Моделирование сетевого взаимодействия астрономических роботизированных комплексов Дмитриев Николай Владимирович Ставропольский государственный университет.

Презентация:



Advertisements
Похожие презентации
Обнинский Институт Атомной Энергетики. МОДЕЛИРОВАНИЕИНФОРМАЦИОННЫХСИСТЕМ Гулина Ольга Михайловна Сopyright © 2001 by Nataly Pashkova.
Advertisements

Выполнил: Теленкова Р.А.. Измерение интенсивности входного потока вызовов о пожарах и ЧС, то есть потока, поступающего по каналам информационного обеспечения.
1 Лекция 6 Модели систем обслуживания. 2 Вопросы лекции 1. Модель обслуживания с потерями 2. Модель обслуживания с ожиданием.
Использование системы оперативной ОВЧ радиосвязи для координирования работ нескольких караулов, участвующих в тушении крупного пожара или ликвидации ЧС.
Аналитические модели. Пример: одноканальная система массового обслуживания с однородным потоком заявок 1.Один прибор 2.Накопитель неограниченной ёмкости.
1 Лекция 5 Нагрузка и качество обслуживания в сетях связи.
1 Лекция 4 Описание потоков вызовов в теории телетрафика.
Моделирование технических систем. Системы массового обслуживания.
С ИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ понятие и структура СМО классификация СМО основные характеристики работы СМО имитационное моделирование в исследовании.
СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ (СМО). СМО – это случайный процесс с дискретными состояниями и непрерывным временем 4 основных элемента: Входящий поток.
1 Лекция 2 Принципы статистического имитационного моделирования.
Имитационное моделирование в исследовании и разработке информационных систем Лекция 6 Элементы теории систем массового обслуживания.
Выполнили: Мартышкин А. И. Кутузов В. В., Трояшкин П. В., Руководитель проекта – Мартышкин А. И., аспирант, ассистент кафедры ВМиС ПГТА.
Федеральное Государственное Образовательное Учреждение Высшего Профессионального Образования Ставропольский Государственный Аграрный Университет Лекция.
РАСЧЕТ ТЕКУЩЕГО И СТРАХОВОГО ЗАПАСА. Методы расчета текущего и страхового запаса могут быть разделены на три группы: методы, основанные на обработке статистических.
МОДЕЛИРОВАНИЕ И ФОРМАЛИЗАЦИЯ Работу выполнили ученицы 9 «Б» класса Шебаршова Рита и Гордеева Татьяна.
Россия, Красноярск Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева Бежитский Сергей Сергеевич ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ.
Основы надежности ЛА МАТЕМАТИЧЕСКИЕ МОДЕЛИ НАДЕЖНОСТИ.
Витковский В.В., Жимаев И.В. Специальная Астрофизическая обсерватория РАН Ставропольский государственный университет.
Моделирование и формализация. Модель - это упрощенное представление о реальном объекте, процессе или явлении любой аналог, образ (изображение, формула,
Транксрипт:

Моделирование сетевого взаимодействия астрономических роботизированных комплексов Дмитриев Николай Владимирович Ставропольский государственный университет

Задачи: Учебно-эстетические Астрофотография Учебно-научные Мониторинг ИСЗ Поиск новых и сверхновых звезд Изучение атмосферных явлений Обнаружение и расчет траекторий астероидов, сближающихся с Землей и объектов «косм. мусора» Научные Поиск оптических ореолов GRB Поиск экзопланет Фотометрия и спектроскопия

Сеть малых телескопов – сеть массового обслуживания Обслуживающие аппараты - телескопы малого и среднего диаметра. Транзакты (обслуживаемые заявки) - Заявки на активные виртуальные наблюдения: удаленный доступ роботизированный мониторинг браузерное наблюдение с указанием параметров - Заявки на пассивные виртуальные наблюдения: мониторинг текущих задач, без возможности контроля получение астрофизических данных ранее прошедших наблюдений Каналы связи – общедоступные сети и Internet

Географическая распределенность Зона (В. Д.)до 30°до 55°до 75°до 95°до 115°до 135°до 155°свыше 155° Число узлов Потери, %

Этапы разработки и внедрения Поиск потенциальных участников (университетские центры и научные организации) Разработка, либо приобретение телескопов, имеющих базовые средства автоматизации, стандартизация Единоначальное либо иерархическое управление сетью из центра, отвечающего за прием заявок и принятие решений (контролируется оператором) Автоматизация процесса принятия решений Делегирование ряда функций центра конечным узлам сети (стратегия коллективного управления) Ведение раздельных очередей заявок

Модель сети с runtime-потерями λ i β i (все входящие заявки обслуживаются) Runtime-потери – неудовлетворительный результат, получившийся вследствие аппаратного сбоя, ошибок в процессе наблюдений либо из-за изменившихся погодных условий Взаимодействие узлов сети целесообразно рассматривать как марковский процесс с непрерывным временем Входящий поток заявок - простейший

Граф состояний сети (N=2) P 0 (t) – вероятность перехода в состояние 0 (обслуженная заявка поступила в центр, или заявок нет). Считаем, что в случае поступления в центр новой заявки, она немедленно отправляется на один из узлов P 1 (t), P 2 (t) – вероятности переходов в состояния 1 или 2 (заявка обслуживается на телескопе 1 или 2) P 3 (t) – поглощающее состояние (неудачное обслуживание) Узел 1 Центр Узел 2 Отказ λ1λ1 λ2λ2 β1·F1β1·F1 β2·F2β2·F2 β1·F1*β1·F1* β2·F2*β2·F2*

Решение, полученное для N=2 Решение получено с использованием уравнения Колмогорова, преобразований Лапласа, методов матричной алгебры

Решение, полученное для N-узлов Параметры F * можно будет оценить, исходя из статистических данных о погоде, а также путем накопления и анализа данных об аппаратных сбоях

Модель сети с явными потерями В реальных условиях возникают ситуации, когда заявка не может быть исполнена, ввиду того, что все узлы сети заняты Астрономический прибор может выполнять в определенный момент времени только одну заявку (телескоп может осуществлять мониторинг только одной области неба) Далеко не каждую заявку можно поставить в очередь (мониторинг скоротечного, быстропеременного события и тд)

Имитационная модель сети типа M/G/m/L M – время прихода заявки распределено экспоненциально G – длительность обслуживания произвольная (для расчета промежутков длительности обслуживания используется гиперэкспоненциальное распределение) m – сеть с кол-вом узлов, равным m L – дисциплина обслуживания с явными потерями Разработана программная реализация модели: Входные данные: число телескопов, продолжительность этапа наблюдений, параметр, характеризующий входящий поток и ряд параметров, характеризующий длительность обслуживания, число итераций. Выходные данные: файл с информацией, необходимой для статистической обработки. Особенно важной является информация, характеризующая качество обслуживания (потери по числу заявок, длительность интервалов простоя).

Численные эксперименты с моделью Входящая нагрузка (представлена на графиках далее) Длительность этапа обслуживания – 600мин (10 ч) Продолжительность обслуживания 1 заявки – от 10 до 70 мин. При заданных параметрах, коэффициент вариации составил 113% Число телескопов – 20 Каждая точка графика усреднена по 10 итерациям

Потери по числу заявок Расхождения обусловлены тем, что формула Эрланга не учитывает потери, вызванные остановкой системы вследствие окончания периода обслуживания (в данном случае – восхода Солнца и прекращения наблюдений) Целесообразно использовать имитационное моделирование

Оптимизация времен простоя При простое телескопы сети целесообразно занять неприоритетными задачами.

Спасибо за внимание