CC BY
13
зависимость, задавать параметры, значения которых определяются пользователем, определять их значения и задавать порядок, в котором будут пересчитываться оставшиеся параметры функциональной зависимости;
7) синхронизация параметрической и графической баз данных модели (обновление параметров (размеров) в файлах сборочных единиц);
8) генерация конструкторской документации на определяемое пользователем подмножество (поддерево) сборочных единиц или на всё изделие.
Эксперименты по реализации данного подхода по управлению параметризацией были проведены на САПР БоНсМогкз 2005 и КОМПАС ЗБ 7.0. В качестве объекта параметризации был выбран магнитный сепаратор, модель которого является иерархической: состоит из 7 уровней иерархии, количество деталей и сборок больше тысячи.
Интеграция систем управления параметризации в современных САПР позволит существенно повысить эффективность работы с параметрическими моделями сложных машиностроительных изделий.
Шишкин Вадим Викторинович. кандидат технических нау’к, доцент кафедры «Измерительновычислительных комплексов» УлГТУ.
Пилюгина Татьяна Петровна, аспирант кафедры «Измерительно-вычислительных комплексов» УлГТУ.
Грошев Алексей Павлович, студент факультета «Информационные системы и технологии» УлГТУ.
Зотов Николай Александрович, студент факультета «Информационные системы и технологии» УлГТУ.
УДК 391.361
А. Г. ТАШЛИНСКИИ, М. Ю. САМОЙЛОВ, А. В. К ОЧКА ДАЕВ
ВОЗМОЖНОСТИ СОКРАЩЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЗАТРАТ ПРИ ВЕРОЯТНОСТНОМ МОДЕЛИРОВАНИИ ПРОЦЕССА ПСЕВДОГРАДИЕНТНОГО ИЗМЕРЕНИЯ ПАРАМЕТРОВ ИЗОБРАЖЕНИЙ
Рассмотрены возможности уменьшения объёма вычислительных затрат при вероятностном математическом моделировании процесса псевдоградиентного измерения параметров изображений при конечном числе итераций
Под псевдоградиентным измерением (оцениванием) вектора а неизвестных параметров изображений будем понимать использование для получения оценки а рекуррентной процедуры вида [1]
где )) - псевдоградиент целевой
функции (ДК,аг) оценивания (случайное направление в пространстве параметров, зависящее от а, и номера итерации ? и составляющее в среднем острый угол с градиентом (ДХ,а,)); К - совокупность наблюдаемых изображений, по которым требуется оценить а; А, - положительно определённая матрица. Сочетание высокой точности и устойчивости оценок в условиях шумов с высоким быстродействием делает псевдоградиентное оценивание привлекательным при обработке изображений. Однако при
А. Г. Ташлинский, М. Ю. Самойлов, А. В. Кочкадаев, 2005
52
этом возникает задача анализа вероятностных
/\
свойств погрешностей оценок а. при конечном числе итераций, которая осложнена влиянием большого числа факторов: характер плотностей распределения вероятностей и ковариационных функций изображений и мешающих шумов, вид 0(к,й,), Р, и л,,
/V
начальное приближение а0 вектора (1.
В качестве величин, комплексно характеризую-\ щих влияние указанных выше факторов, могут быть использованы вероятности сноса р (вероятности улучшения ухудшения оценок параметров при переходе вектора а, из £ -го состояния в (?+1) -е состояние) [2]. Использование вектора вероятностей р позволяет получить выражения для плотностей распределения вероятностей а?. В частности, для этого может быть использовало свойство нормализуемости
Вестник УлГТУ 1/2005
производных используемого псевдоградиента по оцениваемым параметрам.
При псевдоградиентном оценивании элементы матрицы вероятностей марковских переходов оценок
Л Л
из состояния а, в состояние ак легко выражаются через вероятности сноса р [3,4]. Однако при большой размерности вектора О. размер матрицы одношаговых переходов обусловливает очень высокие требования к вычислительным ресурсам. При этом основными факторами, определяющими вычислительные затраты, являются число возможных состояний оценки каждого параметра и размерность вектора
а.
Возможность уменьшения объёма вычислений для первого из указанных факторов заключается в переходе от непрерывной области определения параметров к дискретной. Это позволяет априорно выбрать размеры матрицы одношаговых переходов, обеспечивающие реализуемость вычислений при заданном классе вычислительных средств.
Для уменьшения влияния на объём вычислений размерности вектора СИ может быть использована модифицированная матрица одношаговых переходов [5], размер которой не зависит от размерности а . Заметим, что такое свойство матрицы достигается ценой потери информации о вероятности нахождения
оценки а в каждой из подобластей дискретизированной области определения параметров.
На основе предложенных подходов к уменьшению вычислительных затрат при вероятностном моделировании псевдоградиентного оценивания параметров изображений разработана библиотека прикладных программ, предназначенная для анализа вероятностных характеристик погрешностей оценок параметров межкадровых пространственных деформаций изображений и оптимизации процедур измерения.
Таким образом, возможно вероятностное математическое моделирование на стандартных пользовательских компьютерах процесса псевдоградиентного
измерения параметров изображений, позволяющее оценивать вероятностные свойства погрешностей оценок при конечном числе итераций псевдогради-ентных процедур.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Цыпкин, Я. 3. Информационная теория идентификации / Я. 3. Цыпкин. - М.: Наука. Физматлит, 1995.-336 с.
2. Tachlinskii, A.G. The Efficiency of Pseudogradient Procedures for the Estimation of Image Parameters with a Finite Number of Iterations / Pattern Recognition and Image Analysis, Vol.8, 1998. - Pp. 260-261.
3. Tashlinskii, A. G. Pseudogradient estimation of image sequence spatial deformations / Automation, Control and Inrormation Technology // A Publication of The International Association of Science and Technology for Development - IASTED. - Anaheim-Calgary-Zurich: ACTA Press, 2002. - Pp. 382-385.
4. Minkina, G. L., Samojlov, M. U., Tashlinskii, A. G. Goal Function Usage At Image Interframe Geometrical Deformation Pseudogradient Estimation / 7th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-7-2004), Volume I., St. Peterburg: SPbETU, 2004. - Pp. 314-315.
5. Tashlinskii, Alexandr. Computational Expenditure Reduction in Pseudo-Gradient Image Parameter Estimation / Computational Scince - ICCS 2003. Vol. 2658. Proceeding, Part II. - Berlin: Springer, 2003. - Pp. 456-462.
Ташлинский Александр Григорьевич, доктор технических наук, профессор кафедры САПР УлГТУ. Самойлов Михаил Юрьевич, аспирант УлГТУ. Кочкадаев Альберт Викторович, адъюнкт Ульяновского филиала высшего военного училища связи.
N
Вестник УлГТУ 1/2005
#
53
