Содержание к диссертации
Введение
ГЛАВА 1. Методы представления нечеткой динамической информации в интеллектуальных моделях принятия решений
1.1. Лингвистическая модель представления динамической информации на основе нечетко-темпоральной высказывательной формы 23
1.2. Формально-логическая система моделирования динамических описаний на основе нечетко-темпоральных высказываний 38
1.3. Нечетко-графовые модели представления динамических описаний общего вида 56
1.4. Нечетко-графовые модели представления качественных и нечетко-метрических динамических описаний последовательного вида 66
1.5. Выводы 75
ГЛАВА 2. Нечетко-темпоральные схемы вывода и модели принятия решений
2.1. Общее представление динамической предметной области и нечетко-темпоральной модели принятия решений 78
2.2. Разработка интерпретирующей модели и нечетко-темпоральной схемы вывода 86
2.3. Разработка алгоритмов нечетко-темпорального вывода для динамических описаний последовательного вида 106
2.4. Разработка алгоритмов нечетко-логического вывода на основе нейро-нечетких сетевых моделей 120
2.5. Выводы 129
ГЛАВА 3. Методы автоматического формирования, обучения и адаптации нечекто-темпоральных моделей
3.1. Разработка методов автоматического формирования и адаптации нечетко-темпоральных моделей последовательного вида 132
3.2. Разработка методов адаптации нечетко-темпоральных моделей на основе нейро-нечетких сетей 150
3.3. Методы автоматического формирования баз знаний интеллектуальных моделей на основе элементарных нечетко-темпоральных высказываний 161
3.4. Методы автоматического формирования баз знаний интеллектуальных моделей на основе нечетко-темпоральных высказываний общего вида 182
3.5. Оценка адекватности и устойчивости нечетко-темпоральных моделей. Общий подход к недетерминированному обучению 199
3.6. Выводы 211
ГЛАВА 4. Нечетко-темпоральные модели поддержки принятия решений в информационно-управляющих системах
4.1. Сортировочная горка как слабо формализованный динамический объект автоматизации 214
4.2. Разработка общей модел интеллектуальной системы горочной автоматизации и механизма управления выводом на основе дискретно- непрерывной динамической системы 220
4.3. Нечетко-темпоральные модели выбора стратегий регулирования скоростей скатывания отцепов 2290
4.4. Нечетко-темпоральные модели контроля процессов скатывания отцепов и корректировки управляющих решений 241
4.5. Нейро-нечеткие модели исполнительного уровня интеллектуальной системы горочной автоматизации 249
4.6. Выводы 255
ГЛАВА 5. Нечетко-темпоральные модели обработки динамической информации в информационно-управляющих системах
5.1. Нечетко-темпоральная модель динамического процесса торможения на основе гибридной нейро-нечеткой сети 258
5.2. Нечетко-темпоральная модель определения технического состояния, стрелочного электропривода 266
5.3. Нечетко-темпоральная модель обработки динамических данных в многофункциональном датчике счета осей 273
5.4. Нечетко-темпоральные модели анализа акустических процессов в интегрированных системах автоматического распознавания речи 285
5.5. Выводы 305
Заключение 312
- Лингвистическая модель представления динамической информации на основе нечетко-темпоральной высказывательной формы
- Общее представление динамической предметной области и нечетко-темпоральной модели принятия решений
- Разработка методов автоматического формирования и адаптации нечетко-темпоральных моделей последовательного вида
- Сортировочная горка как слабо формализованный динамический объект автоматизации
Введение к работе
Актуальность темы. На современном этапе развития информационных технологий актуальной является проблема исследования и создания прикладных интеллектуальных систем (ИС), способных обеспечивать эффективную экспертную поддержку процессов управления и контроля технологическими объектами и процессами (ОУ) в сложных информационно-технологических ситуациях. При этом приоритетным направлением работ становится создание обеспечивающих ИС динамического типа, ориентированных на поддержку процессов управления и контроля слабо формализованными динамическими объектами (процессами (СЛДП)), характерными особенностями которых является, помимо наличия известного множества "не-факторов", множества временных, динамических и нечетко-динамических факторов, влияющих на процессы принятия решений [Наринъяни, 2000, Вагин и др., 1999, Попов и др., 1996].
В теоретическом плане для создания поддерживающих ИС динамического типа требуется разработка специального класса обеспечивающих математических моделей, способных адекватно отражать динамические особенности предметной области (ПО) и обрабатывать нечетко-динамические знания. В слабо структурированных ПО процессы формирования знаний в значительной мере опираются на опыт, интуицию и знания специалистов-экспертов, поэтому одним из основных источников приобретения знаний для построения баз знаний (БЗ) обеспечивающих интеллектуальных моделей являются знания, непосредственно полученные от специалистов-экспертов в данной ПО, либо знания, выведенные на основе механизмов обучения с использованием case-технологий.
При разработке БЗ обеспечивающих интеллектуальных моделей особо важну_о роль играют качественные и нечетки-логические методы анализа слабо формализованных объектов, что обусловлено рядом причин, среди которых можно выделить три основных. Во-первых, многие особенности функционирования данного класса объектов не могут быть точно описаны количественными методами, а допускают лишь содержательное описание, что требует использования соответствующих методов нечетко-логического анализа, позволяющих наиболее естественным образом моделировать рассуждения экспертов. Во-вторых, основным назначением прикладных проблемно-ориенитрованных ИС является экспертная поддержка принятия решений, которую можно обеспечить, опираясь лишь на наиболее надежные и устойчивые знания, сформированные в результате выявления структурно-временных свойств и зависимостей в моделируемом СЛДП, которые, как известно, наименее подвержены различного рода искажениям. В третьих, качественные методы анализа и идентификации СЛДП позволяют выявлять рациональные знания о моделируемом СЛДП, отличающиеся минимальной избыточностью и соответственно требующие минимальных вычислительных ресурсов для их хранения и обработки. Данное условие является принципиально важным для построения интеллектуальных моделей, ориентированных на использование в ИС реального времени.
Для решения задач качественного анализа сложных объектов и процессов в теории искусственного интеллекта (ТИИ) известны и разрабатываются специальные методы, опирающиеся на формальнологические модели структурного обобщения и нечетко-логические модели человеческих рассуждений. Наиболее разработанными для целей качественного анализа, идентификации и описания сложных систем являются логико-алгебраические модели, опирающиеся на структуры отношений и использующие в качестве основных единиц представления знаний семантические сети и графы, в структуре которых содержится информация для принятия решений. Большой вклад в становление и развитие теории построения логико-алгебраических и других моделей аналогичного типа, опирающихся на структуры отношений, внесли советские и российские ученые Вагин В.К., Горбатов В.А., Журавлев Ю.И., Кузнецов О.П., Нариньяни А.С., Осипов Г.С., Поспелов Д.А., Попов Э.В., Стефанюк В.Л., Финн В.К. и др.
Большой вклад в развитие теории и практики построения динамических ИС, опирающихся на логико-алгебраические модели, интеллектуальные модели семиотического типа и методы нечетко-логического анализа, оказавшими влияния на исследования автора, внесли ученые Аверкин А.Н., Берштейн Л.С., Вагин В.Н. Емельянов В.В., Еремеев А.П., Захаревич В.Г., Курейчик В.М., Мелихов А.Н., Осипов Г.С., Потапова Р.К., Поспелов Д.А. Фоминых И.Б., Цемель Г.И. и др.
Однако, выясняя возможность использования существующих методов структурно-логического и нечетко-логического анализа для разработки интеллектуальных обеспечивающих моделей динамического типа, следует признать, что есть проблемы, которые этими методами либо не решаются, либо требуют для решения их существенного развития.
Во-первых, следует выделить проблему формализации и представления в БЗ ИС качественных нечетко-динамических описаний и понятий, определяющие признаки которых не являются элементарными объектами, между которыми можно однозначно установить семантические связи в моделирующих графах (семантических сетях), а представляют собой иерархическую организацию системы нечетких признаков, зависящих от времени и проявляющихся с определенной закономерностью во времени.
Вторая проблема связана с разработкой адекватных методов нечетко-логического вывода для динамических описаний, имеющих сложную форму временной организации нечетких признаков, что исключает возможность использования традиционных методов интерпретации входных данных, опирающихся на вычисления нечетко-истинностных значений элементарных высказываний и не учитывающих влияние факторов временного взаимодействия между нечеткими признаками в исходных описаниях.
Третья проблема связана с разработкой эффективных методов автоматического формирования корректировки БЗ, а также методе з адаптации параметров интеллектуальных моделей на основе механизмов обучения в режиме реального времени, что исключает возможность использования большинства алгебраических методов машинного обучения, являющихся наиболее разработанными в ТИИ, но пока не апробированными на динамических и нечетко-динамических описаниях.
И, наконец, немаловажной и также пока не решенной задачей, возникающей при разработке обеспечивающих интеллектуальных моделей для прикладных ИС динамического типа, является задача интеграции процедур логического вывода, образующих основной механизм принятия решений в ИС, с точными аналитическими или нейро-сетевыми моделями обработки данных.
Цель и задачи исследования. Главной целью и задачей исследования является развитие теории и разработка нового класса интеллектуальных моделей, предназначенных для решения задач нечетко-структурного анализа и идентификации сложных динамических объектов и процессов в слабо структурированных ПО и ориентированных на использование в качестве интеллектуальных моделей экспертной поддержки процессов принятия решений в ИС динамического типа.
Для достижения поставленной цели необходимо решение следующих задач.
1. Разработка адекватных моделей представления в БЗ ИС структурных динамических и нечетко-динамических знаний, имеющих сложную форму нечетко-темпоральной организации.
2. Разработка формальной модели нечетко-структурного анализа и идентификации слабо формализованных динамических процессов, а также обеспечивающих ее методов нечетко-логического вывода, учитывающих влияние факторов временного и нечетко-временного взаимодействия между определяющими признаками исходных описаний.
3. Разработка методов автоматического" формирования и корректировки БЗ интеллектуальных моделей динамического типа, а также методов их адаптации в режиме реального времени.
4. Разработка методов интеграции процедур нечетко-логического вывода с методами обработки динамических описаний, основанных на аналитических и нейро-сетевых моделях.
5. Экспериментальная проверка разработанных теоретических подходов и положений на адекватность путем сопоставления прикладных результатов с теоретическими.
Методы исследования основываются на использовании результатов фундаментальных исследований в области дискретной математики, формальной логики и нетрадиционных логик, теории конечных и нечетких графов, корреляционного и регрессионного анализа, теории вероятностей и скрытого марковского моделирования, теории анализа и обработки дискретных сигналов, инженерии знаний и экспертных систем. При разработке основных теоретических принципов организации нечетко-темпоральных высказываний и построения нечетко-темпоральных моделей использовались парадигмы нечетко-логического моделирования форм рассуждений и известные принципы организации форм мышления экспертов.
Практическая проверка разработанных моделей и методов осуществлялась путем программной эмуляции, проведения имитационных экспериментов на модельных и реальных задачах в области железнодорожной информатизации, а также на реальных объектах автоматизации в рамках опытных и экспериментальных поддерживающих подсистем в интегрированных АСУ ТП.
Научная новизна работы заключается в теоретическом обобщении и решении научно-технической проблемы, связанной с разработкой нового подхода к представлению и обработке нечетко-структурных знаний, отражающих динамику сложных объектов и процессов в слабо структурированных ПО, в разработке на его основе нового класса интеллектуальных моделей поддержки принятия решений, имеющих важное значение для создания проблемно-ориентированных систем управления и контроля динамических объектов и процессов в реальном времени.
К наиболее существенным научным результатам работы относятся следующие:
1. На основании анализа особенностей функционирования сложных динамических объектов автоматизации и выявления закономерностей в описании экспертами искусственных и естественных объектов, имеющих динамическую природу, а также анализа существующих методов моделирования эмпирических знаний сформулированы теоретические положения и разработаны:
универсальная модель представления динамических и нечетко-динамических структурных знаний в виде нечетко-темпоральной высказывательной формы, опирающейся на иерархический способ представления нечетко-темпоральных признаков и предназначенной для функционирования в нечеткой среде принятия решений;
класс нечетко-графовых моделей для представления в БД и БЗ ИС динамических описаний метрического, нечетко-метрического и качественного типа, ориентированных на широкий круг приложений и позволяющих адекватно отразить специфику данных приложений с целью оптимизации алгоритмов принятия решений;
выявлена и обоснована необходимость использования в нечетко-темпоральных моделях представления динамических знаний группы нетрадиционных темпоральных отношений для более точного моделирования процессов взаимодействия нечетких событий в динамической структуре исследуемых слабо формализованных объектов и процессов;
в рамках формально-логической системы разработано расширенное ядро логики нечетко-темпоральных высказываний, представляющее собой достаточно выразительное формальное средство для моделирования динамических и нечетко-динамических особенностей слабоструктурированных ПО.
2. На основании анализа динамических объектов исследуемой ПО, существующих теоретических подходов к формированию понятий и предложенной модели представления нечетко-динамических структурных знаний разработаны:
новый тип интеллектуальных моделей - нечетко-темпоральная модель структурно-логического анализа и идентификации слабо формализованных динамических объектов и процессов, предназначенная для использования в качестве обеспечивающей модели в ИС динамического типа;
новый тип нечеткого критерия истинности и интерпретирующая динамическая модель, устанавливающая адекватную семантическую связь между описаниями динамических объектов ПО и позволяющая учитывать влияние факторов временного взаимодействия между нечеткими динамическими признаками;
нечетко-темпоральная схема вывода, устанавливающая связь на языке значений истинности между свойствами моделирующих графов динамических описаний, а также гарантирующая получение адекватных нечетко-истинностных оценок для различных типов критериев в соответствии с особенностями приложений.
3. На основании анализа динамических объектов исследуемой ПО и существующих типов временных рассуждений был выявлен особый класс нечетко-темпоральных высказываний последовательного вида, представляющий собой наиболее распространенную форму динамических и нечетко-динамических описаний, для которых были разработаны:
универсальная нечетко-темпоральная композиционная схема вывода, ориентированная на моделирование как качественных нечетко-темпоральных описаний, так и описаний метрического и нечетко-метрического типа, обладающая низкими полиномиальными оценками алгоритмической сложности, что обеспечивает возможность ее реализации в реальном времени на вычислительных средствах, встроенных в исполнительные уровни ИС;
новый вид архитектуры нейро-нечеткой темпоральной сети, основанный на объединении механизма нечетко-темпорального вывода с принципами построения искусственных нейронных сетей (ИНС), предназначенных для поддержки процедур нечетко-темпорального вывода в ИС реального времени и позволяющих в отличиt от стандартных 11НС эффективно интегрировать в структуру нейро-нечеткой темпоральной сети априорные технологические знания о динамических особенностях ПО;
4. Разработаны методы автоматического формирования и адаптации параметров нечетко-темпоральных моделей в режиме реального времени на основе механизмов обучения:
метод автоматического формирования и корректировки нечетко-темпоральных параметров интеллектуальных моделей последовательного вида, • обладающий низкими полиномиальными оценками алгоритмической сложности, что обеспечивает возможность вычисления оптимальных параметров интеллектуальных моделей и их корректировки непосредственно в процессе функционирования ИС;
градиентный метод оптимизации нечетко-темпоральных параметров интеллектуальных моделей, реализованных в виде нейро-нечетких сетей, основанный на модифицированном алгоритме обратного распространения ошибки, обладающий высокой вычислительной эффективностью, благодаря чему обеспечивается возможность реализации на его основе адаптивных средств поддержки нечетко-темпорального вывода в автономных ИС реального времени.
5. Разработана методология автоматического формирования БЗ нечетко-темпоральных моделей на основе механизмов извлечения структурно-динамических знаний из множества обучающих данных:
общий подход к автоматическому формированию БЗ нечетко-темпоральных моделей на основе алгоритмов обобщения для различных типов динамических описаний и критериев, ориентированный на решение широкого круга задач, связанных с обучением, корректировкой и пополнением БЗ нечетко-темпоральных моделей;
алгоритмы автоматического формирования БЗ нечетко-темпоральных моделей, основанных на классах элементарных динамических описаний и динамических описаний последовательного типа, обладающие полиномиальными оценками сложности, что обеспечивает возможность обучения и адаптации ИС в реальном времени;
теоретический принцип оценки адекватности нечетко-темпоральных моделей, сформированных на основе механизмов обучения, опирающийся на идеи индукции, понятия устойчивости нечетких систем и принцип минимизации риска ошибки Байеса;
метод автоматического формирования БЗ нечетко-темпоральных моделей при неточных либо противоречивых обучающих данных, основанный на выдвинутом принципе формирования адекватных описаний, и обладающий полиномиальными оценками сложности.
6. На основании анализа проблемы обеспечения экспертной поддержки принятия управляющих и контролирующих решений в существующих АСУ ТП разработаны модели обеспечения интеллектуальной поддержки для интегрированных систем горочной автоматизации (ИСГА):
нечетко-темпоральные модели интеллектуальной поддержки принятия решений в ИСГА, обеспечивающие выработку технологически обоснованных управляющих команд в сложных информационно-технологических ситуациях, адекватно имитирующие действия опытных операторов в данных ситуациях;
метод интеграции технологических знаний в нижние исполнительные уровни ИСГА на основе гибридных нейро-нечетких моделей, предназначенных для оценки состояний исполнительных устройств с учетом слабо формализованных факторов, характеризующих динамику процесса торможения отцепов;
универсальный механизм управления выводом в БЗ нечетко-темпоральных моделей, основанный на дискретно-непрерывной динамической системе специального вида и предназначенный для использования в качестве основного механизма .управления обеспечивающими системами ИСГА; нечетко-темпоральные модели определения технического состояния устройств железнодорожной автоматики ко. основе анализа и идентификации графических протоколов, отражающих динамику контролируемых параметров.
Практическая ценность. Предложенный теоретический подход к представлению динамических и нечетко-динамических структурных знаний в ИС и разработанный на его основе класс нечетко-темпоральных моделей используются при создании интегрированных ИУС (ИИУС) на железнодорожном транспорте в качестве средств обеспечения интеллектуальной поддержки принятия решений.
Практическую ценность представляют следующие результаты.
1. Разработаны и практически реализованы в Ростовском филиале ВНИИ УП МПС при создании экспериментальной ИСГА:
нечетко-темпоральная модель выбора стратегий регулирования вагонным замедлителем (ВГЗ) для верхнего поддерживающего уровня ИСГА, обеспечивающая принятие решений в режиме реального времени и минимизирующая количество включений замедлителя по сравнению с действующими алгоритмами на 40%, что приводит к экономии энергоресурсов и способствует продлению срока эксплуатации ВГЗ;
нечетко-темпоральная модель интеллектуальной поддержки принятия решений для верхнего уровня ИСГА, обеспечивающую выработку более качественных решений, чем действующие модели в сложных технологических ситуациях;
гибридная нейро-нечеткая модель оперативной оценки ходовых свойств отцепов и прогноза динамики торможения для нижнего исполнительного уровня ИСГА, обеспечивающая более высокую точность прогнозирования скорости, чем действующие модели на основе ИНС;
нечетко-темпоральная модель определения технического состояния стрелочного электропривода, предназначенная для использования в подсистемах непрерывного диагностирования в ИИУС, обеспечивающая более высокие показатели достоверности идентификации, чем действующие модели.
2. Разработан и практически реализован высоконадежный и помехоустойчивый метод идентификации реборды колеса, основанный на нечетко-темпоральной модели интеллектуального анализа динамических данных, который использован при создании многофункционального датчика счета осей (ДСО). На основе предложенного метода разработан, запатентован и подготовлен к серийному производству ДСО, позволяющий, в отличие от других аналогичных устройств, обеспечить достоверность фиксации оси, большую чем 0,99. За счет использования более простых решающих правил в алгоритме распознавания ДСО реализован на основе однокристального МП, что привело к значительному, более чем в 2 раза удешевлению конструкции датчика, а также позволило получить напольное устройство, не требующее регулировки.
3. В рамках работы по созданию специализированного речевого терминала АРМа человека-оператора в ШТУС автором на основе анализа современного состояния проблемы автоматического распознавания было установлено, что большое значение для надежного распознавания речевых сообщений (PC) играют знания о просодических, ритмических и фонотактических свойствах речевых единиц, характеризующих динамическую структуру PC, в соответствии с чем были разработаны:
нечетко-темпоральная модель описания динамической структуры PC, предназначенная для выявления инвариантных признаков PC в классе укрупненных спектрально-темпоральных мер, наименее подверженных искажениям, позволяющая повысить достоверность распознавания PC для широкого круга контекстов в среднем на 3-5 % , и реализованная в виде гибридной нейронечеткой сети для работы и обучения в реальном времени;
гибридная нейро-нечеткая модель фонемного классификатора, предназначенная для повышения надежности распознавания речевых единиц на фонетическом уровне, опираясь на нечетко-темпоральную структуру "окружения" фонем, позволяющая повысить достоверность распознавания на 5-8 % и допускающая реализацию и обучение в реальном времени.
Достоверность научных и практических результатов раЬоты. Научные положения, выводы и результаты, сформулированные в диссертации, строго аргументированы, их достоверность является установленным фактом. Сформулированные в работе эмпирические принципы организации нечетко-динамических форм знаний и способы формализации критериев истинности основываются на известных в ТИИ фундаментальных принципах обобщения, теоретико-множественных и формально-логических подходах к формированию понятий. Достоверность теоретических результатов, связанных с задачами оптимизации вывода, обобщения и обучения предложенного класса нечетко-темпоральных моделей подтверждается четкостью постановок задач, формулировок ограничений и корректностью математических выкладок. Достоверность выводов и результатов подтверждается также результатами экспериментальных исследований, а также результатами эксплуатации действующих систем, в которых используются предложенные методы и модели. Сопоставление практических и теоретических результатов исследования показывает их согласованность и эффективность.
Реализация результатов работы. Работа выполнялась в рамках ряда отраслевых научно-технических программ, в частности, "Концепция развития средств автоматизации и информатизации на железнодорожном транспорте на период 2000 - 2004 г.г.", программ Минобразования РФ «Научные исследования ВШ по приоритетным направлениям науки и техники» и поддержана рядом грантов, в том числе докторским грантом РФФИ МПС.
Тема диссертационной работы тесно связана с выполнявшимися научно-исследовательскими и опытно-конструкторскими работами в ТРТУ в период с 1976-1985 г.г., в РГУ ПС с 1985-2002 г.г. и в РФ ВНИИ АС МПС с 1995-2002 г.г. по заказам различных ведомств и организаций, руководителем или исполнителем которых являлся автор.
Результаты работы прошли успешную апробацию, внедрены и используются в рамках экспериментального интегрированного комплекса горочной автоматизации КГМ ПК на станциях Тайшет, Бекасово, Омск проходят экспериментальную апробацию в рамках экспериментальной интегрированной МПЦ на станции Батайск, а также используются в подготовленном к серийному производству многофункционального ДСО.
Научные результаты работы и прикладное программное обеспечение используется в учебном процессе Ростовского государственного университета путей сообщения, а также использованы в четырех кандидатских диссертациях, защищенных под руководством автора.
Основные результаты, выносимые на защиту.
1. Теоретический подход и модель представления динамических и нечетко-динамических структурных знаний в слабо структурированных ПО, опирающаяся на иерархический способ описания признаков и предназначенная для функционирования в нечеткой среде принятия решений.
2. Класс нечетко-графовых моделей для представления в БД и БЗ ИС динамических знаний и описаний метрического, нечетко-метрического и качественного типа, а также группа специализированных темпоральных отношений для целей моделирования процессов взаимодействия нечетких событий в динамической структуре слабо формализованных объектов.
3. Нечетко-темпоральная модель структурного анализа и идентификации слабо формализованных динамических объектов и процессов, предназначенная для использования в качестве обеспечивающей модели в интеллектуальных системах реального времени.
4. Метод интерпретации нечетко-темпоральных высказываний, устанавливающей семантическую связь между исходными динамическими объектами ПО и основанная на его использовании нечетко-темпоральная схема вывода.
5. Нечетко-темпоральная композиционная схема вывода для динамических описаний последовательного вида и архитектура нейро-нечеткой темпоральной сети, основанная на объединении механизма нечетко-темпорального вывода с принципами построения искусственных нейронных сетей.
6. Метод автоматического формирования и корректировки нечетко-темпоральных параметров интеллектуальных моделей последовательного вида и градиентный метод оптимизации нечетко-темпоральных параметров интеллектуальных моделей, реализованных в виде нейро-нечетких темпоральных сетей.
7. Класс алгоритмов автоматического формирования БЗ ИС, опирающихся на нечетко-темпоральные модели представления и обработки динамических данных.
8. . Теоретический подход и принцип оценки адекватности нечетко- темпоральных моделей, сформированных на основе механизмов обучения, и основанный на его использовании подход к автоматическому формированию БЗ нечетко-темпоральных моделей при неточных либо противоречивых обучающих данных
9. Нечетко-темпоральные модели интеллектуальной поддержки в интегрированных ИСГА, нечетко-темпоральные модели определения технического состояния устройств железнодорожной автоматики, метод интеграции технологических нечетко-динамических знаний в нижние исполнительные уровни ИСГА, а также структурно-функциональная схема, нечетко-темпоральная модель и программное обеспечение многофункционального датчика, предназначенного для сбора и интеллектуальной обработки первичной информации в ИСГА
Работу можно квалифицировать как развитие перспективного научного направления в области представления и обработки нечетких экспертных знаний, отражающих динамику процессов в слабо структурированных ПО, а результаты исследований представляют комплекс научно-технических разработок, направленных на решение прикладных проблем, имеющих важное народно-хозяйственное значение.
Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на 28-31й НТК профессорско-преподавательского состава ТРТУ (Таганрог, 1982-86), на 48-58-й НТК профессорско-преподавательского состава РГУПС (РИИЖТа; (Ростов-на-Дону, 1991-2001), на Всесоюзном научном семинаре "Модели выбора альтернатив в нечеткой среде" (Рига, 1980), на научно-технических семинарах "Управление при наличии расплывчатых категорий" (Ижевск, 1979, Пермь, 1980, 1982), на 8-м международном симпозиуме "Zeleznize па Prelome Tretieho Tisicrocia" (Жилина, Словакия, 2001), на международной конференции "The Techniques of Railway Traffic Control at the Begining of the 21 Century" (Варшава, 1999), на международных НТК «Интеллектуальные САПР» (Геленджик, 1985-2001), на 4-м Международном семинаре по прикладной семиотике , семиотическому управлению и интеллектуальному управлению "ASC/IC 99" (Москва 1999), на Международном конгрессе «Искусственный интеллект в XXI веке» (Геленджик, 2001), на 7-й национальной конференции по искусственному интеллекту " КИИ 200" (Переславль-Залесский, 2000), на Международной научно-технической конференции "Искусственные интеллектуальные системы" (IEEE AIS 02 CAD-2002 (Геленджик, 2002), на 8-й национальной конференции по искусственному интеллекту (Коломна, 2002), а также ряде других конференций и семинаров.
Публикации. Полученные в диссертации теоретические и практические результаты нашли свое отражение в 65 печатных работах, в том числе в 2-х монографиях, 28 статьях в центральных научных журналах, а также в 7 учебно-методических пособиях.
Структура и объем работы. Диссертация состоит из введения, 5 глав, заключения, списка используемых литературных источников. Общий объем диссертации - 338 стр., из которых объем основного текста составляет 305 стр., число рис. 53.
Во введении обосновывается актуальность проведенных исследований, формулируются цели и задачи исследований, приводятся основные научные и практические результаты, а также кратко рассматривается содержание диссертации по главам.
В главе 1 анализируется проблема формализации и представления в БЗ ИС описаний и знаний, отражающих динамические и нечетко-динамические особенности объектов и процессов в слабо структурированных ПО. Предлагается модель представления нечетких динамических знаний в слабо структурированных ПО на основе нечетко-темпоральной высказывательной формы. Рассматривается методы формально-логического анализа нечетко-динамических описаний с целью проверки БЗ на полноту и непротиворечивость, а также специальные нечетко-графовые модели представления динамических знаний для различных типов описаний, ориентированные на использование в процедурах нечетко-логического вывода.
В главе 2 разрабатываются методы интерпретации и вычисления значений истинности нечетко-темпоральных высказываний для различных типов динамических описаний ПО, алгоритмы нечетко-темпорального вывода, опирающиеся на модели нечетко-динамических описаний, а также гибридная нейро-нечеткая модель вывода для динамических описаний последовательного вида. Приводится описание формализованной нечетко-темпоральной модели принятия решений и ПО, в среде которой функционирует данная модель.
В главе 3 рассматривается проблема формирования БЗ нечетко-темпоральных моделей на основе механизмов обучения. Предлагаются методы автоматического формирования обобщенных моделей нечетко-динамических знаний для различных типов описаний, методы формирования и корректировки темпоральных параметров моделей нечетко-динамических знаний на основе адаптивных нейро-нечетких сетей, а также подход к недетерминированному обучению при противоречивых либо неполных исходных данных.
В главе 4 на примере интегрированной ИСГА рассматривается практическая реализация разработанных нечетко-темпоральных моделей в одной из подсистем ИСГА, обеспечивающей экспертную • поддержку принятия решений.
В главе 5 описываются конкретные разработки нечетко-темпоральных моделей, предназначенных для использования в автономных устройствах и подсистемах интеллектуальной обработки первичной информации для интегрированных информационно-управляющих систем, а также некоторые поддерживающие модели интеллектуального анализа речевых сигналов, т предназначенные для использования в интегрированных системах АРР.
В заключении формулируются основные теоретические и практические результаты работы.
Лингвистическая модель представления динамической информации на основе нечетко-темпоральной высказывательной формы
Наиболее массовым и сложным классом задач, с которыми приходится сталкиваться специалистам при разработке современных технологий и систем, являются неформализованные либо слабо формализованные задачи и объекты математического моделирования. В соответствии с рядом известных определений [Поспелов Д 1986, Попов, 1996] к слабо формализованным (слабо структурированным) объектам и задачам относятся объекты, явления и процессы, характеризующиеся неполнотой, нечеткостью либо противоречивостью исходной информации, отсутствием либо неэффективностью традиционных аналитических методов анализа такой информации и принятия соответствующих решений, наличием субъективных факторов, оказывающих существенное влияние на процессы принятия решений.
Особый и практически важный класс слабоструктурированных объектов образуют слабо формализованные динамические процессы (СЛДП), отличительными признаками которых являются: - необходимость учета динамических и нечетко-динамических факторов при описании ПО, определяющие признаки которых зависят от времени, проявляются с определенной закономерностью во времени и оказывают существенное влияние на процессы принятия решений; - невозможность получения полной и объективной информации о моделируемой ПО и необходимость использования в связи с этим нечеткой экспертной информации; - необходимость получения решений в условиях временных ограничений, определяемых реальным ходом управляемого или контролируемого процесса. Не претендуя на математическую строгость, в наиболее простом и общем виде СЛДП можно определить как объект, полученный в результате взаимодействия ряда внутренне скрытых событий и подпроцессов, внешнее проявление которых приводит к некоторой, достаточно сложно организованной во времени совокупности случайных, нечетких или иных плохо формализуемых признаков, характеризующих его внутреннюю динамическую структуру [Потапова, 1997, Ковалев, 2001 г]. Задача анализа СЛДП заключается в выявлении данной структуры, опираясь на обусловленные ею внешние нечеткие признаки и принятия на этой основе (во взаимодействии с другими методами поиска решений) оптимальных в рамках рассматриваемой модели решений [Вагин, 1988, Ковалев, 2002 б]. Несмотря на то, что в приведенных определениях многое требует уточнения, нам представляется их пока достаточными для определения общей стратегии интеллектуального анализа СЛДП и формирования обобщенной модели нечетко-темпоральных знаний, которую положим в основу данной стратегии. Следует заметить, что в контексте сформулированных выше определений, СЛДП и задачи анализа СЛДП являются схожими с логико-лингвистическими моделями принятия решений, а также некоторыми другими моделями аналогичного типа, опирающимися на структуры отношений. Однако, есть и принципиальные отличия, которые будут рассмотрим несколько ..иже, а сейчас обсуд.ш роль человечески і о фактора в задачах анализа СЛДП. В слабо структурированных ПО (при отсутствии статистических данных, аналогий или какой-либо другой объективной информации о ПО) процессы формирования знаний, в значительной мере, опираются на опыт и интуицию эксперта [Осипов, 1997]. Специалисты-эксперты, решая конкретные задачи, не поддающиеся строгому математическому описанию, часто достигают высоких результатов именно благодаря своему опыту, интуиции и знаниям, накопленным в рассматриваемой ПО. Поэтому выявление закономерностей в описании специалистами-экспертами искусственных и естественных объектов является одним из направлений, которое положено в методологию построения интеллектуальных моделей анализа СЛДП. Однако, при формализации экспертных знаний возникают сложности, обусловленные плохой структурированностью знаний эксперта, в связи с чем часто приходится иметь дело с вербализованными, качественными описаниями явлений и процессов, которые остаются за пределами возможности их точного формального описания. В этом плане особо следует выделить проблему формализации качественных понятий, имеющих динамическую природу. Рассмотрим на ряде примеров, каким образом осуществляются описания нечетко-динамических свойств и зависимостей для некоторых конкретных СЛДП, выбранных автором в качестве объектов исследования диссертационной работы. Начнем с примеров описаний речевых сигналов (PC) в интегрированных системах автоматического распознавания речи (АРР), основанных на моделях акустико-фонетических знаний и процессов речевосприятия. Приведенные выше примеры описаний СЛДП, безусловно, не исчерпывают всего многообразия форм представления темпоральных знаний, методы формализации которых достаточно хорошо исследованы в работах [Allen, 1984, Кандрашина и др., 1987, Еремеев, 2001,]. Однако, перечисленных примеров уже достаточно, чтобы показать возможность обобщения и применения данных методов для решения исследуемых в диссертации задач, связанных с представлением и обработкой нечетко-динамических знаний в БЗ ИС. В связи с этим приведем утверждение, имеющее характер эмпирического принципа относительно возможной структуры нечетко-временного описания динамических особенностей СЛДП [Ковалев, 2001 ж]. Принцип. Большинство описаний, используемых экспертом при моделировании слабо формализованных динамических объектов, процессов или явлений, могут быть представлены в виде нечетко-темпоральной высказывательной формы, содержащей несколько, объединенных логическим союзом "и" частных утверждений-высказываний, каждое из которых фиксирует некоторую последовательность фактов, которые связаны в данном утверждении определенными нечетко-временными зависимостями и характеризуют наличие в моделируемом объекте некоторых конкретных значений нечетких признаков, свойств или отношений.
Общее представление динамической предметной области и нечетко-темпоральной модели принятия решений
Основными объектами приложения работы являются интегрированные информационно-управляющие системы ИИУС. По типу приложения ИИУС относятся к классу гибридных интегрированных систем динамического типа, имеющие в своем составе несколько типов моделей [Емельянов и др., 2000, Вагин и др, 1997, Попов и др., 1996, Фоминых, 2001]. Интеллектуальные модели анализа СЛДП составляют основную обеспечивающую подсистему ИИУС. Ее главные функции заключаются в решении следующих трех классов задач. Первый связан с экспертной поддержкой процессов принятия решений в сложных нечетко-определенных информационных ситуациях, когда обычно требуется вмешательство квалифицированного специалиста-эксперта. В этих ситуациях ИИУС путем нечетко-логического вывода в БЗ самостоятельно вырабатывают наиболее целесообразные решения, имитируя действия опытных операторов. Второй класс задач связан с обеспечением безопасности функционирования ИИУС при выработке наиболее ответственных, либо жизненно важных управляющих команд, когда необходимы дополнительные меры по их контролю. В этом случае поддерживающая подсистема ИИУС выступает в качестве своеобразного "интеллектуального фильтра", отсеивающего технологически малообоснованные решения, которые могут быть выработаны другими подсистемами гибридной ИИУС, опирающимися на точные оптимизационные модели, которые, как известно, не могут гарантировать принятия верных решений в технологически сложных ситуациях. И, наконец, третий класс задач, возлагаемый на поддерживающую подсистему, заключается в использовании нечетких эвристических и технологических знаний для структурирования поисковых пространств при выработке решений другими подсистемами ИС, основанными на точных аналитических моделях принятия решений.
Для представления интеллектуальных моделей анализа СЛДП в ИС используются продукционные системы, основанные на НТПП. Применительно к сформулированным выше задачам продукционные системы обладают тем достоинством, что позволяют обеспечить совместное функционирование в ИС моделей разного типа, как точно-аналитических, составляющих компоненту нижнего исполнительного уровня гибридной ИС, так и интеллектуальных поддерживающих моделей, образующих нечетко-экспертную компоненту верхнего уровня.
Функционирование продукционных ИС осуществляется путем реализации соответствующих механизмов вывода. Для рассматриваемого класса моделей процедуры нечетко-логического вывода в БЗ ИС являются основными процедурами обработки динамической информации и принятия решений.
Алгоритмы преобразования информации при реализации нечетко-логического вывода заключаются в интерпретации антецедентами нечетких правил входных описаний (данных) и применения полученных истинностных оценок к заключениям нечетких правил [Малышев и др., 1991, Берштейн и др., 1989, Аверкин и др., 1986]: Особенностью НТПП является то, что в качестве единиц представления нечетко-темпоральных знаний в них выступают модели НТВ, а в качестве входных данных - нечетко-динамические модели СЛДП. И те, и другие имеют непосредственное отношение к НТМ, строгое определение которой дано ниже, а здесь приведено описание ПО, в которой функционирует данный класс моделей [Ковалев, 2000 г]. Основными объектами ПО являются классы реализаций дискретных ДП SJ ={S;(t.)} (j = l,2,...,k). В наиболее общей форме, в которую укладывается большинство описаний, модель дискретного ДП S = 5/ (ґ ) будем представлять в виде последовательности «S = (5( ,),5( ),...,5(/,)), элементами которой являются числовые вектора s(t.) є S, имеющие смысл первичных параметров ДП и характеризующие мгновенные состояния ДП в дискретные моменты времени t. єТ. Для классов реализаций дискретного ДП SJ={S (t.)} в рассматриваемой ПО будем считать заданной некоторую, достаточно информативную и отработанную экспертами совокупность признаков Q = {cc,J3,...,y}, имеющих смысл вторичных параметров ДП, определенных на соответствующих метрических шкалах (доменах) Xa,Xfi,...,X},. Признакам q GQ в ПО сопоставлены одноименные ЛП с множествами ЛЗ, а = {а.},Р = {Р ),---,/ = (/,), характеризуемых ФП {/ .( )),(/ ( )),...,(/ ,(3:)), определенными на тех же множествах Xa,Xfi,...,Xr. ЛП qeQ и соответствующие им ЛЗ q, q(q Q) в рассматриваемой ПО имеют смысл нечетко-признаковых переменных, опираясь на которые специалистами-экспертами формируются эвристически адекватные модели описаний СЛДП (определение заимствовано из [Кузин, 1979]) и стратегии принятия решений, основанные на этих описаниях. С каждым из признаков q связана некоторая, подходящим образом подобранная в рассматриваемой ПО признаковая функция (ПФ)І7, определенная на множестве 3 = {818 cz 5і/ }, элементами которого являются числовые подпоследовательности 8 — \s{tl),s(ti+1),...,s(t.)], интерпретируемые в качестве фрагментов реализаций дискретного ДП S. Связь между нечетко-признаковыми переменными qt є q (q є Q) и определяющими их значения первичными параметрами ДП S устанавливается, как было показано в разделе 1, при помощи НПФ F (: 3 - [0,1], полученных путем суперпозиции соответствующих ПФ и ФП так, что (V ? є 3, є б, є ) (F, (S) = fuq, (F (S))). Для каждого фрагмента S єЗ значение F. (S) имеет смысл возможности семантического сопоставления ЛЗ qi с фрагментом 8, или иначе - степени истинности высказывания "На 8 наблюдается нечеткий признак qt ".
Разработка методов автоматического формирования и адаптации нечетко-темпоральных моделей последовательного вида
Одной из важнейших проблем, возникающих при разработке НТМ и ИС принятия решений на основе НТМ, является проблема формирования БЗ. Базу знаний НТМ составляют динамические модели описаний НТВ и система нечетко-темпоральных правил DT, которая вместе с правилами нечетко-логического вывода П образуют основной механизм обработки данных и принятия решений в НТМ.
Долгое время центральной фигурой при построении БЗ ИС в слабоструктурированных ПО являлся эксперт. Однако, знания экспертов, как правило, носят качественный, интуитивный характер и отличаются фрагментарностью, а следовательно нет уверенности в том, что сформированная на их основе БЗ ИС будет достаточно полной и непротиворечивой. В связи с этим в последнее время в ТИИ активно разрабатываются новые подходы к построению БЗ ИС на основе методов автоматического извлечения знаний из обучающих данных. Такие подходы тесно связаны с методами обучения по примерам, разрабатываемыми в рамках case-технологий [Schank, 1982].
В контексте рассматриваемой проблемы можно выделить два достаточно независимых класса задач обучения. Первый связан с адаптацией параметров характеристических функций нечетких переменных, входящих в модели НТВ, в предположении, что в БЗ уже сформированы основные структуры НТВ с использованием таких переменных. Второй класс задач связан с автоматическим формированием нечетко-темпоральных правил БЗ НТМ путем выявления в обучающем множестве данных наиболее характерных нечетко-временных зависимостей между вторичными признаками СЛДП и формирования на этой основе обобщенных моделей НТВ.
В основе большинства известных алгоритмов обучения лежат алгебраические либо логико-лингвистические методы индуктивного формирования знаний [Вагин, 1988, Финн, 1999]. Поскольку ИС анализа СЛДП, опирающиеся на НТМ, во многом схожи с логико-лингвистическими моделями принятия решений, задачи обучения НТМ аналогичны задачам обобщения знаний, разрабатываемым в рамках теории семиотического моделирования, опирающейся на структуры отношений [Поспелов Д 1981].
Однако, НТМ обладают рядом характерных особенностей, связанных с нечетко-динамическими аспектами исследуемой ПО, что обуславливает, с одной стороны, необходимость разработки специфических процедур обучения, учитывающих данные особенности, а с другой стороны -возможность разработки для некоторых специальных классов обобщенных описаний более эффективных в вычислительном плане алгоритмов обучения.
В настоящем разделе будут рассмотрены методы автоматического формирования обобщенных моделей НТВ в БЗ НТМ для различных типов описаний, алгоритмы формирования оптимальных нечетко-темпоральных параметров НТВ, методы корректировки нечетко-темпоральных параметров НТВ на основе адаптивных нейро-нечетких моделей, а также методы недетерминированного обучения, ориентированные на автоматическое формирование обобщенных моделей НТВ при противоречивых либо неполных исходных данных.
Функционирование ИС, опирающихся на обеспечивающие НТМ, осуществляется путем реализации алгоритмов нечетко-темпорального вывода в БЗ НТМ. БЗ НТМ представляет собой систему нечетких правил DT, сформированную специалистами-экспертами в рассматриваемой ПО. При этом многие особенности динамических объектов ПО, представленных в виде описаний СЛДП, не могут быть охарактеризованы экспертом количественно, а допускают лишь качественное, вербализованное представление в виде ЛЗ нечетких вторичных признаков СЛДП. В связи с этим возникает необходимость "объективизации" таких данных. Для этих целей необходимы соответствующие механизмы, обеспечивающие автоматическое формирование и корректировку параметров характеристических функций нечетких переменных НТВ. Применительно к НТМ такими подстраиваемыми параметрами являются, в первую очередь, нечетко-темпоральные параметры, характеризуемые ФП //, (lq є W"). В настоящем параграфе рассматривается задача определения оптимальных значений нечетко-темпоральных параметров для класса последовательных НТВ [Ковалев, 2002 г]. Как было отмечено, последовательные модели НТВ составляют достаточно большой и практически важный класс описаний, используемых экспертами при моделировании динамических и нечетко-динамических особенностей СЛДП. В качестве основной модели представления знаний в НТМ будем использовать модель последовательного НТВ.
Сортировочная горка как слабо формализованный динамический объект автоматизации
Сортировочная горка, как объект информатизации и автоматизации, относится к числу сложных технологических объектов, обладающих целым рядом характерных особенностей [Иванченко, 1984]. К их числу следует отнести: неполнота описания О А и условий его функционирования, наличие динамических нечетко-определенных факторов, многокритериальность задач управления и необходимость выработки решений в условиях жестких временных ограничений, определяемых реальным ходом технологического процесса. Перечисленные особенности позволяют отнести СГ к классу слабо формализованных динамических объектов математического моделирования [Лябах, 1990, Гуда, 1995].
Исследуемые в диссертации ИС, опирающиеся на НТМ, составляют основную обеспечивающую подсистему ИСГА. Ее главные функции заключаются в решение следующих трех классов задач.
Первый связан с экспертной поддержкой процессов принятия решений в сложных, нечетко-определенных информационных ситуациях, когда обычно требуется вмешательство опытного горочного оператора. В этих ситуациях обеспечивающие модели ИСГА путем нечетко-логического вывода самостоятельно вырабатывают наиболее целесообразные решения, имитирую тем самым действия операторов.
Второй класс задач связан с обеспечением безопасности функционирования ИСГА при выработке наиболее ответственных либо жизненно важных управляющих команд, когда необходимы дополнительные меры по их контролю. В этом случае поддерживающая подсистема ИСГА выступает в качестве своеобразного "интеллектуального фильтра", отсеивающего технологически малообоснованные решения, которые могут быть выработаны другими подсистемами гибридной ИСГА. Третий класс задач, возлагаемый на поддерживающую подсистему, заключается в использовании нечетких эвристических и технологических знаний, имеющихся в ИС, для структурирования поисковых пространств при выработке решений другими подсистемами ИС, основанными на точных аналитических моделях принятия решений. В соответствии с рассмотренными задачами БЗ обеспечивающей подсистемы ИСГА включает комплекс следующих моделей: нечетко-темпоральные модели определения оптимальных стратегий регулирования вагонными замедлителями на верхних исполнительных уровнях ИСГА; нечетко-темпоральные модели экспертной поддержки и верификации управляющих решений в неопределенных технологических ситуациях на верхних исполнительных уровнях ИСГА ; нечетко-темпоральные прогнозирующие модели оценки ходовых свойств отцепов нижнего уровня ИСГА. гибридные нейронечеткие темпоральные модели нижнего исполнительного уровня ИСГА; Опыт разработки и эксплуатации ИИУС показал, что идеальным каркасом, обеспечивающим гибкое взаимодействие многоуровневых предметных знаний, являются продукционные БЗ [Гаврилова и др., 2000]. Поскольку продукционные системы, как было отмечено в предыдущих разделах, являются основным средством представления знаний в БЗ НТМ они положены в основу общей модели представления знаний в ИСГА. Динамическая БЗ ИСГА организована по типу БЗ НТМ и включает два вида правил - прямые НТПП вида W{t) = r(t) и инверсные НТПП вида r(t) = W(t). Прямые правила используются самостоятельно в моделях экспертной поддержки принятия решений, а также во взаимодействии с точными оптимизационными методами в гибридных моделях ИС. Инверсные стратегии используются в моделях, обеспечивающих процессы верификации управляющих решений при выработки ответственных команд в ИСГА. В этих моделях система инверсных НТПП выступает в качестве "прореживающего" продукционного фильтра для отсеивания технологически мало обоснованных решений на основе использования принципа контрапозиции r{t) = W(t) -» W(t) = r(t).
Укрупненная структурная схема ИСГА приведена ниже на рис.4.1.1. Одной из основных функциональных задач, решаемой ИСГА, является задача автоматического регулирования скоростей скатывания отцепов (АРС). Это достигается путем использования специальной аппаратуры управления скоростью, главным элементом которой является вагонный замедлитель. В наиболее общем виде задача АРС сводится к такому управлению вагонными замедлителями, при котором достигается плавное "вытормаживание" скатывающихся с горки отцепов, обеспечивающее необходимые интервалы между отцепами при допустимых скоростях соударения и отсутствии "окон" на путях подгорочного парка [Ковалев и др., 2000 к].
