Введение к работе
Актуальность темы
К настоящему времени известно, что при исследовании процессов управления сложными и слабоструктурированными динамическими системами в условиях неопределенности применение методов, базирующихся на использовании точных математических моделей, не позволяет построить модели и алгоритмы, порождающие оптимальное управление. В последнее время, с увеличением сложности задач управления, все большее распространение получают технологии интеллектуального управления. Однако, они часто не могут в полной мере удовлетворить потребности в управлении сложными динамическими системами ввиду отсутствия методологии и инструментария учета человеческого фактора (недостаток информации, неосведомленность, непреднамеренные ошибки), а также при возникновении непредвиденных или нештатных ситуаций.
Одним из важнейших направлений в теории интеллектуального управления в течение последних десятилетий является поиск решения проблемы оптимального управления сложными динамическими объектами в условиях неопределенности и возникновения дефицита полезного ресурса. В качестве источников возникновения неопределенностей выступают дефицит информационных, энергетических, материальных и других видов ресурсов, непредсказуемость поведения внешней среды, непредвиденные изменения в структуре и поведении самой системы. В этих условиях является весьма проблематичным сформировать рациональное управляющее воздействие.
Поэтому, разработка новых методов анализа и синтеза алгоритмов, и, в более общем случае, систем управления сложными динамическими системами, функционирующими в условиях неопределенности исходной информации, на основе использования современных технологий мягких вычислений и информационных технологий проектирования систем управления представляют актуальную задачу.
Такие информационные технологии ориентированы на использование современных средств вычислительной техники и позволяют разработать программный инструментарий извлечения, формирования и обработки объективных (без участия экспертных оценок) баз знаний для непредвиденных или нештатных ситуаций.
Экспертные оценки человеческого фактора, результаты дополнительных экспериментальных измерений и ограничений могут быть учтены в случае необ- / ходимости, в продукционных правилах в процессе проектирования баз знаний./^
' ' з О
При этом обеспечивается необходимый уровень робастности интеллектуальных регуляторов нижнего исполнительного органа управления, позволяющий выполнить поставленную задачу с минимальным расходом полезного ресурса.
Цель исследования
Целью исследования является разработка методов алгоритмической и программной поддержки процесса проектирования робастных баз знаний нечетких регуляторов, функционирующих в условиях неопределенности исходной информации.
Задачи исследования
Для достижения поставленной цели необходимо решить следующие задачи:
-
Исследование современных подходов к проектированию робастных нечетких регуляторов, в том числе на основе мягких вычислений, и их сравнительный анализ.
-
Разработка метода извлечения, обработки и формирования продукционных правил робастных баз знаний с учетом неопределенности исходной информации.
-
Разработка алгоритма проектирования баз знаний для робастных нечетких регуляторов (HP), способных функционировать в условиях непредвиденных (нештатных) ситуаций и неопределенности исходной информации.
-
Проведение имитационного моделирования динамического поведения интеллектуальных систем управления (ИСУ) на основе робастных HP, функционирующих в условиях непредвиденных (нештатных) ситуаций управления и неопределенности исходной информации.
-
Практическое применение разработанных методов в проблемно-ориентированных областях, таких как интеллектуальное управление движением железнодорожного транспорта.
-
Оценить возможные уровни робастности проектируемых баз знаний на основе технологий мягких вычислений путем имитационного моделирования нелинейных моделей объектов управления.
Теоретическая и методологическая основа исследования Для решения поставленных задач использованы принципы и методы системного анализа, теории автоматического управления, теории вероятностного анализа риска, теории статистических решений, теории информации, теории нечетких алгоритмов, теории нечетких нейронных сетей и теории нечеткой логики. Синтез алгоритмов осуществляется с использованием методов теории управления, искусственного интеллекта и теории сложности алгоритмов. Для
разработки имитационных моделей применяются метод имитационного моделирования и методы проектирования информационно-управляющих систем.
С целью актуализации исследований выполнен анализ научно-методической литературы, научных статей и монографий. Базой для исследований послужили результаты работ, проведенных в области теории и систем интеллектуального управления многими исследователями. Среди них работы В.К. Абросимова, А.Н. Аверкина, В.И. Васильева, Ю.Г. Евтушенко, Ю.И. Журавлева, Л. Заде, Б.Г. Ильясова, П.С. Краснощекова, Б.Н. Петрова, И.М. Макарова, В.Ф. Мелехина, А.Н. Мелихова, К.В. Рудакова, А.П. Рыжова, А.Н. Райкова, В.Б. Тарасова, СВ. Ульянова, Е.Н. Черемисиной, Ю.А. Флерова, А. В. Язенина и др.
Объектом исследования являются робастные нечеткие регуляторы, функционирующие в условиях непредвиденных и нештатных ситуаций и неопределенности исходной информации.
Предметом исследования диссертационной работы являются методы и алгоритмы проектирования робастных баз знаний на основе мягких вычислений с учетом непредвиденных ситуаций и неопределенности исходной информации.
Научная новизна
Научная новизна работы состоит в следующем:
Разработан метод учета неопределенности исходной информации за счет включения в продукционные правила робастных баз знаний (БЗ) HP описания лингвистическими переменными меры изменения неопределенности в исходной информации (меры приращения информационного риска).
Предложен механизм проектирования робастных HP, включающий этапы проектирования робастных баз знаний HP на основе мягких вычислений с учетом оценки приращения информационного риска в продукционных правилах.
Разработана методика повышения уровня интеллектуальности исполнительных устройств систем управления, позволяющая достигнуть цели управления с минимальным расходом полезного ресурса при функционировании в ус* ловиях непредвиденных (нештатных) ситуаций и неопределенности исходной информации за счет применения робастных баз знаний HP.
Практическая значимость работы
Предложенный в диссертации механизм проектирования робастных нечетких регуляторов может использоваться при разработке ИСУ, функционирующих в условиях непредвиденных ситуаций и неопределенности исходной информации.
Апробация методики повышения уровня интеллектуальности исполнительных устройств систем управления показала эффективность её использования при проектировании робастных нечетких регуляторов различного уровня сложности.
Методические рекомендации и выводы диссертационного исследования успешно используются при обучении специалистов в области разработки и проектирования систем автоматического управления.
Проблемно-ориентированными областями применения разработанной методики проектирования являются интеллектуальная робототехника, интеллектуальная мехатроника, электромеханические исполнительные устройства автоматики и телемеханики, интеллектуальные системы сбора и обработки данных, информационно-управляющие системы защиты объектов управления (ОУ) с повышенными требованиями надежности.
Защищаемые положения диссертационной работы следуют из научной новизны и практической значимости и состоят в следующем:
Повышение надежности нечеткого регулятора возможно за счет формирования объективных баз знаний с соответствующим уровнем робастности и возможности учета в продукционных правилах оценки приращения информационных рисков.
Разработанный в диссертации механизм проектирования нечетких регуляторов на основе робастных БЗ, включающих в себя информационного оценку приращения риска, позволяет увеличить жизненный цикл работы ОУ и уменьшить расход полезного ресурса1 как в ОУ, так и в нечетком регуляторе.
Использование БЗ HP, в продукционных правилах которых учитывается информационная оценка приращения риска, при имитационном моделировании позволяет оценивать и прогнозировать достижение цели управления ОУ, функционирующего в условиях непредвиденных (нештатных) ситуаций управления и неопределенности исходной информации.
Апробация работы
Основные положения, представленные в диссертации, докладывались и обсуждались на следующих конференциях и семинарах:
IX-ая Международная конференция «Применение нечетких систем и мягких вычислений» г. Прага, 2010.
Международная научно-практическая конференция «Информационные технологии искусственного интеллекта в экономике - 2010» г. Дубна, 2010.
1 Ульянов СВ., Литвиїщева Л.В., Добрынин В.Н., Мишин А.А. Интеллектуальное ро-бастное управление: технологии мягких вычислений. - М.: ВНИИгеосистем, -2011, - С. 128.
Научные семинары кафедры Системного анализа и управления университета «Дубна», кафедры АСУ и ИТ МГУПИ, кафедры Математической теории интеллектуальных систем МГУ (2010 - 2011 гг.). Практическое внедрение работы осуществлялось на этапе проектирования комплексной многоуровневой интеллектуальной системы управления движением на железнодорожном транспорте. Методические рекомендации и выводы диссертации использованы в учебном процессе кафедры Системного анализа и управления Института системного анализа и управления университета «Дубна» в курсах «Основы теории управления», «Теория управления», «Компьютерные технологии анализа динамических систем», «Интеллектуальные информационные технологии», «Проектирование робастных ИСУ» для специалистов и бакалавров по направлениям «Информатика и вычислительная техника», «Прикладная информатика», «Конструирование и технология электронных средств». Публикации и личный вклад
Диссертация основана на теоретических, методических и экспериментальных исследованиях, выполненных автором в 2009 — 2011 гг.
Основные методические и технологические результаты получены непосредственно автором. По результатам выполненных исследований опубликовано 12 печатных работ, в том числе одна статья в журнале из перечня ВАК Министерства образования и науки РФ.
Автором обоснованы основные методические решения, обеспечивающие применение технологии проектирования робастных нечетких регуляторов с учетом оценки приращения информационного риска.
Непосредственно автором разработаны механизм извлечения, обработки и формирования продукционных правил робастных баз знаний с учетом оценки приращения информационного риска; инструментарий проектирования БЗ для задач интеллектуального управления и программная поддержка функционирования робастной базы знаний. Структура работы
Работа состоит из введения, четырёх глав, заключения и списка литературы. Работа изложена на 153 страницах, включает 73 рисунка и 2 таблицы. Список литературы содержит 147 наименований.
