Содержание к диссертации
СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 5
ГЛАВА 1. ПОСТАНОВКА ЗАДАЧИ И ОБЗОР МЕТОДОВ
ИССЛЕДОВАНИЯ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ 11
ТЕХНИЧЕСКОЕ ДИАГНОСТИРОВАНИЕ СИСТЕМ 11
ОБЗОР МЕТОДОВ ЛОГИЧЕСКОГО ВЫВОДА 13
Стратегия обучения по инструкциям 16
Аналитическое обучение 17
Стратегия обучения по аналогии 18
Обучение, основанное на индуктивном вывода 19
ФОРМАЛЬНЫЙ КОЦЕПТУАЛЬНЫЙ АНАЛИЗ 25
АБДУКТИВНЫЙ ВЫВОД 32
НЕОБХОДИМОСТЬ РАЗРАБОТКИ МЕТОДОВ АБДУКТИВНЫХ РАССУЖДЕНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ 47
МАШИННОЕ ОБУЧЕНИЕ 48
ПОСТАНОВКА ЗАДАЧИ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ
С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ 52
1.8. ВЫВОДЫ 52
ГЛАВА 2. АЛГОРИТМЫ РАБОТЫ НЕЙРОННОЙ СЕТИ ПРИ РЕШЕНИИ
ЗАДАЧИ АБДУКЦИИ 54
ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ АБДУКТИВНОГО ВЫВОДА 54
МЕТОДИКА ФУНКЦИОНИРОВАНИЯ ДВУХСЛОЙНОЙ НЕЙРОННОЙ МОДЕЛИ ПРИ РЕШЕНИИ ЗАДАЧИ АБДУКЦИИ 56
МЕТОДИКА ФУНКЦИОНИРОВАНИЯ ТРЕХСЛОЙНОЙ НЕЙРОННОЙ МОДЕЛИ ПРИ РЕШЕНИИ ЗАДАЧИ АБДУКЦИИ 64
АПРОБАЦИЯ МЕТОДИКИ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ, ИСПОЛЬЗУЮЩЕЙ НЕИРОСЕТЕВЫЕ ТЕХНОЛОГИИ И АЛГОРИТМ КОНКУРЕНЦИИ ГИПОТЕЗ 65
ВЫВОДЫ 74
ГЛАВА 3. МЕТОДИКА РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ С
ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ ХОПФИЛДА 75
ВЫБОР НЕЙРОННОЙ СЕТИ ДЛЯ РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ 75
РАЦИОНАЛЬНОСТЬ ИСПОЛЬЗОВАНИЯ НЕЙРОННОЙ СЕТИ ХОПФИЛДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ 78
ПОСТАНОВКА И ОСОБЕННОСТИ ЗАДАЧИ НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ АБДУКЦИИ 83
Общая постановка задачи абдукции и ее особенности 83
Постановка задачи нахооюдения рационального решения при абдуктивном выводе 85
МЕТОДИКА НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ АБДУКЦИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ ХОПФИЛДА 89
АПРОБАЦИЯ МЕТОДИКИ НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ ПРИ ДИАГНОСТИКЕ ТЕХНИЧЕСКИХ СИСТЕМ С , ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ 94
ВЫВОДЫ 96
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 97
ТРЕБОВАНИЯ К АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ ДИАГНОСТИКИ 97
ВЫБОР СРЕДСТВА РЕАЛИЗАЦИИ СИСТЕМЫ ДИАГНОСТИКИ 97
СТРУКТУРА СИСТЕМЫ ДИАГНОСТИКИ 98
ВОЗМОЖНОСТИ СИСТЕМЫ ДИАГНОСТИКИ 99
ОЦЕНКА АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ ДИАГНОСТИКИ 100
ВЫВОДЫ 106
ЗАКЛЮЧЕНИЕ 107
ЛИТЕРАТУРА 109
ПРИЛОЖЕНИЕ А. Вычисление значений составных гипотез 122
ПРИЛОЖЕНИЕ Б. Акт внедрения в МГУПИ 146
ПРИЛОЖЕНИЕ В. Акт внедрения в КБ «ЭлектронСистема» 147
ПРИЛОЖЕНИЕ Г. Акт внедрения в ФГУП «ММПП «Салют» 148
ПРИЛОЖЕНИЕ Д. Свидетельство о государственной регистрации
программы для ЭВМ 149
Введение к работе
Актуальность работы.
В настоящее время компьютерные технологии используются практически во всех областях человеческой деятельности. С их помощью строятся модели предметных областей для решения задач, таких как управление, поддержка принятия решений и т.д. При этом выделяют класс трудно формализуемых предметных областей, которые используются, в частности, для решения задач при наличии неполной информации. Алгоритмов решения подобных задач очень мало. В связи с этим актуальной является разработка методов и алгоритмов решения задач с неполной информацией.
Кроме того, актуальность задачи разработки методов и алгоритмов интеллектуальной поддержки принятия решений в задачах выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении, не вызывает сомнения, т.к. данная тематика соответствует утвержденному Президентом Российской Федерации приоритетным направлениям развития науки, техники и критических технологий Российской Федерации, и в частности развития информационно-телекоммуникационных систем и разработки интеллектуальных систем управления.
Для решения поставленной задачи в данной работе рассматривалась задача выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении.
Техническая диагностика представляет теорию, методы и средства обнаружения и поиска дефектов объектов технической природы. Ее основное назначение состоит в повышении надежности объектов на этапе их производства, эксплуатации и хранения. Поэтому, актуальность рассмотрения именно области машиностроения не вызывает сомнений, т.к. для повышения экономической составляющей любого производства является важным обеспечение качества и надежности производимой продукции.
При разработке систем диагностики должны решаться задачи изучения объекта (технической системы), его возможных дефектов и признаков проявления, выбора или неисправных модификаций.
Для того, чтобы работа данной системы была рациональной с точки зрения использования и обслуживания, необходимо сделать ее максимально независимой от человека. В этом случае встает вопрос о создании автоматизированной системы диагностики и принятия решений. Для этого целесообразно использовать систему с искусственным интеллектом. Предполагается, что данная система подобно человеку будет способна к обучению - решению задач. В связи с этим, можно предположить, что в качестве системы диагностики технических систем, используемых в машиностроении, возможно использование автоматизированной системы обучения, т.к. она полностью соответствует предъявляемым к системе диагностики требованиям.
При использовании логических подходов в качестве программного средства диагностики, часть знаний должна использоваться для рассуждений, обеспечивающих объяснения выведенных заключений. Но традиционная логика имеет свои ограничения, особенно в условиях неполной или неопределенной информации. В этом случае решением задачи становится выявление и установление причинно-следственных связей. В подобных ситуациях применение таких логических выводов, как индуктивные, дедуктивные и выводы по аналогии, невозможно, т.к. для своей работы они требуют наличия всей информации о диагностируемой системе. Поэтому, при решении задачи выявления и установления причинно-следственных связей, следует использовать абдуктивный вывод для объяснения наблюдаемых (или установленных) фактов.
Практическая значимость систем абдуктивного вывода следует из многочисленных задач принятия решений, когда при некотором множестве фактов и соответствующего правила, получен результат - следствие. При этом
множество фактов, вызвавших это следствие, неизвестно или ставится под сомнение.
В работах Вагина В.Н., Ашинянца Р.А., A.Kakas были сформулированы определение и теоретические основы абдуктивного вывода: поставлена задача абдуктивного вывода, определены пути ее решения, но нет практической реализации данной теории. Фактически не исследовано применение абдуктивного вывода к задачам технической диагностики в условиях неполной информации.
В связи с этим, актуальной является задача построения модели принятия обоснованного решения. Результатом работы данных алгоритмов является выявление причинно-следственных связей технической системы, возникающих в процессе ее работы (действия).
Целью диссертационной работы является разработка и исследование методик и алгоритмов принятия решений для выявления причинно-следственных связей при неработоспособном состоянии технических систем, используемых в машиностроении.
Основные задачи исследования
Анализ задачи диагностики технических систем, используемых в машиностроении, и существующих методов обучения систем.
Определение стратегий, способных решать задачи выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении.
Доказательство возможности и целесообразности использования нейронных сетей для реализации алгоритма абдуктивного вывода.
Разработка методики нахождения рационального решения задачи абдукции, т.е. выявления причинно-следственных связей и диагностики технических систем, использующей алгоритм нейронной сети Хопфилда.
5. Решение практических задач с использованием предлагаемой методики нахождения рационального решения задачи абдукции при выявлении причинно-следственных связей и диагностике технических систем, используемых в машиностроении.
Методы исследования
Для решения поставленной задачи в работе использовались методы математической логики, теории множеств, искусственного интеллекта, логического программирования, нейронных сетей.
Научная новизна работы заключается в следующем.
Для задачи выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении, разработана методика принятия решения в условиях неопределенности.
Доказана рациональность использования нейронных сетей при решении задач выявления причинно-следственных связей и диагностики с точки зрения скорости работы и способности к самообучению.
Определены методы выявления причинно-следственных связей и алгоритмы принятия обоснованного решения при использовании нейронных сетей.
Поставлена и решена задача рационализации абдуктивного вывода, выделяющая наилучшее по ряду параметров решение.
Разработана методика нахождения рационального решения задачи абдукции, т.е. выявления причинно-следственных связей и диагностики технических систем, использующая алгоритм нейронной сети Хопфилда.
Практическая значимость работы заключается в возможности реализации предложенных алгоритмов в виде интеллектуальных систем самообучения.
Предложенная в диссертации программная реализация создана для решения задач диагностики технических систем, используемых в машиностроении. Данная программа позволяет устанавливать причинно-следственные связи, определяющие отношения объектов, выводить рациональные решения в виде причинных гипотез и формировать поясняющие тексты, что используется в системах, требующих построения объяснений в режиме реального времени.
Достоверность результатов работы подтверждается:
экспериментальными исследованиями;
актами об использовании полученных автором результатов в МГУПИ, КБ«ЭлектронСистема» и ФГУП «ММ11ІІ «Салют».
Апробация работы
Основные положения и результаты диссертационной работы докладывались и обсуждались на кафедре «АСОИУ» Московского государственного университета приборостроения и информатики, Международной научно-технической конференции «Информационные технологии в науке, технике и образовании» (Сусс-Хургада-Москва, 2006), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса, 2007), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса, 2008).
Публикации
По теме диссертации опубликовано 7 научных работ, в том числе 2 в журналах, входящих в перечень ВАК Минобрнауки, оформлено свидетельство о государственной регистрации программ для ЭВМ.
Объем и структура работы
Диссертация состоит из введения, четырех глав, заключения, списка литературы из 138 наименований и 5 приложений, общим объемом 149 печатных страниц текста. В работе содержится 17 рисунков и 5 таблиц.
