WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]

Методы создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом

Автореферат кандидатской диссертации

 

На правах рукописи

 

Ершов Александр Александрович

Методы создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом

05.12.13 – Системы, сети и устройства телекоммуникаций

 

 

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург- 2012

Работа выполнена в Федеральном бюджетном образовательном учреждении высшего профессионального образования «Государственная морская академия имени адмирала С.О. Макарова».

Научный руководитель:                            

доктор технических наук, профессор, Искандеров Юрий Марсович.

Официальные оппоненты:                       

Пивоваров Александр Николаевич, доктор технических наук, профессор,

ФБОУ ВПО «Государственная морская академия имени адмирала С.О. Макарова», профессор кафедры «Радиосвязь на морском флоте»;

Доценко Сергей Михайлович, доктор технических наук, профессор,

ФГОБУ ВПО «Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича», проректор по научной работе.

Ведущая организация:                             

Федеральное государственное бюджетное учреждение науки Санкт-Петербургский институт информатики и автоматизации Российской академии наук.

Защита состоится «19» апреля 2012 г. в 15 часов на заседании диссертационного совета Д 223.002.01 при Федеральном бюджетном образовательном учреждении высшего профессионального образования «Государственная морская академия имени адмирала С.О. Макарова» по адресу: 195196, г. Санкт-Петербург, Заневский пр., д. 5, ауд. 402.

С диссертацией можно ознакомиться в библиотеке Государственной морской академии имени адмирала С.О. Макарова.

Автореферат разослан «12» марта 2012 г.

Ученый секретарь

диссертационного совета                                 Рябышкин Виктор Николаевич


Общая характеристика работы

Актуальность темы исследования. Современный  трубопроводный транспорт (ТТ) России имеет тенденцию к постоянному развитию и усложнению технических средств, и в настоящее время большое внимание уделяется совершенствованию уровня автоматизации его сложных систем, таких как перекачивающие и компрессорные станции, резервуары, распределительные пункты, системы мониторинга и т. д. Особое внимание уделяется проблемам автоматизации управления, и актуальность этой проблемы постоянно возрастает.

На разработку новых технических средств ТТ, в том числе автоматизированных систем управления (АСУ), затрачиваются огромные интеллектуальные и временные ресурсы. В такой ситуации назревает необходимость оптимизации существующих методов разработки АСУ с целью повышения общей эффективности работы инжиниринговых компаний и снижению интеллектуальных и временных, а следовательно – огромных финансовых затрат на разработку автоматизированных систем управления трубопроводным транспортом.

Применение современных телекоммуникационных технологий оказывает существенное влияние и на эффективность разработки, и на сам процесс эксплуатации АСУ ТТ. И один из путей решения проблемы эффективной организации процесса разработки АСУ ТТ – это создание интеллектуальной системы (ИС) для разработки, функционирующей на основе базы знаний (БЗ). Эта система позволит автоматически, на основе заданных параметров АСУ, создавать принципиальные схемы к проекту. То есть разработчик, использующий такую систему, сможет доверить ей разработку той части АСУ ТТ, техническое задание на которую поддается формализации. Причем, достигаемый в этом случае уровень автоматизации разработки не доступен существующим на данный момент системам.

Поскольку основным элементом любой ИС является база знаний, в которой концентрируется вся необходимая информация, то эффективное применение интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом без наличия БЗ, релевантной решаемым задачам и способствующей сохранению накопленного опыта, не представляется возможным. Это позволяет сделать вывод о том, что ключевой задачей создания интеллектуальной системы для разработки (ИСР) АСУ трубопроводным транспортом является задача непосредственно разработки релевантной базы знаний для нее. И для этого требуется решить целый ряд вопросов различного характера, связанных с выявлением, получением, представлением, организацией и накоплением знаний, а также реализацией и верификацией самой базы знаний.

Таким образом, состояние научных исследований по созданию и внедрению интеллектуальных систем для разработки АСУ трубопроводным транспортом позволяет сделать вывод о том, что существует актуальная научная задача разработки методов создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом.

В различные периоды времени вопросы, связанные с созданием баз знаний и, в целом, с интеллектуализацией различных процессов, были освещены в трудах таких ученых, как Минский М., Попов Э.В., Поспелов Г.С., Хорошевский В.Ф., Гаврилова Т.А., Сазонов А.Е., Смоленцев С.В., Искандеров Ю.М. и др.

Цель диссертационной работыповышение эффективности процесса разработки автоматизированных систем управления трубопроводным транспортом за счет интеллектуализации данного процесса на основе создания и внедрения базы знаний.

Объект исследования– база знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом.

Предмет исследования – принципы создания и методы разработки базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом.

Научная задача, решаемая в диссертационной работе, заключается в разработке методов получения и представления знаний, разработке структуры и метода оценки эффективности базы знаний, что необходимо для построения базы знаний и повышения эффективности процесса разработки автоматизированных систем управления трубопроводным транспортом.

Методами исследования являются методы таких научных дисциплин, как системология, информатика, инженерная психология, теория управления, математическое программирование, теория искусственного интеллекта, инженерия знаний, компьютерные и информационные технологии.

Диссертация является результатом личной работы автора в процессе научно-исследовательской деятельности.

Основными научными результатами, выносимыми на защиту, являются:

  • Метод точных опорных концептов получения  знаний.
  • Метод представления знаний «интеллектуальное зеркало».
  • Структура базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом.
  • Метод оценки эффективности базы знаний.

Научная новизна работы. Новизна настоящего диссертационного исследования состоит в следующем:

  • в разработке метода точных опорных концептов получения знаний, применение которого обеспечивает получение ключевых знаний с учетом специфики предметной области разработки АСУ трубопроводным транспортом и закладывает основу для параметризации знаний;
  • в разработке метода представления знаний «интеллектуальное зеркало», методически дополняющего метод точных опорных концептов и позволяющего параметризировать и представить схемотехнические знания с применением существующих средств систем автоматизированного проектирования (САПР) и традиционных моделей инженерии знаний;
  • в разработке структуры базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом, уточняющей принципы работы системы в целом;
  • в разработке метода оценки эффективности БЗ интеллектуальной системы для разработки АСУ трубопроводным транспортом, позволяющего оценить построенную базу знаний с позиций двух основных групп критериев: качества работы и полезности.

Практическая значимость работы. При создании БЗ интеллектуальной системы для разработки АСУ трубопроводным транспортом с применением разработанных методов и ее последующем внедрении, время разработки АСУ трубопроводным транспортом, по сравнению с применением обычного инструментария разработки АСУ, может достигать сокращения в 3,6 раза.

Кроме того, разработанные методы создания БЗ могут применяться для создания баз знаний для других предметных областей, связанных с разработкой и проектированием сложных технических объектов и комплексов.

Результаты диссертационного исследования внедрены в департаменте автоматизации СП ЗАО «ИВС», входящем в научно-производственное объединение «РИВС»:

  • основные подходы метода точных опорных концептов получения знаний и метода представления знаний «интеллектуальное зеркало» были успешно применены при создании постоянно действующей в проектировании АСУ корпоративной базы изделий, а также структуры базы типовых схемотехнических решений; внедрение базы изделий позволило увеличить объемы проектных работ при неизменном составе рабочей группы и заданных сроках проектирования;
  • научные результаты были использованы при разработке концепции интеллектуализации проектирования АСУ, реализация которой в настоящий момент находится на стадии внедрения. Внедрение данной концепции в полном объеме позволит существенно повысить уровень автоматизации проектирования.

Достоверность исследованийобеспечивается:

  • корректностью постановки задачи, определения цели, объекта и предмета исследования;
  • корректностью применяемых методов таких научных дисциплин, как системология, информатика, инженерная психология, теория управления, математическое программирование;
  • обоснованным использованием результатов предметных областей трубопроводного транспорта, искусственного интеллекта, инженерии знаний, компьютерных и информационных технологий, автоматизации технологических процессов, создания автоматизированных систем;
  • успешным применением результатов диссертационной работы в практической деятельности СП ЗАО «ИВС», входящего в НПО «РИВС».

Апробация исследования. Основные положения и результаты работы докладывались и обсуждались на заседаниях кафедры Автоматики и вычислительной техники Государственной морской академии имени адмирала С.О. Макарова и на научных семинарах в Институте проблем транспорта имени Н.С. Соломенко РАН, а также на следующих всероссийских научно-практических и международных конференциях/форумах:

  • всероссийских научно-практических конференциях «Транспорт России: проблемы и перспективы», Москва (2007, 2008), Санкт-Петербург (2010);
  • 10-й международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM – 2010)», Москва, 2010;
  • международном форуме «Безопасность транспортных комплексов», Санкт-Петербург, 2010.

Публикации по теме диссертации. Основные положения и результаты диссертации опубликованы в 6 печатных работах, в том числе статья в журнале, рекомендованном ВАК Министерства образования и науки РФ.

Структура и объем работы. Диссертационная работа состоит из введения, 3 глав, заключения и перечня использованных источников из 107 наименований. Общий объем работы составляет 133 страницы, в том числе 17 рисунков и 4 таблицы.

основное содержание работы

Во введении обоснована актуальность темы диссертационной работы, изложены общая характеристика диссертации, научная задача, цель, объект и предмет исследования, дана характеристика личного вклада автора в решение поставленной задачи.

В первой главе «Характеристика процесса разработки автоматизированных систем управления трубопроводным транспортом, обоснование его интеллектуализации» проведен анализ существующей классификации и состава трубопроводного транспорта, современных принципов автоматизированного управления системами трубопроводного транспорта, процесса разработки АСУ трубопроводным транспортом и методов автоматизации данного процесса с помощью различных систем. Кроме того, показаны основные принципы интеллектуализации разработки АСУ трубопроводным транспортом, в ходе чего поставлена задача разработки методов создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом.

В зависимости от требований к автоматизированному управлению и финансовых возможностей компаний возможно построение различных по структуре АСУ. В работе рассмотрена одна из возможных структур АСУ (рис.1) с применением промышленных сетей (или «полевой шины», от англ. fieldbus).

На верхнем уровне находится автоматизированное рабочее место (АРМ) диспетчера или АРМов может быть несколько. В качестве АРМов обычно применяются промышленные компьютеры с установленными программными пакетами – SCADA-системами (от англ. Supervisory Control And Data Acquisition – диспетчерское управление и сбор данных). Связь со следующим уровнем, на котором находятся шкафы автоматики с «ведущими» программируемыми логическими контроллерами (ПЛК), и реализованы основные алгоритмы управления объектом автоматизации, обычно осуществляется с использованием промышленной сети на основе стандартизированного варианта Ethernet для применения в промышленности (Industrial Ethernet).

Рис.1. Структура АСУ для объекта автоматизации трубопроводного транспорта

 «Ведущие» ПЛК могут быть связаны с локальными системами управления («ведомыми» ПЛК или модулями удаленного ввода-вывода) и панелями управления и визуализации с помощью какого-либо вида промышленной сети. А локальные системы управления связаны уже непосредственно с датчиками и исполнительными устройствами кабельными соединениями (отдельными цепями) с передаваемыми по ним сигналами контроля и управления (в этом случае возможно применение HART-протокола), а в некоторых случаях также применяются промышленные сети. Основные виды сигналов контроля и управления, как и основные виды промышленных сетей, были описаны в работе.

Выявлены ключевые этапы процесса разработки АСУ трубопроводным транспортом и рассмотрены различные САПР как средства автоматизации данного процесса, после чего сделан вывод, что ни один из продуктов не достиг уровня интеллектуализации разработки. В контексте чего проанализированы ключевые этапы процесса разработки АСУ трубопроводным транспортом и выявлено, что большая их часть поддается формализации, а, значит, существует возможность интеллектуализации данного процесса, которая пока не была реализована.

Представлена структура ИС для разработки АСУ ТТ (рис.2):

Рис.2. Структура интеллектуальной системы для разработки АСУ ТТ

Представленная структура ИСР содержит в себе информационно связанные функциональную оболочку БЗ («решатель») и непосредственно саму БЗ.

«Решатель» должен включать в себя:

1) Форма для заполнения параметров АСУ, которую заполняет инженер-разработчик АСУ ТТ (пользователь ИСР). В качестве формы могут выступать уже созданные структурные схемы комплекса технических средств, функциональные схемы и/или табличные формы. На основе заданных параметров АСУ автоматически создаются те части проекта, которые были доступны формализации.

2) Машина вывода – это  та часть системы, которая в первую очередь взаимодействует с БЗ. И, на основе поступивших параметров на АСУ и представленных знаний в базе, автоматически формирует набор документации на АСУ, что является основным результатом работы интеллектуальной системы.

Под условным обозначением «черновой проект» понимается автоматически сформированный набор документации на АСУ, так как в нем могут содержаться какие-то неточности и не может содержаться та часть решений, разработка которых не была формализована.

3) Функцией адаптивного элемента является реализация алгоритмов самообучения системы, а именно: на основе сравнения «чернового» и подготовленного разработчиком проектов, а также исходных параметров на АСУ производится или не производится корректирование и/или дополнение БЗ.

Под условным обозначением «готовый проект» понимается подготовленный разработчиком, на основе «чернового» проекта, набор документации на АСУ, который прошел все согласования, и может быть принят для выполнения работ.

В качестве базовой системы, при создании интеллектуальной системы для разработки АСУ трубопроводным транспортом, целесообразно использование уже существующей САПР, так как многие вопросы (визуализация и обработка инженерной графики, пользовательский интерфейс и т.п.) уже успешно решены в существующих системах и знакомы большинству пользователей. Кроме того, возможно использование уже существующих баз данных (БД) и представление части информации в БЗ с использованием инструментала базовой системы.

Связать машину вывода ИСР с базовой системой можно через интерфейс программирования приложений API (от англ. application programming interface) – набор готовых классов, процедур, функций, структур и констант, предоставляемых приложением для использования во внешних программных продуктах. Практически все современные программные продукты позволяют использовать внешнее управление через определенный набор API-функций. Определим базовую систему проектирования как инструментальная САПР.

База знаний интеллектуальной системы для разработки АСУ ТТ должна включать в себя: подробное описание изделий (элементов), применяемых в разработке, включая графические изображения для размещения изделий на чертеже; подробное описание типовых модулей (структурных и/или функциональных узлов АСУ трубопроводным транспортом), применяемых в разработке, включая схемотехническое описание данных модулей; информацию о возможных структурах проекта и каждого документа, требуемый вид документации, то есть требования к оформлению; правила создания «чернового» проекта из изделий и типовых решений (на основе заданных параметров АСУ).

В работе описаны общие требования к БЗ, работающим в составе ИС, кроме того, сформулированы базовые принципы представления знаний в базе с учетом принципов работы ИСР и ее структуры: релевантность; достоверность; непротиворечивость и однозначная интерпретируемость; соответствие стандартам (международным, государственным, корпоративным); сведение к минимуму наличия эквивалентных типовых решений; минимальность типовых решений, описываемых знаниями (то есть при доработке разработчиком «чернового» проекта, предпочтительной является такая доработка, при которой в «черновой» проект будут добавляться уникальные решения, а не исправляться автоматически сформированные); единство стилей при представлении инженерной графики.

Во второй главе «Принципы создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом» проведен анализ релевантных методов и средств инженерии знаний, показана точная последовательность процесса разработки базы знаний интеллектуальной системы для разработки АСУ трубопроводным транспортом и описаны процедуры выявления, извлечения и концептуализации, а также представления знаний с учетом особенностей процесса разработки АСУ ТТ.

Для получения и концептуализации знаний при разработке базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом был разработан метод точных опорных концептов получения знаний (рис.3). Под точным опорным концептом будем понимать концепт, удовлетворяющий условиям: может быть отнесен к одной из шести категорий (понятие, факт – в том числе данные о применяемых в разработке изделиях и схемах, действие, правило, условие, объяснение); содержит в себе или связан с элементами эталонной совокупности, выявляемыми в ходе первой макропроцедуры метода.

Реализация метода точных опорных концептов получения знаний осуществляется на основе семи макропроцедур:

1. Выявление двух наборов: набор видов изделий, использующихся в разработке; набор типовых функциональных узлов принципиальных схем АСУ трубопроводным транспортом. Данная макропроцедура выполняется с привлечением группы экспертов предметной области и заключается в проведении диалога или тестирования, обработке результатов и итоговым их утверждением в ходе «круглого стола». Результат процедуры:

где Ai – обозначение вида изделий (i = 1..n);

Bi – обозначение типового функционального узла (i = 1..l);

n – количество видов изделий в наборе A;

l – количество узлов в наборе B.

Рис.3. Структура метода точных опорных концептов получения знаний

2. Разделение содержимого источников знаний на фрагменты, удобные для проведения анализа. Источники знаний, в большинстве случаев, уже разделены определенным образом, что отражено в содержании, но, все же, существует необходимость дополнительного разделения, которое будет в большей степени удовлетворять целям и задачам построения БЗ.

3. Анализ фрагментов с целью поиска элементов набора A.

4. Анализ фрагментов с целью поиска элементов набора B.

И для третьей, и для четвертой макропроцедуры, в зависимости от количества выделенных фрагментов, поиск элементов может проводиться последовательным, параллельным или комбинированным способами. Основным методом поиска элементов набора A или набора B будет метод поиска по образцу. Необходимо анализировать каждое нахождение элемента, так как он может входить в состав различных концептов или иметь с ними смысловую связь.

5. Определение и классификация концептов, связанных с элементами набора A. Концепты, которые содержат в себе или связаны с найденными элементами набора A, определяются c участием экспертной группы. Определенные таким образом концепты делят на три группы: №1 – группа множеств реальных изделий, применяемых в разработке АСУ ТТ, с их описаниями от производителя, каждое множество должно соответствовать определенному элементу набора A; №2 – набор A, включающий в себя элементы Ai с набором основных данных для каждого элемента, т.е. любой вид изделий (определенное Ai) имеет набор характерных параметров; №3 – остальные концепты (классифицированные по шести категориям, определенным в понятии концепта).

6. Определение и классификация концептов, связанных с элементами набора B. Концепты, которые содержат в себе или связаны с найденными элементами набора B, также определяются c участием экспертной группы. И определенные таким образом концепты тоже делят на три группы (№4, №5, №6), аналогично макропроцедуре 5.

7. Объединение групп знаний №3 и №6, выделение общих требований, условий и каких-либо ограничений в разработке АСУ трубопроводным транспортом, строгих определений для выявленных параметров групп изделий и функциональных узлов, а также возможных связей как между параметрами, относящихся к одной группе, так и между параметрами из разных групп.

Таким образом, применение метода точных опорных концептов обеспечивает получение ключевых знаний, а также закладывает основу для их параметризации. Отметим, что данный метод максимально учитывает специфику знаний области разработки АСУ и может применяться для схожих областей, связанных с разработкой и проектированием сложных технических систем.

Для формализации знаний предметной области разработки АСУ ТТ была выбрана гибридная модель представления знаний, так как необходимо формализовать знания с различной структурой, и в этом случае наиболее целесообразно смешанное представление, включающее фреймы (для групп знаний №№1, 2, 4, 5), продукции (для объединенной группы знаний из групп №№3, 6) и группу данных в формате базовой САПР (прямое отображение в базе данных САПР знаний групп №№1, 2, 4, 5).

Для представления знаний, которые имеют вид принципиальных схем и, соответственно, могут иметь однозначное отображение в базе данных САПР, разработан метод представления знаний «интеллектуальное зеркало» (рис.4).

Рис.4. Структура метода представления знаний «интеллектуальное зеркало»

Метод реализуется на основе 3-х макропроцедур:

1. Разделение знаний на отдельные множества, элементы которых имеют близкое функциональное назначение или подобную структуру. Знания необходимо разделять на множества таким образом, чтобы любой из элементов можно было описать общим для определенного множества набором параметров.

2. Представление знаний, в соответствии с разделением, в базе данных САПР. Знания необходимо привести к общему виду и представить информацию из различных источников (из справочников, прошлых проектов и т.п.) в базе данных (либо в 2-х базах: для набора A и набора B) инструментальной САПР в соответствии с набором базовых принципов представления знаний, за исключением требования минимальности типовых решений. То есть на этом этапе уникальные решения, несмотря на невозможность их формализации, также представляются в базе данных инструментальной САПР. В дальнейшем, уникальная часть решений не будет участвовать в автоматическом формировании проекта, а будет использоваться как справочная информация.

3. Параметризация множеств знаний. Необходимо выявить набор параметров для каждого множества, причем таким образом, чтобы любой элемент из определенного множества знаний можно было восстановить по соответствующему ему набору параметров с заданной точностью.

Данная параметризация уже была произведена (как и разделение знаний на множества) в ходе метода точных опорных концептов. Но точность не была задана.

Для параметризации с заданной точностью реализуются следующие этапы:

3.1. Экспертное задание минимального и максимального числа параметров для каждого множества и выделение начальных наборов параметров.

3.2. Положительная проверка условия: если любой элемент определенного множества знаний может быть восстановлен (экспертно) с заданной точностью по соответствующему набору параметров, то данное множество представляется в базе данных САПР с заданной точностью и возможной потерей уникальности (в соответствии с требованием минимальности типового решения), а во фреймовой части БЗ представляются наборы параметров и делается основная ссылка на элементы из БД. И, если заданная точность меньше 100%, то в БД необходимо выделить раздел реальных знаний, представленных без потери уникальности (макропроцедура №2) и раздел со знаниями, потерявшими уникальность. Одному неоригинальному элементу может соответствовать несколько оригинальных элементов, отличающихся от него уникальной составляющей.

Для набора A следует задавать 100%-ую точность. А в наборе B могут присутствовать элементы с уникальными решениями, которые сложно поддаются формализации, поэтому для него следует задать 80%-ую точность.

В соответствии с набором базовых принципов представления знаний, получаем следующий способ оценки точности соответствия между реальным схемотехническим решением и его восстанавливаемым представлением по набору параметров из фреймовой части базы знаний:

Если в восстанавливаемом представлении по набору параметров из базы знаний присутствуют хотя бы одна ошибочная связь между изделиями или хотя бы одно изделие, которого нет в реальном схемотехническом решении, то степень соответствия равна нулю. Иначе, определяем ее по следующему выражению:

                                          

где Kpi – точность соответствия между реальным схемотехническим решением и его восстанавливаемым представлением по набору параметров из фреймовой части базы знаний, соответственно процент соответствия можно получить умножением данного параметра на 100%;

Ci – количество соответствующих реальной схеме соединений между изделиями в восстанавливаемом представлении;

Cri – количество соединений между изделиями в реальной схеме;

Izi – количество соответствующих реальной схеме изделий в восстанавливаемом представлении;

Izri – количество изделий в реальной схеме.

3.3. Отрицательная проверка условия: если хотя бы один элемент определенного множества знаний не может быть восстановлен (экспертно) с заданной точностью по соответствующему ему набору параметров, то группа экспертов увеличивает число параметров на единицу. После чего проводится повторная проверка условия: положительная – см. макропроцедуру 3.2, отрицательная – очередное увеличение числа параметров на единицу.

При достижении максимального заданного числа параметров и очередной отрицательной проверке условия, все не соответствующие элементы должны быть представлены в БД инструментальной САПР с потерей уникальности на большую часть, чем изначально заданная точность, а их параметры во фреймовой части БЗ.

Таким образом, в той части базы знаний, которая обрабатывается «решателем» будет создано «интеллектуальное зеркало» данных из САПР, что позволит представить схемотехнические решения в таком виде, чтобы машина вывода обрабатывала формализованные наборы параметров по традиционным алгоритмам инженерии знаний, не обращаясь непосредственно к самим графическим изображениям схемотехнических решений. То есть, конкретному набору параметров для определенного функционального узла будет соответствовать единственное типовое схемотехническое решение:

                                                                                                                

где sij – представление в базе данных j-ого элемента множества B*I, причем sij соответствует конкретному набору параметров Bi. То есть, sij – это некоторое типовое схемотехническое решение.

f – функция соответствия между набором параметров и типовым схемотехническим решением, то есть f задает каждому возможному набору параметров Bi единственное соответствие («если, то»);

Bi – конкретный набор параметров для i-ого функционального узла;

B*i – множество восстановленных представлений для i-ого узла в базе данных (с потерей уникальности).

Применение данного метода обеспечивает представление знаний со 100%-ой точностью и релевантностью и ставит им в соответствие параметризированные множества знаний с точно определенными уровнями соответствия оригинальным знаниям, что существенно повышает скорость работы решателя со знаниями при заданных значениях их полноты. При этом в «черновой» проект не будут включены решения, которые противоречат и/или не соответствуют заданным параметрам АСУ, что позволит разработчику лишь дорабатывать проект, добавляя в него уникальные решения, а не исправлять те решения, которые были сформированы автоматически.

В третьей главе «База знаний интеллектуальной системы для разработки  автоматизированных систем управления трубопроводным транспортом» определена и подробно описана структура базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом, изложены принципы реализации БЗ, разработан метод оценки эффективности базы знаний интеллектуальной системы для разработки АСУ трубопроводным транспортом и, на его основе, произведена предварительная оценка эффективности БЗ.

Разработанная структура базы знаний в составе интеллектуальной системы для разработки АСУ трубопроводным транспортом показана на рис.5. БЗ можно представить в виде трех элементов: «объекты в формате БД инструментальной САПР», «описание объектов БД инструментальной САПР» и «модуль формирования документации». Представление знаний для элементов «объекты в формате БД инструментальной САПР» и «описание объектов БД инструментальной САПР» выполняется на основе метода представления знаний «интеллектуальное зеркало».

Рис.5. Структура  БЗ в составе ИСР АСУ  ТТ

Структурный элемент БЗ «объекты в формате БД инструментальной САПР» включает в себя графическое описание изделий, использующихся в разработке и базу функционально-систематизированных схемотехнических решений (макросов окон и/или страниц прошлых проектов), разбитую на 2 части:

  • формализованные схемотехнические решения, представленные с потерей уникальности и используемые непосредственно для автоматического формирования документации;
  • уникальные схемотехнические решения, которые могут использоваться как справочная информация.

Структурный элемент БЗ «описание объектов БД инструментальной САПР» представляется в базе знаний в виде фреймов и в себя два вида объектов: первый вид – это параметры изделий, ссылающиеся на конкретные изделия; второй вид – это параметры схемотехнических решений, ссылающиеся на сами схемотехнические решения (уникальные и внесенные с потерей уникальности).

Набор фреймов-структур будет инициализировать возможные виды изделий и функциональных узлов. Фреймы-структуры задают определяемые в процессе применения метода «интеллектуальное зеркало» наборы параметров для любого изделия или схемотехнического решения. Конкретные же изделия или схемотехнические решения будут описываться фреймами-экземплярами.

Элемент «модуль формирования документации» представляется в базе знаний в виде продукций, и включает в себя знания, описывающие формальные правила разработки АСУ (структура проекта, состав проекта, вид конкретных документов и т.п.), а также знания, формализующие механизм вывода результата работы ИСР (на основе формирования соответствия между данными, полученными из формы для заполнения параметров АСУ и имеющимися в базе знаний описаниями изделий и схемотехнических решений).

Кроме того, в данном элементе могут быть представлены знания, описывающие связь между отдельными параметрами АСУ, которые необходимо указать разработчику, что может обеспечить корректное формирование «чернового» проекта в условиях ограниченных исходных данных и/или упростить процесс заполнения формы.

Для тестирования БЗ был разработан метод оценки эффективности БЗ.

За основной критерий качества работы БЗ интеллектуальной системы для разработки АСУ трубопроводным транспортом примем системную релевантность. Под этим будем понимать следующее:

                                                                                                                                   

где RS – системная релевантность базы знаний, определяемая для определенного заданного набора параметров на АСУ;

ri – степень соответствия между заданным набором параметров на АСУ и полученным результатом в ИСР для i-ого узла принципиальной схемы;

N – общее число узлов в требуемой схеме.

В соответствии с набором базовых принципов представления знаний, и по аналогии со способом определения точности соответствия между реальным схемотехническим решением и его восстанавливаемым представлением по набору параметров из фреймовой части базы знаний (выражение (1)), получен следующий способ оценки степени соответствия между заданным набором параметров на АСУ и полученным результатом в ИСР для i-ого узла принципиальной схемы:

Степень соответствия ri будет равна нулю, если в схеме, которая была получена при использовании ИСР по сравнению со схемой, восстановленной экспертом по заданному набору параметров на АСУ, присутствует хотя бы одно ошибочное соединение между изделиями или хотя бы одно изделие, которого нет в схеме эксперта. Иначе, определяем ri по следующему выражению:

                                                                                                   

где Cpi – количество совпадающих соединений между схемой, восстановленной экспертом по заданному набору параметров на АСУ, и полученной схемой в ИСР (для i-ого узла);

Cei – количество соединений между изделиями в восстановленной экспертом схеме;

Izpi – количество совпадающих изделий между схемой, восстановленной экспертом по заданному набору параметров на АСУ, и полученной схемой в ИСР (для i-ого узла);

Izei – количество изделий в восстановленной экспертом схеме.

Таким образом, системная релевантность RS будет показывать, насколько эффективно реализованы предложенные подходы в построении БЗ. Но для того, чтобы оценить степень полезности БЗ для пользователя необходимо учесть еще задаваемые параметры точности представления знаний. Зададим параметр пользовательской релевантности RP, который будет показывать, какая часть проекта будет получена автоматически и войдет в итоговый вариант без корректировок разработчиком и, таким образом, определит степень полезности БЗ:

                                                                                                       

где RP – пользовательская релевантность базы знаний, определяемая для определенного заданного набора параметров на АСУ;

kA – точность представления знаний, определяемая на этапе представления знаний (у нас 80%, то есть kA = 0,8);

pi – часть знаний из множества для i-ого узла, внесенная в БЗ в соответствии с заданной точностью представления знаний (pi = кол-во элементов в соответствии с точностью/общее кол-во элементов);

ri – степень соответствия между заданным набором параметров на АСУ и полученным результатом в ИСР для i-ого узла принципиальной схемы (в соответствии с выражением (4));

N – общее число узлов в требуемой схеме.

Общее значение RP (для любого задания) можно получить как среднее арифметическое при выполнении нескольких тестовых заданий, уровень которых будет максимально высоким (в соответствии с требованиями компании, разрабатывающей и внедряющей БЗ).

Таким образом, выражение (1 – RP) – это условная разница между «черновым» и готовым проектами. Тогда, можно прогнозировать затрачиваемое время на разработку принципиальных схем в ИСР, что является важнейшим параметром, определяющим полезность БЗ:

                                                                                                               

где tI – время, затрачиваемое разработчиком на создание принципиальных схем с применением ИСР;

RP – пользовательская релевантность базы знаний;

tS – время, затрачиваемое разработчиком на создание принципиальных схем с применением базовой системы.

При максимально эффективной реализации предложенных подходов в построении БЗ (RS = 1), с учетом заданной точности представления знаний и достижения максимальной величины для части знаний, внесенных в БЗ в соответствии с заданной точностью представления знаний (для области разработки АСУ в целом, по экспертной оценке, средний максимум может достигать: ?pi/N = 0,9), получим: RP = 0,72. То есть разработчик будет получать более чем наполовину разработанные принципиальные схемы проекта, и, соответственно, время разработки принципиальных схем при использовании ИСР на основе БЗ сократится в 3,6 раза.

В заключении подведены итоги диссертационной работы и намечены направления дальнейших исследований.

основные Результаты работы

В диссертации изложены научно обоснованные методологические решения, обеспечивающие создание базы знаний интеллектуальной системы для разработки автоматизированных систем управления трубопроводным транспортом, что имеет важное значение для развития как трубопроводного транспорта в целом, так и для теории искусственного интеллекта и АСУ, а также способствует решению практической задачи повышения эффективности процесса разработки АСУ ТТ.

В результате изучения исследуемой предметной области выявлены основные принципы построения автоматизированных систем управления трубопроводным транспортом и произведен анализ процесса их разработки. В качестве способа повышения эффективности данного процесса рассмотрена его интеллектуализация за счет внедрения ИС, функционирующей на основе БЗ. В ходе чего представлена структура интеллектуальной системы для разработки АСУ трубопроводным транспортом и описаны принципы ее работы, определен основной набор знаний, который должен быть включен в базу, показаны общие требования к БЗ, а также сформулированы базовые принципы представления знаний в контексте предметной области разработки АСУ трубопроводным транспортом.

В ходе анализа релевантных методов и средств инженерии знаний показана точная последовательность процесса разработки БЗ, описаны процедуры выявления, получения, концептуализации, представления знаний, а также реализации и оценки эффективности БЗ с учетом особенностей предметной области разработки АСУ трубопроводным транспортом. В том числе разработаны:

  • метод точных опорных концептов получения знаний, учитывающий особенности предметной области разработки АСУ трубопроводным транспортом;
  • метод представления знаний «интеллектуальное зеркало», также учитывающий особенности предметной области и позволяющий использовать уже существующие базы данных в процессе создания базы знаний;
  • структура БЗ в составе интеллектуальной системы для разработки АСУ ТТ;
  • метод оценки эффективности базы знаний.

Основные опубликованные работы по теме диссертации:

Публикации в изданиях, рекомендованных ВАК Министерства образования и науки РФ:

1) Ершов А.А. Интеллектуальная система проектирования автоматизированных систем управления трубопроводным транспортом // Транспорт Российской Федерации. — 2011. — №4 (35). — С. 76-78.

Другие статьи и материалы конференций:

2) Ершов А.А. Метод точных опорных концептов получения знаний // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы – 2010». — СПб.: ИПТ РАН, 2010. — С. 236-238.

3) Ершов А.А. Метод «интеллектуальное зеркало» для использования данных базовой САПР при создании базы знаний интеллектуальной системы проектирования АСУТП // Тезисы 10-й международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM – 2010)». — М.: Институт проблем управления РАН, 2010. — С. 27.

4) Ершов А.А. Обеспечение безопасности транспортных комплексов с использованием интеллектуальных систем // Избранные материалы докладов и выступлений международного форума «Безопасность транспортных комплексов». — СПб.: «СИВЕЛ», 2010. — С. 64-65.

5) Искандеров Ю.М., Ершов А.А. Интеллектуализация проектирования систем автоматизированного управления трубопроводного транспорта // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы – 2008». — М.: МИИТ, 2008. — С. 51-53.

6) Ершов А.А. Анализ проблемы создания базы знаний как ядра интеллектуальной системы для организации процессов мультимодальных перевозок // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы». — М.: МИИТ, 2007. — С. 29-30.

 
Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.