Введение к работе
Актуальность темы Во многих областях современной промышленности можно увеличить производительность труда инженеров и ученых Переходя на более эффективный принцип разработки с использованием графического отображения данных, однако продолжая использовать открытую среду программирования в программном комплексе «Синтез нейро-нечеткш моделей» можно модернизировать средства разработки нейро-нечетких моделей технологических процессов и сократить временные затраты на всех этапах жизненного цикла моделей Сочетание интуитивно понятного графического интерфейса, поддержки широкого набора функций обработки данных и растущего сообщества пользователей, участвующих в развитии программного комплекса «Синтез нейро-нечетких моделей», делает успешным создание принципиально новых приложений в различных отраслях науки.
При создании математических моделей промышленных процессов часто приходится сталкиваться с элементами неопределенности в данных Не все неточности описания можно списать на ошибку эксперимента, зачастую неопределенность неустранима, является неотъемлемым свойством процесса Неполная, фрагментарная или противоречивая информация порождает неопределенность. Закономерности в реальных моделях сложны и складываются из огромного числа отдельных фактов и явлений. Поэтому учет неопределенности в математической модели позволяет повысить их эффективность Нейронные сети, как универсальные аппроскиматоры, являются мощным средством математического моделирования В совокупности с нечеткой логикой искусственные нейронные сети дают дополнительную гибкость и функциональность разрабатываемым моделям
Несмотря на широкое распространение различных методов построения нейро-нечетких сетей, они достаточно редко применяются на практике. Это обусловлено практически полным отсутствием унифицированных конструкторских средств для конкретного пользователя Слабо проработан вопрос первичной обработки данных Для преобразования имеющихся на производстве выборок данных в системы, описанные на формальном языке для нейро-нечеткого моделирования, необходимы большие затраты времени Зачастую эти данные конвертируются человеком, поэтому велика вероятность ошибки Отсюда следует, что вопрос создания универсального программного комплекса для разработки нейро-нечетких моделей задач прогнозирования, классификации, контроля качества очень актуален для современного производства Такой комплекс должен сопровождать весь процесс создания нейро-нечеткой модели, от обработки первичных данных до создания готовых программных решений.
Разработанный программный комплекс «Синтез нейро-нечетких моделей» предназначен для создания нейро-нечетких сетей и генерации исходных кодов обученной нейро-нечеткой сети для компиляции их в программном обеспечении конкретного инженерного решения задачи прогнозирования, классификации, контроля качества и тп Он помогает инженеру знаний пройти весь процесс создания модели от первичной обработки данных, до применения нейро-нечеткой сети на производстве Разработанное программное обеспечение ориентировано на инженера знаний, работающего в тесном сотрудничестве с экспертом предметной области в процессе построения лингвистических моделей объектов на базе нейро-нечеткой сети
Цель работы Целью настоящей работы является создание универсального программного комплекса «Синтез нейро-нечетких моделей», позволяющего строить нейро-нечеткие модели для построения задач классификации, прогнозирования, настройки параметров и тестирования созданных нейро-нечетких сетей, используемых при построении моделей для статических технологических процессов типа «черный ящик».
Для практической реализации поставленной цели были решены следующие задачи
• Было проанализировано современное состояние проблемы комплексного решения задачи построения нейро-нечеткой модели статических технологических процессов типа «черный ящик» и выявлена недостаточная проработка данного вопроса в аналогичных зарубежных и отечественных программных продуктах,
• Разработана методика и алгоритмы конструирования нечетких лингвистических переменных Методика учитывает варианты синтеза НЛП при различной априорной информации от полной невозможности экспертом указать границы и количество термов до самостоятельного конструирования экспертом НЛП,
• Адаптированы алгоритмы создания, настройки, обучения и тестирования нейро-нечетких сетей;
Осуществлена программная реализация вышеназванных алгоритмов в составе пакета модулей под управлением операционной системы класса Windows,
• Проведены испытания предложенных методик, алгоритмов и программ методом реализации практических задач моделирования с помощью разработанных программных средств для иллюстрации их работоспособности.
Ни один из известных инструментариев не поддерживает в полной мере процесс приобретения экспертных знаний- Существует целый ряд предложенных автором алгоритмических и программных решений, которые оправдывают создание совершенно нового оригинального программного пакета для машинной поддержки диалога с инженером знаний в процессе приобретения знаний
Методы и средства исследовании В ходе выполнения диссертационной работы были использованы методы: теории нечетких множеств, нейронных сетей, элементы теории кластерного анализа, программные и языковые средства современных компьютерных технологий
Научной новизной является;
1. Комплексное решение проблемы поддержки инженера знаний на всем пути построения нейро-нечеткой модели, что позволяет увеличить производительность труда инженеров и ученых и сократить временные затраты на всех этапах жизненного цикла модели,
б Ускорение и автоматизация процесса создания, обучения и тестирования нейро-нечетких моделей статических технологических процессов типа «черный ящик»;
3. Разработка новых алгоритмов и методик (алгоритмы предварительной обработки данных, методики обучения и тестирования нейро-нечеткой сети),
4 Модернизация и адаптация существующих алгоритмов генетический, алгоритм обратного распространения ошибки для обучения сети, методы кластерного анализа, методы предварительной обработки данных (нормировка, автомасштабное преобразование, интервальное масштабное преобразование),
5 Повышение уровня значимости метода искусственных нейронных сетей при использовании априорных знаний о входных и выходных переменных как о нечетких лингвистических переменных
Практическая ценность работы. Реализован универсальный инструментальный программный комплекс для сопровождения инженера знаний, работающего в тесном сотрудничестве с экспертом предметной области, на всем пути создания нейро-нечеткой модели, от обработки и конвертации данных в FS-язык, до создания программного кода нейро-нечеткой сеіи, ююииго к встраиванию в программное обеспечение на производстве Созданное программное обеспечения может применяться при создании моделей статических технологических процессов типа «черный ящик», для построения моделей систем управления, диагностики и прогнозирования в условиях неоднозначной и неточной информации за счет использования новой методики построения нейро-нечетких сетей. Реализация и внедрение результатов работы.
Для иллюстрации работоспособности предлагаемой методики и с помощью описанного программного комплекса успешно решены задачи «Интеллектуальный тренажер оператора установки производства сорбента» (НПП «Полихим» г Сосновый Бор, Ленинградская область), «Советчик оператора бетонно-смесительного узла» (КЖБИ 211 г Сертолово, Ленинградская область) Программный комплекс «Синтез нейро-нечетких моделей» внедрен в учебный процесс кафедры САПРиУ.
Апробация работы. Материалы диссертации докладывались и обсуждались в Бохумском университете (Германия), на международных научных конференциях ММТТ-18, Казань, ММТТ-19, Воронеж.
Публикации По теме диссертационной работы опубликовано 4 работы, в том числе одна статья в журнале ВАК
Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов, списка литературы и четырех приложений Работа изложена на 174 страницах основного текста, содержит 75 рисунков, 8 таблиц, библиографический список включает 77 наименовании
