективным является использование эволюционных алгоритмов, посколь-ку их применение позволяет сократить время обучения и достичь более глубокого минимума ошибки обучения ИНС.


1. Курейчик В.M. Особенности построения систем поддержки принятия решений // Извес-тия ЮФУ. Технические науки. 2012. – 7 (132). – С. 92-98.

2. Комарцова Л.Г., Кадников Д.С., Ковалев И.В. Особенности построения гибридных ин-теллектуальных систем обработки информации // Журнал «Информационные техноло-гии». – 2010. – 5. – С. 2-10.

3. Бова В.В., Дуккардт А.Н. Применение искусственных нейронных сетей для коллектив-ного решения интеллектуальных задач // Известия ЮФУ. Технические науки. – 2012. – 7 (132). – С. 131-138.

4. Бова В.В., Курейчик В.В., Нужнов Е.В. Проблемы представления знаний в интегриро-ванных системах поддержки управленческих решений // Известия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 107-113.

5. Осовский С. Нейронные сети для обработки информации / пер. с польск. – М.: Финансы и статистика, 2002. – 344 с.

6. Воеводин Ю.Ю., Комарцова Л.Г. Применение генетического алгоритма для оптимиза-ции параметров нейронной сети в задачах классификации // «Информатика: проблемы, методология, технологии». – М.: Из-во МГТУ им Баумана, 2005. – С. 42-46.

7. Курейчик В.М. Проблемы, обзор и параллельные генетические алгоритмы: состояние // Известия РАН. Теория и системы управления. – 2010. – 4. – С. 72-82.

8. Дуккардт А.Н., Лебедев Б.K. Комплексный гибридный генетический алгоритм // Извес-тия ЮФУ. Технические науки. – 2008. – 4 (81). – С. 26-32.

9. Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. 2012. – 7 (132). – С. 22–27.

10. Кравченко Ю.А. Применение метода анализа иерархий в алгоритме принятия решений с учетом ряда параметров адаптации // Известия ЮФУ. Технические науки. 2012. – 7 (132). – С. 247-253.

11. Ляхов А.Л., Алешин С.П. Искусственная нейронная сеть как измерительный инструмент адекватности модели с адаптивным классом точности // 4-я МНПК «Математическое и имитационное моделирование систем»: Тезисы докладов. – Киев: ИПММС НАН Украи-ны, 2009. – С. 116-119.

Статью рекомендовал к опубликованию д.т.н., профессор Ю.А. Гатчин.

Бова Виктория Викторовна – Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Южный федеральный университет»; e-mail: [email protected]; 347928, г. Таганрог, Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; старший преподаватель.

Bova Victoria Victorovna – Federal State-Owned Autonomy Educational Establishment of High-er Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; senior teacher.


227

УДК 621.3.06

В.А. Литвиненко, С.А. Ховансков, Е.В. Литвиненко

МОДИФИЦИРОВАННЫЙ АДАПТИВНЫЙ АЛГОРИТМ ОПРЕДЕЛЕНИЯ МАКСИМАЛЬНЫХ ПОЛНЫХ ПОДГРАФОВ*

В статье рассматривается модификация адаптивного алгоритма определения мак-симальных полных подграфов симметрического графа, позволяющая организовать выбор параметров адаптации не только в начале выполнения алгоритма, но при выполнении са-мого алгоритма. При этом значение параметра адаптации может, как уменьшаться, так и увеличиваться, т.е. точность решения может, как увеличиваться, так и уменьшаться в процессе выполнения алгоритма, что, в целом, позволит сделать процесс управления точ-ностью решения более гибким. Выбор параметра адаптации производится после каждого этапа, на котором произведено определение максимальных подграфов одно вершины гра-фа. Приведено описание алгоритма.

Алгоритмы на графах; максимальный полный подграф; точность решения; парамет-рическая адаптация; размерность задачи; ресурс времени; база данных; управление точ-ностью; двоичное дерево; модифицированный алгоритм.

V.A. Litvinenko, S.A. Hovanskov, E.V. Litvinenko

THE MODIFIED ADAPTIVE ALGORITHM OF DEFINITION OF THE MAXIMUM FULL SUBGRAPHS

In article updating of adaptive algorithm of the maximum full subgraphs definition of the symmetric count, allowing to organize a choice of parameters of adaptation not only at the be-ginning of algorithm performance is considered, but at performance of the algorithm. Thus value of parameter of adaptation can, both to decrease, and to increase, i.e. accuracy of the decision can, both to increase, and to decrease in the course of algorithm performance that, as a whole, will allow to make management of accuracy of the decision of more flexible. The choice of pa-rameter of adaptation is made after each stage on which definition of the maximum subgraphs of one top of the count is made. The algorithm description is provided.

Algorithms on columns; maximum full subgraph; accuracy of the decision; parametrical adaptation; dimension of a task; time resource; database; management of accuracy; binary tree; the modified algorithm.

Введение. Задача определения максимальных полных подграфов [1, 2] отно-сится к экстремальным задачам на графах. К задаче определения максимальных полных подграфов сводятся достаточно большое количество задач, имеющих практическое значение, например, [3]. Однако трудоемкость алгоритмов опреде-ления максимальных полных подграфов затрудняет ее применение.

В настоящее время активно развиваются различные методы, направленные на повышение эффективности решения экстремальных задач на графах. Среди таких методов следует отметить различные биоинспиророванные методы и алго-ритмы [5, 6]. Одним из перспективных направлений является также использование методов искусственного интеллекта [7−9] для решения экстремальных задач на графах, в том числе, и задачи определения максимальных полных подграфов [11−14].

В работах [11−15] развивается один из методов искусственного интеллекта − метод параметрической адаптации для решения экстремальных задач на графах.

* Работа выполнена при частичной поддержке РФФИ (проект 11-01-00975-а).


228

В работе [11, 13] предложен адаптивный алгоритм определения максималь-ных полных подграфов, основанный на методе параметрической адаптации, кото-рый является модификацией алгоритма определения максимальных полных под-графов, предложенного в [3].

Теорема, на которой основан алгоритм [3]. Пусть в графе G=(X,U) имеет-ся вершина xi ]Г[ XxxX ii и определена клика )","( UXL с множеством

вершин '" XxX i , где XX ' . Тогда, если "\ XXCxk выделены все

максимальные полные подграфы, то и 'j Xx будут получены все максимальные

полные подграфы. Практическое значение этой теоремы в том, что, если для каждой вершины

графа Xxi эту теорему применить только один раз, то будут выделены все мак-

симальные полные подграфы графа. Но, если для каждой вершины графа Xxi эту теорему применить два и более раз, то тогда будут определены не все макси-мальные полные подграфы графа и решение будет приближенным, точность кото-рого будет зависеть от того, сколько раз применена теорема к одной и той же вер-шине графа Xxi . В предельном случае можно определить все максимальные

полные подграфы, покрывающие все ребра графа. Весь процесс определения всех максимальных полных подграфов состоит из

n этапов, где n – количество вершин графа, каждый из которых связан с опреде-ленной вершиной xl .

На каждом l-м этапе определяются все максимальные полные подграфы гра-фа G=(X, U), образованные вершинами множества X' подграфа Gl=(Xl,Ul), где Xl=Г

'xl xl – множество вершин, а Ul – множество ребер. Алгоритм [11] основан на систематическом переборе полных подграфов и

проверке их на максимальность. Полный подграф G'=(X',U') , где X' – множество вершин, а U' – множество

ребер, графа G=(X,U) является максимальным полным подграфом, если Г = ∅.∀ s∈X' (1)

Проверка на максимальность заключается в определении пересечения мно-жеств вершин, смежных с каждой вершиной, образующей выделенный полный подграф. Если такое пересечение кажется пустым, то это будет означать, что вы-деленный полный подграф является максимальным полным подграфом.

Рассмотрим определение полных подграфов на каком-то l-ом этапе для под-графа Gl=(Xl,Ul).

Если Гxl= ∅, то выделяется максимальный полный подграф Lj=(Xj,Uj)[Xj=xl]. В противном случае переходим к выделению полных подграфов.

Определим множество M1= Г'xl и M1,1=M1. Определим вершину xz,1M1,1 с наименьшим индексом z (дополнительный индекс в обозначении вершин соответ-ствует шагу выделения полного подгрaфа).

Определим множество M1,2= M1,1∩ Г'xz,1. Затем найдем вершину xz,2M1,2

[(z,2)> (z,1) и (z,2) – наименьший индекс]. Затем определим M1,3= M1,2∩ Г'xz,2 и вершину xz,3 M1,3 [(z,3)> (z,2) и (z,3) – наименьший индекс] и т.д., пока на k1-ом шаге не получим множество

M1,k1= M1,k1-1∩ Г'xz,k1=∅. (2)

Тогда получим полный подграф B'ᴪ=xl 1

1,

k

zx

, где ᴪ − порядковый

номер максимального полного подграфа. Теперь воспользуемся теоремой. Составим множество С1= M1 \ B'ᴪ .Выберем

вершину xm,1 С1 с наименьшим индексом (m,1)>l. Определим M2= M1∩ Гxm,1 и


229

M2,1= M2, для которого аналогично предыдущей процедуре выделения полного подграфа получим полный подграф

B'ᴪ+1=xl xm,1 2

2,

k

zx

.

Затем составим множество С2= M1 \ B'ᴪ+1, выберем вершину xm,2С2 с наи-меньшим индексом (m,2)>l и определим M3=M2∩ Гxm,2 и M3,1=M3. После чего оп-

ределим: B'ᴪ+2=xl xm,1 xm,2 3

3,

k

zx

, С3=M3\B'ᴪ+2, вершину xm,3С3

[(m,3)> l и (m,3) – наименьший индекс] и т.д. На i-м шаге: Mi=Mi-1∩ Гxm,i-1 [xm,i-1Сi-1 и (m,i-1) – наименьший индекс];

Mi,1=Mi; B'ᴪ+i-1=xl 1

3,

i

mx

ki

izx

, , Сi=Mi \ B'ᴪ+i-1. (3)

Множества Mi и Сi – запоминаются, а множества Mi,1, Mi,2, … Mi,к – нет. Аналогичные действия выполняются до тех пор, пока на шаге i=q:

Mq= Mq-1∩ Гxm,q-1=∅ (4) или

Сq= Mq\ B'ᴪ+q-1=∅. (5) При выполнении любого из условий (4) или (5) переходим к предыдущему мно-

жеству Mq-1, с тем отличием, что при выполнении (4) выделяется полный подграф

1" qB =xl

1

1,

q

mx

. (6)

Множества B'ᴪ+i-1 и 1" qB обозначены по-разному, для того, чтобы под-

черкнуть различие в способах их получения. Затем из множества Сq-1 исключаем вершину xm,q-1 Сq-1 и добавляем верши-

ну xm,q-1 в множество Dq-1. Отметим, что при выполнении (3) начальное состояние множества Dq=∅.

В том случае, когда Dq-1 ≠ Сq-1, переходим к формированию множеств Mq-2, Сq-2 , Dq-1 и т.д., пока D1=С1 или С1=∅. Если Сq-1≠∅,то вновь определяем вершину

xδ,q-1Сq-1[(δ,q-1)> (m, q-1)], а затем – множества Mq, Сq, Dq и т.д. Чтобы исключить повторное выделение одних и тех же полных подграфов

выражение (4) примет следующий вид: Mq=Mq-1∩ Гxm,q-1\ Dq-1. (7)

Для проверки на максимальность выделенного полного подграфа проводится проверка (1).

Управление точностью решения задачи выделения максимальных пол-ных подграфов. Пусть λ – количество полных подграфов, которые выделяются для каждого Mq в соответствии с процедурой выделения полного подграфа типа B'ᴪ+i-1. В том случае, если теорема применяется только один раз к подграфу Сq= (Mq,Uq), т.е. λ=1 и множество B'q,t [t= λ] определятся только одно для каждого множества Mq, то будут выделены все максимальные полные подграфы. Тем са-мым, будет получено точное решение задачи определения максимальных полных подграфов. Если параметр λ>1, то будут определяться не все максимальные пол-ные подграфы, а только их часть. При этом количество максимальных полных подграфов будет уменьшаться с увеличением значения параметра λ.

Таким образом, задавая различные значения параметру адаптации λ можно получать решения с различной степенью точности, и, те самым, управлять точно-стью решения задачи определения максимальных полных подграфов.


230

Модификация адаптивного алгоритма заключается в том, что значение пара-метра адаптации λ может изменяться в процессе выполнения алгоритма.

После определения всех максимальных полных подграфов, в которые входит вершина Xxi , размерность исследуемого графа уменьшается на одну вершину

и алгоритмом адаптации можно провести заново выбор адаптирующего воздейст-вия, поскольку изменились условия выполнении алгоритма – уменьшилась раз-мерность задачи.

Для этого алгоритм адаптации, зная ресурс времени, отведенный на решение задачи, и фактическое время, уже использованное на решение задачи к моменту выделения клик и время, затраченное на выделение максимальных полных под-графов, в которые входит вершина Xxi , заново определяет адаптирующее воз-

действие – значение параметра λ. После этого выполнение адаптивного алгоритма продолжается с новым значением параметра адаптации λ. При этом значение па-раметра адаптации λ может, как уменьшаться, так и увеличиваться, т.е. точность решения может как увеличиваться, так и уменьшаться в процессе выполнения ал-горитма, что, в целом, позволит сделать процесс управления точностью решения более гибким.

Сформулируем адаптивный алгоритм определения максимальных полных подграфов, позволяющий управлять точностью решения, с учетом предложенной модификации.

Исходными данными для выполнения алгоритма являются: граф G=(X, U), заданный матрицей смежности; внешние условия выполнения алгоритма:

1) размерность графа: n − количество вершин графа и m − количество ребер графа;

2) β − требуемая точность решения; 3) d − ресурс времени, отведенный на решение задачи. Алгоритм. 1°. Начало работы алгоритма. Задание начальных значений: γ=0; ψ=0; l=0. 2°. Выбор значения параметра адаптации λ с использованием алгоритма

адаптации на основе анализа внешних условий, с учетом уменьшения размерности задачи и времени, использованного на исследование графа.

3°. l=l+1. Если l=n, то переход к 10°, иначе выбрать очередное множество Гxl и переход к 4°.

4°. Если Гxl=∅, то γ=γ+1 и выделить максимальный полный подграф Lγ=(Xγ,Uγ)[Xγ=xl, Uγ=∅] и переход к 3°, иначе i=1, M1=Г

'xl , Сi=Mi , Dq=∅, t=1 и переход к 3°.

5°. ψ= ψ+1. Для Mi в соответствии с (4) определить B'ᴪ,t. При t>1 определить Mi,1= Mi,1∩ Гxz,1 и проверить полный подграф Gᴪ=(B'ᴪ,t,Uᴪ) на максимальность со-гласно (1). Если условие (1) выполнятся, то выделить максимальный полный под-граф Lγ= Gᴪ. Переход к 6°.

6°. Сi=Сi\ B'ᴪ,t. Если Сi=∅, то переход к 8°, иначе, если t=λ, то переход к 7°, иначе t= t+1 и переход к 5°.

7°. i=i+1. Mi=Mi-1∩ Гxm,i-1\ Dq-1 [xm,i-1Сi-1 (m,i-1) – наименьший индекс]. Если Mi=∅,то ψ= ψ+1 и определить "B в соответствии с (7), проверить полный подграф

Gᴪ=(Xᴪ,Uᴪ)[Xᴪ= "B ] на максимальность в соответствии с (1). Если условие (1) выпол-

няется, то γ=γ+1 и выделить максимальный полный подграф Lγ= Gᴪ, переход к 8°. Ес-ли Mi≠∅, то запомнить Mi, Mi,1=Mi, t=1, Сi=Mi , Dq=∅ и переход к 5°.

8°. i=i-1. Сi= Сi\ xm,i-1. Переход к 9°. 9°. Если Сi=∅, то переход к 8° до выполнения условия С1=∅, тогда переход к

2°, иначе Di= DiUxm,i и переход к 7°. 10°. Конец работы алгоритма.


231

Заключение. Рассмотренная модификация адаптивного алгоритма определе-ния максимальных полных подграфов позволяет организовать выбор параметров адаптации не только в начале выполнения алгоритма, но при выполнении алго-ритма, повышая, тем самым, повышая гибкость управления точностью решения.


1. Кристофидес Н. Теория графов. Алгоритмический подход / Пер. с англ. под ред. Г.Г. Гаврилова. – М.: Мир, 1978. – 432 с.

2. Литвиненко В.А. Применение адаптивных алгоритмов определения экстремальных множеств графов при решении оптимизационных задач автоматизированного проекти-рования ЭВА // Известия ТРТУ. − 2001. – 4 (22). – C. 361-362.

3. Курейчик В.М., Литвиненко В.А. Определение клик симметрического графа // Известия Северо-Кавказского научного центра высшей школы. Технические науки. – 1979. – 2. – С. 13-16.

4. Чернышев Ю.О., Литвиненко В.А., Ховансков С.А., Литвиненко Е.В. Методы управле-ния точностью решения экстремальных задач на графах // Известия ЮФУ. Технические науки. – 2010. − 7 (108). – C. 84-91.

5. Курейчик В.В., Курейчик В.М., Родзин С.И. Концепция эволюционных вычислений, ин-спирированных природными системами // Известия ЮФУ. Технические науки. – 2009. – 4 (93). – C. 16-24.

6. Курейчик В.М. Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 30-37.

7. Растригин Л.А. Адаптация сложных систем. – Рига: Зинатне, 1981. – 375 с. 8. Курейчик В.М., Лебедев Б.К., Лебедев О.Б., Чернышев Ю.О. Адаптация на основе само-

обучения / Mонография. – Ростов н/Д.: Изд-во РГАСХМ ГОУ, 2005. 9. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Поисковая адаптация. Теория и практика /

Монография. – М.: Физматлит, 2006. 10. Калашников В.А., Литвиненко В.А. К вопросу определения семейств клик графа.

30. Intern. Wiss. Koll. TH llmenau Vortragsreihe. 1985. – С. 41-44. 11. Литвиненко В.А. Адаптивные алгоритмы определения экстремальных множеств графов

// Известия ТРТУ. − 2000. – 2 (16). – С. 186-189. 12. Литвиненко В.А., Зеленский Л.И., Белогородцев Р.А. Исследование эффективности мо-

дифицированного алгоритма определения клик графа // Известия ТРТУ. − 2002. – 3 (26). – С. 204-205.

13. Litvinenko V.A. Adaptive algorithms of definition of extreme sets of graphs // Proceeding of the International Scientific Conferences «Intelligent System (IEEE AIS’03)» and «Intelligent CAD’s (CAD-2003)». Scientific publication in 3 volumes. – 2003. – Vol. 3. – C. 52-59.

14. Литвиненко В.А., Калашников В.А. Алгоритм адаптации проектной операции определе-ния клик графа // Известия ТРТУ. − 2003. – 2(31). – С. 165-170.

15. Литвиненко В.А., Ховансков С.А., Литвиненко Е.В. Применение методов искусственно-го интеллекта для управления точностью решения задач на графах // Известия ЮФУ. Технические науки. – 2011. − 7 (120). – C. 153-159.

Статью рекомендовал к опубликованию д.т.н., профессор Ю.О. Чернышев. Литвиненко Василий Афанасьевич − Федеральное государственное автономное образо-вательное учреждение высшего профессионального образования «Южный федеральный университет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; к.т.н.; доцент.

Ховансков Сергей Андреевич − e-mail: [email protected]; кафедра систем автоматизирован-ного проектирования; к.т.н.; доцент.

Литвиненко Егор Васильевич − e-mail: [email protected]; студент.

Litvinenko Vasiliy Afanasievich − Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP-17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; cand. of eng. sc.; associate professor.

Hovanskov Sergey Andreevich − e-mail: [email protected]; cand. of eng. sc.; associate professor.

Litvinenko Yegor Vasilievich e-mail: [email protected]; student.


232

Раздел VII. Новые информационные технологии

УДК 658.512

М.В. Луцан, Е.В. Нужнов

ЭВРИСТИКИ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ АВТОМАТИЗИРОВАННОГО ГРУЗОВОГО ТЕРМИНАЛА*

В настоящей работе дано описание эвристик четырех интеллектуальных агентов, контролирующих функционирование автоматизированного грузового терминала (АГТ). Это специализированные агенты нижнего уровня – агент склада, агент разгрузки и загруз-ки контейнеров, а также агент-координатор верхнего уровня. Агенты нижнего уровня отвечают за решение своих задач, агент-координатор обеспечивает общую эффектив-ность АГТ. В отдельных случаях диспетчер может принимать свои окончательные реше-ния, которые не совпадают с решениями координатора. Представлены новые идеи и воз-можности продолжения обсужденных разработок.

3-D блок (груз); контейнер; автоматизированный грузовой терминал; зоны прибы-тия и отправления; диспетчер; интеллектуальные агенты; агенты разгрузки и загрузки контейнеров; агент-координатор; эвристики агентов.

M.V. Lutsan, E.V. Nuzhnov

THE HEURISTICS FOR COMPUTER AIDED CARGO TERMINAL INTELLIGENT AGENTS

In the present work the description of four intelligent agents heuristics, controlling comput-er aided cargo terminal (CACT) functioning, is done. There are specialized low level agents – warehouse agent, container unloading and loading agents, and the high level agent-coordinator. Low level agents are responsible for their tasks solving, agent-coordinator provides the common CACT effectiveness. In individual cases dispatcher is able to make his own final decisions, which are not the same with some agent decisions. New ideas and possibilities of developments discussed continuation are presented.

3-D block (cargo); container; computer aided cargo terminal; arrival and departure zones; dispatcher; intelligent agents; container unloading and loading agents; agent-coordinator; agents heuristics.

Введение. Все большую роль в нашей жизни играют автоматизированные сис-темы, управляющие производственными процессами. В данной статье рассматрива-ются возможности использования эвристических приемов функционирования ин-теллектуальных агентов информационной системы поддержки процессов управле-ния работой автоматизированного грузового терминала (АГТ). Агенты служат для обработки поступающих заданий на погрузочно-разгрузочные работы, а также опре-деления очередности загрузки/разгрузки контейнеров товарами (блоками) на основе множества критериев. От качества и эффективности их работы зависят: скорость обработки транзитных грузов, качество построения очередей на разгрузку/загрузку контейнеров и другие показатели, что, в конечном счете, определяет общую функ-циональную и экономическую эффективность АГТ [1–4].

Виды используемых агентов. На грузовом терминале используются 4 ин-теллектуальных агента, контролирующих работу АГТ [1]:



233

1) агент-координатор (AC), осуществляющий координацию деятельности агентов разгрузки и загрузки, принимающий решение о выборе следую-щих контейнеров на разгрузку и загрузку, на основе информации, посту-пающей от агентов разгрузки, загрузки и агента склада;

2) агент склада (AW) контролирует все находящиеся на складе блоки, а также блоки, находящиеся в списке на разгрузку. Заблаговременно уведомляет агента-координатора о наличии дефицитных блоков.

3) агент разгрузки (AU), обрабатывающий поступающие контейнеры и зани-мающийся постановкой их в список ожидания разгрузки, а также выбором очередного контейнера на разгрузку на основании требований по разгруз-ке контейнеров и требований агента-координатора;

4) агент загрузки (AL), обрабатывающий поступающие заказы на загрузку контейнеров и выполняющий выбор очередного контейнера из списка ожидания загрузки на загрузку на основании требований по загрузке кон-тейнеров и требований агента-координатора.

Агенты построены по двухуровневой схеме: на верхнем уровне функциони-рует агент-координатор, остальные агенты нижнего уровня могут взаимодейство-вать только с ним. Агенты подчиняются действиям (сигналам, командам и реше-ниям) диспетчера (одного или нескольких людей), но взаимодействовать с диспет-чером может только агент-координатор.

Для выбора следующего контейнера из списков ожидания используется на-бор эвристик, при использовании которых каждому контейнеру в списках при-сваивается условный показатель – «важность». Пересчет важности происходит всякий раз, когда агент-координатор выбирает следующий контейнер на загруз-ку/разгрузку или изменяется состояние склада блоков (с товарами – грузов).

Эвристики агента склада. Агент склада AW обеспечивает нормальное функционирование склада. Возможны 2 критические ситуации:

склад пуст, когда на складе нет блоков. В этой ситуации агент склада AW подает сигнал прерывания процесса выдачи блоков агенту-координатору AC;

склад заполнен, когда на складе некуда помещать новые блоки. Для гаран-тированного завершения разгрузки очередного контейнера на складе пре-дусмотрена дополнительная область, позволяющая экстренно разгрузить целый контейнер. После экстренной разгрузки агент склада AW подает сигнал прерывания процесса начала разгрузки агенту-координатору AC.

При каждом изменении состояния склада ввиду поступления или выдачи блоков агент склада AW предоставляет агенту-координатору AC описание набора хранящихся блоков в виде вектора:

B = (C1,…, Ck), где Ci – число блоков i-го типа на складе, , k – число типов блоков на складе.

Прогноз дефицита отдельных блоков на основе динамики их выдачи со скла-да. Опытным путем определяется вектор значений дефицита блоков каждого типа:

Bmin = (n1min, n2

min,,…, nkmin).

Вводится специальный вектор дефицита D = (d1, d2, …, dk),

где di =0, 1. В случае, когда для блока типа i становится ni < ni

min, следует установить di = 1. В дальнейшем на основе вектора D можно дифференцированно увеличивать важ-ность дефицитных блоков.

Прогноз избытка отдельных блоков на основе динамики их поступления на склад. Опытным путем определяется вектор значений избытка блоков каждого типа

Bmax = (n1max, n2

max, … , nkmax).


234

Вводится специальный вектор избытка F = (f1, f2, …, fk),

где fi =0, 1. В случае, когда для блока типа i становится ni > ni

max, следует установить fi = 1. В дальнейшем на основе вектора F можно дифференцированно уменьшать важность избыточных блоков.

Формирование собственных ускоряющих или тормозящих решений. При возникновении на складе дополнительных нежелательных ситуаций агент склада AW может вносить свой вклад в увеличение/уменьшение важности отдельных блоков по заданию агента-координатора или на основе своих личных предпочте-ний, полученных путем собственных вычислений или по адаптивной схеме.

Эвристики агента загрузки. Агент загрузки AL использует следующие эв-ристики для подсчета важности контейнеров в списке на загрузку.

Для каждого контейнера j, = 1, , l – число контейнеров в списке загрузки WL, составляется описание набора требуемых для его загрузки блоков в виде вектора:

βj= (T11,…, Tjt-1, Tjt), где = 1, , k – количество типов блоков, Tjt – число блоков типа t в контейнере j.

Далее вектор βj вычитается из вектора B: Rj = B- βj.

Вектор Rj определяет наличие необходимого количества всех типов блоков, требуемых для загрузки j-го контейнера, на складе. Если хотя бы одна из коорди-нат вектора Rj отрицательна, например rk<0, то на складе недостаточно блоков типа rk , и загрузка контейнера j невозможна.

На основе вектора Rj строится вектор дефицита ILj такой, что: ILj = (f(Tj1), …, f(Tjn)),

где ( ) = 0, если ≥ 0;, если < 0. После построения агентом загрузки вектора дефицита ILj, вектор передается

агенту координатору, который на основе всех векторов ILj строит вектор дефицита загрузки I.

Важность k-го контейнера на следующую загрузку агентом загрузки AL вы-числяется по следующей формуле: = (∑ + ∆ ) ⋅ , где – важность блока i в контейнере k; по умолчанию = 1, но может изме-няться диспетчером АГТ по внешним причинам, ∆ – число минут, прошедших со времени прибытия контейнера на АГТ, – общая важность контейнера, рас-считываемая по формуле: = 0, если| | > 0;1, если = 0;, если > 0, где VLk = 1…10 – важность контейнера, которую устанавливает диспетчер по ка-ким-либо причинам (неожиданное изменение требований заказчиков, форс-мажорные обстоятельства и т.п.); по умолчанию VLk =1.

На основе рассчитанных важностей для каждого контейнера агент за-грузки AL помечает контейнер с наибольшей важностью в списке ожидания за-грузки как «рекомендуемый к загрузке» и передает сигнал о завершении выбора агенту-координатору AC. Агент-координатор сообщает данное решение диспетче-ру и, если у диспетчера нет возражений, выбранный контейнер перемещается на загрузку следующим (с помощью команд диспетчера).

Возражение диспетчера АГТ предполагает наличие у него собственного ре-шения задачи загрузки. Собственное решение диспетчера (другой выбранный кон-тейнер) направляется агенту-координатору.


235

Эвристики агента разгрузки. Агент разгрузки AU использует следующие эвристики для подсчета важности контейнеров в списке на разгрузку.

Для каждого контейнера m, , u – число контейнеров в списке раз-грузки WU, составляется описание набора его блоков в виде вектора:

Um= (Tm1,…,Tmt), где = 1, , k – количество типов блоков, Tmt – число блоков t-го типа в контейнере m.

Далее каждый вектор Um складывается с вектором I (построенным агентом-координатором АС, описание эвристик которого дано ниже):

Hm = Um+I. На основе вектора Hm рассчитывается коэффициент Em: = ∑ ,

где k – число типов блоков. Важность контейнера m на следующую разгрузку вычисляется по

следующей формуле: = ∑ + ∆ + ⋅ , где – ценность типа блока i в контейнере m, ∆ – число минут, прошедших со времени прибытия контейнера на терминал, VUm = 1…10 – вес контейнера, который устанавливает диспетчер, по умолчанию VUk =1.

На основе рассчитанных ценностей для каждого контейнера агент раз-грузки AU помечает контейнер с наибольшей важностью в списке ожидания раз-грузки как «рекомендуемый к разгрузке» и передает сигнал о завершении выбора агенту-координатору AC. Агент-координатор сообщает данное решение диспетче-ру и, если у диспетчера нет возражений, выбранный контейнер перемещается на загрузку следующим (с помощью команд диспетчера).

Возражение диспетчера АГТ предполагает наличие у него собственного ре-шения задачи загрузки. Собственное решение диспетчера (другой выбранный кон-тейнер) направляется агенту-координатору.

Эвристики агента-координатора. Влияние агента-координатора AC на ра-боту АГТ может проявляться 3 способами:

неявно – персональными добавками стимулирующих значений при расче-тах важности отдельных блоков или целых контейнеров;

явно – принятием собственных решений, отменяющих решения агентов разгрузки AU и загрузки AL;

рекомендательно – предложениями диспетчеру по различным аспектам функционирования АГТ.

Агент-координатор на основе векторов ILj, = 1, , l – число контейнеров в списке загрузки WL, переданных ему из агента загрузки AL, строит общий вектор дефицита блоков I: = ∑ .

Для повышения эффективности функционирования зон прибытия и отправ-ления при наличии технической возможности и необходимых ресурсов (контейне-ров) агент-координатор AC может оценить целесообразность увеличения числа платформ (для распараллеливания процессов) разгрузки/загрузки контейнеров или уменьшения их числа при затоваривании (заполнения и отсутствия свободного места) склада.

Оптимизация числа платформ разгрузки. Пусть число платформ разгрузки NU = 1, , где p – максимальное число платформ разгрузки. Введем логические пе-ременные состояний Si = 0,1 | (i=1,4): есть прибывшие и неразгруженные кон-тейнеры (S1); есть свободная платформа разгрузки (S2); на складе есть свободное


236

место (S3); пустой контейнер нужен для загрузки (S4). Тогда условие целесообраз-ности увеличения числа платформ разгрузки имеет вид:

SU = S1 & S2 & S3 & S4. При условии (SU = 1) & (NU ≠ p) агент-координатор AC посылает диспетчеру

запрос на увеличение на 1 числа платформ NU и в случае положительного ответа вводит в действие новую платформу. При условии (SU = 0) & (NU ≠ 1), когда число платформ избыточно, агент-координатор (AC) посылает диспетчеру запрос на уменьшение на 1 числа платформ и в случае положительного решения исключает платформу из числа используемых.

Оптимизация числа платформ загрузки. Пусть число платформ загрузки NL = 1, , где q – максимальное число платформ загрузки. Введем логические пе-ременные состояний Si = 0,1 | (i=5,7): есть ожидающие загрузки контейнеры (S5); есть свободная платформа загрузки (S6); на складе есть все блоки из хотя бы одного плана загрузки (S7). Тогда условие целесообразности увеличения числа платформ загрузки имеет вид:

SL = S5 & S6 & S7. При условии (SL = 1) & (NL ≠ q) агент-координатор AC посылает диспетчеру

запрос на увеличение на 1 числа платформ NL и в, случае положительного реше-ния, вводит в действие новую платформу. При условии (SL = 0) & (NL ≠ 1), когда число платформ избыточно, агент-координатор AC посылает диспетчеру запрос на уменьшение на 1 числа платформ и, в случае положительного решения, исключает платформу из числа используемых.

Заключение. Решаемые на АГТ задачи приема контейнеров и их разгрузки, обслуживания склада временного хранения блоков, подачи пустых контейнеров и их загрузки по заявкам многих заказчиков имеют собственные критерии качества решения, но являются взаимосвязанными, а часто и даже взаимно зависимыми по общим ресурсам АГТ. Поэтому в работе была предпринята попытка для их скоор-динированного решения на основе использования группы интеллектуальных аген-тов во главе с агентом-координатором.

Использование предлагаемого варианта организации АГТ позволяет обеспе-чить сбалансированное и более эффективное использование ресурсов АГТ, уменьшить время простоя транспорта с контейнерами, учитывать различные при-оритеты грузов и заказов, оперативно контролировать изменения состояний ресур-сов АГТ и обрабатывать динамически изменяющиеся списки контейнеров на раз-грузку и загрузку.

В плане продолжения исследований целесообразным представляется реше-ние следующих возможностей и проблем:

включение в работу агентов новых эвристик, основанных на хорошо заре-комендовавших себя при решении сложных задач биоинспирированных подходах [8, 9];

учет запросов на загрузку и их влияние на очередность загрузки; учет запросов на загрузку в рекомендациях на разгрузку; введение таймаута ожидания; альтернативно-приоритетное обслуживание заказов и др. Также вызывает интерес учет возможностей резервирования (временной бло-

кировки) загрузки отдельных блоков. В случае использования приоритетных зая-вок на доставку грузов, кроме механизма блокировки решений агента загрузки, может использоваться техника блокировки загрузки отдельных блоков по разным причинам. Такие блоки объявляются задержанными.


237


1. Луцан М.В., Нужнов Е.В. Использование интеллектуальных агентов на автоматизиро-ванном грузовом терминале // Известия ЮФУ. Технические науки. 2012. − 7 (132). − С. 174-180.

2. Berghman L., Leus R., Spieksma F.C.R. Optimal solutions for a dock assignment problem with trailer transportation // Annals of Operations research. Springer Netherlands, 2011.

3. Кросс-докинг. Перспективная схема складской логистики. − 2009. – http://www.nlsklad.ru/stat-i/kross-doking.html.

4. Фетисова Т., Бабаев А. Технологическая эффективность кросс-докинга, 2012. – http://www.concept-logic.ru/publication/works/work12.php.

5. Луцан М.В., Нужнов Е.В. Трехмерная упаковка прямоугольных объектов с определени-ем последовательности их погрузки // Труды конгресса по интеллектуальным системам и информационным системам «IS-IT’11». Научное издание в 4-х томах. – М.: Физмат-лит, 2011. – Т. 3. – С. 285-291.

6. Нужнов Е.В., Барлит А.В. Трехмерная упаковка на основе эвристических процедур // Известия ТРТУ. – 2002. – 3 (26). – С. 95-101.

7. Wooldridge M.J. Intelligent Agents // Multiagent Systems. – 2001. – Р. 27-79. 8. Кныш Д.С., Курейчик В.М. Проблемы, обзор и параллельные генетические алгоритмы:

состояние // Известия РАН. Теория и системы управления. – 2010. – 4. – С. 72-82. 9. Курейчик В.М., Курейчик В.В., Родзин С.И. Модели параллелизма эволюционных вы-

числений // Вестник ростовского государственного университета путей сообщения. На-учно-технический журнал. – Ростов-на-Дону: Изд-во РГУПС. – 2011. – 3. – С. 91-96.


Луцан Максим Васильевич – Технологический институт федерального государственного автономного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге; е-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371651; кафедра систем автоматизированного проектирования; аспирант.

Нужнов Евгений Владимирович – е-mail: [email protected]; кафедра систем автоматизирован-ного проектирования; к.т.н.; доцент.

Lutsan Maxim Vasilyevich – Taganrog Institute of Technology – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; е-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; postgraduate student.

Nuzhnov Evgenij Vladimirovich – е-mail: [email protected]; the department of computer aided de-sign; cand. of eng. sc.; associate professor.

УДК 681.3.06: 681.323 (519.6)

Я.Е. Ромм, А.И. Тренкеншу

ВЫДЕЛЕНИЕ ТРЕНДОВ И ОПРЕДЕЛЕНИЕ ТОЧЕК РАЗВОРОТА ТЕНДЕНЦИЙ ФИНАНСОВЫХ РЫНКОВ НА ОСНОВЕ СХЕМ

СОРТИРОВКИ

Изложен метод программного выделения основных тенденций на финансовых рынках с автоматическим подбором определяющих параметров. Метод опирается на алгоритмы устойчивой сортировки, с помощью которой идентифицируются все локальные экстрему-мы входной последовательности цен закрытия дня финансовых инструментов. Представ-лен алгоритм автоматического выделения экстремумов на графиках финансовых инстру-ментов, являющихся опорными точками трендов. Предложен метод определения сигнала разворота тенденции на финансовых рынках, учитывающий важнейшие характеристики локализованных с помощью автоматического подбора параметров экстремумов. Приведе-


238

ны пример и результаты применения метода разворота тенденции к инструментам фи-нансовых рынков. На основе предложенных методов построен алгоритм прогнозирования будущего движения цены.

Тенденции; алгоритм; сортировка; финансовые рынки; метод разворота; ценовой прогноз; выделение тренда; локализация экстремумов.

Ya.E. Romm, A.I. Trenkenshu

IDENTIFICATION OF TECHNICAL PATTERNS AND SELECTION OF THE MAIN TRENDS OF FINANCIAL MARKETS USING SORTING SCHEMES

The method of software-based selection of main trends on financial markets with automatic selection of key parameters is recounted. The method is based on stable sorting algorithms, with help of which all local extremums, of input price daily returns sequence of financial instruments, are identified. The algorithm of extremums automatic selection on graphics of financial instru-ments, which are supporting point of trends, is presented. The method of definition signal of changing trends on financial markets, which takes into consideration important characteristics of localized with help of automatic selection parameters extremums, is proposed. Examples and re-sults of the method application to instruments of financial markets, are given. The algorithm or future price movement prediction based on proposed methods is built

Trends; algorithm; sorting; financial markets; changing method; price prediction; trend se-lection; extremums localization.

Постановка задачи. Выявление различных фигур и трендов на графиках ин-струментов финансовых рынков (валютных пар, акций, фьючерсов и т.п.) является составной частью графического анализа, позволяющего иногда достаточно точно предсказать движение цены. В [1, 2] было показано, что применение локализации экстремумов на основе сортировки с сохранением обратной индексации [3, 4] к оцифрованным данным значений цен закрытия различных финансовых инстру-ментов позволяет выделять на ценовых графиках основные модели графического анализа [5–7] при вариации радиусов окрестностей точек экстремумов. На этой же основе в [8] был синтезирован алгоритм автоматического компьютерного выделе-ния и идентификации фигур графического анализа цен закрытия как на валютном рынке FOREX, так и на других финансовых рынка. В [8] показано, что на той же основе можно выделить существенные тенденции на финансовых рынках и по-строить прогноз движения цены. Задачей данной работы является поиск инстру-ментария по уточнению прогноза движения цены, в частности, позволяющего предсказывать разворот существующей на рынке тенденции. Предложенные мето-ды анализа и алгоритмы реализованы в среде программирования Microsoft Visual Studio 2008 Professional Edition на языке C#.

Для программного эксперимента выбраны дневные графики различных фи-нансовых инструментов, поскольку на графиках более мелких временных масшта-бов содержится много шума, препятствующего определению тенденций на финан-совых рынках, а на графиках более крупных масштабов (недельных и месячных) – теряется значительное количество важной информации.

Выделение основных тенденций на финансовых рынках с автоматиче-ским подбором определяющих параметров. Тенденции на финансовых рынках можно выделить с помощью экстремумов, которые отражают наиболее сущест-венные особенности графиков, т.е. подъемы и падения. С этой целью применяются операторы локализации экстремумов, которые определяются следующим образом [1]. Пусть ]..1[ Na – исходная числовая последовательность, Sort – оператор сор-тировки, упорядочивающий исходные данные и сохраняющий обратную индекса-

цию элементов. Пусть 1,0, NkkrIndexVecto – массив индексов отсортиро-

ванных элементов. Тогда ]][[ krIndexVectoa – минимальный элемент [3] (в даль-


239

нейшем минимум) в некоторой Eps-окрестности тогда и только тогда, когда

1,...,2,1 krEpsrkrIndexVectokrIndexVecto . Аналогич-

ным образом определяется максимум исходной числовой последовательности: knrEpsrkrIndexVectokrIndexVecto ,...,2,1 .

Применение описанного оператора к исходной ценовой последовательности позволяет выделить экстремумы на графиках финансовых рынков при различных радиусах локализации, образуя первично локализованную последовательность экстремумов, при этом экстремумы идентифицируются по значению и по индексу. Если первично локализованные экстремумы выделить в отдельную подпоследова-тельность, к которой затем снова как к исходной применить оператор локализации экстремумов, то получится разреженная вторичная подпоследовательность экстре-мумов. В силу фильтрующих свойств предложенного способа выделения экстрему-мов, осуществляемого без изменений значений и индексов обрабатываемой после-довательности, вторичная подпоследовательность будет содержать меньше шума. Точнее, она будет выражать наиболее существенные экстремальные особенности входной последовательности. На этой основе она может более точно отражать тен-денции. Таким образом, применяя данную процедуру, которая из исходной ценовой последовательности данных локализует последовательности экстремумов (без их искажения), используемые далее для локализации подпоследовательностей экстре-мумов (также без их искажения), мы выделим множество наиболее существенных экстремумов, которые и будут являться опорными точками тренда на графиках. Рас-сматриваемая процедура выполняется для различных радиусов локализации экстре-мумов, которые подбираются программно («автоматически») на основе эксперимен-та с графиками финансовых рынков. Процесс подбора представляет собой итераци-онный процесс, который согласно эксперименту обладает свойством «сходимости». Данным свойством обладает как процесс локализации максимумов, так и процесс локализации минимумов. Под «сходимостью» понимается получение совпадающих результатов локализации одновременно всех экстремумов вторичной последова-тельности при некотором фиксированном наборе радиусов окрестности, по крайней мере, для четырех следующих друг за другом итераций.

Экспериментально подтверждено, что такой процесс позволяет выделить тренды на графиках финансовых рынков. Итерационный алгоритм процесса лока-лизации экстремумов имеет следующий вид:

Шаг 1. Задаем радиус первичной локализации Eps, вычисляем экстремумы при заданном радиусе локализации. Присваиваем целочисленной переменной i значение 1.

Шаг 2. Назначаем найденную на Шаге 1 последовательность экстремумов в качестве исходной. Присваиваем целочисленной переменной i значение 1. Вычис-ляем экстремумы исходной последовательности при радиусе локализации i. По-мещаем их в объект CurrExtr. Значение счетчика Counter=0.

Шаг 3. i=i+1. Вычисляем экстремумы исходной последовательности при ра-диусе локализации i. Помещаем их в объект TempExtr. Если TempExtr=CurrExtr, то перейти к шагу 4, иначе – к шагу 5.

Шаг 4. Counter=Counter+1. Если Counter=3, то остановить процесс, иначе пе-реход к шагу 3.

Шаг 5. Counter=0. Переход к шагу 3. Программная реализация алгоритма представлена в [8]. Приведем пример выделения тренда. На рис. 1 приведено выделение опор-

ных точек тренда на графике Евро/Доллар за период с 02.01.1998 по 01.11.2011. Радиусы локализации максимумов: первичный 1r , вторичный, подобранный на основе автоматизированного итерационного процесса – 25r . Радиусы локали-зации минимумов в данном случае те же.


240

Рис. 1. Выделение тренда на графике Евро/Доллар за период с 02.01.1998 по 01.11.2011

Заметим, что опорные точки тренда указывают сам тренд на момент появле-ния последней опорной точки, если тренд понимать в усредненном смысле с уче-том предложенной фильтрации шумов.

Метод определения разворота тенденции. С помощью численного и про-граммного исследования был синтезирован метод, применение которого к локализо-ванным экстремумам позволит предсказать разворот существующей на рынке тенден-ции. Этот метод учитывает важнейшие характеристика локализованных с помощью автоматического подбора параметров экстремумов. Введем следующие понятия:

Расстояние между экстремумами – разность индексов двух экстремумов, взятая по модулю. Приведенная разность – отношение, взятое по модулю, разно-сти величин двух ближайших экстремумов противоположного типа к расстоянию между ними. Приращение экстремумов – величина, равная разности значений двух ближайших экстремумов противоположного типа, взятая по модулю. Экс-тремальный треугольник – прямоугольный треугольник на графике, гипотенуза которого – отрезок, соединяющий точки экстремумов, а катеты – расстояние меж-ду точками экстремумов по горизонтали и по вертикали. Угол – угол экстре-мального треугольника между гипотенузой и горизонтальный катетом.

Рис. 2 иллюстрирует описанные характеристики.

Рис. 2. Иллюстрация характеристик экстремумов


241

Тогда признаком разворота текущей тенденции является одновременное вы-полнение следующих условий:

1. Приращение экстремумов в направлении противоположном направлению тенденции отличается от приращения экстремумов в направлении тенден-ции на величину не более 230.

2. Расстояние между экстремумами в направлении противоположном на-правлению тенденции меньше расстояния между экстремумами в направ-лении тенденции.

3. Либо угол в направлении противоположном направлению тенденции больше угла в направлении тенденции не менее, чем на 8 градусов, ли-бо величина гипотенузы в экстремальном треугольнике в направлении противоположном направлению текущей тенденции меньше величины гипотенузы в экстремальном треугольнике в направлении тенденции, по крайней мере, на величину 50.

Данный метод проверки разворота тренда применяется при появлении сле-дующего минимума при восходящей тенденции и максимума – при нисходящей.

Результаты работы метода определения разворота тенденции на графи-ках финансовых инструментов. Разработанный метод был применен к графикам различных финансовых инструментов. Приведем пример определения разворота тенденции.

На рис. 3 изображен график валютной пары Евро/Доллар за период с 02.01.1998 по 10.01.2001, на котором показаны локализованные экстремумы, яв-ляющиеся опорными точками тенденции, и характеристики экстремумов, о кото-рых было сказано выше. Ниже в табл. 2 сведены характеристики экстремумов в направлении противоположном направлению тренда (на рис. 3 это направление обозначено цифрой 2) и в направлении тренда (на рис. 3 это направление обозна-чено цифрой 1).

Рис. 3. График пары Евро/Доллар за период с 02.01.1998 по 10.01.2001

На рис. 4 изображен график валютной пары Евро/Доллар за период с 02.01.1998 по 01.02.2003, который подтверждает разворот тенденции, предсказан-ный на рисунке (см. рис. 3).

Результаты применения метода определения разворота тенденции к финансо-вым инструментам приведены в табл. 3.


242

Таблица 2

Против. напр. тенденции В напр. тенденции Раст. между экстр. 52 93

Приведенная разность 25,15 14,8 Высота 1307,8 1376,4 Угол 75,44 66,47

Гипотенуза 266 295,6 Признак разворота:

true ))502666,295()847,6644,75(()2304,13768,1307()9352(

Из таблицы (см. табл. 2) видно, что приведенные характеристики экстрему-мов удовлетворяют признаку разворота тенденции.

Рис. 4. График пары Евро/Доллар за период с 02.01.1998 по 01.02.2003

Таблица 3

Результаты применения метода определения разворота тенденции

Финансовый инструмент

Общее количество попыток

Количество успешных попыток

Процент успешных сделок от общего числа

EUR/USD 15 14 93,3%

USD/CHF 18 17 94,4% USD/JPY 16 15 93,75%

GBP/USD 19 19 100% AUD/USD 14 12 86%

NZD/USD 16 15 93,75% USD/CAD 15 15 100%

Применение метода определения разворота тенденции для уточнения ценового прогноза. С помощью описанного метода определения разворота теку-щей тенденции можно существенно уточнить алгоритм прогноза движения цены в будущем.

Определение 1. В соответствии с принятой терминологией будем говорить, что тенденция на финансовом рынке восходящая, если для последних чередую-

щихся максимумов и минимумов 2121 ,,, mmMM одновременно выполняются

неравенства: 12 MM и 12 mm .

Определение 2. Будем говорить, что тенденция на финансовом рынке преоб-

разуется из нисходящей в восходящую, если TPCur , где CurP − текущая цена на

финансовом рынке, T − значение экстремума, на котором был получен сигнал разворота предыдущей нисходящей тенденции.


243

Определение 3. В соответствии с принятой терминологией будем говорить, что тенденция на финансовом рынке нисходящая, если для последних чередую-

щихся максимумов и минимумов 2121 ,,, mmMM одновременно выполняются

неравенства: 12 MM и 12 mm .

Определение 4. Будем говорить, что тенденция на финансовом рынке преоб-

разуется из восходящей в нисходящую, если TPCur , где CurP − текущая цена на

финансовом рынке, T − значение экстремума, на котором был получен сигнал разворота предыдущей восходящей тенденции.

Приведем усовершенствованный алгоритм прогноза движения цены: Шаг 1. Если текущая тенденция на рынке восходящая в соответствии с опре-

делениями 1 или 2, то переходим к шагу 2. Если текущая тенденция на рынке нис-ходящая в соответствии с определениями 3 или 4, то переходим к шагу 3.

Шаг 2. Если текущий экстремум – минимум, то переход к шагу 4. Шаг 3. Если текущий экстремум – максимум, то переход к шагу 4. Шаг 4. Применяем метод определения разворота тенденции. Если метод вы-

дает сигнал разворота, то делается предположение о скором развороте текущей тенденции, если нет – о продолжении текущей тенденции.

Предложенный прогноз допускает отклонение цены от линии соединения экстремумов, но сохраняет общий тренд. Его достоверность согласно эксперимен-ту составляет всего один шаг вперед – до появления следующего экстремума (та-кой шаг измеряется временем от недели до нескольких месяцев). Результаты при-менения алгоритма прогнозирования движения цены совпадают с результатами, приведенными в таблице (см. табл. 3).

Заключение. В работе изложен метод программного выделения основных тенденций на финансовых рынках с автоматическим подбором определяющих па-раметров. Метод опирается на алгоритмы устойчивой сортировки, с помощью ко-торой идентифицируются все локальные экстремумы входной последовательности цен закрытия дня финансовых инструментов. Предложен метод определения сиг-нала разворота тенденции на финансовых рынках. На основе описанных методов построен алгоритм прогнозирования будущего движения цены.


1. Ромм Я.Е., Тренкеншу А.И. Выделение фигур графического анализа на рынке FOREX методом локализации экстремумов цен закрытия / Таганрог. госуд. педагогич. ин-т. – Таганрог, 2011. – ДЕП. в ВИНИТИ 04.03.2011 106 – В2011. – 43с.

2. Ромм Я.Е., Тренкеншу А.И. Программное выделение и идентификация фигур графиче-ского анализа финансовых рынков на основе локализации экстремумов цен закрытия / Таганрог. госуд. педагогич. ин-т. – Таганрог, 2011. – ДЕП. в ВИНИТИ от 19.07.2011, 351-В2011. – 80 с.

3. Ромм Я.Е. Локализация и устойчивое вычисление нулей многочлена на основе сорти-ровки. II // Кибернетика и системный анализ. – 2007.– 2. – С.161 – 174.

4. Ромм Я.Е. Метод вычисления нулей и экстремумов функций на основе сортировки с приложением к поиску и распознаванию. I // Кибернетика и системный анализ. – 2001. – 4. – С. 142-159.

5. Федоров А.В. Графический анализ финансовых рынков (профи-курс). Часть 2. Графиче-ские фигуры. – М.: Международная Академия Биржевой Торговли Форекс Клуб, 2008. – 74 с.

6. Шваргер Джек. Технический анализ. Полный курс. – М.: Альпина Паблишер, 2001. – 768 с. 7. Andrew W.LO, Harry Mamaysky, Jiang Wang. Foundations of Technical Analysis: Computa-

tional Algorithms,Statistical Inference and Emperical Implementation. The Journal of finance. Vol. LV, No. 4, August 2000.


244

8. Ромм Я.Е., Тренкеншу А.И. Распознавание фигур графического анализа и выделение трен-дов финансовых рынков на основе схем сортировки / Таганрог. госуд. педагогич. ин-т. им. А.П. Чехова – Таганрог, 2012. – ДЕП. в ВИНИТИ 27.04.2012 195 – В2012. – 21с.

Статью рекомендовал к опубликованию д.т.н. И.И. Турулин.

Ромм Яков Евсеевич – ФГБОУ ВПО «Таганрогский государственный педагогический институт имени А.П. Чехова»; e-mail: [email protected]; 347926, г. Таганрог ул. Инициативная, 48; тел.: 88634601753, 88634601812, 88634601899; кафедра информатики; зав. кафедрой; д.т.н.; профессор.

Тренкеншу Александр Игоревич – e-mail: [email protected]; тел.: 89604503397; кафедра информатики; аспирант.

Romm Yakov Evseevich – Taganrog State Pedagogocal Institute named after A.P. Chechov; e-mail: [email protected]; 48, Initsiativnaya street, Taganrog, 347926, Russia; phones: +78634601753, +78634601812, +78634601899; the department of computer science; head the department; dr. of eng. sc.; professor.

Trenkenshu Alexandr Igorevich – e-mail: [email protected]; phone: +79604503397; the de-partment of computer science; postgraduate student.

Раздел VIII. Моделирование сложных систем

245


УДК 658.7

В.М. Курейчик, А.А. Рокотянский

ГЕНЕТИЧЕСКИЙ АЛГОРИТМ РЕШЕНИЯ ЛОГИСТИЧЕСКОЙ ЗАДАЧИ

Описывается метод планирования разгрузки и загрузки входящих и исходящих грузо-виков на платформе кросс-докинг. Описывается математическая модель исследуемой за-дачи. Приводится обзор литературы и существующих методов решение задачи кросс-докинга. Цель работы состоит в том, что бы минимизировать время разгрузки и погрузки автотранспорта и исключить время хранения товара на складе. В статье описывается разработанный метод на основе генетических алгоритмов, направленный на решение за-дачи кросс-докинга. Представлены примеры и показаны результаты проделанной работы.

Кросс-докинг; разгрузка; разгрузка; склад; расписание; генетический алгоритм.

V.M. Kureichik, A.A. Rokotyansky

SOLVING THE PROBLEM OF CROSS-DOCKING BY METHOD OF GENETIC ALGORITHM

This paper presents the scheduling of incoming and outgoing semi trailers in a transship-ment platform. A setof incoming semi trailers, containing products for different destinations, ar-rives to the cross-docking. There is the review of literature and existing methods of solution of the problem of cross-docking. This paper studies the simultaneous scheduling of incoming and out-going semi trailers for a single inbound andoutbound door. The objective is to minimize the direct timeof incoming and outgoingsemi trailers. Genetic Algorithm’s method is proposed to solve the cross-docking problem. In addition, few examples are performed and the results are shown.

Cross-docking; scheduling incoming and outgoing semi trailers; scheduling; genetic algorithm.

Введение. Концентрация производства в народном хозяйстве ведет к значи-тельному усложнению транспортного процесса, в связи с чем, еще больше возрас-тает необходимость в интенсивном использовании автотранспортных средств на грузовых перевозках.

За последние годы наметилась тенденция снижения уровня интенсивности ис-пользования подвижного состава на грузовых перевозках. Во-первых это связано с тем, что грузовой парк страны стал массово пополняться (начиная с 1976 г.). Во-вторых, в перевозочном процессе до настоящего времени не отработаны многие ор-ганизационные вопросы. Основной причиной при этом является отсутствие единой технологической системы организации перевозки грузов. Другими словами, нет со-гласованности в работе автотранспортных предприятий, поставщиков и получателей грузов. Эта цель может быть достигнута, если перевозочный процесс будет органи-зован на базе заранее спроектированной прогрессивной технологии перевозок. Кро-ме того, изменение объемов продаж стало основным последствием кризиса, затро-нувшего практически все сферы экономики. В результате возникает необходимость проведения своевременного анализа существующей цепочки поставок товаров на предмет её эффективности. Транспортно-складские решения, оптимальные для док-ризисных объемов продаж, сегодня могут оказаться убыточными [1].


246

В условиях сокращения объемов доставляемых до клиентов товаров повыша-ется актуальность такого процесса, как кросс-докинг. У многих компаний объемы складского хранения резко сокращаются, а кросс-докинг позволяет минимизиро-вать занимаемые складские площади, а иногда вообще убрать складское хранение из цепочки поставок.

В современной логистике понятие кросс-докинг (от англ. cross-docking – от cross – идущий напрямую и dock-док, причал, стыковка, соединение) – это логисти-ческая операция внутри цепочки поставок, при которой отгрузка товара на склад и его последующая доставка получателю согласованы по времени таким образом, что-бы исключить хранение товара на складе. В результате партия продукции доставля-ется от поставщика (производителя) продавцу за максимально короткий срок. В ре-зультате партия продукции доставляется от поставщика (производителя) продавцу за максимально короткий срок. Кросс-докинг проходит в один или два этапа. При использовании одноэтапного кросс-докинга получатель адресует товар определен-ной торговой точке, и груз проходит через склад как отдельный заказ без изменений. Двухэтапный кросс-докинг предполагает, что партия товара, отгруженная постав-щиком на склад в качестве логистической единицы, будет переформирована. При этом товар на складе можно делить на группы (каждая из которых доставляется в торговую точку) или собирать в единый блок (логистическую единицу) вместе с другими частями этого же заказа. Хранение товара на складе при использовании двухэтапного кросс-докинга также исключается.

Коммерческая эффективность использования кросс-докинга состоит в возможности развития транспортно логистической инфраструктуры регионов, имеющих сложную структуру транспортных перевозок и высокую степень неоп-ределенности в задачах управления транспортными потоками. Применение мето-дов интеллектуального анализа данных и эволюционного моделирования для соз-дания информационных систем логистической поддержки и мониторинга транс-портной инфраструктуры позволит в кратчайшие сроки, с самого начала использо-вания информационной системы, получить значительное уменьшение расходов за счет более эффективного использования ресурсов транспортных предприятия и организаций поставщиков и клиентов.

Эффективность использования кросс-докинга в цепочке поставок будет наи-более заметной для компаний:

1. С большим количеством товарных позиций с низкой оборачиваемостью. Держать такие товары на стеллажном хранении очень неэффективно и удобнее поставлять товары в торговые центры по мере их необходимости.

2. У которых дорогая транспортная логистика. В этом случае использование кросс-докинга будет намного дешевле.

3. Реализующих негабаритные товары. Хранить негабаритный товар на уни-версальном складе весьма проблематично.

При этом концепция кросс-докинга выходит за рамки физического процесса товарооборота. Тесное информационное взаимодействие всех партнеров обеспе-чивает эффективное планирование, организацию и контроль всей цепочки поста-вок. Преимущества кросс-докинга состоят не только в сокращении запасов и из-держек на складирование, но и в устранении всех операций, не добавляющих цен-ности продукту, которые появляются при загрузке материалов на хранение и по-следующей перегрузке.

Преимуществами сквозного складирования: более быстрая доставка продукции к пунктам назначения; сокращение складских площадей и снижение затрат на оплату аренды

складов и труд персонала.


247

Оптимальными для сквозного складирования считаются товары с высоким спросом и значительным объемом транспортировки: товары массового потребле-ния, пользующиеся постоянным спросом; скоропортящиеся продукты; товары вы-сокого качества; продукция для рекламных мероприятий.

Использование кросс-докинга наиболее целесообразно в следующих случаях: 1) мелкие партии и большой ассортимент, смешанные паллеты. Данную си-

туацию можно наглядно проиллюстрировать на примере доставки в магазины ал-когольной продукции. Поставщики отправляют сборные паллеты, где представле-ны различные наименования продукции в небольших количествах. Мелкие партии, собранные от всех поставщиков, затем уходят конечному получателю (в магази-ны). Другими словами, кросс-докинг удобен при необходимости консолидации мелких партий товара от различных поставщиков;

2) при необходимости периодической отправки товара от нескольких по-ставщиков конечным получателям в регионах;

3) работа с товарами, которые затратно и неудобно хранить (товары, для ко-торых характерна высокая оборачиваемость; скоропортящиеся товары: овощи, фрукты, мясо и т.п.);

4) при проведении рекламных акций/промо-акций, когда идет отгрузка по многим адресам при небольшой номенклатуре, а также в случае доставки сезон-ных товаров. Примером может служить акция «Снова в школу», когда в середине августа в магазины завозятся школьные принадлежности. При этом доставляемый на склад товар должен быстро распределяться по магазинам. Товары, обрабаты-ваемые в процессе кросс-докинга, должны характеризоваться высоким уровнем прогнозируемости спроса, удобством обработки и значительными объемами. Наи-более актуально использовать кросс-докинг при организации цепи поставок в роз-ничных сетях.

Постановка задачи. Рассмотрим выбранную рабочую модель кросс-докинга. В данной модели имеется один пункт приема товара и один пункт отправки, также имеется временное хранилище неограниченного объема. Имеется R грузовиков с товаром, необходимо распределить все товары по другим S грузовикам. Для каждого входящего грузовика известно, сколько и каких товаров он доставил, также для каж-дого исходящего грузовика известно, сколько и каких товаров необходимо в него поместить. Процесс разгрузки и погрузки происходит следующим образом [2].

Множество приехавших грузовиков отгружаются по очереди в пункте прие-ма, причем каждый последующий грузовик начинает отгружаться, только после того, как полностью отгрузился предыдущий. Все полученные товары помещают-ся во временное хранилище. Таким образом, можно сказать, что грузовики достав-ки образуют «поток отгрузки».

Одновременно с ними загружаются по очереди грузовики для приема. Каж-дый грузовик погрузки загружается товарами из временного хранилища, если в хранилище нет нужных товаров, то грузовик будет ждать до тех пор, пока они не появятся. Соответственно, грузовики погрузки образуют «поток погрузки».

Время, затраченное на все операции, будет совпадать со временем отъезда последнего грузовика погрузки.

Представим данную задачу более строго в математической постановке. Для начала введем следующие обозначения: M – общее время работы (makespan); R – число входящих (выгружаемых) грузовиков; S – число выходящих (загружаемых) грузовиков; N – число типов товаров; D – время замены машины; V – время пере-мещения товаров от выгрузки (временного хранилища) до погрузки; rik – число единиц товара k, погруженного во входящем грузовике i; sjk – число единиц товара k, который требуется погрузить в выходящий грузовик j; tij – число единиц товара


248

k, который перемещается из машины i в машину j; vij – равен 1, если tij> 0, и равен 0 в противном случае; Ci – время отъезда входящей машины i; Cj – время отъезда выходящей машины j.

Критерием задачи является время погрузки, его требуется минимизировать. Время погрузки рассчитывается по следующей формуле:

M = C[S]

где

Переменными в данном случае являются порядки подъезда и отъезда входя-

щих и выходящих машин, то есть порядок строк матриц rik и sjk. Перестановку входящих машин будем обозначать PR, а перестановку выходящих PS. По сути, время работы будет зависеть от этих двух перестановок, поэтому нашу задачу можно обозначить так: M (PR, PS) → min.

Кодирование решений. В своей работе Yu и Egbelu [3] решали данную зада-чу в два этапа. На первом этапе определялась перестановка машин доставки, а на втором – перестановка машин сбыта. Такой подход можно использовать и при разработке генетического алгоритма.

Решение будем представлять при помощи векторной хромосомы. Векторные хромосомы − это такие хромосомы, гены которых представляют собой векторы целых чисел. При этом аллели генов обладают свойствами негомологичной число-вой хромосомы, т.е. элементы вектора могут принимать значения в заданном ин-тервале, и вектор не может содержать двух одинаковых чисел. Тем не менее, хотя гены в векторных хромосомах негомологичны, сами хромосомы являются гомоло-гичными: первая будет кодировать решение задачи на первом этапе, а вторая на втором. Каждая хромосома кодирует перестановку номеров грузовиков, геном яв-ляется номер грузовика. Соответственно, длина первой хромосомы будет равна R, а второй равна S.

Целесообразно использовать негомологичную хромосому. В негомологичных хромосомах гены могут принимать значение в заданном интервале; при этом ин-тервал одинаков для всех генов, но в хромосоме не может быть двух генов с оди-наковым значением. Для негомологичных хромосом применяются различные спе-циальные генетические операторы, не создающие недопустимых решений [5].

Структурная схема алгоритма. В качестве алгоритма решения поставлен-ной задачи был выбран простой генетический алгоритм. Особое внимание уделим алгоритму вычисления целевой функции. Расчет ЦФ можно условно разделить на два этапа: расчет интервалов разгрузки и расчет интервалов загрузки. Собственно значение ЦФ будет являться временем загрузки последнего грузовика. Схема ал-горитма расчета интервалов загрузки изображена на рис. 1. На рис. 2 и 3 показана схема алгоритма вычисления ЦФ [4].


249

Рис. 1. Процедура расчета интервалов разгрузки

Рис. 2. Схема алгоритма вычисления целевой функции

И

2

и

п

авб


50

Рис. 3.

В рассмоиз приведенны

В этом мУдобство

писать так:

Временнвтомобилей рражен график

Рис. 4. Гр


Продолжени

отренных алгоых выше форм

массиве хранято такого обоз

ая сложностьразгрузки и пк зависимости

График зависи

кие науки

ие схемы алгор

оритмах испомул следующ

[ ][

0,t

t

BC

тся моменты начения сост

ь генетическоогрузки для зи времени раб

имости време

оритма вычис

ользован масим соотноше

1]

1;

, 1t

t

D t

начала разгруоит в том, что

ого алгоритмазадачи кросс-боты ГА от чи

ени работы ГА

сления целевой

сив B, он свянием:

.

узки. о формулу дл

а зависит от ч-докинга: О(Nисла автомоб

ГА от числа ав

й функции

язан с массиво

ля h1 можно п

числа вершинN2). На рис. 4 билей.

втомобилей

ом C

пере-

н или ото-


251

Заключение. В данной работе авторами был предложен алгоритм решения задачи кросс-докинга. Алгоритм находит приемлемое решение за полиномиальное время, что позволят использовать его в реальных задачах. Помимо высокой скоро-сти работы, важным преимуществом является высокая адаптивность алгоритма, благодаря чему, могут быть учтены дополнительные ограничения, возникающие на практике.


1. Псиола В.В. О приближенном решении 3-х мерной задачи об упаковке на основе эври-стик // Интеллектуальные системы.–2007. –Вып. 1-4.

2. Вельможин А. В.; Гудков В. А.; Миротин Л. Б.; Куликов А. В. Грузовые автомобильные перевозки: учеб. для студентов вузов.– М.: Горячая линия-Телеком, 2006. – 559 с.

3. Бочкарев А.А. Унифицированная методика оптимизации маршрутов в цепях поставки товаров [Электронный ресурс]. – Режим доступа: http://www.lobanov-logist.ru/ index.php?newsid=152.

4. Гладков Л.А., Курейчик В.М., Курейчик В.В. Генетические алгоритмы. – Ростов-на-Дону: ООО «Ростиздат», 2004.

5. Гладков Л.А., Курейчик В.В., Курейчик В.М., Сороколетов П.В. Биоинспирированные методы в оптимизации. – М.: ФИЗМАТЛИТ, 2009. – 384 с.

Статью рекомендовал к опубликованию д.т.н., профессор Я.Е. Ромм.

Курейчик Виктор Михайлович – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634393260; зам. руководителя по научной и инновационной деятельности; профессор.

Рокотянский Александр Алексадрович – e-mail: [email protected]; 347928, г. Таган-рог, пер. Некрасовский, 44, ГСП-17А; тел.: 88634371651; кафедра систем автоматизирован-ного проектирования; аспирант.

Kureichik Victor Michylovich – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634393260; the deputy the head on scientific work and Innovations; professor.

Rokotyansky Alexander Alexandrovich – e-mail: [email protected]; GSP-17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371651; the department of computer aided design; postgraduate student.


252

Раздел IX. Вычислительные комплексы нового поколения и нейрокомпьютеры

УДК 681.3

Ю.О. Чернышев, Н.Н. Венцов, П.А. Панасенко

ПРИМЕНЕНИЕ PSO-МЕТОДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ РАСПРЕДЕЛЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ*

В работе сформулирована многомерная нелинейная задача распределения вычисли-тельных ресурсов. На основе метода «оптимизации с использованием роя частиц» (Particle Swarm Optimization, PSO) разработан алгоритм решения поставленной задачи. Определена связь параметров задачи и решающего её алгоритма. Построено распределение результа-тов работы алгоритма по итерациям. На основании анализа распределения результатов работы алгоритма по итерациям сделано заключение о способности алгоритма выходить из областей локальных оптимумов. Приведены графики погрешностей алгоритма на зада-чах размерности 1–10 с шагом 1 и 5–100 с шагом 5. Экспериментально определена линей-ная вычислительная сложность алгоритма на размерностях 1–100.

Вычислительные ресурсы; коллективная адаптация; интеллектуальные системы; оптимизация.

Yu.O. Chernyshev, N.N. Vencov, P.A. Panasenko

APPLICATION OF PSO-METHODS FOR SOLVING ALLOCATION OF COMPUTATIONAL RESOURCES

In this paper we formulated a multi-dimensional nonlinear problem of distribution of com-puting resources. On the basis of "optimization using particle swarm» (Particle Swarm Optimiza-tion, PSO) algorithm to solve this problem. Defined relationship between the parameters of the problem and solve it the algorithm. We construct a distribution of the results of iterations of the algorithm. Based on the analysis of the distribution of the results of iterations of the algorithm was suggested algorithm is able to withdraw from areas of local optima. The graphs of the errors on the tasks dimension algorithm 1–10 in increments of 1, and 5–100 in increments of 5. The experi-mentally determined the computational complexity of the algorithm on the dimensions of 1–100.

Computing resources; collective adaptation; intelligent systems; optimization.

Постановка задачи. Имеется множество вычислительных ресурсов S, подле-жащее распределению между N информационными процессами. Потери вычисли-тельного ресурса при его диспетчеризации (выделении) j-му информационному про-цессу, определяются величиной pj, j∊1, 2, 3, ..., N. Необходимый минимум ресур-сов требуемый j-му информационному процессу определяется величиной j, а мак-симум – ζj. Прибыльность j-го информационного процесса зависит от объема дос-тупных вычислительных ресурсов xj и описывается нелинейной функцией fj(xj). Предположим, что ресурсы выделяются последовательно и однократно для каждого информационного процесса. Необходимо распределить ресурсы S таким образом, чтобы максимизировать получаемую прибыль, которая определяется по формуле:

* Работа выполнена при финансовой поддержке РФФИ (проект12-01-00474).


253

∑ ( ) → . (1)

Ограничения, накладываемые на условия и решения задачи, описываются вы-ражениями: ∑ + ≤ , (2) ∑ > , (3) ∑ < , (4) < < , j∊1, 2, 3, ..., N, (5) > 0, j∊1, 2, 3, ..., N. (6)

Из неравенства (5) следует, что любому информационному процессу должно быть выделено некоторое количество ресурса . Потери связанные с выделением данного ресурса составляют pj. Таким образом, суммарные потери не зависят от распределения ресурсов и определяются как = ∑ + . (7)

По этой причине объем фактически распределяемого ресурса определяется по формуле: = − . (8)

На основании выражений (1)–(5) можно считать, что решение задачи заклю-чатся в нахождении точки оптимума в N-мерном пространстве решений. На прак-тике функционал (1) может не обладать свойствами, облегчающими его оптимиза-цию такими, как линейность, непрерывность, дифференцируемость в любой точке и т.д. По этой причине использование классических методов оптимизации не целе-сообразно.

Используемый подход. Для решения оптимизационных задач в настоящее время активно используются методы поиска оптимальных решений основанные на идеях самообучения, накопления и адаптации [1–4]. Реализация подобных подходов подразумевает наличие индивидуальной и коллективной составляющей процессов самообучения, накопления и адаптации [5–7]. Исследуем возможность применения метода «оптимизации с использованием роя частиц» (Particle Swarm Optimization, PSO) [7−9] для решения поставленной задачи. PSO-метод базируется на понятии популяции, и моделирует поведение птиц в стае и косяков рыб. Стратегия поведения особей (частиц) в популяции (рое) состоит в стремлении превзойти достижения со-седних частиц и улучшить собственные. Выбор траектории движения осуществля-ются частицей на основе личного опыта, а также опыта её соседей.

Как утверждалось ранее, решение поставленной задачи состоит в нахождении точки оптимума в N-мерном пространстве решений. Если предположить что частица движется в N-мерном пространстве, то ее координаты можно описать вектором (кортежем) X=<x1, x2,…, x,j,…, xN>. Значение каждого элемента кортежа определяет количество ресурсов выделенных соответствующему информационному процессу, например величина x1 определяет количество ресурсов выделенных первому про-цессу, x2 – второму и т.д. С помощью кортежа Xi(t)=<xi,1(t), xi,2(t), …, xi,j(t), …, xi,N(t)> обозначим позицию i-ой частицы i∊1, 2, 3, ..., M в пространстве поиска решений в момент времени t. Для простоты изложения, факт вычисления функционала (1) на основе кортежа Xi(t)=<xi,1(t), xi,2(t),…, xi,j(0),…, xi,N(t) >обозначим как: ( ) → . (9)


254

Процесс поиска решений данным методом начинается с генерации частиц. Начальное состояние частицы i, в нулевой момент времени, описывается кортежем Xi(0)=<xi,1(0), xi,2(0),…, xi,j(0),…, xi,N(0)> и определяется следующим образом Xi(0)=U( , ζ), где = 1, 2,…, N и ζ = ζ 1, ζ 2,…, ζ N . Функция U( , ζ) для каждого измерения генерирует случайное число из диапазона [ j , ζ j]. Позиция i-ой части-цы в пространстве поиска решений изменяется добавлением скорости Vi(t)=<vi,1(t), vi,2(t),…, vi,N(t)> к текущей позиции:

Xi(t + 1) = Xi(t) + Vi(t + 1). (10)

В разновидности gbest PSO-метода каждая частица тяготеет к лучшему ре-шению целого роя поэтому скорость i-ой частицы в j-ом измерении определяется по формуле [7–9]:

vi,j(t+1) = vi,j(t)+c1r1,j(t)[yi,j(t)-xi,j(t)] +c2r2,j(t)[y*j(t)-xi,j(t)], (11)

где vi,j(t) – скорость i-ой частицы в j-ом измерении в момент времени t; xij(t) – ко-ординаты частицы i в измерении j; c1 и c2 – положительные константы ускорения, варьирующие когнитивную и социальную компоненты скорости частицы; r1j и r2j – случайные переменные, принимающие значения 0 или 1; yi,j(t) – координата наи-лучшей достигнутой позиции частицы i в j-ом измерении. y*j(t) – координата наи-лучшей достигнутой позиции роя в j-ом измерении.

В соответствии с формулами (10) и (11) в случае если: xi,j (t + 1)< то xi,j (t + 1):= , если же xi,j (t + 1)> то xi,j (t + 1):= .

Кортеж Yi =<xi,1, xi,2,…, xi,N> отображает наилучшую позицию частицы i, ко-торую она посещала, начиная с первой итерации. Обозначим функцию ∑ ( ) из выражения (1) через F(X), тогда в момент времени t+1 следующая оптимальная позиция частицы i рассчитывается по формуле: = если ( + 1) ≤ ( ) = ( + 1) если ( + 1) > ( ) (12)

Величина max(Yi) i∊1, 2, 3, ..., M, где M число особей в рое, определяет наилучшее решение полученное роем.

Предлагаемый алгоритм. На основе изложенного выше метода был разра-ботан эвристический алгоритм оптимизации распределения вычислительных ре-сурсов. Работа алгоритма начинается с выполнения блока команд под названием «Генерация особей», который описывает процесс создания особей, образующих пчелиный рой. Координаты генерируемых особей соответствуют ограничениям (2)–(6). Каждой особи ставится в соответствие значение целевой функции (1). Скорости всех сгенерированных особей равны нулю. В дальнейшем работа алго-ритма состоит в итерационном выполнении следующих блоков: «Расчет статисти-ки», «Расчет скоростей», «Перемещение особей», «Расчет ЦФ». Блок «Расчет ста-тистики» описывает процесс нахождения величины Y*(t) – координаты наилучшей достигнутой позиции роя, найденной за t итераций, и величины Yi,(t) – координаты наилучшей достигнутой позиции частицы, найденной за t итераций. Под наилуч-шей позицией понимается такое положение частицы в пространстве, при котором значение функционала (1) максимально. Таким образом, величина Y*(t) определя-ется для всего роя, а величина Yi,(t) – для каждой частицы в отдельности. Блок «Расчет скоростей» описывает процесс расчета для каждой особи роя по формуле (11) новой скорости в каждом из пространств. Блок «Перемещение особей» опи-сывает процесс расчета для каждой особи роя по формуле (10) новых координат. Блок «Расчет ЦФ» соответствует процессу вычисления целевой функции (1) для каждой особи роя, на основе новых координат. Критерием остановки алгоритма является выполнение заданного числа итераций.


255

Экспериментальная часть. Рассмотрим процесс поиска решения методом пчелиного роя в динамике (рис. 1).

На рис. 1 представлены две диаграммы «Глобальный оптимум» и «Текущий оптимум» оси абсцисс которых соответствуют итерациям разработанного алго-ритма. Значения оси ординат диаграммы «Глобальный оптимум» соответствуют стоимости наилучшего решения найденного алгоритмом за все предшествующие итерации. По оси ординат диаграммы «Текущий оптимум» откладывается стои-мость наилучшего решения найденного на текущей итерации. На 4 и 5 итерациях рис. 1 диаграммы «Текущий оптимум» алгоритм покидает зону локального опти-мума, но затем, на 6–9 итерациях определяет более предпочтительное решение. Данный факт позволяет сделать предположение о том, что предлагаемый алгоритм способен выходить из локальных оптимумов.

На рис. 1 представлены две диаграммы «Глобальный оптимум» и «Текущий оптимум» оси абсцисс которых соответствуют итерациям разработанного алго-ритма. Значения оси ординат диаграммы «Глобальный оптимум» соответствуют стоимости наилучшего решения найденного алгоритмом за все предшествующие итерации. По оси ординат диаграммы «Текущий оптимум» откладывается стои-мость наилучшего решения найденного на текущей итерации. На 4 и 5 итерациях рис. 1 диаграммы «Текущий оптимум» алгоритм покидает зону локального опти-мума, но затем, на 6–9 итерациях определяет более предпочтительное решение. Данный факт позволяет сделать предположение о том, что предлагаемый алгоритм способен выходить из локальных оптимумов.

Рис. 1. Распределение результатов работы алгоритма по итерациям

На рис. 2 ось абсцисс соответствует размерности решаемой задачи (N), а ось ординат – погрешности алгоритма. Из рис. 2 следует, что несмотря на всплески на 3 и 7 итерациях, в целом, лавинообразное накопление погрешности отсутствует. Данное утверждение позволяет сделать предположение о том, что рост размерно-стей решаемых задач не требует пропорционального увеличения вычислительных ресурсов необходимых для получения приемлемого решения. Исследуем рост по-грешности алгоритма на размерностях 1–10, приравняв число итераций алгоритма и число особей роя 5. Графическое представление динамики изменения погрешно-сти в зависимости от размерности задачи приведено на рис. 2.

Рис. 2. Зависимость погрешности алгоритма от размерности задачи


256

Рассмотрим ВСА на задачах размерности 5–100. На рис. 3 графически пред-ставлена зависимость времени работы алгоритма от размерности решаемых задач.

Рис. 3. ВСА на задачах размерности 5–100

Из графика, представленного на рис. 3, можно сделать вывод, что вычисли-тельная сложность представленного алгоритма составляет O(n). На рис. 4 пред-ставлена зависимость погрешности алгоритма от размерности задачи N=10–100.

Рис. 4. Погрешности алгоритма на задачах размерности 5–100

На основании данных представленных рис. 3, 4 можно заключить, что пред-лагаемый алгоритм способен решать поставленные задачи за линейное время.

Заключение. На основании полученных экспериментальных данных, час-тично представленных на рисунках (см. рис. 1–4) можно заключить, что на задачах размерности 1–100 предложенный алгоритм способен определять суботимальные решения, погрешность которых не превышает 10 %. При этом вычислительная сложность алгоритма близка к линейной.


1. Курейчик В.М, Комар А.В. Особенности построения синергетических систем управления бионическим поиском в задачах размещения // Известия ЮФУ. Технические науки. – 2011. – 7 (120). – С. 8-14.

2. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Поисковая адаптация: теория и практика. Монография. – М.: Физматлит,2006.

3. Чернышев Ю.О., Венцов Н.Н., Крупенин А.В., Щербаков А.В., Мухтаров С.А. Адаптив-ная оптимизация запросов в современных системах управления базами данных / Моно-графия. – Краснодар: ФВАС, 2011.

4. Курейчик В.М. Биоинспированный поиск с использованием сценарного подхода // Из-вестия ЮФУ. Технические науки. – 2010. – 7 (108). – С. 7-12.

5. Лебедев Б.К., Лебедев В.Б. Поисковые процедуры канальной трассировки, базирующие-ся на моделировании адаптивного поведения роя частиц в пространстве решений с не-упорядоченным лингвистическим шкалированием // Известия ЮФУ. Технические нау-ки. – 2009. – 12 (101). – С. 15-22.

6. Dorigo M. and Stützle T. Ant Colony Optimization. MIT Press, Cambridge, MA, 2004. 7. Eberhart R., Kennedy J. A New Optimizer using Particle Swarm Theory // In Proceedings of

the Sixth International Symposium on Micro machine and Human Science 1995. – P. 39-43.


257

8. Engelbrecht A. Computational intelligence: an introduction – John Wiley and Sons Ltd., 2007. – 597 p.

9. Abraham A., Grosan G. Swarm Intelligence in Data Mining –Springer, 2006. – 267 p.

Статью рекомендовал к опубликованию к.т.н., доцент Е.В. Нужнов.

Чернышев Юрий Олегович – Донской государственный технический университет; e-mail: [email protected]; 344000, г. Ростов-на-Дону, пл. Гагарина, 1; тел.: 88632738582; кафедра авто-матизации производственных процессов; д.т.н.; профессор.

Венцов Николай Николаевич – e-mail: [email protected]; кафедра информационных техноло-гий; к.т.н.; доцент.

Панасенко Павел Александрович – Филиал Военной академии связи (г. Краснодар); e-mail: [email protected]; г Краснодар, ул. Красина, 4; тел.: +78612683509; соискатель.

Chernyshev Yury Olegovich – Don State Technical University, Russia, e-mail: [email protected]; 1, Gagarin street, Rostov-on-Don, Russia; phone: +78632738582; the department of automation of productions; the department of automation of productions; dr. of eng. sc.; professor

Vencov Nikolay Nikolaevich – Don State Technical University; e-mail: [email protected]; the de-partment of information technologies; cand. of eng. sc.; associate professor.

Panasenko Pavel Alexandrovich – Branch of Military academy of communication (Krasnodar); e-mail: [email protected]; 4, Krasina street, Krasnodar, Russia; phone: +78612683509; com-petitor.


258

Раздел X. Проблемы образования

УДК 37.013.46

В.И. Писаренко

РЕАЛИЗАЦИЯ СИНЕРГЕТИЧЕСКИХ ПРИНЦИПОВ В ПЕДАГОГИЧЕСКИХ СИСТЕМАХ

Обсуждается проблема использования общенаучных синергетических принципов в пе-дагогических науках. Современный этап развития педагогической науки характеризуется активным ее взаимодействием с другими науками. Единственный путь дальнейшего ус-пешного развития человечества связан с междисциплинарным образом мышления, а, следо-вательно, с междисциплинарной методологией и междисциплинарными исследованиями. Если отдельные науки и отрасли наук будут замыкаться в собственной области, они не имеют будущего, выход только в развитии междисциплинарных исследований. Педагогики это касается так же, как и всех остальных наук, если даже не в большей степени, учиты-вая особенности педагогики как науки. На наш взгляд, педагогика просто нуждается в свежих идеях, предложениях, теориях и концепциях, выходящих за рамки классической пе-дагогической науки.

Методология; междисциплинарный образ мышления; синергетика; постнеклассиче-ская парадигма научного мышления; самоорганизация; бифуркация; аттрактор.

V.I. Pisarenko

SYNERGETIC PRINCIPLES REALIZATION IN PEDAGOGICS

This article is devoted to the problem of use of synergetic зкштсш for pedagogical sciences methodology. The present stage of progress of a pedagogical science is characterized by its active interoperability with other sciences. The unique way of the further successful progress of mankind is connected to an interdisciplinary mentality, and with interdisciplinary methodology and inter-disciplinary researches. If separate sciences and branches of sciences become isolated in their own area, they have no future. This problem can be solved only in progress of interdisciplinary researches. It concerns pedagogics, too because of its special features as a science. In our opin-ion, the pedagogics requires fresh ideas, offers, theories and the concepts which are beyond a classical pedagogical science.

Methodology; interdisciplinary mentality; synergetrics; postnonclassical paradigm of scien-tific thinking; self-organizing; bifurcation; attractor.

Уже давно и достоверно доказано, что единственный путь дальнейшего ус-пешного развития человечества связан с междисциплинарным образом мышления, что означает необходимость формирования, развития и совершенствования меж-дисциплинарной методологии на основе междисциплинарных исследований.

Таким качественно новым методологическим подходом в познании и меха-низмом оптимального управления различными процессами стала в настоящее вре-мя синергетика, возникшая в области исследований неравновесных природных систем. Методология синергетики сегодня используется в педагогических науках для описания особенностей педагогических систем и процессов и с целью их даль-нейшего совершенствования с позиции теории сложноорганизованных систем.

Рассмотрим – каким образом преломляются в педагогических и, вообще, об-разовательных системах 7 основных принципов синергетики [1].


259

Напомним, что в синергетике различают два принципа Бытия – гомеоста-тичность и иерархичность, и пять принципов Становления – нелинейность, не-устойчивость, незамкнутость, динамическая иерархичность и наблюдаемость.

Гомеостатичность рассматривается как «поддержание программы функцио-нирования системы в некоторых рамках, позволяющих ей следовать к своей цели» [2]. В педагогических системах этот принцип реализуется, например, в использова-нии основных законов развития личности, общества, в учете психологических осо-бенностей обучаемых в организации учебно-воспитательного процесса. Система образования должна гибко и динамично адаптироваться к социально-экономическим изменениям в государстве. В то же время, она должна быть по возможности ста-бильной в своей психолого-педагогической основе, не подвластной конъюнктуре. Система образования, с одной стороны, должна расти из образовательных парадигм и доктрин, которые традиционно сменяют друг друга исторически, а с другой – она должна быть естественно-прогностической, «работать» на будущее, поскольку вы-пускники учебных заведений любого типа должны будут жить и работать во време-ни и пространстве, существенно отличных от условий периода их учебы.

Принцип иерархичности состоит в признании составной природы выше-стоящих уровней по отношению к нижестоящим. По выражению В.Г. Буданова, Космос предыдущей структуры служит Хаосом последующей. В педагогике дан-ный принцип реализуется, например, в наличии иерархии образовательных уров-ней, образовательных учреждений, иерархия компетенций в структуре личности и т.д. С позиции синергетики активным началом в педагогической системе высту-пают подсистемы «педагог–обучаемый» (обучаемый – элементарная структурная единица педагогической системы), «педагог–учащиеся» и т.п. Перечисленные подсистемы составляют иерархию педагогической системы.

Принцип нелинейности заключается в множественности путей развития, в гуманитарном смысле: результат непропорционален усилиям, неадекватен усили-ям, игра не стоит свеч; целое не есть сумма его частей, качество суммы не тожде-ственно качеству слагаемых и т.д.; в педагогической системе постоянно меняется содержание образования, и оно не соответствует системе компетенций обучаю-щихся в данный момент, что заставляет педагога постоянно менять траектории обучения; возникает нелинейность, как процесса, так и результата; результат обра-зовательного процесса значительно отличается от замыслов его участников; кроме того, нелинейность педагогического процесса заключается в возможности опреде-лять индивидуальную траекторию образования, темп обучения, достигать разного уровня образованности, выбирать тип учебных заведений, учебные дисциплины и преподавателей, формы и методы обучения, индивидуальные средства и методики, творческие задания;

Следующий принцип связан с неустойчивостью, которая долгое время счита-лась дефектом системы, в точке неустойчивости (бифуркации) система становится открытой для других уровней бытия, для воздействий; постоянно увеличивающееся образовательное информационное пространство выводит педагогическую систему и педагогический процесс из устойчивого равновесия. Неустойчивость является ха-рактерной чертой педагогической системы, проявляющейся в неоднозначности и неопределенности динамики протекания в ней педагогических процессов. Результа-ты обучения, воспитания и развития зависят от одновременного воздействия очень многих прямых или косвенных причин. При изменении влияния одного, двух фак-торов на педагогический процесс могут быть получены совершенно другие резуль-таты, отличающиеся от ожидаемых. Статистический характер педагогических про-цессов ограничивает возможности применения известных в науке методов исследо-вания, характерных для точных наук. Поэтому при исследовании педагогических процессов результаты, полученные на основе применения неадекватных методов науки, не всегда отражают истинные состояния обучения, воспитания и развития


260

обучаемых. Наличие неопределенностей вынуждает педагогов прибегать к различ-ным ухищрениям для извлечения правдивой информации.

Принцип незамкнутости (открытости) рассматривается как невозможность пренебрежения взаимодействием системы со своим окружением. Применительно к педагогике принцип открытости является необходимым условием для самооргани-зующегося педагогического процесса, когда существующие методологии не отвер-гают, а дополняют друг друга. Благодаря этому появляется возможность органично использовать самые разнообразные педагогические подходы, методики и технологии преподавания, многокомпонентность и полифоничность познавательных процессов. На протекание и результаты педагогического процесса влияет большое количество разнообразных причин и факторов, обусловленных внутренними противоречиями, хаотическим поведением самой педагогической системы, взаимноперекрещивающим-ся воздействием подсистем и внешними непредсказуемыми воздействиями окружаю-щей среды. Причины настолько многообразны и часто завуалированы сопутствующи-ми факторами, что при этом невольно возникает сомнение, а можно ли вообще разо-браться в этом невообразимо сложном переплетении влияний и связей. Тем не менее, формируются конечные педагогические результаты (сформированность знаний, вос-питанность и др.), определяются линии траектории вероятного развития образователь-ного процесса, которые могут охарактеризовать динамику педагогической системы. Педагогическую систему можно считать открытой, поскольку, во-первых, в ней по-стоянно идет процесс обмена информацией (знаниями) между преподавателем и обу-чающимся (обратная связь) и целенаправленного добывания информации, появляются новые цели, методы и средства обучения. При рассмотрении процесса формирования личности обучающегося как процесса самоорганизации и саморазвития следует иметь в виду контакты и взаимодействие его с внешней средой (сверстники, родители, пре-подаватели и т.д.). Например, от преподавателя исходит поток информации и энергии, побуждающий будущего специалиста к самоорганизации и саморазвитию, становле-нию его индивидуальности. Это взаимодействие с позиции синергетики должно обла-дать рядом особенностей. Так, обучающийся может выступать неупорядоченной, хао-тизированной системой, которая обладает бесконечным числом степеней свободы. При контакте такой системы с внешней средой (в нашем случае – с преподавателем и не только с ним), при поглощении ею информации и энергии от другой системы про-исходит уменьшение числа степеней свободы. В этом состоит суть самоорганизации. Значит, влияние преподавателя осуществляется в рамках оптимального, разумного ограничения свободы выбора и носит управляющий характер.

Динамическая иерархичность представляет собой основной принцип прохо-ждения системой точки бифуркации; наличие стадий рождения, становления и гибели, возникновения нового качества системы; Система образования в своей сущности является динамической системой: она демонстрирует взаимодействие многочисленных противоборствующих сил. «С одной стороны, образование про-питано духом вековых традиций, с другой – оно должно следовать за ритмом из-менений, происходящих в окружающем мире. С одной стороны, жесткая структу-рированная (детерминированная) система, а с другой – многочисленные попытки осуществления образовательных реформ

Принцип наблюдаемости означает ограниченность и относительность наших представлений о системе в конечном эксперименте. Результаты изучения педаго-гического процесса получаются в усредненной форме. Выводы, сформулирован-ные на основе средних результатов, всегда имеют обобщенный характер. При ана-лизе этих выводов выясняются порядок, регулярность интересующего педагогиче-ского фактора в исследуемом процессе, то есть устанавливаются закономерности, которые имеют вероятностный характер. Случайно выбранный исследуемый фак-тор отдельного индивидуума может не согласоваться с общепринятой установлен-ной закономерностью. Таким образом, педагогические закономерности, описы-вающие поведение большого количества людей, имеют статистический характер.


261

Педагогические процессы характеризуются своей неповторимостью. При изучении природных явлений (физика или химия) исследователь может много-кратно повторять эксперимент, используя одни те же материалы, при этом, не огра-ничиваясь во времени. В педагогике такой подход невозможен. При повторном ис-следовании он уже имеет дело с другими «материалами», истечением времени прежние условия никогда не повторяются. Все эти факты являются доказательством того, что педагогические процессы имеют свойства неравновесности (зависимость характеристики процесса от времени и пространства), нелинейности (неоднозначная зависимость педагогических характеристик от других факторов) и открытости (обмен информацией между подсистемами и окружающей средой) [2–4].

Прежде предметом научного анализа процессов в педагогической системе вы-ступали в основном устойчивые, повторяющиеся педагогические факторы. Теперь педагогическая наука стала включить в сферу своего внимания факторы случайности и непредсказуемости, что дало возможность развития прогностической ее составляю-щей. С опорой на эти свойства образовательного процесса в педагогике стали разви-ваться прогностика целей и содержания образования и диагностика его результатов. Налицо все признаки свершившегося мировоззренческого сдвига, который основан на понимании развития общества и образования как сложного процесса, в котором со-держится значительный вероятностный элемент. Очевидным становится системообра-зующий характер идей теории самоорганизации: образование предстает органической частью общества, т.е. мира, развивающегося по единому сценарию.

Перечисленные принципы характеризуют фазу трансформации, обновления системы, прохождение ею последовательно всех стадий путем гибели старого по-рядка, хаоса испытаний альтернатив и рождения нового порядка.

Приведем доказательство адекватности сущностей закономерностей синерге-тики и педагогического процесса.

Нелинейность системы предполагает наличие взаимодействия между ее час-тями, зависимость ее свойств от характера процессов, происходящих в ней. Нелиней-ная динамическая (первоначально детерминированная) система при росте управляю-щего параметра (некоторого основного фактора) становится хаотической из-за неод-нозначности реализации ее состояния, происходит стохастизация процесса. Но дина-мический хаос имеет структуру в виде самоорганизации материи, т.е. хаос содержит в себе порядок. Напомним, что самоорганизация возможна при наличии трех основных условий: нелинейность, неравновесность (зависимость характеристики процесса от времени и пространства), открытость системы. Возникшие структуры не являются статическими, они всегда в движении, взаимодействуют коллективным образом. Структуры объединяются, распадаются на части. При этом наблюдается самоподобие: при подборе соответствующих пространственно-временных масштабов поведение целого описывается поведением его части, имеет место толерантность подсистем. Этапы самоподобного процесса связаны между собой вероятностным образом, проис-ходит передача информации по иерархии. Самоорганизующаяся система в целом ква-зистационарна (виртуальна): рождения и уничтожения структур сбалансированы, в любой момент времени возможен спонтанный всплеск, но его величина и характер взаимосвязаны с основным состоянием, так как система самосогласована. Многочис-ленные теоретические и экспериментальные исследования показали возможность процесса самоорганизации только при совместном выполнении трех условий – нели-нейности, неравновесности, незамкнутости. Относительно педагогической системы эти условия предполагают, соответственно, наличие взаимодействия ее компонентов, их индивидуальных особенностей и обмена информацией между ними. Само утвер-ждение о необходимости совместного рассмотрения указанных условий и их деталь-ное осмысление дают новые результаты в педагогическом анализе.

Таким образом, синергетический подход к управлению и анализу педагоги-ческих процессов продиктован вызовом будущего состояния общества и образо-вания, ибо благополучие страны и нации будут зависеть во многом от действен-


262

ности педагогических усилий, предпринимаемых именно сегодня. Осознание того факта, что целостная педагогическая система может эволюционировать в силу общих законов самоорганизации, дает надежду и уверенность в том, что при согласованном действии компонентов образовательной структуры можно достигнуть устойчивого развития в сфере образования страны.

Итак, учебно-воспитательный процесс в целом следует рассматривать, как самоорганизующуюся систему, что позволяет глубже раскрыть внутренние зако-номерности и механизмы обучения. Это требует, в свою очередь, от педагога вы-сокого профессионализма, овладения гибкими способами управления и научной организацией учебного процесса, и также вероятностно-прогностического подхода к педагогическим результатам обучения. Неоднозначные и динамичные процессы, происходящие в педагогической системе, а также невообразимо сложное перепле-тение всевозможных влияний, отношений и связей его компонентов в итоге вы-ступают источником управления и организации учебно-воспитательного процесса.

В заключение отметим, что синергетика, ставшаяся триумфом человеческой мысли ХХ века, должна найти достойное место в современном образовании. Вопло-щение идей синергетики в учебно-воспитательном процессе не очередной «модный» подход в образовании, а важное условие обновления содержания современного обра-зования с учетом реалий сегодняшнего, непредсказуемо стремительно развивающего-ся мира. В настоящее время происходит становление новой, адекватно отражающей в учебном познании весь спектр состояния окружающей нас действительности модели образования, методологической основой которой служит теория самоорганизации.


1. Буданов В. Г. Трансдисциплинарное образование, технологии и принципы синергетики // Синергетическая парадигма: многообразие поисков и подходов / Под ред. В.С. Степи-на, С.П. Курдюмова. – М. 2000.

2. Ворожбитова А.А. Синергетический аспект вузовского образования в свете лингвори-торического подхода // Вестн. высш. школы. – 1999. – 2.

3. Игнатова В.А. Педагогические аспекты синергетики // Педагогика. – 2001. – 8. 4. Князева Е.Н., Курдюмов С.П. Трансдисциплинарность синергетики: следствия для обра-

зования // Синергетическая парадигма: Человек и общество в условиях нестабильности. – М., 2003.

5. Кривых С.В. Развивающее и развивающееся образование: синергетические аспекты об-разования. – Новокузнецк, 2000.

6. Макаренко А.С. Педагогическая поэма. – М., 1987. 7. Курейчик В.М., Писаренко В.И. Синергетика в образовании // Открытое образование.

– 2010. – 4. – С. 33-44. 8. Курейчик В.М., Писаренко В.И. Синергетический подход в инновационном образовании

// Открытое образование. – 2007. – 3. – С. 20-29. 9. Писаренко В.И. Методология инновационного образования в контексте динамики общена-

учной картины мира // Известия ЮФУ. Педагогические науки. – 2008. – 5. – C. 13-21. 10. Кравченко Ю.А., Курейчик В.М., Писаренко В.И. Инновационные образовательные тех-

нологии в построении систем поддержки принятия групповых решений // Известия ЮФУ. Технические науки. – 2008. – 4 (81). – С. 216-221.

Статью рекомендовала к опубликованию д.псих.н., профессор Е.А. Макарова.

Писаренко Вероника Игоревна – Федеральное государственное автономное образова-тельное учреждение высшего профессионального образования «Южный федеральный уни-верситет»; e-mail: [email protected]; 347928, г. Таганрог, пер. Некрасовский, 44, ГСП 17А; тел.: 88634371496; кафедра иностранных языков; профессор.

Pisarenko Veronika Igorevna – Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”; e-mail: [email protected]; GSP 17A, 44, Nekrasovskiy, Taganrog, 347928, Russia; phone: +78634371496; the foreign lan-guages department; professor.

гомзанЙд

щен

УрпрАнлввыго«н

вачн

11 июля 20огической и матизации проаслуженного нальной безоЙоркской академии естествЧернышев В 1959 год

щитил кандидн звания профЗанимал до

УССР, старшио-Кавказскогпроектно-технабот ЦСУ ССАгентства авиной организацог». С 1983 одственных пычислительно по 2010 г. Новые технонимательство

Чернышев ания различныеского созданных систем тех

Черны012 г. исполннаучно-органоизводственн деятеля науопасности, демии наук Сознания Черн Ю.О. родилсду окончил Тдатскую, и в 1фессор. олжности стаий преподаватго филиала РнологическогоССР, с 1991 пиакосмическиции «Форум уг. заведующипроцессов». Вая техника» Р С 1995 по 2ологии, управ и междунаро Ю.О. являетсых производсния систем ахнологически

7ышеву Юнилось 75 лет низационной ых процессовуки РФ, акадеМеждународСША, Академнышева Юрися 11 июля 193Таганрогский

984 г. – докто

аршего инжентель, доцент РРоссийского оо института по 1995 гг. – их систем в рученых и спеий кафедрой В 1988 г. оснРГАСХМ на к2000 гг. – ревление и междные связи». ся ведущим уственных процавтоматизирових процессов и

75 лет Юрию со дня рожддеятельностив», доктора темика Академдной академмии проблем ия Олегович37 г. в г. Сочи радиотехничорскую диссе

нера, аспиранРИСХМ. С 19отделения Вспо механизацхозрасчетнограмках непраециалистов за «Электротехновал кафедркоторой проректор НОУ нждународное с

ученым в облцессов и вычиванного проеи автоматизир

Олеговения и 53 годи профессоратехнических нмии изучениямии информкачества РФ,ча. и, Россия. ческий инститертации. С 19

нт института 980 по 1983 гсесоюзного Гции учета и го отделения авительственна советско-амхника и автомру «Прикладнработал в качеегосударственсотрудничест

асти оптималислительных ектирования, рованных сист

вичу

да научной, па кафедры «Анаук, професся проблем наматизации, Н, Российской

тут. В 1967 г985 года – удо

кибернетикигг. директор СГосударствен вычислительМеждународной Междунамериканский матизация прная математиестве заведуюнных инститтво» и «Пред

льного проектструктур, праавтоматизиротем контроля.

263

педа-Авто-сора, ацио-Нью- ака-

г. за-осто-

и АН Севе-ного ьных ного арод-диа-роиз-ика и юще-тутов дпри-

тиро-акти-ован-.

264

Чернышев Ю.О. внес большой вклад в подготовку научных и педагогических кадров высшей квалификации. Он обогатил науку крупными научными трудами и разработками в области вычислительной техники, теоретической и технической кибернетики в народном хозяйстве и оборонной промышленности. Под его руко-водством и при непосредственном участии выполнено порядка 70 фундаменталь-ных госбюджетных и хозрасчетных НИОКР государственного значения, с значи-тельным экономическим эффектом, подтвержденным соответствующими актами о внедрении.

Под его руководством сформировалась и успешно функционирует научная школа в области нетрадиционных моделей и методов решения оптимизационных задач проектирования, в рамках которой им подготовлено 7 докторов и 32 канди-дата наук.

Плодотворная научная деятельность представлена 340 научными работами, в том числе, 12 монографиями, 20 изобретениями и патентами.

Чернышев Ю.О. получил признание отечественной и зарубежной научной обще-ственности. С 1976 года он является членом диссертационных советов по защите докторских диссертаций при Технологическом институте в г. Таганроге Южного Федерального университета, с 1995 г. при ДГТУ и с 2012 г. при ФВАС (г. Красно-дар), рецензентом международного журнала «Математическое обозрение» (США, Мичиганский университет), членом американского математического общества, ака-демиком Нью-Йоркской академии наук, Соросовским профессором по математике 1999, 2000 гг., с 1995 г. – академиком проблем качества РФ, с 1997 г. – академиком изучения проблем национальной безопасности, с 1998 г. – академиком Междуна-родной академии информатизации, с 2007 г. – академиком Российской академии естествознания, с 1997 г. – экспертом экспертно-консультативного Совета по про-блемам национальной безопасности Государственной Думы Российской Федерации.

За большой вклад в развитие системы естественно-научного образования Рос-товской области Чернышеву Ю.О. в 2000 г. выдан Сертификат лауреата гранта «Губернатора Ростовской области и Джорджа Сороса», а в 2001 г. Благодарность главы администрации (Губернатора) Ростовской области «За большой личный вклад в развитие Донской науки и профессионального образования». С 2004 г. Чернышев Ю.О. является председателем Государственной аттестационной комис-сии Технологического института г. Таганрога Южного Федерального университе-та по выпуску специалистов кафедры «Систем автоматизированного проектирова-ния» по специальности 230104.

В 1996 г. указом Президента РФ Чернышеву Ю.О. присвоено почетное звание «Заслуженный деятель науки РФ», в 2003 г. он награжден орденом «Дружбы». В 2007 г. награжден орденом «Рыцаря прогресса», а в 2008 г. – золотой медалью им. В.И. Вернадского.

За достигнутые успехи в деле развития науки имя Чернышева Ю.О. включено в «Международные справочники выдающихся лидеров» Американского и Британ-ского библиографических институтов, в энциклопедию Таганрогского радиотех-нического университета и «Знаменитые люди Дона» 2004 года, а в 2009 г. в энцик-лопедию «Who is Who в России» международного Швейцарского издательства «Who is Who». Решением Ученого совета ДГТУ от 26.06.2011 г. Чернышев Ю.О. присвоено почетное звание «Почетный профессор ДГТУ».

Правила оформления рукописей

265

ПРАВИЛА ОФОРМЛЕНИЯ РУКОПИСЕЙ

1. Объем статьи должен быть не менее 10 и не более 18 страниц. Текст наби-рается в соответствии с правилами компьютерного набора с одной стороны белого листа бумаги стандартного формата (А 4). На странице должно быть не более 28 строк, 60 знаков в каждой строке, отпечатанных через 1,5 интервала (это отно-сится к таблицам и примечаниям). Авторы представляют в редакцию 1 экз. статьи и идентичный электронный вариант. Редактор Word 7 for Windows, шрифт Times New Roman, размер 14. Поля: правое – 1 см, левое – 3 см, верхнее и нижнее – 2 см.

2. Названию статьи предшествует индекс УДК, соответствующий заявленной теме.

3. Текст статьи начинается с названия статьи и фамилии, имени и отчества ав-тора (полностью) и снабжается аннотацией на русском и английском языках объё-мом не менее 600 знаков. В тексте аннотации указывается цель, задачи исследования и краткие выводы. После названия статьи приводятся ключевые слова (словосочета-ния), несущие в тексте основную смысловую нагрузку (на русском и английском языках).

4. В тексте статьи следует использовать минимальное количество таблиц и иллюстраций. Рисунок должен иметь объяснения значений всех компонентов, по-рядковый номер, название, расположенное под рисунком. В тексте на рисунок да-ется ссылка. Таблица должна иметь порядковый номер, заголовок, расположенный над ней. Данные таблиц и рисунков не должны дублировать текст.

5. Цитаты тщательно сверяются с первоисточником и визируются автором на обратной стороне последней страницы: "Цитаты и фактический материал свере-ны". Подпись, дата.

6. Наличие пристатейного библиографического списка обязательно. В тексте должны быть ссылки в квадратных скобках.

Примеры оформления литературы: а) для книг: фамилия, инициалы авто-ра(ов), полное название книги, место, год издания, страницы; б) для статей: фами-лия и инициалы автора(ов), полное название сборника, книги, газеты, журнала, где опубликована статья, место и год издания (сборника, книги), номер (для журнала), год и дата (для газеты), выпуск, часть (для сборника), страницы, на которых опуб-ликована статья. Иностранная литература оформляется по тем же правилам.

Ссылки на неопубликованные работы не допускаются. 7. Рукопись должна быть тщательно вычитана. Редакционная коллегия остав-

ляет за собой право при необходимости сокращать статьи, редактировать и отсы-лать авторам на доработку.

8. Статьи сопровождаются сведениями об авторе(ах) (фамилия, имя, отчест-во, ученое звание, должность, место работы, адрес, электронный адрес и номер телефона) на русском и английском языках.

9. Плата c аспирантов за публикацию рукописей не взымается. Адрес журнала в Интернете: http://www.nich.tsure.ru/onti/izv.htm

Documents

¹11, íîÿáðü 2012 ISSN 1999-9429izv-tn.tti.sfedu.ru/wp-content/uploads/PDF/2012_11(136).pdf¹11, íîÿáðü 2012 ISSN1999-9429 ÷åëîâåêà Èíôîðìàöèîííî-ïñèõîëîãè÷åñêàÿ