Содержание к диссертации
Введение
I. ОСНОВНЫЕ ПОНЯТИЯ, ОПРЕДЕЛЕНИЯ И ПОСТАНОВКА ЗАДАЧИ 9
1.1. Понятие сложного объекта и его диагностирование 9
1.2. Постановка задачи 20
1.3. Общие принципы построения топологической модели 22
1.4. Экспертные оценки элементов граф-модели 26
1.5. Методика обработки граф-модели 30
2. ОСНОВНЫЕ ЭТАПЫ ПЕРВОНАЧАЛЬНОЙ ОБРАБОТКИ ГРАФ-МОДЕЛИ 36
2.1. Основные этапы первоначальной обработки граф-модели 36
2.2. Выбор допустимого значения критического расстояния на графе 37
2.3. Определение интервала варьирования критического расстояния 41
2.4. Интерактивная процедура оценки двудольного графа 43
2.5. Перерасчет значений оценок параметров
2.6. Интерактивная процедура вычисления оценок параметров 49
ВЫВОДЫ. 52
3. ФОРМИРОВАНИЕ ЭФФЕКТИВНОГО МНОЖЕСТВА ДИАГНОСТИЧЕСКИХ
ПАРАМЕТРОВ 54
3.1. Выбор диагностических параметров 54
3.2. Интерактивная процедура покрытия таблицы расстояний ДВДЕ 57
3.3. Интерактивная процедура покрытия таблицы расстояний ПОТАРА 60
3.4. Метод ELEKTRE и его возможности 64
3.5. Модификация метода. 67
3.6. Соответствие алгоритмов и программ 70
ВЫВОДЫ 71
4. РАСПОЗНАВАНИЕ И КЛАССИФИКАЦИЯ 72
4.1. Описание алгоритма распознавания 72
4.2. Декомпозиция исходных данных для реализации распознавания 76
4.3. Оценка достоверности результата работы системы распознавания КЛАРА 78
4.4. Система распознавания и классификации КЛАРА 79
4.5. Соответствие алгоритмов и программ . 81
ВЫВОДЫ 81
5. РЕАЛИЗАЦИЯ РАЗРАБОТАННОГО МЕТОДА НА ПРИМЕРАХ ТЕХНИЧЕСКОГО И МЕДИЦИНСКОГО ДИАГНОСТИРОВАНИЯ 82
5.1. Задача технического диагностирования 82
5.2. Особенности медицинского диагностирования 88
5.3. Постановка реальной задачи 90
5.4. Результаты решения задачи медицинской диагностики . 91
ВЫВОДЫ 101
ЗАКЛЮЧЕНИЕ 103
ЛИТЕРАТУРА 105
ПРИЛОЖЕНИЕ 120
- Понятие сложного объекта и его диагностирование
- Основные этапы первоначальной обработки граф-модели
- Выбор диагностических параметров
- Описание алгоритма распознавания
- Задача технического диагностирования
Понятие сложного объекта и его диагностирование
Специфика функционирования диагностируемого объекта позволяет определить его как сложную непрерывную систему и выделить следующие особенности /3,4,14-17 /:
1) сложную структуру;
2) большую мощность множества входных и выходных параметров и состояний;
3) сильную функциональную связь параметров и элементов;
4) большую разновидность процессов (механических, гидравлических, тепловых, электрических и др.);
5) ограниченный доступ к измерению параметров;
6) незначительный объем точных аналитических зависимостей;
7) преобладает качественное содержательное описание;
8) отсутствует полная статистическая информация;
9) невозможна блочная структуризация.
Перечисленные свойства необходимо / 17 / дополнить наличием многокритериальности, а также следует выделить еще одну важную особенность - отсутствие аппаратуры для измерения всех необходимых параметров.
Решение задачи технического диагностирования подобного сложного объекта может быть получено лишь при наличии адекватной математической модели объекта / 18-22 /. Причем, под математической моделью объекта следует понимать совокупность функциональных соотношений и логических условий, которые описывают функционирование идеализированного объекта, а также связывают выходные величины объекта с входными и внутренними параметрами, начальными условиями и внешними возмущениями, внутренними шумами и временем /23/.
Сложность объекта настолько высока, что даже опытный специалист не может заранее предсказать ход внутренних процессов объекта. Но, разрабатывая модели сложных объектов, исследователь получает возможность непосредственно наблюдать и оценивать аналогичные явления / 21 /. Следовательно, создание полноценной модели, адекватной исследуемому объекту, является основой для эффективной системы технического диагностирования /ГОСТ 209II-75/ / 2 /. Однако следует отметить, что модель объекта должна удовлетворять достаточно противоречивым условиям, а именно, быть относительно простой и в то же время, наиболее полно отображать исследуемый сложный объект и его неисправности.
Под неисправностью (неисправным состоянием) подразумевается такое состояние объекта, при котором он не соответствует хотя бы одному из требований нормативно-технической и (или) конструкторской документации /ГОСТ 27.002-83/ / 24 /. Переход объекта из исправного состояния в неисправное происходит вследствие дефектов, т.е. несоответствия параметров (в данном случае - структурных) установленным требованиям /ГОСТ 15467-79/ / 25 /. Находясь в неисправном состоянии, объект может иметь один или группу дефектов.
Основные этапы первоначальной обработки граф-модели
Изучение и исследование возможностей базовой методики применительно к решению поставленной задачи диагностирования, выявило необходимость декомпозиции первоначальной обработки. Чтобы по исходным данным получить достоверные оценки вершин-пара -метров и подготовить информацию для создания эффективного мно -жества параметров диагностирования, реализуются следующие этапы: методики:
- (автоматический) - определение компонент достижимости P(XJ) для так называемых кодовых вершин, т.е. вершин, которыми шифруются дефекты или группы дефектов структурных параметров Є в Е . Компоненте достижимости инцидентны минимальные маршруты J r (рис. 2.1);
- (автоматический) нахождение интервала и границ варьирования значений критического расстояния;
- (интерактивный) - выбор истинного значения критического расстояния J Kp , а, следовательно и масштабов усечения графа, от которого непосредственно зависит весь дальнейший ход решения задачи (рис. 2.1);
- (интерактивный) - выделение усеченного графа для заданного критического расстояния Р . Выичсление оценок вершин S?i и ц . Уточнение коэффициентов значимости факторов , у для вычисления показателя эффективности параметра -вершины ф; . Аанализ результатов и проигрывание возможных вариантов.
class3 ФОРМИРОВАНИЕ ЭФФЕКТИВНОГО МНОЖЕСТВА ДИАГНОСТИЧЕСКИХ
ПАРАМЕТРОВ class3
Выбор диагностических параметров
Проблема выбора эффективного набора диагностических параметров и соответствующие методы обсуждались ранее (см.п. I.I). Следует только еще раз подчеркнуть важность и сложность настоящего этапа для всей задачи технической диагностики. В свою очередь,в : базовой методике (см.п. 1.5) сформулировано восемь основных требований, предъявляемых к выбранным параметрам. Следовательно, качество работы алгоритма будет оцениваться по способности отбирать признаки, наиболее полно соответствующие этим условиям. Следует отметить, что проблема еще больше усложняется при диагностировании близких состояний, т.к. каждое состояние характеризуется почти идентичным набором параметрові. Разница в тесноте связей между параметрами выражена не сильно. Таким образом, от ЛПРа требуется введение дополнительных, чаще всего качественных критериев. Все вышесказанное позволяет предположить, что решение будет достаточно удовлетворительное, если применить методы нахождения покрытия таблиц (см.п. І.І) / 10,118 / и ввести интерактивный режим / ІЗ, 119 /.
В результате осуществления первоначальной обработки топологической граф-модели получены исходные данные для заполнения таблицы (табл. 3.1), покрытие которой требуется найти. Таблица соответствует двудольному графу (см.п. 2.1). Строки таблицы соответствуют параметрам S , которые располагаются по убыванию соответствующих значений показателя эффективности.
Описание алгоритма распознавания
Распознавание представляет собой задачу преобразования входной информации, в качестве которой рассматриваются признаки распознаваемого образа, в выходную, представляющую собой заключение о том, к накому классу относится распознаваемый образ. Сложная задача распознавания образов (РО) синтезируется из решения следующих подзадач:
1) Составляется алфавит классов, т.е. совокупность распознаваемых объектов в соответствии с выбранным принципом классификации, подразделяется на ряд классов;
2) Разрабатывается словарь признаков, на языке которого описывается кадцый класс объектов;
3) Создаются технические средства, обеспечивающие определение признаков;
4) На вычислительных средствах системы распознавания реализуется алгоритм распознавания. Сопоставляются апостериорные данные о неизвестном объекте с априорной информацией и на основе сопоставления осуществляется классификация / 17 /.
Таким образом, задачи I), 2) решаются предлагаемой выше методикой. Проблемы задачи 3) частично решены ( Я/ 0 ), т.е. параметр измерим, но есть и не разрешенные вопросы ( Я; -О ), от воплощения которых зависит качество процесса распознавания. ЛПР имеет резервные параметры для набора диагностических признаков. Для завершения процесса распознавания и классификации необходимо реализовать четвертую из описанных задач. Это возможно при использовании методов дискретного анализа логической информации, в частности, алгоритма распознавания образов, основанного на вычислении тупиковых тестов. Достоинства и недостатки последнего рассматривались ранее (п. 1-І), поэтому стоит только еще раз подчеркнуть, что при небольшом объеме обучающей выборки, распознавание составляет почти сто процентов. Это и явилось решающим при выборе конкретного алгоритма. Данный алгоритм предназначен для решения дихотомической задачи. Для описания алгоритма вводится понятие теста и тупикового теста / 46,100-104/.
Задача технического диагностирования
Разработанный метод иллюстрируется на примере технического диагностирования авиационного газотурбинного двигателя, который представляет собой сложный технический объект / 121 /. Быстрое определение неисправностей и конкретных дефектов при функционировании ГТД необходимо для обеспечения безопасности полетов, а также для уменьшения времени простоев летательного аппарата, что повышает его экономичность. Следует учесть, что оценка состояния двигателя с глубиной до отдельного элемента требует замера 200 -1000 параметров, причем многие из которых труднодоступны.
Таким образом, оправдано применение теории технической диагностики, математического моделирования и методов построения алгоритмов диагностирования, которые позволяют значительно сократить число элементарных проверок. В частности, разработанный метод позволяет по кбсвенным параметрам судить о состоянии объекта, не требует громоздкой статистики и характеризуется высокой достоверностью. Конкретное исследование проводилось на масляной системе ГЩ (рис. 5.1), которая является непрерывной и не имеет явно выраженных функциональных блоков
