Введение к работе
Актуальность темы диссертации. При разработке сложных технических объектов приходится решать как формализуемые, так и трудноформализуемые задачи. При решении последних решаются как стратегические задачи (какие факторы и в какой степени влияют на результат), так и тактические (выбор конкретных величин управляющих параметров для получения требуемых результатов).
Как правило, для решения таких задач привлекаются различные экспериментальные исследования. Однако, сроки и трудоемкость обработки экспериментальных данных достаточно велики. Сокращение сроков и повышение качества результатов можно достичь, используя методы математического моделирования с использованием когнитивных и нейросетевых моделей.
Когнитивная модель позволяет объединить все факторы (концепты), напрямую или опосредовано участвующие в процессе, и выявить степень влияния их на искомый результат с учетом многомерности задачи и ее сложности. Однако, здесь решается в основном качественная задача. Но при этом необходимо знание о количественных показателях для определения конкретных функций характеристик объекта исследования от заданных параметров. Существуют различные подходы к аппроксимации этих функции.
Сложность моделирования подобных объектов заключается в том, что рассматриваемый класс задач представляет собой процесс получения многопараметрических мшгофакторных зависимостей, знания о которых содержатся только в имеющемся наборе экспериментальных данных.
В этих задачах можно построить регрессионные модели, описывающие рассматриваемый прочесе, а также найти оптимальные параметры процесса.
Классический подход к решению задач рассматриваемого класса сопряжен с рядом трудностей. Это к неформализованный выбор базисных кривых, и необходимость оптимизировать функцию погрешности, что требует применения методов оптимизации для многомерных функций. При этом трудности определения коэффициентов аппроксимируемой функции нескольких аргументов многократно увеличиваются. Если экспериментальные данные отражают стохастический процесс, требуется привлечение дополнительного инструментария теории вероятности.
При росте размерности факторного пространства задачи экспериментальные исследования с применением классических методов построения регрессионной модели могут стать экономически нецелесообразными. Таким образом, развитие методов моделирования сложных объектов является актуальной задачей.
Целью диссертационной работы является разработка методики моделирования трудноформализуемых многомерных технических объектов с применением когнитивных карт с нейросетевой идентификацией параметров на основе экспериментальных данных для прогнозирования и выбора оптимальных параметров и управляющих воздействий на качественные и количественные характеристики решаемых задач.
Для достижения поставленной цели необходимо решить следующие задачи.
-
Анализ существующих подходов к моделированию многомерных объектов на основе экспериментальных данных и определение их недостатков.
-
Разработка математических методов построения двухуровневой модели, использующей когнитивное моделирование для оценки управляющего воздействия на качество исследуемого объекта и нейросетевое моделирование управляющего воздействия при обработке многомерных экспериментальных данных.
-
Обоснование выбора архитектуры нейросетевой модели для обработки многомерных экспериментальных данных.
-
Разработка алгоритмов и программного обеспечения для построения нейросетевых моделей на основе многомерных экспериментальных данных.
-
Экспериментальная проверка эффективности разработанной методики и программного комплехса применительно к созданию новых сварочных материалов и технологий.
Объект и предмет исследования. Объектом исследования данной диссертационной работы является процесс построения многомерной модели сяозкных технических систем. Предметом исследования является разработка и применение математических методов и алгоритмов моделирования многомерных объектов на основе использования экспериментальных данных.
Методология и методы исследования. При выполнении исследований и решении поставленных задач использовались основные научные положения функционального анализа, обработки многомерной информации, теории нейронных сетей, теории вероятности и статистической обработки.
При разработке программных комплексов использовались основные положения объектно-ориентированного прогршимкрования, принцип организации комплексных систем с использованием различных средств проектирования и языков программирования разного уровня.
Научная новизна работы состоит в следующем.
-
Предложена методика моделирования задач обработки многомерных экспериментальных данных, основанная на сочетании когнитивной и нейросетевой моделей.
-
Разработана структура нейросетевой модели для аппроксимации закономерностей в многомерных экспериментальных данных, содержащих помехи.
-
Предложен метод использования многослойного персептрона для идентификации функциональных связей между концептами в когнитивной карте Силова.
-
Реализованы эффективные численные методы и алгоритмы в виде проблемно-ориентированной программной системы для проведения вычислительных экспериментов при разработке состава покрытия сварочных электродов.
На защиту выносятся следующие положения.
1. Метод построения двухуровневой модели, использующей когнитивное и
нейросетевое моделирование для поиска закономерностей в многомерных
экспериментальных данных.
-
Метод формирования когнитивной модели и стратегии решения поставленной задачи.
-
Математический метод формирования и обучения искусственной нейронной сети типа многослойный персептрон на основе экспериментальных данных для решения практических задач.
Практическая ценность.
-
Разработан программный комплекс для моделирования сложных объектов на основе многомерных экспериментальных данных.
-
Получены результаты расчетов на основе разработанного математического программного обеспечения для моделирования прочностных характеристик металла сварного шва как зависимость от состава покрытия электрода.
-
Реализована нейросетевая модель управляемого импульсного процесса подачи электродной проволоки в виде специализированного программного комплекса.
Практическое применение.
Практическое применение разработанных алгоритмов и программ проводилось в опытном производстве ФГУП ЦНИИ КМ «Прометей» на электродных покрытиях опытных марок. Использование полученных результатов позволило сократить объем экспериментов, прогнозируя описываемые результаты в испытаниях, что подтверждается соответствующими актами внедрения ООО «РСЗ МАЦ» НАКС.
Апробация результатов работы.
Результаты диссертации были представлены на конференциях и семинарах различных уровней: 11-й Междунар. науч.-техн. конф. «Инженерия поверхности и реновация изделий», 23-27 мая 2011, г. Ялта; междунар. науч.-практ. конф. «Современные вопросы науки - XXI век» - 27 июня 2011 г Тамбов; междунар. конф. «Сварка и родственные технологии в современном судостроении, производстве морской техники и береговых объектов», - С-Петербург, 2011; конф. молодых ученых и специалистов ФГУП ЦНИИ КМ «Прометей», 2013 и др. Работа рассмотрена на кафедре «Компьютерные системы и сети» калужского филиала МГТУ им. Н.Э. Баумана в 2013 г.
Публикации. По теме диссертации опубликовано 13 печатных работ, в том числе 3 статьи в научных журналах, рекомендованных ВАК.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, библиографического списка, содержащего 124 наименования и приложений. Работа изложена на 159 страницах, содержит 50 рисунков и 12 таблиц. Общий объем работы составляет 178 страниц.
Похожие диссертации на Моделирование многомерных объектов на основе когнитивных карт с нейросетевой идентификацией параметров
