Содержание к диссертации
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ
ОБОЗНАЧЕНИЙ, СИМВОЛОВ И ТЕРМИНОВ 5
ВВЕДЕНИЕ 6
ГЛАВА 1. ПРОБЛЕМА УПРАВЛЕНИЯ СИСТЕМАМИ С
ПОСЛЕДЕЙСТВИЕМ В УСЛОВИЯХ
ИНФОРМАЦИОННОЙ НЕОПРЕДЕЛЕННОСТИ 11
Введение в проблему управления системами с последействием в условиях информационной неопределенности 1 1
Формальная модель процесса управления системами с последействием. Постановка задачи управления. 13
Требования к моделям формирования управлений системами с последействием 16
Обзор подходов, автоматизирующих процесс управления системами с последействием в условиях неопределенности. 17
Подходы основанные на интерпретации знаний и работы с ними. Нечеткая логика 17
Модели нейросетевого управления
1.4.3. Актуальные проблемы при использовании нейросетевых
моделей управления в условиях информационной
неопределенности 28
1.5. Цели и задачи диссертационной работы 30
ГЛАВА 2. НЕЙРОСЕТЕВАЯ МОДЕЛЬ ФОРМИРОВАНИЯ
УПРАВЛЕНИЙ СИСТЕМАМИ С ПОСЛЕДЕЙСТВИЕМ В
УСЛОВИЯХ ИНФОРМАЦИОННОЙ
НЕОПРЕДЕЛЕННОСТИ 32
Системный подход к решению задач с использованием аппарата нейронных сетей 32
Формальное описание нейросетевой модели формирования управления. 35
Описание модели дескрипторов задачи управления
2.3.1. Дескрипторы структуры объекта управления
Дескрипторы метасостояний объектов управления и процедура их формирования 37
Дескрипторы управления
2.3.4. Дескрипторы поведения объекта управления
2.4. Процедуры формирования дескрипторов и
предварительной обработки 43
Процедура формирования дескрипторов структуры объекта управления 43
Процедура формирования дескрипторов метасостояний 43
Процедура формирования дескрипторов управления 48
Процедура формирования дескрипторов поведения 49
Процедура предварительной обработки данных 51
2.5. Нейросетевая структура модели и процедуры ее синтеза и
оптимизации 54
Нейросетевая модельная структура идентификации и процедуры ее синтеза и оптимизации 54
Мейросетевая структура управляющего объекта процедуры
ее синтеза и оптимизации 72
Функционирование нейросетевой модели 77
Процедура проверки модели на адекватность 82
Практические рекомендации и ограничения на применение разработанной нейросетевой модели формирования управлений 82
Основные результаты и выводы 85
ГЛАВА 3. РЕАЛИЗАЦИЯ НЕЙРОСЕТЕВОЙ МОДЕЛИ
ФОРМИРОВАНИЯ УПРАВЛЕНИЙ 87
Требования к реализации модели формирования управлений 87
Реализация алгоритмов модели в виде структуры классов 89
3.2.1. Абстракции верхнего уровня 89
Классы элементов нейросетевых модельных структур 93
Классы слоев элементов нейросетевых модельных структур 98
Классы нейросетевых модельных структур 101
Класс модулей нейронных сетей 102
Структура настраиваемой автоматизированной системы формирования управлений 104
Работа с настраиваемой автоматизированной системой формирования управлений 106
3.4.1. Процедура постановки задачи управления в
автоматизированной информационной системе 106
3.4.2. Расчет значений параметров управлений в
автоматизированной системе 107
3.5. Основные результаты и выводы 108
ГЛАВА 4. АПРОБАЦИЯ НЕЙРОСЕТВОЙ МОДЕЛИ 110
4.1. Задача управления функциональным состоянием
магистралей нижних конечностей 110
Постановка задачи управления 110
Предлагаемое решение 115
Обсуждение результатов и выводы 117
4.2. Задача управления транспортно -эксплуатационным
состоянием автомобильных дорог 119
Постановка задачи управления 119
Предлагаемое решение 121
Обсуждение результатов и выводы 122 ЗАКЛЮЧЕНИЕ 123 СПИСОК ЛИТЕРАТУРЫ 125 ПРИЛОЖЕНИЕ 1. Экранные формы АИС формирования управлений
ПРИЛОЖЕНИЕ 2. Пример функционирования модели решения задачи управления состоянием автомобильных дорог.
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СИМВОЛОВ И ТЕРМИНОВ
СУ Система управления
ОУ Объект управления
НСУ Нейросетевая система управления
НС (Искусственная) нейронная сеть
АСУ Автоматизированная система управления
УО Управляющий объект
ЛПР Лицо, принимающее решение
АИС Автоматизированная информационная система
Р множество
Pt подмножество множества Р
Pi элемент множества
ра. элемент множества, заданный в виде интервала
L». I матрица размером т - количество строк, п - столбцов, верхний
индекс номер строки, нижний номер столбца
п' элемент матрицы, / - строка, j - столбец
\U\ мощность множества U
А —> В операция отображения множества А на множество В
Введение к работе
Актуальность. Проблема эффективного управления системами с последействием в условиях информационной неопределенности является актуальной задачей в различных предметных областях, качество решения которой зависит от сложности объекта и от применяемых методов обработки информации и управления. Неопределенность, характеризуемая отсутствием формальной модели объекта, изменением значений параметров в процессе функционирования и нечетким заданием значений параметров, значительно затрудняет процесс принятия оптимального управленческого решения. Одним из перспективных направлений, повышающих качество управления, является разработка и внедрение систем автоматизации, которые реализуют модели, учитывающие ограничения неопределенности.
Существующие подходы к автоматизации процесса управления, основанные на использовании нейросетевых технологий, предложенные и развитые в работах Глушкова В.М., Цыпкина ЯЗ., Галушкина Л.И., Терехова В.Л., Пупкова К.Л., Гаврилова Л.И., Ефимова Д.В., Тюкина И.Ю., Вербоса (Werbos Р.), Нарендры (Narendra К.), Левина (Levin А.), Чена (Chen L.), Омату (Omatu S.), Нарди (Nardi F.), являются эффективными и превосходящими альтернативные методы. Это обосновано тем, что нейросетевые модели, рассматриваются как естественное развитие традиционной теории линейных систем, методов оптимизации функции многих переменных, раздела математической статистики нелинейного регрессионного анализа. Однако проблема применимости этих подходов для управления систем с последействием в условиях функционально -параметрической неопределенности с учетом ограничений на управляющие воздействия и критериев оптимальности не достаточно исследована. Основным недостатком нечетких моделей, рассмотренных в работах Л Ванга (Wang L.), Дж. Менделя (J Mendel), Б.Коско (Cosco В.), Минаева Ю.Н., изначально учитывающих условия информационной неопределенности,
является проблема адаптации моделей к структурному изменению объекта управления, т.к. требуется привлечение знаний экспертов, что не всегда возможно.
Вышеизложенное позволяет заключить, что проблема разработки моделей формирования управлений системами с последействием в условиях информационной неопределенности на основе аппарата искусственных нейронных сетей на современном этапе еще недостаточно решена и требует активного внимания.
Вышеизложенное позволяет заключить, что проблема автоматизации управления сложными системами в нейросетевом логическом базисе, а также проблемы синтеза и реализации методик идентификации и управления классом сложных систем на современном этапе еще недостаточно решены и требуют активного внимания.
Цель и задачи работы. Целью работы является повышение эффективности процесса управления системами с последействием в условиях информационной неопределенности посредством разработки нейросетевой модели формирования управленческих решений.
Для достижения поставленной цели необходимо решить следующие задачи.
Формализовать процесс управления системами с последействием в условиях информационной неопределенности, выделить объекты автоматизации и выполнить анализ существующих подходов к автоматизации управления.
Разработать нейросетевую модель формирования управлений, включающую модель идентификации объектов управления и нейросетевые модели управляющего объекта с учетом ограничений на параметры управления и критериев оптимальности.
Разработать алгоритмы, реализующие предложенную модель, и структуру классов модели с использованием принципов объектно-ориентированного проектирования программных систем.
Реализовать автоматизированную информационную систему формирования управлений и проверить достоверность теоретических результатов на решении практических задач.
Методы исследования. Для решения поставленных задач были использованы методы системного анализа, теории управления, теории искусственных нейронных сетей, нечеткой логики, искусственного интеллекта, а также применялись положения теории объектно-ориентированного проектирования программных систем, теории проектирования реляционных баз данных.
Научная новизна. Разработана нейросетевая модель формирования управлений системами с последействием в условиях информационной неопределенности, включающая в себя:
адаптивную нейросетевую модель идентификации объекта управления, отличающуюся многомодульной организацией рекуррентных нейронных сетей, возможностью обработки информации представленной как в четком виде, так и в виде интервальных переменных, и алгоритмом структурной и параметрической оптимизации, что позволяет использовать для идентификации в условиях изменения информации о структуре и поведении систем с последействием;
нейросетевую модель идентификации метасостояний объекта управления, основанную на модели представления знаний в виде нечетких отношений, модифицированной возможностью учитывать изменения значений параметров во времени, что позволяет решить проблему функциональной неопределенности;
адаптивную нейросетевую модель управляющего объекта, отличающуюся возможностью формирования управлений в соответствии с
целью заданной в виде значений функции уставки, целью заданной в виде конечного многообразия состояний и целью, заданной в виде функциональной зависимости от состояния объекта, с учетом критериев оптимальности и ограничений на управляющие параметры, что позволяет использовать модель при решении проблемы оптимального управления.
Практическая значимость исследования состоит в реализации алгоритмов нейросетевой модели, разработке структуры классов объектов модели с использованием принципов объектно - ориентированного проектирования, в разработке настраиваемой автоматизированной информационной системы формирования управлений, апробации предложенной модели на решении практических задач: задачи управления функциональным состоянием магистралей нижних конечностей человека, задачи управления транспортно - эксплуатационным состоянием автомобильных дорог.
Реализация результатов. Разработанная на базе предложенного подхода настраиваемая автоматизированная информационная система применяется в отделении сосудистой хирургии клиники общей хирургии им. Л.Л. Полянцева Волгоградского государственного медицинского университета и позволила повысить эффективность управленческих решений, что привело к снижению частоты возникновения неблагоприятных исходов на 4,17% и 1,32%. Представленные в работе подходы реализованы в Автоматизированной системе прогнозирования изменения транспортно-эксплуатационного состояния автомобильных дорог, использующейся в ДСУ №1 ОГУП «Волгоградавтодор» и Системе управления транспортно-эксплуатационным состоянием автомобильных дорог, внедренной в Волгоградском центре «РосдорНИИ». Системы позволяют повысить качество управляЕОщих решений, за счет оптимального распределения финансовых средств на проведение ремонтных дорог. Отдельные теоретические и практические результаты внедрены в учебные программы
по курсу «Проектирование ЛСОИУ», «Аналитическое программное обеспечение ЛСОИУ».
Апробация работы. Основные положения и материалы диссертации
докладывались на Международных научных и научно-технических
конференциях «Информационные технологии в образовании, технике и
медицине» (Волгоград 2000, 2002), «Нейросетевые технологии и их
применение» (Краматорск, Украина 2002, 2003), «Экология и развитие
общества» (Санкт-Петербург, 2003), «Математическое моделирование в
технике и технологиях» ММТТ-16 (Санкт-Петербург, 2003),
«Интеллектуальные системы (IEEE AIS'03)» (Дивноморское, 2003), VIII
Всероссийской конференции с международным участием
«Нейрокомпьютеры и их применение» (ИПУ им. В.А. Трапезникова РАН, Москва 2002), VIII и X Всероссийских семинарах «Нейроинформатика и её приложения» (Красноярск 2001, 2002), IV, V, VI Региональных конференциях молодых исследователей Волгоградской области (Волгоград, 2000 - 2002)
Публикации. По теме диссертации опубликовано 17 печатных работ, в том числе: 4 публикации в изданиях центральной печати, 7 статей в сборниках научных трудов, 3 статьи в материалах научных семинаров, 3 тезиса докладов различных конференций.
Структура и содержание диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, 2-х приложений и списка литературы. Общий объем диссертации 136 страниц, 35 рисунков, список использованных источников из 118 наименований.
