Избыточные модели контролепригодных распределенных вычислительных систем реального времени

Грузликов А.М., Колесов Н.В. Избыточные модели контролепригодных распределенных вычислительных систем реального времени // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21, № 5. С. 767–773. doi: 10.17586/2226-1494-2021-21-5-767-773

Рассмотрение вопросов диагностирования занимает важное место в процессе проектирования систем обработки информации и управления, поскольку от качества их решения зависит надежность и отказоустойчивость систем. В работе представлены результаты разработки алгоритма синтеза модели, предназначенной для решения проблемы тестового диагностирования и ориентированной на распределенные вычислительные системы. Алгоритм встраивается в систему и исполняется параллельно с основным программным обеспечением системы, что позволяет упрощать процесс ее тестирования. Описание распределенной вычислительной системы, дополненное встроенной диагностической моделью, составляет избыточную модель системы. Предложенный алгоритм отличается сокращенным объемом диагностической информации. Диагностическая модель имеет иерархическую структуру и создается в два этапа. На первом этапе для графа межмодульных связей системы вычисляется множество путей, которые составляют покрытие его ребер. С каждым из полученных путей сопоставляется цепь из динамических звеньев, равным по числу количества программных модулей, через которые проходит данный путь. На втором этапе определяется вид динамических звеньев. При этом учитывается, что искомая динамическая модель системы используется для построения тестов. Процедура построения тестов упрощается, если модель системы линейна, управляема и наблюдаема. На основании этого формулируются требования к звеньям цепей модели. С помощью разработанного алгоритма можно создать дискретно-событийную модель системы, которая характеризуется сокращенным объемом используемой диагностической информации.

1. Bhandari G.P., Gupta R. Fault analysis of service-oriented systems: a systematic literature review // IET Software. 2018. V. 12. N 6. P. 446–460. https://doi.org/10.1049/iet-sen.2018.5249

2. Khalastchi E., Kalech M. Fault detection and diagnosis in multi-robot systems: A Survey // Sensors. 2019. V. 19. N 18. P. 4019. https://doi.org/10.3390/s19184019

3. Шумский А.Е., Жирабок А.Н., Гаджиев Ч. Диагностирование и отказоустойчивое управление динамическими системами. Владивосток: Дальневосточный федеральный ун-т, 2016. 178 с.

4. Бритов Г.С., Мироновский Л.А. Достоверность и чувствительность терминального диагностирования управляемых динамических систем // Информационно-управляющие системы. 2019. № 4. С. 29–37. https://doi.org/10.31799/1684-8853-2019-4-29-37

5. Сперанский Д.В. Лекции по теории экспериментов с конечными автоматами. М.: Национальный открытый университет "ИНТУИТ", 2016. 354 с.

6. Jung D., Khorasgani H., Frisk E., Krysander M., Biswas G. Analysis of fault isolation assumptions when comparing model-based design approaches of diagnosis systems // IFAC-PapersOnLine. 2015. V. 48. N 21. P. 1289–1296. https://doi.org/10.1016/j.ifacol.2015.09.703

7. Krokavec D., Filasová A. Regular approach to additive fault detection in discrete-time linear descriptor systems // Studies in Systems, Decision and Control. 2021. V. 313. P. 61–74. https://doi.org/10.1007/978-3-030-58964-6_5

8. Han W., Wang Z., Shen Y., Liu Y. H-/L∞ fault detection for linear discrete-time descriptor systems // IET Control Theory & Applications. 2018. V. 12. N 15. P. 2156–2163. https://doi.org/10.1049/iet-cta.2017.1408

9. Бурдонов И.Б., Косачев А.С. Тестирование системы автоматов с буферизацией сообщений // Труды Института системного программирования РАН. 2016. Т. 28. № 1. С. 103–130. https://doi.org/10.15514/ISPRAS-2016-28(1)-7

10. Бурдонов И.Б., Косачев А.С. Система автоматов: условия детерминизма и тестирование // Труды Института системного программирования РАН. 2016. Т. 28. № 1. С. 151–184. https://doi.org/10.15514/ISPRAS-2016-28(1)-9

11. Li B., Khlif-Bouassida M., Toguyéni A. On-the-fly diagnosability analysis of bounded and unbounded labeled petri nets using verifier nets // International Journal of Applied Mathematics and Computer Science. 2018. V. 28. N 2.  P. 269–281. https://doi.org/10.2478/amcs-2018-0019

12. Fanti M.P., Mangini A.M. Ukovich W. Fault detection by labeled Petri nets in centralized and distributed approaches // IEEE Transactions on Automation Science and Engineering. 2013. V. 10. N 2. P. 392–404. https://doi.org/10.1109/TASE.2012.2203596

13. Cabasino M.P., Giua A., Lafortune S., Seatzu C. A new approach for diagnosability analysis of Petri nets using verifier nets // IEEE Transactions on Automatic Control. 2012. V. 57. N 12. P. 3104–3117. https://doi.org/10.1109/TAC.2012.2200372

14. Cabasino M.P., Giua A., Paoli A., Seatzu C. Decentralized diagnosis of discrete-event systems using labeled Petri nets // IEEE Transactions on Systems, Man, and Cybernetics: Systems. 2013. V. 43. N 6. P. 1477–1485. https://doi.org/10.1109/TSMC.2013.2244208

15. Грузликов А.М., Колесов Н.В. Дискретно-событийная диагностическая модель распределенной вычислительной системы. Независимые цепи // Автоматика и телемеханика. 2016. № 10. C. 140–155.

16. Грузликов А.М., Колесов Н.В. Дискретно-событийная диагностическая модель для распределенной вычислительной системы. Слияние цепей // Автоматика и телемеханика. 2017. № 4. С. 126–134.

17. Лукоянов Е.В., Грузликов А.М. Синтез иерархической диагностической модели потоковой вычислительной системы реального времени // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 5. С. 677–682. https://doi.org/10.17586/2226-1494-2020-20-5-677-682

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License