Разработка подсистемы автоматизации проектирования магнитных головок для устройств накопления информации тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Обжелянский, Сергей Анатольевич

  • Обжелянский, Сергей Анатольевич
  • кандидат технических науккандидат технических наук
  • 2004, Таганрог
  • Специальность ВАК РФ05.13.12
  • Количество страниц 165
Обжелянский, Сергей Анатольевич. Разработка подсистемы автоматизации проектирования магнитных головок для устройств накопления информации: дис. кандидат технических наук: 05.13.12 - Системы автоматизации проектирования (по отраслям). Таганрог. 2004. 165 с.

Оглавление диссертации кандидат технических наук Обжелянский, Сергей Анатольевич

ВВЕДЕНИЕ.

Глава 1. МЕТОДЫ АВТОМАТИЗАЦИИ ПРОЕКТИРОВАНИЯ МАГНИТНЫХ ГОЛОВОК ДЛЯ УСТРОЙСТВ НАКОПЛЕНИЯ ИНФОРМАЦИИ.

1.1. Анализ существующих методов автоматизации проектирования магнитных головок для устройств накопления информации.

1.1.1. Классификация устройств накопления информации.

1.1.2. Материалы и конструкции магнитных головок.

1.1.3. Методы исследования магнитных головок.

1.1.4. Математическое моделирование магнитных головок.

1.2. Постановка задачи автоматизации проектирования магнитных головок для устройств накопления информации

1.3. Обзор современных САПР.

1.3.1. Классы САПР.

1.3.2. Универсальные САПР.

1.3.3. Основные функциональные возможности прогрессивных САПР.

1.4. Выводы.

Глава 2. СТРУКТУРА ПРОЦЕССА РАЗРАБОТКИ И

МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПОДСИСТЕМЫ АВТОМАТИЗАЦИИ ПРОЕКТИРОВАНИЯ МАГНИТНЫХ

ГОЛОВОК ДЛЯ УСТРОЙСТВ НАКОПЛЕНИЯ ИНФОРМАЦИИ.

2.1. Структура процесса разработки подсистемы автоматизации проектирования магнитных головок для устройств накопления информации.

2.2. Математические модели синтеза материалов для изготовления магнитных головок.

2.2.1. Синтез стекловидных диэлектриков для спаев стекла с титаном для многодорожечной магнитной головки.

2.2.2. Синтез стекловидных диэлектриков при формировании соединения стекла с ферритом для многодорожечной магнитной головки.

2.2.3. Прессование горячепрессованных ферритов.

2.3. Математические модели определения эффективного функционирования магнитных головок.

2.3.1. Анализ эффективности потокособирающей тонкопленочной магниторезистивной головки.

2.3.2. Характеристики асимметричных тонкопленочных магнитных головок.

2.4. Выводы.

Глава 3. РАЗРАБОТКА ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

ПОИСКА ОПТИМАЛЬНЫХ ПАРАМЕТРОВ И

ХАРАКТЕРИСТИК МГ.

3.1. Генетический алгоритм с множественным генотипом.

3.1.1. Поиск оптимальных параметров и характеристик магнитных головок.

3.1.2. Представление генетического материала.

3.1.3. Методика кодирования решения.

3.1.4. Целевая функция.

3.1.5. Генетические операторы и структура.

3.1.6. Теоретическая оценка алгоритма.

3.2. Динамический генетический алгоритм.

3.2.1. Цель разработки динамического генетического алгоритма.

3.2.2. Структура представления генетического материала.

3.2.3. Методика кодирования решения.

3.2.4. Целевая функция.

3.2.5. Генетические операторы и структура.

3.2.6. Теоретическая оценка алгоритма.

3.3. Выводы.

Глава 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ

РАЗРАБОТАННЫХ АЛГОРИТМОВ.

4.1. Цель экспериментального исследования.

4.2. Исследование генетического алгоритма с множественным генотипом.

4.2.1. Определение оптимальных параметров.

4.2.2. Пространственная и временная сложности.

4.2.3. Сравнительная характеристика.

4.3. Исследование динамического генетического алгоритма.

4.3.1. Подбор параметров алгоритмом.

4.3.2. Пространственная и временная сложности.

4.3.3. Сравнительная характеристика.

4.4. Выводы.

Рекомендованный список диссертаций по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка подсистемы автоматизации проектирования магнитных головок для устройств накопления информации»

В настоящее время и в ближайшей перспективе основной тенденцией развития автоматизированного проектирования дискретных устройств (ДУ) является создание интегрированных интеллектуальных САПР, обеспечивающих сквозное проектирование от комплексного описания устройства на всех уровнях детализации объекта (архитектура, система, технология, схема, устройство) до его функционирования (изготовление, поведение на приборном, схемном, системном уровнях)[1,2]. Разработка сквозных интегрированных интеллектуальные САПР высших поколений, связанная, прежде всего, с усложнением объекта проектирования [3], обеспечением высоких технико-экономических параметров конкурентоспособных ДУ, приводит к необходимости переоценки ограничений и возможностей САПР, пересмотру многих принципов методологического обеспечения САПР [4]. Чем сложнее разрабатываемое изделие, тем более сложной и функциональной должна быть САПР [5]. При этом усилия проектировщиков необходимо сконцентрировать на создании систем, позволяющих не только ориентироваться в сложной инфраструктуре интегрированной САПР, но и синтезировать объектно-ориентированные подсистемы из ее структурных элементов применительно к конструктивно-технологическим и функционально-логическим особенностям реальных объектов [6]. В частности, исключительная сложность процессов, происходящих при записи и воспроизведении сигналов, послужили причиной использования САПР при исследовании и разработке устройств накопления информации (УНИ). Обширной составной частью УНИ являются устройства магнитной записи (УМЗ) информации, которые представляют собой широко распространенный способ хранения информации.

Магнитная микроэлектроника - активно развиваемое в мире направление, в основе которого лежит планарная интегральная технология изготовления элементов микронных размеров на магнитных пленках.

При проектировании элементов УМЗ разработчик сталкивается с большим объемом сложных технических задач, которые необходимо решать за ограниченный промежуток времени. Поэтому с усложнением разрабатываемых УНИ широко используются методы математического моделирования, позволяющие формализовать процесс создания новых технических решений и анализа эксплуатационных характеристик. В результате возникает необходимость в соответствующем развитии средств автоматизированного проектирования, направленного, прежде всего, в сторону слияния с элементами искусственного интеллекта на всех уровнях САПР [7].

В настоящее время САПР развивается в двух направлениях: с одной стороны, широко используются персональные компьютеры с непосредственным участием конструктора. С другой стороны, создаются системы автоматизированного проектирования на основе многопроцессорных вычислительных структур без участия человека, что считается более перспективным [8]. В обоих направлениях определяющими остаются вопросы оптимизации алгоритмов, формализации задач конструирования, представления информации в ЭВМ, организации библиотек программ и ДР. [9]

В общем случае процесс автоматизации проектирования любых ДУ состоит из трех основных этапов: системотехнического, схемотехнического и конструкторского [10,11].

Первый этап включает в себя системное и структурное проектирование. Схемотехническое проектирование состоит из моделирования, логического проектирования, а также контроля и построения диагностических тестов. Конструкторский этап включает техническое и технологическое проектирование.

При системном проектировании используются идеи и методы системного анализа. На основе многочисленных факторов проводится всесторонний анализ технического задания на разработку ДУ и принимается решение относительно методики построения и путей реализации вычислительного процесса.

При структурном проектировании разрабатываются общая структурная схема ДУ и алгоритмы выполнения отдельных операций. Для выбора структуры необходимо учитывать требования технологичности, надежности, возможности более широкого использования однородных и квазиоднородных унифицированных узлов [12].

Системотехнический этап проектирования в основном пока является неформализованным процессом. Здесь используются творческие возможности инженера. ЭВМ просматривает варианты решений, принимаемых разработчиком, и выбирает из них оптимальный. На этом этапе используются специальные языки, формальные методы генерации вариантов вычислительного процесса по исходному заданию методом автоматического получения структурных схем.

На этапе схемотехнического проектирования широко используются логические и вычислительные возможности ЭВМ [13]. Целью логического проектирования ДУ является автоматический или автоматизированный формализованный абстрактный и структурный синтез узлов, выбранных в результате структурного проектирования, при котором проверяется эквивалентность исходного задания конечному результату [14]. В теоретическом плане здесь имеются существенные достижения: автоматически синтезируются управляющие и специального вида операционные устройства. На практике при автоматизации логического проектирования схем требуется решение большого числа задач. К ним относятся: разработка эффективных языков описания исходных заданий и языков структурного проектирования, алгоритмов построения формальных моделей устройств и др.

Необходимо отметить, что наиболее значимым и наукоемким элементом в УНИ, а именно в УМЗ, является магнитная головка (МГ), потому что её качество определяет объем размещаемой информации на единицу площади носителя информации (НИ), скорость записи - воспроизведения и другие важные характеристики УНИ. Проектирование МГ для аппаратуры магнитной записи и головок, используемых в накопителях информации, является высокотехнологичным дорогостоящим этапом производства, связанным с длительным подбором состава: формированием компонентов с необходимыми свойствами и их спаев, которые удовлетворяли бы требованиям прочности и износостойкости, учетом температурных и магнитных полей, а также другим критериям, применяемым к конструкциям МГ. Поэтому задачи, которые необходимо решить для разработки подсистемы автоматизации проектирования МГ для УНИ являются АКТУАЛЬНЫМИ ПРОБЛЕМАМИ, так как их решение позволит улучшить параметры современных УНИ.

ЦЕЛЬЮ диссертационной работы является разработка и исследование новых моделей, методик и алгоритмов автоматизированного проектирования МГ для УНИ, применяемых в вычислительной технике. Разрабатываемая подсистема позволит ускорить процесс и повысить качество проектирования МГ для УНИ.

Для достижения поставленной цели необходимо решить ряд следующих задач:

1. провести комплексное исследование методов автоматизированного проектирования МГ для УНИ;

2. разработать блок математических моделей, позволяющих определить зависимость параметров и свойств МГ от: состава материалов, из которых изготавливаются компоненты МГ; конструктивных особенностей МГ;

3. разработать блок программных модулей: моделирования синтеза материалов для изготовления МГ; определения оптимальных характеристик, обусловливающих эффективность МГ; контроля параметров и функционирования МГ;

4. определить временную и пространственную сложность разработанных алгоритмов. Провести их сравнительное исследование с существующими оптимизационными алгоритмами.

Для решения поставленных задач использовались следующие МЕТОДЫ ИССЛЕДОВАНИИ: аппарат математического моделирования, элементы теории алгоритмов, элементы теории генетического поиска и эволюционного моделирования, теория выбора и принятия решений.

НАУЧНАЯ НОВИЗНА диссертационной работы заключается в:

1. Разработке математических моделей: зависимости параметров и характеристик МГ, зависимости свойств материалов от их составов, пригодных для использования в алгоритмах, основанных на эволюционном моделировании;

2. Разработке новых методик представления решений поставленных задач, позволяющих применять к ним генетические операторы;

3. Разработке новых структур и элементов генетических алгоритмов, позволяющих автоматизировать процесс проектирования МГ для УНИ;

4. Разработке целевых функций, позволяющих адекватно оценивать полученные решения по определению оптимальных параметров и характеристик МГ.

ПРАКТИЧЕСКУЮ ЦЕННОСТЬ работы представляют:

1. Новые методики представления решений поставленных задач, позволяющих применять методы эволюционного моделирования.

2. Программная система, позволяющая: проводить поиск оптимальных характеристик и параметров МГ для УНИ; находить материалы с заданными свойствами.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ

Материалы диссертации использованы в г/б НИР: №12353 "Разработка теории и принципов построения интеллектуальных систем автоматизированного проектирования на основе эволюционной адаптации, ней-росетевых моделей и методов принятия решений", №12388 "Разработка теорий и принципов принятия решений при разбиении сложных математических объектов на части на основе моделирования эволюций и фрактальных множеств"; учебном процессе на кафедре САПР ТРТУ при чтении лекций, проведении практических и лабораторных занятий по курсам: «Методы эволюционного моделирования и генетические алгоритмы», «Разработка интеллектуальных САПР», «Промышленные САПР». Получено авторское свидетельство на программу для ЭВМ [15].

АПРОБАЦИЯ основных теоретических и практических результатов проводилась на Международных научно-технических конференциях IEEE CAD AIS'02-04 (г. Дивноморск, 2002-2004 г.), Девятой Национальной Конференции По Искусственному Интеллекту КИИ-2004 (С международным участием) (г. Тверь, 2004).

ПУБЛИКАЦИИ. Результаты диссертации отражены в 11 печатных работах.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИОННОЙ РАБОТЫ

Диссертация состоит из введения, четырёх глав, списка использованных источников и приложений. Работа содержит 165 страниц, включая 41 рисунок, 19 таблиц, список использованных источников из 154 наименований, 28 страниц приложений и актов о внедрении.

Похожие диссертационные работы по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Обжелянский, Сергей Анатольевич

4.4. Выводы

1. Определены оптимальные сочетания параметров для ГАМГ. По результатам экспериментальных исследований ГАМГ рекомендованы значения параметров алгоритма (размер популяции, вид селекции, вероятности кроссинговера Р|< и мутации Рм), позволяющие получить наибольшее быстродействие при поиске решения.

2. Проведены исследования по изменению и настройке ДГА его параметров. Сделан вывод, что ДГА адекватно реагирует на прекращение улучшения ЦФ, так как он корректно проводит настройку своих параметров, что приводит к получению лучших решений. Важно то, что ДГА позволяет использовать динамическое изменение параметров во время работы. Такой поиск решения невозможен у классических генетических алгоритмов.

3. Экспериментально определены пространственная и временная сложности ГАМГ и ДГА. Сделан вывод, что экспериментальные оценки соответствуют теоретическим с учетом незначительных погрешностей.

4. Проведено сравнение ГАМГ с существующими аналогами. Разработанный алгоритм является более быстродействующим, чем существующие аналоги, но уступает методу моделирования отжига в пространственной характеристике.

5. Проведена сравнительная характеристика ДГА и конкурирующих алгоритмов. Результат сравнения показал высокую эффективность ДГА, так как разработанный алгоритм находит лучшие решения среди всех рассмотренных алгоритмов. Важно также то, что ДГА имеет максимальную скорость приближения к лучшему решению. ДГА является наиболее быстродействующим среди рассмотренных алгоритмов, но уступает по пространственной характеристике ПГА. I

ЗАКЛЮЧЕНИЕ

Совокупность изложенных в диссертации положений посвящена научным исследованиям в области разработки систем автоматизации проектирования МГ для УНИ, используемых в вычислительной технике.

В диссертации получены следующие основные научные теоретические и практические результаты:

1. Проведен анализ существующих подходов и методов автоматизации проектирования МГ для УНИ. Проанализированы основные проблемы, возникающие при разработке различных типов МГ (тонкопленочных, магниторезистивных), используемых в УНИ. Проведен обзор и анализ современных САПР для поиска инструментов по решению поставленных задач. Показано, что в существующих САПР отсутствуют инструменты по автоматизации решения специфических задач, возникающих при проектировании МГ для УНИ. Определено, что одним из путей оптимизации процесса проектирования МГ для УНИ является постановка и решение задач по разработке подсистемы автоматизации проектирования МГ для УНИ.

2. Определены структура процесса проектирования подсистемы автоматизации проектирования МГ для УНИ. Разработаны структура и составляющие математического обеспечения подсистемы автоматизации проектирования МГ для УНИ математические модели: синтеза стекловидных диэлектриков для спаев стекла с титаном; синтеза стекловидных диэлектриков при формировании соединения стекла с ферритом; прессования горячепрессованных ферритов; характеристики эффективности по-токособирающей тонкопленочной магниторезистивной головки; характеристик асимметричных тонкопленочных магнитных головок. Реализация данных моделей позволила разработать новые генетические алгоритмы для решения задач автоматизации проектирования МГ для УНИ.

3. Обоснован выбор методов генетического поиска и эволюционного моделирования для решения задач автоматизации проектирования МГ для УНИ. Разработаны методики представления генетического материала для разработанных алгоритмов: генетического алгоритма с множественным генотипом и динамического генетического алгоритма, позволяющие минимизировать количество «нелегальных» решений, сохраняя при этом высокую скорость кодирования и декодирования хромосом. Приведенная методика позволяет уменьшить время работы алгоритма на 10-20% по сравнению с известными методами кодирования.

4. Разработаны структуры генетических алгоритмов для поставленных задач: поиска оптимальных параметров и характеристик МГ - ГАМГ, определения состава материала с заданными свойствами — ДГА. Определены генетические операторы, целевые функции, процедуры самоорганизации и самонастройки. Найдены теоретические оценки пространственной и временной сложностей разработанных алгоритмов автоматизации проектирования МГ для УНИ.

5. Реализована программная система автоматизации проектирования МГ для УНИ, использующая разработанные генетические алгоритмы. Для реализации программной системы использовался язык объектно-ориентированного программирования С++. Получено авторское свидетельство на программу для ЭВМ. Программная система выводит информацию об изменении ЦФ (максимального, среднего и минимального значений) в виде графиков, демонстрирует наглядное изменение родительской и дочерней популяций.

6. Проведены экспериментальные исследования разработанных алгоритмов. Выявлены оптимальные сочетания управляющих параметров для ГАМГ. Изучены изменения параметров ДГА и принципы его самонастройки. Определены реальные оценки пространственной и временной сложностей разработанных алгоритмов, выполнено сравнение полученных оценок с теоретическими: временная сложность ГАМГ - линейная, ДГА-полиномиальная. Полученные оценки позволяют говорить о практической полезности разработанных алгоритмов.

7. В результате проведенных исследований пространства поиска ГАМГ, сделан вывод, что разработанный алгоритм оказался универсальным для поиска оптимальных значений для всех приведенных математических моделей параметров и характеристик МГ.

8. Разработка новых методов самоорганизации при реализации ДГА позволила: усовершенствовать процесс поиска решения с исключением ненужных итераций при попадании в локальный оптимум, автоматизировать настройку параметров алгоритма. Данные методики позволили существенно повысить точность установки параметров алгоритма. Поэтому необходимо сделать теоретическое предположение о том, что разработанный ДГА является универсальным алгоритмом для решения масштабных задач степенной и факториальной сложности.

9. Осуществлено сравнение разработанных алгоритмов с конкурирующими в данной области алгоритмами. Применение разработанных алгоритмов позволяет сократить сроки проектирования МГ для УНИ по сравнению с применением классических алгоритмов на 10%.

Список литературы диссертационного исследования кандидат технических наук Обжелянский, Сергей Анатольевич, 2004 год

1. Синенко О., Куцевич Н., Леныиин В. Об интеграции АСУП и АСУТП в единую систему управления предприятием// Промышленные контроллеры и АСУ, 2000, №10.

2. Тарасов В.Б. Новые стратегии реорганизации и автоматизации предприятий: На пути к интеллектуальным предприятиям.- Новости ИИ, 1996, №4, с.40-84.

3. Лорьер Ж-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991.-586с.

4. Норенков И.П., Маничев В.Б., Основы теории и проектирования САПР. М.: Высш. Шк., 1990 - 272 с.

5. Гаврилова Т.А. Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

6. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.

7. Зайцева Ж. Н. Новые тенденции в развитии САПР ЭВА. /Тез. докл. «Теория и практика построения интеллектуальных интегрированных РАЭ и БИС». М.: 1989 г. С 160-182

8. Норенков И.П. Основы автоматизированного проектирования. М.: Изд-во МГТУ им. Н.Э. Баумана, 2000.

9. Стемпковский А.Л., Шепелев В.А., Власов А.В. Системная среда САПР СБИС. М.: Наука, 1994.

10. Разработка САПР. Под ред. А.В. Петрова. М., Высшая школа, 1990.

11. Громов А.И., Каменкова М.С. Идеологические стандарты управления вчера, сегодня, завтра// Информационные технологии в проектировании и производстве, 2001, №3.

12. Каталог «Открытые технологии и базовые аппаратно-программные средства для систем промышленной автоматизации и телекоммуникаций// РТС СофтАльянс, 2000, №2.13

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.