Интеллектуализация информационно-измерительных систем неразрушающего контроля теплофизических свойств твердых материалов Селиванова Зоя Михайловна

Данный автореферат диссертации должен поступить в библиотеки в ближайшее время
Уведомить о поступлении

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - 240 руб., доставка 1-3 часа, с 10-19 (Московское время), кроме воскресенья

Селиванова Зоя Михайловна. Интеллектуализация информационно-измерительных систем неразрушающего контроля теплофизических свойств твердых материалов : дис. ... д-ра техн. наук : 05.11.16 Тамбов, 2006 402 с. РГБ ОД, 71:07-5/34

Содержание к диссертации

ОСНОВНЫЕ УСЛОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 6

ВВЕДЕНИЕ 12

1 ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫЕ СИСТЕМЫ И МЕТОДЫ
НЕРАЗРУШАЮЩЕГО КОНТРОЛЯ ТЕПЛОФИЗИЧЕСКИХ СВОЙСТВ
МАТЕРИАЛОВ 39

Информационно-измерительные системы контроля свойств материалов 39
Методы неразрушаю ще го контроля теплофизических свойств материалов 46

Классификация методов контроля теплофизических свойств материалов (ТФСМ) 49
Контактные методы контроля ТФСМ 50
Бесконтактные методы контроля ТФСМ 58
Адаптивные методы контроля ТФСМ 60

1.3 Интеллектуальные информационно-измерительные системы 67

Интеллектуальные и интеллегализированные системы .... 67
Интеллектуальные информационно-измерительные системы . 79
Интеллектуальные датчики . 84

1.4 Цель и постановка задачи исследования 86

2 ЗАДАЧИ И МОДЕЛИ ИНТЕЛЛЕКТУАЛИЗАЦИИ ИНФОРМАЦИОН
НО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ 89

Модели интеллектуализации ИИС 90
Постановка задач выбора метода контроля свойств материалов ... 94
Классификация исследуемых материалов 99

Основные определения и постановка задачи 100
Алгоритмическое обеспечение 102

Пример решения задачи классификации 106
Оценка качества решения задачи классификации 115

2.4 Распознавание образов и выбор метода контроля свойств материа
лов 118

2.5 Концепция интеллектуализации ИИС 123

ВЫВОДЫ 130

3 АРХИТЕКТУРА ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННО-
ИЗМЕРИТЕЛЬНЫХ СИСТЕМ 134

Задачи проектирования и стратегии функционирования информационно-измерительных систем 134
Информационная модель ИИИС 138
Структура ИИИС 142

Состав системы 143
Интеллектуальные измерительные датчики 147

3.4 База знаний 151

Представление знаний 151
Фреймовая модель 156
Пример фреймовой модели 160

3.5 Принятие решений в ИИИС 174

Задачи принятия решений 174
Особенности принятия решений в условиях неопределенности 176

Обеспечение надежности ИИИС 186
Подход к интеллектуализации информационно-измерительных систем 191

ВЫВОДЫ 194

4 ИНТЕЛЛЕКТУАЛИЗАЦИЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ
СИСТЕМ НЕРАЗРУШАЮЩЕГО КОНТРОЛЯ ТЕПЛОФИЗИЧЕСКИХ

4
СВОЙСТВ ТВЕРДЫХ МАТЕРИАЛОВ 198

Анализ дестабилизирующих факторов, воздействующих на ИИИС НКТФСМ 198
Оперативный метод неразрушающего контроля теплофизических свойств твердых материалов 215
Интеллектуальный метод определения теплофизических свойств твердых материалов 228
Алгоритм, структура измерительной цепи, реализующие интеллектуальный метод определения ТФСМ 238
Интеллектуальный измерительный зонд для НК ТФСМ 244
Структурная схема ИИИС НК ТФСМ 254
Функциональная схема ИИИС НК ТФСМ 260

4.8 Алгоритм функционирования ИИИС НК ТФСМ 265

ВЫВОДЫ 282

5 МЕТРОЛОГИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ ИН
ФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ НК ТФСМ 286

Оценка погрешностей результатов измерений на основе математических моделей исследуемого материала и уравнения измерений ... 287
Выделение доминирующих компонент в составе полной погрешности результатов измерений теплофизических свойств материалов... 297

ВЫВОДЫ 300

6 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ИИИС НК ТФСМ 301

6.1 Определение ТФС материалов и изделий с использованием ИИИС

НК ТФСМ 301

Обработка экспериментальных данных и анализ погрешностей результатов измерений ТФСМ 309
Оценка эффективности интеллектуальной информационно-измерительной системы НК ТФСМ 313

ВЫВОДЫ 317

ЗАКЛЮЧЕНИЕ 318

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 328

ПРИЛОЖЕНИЕ А. Результаты экспериментальных исследований. Термо
граммы остывания подложки ИИЗ в плоскостях X0Y И YQZ. 352

ПРИЛОЖЕНИЕ Б. Графики расчетных зависимостей т_тах=/(Дх:) в

плоскостях XQY и YQZ подложки ИИЗ 355

ПРИЛОЖЕНИЕ В. Блок-схема программы, реализующей алгоритм функ
ционирования ИИИС НК ТФСМ 359

ПРИЛОЖЕНИЕ Г. Применение методов и ИИИС НК ТФСМ для качест
венной оценки свойств материалов и изделий из них 362

ПРИЛОЖЕНИЕ Д. Экспериментальные исследования методов и интел
лектуальной информационно-измерительной системы НК ТФСМ 372

ПРИЛОЖЕНИЕ Е. Внедрение ИИИС НК ТФСМ 375

ОСНОВНЫЕ УСЛОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ИИС - информационно-измерительная система;

НК - неразрушающий контроль;

ТФСМ -теплофизические свойства материалов;

ИИИС - интеллектуальная информационно-измерительная система;

ИИ - искусственный интеллект;

ДФ - дестабилизирующие факторы;

ИМ - исследуемые материалы;

ИИЗ - интеллектуальный измерительный зонд;

БЗ- база знаний;

СИ - средства измерений;

ИД - интеллектуальные датчики;

ИнС - интеллектуализированная система;

ТФХ - теплофизические характеристики;

Т-температура;

т - время;

X - коэффициент теплопроводности;

ТНК-тепловой неразрушающий контроль;

а - коэффициент температуропроводности;

ИВС - измерительно-вычислительная система;

F- частота импульсов теплового воздействия;

ИЗ - измерительный зонд;

ИМ - исследуемый материал;

ИС - измерительная система;

ЛП~ лингвистическая переменная;

КИС - компьютерно-измерительная система;

СМ - свойства материалов;

ММ - математическая модель;

ПО - предметная область;

О - множество определяемых параметров ИМ;

Т) - множество интервалов (диапазонов измеряемых параметров);

⁽У_М - множество используемых методов;

⁽У_т - множество измерительных ячеек;

ИЯ - измерительная ячейка;

Т^дф - множество дестабилизирующих факторов;

*/_ип - объем информации, получаемый пользователем;

О - множество исследуемых материалов;

juy - функции принадлежности нечетких множеств;

% - множество классов ИМ;

"У_ии - множество методов искусственного интеллекта;

и Уз - множество задач, решаемых методами ИМ с использованием базы данных;

а - взвешенное евклидово расстояние для каждого класса;

Ъ1_Ы - множество параметров ИМ;

Ч* - множество структур ИМ;

^гКф - множество требований к геометрическим размерам;

Уопр - множество уровней определенности информации об ИМ; Q - множество признаков классов ИМ; q - признаки класса ИМ;

ФП - функция принадлежности;

SU - степень принадлежности;

R - режимные параметры;

СИП - система измерительных преобразователей;

ПВП-переносной вычислительный блок;

ш„ - весовой коэффициент;

ТИЭ - тестовый измерительный эксперимент;

8 С - удельная теплоемкость; р - плотность ИМ;

ПИМ - первичная информация о материалах; АИМ - априорная информация о материалах; СИ - средства измерений; ЭС - экспертная система; ИзС - измерительная ситуация; S_Kl)M - комбинированная стратегия; S_np - программная стратегия; S_m -идентифицирующая стратегия; 5_К01. - корректирующая стратегия; БПР - блок принятия решений;

ПИИ - пользовательский интеллектуальный интерфейс; БЛВ - блок логического вывода; Э -эксперт; П - пользователь; U_mu - значение измеряемого параметра;

/_изм - эталонное значение измеряемого параметра;

К_к - критерий качества;

5"_им - множество выходных сигналов с исследуемых материалов;

гУвхпф ~~ множество входных сигналов при воздействии ДФ;

с^выхлф ~ ^{М1Южество} выходных сигналов при воздействии ДФ;

с/ик ~~ множество параметров информационного канала;

_о/_Ип - множество информации, поступающей от пользователя;

J_m - множество информации, поступающей от эксперта;

J/g₃ ~ множество информации, хранящейся в базе знаний;

сУкш' ^- множество информации, поступающей с блока принятия решений;

с/ииис " множество структур ИИИС;

9 Э_ииис - множество критериев оценки технической эффективности системы;

БД-база данных;

НМ - нечеткие множества;

ИФ-имя фрейма;

ИС - имя слота;

ЗС - значение слота;

ПП - присоединенная процедура;

С - теплоемкость;

Кі - критерий оценки результатов измерений;

Z; - исходные состояния ИИИС;

С ], С2 - показатели достоверности свидетельств мер доверия;

Ш] (X), m₂ (Y) - функции доверия;

W- влажность исследуемого материала;

\|/ - шероховатость поверхности исследуемого материала;

Ri - контактное сопротивление;

Тос - температура окружающей среды;

Лг - интервал времени между тепловыми импульсами;

ЛГ - перепад температур по объему подложки измерительного зонда;

г_уст - время достижения установившегося теплового режима;

Пт - показатель точности;

Пом - показатель оперативности;

/?- показатель достижения установившегося теплового режима;

г_уср - показатель достижения температуры усреднения в подложке измерительного зонда;

НП - нормирующий преобразователь сигналов;

q - характеристики округления, зависящие от разрядности микроконтроллера; < > - числовой результат измерительного преобразования в цифровой форме; h - переходная характеристика первичного измерительного преобразователя; Ъ — коэффициент нормализации с номинальным значением 6,;

10 U(T) - статическая характеристика первичного измерительного преобразователя;

ДУ - дифференциальный усилитель; ИЯ - измерительная ячейка; МК - микроконтроллер; СД - система датчиков; ТБ - термобатарея; ДТ - датчик температуры;

є - заданная величина, определяющая момент уравнивания температурных перепадов в подложке термозонда; ОЗУ - оперативное запоминающее устройство; БП - блок питания; d~ диапазон; /-число диапазонов;

Т - среднейнтегральное значение температуры;

БДУ - блок дифференциальных усилителей;

ИВУ - интеллектуальное вычислительное устройство;

БПР - блок принятия решений;

СДК - система допускового контроля;

ЖКИ - жидкокристаллический индикатор;

Кл - клавиатура;

БЛВ - блок логического вывода;

ПК - персональный компьютер;

N_Mi - априорная информация;

ИП - измерительная процедура;

Рдф - параметры дестабилизирующих факторов;

Ртфс - параметры теплофизических свойств;

Сп1, Сп2- способы определения количества тепловых импульсов;

М- математическое ожидание;

а - средняя квадратическая погрешность;

11 A_hT' - пофешность из-за отличия коэффициента нормализации Ь от номинального значения Ь_н;

А_К]а*, А_К1а], А^з^*, А_КАЯ* - пофешности определения калибровочных коэффициентов/П Д 2,/ГЗ,К4; АТ_п,АТ_т - пофешности определения АТ_п,АТ_т; А_аХ' - пофешность определения а; Д₀д, А_(иЛ' -пофешности округления; А_КТ" - пофешность квантования;

Д_и7] - погрешность, вызванная отличием реальной характеристики от номинальной; А_иТ' - пофешность из-за изменения влажности ИМ; Д цТ* - погрешность в результате влияния шероховатости ИМ;

А_1КТ" - пофешность за счет воздействия температуры окружающей среды;

Д 7] - пофешность в результате изменения контактного термосопротивления.

к,

K-j - критерий эффективности.

12 ВВЕДЕНИЕ

Одним из направлений повышения эффективности промышленности является улучшение качества используемых материалов и изделий. В решении задач улучшения качества продукции важную роль играют информационно-измерительные системы (ИИС) и методы неразрушающего контроля (ПК), которые повышают точность и оперативность определяемых параметров и свойств готовых изделий, эффективность технологических процессов изготовления материалов.

В последнее время появились публикации, подтверждающие эффективность применения методов искусственного интеллекта в ИИС для различных целей в условиях существенных неопределенностей (в нечеткой среде). Исследования в области искусственного интеллекта позволяют разрабатывать новые модели и методы решения задач, которые ранее не формализировались и не автоматизировались. Современное развитие технических и программных средств создают условия для разработки и внедрения интеллектуальных ИИС, в рамках которых возможно использование гибких и эффективных неформальных подходов.

Работа посвящена интеллектуализации информационно-измерительных систем НК свойств материалов (СМ), вопросам их организации, предназначенных для обработки информации и базирующихся на применении методов искусственного интеллекта.

Теоретические основы решения проблем проектирования ИИС и интеллектуальных информационно-измерительных систем (ИИИС) представлены рядом известных публикаций, авторами которых являются: Поспелов Г.С., Цветков Э.И., Цапенко М.П., Лорьер Ж.Л., Виноградова Н.А., Романов В.Н., Соболев B.C., Иванов В.Н., Орнатский П.П., Хофман Д., Мандельштам СМ., Кыо-сиака Э., Попов Э.В., Нильсон Н., Хант Э., Захаров В.А., Осипов Г.С., Элти Дж., Кумбс М., Любарский Ю.Я., Алиев Р.А., Гаврилова Т.А., Хорошевский В.Ф., Геловани В.А., Пупков К.А., Гаскаров Д.В., Ягер P.P., Андрейчиков А.В.,

Романов В.П. и др.

Теоретические основы создания методов и устройств неразрушающсго контроля теплофизических свойств твердых материалов изложены в трудах Лыкова А.В., Вавилова В.П., Карслоу Е.Г., Кондратьева Г.М., Платунова Е.С., Шашкова А.Г., Грищенко Т.Г., Кулакова М.В., Власова В.В., Мищенко СВ., Шлыкова Ю.П., Клюева В.В., Чудновского А.Ф., Курепина В.В., Шнейдсра П., Козлова В.П. и др.

В отличие от существующих информационно-измерительных систем в работе предложен подход к интеллектуализации, позволяющий повысить эффективность эксплуатации ИИС контроля свойств материалов в условиях неопределенности, и воздействии дестабилизирующих факторов. При интеллектуализации ИИС используются достижения информационных технологий в процессе принятия решений при контроле свойств материалов в нечеткой среде, методы искусственного интеллекта для решения проблем неразрушаю ще го контроля свойств материалов, нестандартных задач при НК СМ.

Новым в работе является создание подхода к интеллектуализации информационно-измерительных систем не только в рассматриваемой области, но и для ряда других предметных областей.

Имеющийся опыт работы у автора по созданию информационно-измерительных систем неразрушающего контроля теплоизоляционных, строительных, полимерных материалов, позволил использовать накопленную информацию о свойствах материалов, методах контроля качественных свойств материалов в лабораторных, производственных и полевых условиях эксплуатации при создании базы знаний в процессе проектирования интеллектуальных информационно-измерительных систем.

В то же время, при создании ИИИС применялся метод системной интеграции, позволяющий использовать для решения задачи построения ИИС стандартные известные модули, например, микроконтроллеры, аналого-цифровые преобразователи.

Разрабатываемая ИИИС НК СМ, основанная на знаниях, воплотила в себе

достоинства измерительно-вычислительных и информационно-измерительных систем для контроля свойств материалов и расширила функциональные возможности, повысила метрологический уровень измерений в результате применения новых информационных и измерительных технологий, методов искусственного интеллекта.

Функционирование системы предполагает использование априорных и апостериорных знаний, математических моделей, представляющих знания в системе, обеспечение измерительного ресурса аппаратных и программных модулей, анализ перспективы и потенциальных возможностей совершенствования интеллектуальных информационно-измерительных систем.

Введение к работе

Актуальность темы исследования. В настоящее время для НК на производстве и в научных проблемных лабораториях применяются информационно-измерительные системы, которые, к сожалению, не в полной мере отвечают всем необходимым техническим характеристикам: оперативности, широкому диапазону исследуемых материалов, возможности контролировать комплекс определяемых параметров, метрологическому уровню результатов измерений, устойчивости к воздействию дестабилизирующих факторов (ДФ), функционированию в условиях неопределенности, возможности перестройки системы в ходе контроля свойств материалов и технологического процесса изготовления материалов. Анализ известных информационно-измерительных систем показывает, что существующие ИИС не в состоянии контролировать большое число переменных факторов и рационально вести неразрушающий контроль свойств материалов.

Одним из путей повышения эффективности ИИС является решение проблем, возникающих при контроле свойств материалов, применением методов искусственного интеллекта в информационно-измерительных системах.

Проектирование интеллектуальных ИИС выдвигает целый ряд научно-технических проблем, решение которых необходимо для создания эффективных систем контроля свойств материалов. При определении свойств материалов существует проблема описания математическими моделями объектов ис- следования, измерительных ситуаций из-за нечеткости информации, появляющейся в условиях неопределенности, при воздействии дестабилизирующих факторов. Проблему, связанную с дефицитом информации при контроле свойств материалов в условиях неопределенности, предлагается решить на основе интеллектуализации информационно-измерительных систем, позволяющих осуществлять интеллектуальные процедуры принятия решений по выбору оптимальных режимных параметров измерений в зависимости от измерительной ситуации, оптимизацию процедур в соответствии с выбранными критериями - оперативность и точность измерений.

Поэтому интеллектуализация ИИС, позволяющая решать указанные проблемы повышения оперативного и точного НК свойств материалов в условиях неопределенности при воздействии ДФ, экспресс диагностики, разработки технологии производства материалов, является важной и актуальной проблемой.

Методологической основой проводимых исследований являются методы общей теории систем, нечетких множеств, искусственного интеллекта. Предложен подход к интеллектуализации ИИС для разрешения проблем НК свойств материалов, заключающийся в принятии решений при классификации исследуемых материалов (ИМ) и распознавании образов, определении оптимальных режимных параметров измерений, выбора метода измерений, учета влияния ДФ и достоверности свидетельств на основе использования теории нечетких множеств, механизма выбора подмножеств стратегий Демпстера-Шафера и фреймового представления знаний, что позволит повысить комплексный показатель достижения результативности (точность и оперативность).

Работа, посвященная решению вышеизложенных проблем, выполнялась в соответствии с планом важнейших НИР Минвуза РСФСР с 1989 по 1990 гг.; в рамках заказа-наряда Гос. комитета РФ по высшему образованию с 1991 по 1995 гг.; межвузовской научно-технической программы «Ресурсосберегающие технологии машиностроения» в 2000г.; межвузовской научно-технической программы «Неразрушающий контроль и диагностика» с 1998 по 1999 гг.; в соот- ветствии с научными исследованиями высшей школы по приоритетным направлениям науки и техники подпрограммы «Производство и технологии» с 2001 по 2002 г.; в рамках научно-технической программы «Научные исследования высшей школы в области химических технологий» с 2003 по 2004 гг.

Объектом исследования являются информационно-измерительные системы неразрушаю ще го контроля свойств материалов.

Предмет исследования - интеллектуализация информационно-измерительных систем НК ТФСМ, математическое, алгоритмическое, программно-аппаратное и метрологическое обеспечение ИИИС при функционировании в условиях неопределенности и воздействии дестабилизирующих факторов.

Цель диссертационной работы - разработать подход к интеллектуализации класса информационно-измерительных систем, осуществляющих контроль комплекса свойств материалов, и реализовать его на примере создания ИИИС НК теплофизических свойств материалов (ТФСМ) для повышения точности и оперативности контроля свойств материалов.

Дня достижения поставленной цели необходимо решить следующие задачи: разработать математическую модель предметной области (ПО); создать процедуры классификации исследуемых материалов и выбора метода контроля свойств материалов; разработать математические модели исследуемых материалов и представления знаний; создать математическую модель ИИИС; разработать математическую модель и алгоритм принятия решений в ИИИС; разработать и исследовать метод НК ТФСМ, выполняющий интеллектуальные процедуры по выбору оптимальных режимных параметров теплофизических измерений и позволяющего повысить оперативность и точность изме- рений, по сравнению с известными нестационарными методами НК ТФСМ, создать интеллектуальный измерительный зонд (ИИЗ), реализующий предложенные методы НК ТФСМ и осуществляющий интеллектуальные функции; создать интеллектуальную ИИС НК ТФСМ, осуществляющую поставленную научно-техническую задачу - повышение оперативности, точности и показателей эффективности системы, на основе применения методов искусственного интеллекта при проведении тсплофизических измерений, формирования алгоритма измерений и структуры ИИИС, а также аппаратного и программного обеспечения; разработать метрологическое обеспечение ИИИС НК ТФСМ, на основе которого выделены доминирующие компоненты в составе полной погрешности измерения ТФСМ и целенаправленно выполняется автоматическая коррекция результатов измерения; осуществить экспериментальную проверку полученных результатов моделей и методов, оценить показатели эффективности и внедрить в промышленное производство, научные лаборатории и учебный процесс.

Методы исследования. При решении задач проектирования ИИИС НК свойств материалов использовались методы общей теории систем, теории нечетких множеств, принятия решений, искусственного интеллекта, информационных технологий, классической теории теплопроводности, математического и физического моделирования на базе современных вычислительных и программных средств.

Научная новизна заключатся в следующем: 1 Разработана модель предметной области интеллектуальной информационно-измерительной системы, отражающая модели ИМ, используемых методов контроля СМ, технических средств, алгоритмического обеспечения, ДФ, информационных связей между моделями, отличающаяся от традиционных моделей ПО ИИС наличием модели базы знаний (БЗ) и моделей компонентов системы с информацией о расширении выполняемых функций: определение принадлежности ИМ к определенному классу; методах контроля, содержащих проце- дуры искусственного интеллекта; о применяемых интеллектуальных датчиках; дополнительных процедурах, связанных с распознаванием образов, принятием решений; дополнительных сведениях, характеризующих достоверность используемой информации, использовании знаний эксперта и пользователя ИИИС.

Осуществлены постановки задач выбора метода контроля свойств материалов в зависимости от конкретной измерительной ситуации: сведений о свойствах ИМ, геометрических размерах ИМ, ДФ, уровнях определенности информации, используемых методах контроля в ИИИС, включающие частные задачи разработки структуры множества измерительных ситуаций, построения модели «измерительная ситуация - метод контроля», идентификации измерительной ситуации и выбора метода контроля.

Выполнена постановка задачи классификации ИМ, определяющая множества всех возможных ИМ неразрушающего контроля с разбиением их на подмножества в соответствии с критериями и параметрами, которыми они описываются. От существующих задач классификации отличается тем, что представлена рядом частных задач: когда число классов задано заранее и расстояния между признаковыми координатами ИМ определяются на основе матрицы первичной информации в m-мерном пространстве признаков класса, задача с определением расстояния на основе расширенной матрицы с учетом условий контроля, требований к точности, быстродействию и других факторов измерительной ситуации.

Разработано алгоритмическое обеспечение решения задачи классификации ИМ, включающее следующие этапы: определение числа классов методом экспертных оценок, выделение одного или двух доминирующих признаков ИМ из числа основных для ранжирования классов, определение пороговых значений и расчет расстояний от признаковых координат ИМ до координат центра рассматриваемого класса, анализ результатов классификации.

Разработана интеллектуальная процедура принятия решения по распознаванию образов ИМ с использованием двух способов в зависимости от степени достоверности информации: расчет евклидова расстояния, если обрабаты- ваемую информацию можно считать достоверной; использование математического аппарата теории нечетких множеств, задаваемых с помощью функции принадлежности.

Предложена интеллектуальная процедура принятия решения по выбору метода контроля свойств материалов с применением функции принадлежности нечетких множеств в алгоритме, основанном на процедуре лингвистической аппроксимации. При отсутствии функции принадлежности применяется алгоритм, основанный на продукционных правилах.

Разработана концепция интеллектуализации информационно-измерительных систем, заключающаяся в развитии и использовании расширенной модели ИМ, дополненной сведениями о достоверности информации, значениями параметров ИМ при воздействии ДФ; создание базы знаний с использованием знаний пользователей - специалистов и экспертов в рассматриваемой предметной области; использование возможностей вычислительной техники, позволяющей реализовать ИИИС любой архитектуры; применение математического аппарата искусственного интеллекта, позволяющего в автоматизированном режиме выполнять задачи принятия оптимальных решений по идентификации измерительной ситуации, выбору метода контроля СМ, оптимизации режимов измерений и др. Применение методов искусственного интеллекта является основным фактором повышения эффективности ИИС.

Предложена математическая модель исследуемых материалов, отражающая уровень определенности информации, определяемые параметры ИМ и их диапазоны, структуры ИМ, требования к форме ИМ и точности определения результатов измерения ТФСМ, применяемая в базе знаний ИИИС при синтезе алгоритма ее функционирования.

Создана модель интеллектуальной информационно-измерительной системы, представляющая множества входных воздействий, лингвистических переменных основных ДФ, выходных параметров, методов НК СМ, методов принятия решений, позволяющая выбрать оптимальный вариант разрабатываемой системы с учетом перспектив расширения области исследуемых материалов для НК СМ.

Разработана модель принятия решения оптимальных решений в ИИИС, содержащая множества методов измерения, измерительных ситуаций, структур и состояний ИИИС, критериев оценки результатов измерения и позволяющая оценить показатели эффективности функционирования системы, осуществить оптимизацию параметров измерительной ситуации, выбор оптимального алгоритма измерений и измерительных процедур.

Осуществлена постановка задач проектирования ИИИС НК СМ и предложены стратегии функционирования информационно-измерительных систем: идентифицирующая, предполагающая сбор информации о характеристиках ИМ и измерительной ситуации на стадии подготовки и проведения измерений ИИИС при воздействии ДФ; корректирующая, выполняющая изменение алгоритма измерения, структуры ИИИС и других компонентов в зависимости от измерительной ситуации; комбинированная стратегия, позволяющая получить информацию о параметрах свойств материалов на основе идентифицирующей и корректирующей стратегии; программная стратегия, определяющая алгоритм синтеза стратегий и перестройки программного обеспечения в зависимости от измерительной ситуации.

Разработанная информационная модель ИИИС НК СМ, предложена методика решения задач построения информационной модели, заключающаяся в следующем: составляется исходная информация об ИМ, определяются информационные параметры ИИИС, создаются информационные каналы: пользовательский, для создания базы знаний, блока принятия оптимальных решений в условиях неопределенности, об архитектуре ИИИС, а также оценивается техническая эффективность ИИИС контроля СМ.

Создана структура ИИИС контроля СМ в соответствии с поставленными задачами и стратегиями проектирования интеллектуальных ИИС, обеспечивающая регистрацию аналоговых сигналов с измерительных датчиков при многоканальном вводе информации, формирование дискретных сигналов управле- ния, работу в составе локальной сети предприятия, реализацию интеллектуальных процедур принятия оптимальных решений о выборе модели ИМ, предметной области, измерительной ситуации и др. в условиях неопределенности. В соответствии с вышеизложенным структура ИИИС контроля СМ должна содержать следующие основные компоненты: базу знаний, блок принятия решений, пользовательский интеллектуальный интерфейс, блок логического вывода.

Определены задачи проектирования интеллектуальных датчиков и задачи интеллектуализации, заключающиеся в реализации следующих интеллектуальных функций: применение методов искусственного интеллекта, возможность самоповерки, коррекция выходной информации с датчиков при воздействии ДФ, наличие фрагментов базы знаний ИИИС для конкретной предметной области, оптимизация режимно-энергетических параметров при контроле СМ, наличие программного обеспечения, реализация интеллектуальной процедуры контроля исходного состояния интеллектуальных датчиков,

Разработана фреймовая модель представления знаний в ИИИС НК СМ в виде отдельных кластеров знаний, реализующих принцип наследования информации. Создана обобщенная фреймовая структура, представляющая базу знаний ИИИС, которая включает фреймы представления знаний о предметной области, измерительного канала, измерительной ситуации, измерительной процедуры, метрологического обеспечения, принятия решений в ИИИС в условиях неопределенности и нечеткости.

Определены задачи и особенности принятия оптимальных решений в условиях неопределенности с использованием методов искусственного интеллекта. Принятие решений направленно на процесс поиска решения измерительных задач НК СМ и определения оптимального алгоритма измерений, стратегий поиска, измерительных процедур на каждом этапе контроля СМ. Оценка принятия решений выполняется с использованием критерия Демпстера-Шафера. Целью принятия решений является минимизация функционала, определяющего потери оперативности и точности ИИИС, которые являются основными показателями эффективности работы ИИИС.

Предложен способ обеспечения надежности интеллектуальной информационно-измерительной системы НК ТФСМ, заключающийся в определении мер доверия к результатам измерения ТФСМ, автоматический коррекции результатов измерения по аппроксимирующим зависимостям результатов измерения от воздействующих ДФ, поэтапном метрологическом анализе результатов измерения с целью получения параметров ТФСМ с допустимой погрешностью, что способствует повышению устойчивости системы к ошибочным измерениям, а, следовательно, и обеспечению надежности ИИИС НК ТФСМ.

Предложен подход к интеллектуализации ИИС, в котором на основе использования методов искусственного интеллекта решаются задачи для повышения точности и оперативности контроля СМ: выбора метода контроля для соответствующей измерительной ситуации, оптимизации режимов измерений, классификации ИМ и распознавания образов, наполнения и использования базы знаний, применения универсальной и многофункциональной архитектуры ИИИС, интеллектуальных датчиков.

Разработан оперативный метод НК ТФСМ, позволяющий повысить производительность теплофизических измерений не менее, чем в 5 раз, по сравнению с известными нестационарными методами НК ТФСМ, за счет начала проведения очередного измерения при достижении момента равенства температурных перепадов во взаимно перпендикулярных плоскостях подложки наперед заданному минимальному значению, не дожидаясь полной стабилизации температурного поля в подложке, как принято в традиционных методах измерения.

Разработан оперативный интеллектуальный метод НК ТФСМ, позволяющий в (1,5-2) раза повысить оперативность определения ТФСМ с прогнозируемой точностью измерений в результате применения процедуры искусственного интеллекта для выбора способа определения ТФСМ в зависимости от измерительной ситуации, решения задачи минимизации функционала, комплексно учитывающего потери точности и оперативности, определения оптимально- го количества тепловых импульсов, подаваемых на ИМ, с помощью полученных расчетно-эксп ер и ментальных зависимостей.

Разработан интеллектуальный измерительный зонд, реализующий предложенные методы НК ТФСМ, применение которого позволяет повысить точность результатов определения ТФС за счет исключения влияния на измерительную информацию аккумулированного в подложке ИЯ тепла от предыдущего измерения, осуществления следующих интеллектуальных процедур: выбор и формирование необходимого количества тепловых импульсов, поступающих на нагреватель ИИЗ, коэффициента усиления усилителя и мощности теплового воздействия на ИМ в зависимости от его теплопроводности, определение средней нтегрального значения температуры в контактной области ИИЗ - ИМ и устранение влияния воздействия Т_ос на результат измерения. Для реализации интеллектуальных процедур используется микроконтроллер с соответствующим программным обеспечением.

Разработана структурная схема объектно-ориентированной интеллектуальной системы с фреймовым представлением знаний НК ТФСМ, реализующей интеллектуальные процедуры при проведении теплофизических измерений с помощью интеллектуальных измерительного зонда, вычислительного устройства на основе быстродействующего микроконтроллера параллельного действия и предложенных оперативных методов НК ТФСМ, разработанного математического обеспечения, постоянно пополняемой базы знаний, автоматической обработки априорной и постеаприорной информации о классах измерительных ситуаций, что позволяет па основе промежуточных (тестовых) измерений принимать решения о наиболее эффективном алгоритме функционирования ИИИС, стратегий для повышения метрологического уровня измерений при воздействии ДФ, технической и экономической эффективности ИИИС.

Разработано метрологическое обеспечение предложенных методов и ИИИС НК ТФСМ, заключающее в метрологическом анализе результатов измерения с учетом воздействия ДФ и выделении доминирующих компонент в составе полной погрешности результатов измерения ТФСМ с последующим це- ленаправленным воздействием на эти доминанты с целью уменьшения общей погрешности измерения.

Практическая ценность. Разработанное алгоритмическое и программное обеспечение ИИИС позволило сформировать гибкую систему в результате способности к реконфигурации аппаратных средств, измерительных и управляющих функций.

Для решения вопросов прогнозирования, идентификации и управления теплофизическими измерениями, переноса результатов измерений в компьютер, их сохранения, просмотра и анализа разработано программное обеспечение, осуществляющее первичную математическую обработку информации по заданным формулам и аппроксимирующим зависимостям, просмотр по выбору оператора измеряемых аналоговых и дискретных сигналов и передачу результатов измерений в локальную сеть предприятия в процессе теплофизического измерения, интеллектуальные процедуры принятия решений в ИИИС, формирование БЗ в системе, обработку полученных массивов данных с помощью специализированных пакетов прикладных программ.

На основе представленных в работе методов НК ТФСМ, ИИЗ, БЗ, математического и программного обеспечения, структуры и алгоритма функционирования создана интеллектуальная информационно-измерительная объектно-ориентированная система со структурно-параметрической адаптацией в результате принятия решения о выборе энергетических и режимных параметров в соответствии с классами ИМ, с автоматической коррекцией результатов измерения при воздействии ДФ, характеризующаяся оперативностью и точностью, которая внедрена и успешно эксплуатируется на промышленных предприятиях, в научных лабораториях для контроля ТФС широкого класса ИМ, получения новых материалов с заданными ТФС и в технологических процессах изготовления материалов и изделий.

Результаты работы могут использоваться в дальнейших теоретических и практических исследованиях при проектировании и повышении эффективности ИИИС НК ТФСМ.

Реализация результатов работы. Полученные в диссертационной работе теоретические и практические результаты - методы, модели, алгоритмы, ИИС, внедрили следующие научные лаборатории вузов и промышленные предприятия: ЗАО «Изорок» (Тамбовская обл., 2005 г., экон. эффект 100 тыс. руб.); АО «Элтра» (г. Рассказово, 1995 г., экон. эффект 50 тыс. руб.); ПО «Мос-стройпластмасс» (г. Мытищи, 1994 г., экон. эффект 50 тыс. руб.), Международный учебно-научный инжененрный центр (г. Санкт-Петербург, 1993 г.); Богородский завод искусственных кож (г. Богородск Нижегородской обл., 1992 г., экон. эффект 70 тыс. руб.); Международный учебно-научный инженерный центр (г. Санкт-Петербург, 1992 г.); Воронежская государственная архитектурно-строительная академия (г. Воронеж, 1991 г.); фирма «Инженер» ПО «Казст-ройполимер» (г. Караганда, Казахстан, 1991 г.); Воронежская государственная архитектурно-строительная академия (г. Воронеж, 1990 г.); научно-производственное объединение «Импульс» ТГТУ (г. Тамбов, 1990 г., эконом. эффект 100 тыс. руб); Российский химико-технологический университет им. Д.И.Менделеева (г. Москва, 1989 г.); ПО «Казстройполимер» (г. Караганда, Казахстан, 1989 г.); НПО «Энергия» п/я В-25/72, (г. Калининград, 1981 г.).

На вышеперечисленных предприятиях внедрены методы и средства НК ТФСМ, защищенные авторскими свидетельствами на изобретения (№ 1341635, № 1171786) и патентами на изобретения (№ 2082080, №2077715, № 2170423, №2247363).

Внедрение ИИИС контроля свойств материалов подтверждено соответствующими актами. Суммарный экономический эффект от внедрения результатов диссертации составляет более 1900 тыс. руб.

Разработанные интеллектуальные информационно-измерительные системы диссертационной работы используются в учебном процессе кафедры «Конструирование радиоэлектронных и микропроцессорных систем» ТГТУ, а также на кафедрах Санкт-Петербургского международного учебно-научного инженерного центра, Российского химико-технологического университета им. Д.И. Менделеева, Воронежской государственной архитектурно-строительной акаде-

Апробация работы. Научные и практические результаты исследований по теме диссертации докладывались и обсуждались на 14 Всесоюзных научно -технических конференциях и совещаниях: «Современные методы синтеза машин-автоматов и их систем» (г. Тамбов, 1981 г.); «Гибкие автоматизированные производства и роботизация технологических процессов» (г. Тамбов, 1986 г.); «Новейшие исследования в области теплофизических свойств» (г. Тамбов, 1988 г.); "Методы и средства измерения физических величин" (г. Нижний Новгород 1999г.); "Применение вычислительной техники в научных исследованиях" (г. Киев 1986г.); "Микропроцессорные системы" (г. Челябинск 1988г.); "Повышение эффективности средств обработки информации на базе математического и машинного моделирования" (г. Тамбов 1995г.); «Моделирование САПР, АСНИ и ГАП» (г. Тамбов, 1989 г.); "Теплофизика релаксирующих систем" (г. Тамбов 1990г.); "Теплофизические проблемы промышленного производства" (г. Тамбов 1992г.); "Теплофизика релаксирующих систем" (г. Тамбов 1990г.); "Повышение эффективности теплофизических исследований технологических процессов промышленного производства и их метрологического обеспечения" (г. Тамбов 1995г.); «Повышение эффективности средств обработки информации на базе математического моделирования» (г. Тамбов, 1995 г.); «Повышение эффективности средств обработки информации на базе математического моделирования» (г. Тамбов, 2004 г.).

Кроме того, результаты научных исследований докладывались на международных конференциях: "Метрологическое обеспечение машиностроительных отраслей промышленности" (г. Минск 1992г.); "Информационные технологии в проектировании микропроцессорных систем" (г. Тамбов 2000г.); «Теплофизические измерения в начале XXI века» (г. Тамбов, 2001 г.); «Фундаментальные и прикладные проблемы приборостроения, экономики и права» (г. Москва, 2002 г.); «Теплофизические измерения при контроле и управлении качеством» (г. Тамбов, 2004 г.); «Математические методы в технике и технологиях» (г. Казань, 2005 г.); «Составляющие научно-технического прогресса» (г. Тамбов, 2006 г.), а также на 16 областных научно -технических конференциях и конференциях ТГТУ с 1980 по 2006 г.

Публикации. Результаты диссертационной работы отображены в 1 книге, 16 статьях в центральных журналах, в 13 статьях межотраслевых, межвузовских и вузовских изданиях, в 37 трудах и тезисах докладов международных, всесоюзных, всероссийских конференций, совещаний и семинаров, 30 отчётах госбюджетных и хоздоговорных НИР, защищены 6-ю авторскими свидетельствами и патентами на изобретения.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка используемых источников и восьми приложений. Основная часть работы изложена на 351 страницах, содержит 61 рисунок, 19 таблиц и 230 наименований библиографического указателя. Приложения содержат 49 страниц текста, 28 рисунков, 2 таблицы и 22 документа об использовании результатов работы.

Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, научная новизна и практическая значимость работы, приведены результаты реализации и апробации, структура работы и краткое содержание глав.

Первая глава «Информационно-измерительные системы контроля свойств материалов» содержит анализ литературных источников по существующим интеллектуальным ИИС, в том числе ИИС НК ТФСМ, и методам контроля.

Несмотря на то, что область применения существующих систем искусственного интеллекта достаточно широка, применение ИИИС НК ТФСМ в условиях неопределенности и при воздействии ДФ не нашло соответствующего отражения в зарубежной и отечественной научной литературе. Из рассмотренных методов НК ТФСМ наиболее перспективными по оперативности и точности являются методы при частотно-импульсном тепловом воздействии на ИМ. Однако, эти методы имеют недостаточную производительность и точность измерения ТФСМ, обусловленных длительностью процесса термостатирования термозонда, традиционно необходимого для проведения очередного измерения, а также воздействием на ИИИС и ИМ ДФ, вносящих погрешность в результат измерения.

Поэтому разработка новых методов, повышающих оперативность и точность теплофизических измерений, и ИИИС, позволяющей принимать оптимальные решения в нечеткой среде при НК ТФСМ, является важной и актуальной научно-технической задачей.

На основе анализа работ по интеллектуализации измерений, существующих методов и средств НКТФСМ, осуществлена постановка задачи исследования.

Во второй главе «Задачи и модели интеллектуализации информационно-измерительных систем» исследуется эффективность функционирования ИИС свойств материалов, которая в основном определяется показателями точности, быстродействия и удобства в эксплуатации. На эти показатели существенное влияние оказывают: отсутствие представительных статистических данных при определении свойств новых материалов; влияние большого числа ДФ на процесс измерения; отсутствие моделей, позволяющих устранить влияние ДФ и выбирать оптимальный режим работы ИИС в зависимости от конкретной измерительной ситуации; недостаточная теоретическая подготовка пользователей для решения выбора метода или измерительного зонда при исследовании материалов; недостаточное использование опыта и знаний специалистов (экспертов) в соответствующей предметной области.

Повышение эффективности ИИС достигается решением следующих задач: выбор метода и измерительного зонда, обеспечивающих максимальную эффективность ИИС в зависимости от конкретной измерительной ситуации; построение математических моделей предметной области и ИМ, позволяющих в автоматизированном режиме реализовать знания экспертов; выделение классов материалов, близких по своим характеристикам; разработка базы знаний ИИС, содержащей накопленный опыт пользователей и теоретические знания экспертов; разработка интеллектуальных процедур выработки решений с учетом достоверности используемых свидетельств.

Математическое описание процессов обработки информации в системах контроля свойств материалов играет важную роль для решения задач их проектирования и эффективного функционирования. Используемые модели образуют единый комплекс, имеющий иерархическую структуру. Верхний уровень иерархии занимает модель предметной области

Важнейшими задачами, в которых используются методы искусственного интеллекта (ИИ), являются выбор метода контроля СМ в зависимости от конкретной измерительной ситуации, классификация ИМ в многомерном пространстве признаков, распознавание образов, принятие решений и обработка информации, содержащей элементы неопределенности.

Важным этапом интеллектуализации ИИС СМ является проведение классификации ИМ. Результаты классификации непосредственно используются при идентификации измерительной ситуации и выборе метода контроля СМ.

Работы по интеллектуализации ИИС представляют собой сложное наукоемкое исследование. На начальном его этапе требуется сформулировать основные положения концепции. Наиболее важными факторами, определяющими необходимость интеллектуализации ИИС контроля СМ, являются следующие.

Непрерывно возрастают требования к качеству выпускаемых промышленностью материалов, расширяется номенклатура контролируемых свойств и параметров, осваивается выпуск новых материалов. Это ведет к необходимости повышения точности и расширению функциональных возможностей существующих ИИС.

Расширяется область применения материалов, ужесточается контроль СМ на разных стадиях технологического цикла, требуется учет различных ДФ, информация о которых имеет неопределенный характер, что не позволяет обеспечить измерение свойств материалов с требуемой точностью традиционными методами.

Существующие ИИС недостаточно используют в процессе измерений опыт специалистов (экспертов) в области ИМ, применения методов обработки информации и искусственного интеллекта (ИИ). Применение методов ИИ является основным фактором повышения эффективности ИИС.

Предложенная математическая модель исследуемых материалов, достаточно полно отражает физическое состояние и параметры ИМ, измерительную ситуацию.

Для решения задач проектирования ИИИС разработана модель интеллектуальной ИИС. Кроме того, создана модель принятия решений.

В третьей главе «Архитектура интеллектуальных информационно-измерительных систем» рассматривается комплекс задач, направленных на повышение точности, оперативности и эффективности контроля СМ. Наиболее важными из них являются: идентификация измерительной ситуации, обеспечение адаптации к воздействию ДФ, синтез алгоритма функционирования ИИИС в конкретной измерительной ситуации, обеспечение гибкости системы в результате способности к перестройке структуры аппаратных средств, измерительных и управляющих функций посредством программного обеспечения, разработка БЗ, обеспечение высокого быстродействия для выполнения расчетов по оптимизации режимов и принятию решений, использование простых аппаратных решений, поддерживаемых программными средствами обнаружения ошибок, тестирования и самокоррекции, высокой стабильности метрологических характеристик и надежности ИИИС.

Важным этапом проектирования интеллектуальной информационно-измерительной системы является задача разработки ее информационной модели.

На основе информационной модели разрабатывается структура ИИИС. Структура ИИИС контроля СМ должна содержать следующие основные компоненты: базу знаний, блок принятия решений (БПР), пользовательский интеллектуальных интерфейс (ПИИ) общения пользователя (П) и эксперта (Э), блок логического вывода (БЛВ). Основными аппаратными средствами являются: компьютер (К), интеллектуальный датчик (ИД), включающий СИП - систему измерительных преобразователей, ПВБ - переносной вычислительный блок. В СИП в результате применения методов ИИ осуществляется выбор соответст- вующих измерительных преобразователей в зависимости от решаемой измерительной задачи по определению характеристик ИМ. Эти функции реализуют разработанные ИД, использующие микроконтроллеры с соответствующим алгоритмическим обеспечением. Используя ПИИ эксперт и пользователь могут вводить информацию о свойствах и параметрах исследуемых материалов, рекомендации по использованию методов контроля СМ.

Задачи интеллектуализации измерительных датчиков заключаются в реализации следующих интеллектуальных функций:

Применение методов ИИ и современных информационных технологий, получение измерительной информации с оценкой ее достоверности.

Возможность самоповерки, заложенной в алгоритмическом обеспечении ИД, коррекция выходной информации с датчиков при воздействии ДФ.

Универсальность, которая создается благодаря использованию фрагментов базы знаний для конкретной предметной области.

Осуществление интеллектуальных процедур оптимизации режимных параметров измерений и контроля свойств исследуемых материалов.

База знаний является важнейшей частью ИИИС контроля СМ и содержит априорную и апостериорную информацию, необходимую для реализации измерительных процедур по определению свойств материалов, расчета параметров СМ, метрологического анализа результатов измерений, поэтапного принятия решения от процесса идентификации ИМ до получения конечного результата, например, параметров ТФСМ. В ИИИС контроля СМ знания представляются в виде фреймовой модели, состоящей из кластеров знаний о предметной области, моделях ИМ, измерительных ситуациях, измерительных каналах, измерительных процедурах и метрологическом обеспечении ИИИС.

С целью повышения устойчивости к ошибочным измерениям в разработанной ИИИС определяется степень достоверности получаемых результатов.

Предложенный способ определения мер доверия к результатам измерения наряду с автоматической коррекцией результатов измерения по аппроксимирующим зависимостям, учитывающим влияние ДФ, и поэтапным метрологиче- ским анализом результатов измерения с целью получения измеряемых параметров с допустимой погрешностью способствуют повышению устойчивости системы к ошибочным измерениям.

Проведенные исследования по моделированию предметной области ИМ и ИИИС, задачам классификации ИМ, выбора метода контроля в зависимости от конкретной измерительной ситуации и принятия решений позволяют сформулировать основные положения подхода к интеллектуализации ИИС:

Степень интеллектуализации ИИС во многом определяется перечнем дополнительно решаемых задач по сравнению с обычными системами. Наиболее важными задачами для повышения точности и оперативности контроля свойств материала являются: задача выбора метода контроля для соответствующей измерительной ситуации; задача оптимизации режимов измерений; задача классификации ИМ и задача распознавания образов.

Решение этих задач невозможно без использования соответствующих моделей.

Исключительно важную роль для интеллектуализации играет создание наполнение и использование БЗ системы, разработка модели представления знаний и алгоритмов принятия решений в условиях неопределенности.

Архитектура ИИИС должна удовлетворять требованиям универсальности и многофункциональности, эти свойства системы реализуются применением интеллектуальных датчиков.

Положения данного подхода реализованы при создании ИИИС.

В четвертой главе «Интеллектуализация информационно-измерительных систем перазрушающего контроля ТФСМ» выполнен анализ ДФ, воздействующих на ИИИС НК ТФСМ, и определены основные ДФ: влажность ИМ (IV), шероховатость поверхности ИМ (у), контактное термосопротивление (ЯД температура окружающей среды (Т_(К). Приведены методы, позволяющие устранить влияние ДФ на достоверность результатов измерения. Рассмотрены разработанные методы, интеллектуальный измерительный зонд и интеллектуальная информационно- измерительная система НК ТФСМ.

Предложен оперативный метод НК ТФС материалов, позволяющий повысить производительность теплофизических измерений не менее, чем в (3-5) раз, по сравнению с известными нестационарными методами НК ТФСМ, за счет начала проведения очередного измерения при достижении момента равенства температурных перепадов во взаимно перпендикулярных плоскостях подложки наперед заданному минимальному значению, не дожидаясь полной стабилизации температурного поля в подложке, как принято в традиционных методах измерения.

Разработан оперативный интеллектуальный метод НК ТФСМ и алгоритм его осуществления, позволяющий в (1,5-2) раза повысить оперативность определения ТФСМ с прогнозируемой точностью измерений в результате применения процедуры искусственного интеллекта для выбора способа определения ТФСМ в зависимости от измерительной ситуации, решения задачи минимизации функционала, комплексно учитывающего потери точности и оперативности, определения оптимальных параметров теплофизических измерений, с помощью полученных расчетно-экспериментальных зависимостей.

Разработан интеллектуальный измерительный зонд, реализующий предложенный метод НК ТФСМ, применение которого повышает точность результатов определения ТФС за счет исключения влияния на измерительную информацию аккумулированного в подложке измерительного зонда тепла от предыдущего измерения, позволяющий осуществить адаптацию ИИС НК ТФСМ под широкий класс исследуемых твердых материалов, устранить влияние воздействия температуры окружающей среды на результаты измерения и определить сред неинтегральное значение температуры в контактной области ИИЗ и ИМ.

Разработана структурная схема объектно-ориентированной интеллектуальной системы с фреймовым представлением знаний НК ТФСМ, реализующей интеллектуальные процедуры при проведении теплофизических измерений с помощью интеллектуальных измерительного зонда, вычислительного устройства на основе быстродействующего микроконтроллера параллельного дейст- вия и предложенного оперативного метода НК ТФСМ, разработанного математического обеспечения, постоянно пополняемой базы данных, автоматической обработки априорной и постеаприорной информации о классах измерительных ситуаций, что позволяет на основе промежуточных (тестовых) измерений принимать решения о наиболее эффективном алгоритме функционирования ИИИС, адаптивных стратегий для повышения метрологического уровня измерений при воздействии ДФ, технической и экономической эффективности ИИИС.

Разработана функциональная схема ИИИС НК ТФСМ, отражающая следующие функциональные возможности системы: многоканальный прием измерительной информации с термодатчиков и аналого-цифровое преобразования, интеллектуальная обработка температурио-временных функций (термограмм) с последующим расчетом ТФС ИМ, прогнозирование, идентификация и управление теплофизическими измерениями ИМ с помощью разработанного программного обеспечения, помехозащищенность и гибкость архитектуры.

Созданы алгоритм функционирования ИИИС НК ТФСМ и программное обеспечение, реализующие стратегии при НК ТФСМ, обеспечивающие оперативность и точность НК ТФСМ при воздействии ДФ, интеллектуальные процедуры по выбору оптимальных режимных параметров теплофизических измерений, метода НК ТФСМ в зависимости от измерительной ситуации, автоматической коррекции результатов измерения при воздействии ДФ, выбора оптимального алгоритма теплофизических измерений в зависимости от определяемых параметров ИМ.

Применение методов искусственного интеллекта в ИИС позволяет повысить оперативность и точность НК ТФСМ в результате оптимизации параметров теплофизических измерений, выбора метода контроля ТФСМ на основе процедур классификации и распознавания образов в зависимости от измерительной ситуации, измерений с прогнозируемой погрешностью, расширить функциональные возможности ИИС за счет разработки постоянно пополняемой базы знаний и процедуры принятия решений в условиях неопределенности, синтеза алгоритма функционирования и структуры системы.

Разработанная ИИИС нашла широкое применение для НК ТФС материалов и изделий (приложение Г) а также успешно эксплуатируется на предприятиях, в проблемных научных лабораториях и используется в учебном процессе для качественной оценки свойств материалов и изделий: определения коэффициентов тепло- и температуропроводности, параметров адсорбции, теплоусвое-ния, толщины покрытия изделий, концентрации органических жидкостей в волокнистых материалах, получения новых полимерных материалов.

В пятой главе диссертационной работы приведен анализ и оценка характеристик погрешностей результатов измерений тепло - и температуропроводности твердых материалов. Составлены структуры полной погрешности результатов измерений температуры, теплопроводности и температуропроводности, а также проведена оценка вклада каждой компоненты в характеристики погрешностей, что позволяет целенаправленно осуществить коррекцию результатов измерения ТФС и повысить метрологический уровень разработанных методов и ИИИС НК ТФСМ.

В шестой главе приведены результаты экспериментальных исследований разработанной ИИИС НК ТФСМ и выполнена оценка погрешностей результатов измерения коэффициентов тепло- и температуропроводности на эталонных материалах с помощью метрологического эксперимента. Теплофизические эксперименты подтвердили корректность теоретических выводов, на основе которых разработаны методы и ИИИС неразрушающего контроля ТФС материалов и изделий из них. Сравнительный анализ результатов метрологической оценки теплофизических измерений с помощью ИИИС НК ТФСМ показали преимущество разработанной интеллектуальной системы, по сравнению с другими известными информационно-измерительными системами НК ТФСМ, по оперативности и точности определения ТФСМ. Максимальная относительная погрешность не превышает 4-5%.

Определены критерии эффективности ИИИС НК ТФСМ, позволяющие оценить эффективность функционирования системы при достижении постав- ленной цели - повышение оперативности, точности и надежности при определении теплофизических свойств твердых материалов.

НА ЗАЩИТУ ВЫНОСЯТСЯ

Подход к интеллектуализации ИИС, заключающийся в применении методов искусственного интеллекта для решения проблем контроля качественных свойств материалов и изделий.

Математические модели предметной области и исследуемых материалов, отображающие сведения о входных и выходных данных, определяемых параметрах, используемых алгоритмах, служащие основой для классификации ИМ, разработки структуры и алгоритма функционирования ИИИС.

Постановка и решение задачи классификации ИМ.

Интеллектуальные процедуры принятия решений по распознаванию образов ИМ и выбору метода контроля свойств материалов.

Математическая модель ИИИС, включающая входные и дестабилизирующие воздействия, определяемые и внутри модельные параметры, критерии оценки эффективности функционирования системы и позволяющая осуществить выбор оптимального варианта системы.

Фреймовая модель представления знаний, содержащая фреймы предметной области, измерительного канала, измерительных ситуации и процедур, метрологического обеспечения и принятия решений в ИИИС в условиях неопределенности.

Модель и алгоритм принятия оптимальных решений в ИИИС в нечеткой среде с использованием методов искусственного интеллекта для достижения цели создания ИИИС - повышение оперативности и точности контроля СМ.

Метод оперативного неразрушаю ще го контроля теплофизических свойств твердых материалов, повышающий оперативность измерений в 3-5 раз, по сравнению с известными нестационарными методами, в результате исклю- чения длительной подготовительной операции термостатирования измерительного зонда и замены ее на более оперативную, заключающуюся в определении момента выравнивания температурных перепадов по объему подложки зонда.

Оперативный интеллектуальный метод неразрушаю ще го контроля ТФС материалов, повышающий в 1,5-2 раза оперативность НК ТФСМ за счет применения методов искусственного интеллекта для выбора способа контроля ТФС, оптимальных режимных параметров теплофизических измерений, минимизации функционала, комплексно учитывающего потери оперативности и точности.

Объектно-ориентированная интеллектуальная система с фреймовым представлением знаний и интеллектуальным измерительным зондом, принимающая оптимальные решения о наиболее эффективном алгоритме функционирования ИИИС в условиях неопределенности, при воздействии дестабилизирующих факторов для достижения поставленной цели - повышение оперативности и точности НК ТФСМ.

Способ повышения надежности интеллектуальных информационно-измерительных систем, позволяющих повысить устойчивость системы к ошибочным измерениям, следовательно, обеспечить надежность ИИИС в результате определения мер доверия к результатам измерения СМ, поэтапном метрологическом анализе результатов измерения с целью получения определяемых параметров СМ с прогнозируемой допустимой погрешностью,

Метрологическое обеспечение ИИИС, заключающееся в предложенном способе определения наиболее влияющих на результат измерения СМ компонент в составе полной погрешности при воздействии дестабилизирующих факторов с последующей автоматической коррекцией результатов измерения с учетом этих компонент.

В диссертации обобщены результаты исследований, выполненные автором с 1977 по 2005 годы за время работы в Тамбовском государственном техническом университете (ранее - в Тамбовском институте химического машиностроения).

Благодарю всех коллег по работе, которые приняли участие в обсуждении полученных результатов в работе, за высказанные замечания и пожелания. Выражаю глубокую благодарность научному консультанту, заслуженному деятелю науки и техники РФ, д.т.н., профессору Муромцеву Ю.Л., ректору Тамбовского государственного технического университета, д.т.н., профессору Мищенко СВ., д.т.н., профессору Тютюннику В.М., д.т.н., профессору Пономареву СВ.

Интеллектуализация информационно-измерительных систем неразрушающего контроля теплофизических свойств твердых материалов Селиванова Зоя Михайловна

Похожие диссертации на Интеллектуализация информационно-измерительных систем неразрушающего контроля теплофизических свойств твердых материалов