Генерация данных для задачи диагностирования систем космического аппарата

Автор: Амелькин Сергей Анатольевич, Шишкин Олег Гарриевич, Талалаев Александр Анатольевич

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Математическое моделирование

Статья в выпуске: 2 (33) т.8, 2017 года.

Бесплатный доступ

Задача тестирования работоспособности датчиковой аппаратуры космических систем является актуальной, поскольку связана с обеспечением отказоустойчивости. По мере роста масштабов и сложности систем и программ растет объем анализируемой информации, причем она не всегда доступна для проведения экспериментальных исследований, связанных с моделированием различных аномалий, что необходимо для построения и настройки специальных систем контроля и диагностики. В работе предложено программное средство генерации данных, предназначенное для моделирования разнообразных ситуаций с датчиками космического аппарата и отработки техники обнаружения и прогнозирования неисправностей. За счет предлагаемых средств обеспечивается высокий уровень охвата автоматическим контролем различных ситуаций, возникающих в процессе функционирования космических аппаратов. Обеспечивается более точная настройка инструментальных средств контроля, диагностики и прогнозирования развития ситуаций, связанных с аномалиями и отказами датчиков

Еще

ID: 14336117 Короткий адрес: https://sciup.org/14336117

Список литературы Генерация данных для задачи диагностирования систем космического аппарата

  • Н. С. Абрамов, А. А. Талалаев, В. П. Фраленко. Интеллектуальный анализ телеметрической информации для диагностики оборудования космического аппарата//Информационные технологии и вычислительные системы, 2016, №1. С. 64-75.
  • DTM Data Generator. Test Data Generator for database population and testing purposes with optional SQL, text, JSON, XML output, DTM soft, 1998-2017, URL: http://www.sqledit.com/dg/
  • Turbo Data. Automated Data Generator for Testing, URL: http://www.turbodata.ca/
  • P. Maj. DBMonster Core. The dbMonster home page, 2003-2012, URL: http://dbmonster.sourceforge.net
  • Е. А. Костычев, В. А. Омельченко, С. В. Зеленов. Нацеленная генерация данных для тестирования приложений над базами данных//Труды Института системного программирования РАН, 20 2011. С. 253-268, URL: http://ispras.ru/proceedings/docs/2011/20/isp_20_2011_253.pdf
  • Е. В. Корныхин. Генерация тестовых данных для системного функционального тестирования микропроцессоров с учетом кэширования и трансляции адресов//Труды Института системного программирования РАН, 17 2009. С. 145-160, URL: http://cyberleninka.ru/article/n/generatsiyatestovyh-dannyh-dlya-sistemnogo-funktsionalnogo-testirovaniyamikroprotsessorov-s-uchetom-keshirovaniya-i-translyatsii
  • А. Л. Штундер. Система генерации тестовых сигналов для определения метрологических характеристик программного обеспечения испытательных систем//Труды МАИ, 2011, №45, 21 с., URL: http://mai.ru/upload/iblock/f51/sistema-generatsii-testovykhsignalov -dlya -opredeleniya -metrologicheskikh -kharakteristik programmnogo-obespecheniya-ispytatelnykh-sistem.pdf
  • Интерполяция -Prognoz BI University | Wiki, ЗАО "ПРОГНОЗ", URL: http://university.prognoz.ru/biu/ru/Интерполяция
  • И. Ю. Алешин, А. В. Сычев, Д. К. Агишева, Т. А. Матвеева. Интерполяция неизвестных функций кубическими сплайнами//Современные наукоемкие технологии, 2014, №5-2. С. 188-189, URL: http://www.top-technologies.ru/pdf/2014/5-2/34060.pdf
  • Ю. Г. Шкарпеткина. Исследование и разработка метода заполнения пропусков в взвешенных обучающих выборках данных, Реферат по теме выпускной работы, URL: http://masters.donntu.org/2012/iii/shkarpetkina/diss/
  • С. А. Амелькин, М. В. Шустова. Байесовская оценка аномальности потока данных//Искусственный интеллект и принятие решений, 2016, №2. С. 55-59.
  • М. Н. Бурдаев, А. Н. Виноградов, В. Ф. Заднепровский, А. В. Захаров, Е. П. Куршев, В. М. Хачумов. Комплекс программно-инструментальных средств для создания интеллектуальных систем контроля и управления объектами аэрокосмического назначения//Авиакосмическое приборостроение, 2006, №8. С. 24-33.
  • А. В. Демаков, С. В. Зеленов, С. А. Зеленова. Генерация тестовых данных сложной структуры с учетом контекстных ограничений//Труды Института системного программирования РАН, 9 2006. С. 83-96, URL: http://citforum.ru/SE/testing/complex_test/
  • И. В. Абраменкова, В. В. Круглов. Методы восстановления пропусков в массивах данных//Программные продукты и системы, 2005, №2. С. 18-22, URL: http://cyberleninka.ru/article/n/metodyvosstanovleniya-propuskov-v-massivah-dannyh
  • Е. З. Демиденко. Линейная и нелинейная регрессии, Финансы и статистика, М., 302 с.
  • А. Н. Гайдадин, С. А. Ефремова, Н. Н. Бакумова, Применение корреляционного анализа в технологических процессах, РИО РПК "Политехник", Волгоград, 2008. С. 3-16.
  • О. В. Иванов. Статистика. Т. 1: Описательная статистика, Изд-во МГУ, М., 2005, 110 с.
  • Н. С. Абрамов, А. А. Ардентов, Ю. Г. Емельянова, А. А. Талалаев, В. П. Фраленко, О. Г. Шишкин. Архитектура системы мониторинга и прогнозирования состояния космического аппарата//Программные системы: теория и приложения, Т. 6, № 2. 2015. С. 85-99, URL: http://psta.psiras.ru/read/psta2015_2_85-99.pdf
  • А. М. Шихалев, Корреляционный анализ. Непараметрические методы, Изд-во Казан. ун-та, Казань, 2015. С. 5-45, URL: http://dspace.kpfu.ru/xmlui/bitstream/handle/net/22219/72_200_001010.pdf
Еще
Ред. заметка