387

Вейвлеты характеризуются своим временным и частотным образами. Временной образ определяется некоторой psi-функцией времени, а частотный образ задается ее Фурье-образом ψˆ (ω) , который задает огибающую спектра вейвлета.

Как известно из теории, вейвлет-представление сигналов заключается в разбивке приближения к сигналу на две составляющие – грубую (аппроксимирующую) и утонченную (детализирующую) – с последующим их дроблением с целью изменения уровня декомпозиции сигнала. В основе лежит использование двух непрерывных и интегрируемых по всей оси t функций:

− вейвлет-функция psi ψ(t) с нулевым значением интеграла

ближение (аппроксимацию) сигнала и порождающая коэффициенты аппроксимации.

В основе применения вейвлетов в технике обработки сигналов лежит прямое непрерывное вейвлет-преобразование. Оно используется для анализа сигналов и выявления их локальных особенностей. Задается преобразование для сигнала s(t) по аналогии с преобразованием Фурье путем вычисления вейвлет-коэффициентов по формуле

Таким образом, вейвлет-коэффициенты определяются интегральным значением скалярного произведения сигнала на вейвлетфункцию заданного вида.

Инструментальная техника вейвлет-преобразований представлена в пакете расширения системы MATLAB 7.0 Wavelet Toolbox [2].

В пакете Wavelet Toolbox преобразование (3) реализуется функцией cwt, которая используется в нескольких формах. В качестве примера применим ее для построения вейвлет-спектрограммы реального звукового сигнала в форме, которая возвращает вейвлет-коэффициенты и создает график вейвлет-коэффициентов – COEFS = cwt(S, SCALES,

251

«wname», «plot»). Строка «wname» задает имя вейвлета. Воспользуемся вейвлетом Симлета sym4.

Вейвлет-спектрограммы наиболее пригодны для анализа тонкой структуры сигналов, содержащих резкие скачки, переходы производных через нуль и т. д. К таким сигналам сейчас относятся звуковые сигналы речи и музыки и сигналы изображений. Реальный звуковой сигнал загружаем изфайла mtlb свыборкойв500 отсчетов (рисунок).

Sound signal.

Continuous Transform, absolute coefficients.

15

8

1

Рис. График звукового сигнала и его вейвлет-спектрограмма при 500 выборках

Вейвлет-спектрограмма при такой выборке дает образ сигнала с мельчайшими его деталями. Хорошо выделяются частотные компоненты звукового сигнала, имеющие разные частоты. Так, в нижней части отчетливо видны частые изменения яркости спектрограммы, указывающие на наличие периодических высокочастотных компонентов, тогда как в верхней части заметны менее частые изменения яркости, соответствующие низкочастотным компонентам.

Как видим, спектрограмма представляет значения коэффициентов вейвлетов в плоскости масштаб (номера коэффициентов) – время. Внизу вейвлет-спектрограммы расположены коэффициенты с малыми номерами, дающие детальную картину сигнала, а сверху – с большими номерами, дающие огрубленнуюкартину сигнала.

252

Вейвлет-спектрограммы являются прекрасным дополнением к обычным спектрограммам на основе оконного преобразования Фурье. В ряде случаев они выделяют такие особенности сигналов, которые просто незаметны на графиках сигналов и на Фурье-спектрограммах.

Гармоническим сигналам соответствуют яркие горизонтальные полосы, где модуль некоторого коэффициента вейвлета велик. Локальным особенностям отвечают вертикальные полосы, выходящие из точки, где находится особенность. Пикам сигналов соответствует сгущение светлых областей вейвлет-спектрограмм, а впадинам – сгущение темных областей. Чем резче выражена особенность сигнала, тем сильнее она выделяется на спектрограмме. Вейвлет-спектрог- раммы отчетливо выделяют такие особенности сигнала, как небольшие разрывы, изменение знаков первой и второй производных и т.д., то есть именно те особенности сигнала, которые плохо выделяются на спектре Фурье-сигнала.

Библиографический список

1.Малла С. Вэйвлеты в обработке сигналов / С. Малла / пер.

сангл. – М.: Мир, 2005.

2.Дьяконов В.П. MATLAB. Обработка сигналов и изображений. Специальный справочник / В.П. Дьяконов, И.В. Абраменкова. – СПб.:

Питер, 2002.

Получено 29.01.2007

253

УДК 681.518

К.А. Селезнев, Р.А Файзрахманов

Пермский государственный технический университет

НЕОБХОДИМОСТЬ СОЗДАНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ЭФФЕКТИВНОГО ПРОЕКТИРОВАНИЯ АСУ ЗДАНИЙ

В статье аргументирована необходимость использования современных систем анализа и принятия решений для разработки эффективных систем автоматизации зданий. Проведен анализ существующих систем автоматизированного проектирования и возможностиихприменениявобластиинтеллектуальныхзданий.

Первым шагом на пути внедрения распределенной системы управления зданием является проектирование будущей системы автоматизации. Иногда в этом вопросе важную роль играет опыт предыдущих проектов, конкретные желания заказчика, рекомендации фир- мы-производителя оборудования. Иногда проект является результатом эмоционально-интуитивного подхода, являющегося в большинстве случаев приоритетным при составлении проекта.

Однако лучше всего применять сбалансированный подход, основанный на формальных методах решения задачи выбора, реализованных в системах поддержки принятия решений (СППР).

Обоснованность и профессиональный уровень принимаемых решений во многом определяет эффективность работы будущей системы. Вместе с тем необходимость учитывать при принятии решений большое количество различных факторов значительно усложняет задачу выбора. В первую очередь это связано со сбором нужной для принятия решения информации. В этом отношении существенную помощь проектировщику оказывают современные информационные системы. Однако обладание нужной информацией – это необходимое, но далеко не достаточное условиедля принятия правильногорешения.

При принятии действительно сложных решений есть смысл использовать экспертную оценку. Однако чтобы эффективно использовать оценки, нужно, во-первых, знать, какие факторы являются значимыми,

254

во-вторых, как влияет на конечную систему совокупность взаимосвязанных факторов и, наконец, как выработать решение на основе полученной экспертизы. При этом решение в конечном счете все равно принимает проектировщик.

Для принятия решения зачастую нужно учесть взаимосвязь всех факторов, влияющих на работу и эффективность системы управления. Таких связей могут быть десятки, а для сложных систем (например, автоматизация гостиницы или торгового центра) и более того. В то же время инженер, принимающий решение, как и любой человек, может оперировать одновременно не более чем 7–9 объектами. Как же найти пути разрешения имеющегося противоречия? Один из вариантов – применение математических методов, воплощенных в современных информационных системах поддержки принятия решений (СППР) [1].

Системы поддержки принятия решений существуют очень давно: это военные советы, коллегии министерств, всевозможные совещания, аналитические центры, советы главных конструкторов и т.д. Хотя они никогда не назывались системами поддержки принятия решения, но выполняли именно их задачи. До последнего времени они, естественно, не использовали вычислительные машины и правила их функционирования, хотя регламентировались, но были формализованы далеко не так, как это требуется в человеко-машинных процедурах.

Увеличение объема информации, поступающей конструкторам, усложнение решаемых задач, необходимость учета большого числа взаимосвязанных факторов и быстро меняющихся требований к проектируемому объекту настоятельно требуют использовать вычислительную технику в процессе принятия решений. В связи с этим появился новый класс вычислительных систем – системы поддержки принятия решений (СППР) [2].

Термин «система поддержки принятия решений» появился в начале семидесятых годов. Система поддержки принятия решений – это диалоговая автоматизированная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.

Человеко-машинная процедура принятия решений при проектировании автоматизированной системы управления с помощью СППР представляет собой итеративный процесс взаимодействия конструктора и компьютера.

255

Возможности системы поддержки принятия решений при проектировании систем автоматизации здания:

1.Генерация возможных вариантов решений.

2.Оценка этих вариантов и выбор наилучшего варианта.

3.Организация постоянного обмена информацией между конструктором и заказчиком о принимаемых ими решениях и согласование групповых решений.

4.Моделирование принимаемых решений

5.Оценка соответствия выполнения принятых решений намеченным целям.

Существующие подходы к решению проблем автоматизированного проектирования базируются на предположении, что чем быстрей

ибольше будет просмотрено вариантов в процессе проектирования, тем выше качество проектирования и меньше сроки разработки. Поэтому главное внимание уделяется автоматизации проектных работ с применением компьютерной техники, что действительно в значительной степени ускоряет процесс проектирования и позволяет рассматривать гораздо большее число вариантов проекта.

Но следует сказать, что до сих пор автоматизированное проектирование достигло наибольших успехов в основном в рутинных задачах разработки чертежной документации и в так называемых инженерных расчетах, где требуется высокая производительность стандартных вычислений. Значительно слабее достижения там, где проектная информация должна получаться путем моделирования конечной системы

ианализа взаимодействия стандартных элементов в комплексе. Именно для последних процессов характерны высокая степень ответственности при выборе и сравнительно низкий уровень автоматизации работ. Вполне объяснимо, что такая неравномерность автоматизации связана с постепенным и трудоемким накоплением как рутинных, так

иболее сложных форм инженерного опыта и знаний в компьютерных системах проектирования. При этом обширность и разнообразие экспериментальных знаний не позволяет накапливать их в компьютерных базах столь же быстро, как в случае теоретических знаний.

Таким образом, современное компьютерное автоматизированное проектирование идет по пути быстрого расширения исследуемого поля вариантов проектных решений и одновременно выдвигает более жесткие требования к снижению затрат на проработку каждого варианта. При этом уже достигнут определенный рубеж, когда автоматизация

256

существенно ускорила разработку проектной документации, но практически не затронула большие разделы проектных работ, требующие значительных затрат на моделирование.

Поэтому дальнейшая автоматизация должна быть нацелена на усиление внимания к созданию компьютерных аналогов таких процессов, как моделирование системы управления, оптимальный подбор элементной базы, предварительные расчет технико-экономических показателей будущей системы. В результате углубленного освоения подобных сложных задач открываются возможности для построения полномасштабных компьютерных моделей всего процесса проектной разработки. Это, в свою очередь, повлияет и на существующее проектирование, способствуя переходу его на качественно новый концептуальный уровень, который можно назвать «виртуальным проектированием» или полностью электронной формой создания проекта системы в условиях модельнойреальности.

Многие компоненты и этапы проектирования будут совершенствоваться по мере развития виртуальных форм проектирования. Это особенно коснется процессов принятия проектных решений и анализа возрастающих потоков альтернативных вариантов проектов в условиях компьютерного моделирования[3].

Если рассмотреть существующие системы автоматизированного проектирования, то можно выделить общеизвестные системы архитек- турно-строительного проектирования, так называемые CAD (ComputerAided Design)-системы и в последнее время развивающиеся системы инженерного обеспечения зданий. На сегодняшний день не существует приложений для проектирования систем автоматизации зданий, интеллектуальных систем управления зданием.

Актуальность перехода к автоматизированным системам построения распределенных систем управления обуславливает высокую цену ошибки и в тоже время огромную эффективность оптимального решения на этапе внедрения и эксплуатации системы.

По оценкам экспертов, за разработку концепции и рабочего проекта здания силами иностранной архитектурной компании российские фирмы платят в среднем от 40 до 100 долларов за квадратный метр площади здания. При этом цена очень сильно зависит от масштаба проекта.

Что касается стоимости услуг международных инженерных компаний, то, по данным инженера по системам автоматизации зданий

257

компании M+W Zander Facility Management CIS GmbH, только стои-

мость услуг по проектированию распределенной системы управления здания (без учета проектирования систем отопления, вентиляции, электроснабжения) составляет 100–300 долларов за квадратный метр [4].

Затраты на проектирование и строительство «интеллектуального здания», конечно, выше, чем на строительство зданий с традиционным составом инженерного оборудования. Однако не следует забывать, что совокупная стоимость здания представляет собой сумму затрат на строительство и эксплуатационных затрат в течение всей «жизни» здания. По некоторым оценкам, стоимость эксплуатации «усредненного» здания в России превышает стоимость строительства в десятки раз! Все деньги мы тратим на эксплуатацию. В Европе все наоборот: больше «вкладывают» в строительство, чтобы существенно экономить в период эксплуатации здания [5].

Библиографический список

1.Александров А. Системы поддержки принятия решений – современный инструмент для правильного выбора / А. Александров // CIO. – 2002. – № 1.

2.Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР / Э.А. Трахтенгерц // Автоматизация проектирования. – 1997. – № 5.

3.А. А. Ахрем. Виртуальное проектирование и принятие решений / А. А. Ахрем, В. З. Рахманкулов // Автоматизация проектирова-

ния. – 1997. – № 4.

4.По материалам аналитиков журнала ProtoArt. Режим доступа: http://www.protoart.ru/ru/main/news/archtendens.

5.Репин В.И. Интеллектуальное здание. Концепция крупным планом / В.И. Репин // Стройпрофиль. – 2001. – № 8.

Получено 29.01.2007

258

УДК 004.415.2

Р.А. Файзрахманов, А.С. Бормалев

Пермский государственный технический университет

ЯЗЫК ВЫСОКОГО УРОВНЯ ДЛЯ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ

Даётся описание основных концептуальных особенностей и механизмов, новой модели проектирования, формулируются семантические правила предлагаемого языка моделирования систем.

С расширением областей применения моделей программного обеспечения появилась насущная потребность в управлении сложной эволюцией изменений внутри представления моделей. Разработчикам нужна возможность быстрой и простой проверки различных проектных альтернатив среди бесчисленных и разнотипных конфигурационных возможностей. В идеале инструмент должен был бы производить имитационное моделирование каждой новой проектной конфигурации для определения того, каким образом некоторый аспект конфигурации (например, коммуникационный протокол) влияет на наблюдаемое свойство (например, на пропускную способность).

Многообещающим подходом, направленным на решение этих проблем, является инженерия, управляемая моделями (Model-Driven Engineering, MDE). При использовании MDE разработка ведется на предметно-ориентированных языках моделирования DSML (Domain- Specific Modeling Language), в системах типов которых формализуется структура, поведение и требования приложения внутри соответствующей предметной области. В используемых метамоделях определяются связи между понятиями предметной области, точно специфицируется основная семантика и ограничения, ассоциируемые с этими понятиями. Разработчики применяют DSML для построения приложений, используя элементы системы типов, зафиксированной в метамодели, и выражают проектный замысел в декларативном, а не императивном стиле.

Достижения в областях языков описания архитектур и сред метамоделирования позволяют скрыть сложности деталей низкоуровневой

259

реализации путем определения структурных абстракций компонентов, интерфейсов, соединителей и компоновки системы, которые могут визуализироваться ианализироваться.

В предлагаемой модели разработки решение конструируется из метаописаний, строящихся на совокупности прикладных объектов, выбираемых из строго определенного набора прототипов (классов). Основная идея метаописаний состоит в выделении функционала промежуточного уровня (ФПР), представляющего собой последовательность действий над совокупностью прикладных объектов и моделирующего интересующие поведенческие характеристики предметной области.

Семантические правила предлагаемого языка моделиро-

вания. Семантикой называется интерпретация, т.е. смысловое значение абстрактного синтаксиса (множества допустимых конструкций языка), выраженное в терминах той или иной математически строгой модели.

Основные подходы к семантике:

−ориентированные на компиляцию (семантика – множество преобразований над синтаксической;

−ориентированные на интерпретацию (семантика – множество описанных на метаязыке преобразований синтаксически правильных языковых конструкций).

В целом для построения теории вычислений необходимо, вопервых, перечислить так называемые стандартные, или, точнее, наиболее часто используемые в рамках данной формализации домены. После перечисления стандартных доменов необходимо определить так называемые конечные домены, или, точнее, домены, элементы которых возможно перечислить явным образом. После перечисления доменов перейдем к определению конструкторов доменов, под которыми понимаются операции построения новых доменов на основе имеющихся, или, иначе, определим способы комбинирования доменов.

На простых примерах текстуального и диаграммного арифметических языков в литературе показывается, что для определения семантики языка необходимо, во-первых, выбрать требуемый семантический домен и, во-вторых, построить отображение синтаксиса в этот семантический домен. Для этого нужен специальный язык, который может основываться и на математической нотации, и на преобразованиях графов. Что же касается строгого определения семантики полно-

260