Помощь в учёбе, очень быстро...
Работаем вместе до победы

Разработка модели и программного комплекса автовалидации потоков нечетких данных

Диссертация: Разработка модели и программного комплекса автовалидации потоков нечетких данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертационной работе поставлена и решена задача разработки методов и средств контроля достоверности данных в распределенных системах сбора и обработки информации. Разработаны концептуальная, математическая и программная модели потоковых вычислений с автовалидацией, ориентированные на использование новой информационной единицы — токена. Разработана арифметика токенов, исследованы ее основные… Читать ещё >

Содержание

  • 1. АНАЛИЗ СПЕЦИФИКИ РССОИ И МЕТОДОВ ОРГАНИЗАЦИИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ В УСЛОВИЯХ ОГРАНИЧЕННОЙ ТОЧНОСТИ И ДОСТОВЕРНОСТИ ДАННЫХ
    • 1. 1. Функциональное описание и характерные особенности распределенных систем мониторинга и управления сложными объектами
      • 1. 1. 1. Обобщенная структура, принципы организации и отличительные особенности РССОИ
      • 1. 1. 2. Влияние погрешностей, ограниченного быстродействия и распределенного характера системы на функционирование РССОИ
    • 1. 2. Организация распределенных вычислений в РССОИ
      • 1. 2. 1. Потоковые вычисления
      • 1. 2. 2. Синхронизация компонентов распределенных систем
    • 1. 3. Методы оценки характеристик измерительной информации и мягкие вычисления
      • 1. 3. 1. Анализ погрешностей
        • 1. 3. 1. 1. Аналитический подход
        • 1. 3. 1. 2. Методы моделирования
      • 1. 3. 2. Вероятностные методы анализа точности данных6о
        • 1. 3. 2. 1. Неточные вероятности
        • 1. 3. 2. 2. Арифметика Монте-Карло
  • 1. 3−3″ Управление точностью и различные способы представления вещественных чисел в вычислительных системах
    • 1. 3. 3. 1. Вычисления с управляемой точностью
      • 1. 3. 3. 2. Ленивая вещественная арифметикаб i-З-З-З- Уровне-индексная арифметика
  • 1−3-3−4- Логарифмическая арифметика
    • 1. 3. 4. Н-модели для обработки недоопределенных данных
  • 1. 3−5- Аппроксиметика
    • 1. 3. 6. Методы нечеткой логики
    • 1. 3. 7. Экспертные системы и системы поддержки принятия решений
    • 1. 3. 8. Вычисления с автовалидацией8о
      • 1. 3. 8. 1. Диапазонные модели
      • 1. 3. 8. 2. Модели на основе доверительных интервалов
      • 1. 3. 8. 3. Усовершенствованные интервальные модели
      • 1. 3. 8. 4. Вероятностно-интервальные модели
      • 1. 3. 9. Датчики с автовалидацией
      • 1. 3. 10. Семантический контроль данных
  • Выводы
    • 2. МОДЕЛЬ ПОТОКОВЫХ ВЫЧИСЛЕНИЙ с АВТОВАЛИДАЦИЕЙ В РССОИ
  • 2. 1. Концептуальная модель вычислений в РССОИ
    • 2. 1. 1. Токен
    • 2. 1. 2. Актор
    • 2. 1. 3. Валидатор
    • 2. 1. 4. Генератор
    • 2. 1. 5. Терминатор
    • 2. 1. 6. Канал
    • 2. 1. 7. Методика составления СВПЭ для существующих РССОИ
  • 2. 2. Математическая модель вычислений в РССОИ
    • 2. 2. 1. Правила сравнения и выполнения арифметических операций для компонентов токена
    • 2. 2. 2. Бинарные арифметические и логические операции над токенами с идентичными метками времени
    • 2. 2. 3. Приведение токенов к общей временной метке
    • 2. 2. 4. Отношения порядка, предшествования и равенства для токенов
    • 2. 2. 5. Теоретико-множественные операции над токенами
    • 2. 2. 6. Алгебраические операции над токенами
    • 2. 2. 7. Вычисление и преобразования выражений, содержащих токены
  • Выводы
  • 3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МПВА -ДИАГНОСТИЧЕСКАЯ СИСТЕМА DATAFLOW SVC SIMULATOR
    • 3. 1. Общее описание диагностической системы
    • 3. 2. Обоснование выбора программно-аппаратной платформы
    • 3. 3. Архитектура ДС и принципы реализации элементов МПВА
    • 3. 4. Основные элементы ДС DF SVC
      • 3. 4. 1. Порт ввода
      • 3. 4. 2. Порт вывода
      • 3. 4. 3. Реализация актора
      • 3. 4. 4. Реализация валидатора
      • 3. 4. 5. Реализация генератора
      • 3. 4. 6. Реализация терминатора
      • 3. 4. 7. Реализация информационных каналов
    • 3. 5. Сравнительная оценка ДС DF SVC
      • 3. 5. 1. Основные достоинства и недостатки ДС DF SVC
      • 3. 5. 2. Сравнение модели с существующими аналогами
      • 3. 5. 3. Аспекты практического использования ДС
        • 3. 5. 3. 1. Ограничения применимости системы
        • 3. 5. 3. 2. Перспективы развития диагностической системы
  • Выводы
  • 4. АНАЛИЗ РЕЗУЛЬТАТОВ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ ДС DF SVC
    • 4. 1. Демонстрация работы ДС на некоторых тестовых примерах
    • 4. 2. Применение МПВА при контроле перепадов давления и расхода в модели системы телеметрии линейного трубопровода
      • 4. 2. 1. Индикация кратковременных перепадов давления
  • 4−3- Анализ точности результатов расчета расхода теплоносителя в тепловых сетях (на примере АСУ ТП
  • Самарских тепловых сетей)
    • 4. 4. Применение МПВА при расчете оперативных технико-экономических параметров ТЭЦ (на примере первого котлоагрегата Тольяттинской ТЭЦ)
      • 4. 4. 1. Принципы функционирования подсистемы расчета оперативных ТЭП первого котлоагрегата ТоТЭЦ
      • 4. 4. 2. Поиск оптимального значения периода усреднения текущих значений
      • 4. 4. 3. Оценка влияния погрешности аппроксимации при нахождении значения энтальпии
      • 4. 4. 4. Контроль результатов расчета ТЭП при использовании ручного ввода
  • Выводы

    • Разработка модели и программного комплекса автовалидации потоков нечетких данных (реферат, курсовая, диплом, контрольная)

    Актуальность темы

    диссертационной работы.

    Современный уровень развития вычислительной техники сформировал предпосылки для все более широкого внедрения автоматизированных систем сбора и обработки данных в различные сферы человеческой деятельности [3, 9, 31, 250]. К числу основных областей применения систем сбора и обработки данных относятся автоматизированные системы управления технологическим процессом (АСУ ТП), автоматизированные системы научных исследований (АСНИ), автоматизированные системы технологической подготовки производства (АСТПП), автоматизированные системы контроля и испытаний (АСК) образцов новой техники. Активное внедрение систем сбора и обработки информации (ССОИ) продиктовано необходимостью повышения безопасности эксплуатации технических объектов, надежности работы информационно-измерительного оборудования и объекта в целом, экономичности и эффективности управления, сокращения обслуживающего персонала [104,108].

    Множество важных объектов автоматизации, например, таких как электростанции, нефтеперерабатывающие установки, продуктопроводы, испытательные комплексы, характеризуется не только высокой сложностью, но и значительной географической протяженностью. В настоящее время общепринятым и единственно правильным подходом к автоматизации упомянутых систем является применение распределенных ССОИ (РССОИ), нацеленных на уход от жестко централизованного иерархического принципа организации и на рассредоточение информации по местам ее хранения и обработки [15, 52, 81, 119, 127, 133, 143, 1441, что повышает и без того высокую сложность ССОИ.

    Насыщенность современных автоматизированных систем, измеряемая объемом информации, которую они производят, часто уже превосходит возможности людей по анализу этой информации [299]. Известные аварии и катастрофы в промышленности и энергетике связываются с перегрузкой операторов и/или с недостаточным качеством проектирования систем сбора и обработки данных [32, 289]. В связи с этим при эксплуатации систем автоматизации крайне важно иметь актуальные оценки их основных технико-экономических характеристик, таких как достоверность получаемых результатов, вероятность потери информации, своевременность фиксации измеряемых параметров и формирования управляющих воздействий, информационная нагрузка системы.

    Практически все данные, обрабатываемые в РССОИ, априори являются нечеткими (англ. uncertain). Под нечеткостью всюду в данной работе понимается невозможность точной фиксации значения параметра и момента проведения измерения, являющаяся следствием неизбежных погрешностей измерений и вычислений, а также асинхронной природы информационных потоков распределенных систем. Характеристики многих технических систем (точность измерительного оборудования и периодичность обновления данных) позволяют сделать нечеткость данных пренебрежимо малой и не рассматривать ее вовсе. К сожалению, для многих индустриальных РССОИ это не так.

    До последнего времени традиционно рассматривался лишь один критерий качества данных — их точность, выражаемая, как правило, в терминах погрешности. Между тем, для современных РССОИ характерны неполнота и недоопределенность информации об объекте автоматизации [8, 15, 33, 40, 42, 47, 71, 286], нетривиальные, трудноанализируемые взаимосвязи между параметрами объекта [116, 124, 131], неустранимые измерительные, вычислительные и апертурные погрешности [16, 25, 36, 38, 46, 50, 54, 64, 82, 86, 87, 95,115,116,119,132, 142, 148, 149, 197, 23!> 245], эффекты деградации измерительной аппаратуры [33, 122], влияние асинхронности работы отдельных подсистем [16, 25, 36, 38, 46, 82, 86]. В связи с этим, важным условием, во многом определяющим безопасность, надежность и эффективность функционирования РССОИ, является возможность контроля качества всех рабочих данных: от результатов измерений и констант модели объекта до итогов работы расчетных алгоритмов в системе [121]. По этой причине для повышения безопасности и эффективности эксплуатации объектов автоматизации разработчики ССОИ все чаще вынуждены решать новую для данной предметной области задачу — задачу интерпретации получаемых результатов и установления их истинности (т.е. верификации, валидации) [22].

    В свете господствующего мнения, порожденного декартовой рационалистской методологией, традиционно существует тенденция отвергать такие аспекты информации как неясность, неопределенность, нечеткость и неточность из-за их ненаучной или иррациональной концепции [128]. Однако в реальных информационных и технических системах зачастую не удается избежать проблем учета неточной или недостоверной информации о событиях, процессах, явлениях.

    В последние несколько лет активные исследования ведутся в области создания так называемых датчиков с автовалидацией, предоставляющих помимо значения измеряемой величины оценку точности и надежности полученного результата. Данной тематике посвящены работы исследователей Оксфордского университета, национальной лаборатории моделирования эксплуатационных условий Айдахо, корпораций Foxboro и AccuTru. Некоторые практические результаты проводимых исследований уже запатентованы в США и отражены в официальном Британском стандарте, а сама технология в настоящее время расценивается как очень перспективная и многообещающая.

    К сожалению, модели, на основе которых в настоящее время организуются вычисления в РССОИ, не подразумевают использования никаких оценок качества обрабатываемых данных кроме погрешности. При этом включение в РССОИ любых иных механизмов контроля качества данных невозможно без существенного изменения принципов выполнения вычислений, что для крупных объектов и объектов непрерывного цикла сопряжено с чрезвычайными трудностями. Альтернативным вариантом организации контроля качества данных в РССОИ без ее значительной переделки может служить создание отдельной, основанной на методах мягких вычислений диагностической системы, работающей совместно с существующей РССОИ. Данный подход позволяет производить мониторинг достоверности большей части потоков оперативных данных РССОИ при минимуме затрат на доработку системы в целом.

    Таким образом, можно утверждать, что создание модели вычислений, обеспечивающей автоматический контроль достоверности данных в РССОИ, а также реализация данной модели в форме диагностической системы является важной научно-технической проблемой.

    Краткий анализ известных методов организации вычислений в РССОИ и обоснование принятого подхода к решению проблемы. В настоящее время разработано немало методов, позволяющих осуществлять контроль качества данных в вычислительных системах. Среди наиболее известных можно перечислить традиционный анализ погрешностей, вероятностные методы, вычисления с управляемой точностью [78, 190, 226, 235, 237, 238], нечеткую логику [58], Н-модели [90], экспертные системы [8о, 197, 204], аппроксиметику [153], вычисления и измерения с автовалидацией [6, 62,155,162,167,168,176,188, 206, 210−212, 230, 234, 237> 243> 257> З1^], семантический контроль данных. Анализ применимости данных методов для организации вычислений в РССОИ показывает, что большинство из них не адекватны специфике распределенных систем. В частности, применение классического анализа погрешностей недопустимо трудоемко [87, 243]. Использованию вероятностных методов препятствует сложность или принципиальная невозможность четкого определения законов распределения вероятностей параметров объекта автоматизации и нестационарность протекающих в нем процессов [8, 6о]. Вычисления с управляемой точностью требуют значительных ресурсов [235, 236] и позволяют контролировать и минимизировать лишь вычислительные ошибки, не предоставляя методов анализа влияния точности исходных данных. Программирование в ограничениях и механизм Н-моделей более уместен в задачах исследовательского плана, например, при моделировании физических систем, описании химических процессов, в CAD-системах [239]. Экспертные системы не имеют достаточно разработанной методологии их применения в системах реального времени [113]. Аппроксиметика позволяет оценить лишь порядок точности получаемых результатов [153], к тому же она еще не прошла апробирование в рамках реальных РССОИ. Подробнее достоинства и недостатки используемых в настоящее время методов рассматриваются в разделе 1.3.

    Резюмируя сказанное, можно сделать вывод, что далеко не все существующие в настоящее время подходы к организации контроля данных в вычислительных системах могут быть эффективно использованы в РССОИ. Среди оставшихся подходов следует выделить вычисления с автовалидацией, семантический контроль данных и методы нечеткой логики, которые, как показывает анализ, адекватны специфике РССОИ и с успехом могут применяться для организации контроля качества используемых данных [119−121,141−149].

    Принято считать, что начало широкому применению методов, объединяемых термином «вычисления с автовалидацией», было положено в бо-х годах прошлого столетия работами американского исследователя Р. Мура, разработавшего интервальную арифметику. Две основные идеи данного подхода — представление всех величин более сложными, чем вещественные числа, объектами и автоматический контроль точности результатов всех операций — оказались очень плодотворными и послужили толчком к созданию целого ряда моделей вычислений. Различными аспектами задачи организации вычислений с автовалидацией занимались многие российские и зарубежные ученые: Ю. И. Шокин, В. Я. Крейнович, А. Г. Яковлев, З. Х. Юлдашев, С. А. Калмыков, С. Марков, Р. Мур, Ж. Столфи, Б. Кеарфотт, Р. Янг, М. Шульте, Д. Корлисс, Д. Берлеант и другие.

    Сочетая в себе концептуальную простоту со строгостью получаемых результатов, методы вычислений с автовалидацией как нельзя лучше подходят для обеспечения контроля качества данных в РССОИ. Тем не менее, вопросы применения методов вычислений с автовалидацией при организации обработки данных в современных РССОИ оказались недостаточно проработаны в силу новизны используемой концепции построения РССОИ и проблем, возникающих при эксплуатации распределенных систем. В связи с этим разработка концептуальной и математической моделей и реализация программного комплекса автовалидации потоков нечетких данных в РССОИ представляются важными и актуальными научно-практическими задачами.

    Серьезной проблемой, возникающей при анализе данных РССОИ, является учет влияния асинхронности функционирования отдельных составляющих системы, обусловленной распределенной структурой используемых программно-технических средств. Ни один из известных на сегодняшний день методов вычислений с автовалидацией не предоставляет средств для контроля апертурных погрешностей, возникающих при проведении вычислений над данными, соответствующими различным моментам времени. В связи с этим представляется целесообразным, используя идеи вычислений с автовалидацией, создать новую модель вычислений, позволяющую эффективно оценивать качество циркулирующих в РССОИ данных, принимая во внимание измерительные, вычислительные и апертурные погрешности. Основная цель разработки данной модели — создание теоретической основы для реализации диагностической системы, позволяющей осуществлять мониторинг качества данных в реально действующих РССОИ.

    Исключительно важной задачей на пути к созданию необходимой модели вычислений и реализующей ее диагностической системы, служит выбор эффективного и универсального механизма синхронизации и информационного взаимодействия компонентов распределенной вычислительной системы. Проведенный анализ известных теоретических подходов к организации распределенных систем позволяет сделать вывод о целесообразности использования методов потокоориентированных вычислений, которые считаются наиболее адекватными для построения надежных структур информационных процессов РССОИ [15, 68]. Общая идея потокоориентированного программирования заключается в том, что процесс вычислений управляется потоком данных, команды исполняются по мере прихода к ним всех необходимых операндов, а данные (операнды) возникают либо как исходные (входные) данные программы, либо как результат исполнения предыдущих команд.

    Начало исследованиям в области потоковых вычислений положили Деннис (J.B.Dennis), России (J.B.Rossin) и Линдерман (J.P.Linderman) в начале 70-х годов, позднее работы в данном направлении были продолжены такими исследователями, как А. А. Берс,.

    Р. Карп (R.M.Karp) Р. Миллер (R.E.Miller), Д. Адаме (D.A.Adams), И. Родригес (I.E.Rodriguez), А. Дейвис (A.L.Davis), а также российскими учеными А. В. Баландиным, А. П. Колоссовским, С. Б. Поповым и др. В силу своей простоты и элегантности потоковые модели послужили объектом множества исследований, в ходе которых было показано, что они могут с большим успехом использоваться при построении распределенных систем обработки данных [68, юб], а также выступать в роли общесистемного способа межпроцессного взаимодействия в распределенных вычислительных комплексах [15].

    Принимая во внимание перечисленные факторы можно прийти к выводу о целесообразности разработки концептуальной, математической и программной моделей вычислений, позволяющих контролировать качество используемых данных и результатов расчетов, а также совмещающих преимущества методов автовалидации и потоковой обработки данных.

    Цель работы: разработка методов контроля достоверности потоков нечетких данных в распределенных системах сбора и обработки информации.

    Постановка задачи. Для достижения поставленной цели необходимо решить следующие основные задачи:

    1. Анализ особенностей современных РССОИ. Изучение применимости известных методов работы с нечеткими данными для организации вычислений в РССОИ.

    2. Построение модели потоковых вычислений с автовалидацией для РССОИ, обеспечивающей возможности автоматического получения интервальных оценок всех данных, учета эффекта устаревания, контроля семантических ограничений.

    3. Разработка правил вычислений над потоками нечетких данных.

    4. Создание программного комплекса потоковых вычислений с автовалидацией для контроля достоверности данных в РССОИ.

    5. Анализ результатов применения программного диагностического комплекса на модельных примерах и в составе реально действующих РССОИ.

    Структура и краткое содержание диссертации.

    Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных источников, справочно-сопроводительных материалов и приложений.

    Выводы.

    1. Результаты тестирования МПВА и ее программной реализации ДС DF SVC на ряде тестовых примеров позволяют сделать вывод о корректности предложенной модели и правильности используемых алгоритмов.

    2. ДС целесообразно использовать для контроля вычислений, производимых в штатном ПО РССОИ. Она позволяет оценивать достоверность получаемых результатов, отслеживать появление некорректных и ошибочных данных, учитывать влияние эффекта устаревания измерительной информации.

    3. Дополнительная диагностическая информация, предоставляемая ДС, может иметь существенную практическую значимость. Ее использование не только повышает информированность конечного пользователя и позволяет своевременно обнаруживать нарушения в работе РССОИ, но и дает возможность использования штатного ПО в условиях ограниченной точности и достоверности исходных данных.

    ЗАКЛЮЧЕНИЕ

    .

    В диссертационной работе поставлена и решена задача разработки методов и средств контроля достоверности данных в распределенных системах сбора и обработки информации. Разработаны концептуальная, математическая и программная модели потоковых вычислений с автовалидацией, ориентированные на использование новой информационной единицы — токена. Разработана арифметика токенов, исследованы ее основные свойства, сформулированы правила проведения вычислений с токенами. На основе предложенной модели вычислений создана диагностическая система DF SVC для распределенных систем сбора и обработки информации, позволяющая в режиме реального времени контролировать достоверность всех используемых данных. Разработанная модель и ее программная реализация опробованы на тестовых примерах РССОИ и в нескольких системах, находящихся в реальной эксплуатации. Использование диагностической системы и предложенных в диссертации методов в целом позволяет существенно повысить уровень информированности исследователей и оперативного персонала о состоянии объекта автоматизации и как следствие, сделать работу с ним более эффективной и безопасной.

    Ниже перечислены основные задачи, решенные в ходе выполнения диссертационной работы, и ключевые полученные результаты.

    1. Проанализированы известные методы работы с нечеткими данными. Выбраны подходы, адекватные специфике РССОИ, и позволяющие организовывать вычисления в условиях нечеткости, потенциальной недостоверности и асинхронности потоков исходных данных.

    2. Предложена оригинальная модель потокоориентированных вычислений с автовалидацией, обеспечивающая возможность оперативного автоматического получения интервальных оценок всех данных, учета эффекта устаревания, контроля семантических ограничений.

    3. Предложен новый формат представления потоков нечетких данных. Разработана арифметика токенов, специфицирующая правила выполнения алгебраических, логических и теоретико-множественных операций над токенами. Исследованы основные свойства арифметики токенов.

    4. Реализован диагностический программный комплекс для контроля данных РССОИ DF SVC Simulator. Данный комплекс позволяет на основе созданных потоковых моделей РССОИ в реальном времени оценивать достоверность получаемых результатов.

    5. Проведены экспериментальные исследования разработанной контрольно-диагностической системы на тестовых моделях и в составе РССОИ Толыгггинской ТЭЦ и Самарских тепловых сетей. Продемонстрирована непротиворечивость и практическая польза оценок, получаемых при использовании диагностической системы. Результаты проведенных экспериментов были использованы при внедрении, пуско-наладке и штатной эксплуатации РССОИ ТоТЭЦ и СТС и позволили провести их оптимизацию.

    Показать весь текст

    Список литературы

    1. О.И., Турин Н. Н., Коган Я. А. Оценка качества и оптимизация вычислительных систем. — М.: Наука, 1982. — 464с.
    2. Автоматизация транспорта нефтепродуктов /Шерман Д.Д., Семиков С. А., Бернер Л. И. и др. //Приборы и системы. Управление, контроль, диагностика. — 2002. — № 5 — С. 25−26.
    3. Автоматизированная система контроля параметров гидроэлектростанции /Н.В. Котов, А. В. Курочкин, В. В. Курочкин, С. В. Окунишников //Автометрия. — 1998. — № 2 — С. 114−119.
    4. Автоматизированная система расчета оперативных технико-экономических показателей Тольяттинской ТЭЦ. — Самара.: Российская инженерная академия, Поволжское отделение, 1999- — 67с.
    5. Алгоритмы, математическое обеспечение и архитектура многопроцессорных вычислительных систем. /Под ред. А. П. Ершова. — М.: Наука, 1982. — 336с.
    6. Г., Херцбергер Ю. Введение в интервальные вычисления. — М.: Мир, 1987. — 356с.
    7. Т.М., Тер-Хачатуров А.А. Измерительная техника. — М.: Высшая школа, 1991- — 384с.
    8. А.Е., Семухин М. В. Модели и алгоритмы принятия решений в нечетких условиях. — Тюмень: Издательство Тюменского государственного университета, 2000. — 352с.
    9. А.А., Дубинский Ю. А., Копченова Н. В. Вычислительные методы для инженеров. — М.: Высшая школа, 1994. — 544с.
    10. Анализ устойчивости рассинхронизованных дискретных систем /А.Е.Асарин, В. С. Козякин, М. АКрасносельский, Н. А. Кузнецов. — М.: Наука, 1992. — 408с.
    11. С.С. Создание телеинформационной системы контроля и оценки текущего состояния оборудования тепловой электростанции //Электрические станции. — 2000. — № 2 — С. 412.
    12. А.В. Метод потоковых схем описания и преобразования данных в распределенных системах автоматизации экспериментов: Диссертация на соискание ученой степени кандидата технических наук. — Куйбышев: Куйбышевский авиационный институт, 1988. —303с.
    13. Н.В., Савков К. Ю., Солопченко Г. Н. Погрешность измерений, вызванная неточностью датирования отсчетов в ИВК //Измерительная техника. — 1985- — № 1 — С. 11−14.
    14. A.A., Колотов Ю. Н. Принципы построения и проектирования перспективных АСУ ТП //Информатика, управление, вычислительная техника: Сб. статей. Вып. 1 — М.: Машиностроение, 1987. — С. 228−269.
    15. БорельЭ. Вероятность и достоверность: Пер. с фр. — М.: Наука, 1969. — 112С.
    16. А.Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей: Примеры использования. — Рига: Зинатне, 1990. — 184с.
    17. В.Г., Гулько Ф. Б., Григорьев Ф. Н., Кузнецов Н. А. О рассинхронизированных по измерениям системах управления //Автоматика и телемеханика. — 1997. — № 7 — С. 98−111.
    18. С.Ю. Программные средства поддержки процесса верификации измерительной информации //Проблемы управления и моделирования в сложных системах. Труды III международной конференции. — Самара: Самарский научный центр РАН, 2001. — С. 568−572.
    19. А. Типовые аппаратные решения построения систем сбора данных //Мир компьютерной автоматизации. — 2000. — № 3 — С. 22−25.
    20. В.Н. Автоматизация имитационного моделирования сложных систем. — М.: Наука, 1977. — 239с.
    21. В.Д. Как развиваются системные интеграторы //Мир компьютерной автоматизации. — 2000. — № 3 — С. 30−33.
    22. З.Я. Эвристические измерительные процедуры в техническом диагностировании //Международная конференция по мягким вычислениям и измерениям SCM-2000. Сборник докладов. Том 2. — Санкт-Петербург, 2000. — С. 75−78.
    23. В.В. Отображение проблем вычислительной математики на архитектуру вычислительных систем //Вычислительные методы и программирование. — 2000. — Том 1 — С 37~44
    24. Т.В. Анализ алгоритмов синхронизации времени для распределенного имитационного моделирования //Искусственный интеллект (Донецк). — 2000. — № 2 — С.24−30.
    25. Н.Н. Цифровые измерительные устройства. Теория погрешностей, испытания, поверка. — М.: Энергоатомиздат, 1990. — 208с.
    26. В.А., Костюхин К. А. Отладка и мониторинг распределенных разнородных систем //Программирование. — 2002. — № 1 — С. 27−37.
    27. А.З. Вероятностные модели режимов электроэнергетических систем — Новосибирск: Наука, 1993. — 132с.
    28. М. Самоаттестующиеся датчики //Датчики и системы. — 2002. — № 1 — С. 51−60
    29. Ю.Я., Костин А. Н. Психология автоматизации управления техникой. — М.: Институт психологии РАН, 1996. — 1бос.
    30. В.Б., Федоров А. Н. К вопросу аттестации вычислительных программ //Заводская лаборатория. Диагностика материалов. — 2001. — Том з- № 4 — С. 68−69.
    31. Р. Б. Улучшение метрологических характеристик информационно-управляющих систем //Автоматизация и современные технологии. — 2000. — № 5 — С. 5−9.
    32. П. Введение в экспертные системы: Пер. с англ. — М.: Издательский дом «Вильяме», 2001. — 624с.
    33. Е.В. Система управления гибкими исследовательскими и технологическими стендами «Лаборатория2В» //Современные технологии автоматизации. — 1998. — № 4 — С. 60−62.
    34. А.К., Кнопкин Е. В. Методика оценки достоверности проверок при многоальтернативном контроле //Международная конференция по мягким вычислениям и измерениям SCM-99. Сборник докладов. Том 1. — Санкт-Петербург, 1999. — С. 15 315б.
    35. Г. В., Сергеева И. В. Учет старения информации в АСУ //Автоматика, телемеханика и связь. — 1982. — № 7 — С. 7−9.
    36. С.А. Прикладной многомерный статистический анализ. — М.: Финансы и статистика, 1982. — 216с.
    37. А.Ф., Ишкин В. Х., Семенов В. А. Интегрированные системы управления подстанциями за рубежом //Электричество. — 1997. — № 1 — С. 71−75.
    38. Д., ПрадА. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с фр. — М.: Радио и связь, 1990. — 288с.
    39. Жданов A. NT — реально ли реальное время? //Открытые системы.1998. —№ 1. С.25−29.
    40. Ю.А. Точностные характеристики управляемых вычислительных машин — М.: Энергоатомиздат, 1983. — 135с.
    41. Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений //Математика сегодня. М.: Знание, 1974- С.5−49.
    42. В.Б., Кузьмин А. Б. Статистические критерии обнаружения отказа //Автоматика и телемеханика. — 2000. — № 6- С. 171−175.
    43. Информационное, техническое и специальное математическое обеспечение проекта АИС расчета оперативных ТЭП одного блока (котел-турбина) Тольяттинской ТЭЦ. — Самара.: Научно-внедренческая фирма «Сенсоры, Модули, Системы», 1999. — 27с.
    44. С.А., Шокин Ю. И., Юлдашев З. Х. Методы интервального анализа. — Новосибирск: Наука, 1986. — 224с.
    45. Е. Языки моделирования: Пер. с чеш. — М.: Энергоатомиздат, 1987. — 288с.
    46. КлексЭ.А., Немура А. А. Стабильный алгоритм оценивания состояния ЭЭС //Информационное обеспечение диспетчерского управления в электроэнергетике. /Алимов Ю.А., Гамм А. З., Ополева Г. Н. и др. — Новосибирск: Наука, 1985. — С. 69−74.
    47. В.Г. Погрешность и неопределенность: диалектика против позитивизма //Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Том 1.- Санкт-Петербург, 1999- — С. 3233
    48. М.Г. Метрология и стандартизация. — М., СПб.: Издательство «Петербургский институт печати», 2001. — 372с.
    49. Ю.Б., Сениченков Ю. Б. Имитационное моделирование сложных динамических систем //ComputerPress. — 2000. — № 3 — CD-ROM.
    50. М.А., Сидоров А. А., Смирнов С. В. Функциональные модели вычислительных систем реального времени. — Самара: НВФ «CMC», 1997. ЗОбс.
    51. А.Н. Принцип взаимного резервирования при распределении функций между человеком и автоматикой: Автореферат диссертации на соискание ученой степени доктора философских наук — Москва: Институт психологии РАН, 2000. — 43с.
    52. КохзикМ. Задачи метрологии в 21 веке //Законодательная и прикладная метрология. — 2000. — № 5 — С. 8−13.
    53. С.С., Стась К. Н. Функциональная надежность систем контроля и управления в международных стандартах //Промышленные АСУ и контроллеры. — 2000. — № 8 — С. 27−29.
    54. А.А., ШенбротИ.М. Каналы связи распределенных АСУ технологическими процессами //Измерения, контроль, автоматизация. — 1983. — № 1 (45) — С. 67−73.
    55. А. Устройства связи с объектом. Модули фирмы Advantech //Компьютер пресс. — 1998. — № 8 — С. 275−282.
    56. Е.Н., Фролова Т. А., Ахмедов В. А. Мягкие вычисления в гибких автоматизированных производственных системах //Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Том 2. — Санкт-Петербург, 1999. — С. 87−90.
    57. Ю.В. Задача моделирования вычислительной сети АСОИУ //Методы и средства управления технологическими процессами. Сборник трудов III международной научной конференции. — Саранск: Издательство мордовского университета, 1999. — С. 199−203.
    58. В.Г., Фролов С. В., Шехтман М. Б. Применение SCADA-систем при автоматизации технологических процессов. — М: Машиностроение, 2000. — 176с.
    59. В.В. Об одном способе оценки устаревания информации в системах оперативного управления //Управляющие системы и машины. — 1998. — № 2 — С. 35−37.
    60. В.В. Об оценках точности параметров, получаемых из систем управления //Управляющие системы и машины. — 1998. —3 С. 58−63.
    61. К.Г. Методы повышения надежности цифровых телеизмерений //Информационное обеспечение диспетчерского управления в электроэнергетике. /Алимов Ю.А., ГаммА.З., Ополева Г. Н. и др. — Новосибирск: Наука, 1985. — С. 175−180.
    62. А.С. Будущее информационных технологий: революция в начале 21 века //Проблемы управления и моделирования в сложных системах. Труды I международной конференции. — Самара: Самарский научный центр РАН, 1999. — С. 27−32.
    63. А.С. Недоопределенность в системе представления и обработки знаний //Техническая кибернетика. —1986. № 5. — С.3−28.
    64. Нариньяни А.С. He-факторы: неточность и недоопределенность — различие и взаимосвязь //Известия РАН, Теория и системы управления. — 2000.— № 5. — С. 44−56.
    65. А. С. Телерман В.В., Ушаков Д. М., Швецов И. Е. Программирование в ограничениях и недоопределенные модели //Информационные технологии. — 1998. — № 7. — С. 13−22.
    66. П.В. Основы информационной теории измерительных устройств. — Л.: Энергия, 1968. — 248с.
    67. П.В., Зограф И. А. Оценка погрешностей результатов измерений. — Л.: Энергоатомиздат. Ленинградское отделение, 1985. — 248с.
    68. О.Н., Фомин А. Ф. Основы теории и расчета информационно-измерительных систем. — М.: Машиностроение, 1991. ЗЗбс.
    69. Г., Пиани Д. Цифровые системы автоматизации и управления. — СПб.: Невский Диалект, 2001. — 557с.
    70. А.И. Часто ли распределение результатов наблюдений является нормальным? //Заводская лаборатория. — 1991. — Том 57- № 7. С. 64−66.
    71. М.Ю. О построении программ обработки и анализа измерительной информации в реальном времени //Программирование. — 2001. — № 6 — С. 57−66.103. Патент РФ № 1 783 869.
    72. М.И. Системы промышленной и лабораторной автоматизации: методы и средства построения //Мир компьютерной автоматизации. — 2000. — № 3 — С. 7−17.
    73. В.Н., Смирнов А. В. Программно-аппаратные средства распределенных систем управления //Приборы и системы управления. — 1998. — № 18 — С. 16−19.
    74. И.В., Амбарцумян А. А. Научные основы построения АСУ ТП сложных энергетических систем. — М.: Наука, 1992. — 232с.
    75. А., Жданов A. Windows NT во встраиваемых, промышленных и коммуникационных приложениях //PCWeek, Russian Edition. —1998, № 27−28 (151−152) — С.28−29.
    76. В.Г. Требования реинжиниринга у АСУЭ //Управляющие и вычислительные системы. Новые технологии. Материалы межвузовской научно-технической конференции. — Вологда: ВоГТУ, 2000. С. 77−78.
    77. В.Г. Формирование основных требований к новому поколению автоматизированных систем управления //Промышленная энергетика. — 1995. — № 8 — С. 19−24.
    78. Сви П. М. Методы и средства диагностики оборудования высокого напряжения. — М.: Энергоатомиздат, 1992. — 240с.
    79. О.В. Контроллеры для автоматизации крупных промышленных объектов //Датчики и системы. — 2000. — № 3 (12) — С. 2−10.
    80. А.А. Методы и средства оценки эффективности процессов обработки данных в АСНИ: Диссертация на соискание ученой степени кандидата технических наук. — Куйбышев: Куйбышевский. авиационный институт им. академика С. П. Королева, 1983. — 279с.
    81. А.А., Шерешевский Л. А. Метод оценки достоверности оперативной информации в распределенных АСУ ТП //Международная конференция по мягким вычислениям и измерениям SCM-2000. Сборник докладов. Том 2. — Санкт-Петербург, 2000. — С. 96−98.
    82. А.З. Универсальный датчик электрических сигналов для информационных систем диагностики //Приборы и системы. Управление, контроль, диагностика. — 2000. — № 1 — С. 58−60.
    83. М.А., Зозуля Ю. И., Муравский А. К. Использование современных информационных технологий при разработке интегрированных АСУТП в нефтегазодобыче //Промышленные АСУ и контроллеры. — 2000. — № 7 — С. 14−19.
    84. .Я., Яковлев С. А. Моделирование систем. М.: Высшая школа, 1998. — 319с.
    85. А.Ф., Страхов О. А. Повышение достоверности информационных систем //Компьюлог. — 1999. — № 3.
    86. К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве. //Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. /Под ред. Р. Р. Ягера. — М.: Радио и связь, 1986. — С. 37−50.
    87. С.Т., Задерейко А. В. Компенсации погрешностей измерительных преобразователей высоких порядков //Труды ученых Одесского политехнического университета, 1997, вып. 2.
    88. В.В., Бугров В. П., Выжимов В. И. Структурный анализ многосвязных нечетких систем //Промышленные АСУ и контроллеры. — 2000. — № 2 — С. 32−35 132. Харт X. Введение в измерительную технику: Пер. с нем. — М.: Мир, 1999- 391С.
    89. С.В., Шунтов А. В. Анализ принципов построения АСУ ТП электрической части электростанций //Электричество. — 1998. — № 7 — С. 21−26.
    90. Д. «Мягкие» датчики — новейший инструмент промышленной автоматизации //Датчики и системы. — 2001. — № 12 — С. 36−41.
    91. М.П. Измерительные информационные системы: Структуры и алгоритмы, системотехническое проектирование. — М.: Энергоатомиздат, 1985. — 439с.
    92. А.С. Влияние условий сопряжения изделий ГСП и этапов их разработки на точностные характеристики //Приборы и системы управления. — 1976. — № 7 — С. 16−19.
    93. В.А. Контроллер системы управленияэлектрооборудованием распределенных энергетических объектов //Известия вузов. Электромеханика. — 1997. — № 1−2 — С. 110−111.
    94. И.М., Алиев В. М. Проектирование вычислительных систем распределенных АСУ ТП. — М.: Энергоатомиздат, 1989. — 88с.
    95. И.М., Антропов М. В., Давиденко К. Я. Распределенные АСУ технологическими процессами. — М.: Энергоатомиздат, 1985. — 240с.
    96. Р. Имитационное моделирование систем — искусство и наука: Пер. с англ. — М.: Мир, 1978. — 418с.
    97. Л.А. Вычисления с автовалидацией в потоковых моделях //VII международная конференция «Математика, Компьютер, Образование». Тезисы. — М.: Прогресс-Традиция, 1999- С. 364.
    98. Л.А. Методы учета неточности исходной информации в распределенных АСУ ТП //Управляющие и вычислительные системы. Новые технологии: Материалы межвузовской научно-технической конференции. — Вологда: ВоГТУ, 2000. С. 95−96.
    99. Л.А. Организация потокоориентированных вычислений в распределенных системах реального времени //VI международная конференция «Математика, Компьютер, Образование». Тезисы. — М.: МГУ, 1999. — С. 300.
    100. Л.А., Сидоров А. А. Методика контроля точности и достоверности расчетных данных в распределенных системах мониторинга и автоматизированного управления //Известия Самарского научного центра РАН. — 2002. — № 1 — С. 169−177.
    101. ШопинА.Г. Оценка достоверности параметров технологических процессов на основе анализа нечетких величин //Известия Самарского научного центра РАН. — 2002. — № 1 — С. 178−184.
    102. А.Г. Построение функции принадлежности нечеткого множества и оценка его вероятностных характеристик //Электронный журнал «Исследовано в России». — 2003. — № 3 —1. С. 453−467.http://zhurnal.ape.relarn.ru/articles/2003/040.pdf
    103. В.А. Хронометрические системы. — М.: Машиностроение, 1980 — 584с.
    104. В.М. Аппроксиметика. — М.: ИАА ФинИст, 1995. — 223с.
    105. P.P. Множества уровня для оценки принадлежности нечетких подмножеств //Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. /Под ред. Р. Р. Ягера. — М.: Радио и связь, 1986. — С. 71−78.
    106. А.Г. Интервальные вычисления на ЭВМ (краткий обзор) //Алефельд Г., Херцбергер Ю Введение в интервальные вычисления. — М.: Мир, 1987. — С. 33б~352
    107. SCADA-системы: проблемы выбора /Бунин В., Анопренко В., ИльинА. и др. //Современные технологии автоматизации — 1999--№ 4.
    108. Ал1мов ЮЛ. Про застосування метод1 в математично1 статистики до обробки експериментальних данных //Автоматика. — 1974″ — № 2 С. 21.
    109. Archimedes On the measurement of the circle — The Works of Archimedes, Ed. T.L. Heath, Cambridge University Press, Cambridge, 1897- Dover edition, 1953, pp. 91−98.
    110. Barberree D.A. Dynamically Self-Validating Contact Temperature Sensors. — Paper presented at the Eighth International Temperature Symposium, Chicago, USA, 2002, 6p.
    111. BartlettG. Smart Networks: Enabler for Distributed Intelligence. — Proceedings of the AEEMA National Conference «Cleaner, Greener, Smarter», Melbourne, 2000.
    112. Berleant D. Automatically Verified Arithmetic on Probability Distributions and Intervals. — Applications of Interval Computations, Eds. B. Kearfott, V. Kreinovich, Kluwer Academic Publishers, 1996, pp. 227−244.
    113. Berleant D. Automatically Verified Reasoning with Both Intervals and Probability Density Functions. — Interval Computations, 1993, N0.2, pp. 48−70.
    114. Berleant D., Cheng H. A Software Tool for Automatically Verified Operations on Intervals and Probability Distributions. — Reliable Computing, 1998, N0.4 (1), pp. 71−82.
    115. Berleant D., Goodman-Strauss C. Bounding the Results of Arithmetic Operations on Random Variables of Unknown Dependency using Intervals. — Reliable Computing, 1998, N0.4, pp. 147−165.
    116. Berleant D., Kuipers B. Qualitative and Quantitative Simulation: Bridging the Gap. — Artificial Intelligence, 1997, Vol.95, N0.2, pp. 215 255.
    117. Boche R.E. An operational interval arithmetic. Abstract of a paper given at National Electronics Conference, Chicago, USA, 1963,14р.
    118. Boche R.E. Complex interval arithmetic with some applications. Technical Report LMSC4−22−66−1, Lockheed Missiles and Space Co., 1965, 33P
    119. Bohm W., Najjar W., Shankar В., Roh L. A11 Evaluation of Coarse-Grain Dataflow Code Generation Strategies. — Proceedings of the Working Conference on Massively Parallel Programming Models, Berlin, 1993, pp. 63−73.
    120. Brewer R. Thermocouples' cold-junction blues no longer play. — InTech, 1999, V0I.7, pp. 60−63.
    121. ChowR., Johnson T. Distributed operating systems and algorithms. Addison Wesley, 1997, 569р.
    122. Christen E., BakalarK., Dewey A.M., MoserE. Analog and Mixed-Signal Modeling Using the VHDL-AMS Language. — Tutorial for the 36th Design Automation Conference, New Orleans, 1999,199р.
    123. Coleman J.N., Chester E.I. A 32b Logarithmic Number System Processor and Its Performance Compared to Floating Point. — Proceedings of the 14th IEEE Symposium on Computer Arithmetic, Adelaide, 1999, pp. 142−152.
    124. Cooman G. Possibilistic previsions. — Proceedings of the Seventh International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, 1998, Vol.1, Editions E.D.K., Paris, pp. 2−9.
    125. Dimitrova N., Markov S.M., Popova E. Extended Interval Arithmetics: New Results and Applications. — Computer Arithmetic and Enclosure Methods, Eds. L. Atanassova L., J. Herzberger, Elsevier Science Publishers В. V., 1992, pp. 225−232.
    126. DwyerP.S. Computation with Approximate Numbers. — DwyerP.S. Linear Computations, Wiley and sons, New York, 1951, pp. 11−34.
    127. Edalat A., Potts P.J., Sunderhauf P. Lazy Computation with Exact Real Numbers. — Proceedings of Third ACM SIGPLAN International Conference on Functional Programming — ICFP98,1998, pp. 185−194.
    128. EidsonJ.C., LeeK. Sharing a Common Sense of Time — IEEE Instrumentation & Measurement Magazine, 2003, Vol.6, N0.1, pp. 2632.
    129. Fensel D., Benjamins R. Assumptions in Model-Based Diagnosis. — Proceedings of Knowledge Acquisition Workshop — KAW'96, Banff, 1996, pp 5.1−5.18.
    130. Goldberg D. What every computer scientist should know about floating-point arithmetic. — ACM Computing Surveys, 1991, Vol.23, N0.1, pp. 5−48.
    131. Gowland P., Lester D. The Correctness of an Implementation of Exact Arithmetic. — Proceedings of the 4th Conference on Real Numbers and Computers, Dagstuhl, Germany, 2000.
    132. GrabeM. Measurement uncertainties beyond the ISO-Guide //Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Том 1. — Санкт-Петербург, 1999. — С. 34−36.
    133. HallB.D. Calculating uncertainty automatically in instrumentation systems. Industrial Research Limited Report 1073, Lower Hutt, New Zealand, 2002, 25р.
    134. Henry D.S. Specification and Verification of Real-Time Constraints in Coarse-Grain Dataflow. Technical Report MIT/LCS/TR-487, MIT Laboratory for Computer Science, 1991,102р.
    135. Henry M. Recent developments in self-validating (SEVA) sensors. — Sensor Review, 2001, Vol.21, N0.1, pp 16 22.
    136. Hertling P. A lower bound for range enclosure in interval arithmetic. — Theoretical Computer Science, 2002, Vol.279, N0.1−2, pp. 83−95.
    137. Hickey Т.J., Ju Q, van Emden M.H. Interval Arithmetic: from Principles to Implementation. — Journal of the ACM, 2001, Vol.48, N0.5, pp. 1038−1068.
    138. Holmes N.W. Composite Arithmetic: Proposal for a New Standard. — IEEE Computer, 1997, V0I.30, N0.3, pp. 65−73.
    139. Hormigo J., Villalba J., Schulte M. Hardware Algorithm for Variable-Precision Division. — Proceedings of the 4th Conference on Real Numbers and Computers, Dagstuhl, Germany, 2000.
    140. Hyvonen E. Evaluation of Cascaded Interval Function Constraints. — Proceedings of the International Workshop on Constraint-Based Reasoning CONSTRAINT-95, Melbourne Beach, USA, 1995.
    141. Hyvonen, E., De Pascale S. InC++ Library Family for Interval Computations. — Journal of Reliable Computing, supplement. Proceedings of the International Workshop on Application of Interval Arithmetic, APIC95, El Paso, 1995, pp. 85−90.
    142. Isochrone mode — Reliable control over high-speed events. Product brief. Siemens, A&D AS, 2002, 6p.
    143. Kahan W. The Baleful Effect of Computer Languages and Benchmarks upon Applied Mathematics, Physics and Chemistry. — SIAM's John von Neumann Lecture, 1997, 37р.
    144. Kotenko I.V. Uncertainty processing for monitoring large-scaled distributed systems //Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Том 1. — Санкт-Петербург, 1999. — С. 89−93.
    145. Kramer W., BantleA. Automatic Forward Error Analysis for Floating Point Algorithms. — Reliable Computing, 2001, N0.7 (4), pp. 321−340.
    146. KulpaZ. Diagrammatic representation for a space of intervals. — Machine GRAPHICS & VISION, 1997, N0.6(1), pp. 5−24.
    147. LavrovA.A., Yampolsky L.S. Configuration synthesis and refinement: an approach to simulation of heterogeneous distributed systems //Управляющие системы и машины. — 2000. — № 3 — С. 11−17.
    148. LerchM., TischlerG., Wolff von GudenbergJ. filib++ — Interval Library, Specification and Reference Manual, Technical Report 279, University of Wiirzburg, 2001,13р.
    149. Lins R.D., Campos M.A., Correia M. de B. Functional programming and interval arithmetic. — Journal of Reliable Computing, supplement. Proceedings of the International Workshop on Application of Interval Arithmetic, APIC95, El Paso, 1995, pp. 146−150.
    150. Lopes C.V. D: a language framework for distributed programming. Dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy. College of Computer Science, Northeastern University, 1997, 295р.
    151. Lopes C.V., Kiczales G. D: A Language Framework for Distributed Programming. Technical report SPL97−010, P9710047 Xerox Palo Alto Research Center, 1997,19р.
    152. LozierD.W., Turner P.R. Error-Bounding in Level-Index Computer Arithmetic. — Numerical Methods and Error Bounds, Eds. G. Alefeld, J. Herzberger, Akademie Verlag, Berlin, 1996, pp. 138−145.
    153. Markov S.M. On Directed Interval Arithmetic and its Applications. — Journal of Universal Computer Science, 1995, Vol.1, No.7, pp. 510−521.
    154. MerabtiA. Distributed Real-Time System: A Design Environment. Theses submitted for the degree of Doctor of Philosophy. University of Lancaster, 1992, 221р.
    155. Mintchell G.A. I/O Devices Increasingly Distributed. — Control Engineering, 1997, N0.7.
    156. Mintchell G.A. HMI/SCADA Software — More than Pretty Pictures. — Control Engineering, 2002, N0.12.
    157. Moore R.E. Automatic error analysis in digital computation. Technical Report LMSD84821, Lockheed Missiles and Space Co., 1959, 64р.
    158. Moore R.E. The automatic analysis and control of error in digital computing based on the use of interval numbers. — In «Error in Digital Computation», L.B. Rail, Ed., John Wiley and Sons, Inc., New York, 1965, Vol. I, pp. 61−130.
    159. Moore R.E., YangC.T. Interval analysis I. Technical Report LMSD285875, Lockheed Missiles and Space Co., 1959, 49р.
    160. Morley R.E., Parunak H.D. Autonomous Agents and Chaos in Daily Life and Manufacturing Systems — Proceedings of the International Control Engineering Conference, 1994.
    161. Muller J.-M. Some algebraic properties of floating-point arithmetic. — Proceedings of the 4th Conference on Real Numbers and Computers, Dagstuhl, Germany, 2000.
    162. Muller J.-M., ScherbynaA., TisserandA. Semi-Logarithmic Number Systems. — IEEE Transactions on Computers, 1998, Vol.47, N0.2, pp. 145−151.
    163. Neil S. Industrial Automation. — Managing Automation. N0.6, 2001.
    164. Parker D.S. Monte Carlo Arithmetic: exploiting randomness in floatingpoint arithmetic. Technical Report CSD-970 002, University of California, 1997, 86p.
    165. Pascal-XSC. Язык численного программирования. /Р. Клатте, У. Кулиш, М. Неага, и др.: Пер. с англ. — М.: ДМК, 2000. — 352с.
    166. Parker D.S., Pierce В., Eggert P.R. Monte Carlo Arithmetic: a framework for the statistical analysis of roundoff error. Technical Report CSD-970 014, University of California, 2000,18р.
    167. Parsons S. Qualitative approaches to applying the Dempster-Shafer theory. — Information and Decision Technologies, 1994, N0.19, pp. 321−337.
    168. Parsons S., Saffiotti A. A case study in the qualitative verification and debugging of numerical uncertainty. — International Journal of Approximate Reasoning, 1996, N0.14 (2/3), pp. 187−216.
    169. Parsons S., Saffiotti A. The qualitative verification of quantitative uncertainty. — Advances in Intelligent Computing — IPMU'94, Eds. B. Bouchon-Meunier, R.R. Yager, L.A. Zadeh, Springer, Berlin, 1994, pp. 180−189.
    170. Pesonen J., Hyvonen E. Interval Approach Challenges Monte Carlo Simulation. — Reliable Computing, 1996, V0I.2, N0.2, pp. 155−160.
    171. Pinto J. Networked, Programmable, Intelligent I/O. The TRULY Distributed Control Revolution. — Proceedings of the Industrial Computing Conference, 1994, V0I.4, part 2, pp. 141−147.
    172. PooleyR.J. An Introduction to Programming in Simula. Blackwell Scientific Publications, Oxford, 1987.
    173. Priest D.M. Algorithms for Arbitrary Precision Floating Point Arithmetic. — Tenth Symposium on Computer Arithmetic, IEEE Computer Society Press, 1991, pp. 132−143.
    174. Priest D.M. On Properties of Floating Point Arithmetics: Numerical Stability and the Cost of Accurate Computations. Dissertation Submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy. Berkley, 1992,136р.
    175. Process Instrumentation and Control. — Trend Report No. 6. of the ACHEMA 2000 International Meeting on Chemical Engineering, Environmental Protection and Biotechnology, Frankfurt am Main, 2000, 7p.
    176. Ratz D. The Effects of the Arithmetic of Vector Computers on Basic Numerical Methods. — Contributions to Computer Arithmetic and Self-Validating Numerical Methods, Ed. C. Ullrich, J.C. Baltzer AG, 1990, PP- 499−514.
    177. ReiterA. Programming interval arithmetic and applications. — Proceedings of the 1967 Army Numerical Analysis Conference, ARO-D Report 67−3,1967, pp. 87−98.
    178. Reznik L. Measurement result uncertainty evaluation: new soft approaches? //Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Том — Санкт-Петербург, 1999. — С. 21−24.
    179. RodionovA.S. Ways Of Evolution Of Discrete Event Simulation Systems. — Proceedings of the 2nd International Workshop on Computer Science and Information Technologies CSIT'2000. V0I.2, Ufa, 2000, pp.218−219.
    180. Rump S.M. Algorithms for verified inclusions: theory and practice. — Reliability in computing: The role of interval methods in scientific computing. Perspectives in Computing. Ed. R.E. Moore, Vol.19, Academic Press Inc., Boston, 1988, pp 109−126.
    181. ShayerS. Interval arithmetic with some applications for digital computers. Technical Report LMSD5−13−65−12, Lockheed Missiles and Space Co., 1965, 92р.
    182. Schulte M.J. A Variable-Precision, Interval Arithmetic Processor. Dissertation Submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy. University of Texas at Austin, 1996, 143P
    183. Schulte М. J., Swartzlander E.E., Jr. Software and Hardware Techniques for Accurate, Self-validating Arithmetic — Applications of Interval Computations, Kluwer Academic Publishers, Boston, 1996, pp. 381 404.
    184. Schulte M.J., Swartzlander E.E., Jr. A Staggered Interval Arithmetic Processor. — Proceedings of the 1995 International Conference on Application Specific Array Processors, Strasbourg, 1995, pp. 104−112.
    185. Schulte M.J., Swartzlander E.E., Jr. Variable-Precision Interval Arithmetic Coprocessors. — Reliable Computing, 1996, V0I.2, N0.1, pp. 47−62.
    186. Shvetsov I., Semenov A., Telerman V. Application of Subdefinite Models in Engineering. — Artificial Intelligence in Engineering, 1997, Vol.11, N0.1, pp. 15−24.
    187. Silc J., Robic В., Ungerer T. Asynchrony in Parallel Computing: From Dataflow to Multithreading. — Parallel and Distributed Computing Practices, 1998, Vol.1, N0.1, pp. 3−30.
    188. StauningO. Automatic Validation of Numerical Solutions. Theses submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy. Technical University of Denmark, Lyngby, 1997,125р.
    189. StolfiJ., Figueiredo L.H. Self-Validated Numerical Methods and Computations. Brazilian Mathematics Colloquium monograph, IMPA, Rio de Janeiro, 1997,122р.
    190. Sunaga T. Theory of interval algebra and its application to numerical analysis. — RAAG Memoirs, Tokyo, Vol.2,1958, pp. 29−46 (547−564).
    191. Taylor B.N., Kuyatt C.E. Guidelines for Evaluating and Expressing the Uncertainty of NIST Measurement Results. NIST Technical Note 1297, 1994 Edition, National Institute of Standards and Technology, 1994,25р.
    192. TimmermanM. Windows NT as Real-Time OS? Real-Time Magazine, 1997, N0.2, pp. 6−13.
    193. Trave-Massuyes L., Milne R. Gas-Turbine Condition Monitoring Using Qualitative Model-Based Diagnosis. — Intelligent systems and their applications, 1997, Vol.12, N0.3, pp. 22−31.
    194. TrejoR., GerasimovA.I. Choosing interval functions to represent measurement inaccuracies: group-theoretic approach — Proceedings of International Workshop on Applications of Interval Computations APIC95, El Paso, 1995, pp. 207−210.
    195. Treseler H., Stursberg O., Chung P.W.H., Yang S. An Open Software Architecture for the Verification of Industrial Controllers. — Journal of Universal Computer Science, 2001, V0I.7, N0.1, pp. 37−53.
    196. Vasan S., Rajkumar R. It’s All a Matter of Time. — Real-Time Magazine, 1997, N0.4, pp. 54−60.
    197. Verdoscia L., Vaccaro R. A High-Level Dataflow System. — Computing, 1998, Vol.60, N0.4, pp. 285−306.
    198. WarmusM. Calculus of Approximations — Bulletin of the Polish Academy of Sciences, 1956, V0I.4, N0.5, pp. 253−257.
    199. WarmusM. Approximations and Inequalities in the Calculus of Approximations. Classification of Approximate Numbers. — Bulletin of the Polish Academy of Sciences, Series of mathematics, astronomy and physics, 1961, Vol. IX, N0.4, pp. 241−245.
    200. WeihrauchK. Computable Analysis. Introduction. Springer-Verlag, Berlin/Heidelberg, 2000, 285р.
    201. Yap C., Dube T. The Exact Computation Paradigm. — Computing in Euclidean Geometry (2nd Edition). Eds. D.-Z. Du, F.K. Hwang, World Scientific Press, 1995, pp. 452−492.
    202. Young R.C. The algebra of multi-valued quantities. — Mathematische Annalen, 1931, Vol.104, PP- 260−290.
    203. Нормативно-справочные документы
    204. Закон РФ «Об обеспечении единства измерений» от 27 апреля 1993 г.
    205. ГОСТ 8.009−84. ГСИ. Нормируемые метрологические характеристики средств измерений.
    206. ГОСТ 22.316−77 Средства агрегатные информационно-измерительных систем. Общие требования к организации взаимодействия средств при построении систем.
    207. ГОСТ 24.104−85 Автоматизированные системы управления. Общие требования.
    208. ГОСТ 26.203 ЕССП. Комплексы измерительно-вычислительные. Признаки классификации. Общие требования.
    209. ГОСТ 28.195−89 Оценка качества программных средств.
    210. ГОСТ Р ИСО 5725−2002 Точность (правильность и прецизионность) методов и результатов измерений.
    211. ГОСТ Р ИСО/МЭК 9126−93 Оценка программной продукции.
    212. МИ 1317−86. Методические указания. ГСИ. Результаты и характеристики погрешности измерений. Формы представления. Способы использования при испытаниях образцов продукции и контроле их параметров.
    213. МИ 2301−2000. Рекомендация. Государственная система обеспечения единства измерений. Обеспечение эффективности измерений при управлении технологическими процессами. Методы и способы повышения точности измерений.
    214. Р 50.34.119−90. Рекомендации. Информационная технология. Комплекс стандартов на автоматизированные системы. Архитектура локальных вычислительных сетей в системах промышленной автоматизации.
    215. РД 34.08.552−95. Методические указания по составлению отчета электростанции и акционерного общества энергетики и электрификации о тепловой экономичности оборудования. — М.: СПО ОРГРЭС, 1995.
    216. РД 34.20.501−95. Правила технической эксплуатации электрических станций и сетей Российской Федерации, (издание 15-е, с изменениями и дополнениями от 11.02.2000 г. и от 17.07.2000 г.) — М.: «Издательство НЦ ЭНАС», 2002.
    217. РД 34−35−127~93- Общие технические требования к программно-техническим комплексам для АСУ ТП тепловых электростанций. — М.: СПО ОРГРЭС, 1995. 65с.
    218. РМГ 29−99. Рекомендации по межгосударственной стандартизации. ГСИ. Метрология. Основные термины и определения.
    219. ANSI/IEEE Standard for Binary Floating-Point Arithmetic, Std. 7 541 985, American National Standards Institute and Institute of Electrical and Electronics Engineers, New York, 1985 (also called ISO/IEC 559).
    220. British Standard BS7986: 2001, «Specification for data quality for industrial measurement and control systems»
    221. IEEE 1588−2002 Standard «Precision Clock Synchronization Protocol for Networked Measurement and Control Systems»
    222. US Patent #5,570,300 issued October 29, 1996, «Self-validating sensors»
    223. US Patent #5,713,668 issued February 3, 1998, «Self-verifying temperature sensor»
    224. US Patent #5,774,378 issued June 30,1998, «Self-validating sensors»
    225. US Patent #5,887,978 issued March 30, 1999, «Self-verifying temperature sensor»
    226. US Patent #6,047,220 issued April 4, 2000, «Device in a process system for validating a control signal from a field device»
    227. US Patent #6,356,857 issued March 12, 2002, «Sensor validation apparatus and method»
    228. US Patent #6,473,660 issued October 29, 2002, «Process control system and method with automatic fault avoidance»
    229. US Patent #6,473,708 issued October 29, 2002, «Device and method for self-verifying temperature measurement and control»
    230. US Patent #6,473,710 issued October 29, 2002, «Low power two-wire self validating temperature transmitter»
    231. Электронные источники и ресурсы Интернет
    232. Автоматизированная система диспетчерского управления тепловыми сетями. http://www.ukrgiproruda.kharkiv.org/asdyts.html> (16.08.02)
    233. Автоматика и робототехника. Проект SEVA (SEnsor VAlidation — самоконтроль датчиков).http://h0me.p0larc0m.ru/-wtsv/ref2000/r0172.htm> (02.08.02)
    234. Е.Б., Куцевич Н.А. SCADA — системы: взгляд изнутри (07.09.01)
    235. .Г., Ситников B.C. Обеспечение надежности и живучести измерительной сети датчиков //Труды ученых Одесского политехнического университета. — 1997. — № 2. (25.10.01)
    236. С.А., Толстова Т. А. О ненормальности нормального закона распределения //Материалы Всероссийской электронной конференции «Современная металлургия» (январь-ноябрь 2001 г.). (21.06.01)
    237. Изместьев С.В. SCADA-системы. Доклад на техническом семинаре ОАО «Отделение разработки систем», Киров, 2000. (02.09.01)
    238. Каскад для Win32. (10.09.01)
    239. Кирюхин П. RTX — расширение реального времени для Windows NT. http://www.citforum.ru/operatingsystems/rtx/index.shtml> (04.09. 01)
    240. Д.Г. Интеграция системы обнаружения утечек с системой MOSCAD продуктопровода Сургут — Ю. Балык ООО «СУРГУТГАЗПРОМ"http://artwizard.wallst.ru/camsys/motpas.html> (14.08.02)
    241. Комплексная информационная система управления производством аэропорта. http://www.sparm.com/whitebook/avia/kisuap.htm> (01.11.00)
    242. Л.И., Конотоп Д. Г. КП системы контроля и управления линейными задвижками магистральных нефтепроводов. (14.08.02)
    243. Нечеткая логика — новое слово в науке. (05.09.02)
    244. В .Я., Бакулин Е. П., Кореньков Д. И. Нечеткие множества в системах управления.http://www.idisys.iae.nsk.su/fazzybook/content.html> (28.10.00)
    245. Результаты изучения и сравнения возможностей различных комплексов ЦППС и ОИК. Сводная таблица по ОИК. ЦДУ ЕЭС РОССИИ, 2000. http://www.cdu.elektra.ru/svtaboik.htm> (26.05.02)
    246. Трейс моуд — интегрированная SCADA- и softlogic-система для разработки АСУТП. http://www.tracemode.ru/> (10.09.01)
    247. И.И. О системах телемеханики в энергетике. Доклад на техническом семинаре ОАО «Отделение разработки систем», Киров, 2000http://www.0rs.kir0v.ru/seminar/Jun30/is/d0klad.html> (02.09.01)
    248. Arnold D.N. Some disasters attributable to bad numerical computing. — Numerical analysis course materials, 1998. (08.11.01)310. Genesis32. http://web.iconics.com/Genesis32/Genesis3299.htm> (10.09.01)
    249. SIMPLEi Reference Manual. (14.09.01)
    250. Simulation and Modelling. SimScript. (14.09.01)313. SCADA-системы в АСУТП. http://www.scada.com.ua/> (10.09.01)
    251. SCADА-система МАИС. (10.09.01)
    252. Chester E. Introduction to The Logarithmic Number System — 'LNS', 1996. http://napier.ncl.ac.uk/HSLA/LNSIntro/> (23.06.01)
    253. Cimplicity Software. (10.09.01)
    254. Citect — The most Powerful and Reliable Automation Software. (10.09.01)
    255. Diagnostician: Automated Diagnostics Software Module. (04.10.01)
    256. Easys. Software for virtual system prototyping, simulation and control. (17.09.01)
    257. FactoryLink — Automation and Control Solutions. (10.09.01)
    258. Interval FAQ. (26.11.01)
    259. Kahan W. Status of IEEE 754. Lecture Notes. University of California, Berkeley, 1996,30р.http://www.cs.berkeley.edu/~wkahan/ieee754status/ieee754.ps> (26.11.01)
    260. Kahan W. The Improbability of Probabilistic Error Analyses for Numerical Computations. Lecture notes. University of California, Berkeley, 1996,34р.http://www.cs.berkeley.edu/~wkahan/improber.ps> (22.о6.о 1)
    261. Kelly W.E., Painter J.H. Soft Computing in the General Aviation Cockpit. — Proceedings of the First Online Workshop on Soft Computing, 1996, 6p. http://www.pa.info.mie-u.ac.jp/bioele/wsci/papers/files/kelly.ps.gz> (22.10.01)
    262. Lausterer G.K. Application of Fuzzy Logic to Power Plant Control. — Materials of the Automation 95 conference, Tampere, 1995. 3010.01)
    263. MathCore — Modelica-based Software Engineering Tools for Object-Oriented Computer Simulation. http://www.mathcore.com/> (14.09.01)
    264. Milne R., Siu C.C., Shen Q. A Fuzzy Expert System for Turbomachinery Diagnosis — Proceedings of the First Online Workshop on Soft Computing, 1996, 7р. http://www.pa.info.mie-u.ac.jp/bioele/wsci/papers/files/shen.ps.gz> (22.10.01)
    265. Neefs H., Bosschere К., Campenhout J. A С++ Simulator modelling a modern data-flow scheduling Microprocessor. Seminar on Parallel Computing, Noordwijk aan Zee, 1996, 8p. chttp: / / www. elis .rug .ac.be/-neefs/papers / delftSeminarps .zip > (02.09.01)
    266. Page I. Hardware Compilation, Configurable Platforms and ASICs for Self-validating Sensors. Oxford University Computing Laboratory, 1997, uphttp://www.doc.ic.ac.uk/~ipage/papers/fpl97.pdf> (02.08.02)
    267. Shift. The Hybrid System Simulation Programming Language. (14.09.01)
    268. Simulation Software. Pasion summary. (14.09.01)
    269. RealFlex. (10.09.01)337. RSView32. http: / /www. software. rockwell. com/rs view3 2/>(i0.09.0i)
    270. RTWin — rapid development for control and monitoring systems. (10.09.01)
    271. SDX edition for Compaq (Digital) Visual Fortran. (14.09.01)
    272. VisSim. (07.09.01)
    273. Visualization Component: InTouch. (10.09.01)
    274. Walley P. Imprecise probabilities. (22.08.01)343. What is Sitex? http: //j adesoft.co .uk/ products / sitex/ sitex. htm >(10.09.01)
    275. WinSAAM. The Simulation, Analysis and Modeling software. (14.09.01)
    276. Zimmermann R. Computer Arithmetic: Principles, Architectures and VLSI Design. Lecture notes. Swiss Federal Institute of Technology, Zurich, 1999, 26р. http://www.iis.ee.ethz.ch/~Ezimmi/pubHcations/comparithnotes. ps. gz> (23.06.01)
    277. Перечень использованных сокращений
    278. АПС абстрактные параллельные структуры
    279. АРМ автоматизированное рабочее место
    280. АСК автоматизированная система контроля
    281. АСНИ автоматизированная система научных исследований
    282. АСТПП автоматизированная система технологической подготовкипроизводства
    283. АСУ автоматизированная система управления
    284. АСУ ТП АСУ технологическим процессом ГЛОНАСС глобальная навигационная система
    285. ДС диагностическая система
    286. КПД коэффициент полезного действия
    287. МДП местный диспетчерский пункт
    288. МПВА модель потоковых вычислений с автовалидацией1. НС насосная станция
    289. ООП объектно-ориентированное программирование1. ОС операционная система1. ПД поток данных
    290. ПИП первичный измерительный преобразователь1. ПК персональный компьютер
    291. ПО программное обеспечение
    292. ПТК программно-технический комплекс1. ПУ поток управления1. РВ реальное время1. РССОИ распределенная ССОИ
    293. СВПЭ схема взаимодействия потоковых элементов
    294. СОУ система определения утечек
    295. ССОИ система сбора и обработки данных1. ТИ телеизмерение
    296. ТЭП технико-экономические параметры1. ТЭЦ1. ТоТЭЦ1. УСО1. ЦПУ1. ЭВМ1. AIC1. AIR1. ANSI1. API1. BIR1. CORBA1. CRM DCEтеплоэлектроцентраль Тольяттинская ТЭЦ устройство связи с объектом центральное процессорное устройство электронно-вычислительная машина
    297. AccuTru International Corporation (международная корпорация AccuTru)
    298. Arrangement Interval Relations (отношения взаимного расположения интервалов)
    299. American National Standards Institute (национальный институт стандартизации США)
    300. Application Programming Interface (программный интерфейс приложений)
    301. Basic Interval Relations (базовые отношения между интервалами)
    302. DCOM Distributed Component Object Model (распределенная модель компонентных объектов) расширение модели СОМ фирмы Microsoft, ориентированное на поддержку и интеграцию распределенных объектных приложений, функционирующих в сети.
    303. DF Data-Flow (потоковый, потокоориентированный)
    304. DLL Dynamic-Link Library (динамически подключаемая библиотека)
    305. HP PA Hewlett-Packard Precision Architecture (прецизионная архитектура компании Hewlett-Packard) вариант RISC-архитектуры.
    306. Open Development Kit (открытый пакет разработки)
    307. Object Management Group (рабочая группа по развитиюстандартов объектного программирования)
    308. Operating System (операционная система, ОС)
    309. Open Software Foundation (фонд открытого ПО, консорциум
    310. OSF) независимая некоммерческая научноисследовательская организация, занимающаяся разработкойстандартов для открытых систем.
    311. Personal Computer (персональный компьютер, ПЭВМ)
    312. Supervisory Control And Data Acquisition (диспетчерскоеуправление и сбор данных)
    313. Single Document Interface (одно-документный интерфейс) SEnsor VAlidation (самоаттестация, автовалидация датчика) Symmetric Level-index Arithmetic (симметрическая уровне-индексная арифметика)
    314. SLNS Semi-Logarithmic Number System (семи-логарифмическаясистема счисления) SMS Short Message Service (услуга коротких сообщений) SVC Self-Validated Computations (вычисления с автоматической валидацией)
    315. SVS Self-Validated Sensor (датчик с автовалидацией, самоаттестующийся датчик) ULP Unit in the Last Place (единица младшего значащего разряда)
    316. Перечень таблиц и иллюстраций
    317. Рисунок l-i. Обобщенная структура ССОИ.19
    318. Рисунок 1−2. Развитие систем сбора данных и управления.41
    319. Рисунок 1−3. Различные циклы работы компонентов РССОИ.50
    320. Рисунок 1−4. Снижение апертурной погрешности в изохронном режиме51
    321. Рисунок 1−5. Три составляющих SEVA-датчиков.90
    322. Рисунок 2−1. Ступенчатая функция принадлежности нечеткойпеременной.103
    323. Рисунок 2−2. Обозначение актора на СВПЭ.105
    324. Рисунок 2−3. Структурная организация актора.106
    325. Рисунок 2−4. Обозначение валидатора на СВПЭ.108
    326. Рисунок 2−5. Структурная организация валидатора.111
    327. Рисунок 2−6. Обозначение генератора на СВПЭ.113
    328. Рисунок 2−7. Структурная организация генератора.115
    329. Рисунок 2−8. Определение параметра Error по функции длязаданного значения характеристики достоверности.118
    330. Рисунок 2−9. Формирование токенов генератором.120
    331. Рисунок 2-ю. Определение компонентов токенов, формируемыхгенератором.122
    332. Рисунок 2-и. Последовательность токенов, формируемых генератором122
    333. Рисунок 2−12. Обозначение терминатора на СВПЭ.123
    334. Рисунок 2−13. Структурная организация терминатора.123
    335. Рисунок 2−14. Структурная организация канала.126
    Заполнить форму текущей работой

    Пора сдавать?