Содержание к диссертации
Введение
Глава 1: Проблемный анализ инструментальных средств разработки экспертных систем 11
1.1 Классификационные различия в методологиях построения систем основанных на знаниях 11
1.2. Методы формализованного представление знаний в системах основанных на знаниях 19
1.3. Экспертные системы и автоматизированные системы управления 32
1.4. Достижения инструментальных средств разработки экспертных систем 38
1.5. Постановка задачи исследования 43
1.6. Основные результаты по первой главе 44
Глава 2: Формализация знаний проблемной области в базе знаний с сетевой структурой 46
2.1. Назначение и принципы модели представления знаний автоматизированной системы построения экспертных систем 46
2.2. Средства представления знаний визуально-объектной модели знаний.52
2.3. Правила синтеза визуально-объектных моделей доменных областей 66
2.4. Методика формализованного представления знаний в виде визуальной модели знаний 74
2.5. Результаты второй главы 79
Глава 3. Автоматизированная программная система построения экспертных систем 80
3.1. Основные концепции автоматизированного инструментального средства построения экспертных систем 80
3.2. Информационно-логическая структура системы. Формализация модулей системы 87
3.3. Процедурная модель принятия решений в пространстве состояний...97
3.4. Технологические этапы автоматизированной разработки ЭС 107
3.5 Функциональные требования, предъявляемые к разрабатываемым ЭС 112
3.6 Основные результаты по третей главе 117
Глава 4: Разработка экспертной системы диагностирования судовых дизельных установок в составе автоматизированной системы диагностирования 118
4.1. Предметный анализ области диагностирования судовых дизельных установок 118
4.2. Формализация требований к функциям ЭС «диагностирование судовых дизельных установок» 124
4.3. Реализация ЭС «диагностирование судовых дизельных установок» 129
4.4. Основные результаты по четвёртой главе 142
Заключение 143
Список литературы 145
- Классификационные различия в методологиях построения систем основанных на знаниях
- Назначение и принципы модели представления знаний автоматизированной системы построения экспертных систем
- Основные концепции автоматизированного инструментального средства построения экспертных систем
- Предметный анализ области диагностирования судовых дизельных установок
Введение к работе
Введение Актуальность. На сегодняшний день любая сфера человеческой деятельности характеризуется накоплением больших объёмов информационных ресурсов, выдвигающих на первый план проблемы представления свойств знаний, таких как однородность, полнота сведений, достоверность, однозначность, непротиворечивость и пр. Возрастающие проблемы доступа к использованию человеком информации при принятии управленческих решений в автоматизированных системах управления (АСУ) с учётом конкретной ситуации актуализирует задачи разработки систем, основанных на знаниях (СОЗ), экспертных систем и систем поддержки принятия решений. Современные информационные технологии основываются на практическом внедрении знаний в широком смысле слова (форм, моделей, языков, знаковых конструкций), которые служат для описания сложных технических объектов в разных сферах научно-исследовательских, проектных, технологических, производственных областях человеческой деятельности и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления.
Индустриальные технологии разработки интеллектуальных информационных систем различных типов требуют привлечения больших ресурсов. Важнейшим ресурсоопределяющим фактором является привлечение экспертов предметной области и когнитологов для извлечения и формализованного представления знаний, с одной стороны, и группы инженеров-программистов для организации полученных экспертных знаний в базы знаний (БЗ) и реализации методов логической обработки в виде программного продукта, с другой стороны. Такой подход требует выделения значительных временных и финансовых затрат и выдвигает на первый план необходимость создания технологий, направленных на проблему эффективности применяемых инструментальных средств разработки экспертных систем. Непрерывное усложнение технических решений, которые находят своё применение в том или ином техническом объекте судового оборудования предъявляет требования к постоянному повышению квалификации обслуживающего персонала. Опыт эксплуатации сложных технических объектов всё больше подтверждает возрастающее влияние человеческого фактора на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения. Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных. Эволюция вычислительной техники и средств коммуникации несёт за собой новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы человеческой деятельности в сферу автоматизации технологических процессов и систем управления.
Сложные технические объекты характеризуется большим количеством контролируемых параметров, которые различаются по своей информативности и степени доступности. Процесс управления такими объектами характеризуется либо принятием решений в условиях высокой степени неопределённости, либо требует значительных затрат материальных и временных ресурсов с целью снижения неопределённости, а следовательно, и повышению эффективности принимаемых решений. Это, в свою очередь, делает актуальным направление развития высокотехнологичных инструментальных средств СОЗ с интегральной поддержкой всего жизненного цикла, начиная с решения проблем извлечения знаний предметной области, построения их концептуальной модели и передачи в базу знаний и кончая методикой проведения испытаний над выпущенным прототипом экспертной системы (ЭС).
Цели и задачи исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем соз дания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с визуально-графическим представлением и формальным аналитическим аппаратом логико-семантических сетевых моделей знаний.
Для выполнения этой цели необходимо решить следующие задачи:
• Анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами для выработки стратегических апорий формирования единой интегральной концепции «сквозного» построения экспертных систем.
• Исследование подходов и методик с позиции определения продуктивного механизма формирования, хранения и использования знаний в виде декларативных и процедурных моделей представления информации.
• Создание модели семантически-объектного представления знаний путём проведения анализа методов по классу «визуальное» управление знаниями и учёта феномена человеческого фактора, основанного на положениях науки «психосемантика».
• Разработка методики символьного моделирования задач диагностирования, прогнозирования, ориентированных на создание эргономичного интерфейса взаимодействия с пользователем.
• Разработка программного инструментария автоматизированного построения экспертных систем, основанного на расширенном декларативном фреймово-сетевом представлении знаний, который обеспечивает семантическую идентификацию предметных областей путём поддержки объектно-ориентированного механизма манипуляциями символьно-графическими компонентами.
• Решение задачи диагностирования судовой дизельной установки на основе эксплуатационных технических характеристик агрегатных состав ляющих: цилиндропоршневая группа, газораспределительный механизм; топливная система, газотурбокомпрессор.
Методы исследований. В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний.
Научная новизна.
1. Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделённую свойствами: иерархичности, модульности, объектно-ориентированности.
2. Методика, модели, алгоритмы извлечения и формализации доменных знаний в форме разработанной декларативной фреймово-сетевой модели представления знаний и эвристической предикатной модели принятия решений.
3. Технология по формализации предметных знаний и их репрезентации компонентами модели визуально-объектного представления знаний, моделирования задач диагностирования, описывающая средства и методы символьного, структурно-графового, мнемографического представления информации.
4. Создан автоматизированный программный комплекс, поддерживающий полный жизненный цикл разработки ЭС. Он осуществляет поддержку манипулирования компонентами моделей визуально-объектного представления параметров технической диагностики (двигателей внутреннего сгорания), их кодирование в базу знаний экспертной системы и реализует поддержку процесса решения задач диагностирования, в том числе моделирование задачи, синтез решения и классификацию объектов. Практическая ценность. В результате теоретических исследований создан программный комплекс автоматизированного построения экспертных систем, с помощью которого разработана ЭС «автоматизированная система диагностирования судовых дизельных установок». Разработанные программные продукты предоставляют следующие возможности:
• реализация сетевой концептуальной модели представления знаний и математических моделей, её описывающих в автоматизированном комплексе построения экспертных систем в виде совокупности программных модулей;
• предложенная технология автоматизированной разработки ЭС адаптирована к широкому кругу предметных областей;
• повышение эффективности решения задач диагностирования судовых технических средств, своевременное распознавание неисправностей и контроль технического состояния.
Основные положения, выводы исследований диссертации, а также инструментальный комплекс были использованы для разработки ряда экспертных систем и отдельных задач интеллектуализации принятия решений диагностики и контроля в различных государственных и коммерческих организациях, в том числе ООО «Модуль», ЗАО «Лимб».
Практическая значимость работы подтверждается соответствующими актами внедрения.
Классификационные различия в методологиях построения систем основанных на знаниях
В большинстве литературных источников отсутствует чёткое разделение понятий: метод, технология, средство, методология. Эти термины часто употребляются без учёта различий в данной им семантике. С целью ликвидации неопределенностей, которые могут возникнуть в ходе обсуждения отмеченных проблем, уточним семантическую нагрузку этих терминов в начале данной главы.
По своему первоначальному смыслу методология относится к знаниям о методах. То есть имеется в виду, что методология и методы относятся к одной и той же области, но не являются эквивалентными понятиями. Если предположить, что методы содержат знания, будет очевидно, что методологию составляют определённые метазнания, и тогда возникает вопрос о характере этих метазнаний. Обычно под методологическим знанием понимается: «знать что», «знать как» и «знать где». Эти знания являются нормативными или предписывающими, потому что они не описывают устройство мира, а указывают, как должен поступить здравомыслящий пользователь для достижения поставленной цели.
С целью соединения вышеупомянутых понятий Уилинга [124] предложил Методологическую пирамиду, как наглядный способ охарактеризовать состав методологии. Верхний уровень пирамиды относится к принципам и предположениям, положенным в основу методологии. Теоретический уровень развивает эти принципы и предположения и образовывает состав знаний в области данной методологии. Методы и способы строятся на основе теоретических знаний предыдущего уровня. Средства -компьютерная реализация вышеупомянутых методов и способов. Компьютеризация (автоматизация), как правило, требует использования дополни тельных знаний из прикладной области. Уровень использования представляет собой воплощение методологии. Он раскрывает недостатки, полученные на предыдущих уровнях, которые могут привести к модификации различных компонентов методологии. На рисунке 1 можно заметить, чем в более высокую часть пирамиды приходит стрелка, тем более серьёзному влиянию подвергнется методология. Если методология построена довольно логично (связно), то изменение принципов её построения приведёт к глобальным модификациям на всех нижестоящих уровнях.
Недостатком этих подходов является, то, что они не имеют частных технических условий. Поэтому они не описывают методики, технологии и средства. Однако, они покрывают большинство основных функций, обычно рассматриваемых в СОЗ, хотя и в очень общем виде. Таким образом, про эти подходы можно сказать, что они обширны и поверхностны.
2. Сфокусированные подходы. Данные подходы ограничены одной или нескольким предметными областями, для которых они создавались. В пределах определённых границ они могут рассматриваться как "мини методологии". Из-за ограниченной области применения подходы узки и глубоки в рамках рассматриваемой методологической пирамиды.
3. Сформировавшиеся (полномасштабные, полнофункциональные) методологии представляют собой реализацию всех уровней пирамиды. Они разветвляются на два направления: Методологии по разработке ИС с элементами систем основан ных на знаниях; Методологии специально созданные для разработки СОЗ. Можно отнести эти методологии к широким и глубоким, они охва тывают все уровни пирамиды, касаясь всех сторон (аспектов) разра ботки СОЗ.
Перед тем как перейти к анализу выделенных подходов, необходимо отметить, что произведённая классификация не предполагает их взвешенных оценок. Основываясь на опыте разработки традиционных информационных систем (ИС), нужно утверждать, что «плохая» методология в руках высококвалифицированного специалиста может стать «хорошей», в то время как «хорошая» методология может быть испорчена некомпетент ностью пользователя. Также как крики «быстрей» могут, иногда, помочь бегуну, также блоки и стрелки могут, иногда, помочь разработчику. Вообще говоря, крайне трудно дать объективную оценку методологии. Эксперимент, наиболее правильный путь в данном случае, но сложно осуществимый, потому что, имеется слишком много условий, которые нельзя проконтролировать. Более того, практически никто не будет тратиться на построение одной и той же СОЗ двумя различными подходами.
Назначение и принципы модели представления знаний автоматизированной системы построения экспертных систем
Как отмечалось во введении накопление человеческого опыта с возможностью его последующего сохранения, тиражирования и использования является одной из первостепенных задач встающих на сегодняшний день перед человеком. Одним из основных элементов автоматизированной системы построения экспертных систем (АСПЭС), призванного на решение данной проблемы является модель визуально-объектного представления знаний (МВОПЗ) АСПЭС. Данная модель служит «прослойкой» (интерфейсом) между человеческим опытом, накопленным в процессе решения некоторой задачи и машинной формой представления знаний, пригодной для обработки их СВТ. Причём возможность интерпретации синтезированных моделей на ЭВМ достигается за счёт разработки методов трансляции МВОПЗ в форматированную БЗ и вывода на основе знаний закодированных в БЗ. В основу модели МВОПЗ положен иерархический метод репрезентации доменных знаний. В соответствии с этим, в МПЗ присутствуют следующие категории предметно-зависимых данных: M(D)= (Id, Iі, С, Е, R), (2.1) где Id - исходные данные (Initial data); Iі - экспертные знания, уточняющие исходные данные (Investigate); С - экспертные методы исследований и знания с решающими правилами (экспертные заключения). Е - объясняющие знания (Explain). S - решения и их способы (resolution).
К категории исходных данных Id системы относятся сведения специфицируемой предметной области. Они, как правило, содержат поверх ностные знания о решаемой проблеме и не включают в себя узкоспециализированных терминов. Поэтому второе название данной категории-«пользовательская», это обусловлено тем, что экземплярами этой категории оперирует пользователь при формализации задачи. Следует также уточнить, что передача исходных данных для создаваемых ЭС может осуществляться не только через человеко-машинный интерфейс, отмеченный ранее. Но и через технические устройства (датчики, сенсоры и т.п.), предварительно сопряжённые с разрабатываемой ЭС. Данные устройства характеризуются тем, что они предоставляют изменяемую физическую величину под действием внешних факторов проблемной области или конкретного объекта моделирования (например, отклонение давления в цилиндре двигателя от нормы). При этом должна быть решена задача преобразования полученной физической величины в формат параметров хранимых в категории I(d) БЗ ЭС посредством методов системного программирования.
1(,) - уточняющие знания, характеризуются тем, что носят исследовательский характер, они как бы спрашивают у пользователя: «А верно ли то » или «Имеет место быть факт такого рода ». Происходит выявление тех исходных данных, которые пользователь не смог предоставить самостоятельно в силу своей некомпетентности, забывчивости или каких-то других субъективных причин. Знания данной категории заносятся в БЗ будущей ЭС с целью аутентифицировать исходные данные I(d), полученные от конечного пользователя на этапе их идентификации, а также идентифицировать и провозгласить недостоверные сведения.
Третья категория С содержит априорные и апостериорные знания, накопленные в формализуемой предметной области. Наполнение БЗ этой категорией знаний является наиболее трудоёмким процессом по сравнению с категориями отмеченными выше. Это обуславливается тем, что знания данной категории пребывают, как правило, в недостатке. Указанная особенность возникает вследствие недостаточной изученности проблемной области. Следовательно, задача эксперта, выполняющего разработку ЭС, отразить в БЗ все имеющиеся на данный момент зависимости (и их степени влияния) между исходными данными I(d) и решающими правилами в виде С. Другая особенность, которая предстаёт перед экспертом в виде задачи, формулируется следующим образом: принимаемые решения должны быть представлены в терминах понятных не только эксперту, но также и будущему пользователю создаваемой ЭС.
Знания, составляющие объясняющие знания Е выполняют вспомогательные функцию. На их основе построенные ЭС формируют объяснения по полученным промежуточным заключениям и конечным результатам. В целом они не оказывают влияние на ход вывода решения ЭС, а предоставляют возможность: эксперту на этапе тестирования ЭС убедиться в корректности работы механизма вывода; пользователю убедиться в корректности полученных результатов на этапе эксплуатации.
Категория S содержит множество решений, которые в дальнейшем будет предоставлять ЭС пользователю. Наравне с категориями Id, Iі, С, Е, формализованные решения и/или способы решений должны быть представлены в форме адекватной для восприятия пользователем. Центральной задачей разработчика ЭС является установление как можно большего числа связей между правилами, принадлежащими категории С и элементами данного множеством решений R. То есть приходим к заключению, что наиболее пригодными для формализации являются в достаточной степени, изученные предметные области.
Основные концепции автоматизированного инструментального средства построения экспертных систем
С каждым днём расширяется круг предметных областей, в которых находят своё применение СОЗ. Приобретение знаний и их последующее моделирование играет основную роль в системах данного типа. Результаты анализа литературных источников [7, 14, 24, 32, 77, 78, 111], посвященных СОЗ, их построению и применению привели к двум основным факторам, сдерживающим развитие систем данного класса: Временной ресурс - время, затрачиваемое на создание конечного продукта; Трудоёмкость их разработки .
Одной из таких трудоёмких задач является трансляция накопленного человеческого опыта в форму пригодную для обработки на СВТ. Именно эта проблема является одной из первостепенных при разработке ЭС. Абсолютно любая СОЗ содержит в своём составе такой компонент как БЗ. Под которым понимаются предметные знания организованные определённым образом. БЗ абсолютно любой экспертной системы строится на основе принципов (правил синтаксиса), зависящих от применяемой модели представления знаний (логическая, фреймовая, сетевая и т.п.) рассмотренных в первой главе.
Таким образом, первая задача, которую предстоит решить является обеспечение интерфейса между экспертом обладающим знаниями в определённой области с одной стороны и формой представления и хранения этих знаний в памяти ВС с другой стороны. Но решение данной задачи можно считать бессмысленным, если не будет решена задача, обратная данной. Постановка которой формулируется следующим образом: предос тавление решений на основе закодированных экспертных знаний в БЗ и исходных данных по решаемой проблеме, полученных от пользователя.
В результате решения указанных задач предметные знания подвергаются следующим этапам: 1. Приобретение экспертных знаний экспертом; 2. Трансляция знаний в форму структурированной БЗ; 3. Извлечение экспертных знаний пользователем; 4. Использование полученных знаний пользователем применительно к предметной области.
Для решения выделенных классов задач технология автоматизированной разработки ЭС подразумевает использование автоматизированной системы построения экспертных систем (АСПЭС). АСПЭС представляет собой программный комплекс, в котором реализован следующий набор средств и методов: - Специализированная модель визуально-объектного представления знаний (МВОПЗ); - Средства поддержки МВОПЗ в виде редактора объектно-визуального моделирования; - Методы кодирования реализованных моделей средствами МВОПЗ в структурированную БЗ; - Методы по извлечению предметных знаний из БЗ в процессе логического вывода;
Заметим, что уже по составу реализованных в АСПЭС компонентов можно судить о том, что для разработки ЭС в АСПЭС достаточно участие только эксперта. При условии овладения им методикой формализованного представления знаний в форме МВОПЗ и умения работать в редакторе объектно-визуального моделирования АСПЭС. Рассмотрим более детально средства и методы направленные на автоматизацию процедуры построения ЭС.
Средства и методы, используемые в автоматизированной технологии построения ЭС. Использование данной технологии, главным образом, подразумевает участие в разработке ЭС эксперта или группы экспертов, специализирующихся в формализуемой предметной области. Общая схема их взаимодействия со средствами и методами, АСПЭС представлены нарис. 3.2.
Предметный анализ области диагностирования судовых дизельных установок
Задача диагностирования судовых дизельных установок (СДУ) заключается в своевременном обнаружении дефектов возникших в процессе эксплуатации судовых дизелей, а также нахождение мест и причин их возникновения. В конечном итоге решённая задача диагностирования должна указывать на способ приведения технического состояния объекта диагностирования в соответствие его номинальным техническим требованиям. Рассмотрим основные понятия, используемые в формализуемой предметной области, и характерные для неё особенности.
Техническая диагностика - область знаний о распознавании состояния технических систем (объектов) в условиях ограниченного объёма информации, исследующая формы проявления технического состояния, разрабатывающая методы и средства его определения [9].
Техническое диагностирование - процесс контроля и прогнозирования и технического состояния объекта диагностирования [28].
Диагностирование судового оборудования - процесс заключающейся в определении его технического состояния с заданной точностью [12]. Характерной особенностью объектов технического диагностирования судов является их комплексная архитектура. Широк и диапазон решаемых задач, методов и средств диагностирования.
Диагностический параметр (признак) - параметр объекта, количественно или качественно характеризующий ТС объекта. Диагностические параметры П условно подразделяются на 3 типа : Пвх - внешние условия и управляющие воздействия по отношению к объекту диагностирования, (положение органов управления, характер подачи топлива и т.п.). Пвых. - параметры, отражающие поведение объекта при его функционировании; ПВНутр - параметры, определяющие структуру объекта и характеризующие рабочие процессы, происходящие внутри его.
Диагностическая модель - формализованное описание объекта ТД, необходимое для решения задач диагностирования. Представляется в аналитической, табличной, векторной и графической нотациях.
Средство диагностирования - аппаратура и программы, с помощью которых осуществляется диагностирование.
Система диагностирования - совокупность средств диагностирования и распознающего устройства, классифицирующего принадлежность диагностических параметров определённому классу состояния ОД.
Диагностические параметры судовых дизелей различаются по информативности, доступности и стоимости измерения, степени локализации возникшего дефекта.
Информативность параметра характеризует количество информации о состоянии двигателя и её значимость. По этому критерию различают: высоко-, средне, и низкоинформативные сигналы.
По доступности и стоимости измерения выделяют 3 группы параметров: - Простые, эти значения могут быть получены легкоустанавливаемы ми, простыми или штатными средствами измерения и диагностирования (термопары, манометры, тахометры и т.д.); - Средние, значения параметров этой группы могут быть измерены приборами средней сложности или простыми, но относительно тру доёмкими в установке (пиметры, индикаторы, газоанализаторы, и т.п.); - Сложные, сложными и дорогостоящими измерительными средствами (осциллографы, виброаккустическая аппаратура, и другие комплексы измерительных средств).
По степени локализации возникшего дефекта диагностические параметры выделяют в группы, позволяющих определить: техническое состояние отдельного узла, нескольких или группы элементов или диагностируемого объекта в целом (работоспособен / неработоспособен).
