Содержание к диссертации
Введение
1 Исследование средств работы со знаниями, применяемых в экспертных системах 12
1.1 Особенности экспертных систем наземного объективного контроля авиационных комплексов радиолокационного дозора и наведения 12
1.2 Структура экспертной системы объективного контроля АК РЛДН 20
1.3 Обработка знаний в экспертных системах 24
1.4 Исследование моделей данных и методов работы со знаниями в функционально подобных экспертных системах 26
1.4.1 Применение продукционных правил в диагностических экспертных системах EMYCIN и ASTA 29
1.4.2 Использование нейро-нечетких гибридных экспертных систем для диагностирования газотурбинных двигателей 31
1.4.3 Применение нечеткой логики в оболочке для построения экспертных систем FuzzyCLIPS k 32
1.4.4 Использование доски объявлений в экспертной системе оценки ситуаций в области разведки радиообмена противника HANNIBAL. 34
1.5 Выводы по главе І 35
2 Разработка методов и алгоритмов анализа данных для решателя экспертной системы объективного контроля постполетной информации 37
2.1 Разработка способа представления данных в проверочной базе знаний экспертной системы 38
2.2 Метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных :l правил 41
2.3 Разработка алгоритмов комплексного контроля действий операторов и состояния аппаратуры с использованием последовательной и параллельной обработки 54
2.4 Выводы по главе 61
3 Математическое моделирование анализа данных в экспертных системах объективного контроля постполетной информации 62
3.1 Математические ограничения модели 62
3.2 Выбор математического аппарата 66
3.3 Разработка с использованием СНДА модели межпоточного взаимодействия для алгоритмов комплексного контроля действий операторов и состояния аппаратуры с использованием параллельной обработки 70
3.4 Автоматная модель алгоритмов комплексного контроля действий операторов и состояния аппаратуры 79
3.5 Моделирование алгоритмов анализа данных в экспертных системах объективного контроля 96
3.6 Выводы по главе 102
4 Практическая апробация метода и алгоритмов анализа данных для решателя экспертной системы объективного контроля постполетной информации 104
4.1 Наземный комплекс обработки и дешифрирования информации 104
4.2 Натурное моделирование 121
4.3 Выводы по главе 125
Заключение 126
Перечень принятых сокращений 128
Список использованных источников
- Исследование моделей данных и методов работы со знаниями в функционально подобных экспертных системах
- Метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных :l правил
- Разработка с использованием СНДА модели межпоточного взаимодействия для алгоритмов комплексного контроля действий операторов и состояния аппаратуры с использованием параллельной обработки
- Натурное моделирование
Введение к работе
Актуальность темы. В настоящее время наблюдается значительный рост исследований и разработок в области авиации. Данные исследования направлены как на создание новых образцов техники, так и на модернизацию старых. Одной из основных проблем, возникающих при испытании и эксплуатации авиационных комплексов, является обеспечение функций контроля процесса эксплуатации. Поэтому в состав комплексов входят средства объективного контроля (СОК), обеспечивающие анализ состояния технических средств комплекса, окружающей обстановки и действий операторов.
До настоящего времени не была разработана экспертная система анализа постполетной информации, задокументированной авиационными комплексами радиолокационного дозора и наведения (АК РЛДН).
Программные средства, базирующиеся на технологии экспертных систем (ЭС), получили значительное распространение в мире. В зарубежных странах проводятся активные исследования и работы по применению прикладной информатики, искусственного интеллекта и ЭС. В частности, в этой области известны работы следующих ученых: Edward Shortliffe, Bruce Buchanan, Stanley N. Cohen, Hector Levesque, William A. Martin, Joel Moses. В России этой проблеме посвящены работы П. О. Сафонова (ВГТУ, Воронеж), В. А. Нагина (МГИЭТ (ТУ), Москва) и др.
Однако использование существующих средств представления и обработки знаний, применяемых в универсальных ЭС, не всегда оправдано вследствие ограничений, связанных со спецификой входных данных и режимов обработки документируемой информации. Усложнение задач, решаемых АК РЛДН, накладывает дополнительные ограничения на систему контроля, вследствие чего возрастает объем, увеличиваются сложность и время обработки задокументированных данных. При этом актуальными становятся:
разработка методов анализа сложной разнородной информации для ЭС объективного контроля постполетной информации авиационных комплексов;
разработка параллельных алгоритмов анализа данных с целью повышения скорости обработки зарегистрированной информации;
разработка способа представления разнородных знаний для их обработки машиной логического вывода с использованием параллельных алгоритмов.
Целью диссертационной работы является разработка научно обоснованных технических решений по повышению оперативности и автоматизации анализа постполетной информации авиационных комплексов радиолокационного дозора и наведения с использованием ЭС объективного контроля.
Для достижения поставленной цели были сформулированы и решены следующие частные задачи:
1. Исследование способов представления данных в проверочной базе знаний экспертной системы объективного контроля постполетной информации.
-
Разработка метода анализа данных о состоянии аппаратуры и действиях операторов авиационных комплексов при выполнении процедур контроля с использованием экспертной информации.
-
Разработка и исследование алгоритмов анализа данных в решателе экспертной системы объективного контроля постполетной информации.
4. Исследование информационных процессов в имитационных и
натурных моделях решателя экспертной системы объективного контроля
постполетной информации.
Объектом исследования являются машины логического вывода экспертных систем объективного контроля постполетной информации авиационных комплексов.
Предметом исследования являются средства представления и обработки знаний в ЭС наземного объективного контроля, методы и алгоритмы обработки разнородных данных на основе анализа экспертной информации.
Методы исследования. Для решения поставленной в диссертационной работе задачи анализа данных с использованием интеллектуальных ЭС применялся комплекс математических методов и алгоритмов по формализации исходных данных и интеллектуальному выводу с использованием пополняемой базы знаний. Проведенные в работе исследования базируются на теории множеств, описании системы с использованием предикатов второго порядка и теории диагностических ЭС, а также методах поиска решений в ЭС. На всех этапах исследования применяются элементы математического и натурного моделирования решателя системы объективного контроля с использованием теории событийных недетерминированных автоматов (СНДА).
Научная новизна работы состоит в следующем:
-
Предложен метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных правил. Он основан на методе контроля действий операторов авиационных комплексов радиолокационного дозора и наведения и отличается возможностью совместной и параллельной обработки информации о действиях операторов и техническом состоянии комплекса.
-
Разработаны алгоритмы комплексного контроля действий операторов и состояния аппаратуры с использованием последовательной и параллельной обработки, адаптированные для реализации предложенного метода. Отличительной особенностью данных алгоритмов является совместная обработка постполетной информации по нескольким задачам контроля, что позволяет сократить время анализа путем уменьшения количества обращений к массиву задокументированных данных.
-
Разработана математическая модель последовательного и параллельных алгоритмов комплексного контроля действий операторов и состояния аппаратуры, основанная на формализации функций взаимоисключения критических участков, предложенной Н. П. Вашкевичем, которая позволяет проводить оценку оперативности выполнения исследуемых алгоритмов. Отличи-
тельной особенностью данной модели является возможность исследования зависимости времени работы каждого алгоритма от структуры и объема входной информации.
4. Предложен способ представления данных в проверочной базе знаний экспертной системы с использованием объектно-ориентированной и предикатной моделей, что позволяет в отличие от известных способов унифицировать хранение и обработку экспертной информации в единой базе знаний.
Теоретическая значимость исследования обусловлена тем, что произведена формализация процедур объективного контроля, позволяющая автоматизировать процессы обработки информации о функционировании системы, зарегистрированной устройствами регистрации.
Практическая ценность работы связана с архитектурными и функционально-структурными решениями для разрабатываемых систем объективного контроля авиационных радиолокационных комплексов Вооруженных сил России, устройств управления заправочными объектами и сходных диагностических систем военного и гражданского назначения:
-
Разработана структура базы знаний экспертной системы диагностики, позволяющая вести автоматизированную обработку информации в многоядерной вычислительной среде.
-
Проведено моделирование решателя экспертной системы объективного контроля постполетной информации авиационных комплексов радиолокационного дозора и наведения, позволившее выполнить сравнительный анализ оперативности выполнения последовательного и параллельных алгоритмов контроля действий операторов и состояния аппаратуры.
3. Разработан клиент контроля экспертной системы, позволяющий вести обработку файлов сценариев для последующего создания отчета о проведении процедур контроля и использующийся в системе объективного контроля постполетной информации авиационного комплекса А-100 и стендового оборудования для проверки промышленных контроллеров управления объектами заправки.
Определены границы практического применения результатов исследования. Описаны условия, которым должны соответствовать системы, чтобы исследовать их с помощью предложенного в диссертации подхода - это класс систем анализа задокументированной и не изменяемой после регистрации постполетной информации, имеющей временные ограничения на обработку.
Область исследования. Содержание диссертации соответствует паспорту специальности 05.13.17 - Теоретические основы информатики (технические науки) по следующим областям исследований:
— п. 4 «Исследование и разработка средств представления знаний. Принципы создания языков представления знаний, в том числе для плохо структурированных предметных областей и слабоструктурированных задач; разработка интегрированных средств представления знаний, средств представления знаний, отражающих динамику процессов, концептуальных и семиотических моделей предметных областей»;
п. 5 «Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений»;
п. 12 «Разработка математических, логических, семиотических и лингвистических моделей и методов взаимодействия информационных процессов, в том числе на базе специализированных вычислительных систем»;
п. 14 «Разработка теоретических основ создания программных систем для новых информационных технологий»;
а также паспорту специальности 05.13.15 - Вычислительные машины, комплексы и компьютерные сети по следующим областям исследований:
п. 4 «Разработка научных методов и алгоритмов организации параллельной и распределенной обработки информации, многопроцессорных, многомашинных и специальных вычислительных систем»;
п. 6 «Разработка научных методов, алгоритмов и программ, обеспечивающих надежность, контроль и диагностику функционирования вычислительных машин, комплексов и компьютерных сетей».
Основные положения, выносимые на защиту:
-
Метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных правил.
-
Алгоритмы комплексного контроля действий операторов и состояния аппаратуры с использованием последовательной и параллельной обработки.
-
Математическая модель алгоритмов комплексного контроля действий операторов и состояния аппаратуры с использованием параллельной обработки.
-
Способ представления данных в проверочной базе знаний экспертной системы с использованием объектно-ориентированной и предикатной моделей.
-
Математическое и натурное моделирование подсистемы вывода решения и исследование информационных процессов в экспертной системе.
-
Клиент контроля для экспертной системы, позволяющий вести обработку файлов сценариев для последующего создания отчета о проведении процедуры контроля.
Достоверность научных положений подтверждена результатами экспериментальных исследований, а также практикой разработки, внедрения и эксплуатации диагностических ЭС, в частности, для авиационного радиолокационного комплекса А-100 и промышленных контроллеров управления объектами заправки.
Реализация и внедрение результатов диссертационной работы. Диссертационная работа выполнялась в рамках научно-исследовательских работ, проводимых в Пензенском государственном университете:
— федеральной целевой программы «Научные и научно-педагогические
кадры инновационной России» на 2009—2013 гг. (соглашение № 14.В37.21.0597);
— НИР № 01201257166 «Развитие теории организации взаимодействия
параллельных процессов в распределенных системах обработки данных» в
рамках государственного задания на 2012-2013 гг.
Получены 3 акта внедрения результатов диссертационного исследования в следующих опытно-конструкторских работах:
наземный комплекс обработки и дешифрирования информации для авиационного комплекса А-100 - «ПРЕМЬЕР-НКОД» — ОАО «Концерн «Ве-га», г. Москва, ОАО «НПП «Рубин», г. Пенза;
процедурный тренажер наземного комплекса обработки и дешифрирования информации для авиационного комплекса А-100 - «ПТ НКОД» — ОАО «Концерн «Вега», г. Москва, ОАО «НПП «Рубин», г. Пенза;
стендовое оборудование для проверки разрабатываемых промышленных контроллеров - ЗАО «НИИФИ и ВТ», г. Пенза.
Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях: Международной научно-технической конференции «Новые информационные технологии и системы» (Пенза, 2008, 2010, 2012 гг.); Всероссийской конференции «Проведение научных исследований в области обработки, хранения, передачи и защиты информации» (Ульяновск, 2009 г.); Международной научно-практической конференции «Молодежь. Наука. Инновации» (Пенза, 2013 г.). Основные результаты работы также докладывались на ежегодных конференциях, проводимых в «ОАО «НПП Рубин» и в Пензенском государственном университете.
Публикации. По теме диссертации опубликовано 27 печатных работ, в том числе 5 статей в изданиях, рекомендованных ВАК РФ, и 9 свидетельств об официальной регистрации программ для ЭВМ. Все результаты, составляющие содержание диссертации, получены автором самостоятельно.
Личный вклад соискателя состоит в анализе ситуации, сложившейся на данном научном направлении, в постановке задач с использованием практического опыта автора и решении этих задач с применением передовых достижений науки и техники. Автор принимал непосредственное участие в практических и научных исследованиях по разработке диагностических экспертных систем для авиационных радиолокационных комплексов, по результатам которых получено 9 свидетельств об официальной регистрации программ для ЭВМ. На основе методик, алгоритмов и моделей, предложенных в диссертационном исследовании, автором был разработан клиент контроля для экспертной системы объективного контроля постполетной информации разрабатываемого авиационного комплекса А-100 и стендового оборудования для проверки промышленных контроллеров управления объектами заправки, что подтверждается тремя актами о внедрении результатов диссертационного исследования.
Структура и объем диссертационной работы. Работа состоит из введения, четырех глав основной части и заключения, изложенных на 127 страницах (включая 50 рисунков, 15 таблиц), перечня принятых сокращений, списка литературы и трех приложений на 25 страницах.
Исследование моделей данных и методов работы со знаниями в функционально подобных экспертных системах
Важной составной частью информационно-диагностической системы АК РЛДН являются средства объективного контроля, реализованные в виде бортовых накопителей специального назначения и наземного комплекса обработки и дешифрирования информации изделия.
Задачами объективного контроля таких систем являются [12]: - предотвращение выпуска в полёт комплекса для выполнения задач по предназначению с неисправными узлами; - выявление причин неудовлетворительных результатов выполнения полетных заданий; - обеспечение комиссий по расследованию авиационных происшествий и инцидентов достоверными данными о работоспособности систем изделия, действиях и переговорах операторов между собой, с экипажем и с наземными пунктами управления и наведения; - накопление данных (формирование баз данных) работы контролируемых бортовых систем и оборудования РЛК для последующей статистической обработки и прогнозирования, а также действий операторов и результатов применения (оперативно-тактической информации), для оценки качества выполнения полётных заданий и обучения экипажа. В информации, обрабатываемой диагностической системой, можно выделить следующие множества. Множество кодограмм С и множество полей кодограмм G, являющиеся подмножеством каждой кодограммы. С ={СрС2,...,Сл} = \{gn &l2 " lmi {21 22 ," 82if -" \Snl n2 ", njff \ -Ч где n,m,i,jeN ; Над данными множествами выполняются функции проверки значения полей L (g) 9L (g) "- 4 l (&) (ПРИ этом каждая функция может проверять свои конкретные атрибуты поля: функцию, диапазон корректных значений и т.п.). Объективный контроль подразделяется на оперативный, специальный и полный [13].
Оперативный контроль осуществляется по материалам бортового устройства регистрации (БУР) и бортовых автоматизированных систем контроля в целях проверки функционирования и работоспособности авиационной техники, выявления фактов нарушения летно-эксплуатационных ограничений (условий безопасности полетов), нарушений выполнения полетного задания, эксплуатации AT для принятия решения о допуске ВС и экипажа к следующему полету. Применительно к изделию А-100 оперативный контроль проводится в целях: - выявления отказов и отклонений в работе изделия А-100; - выявления нарушений в эксплуатации изделия А-100 летным и инженерно-техническим составом; - проверки полноты и последовательности выполнения операторами АК РЛДН полетного задания.
При выполнении полетов в отрыве от аэродрома основного базирования продолжительное время воздушное судно должно укомплектовываться переносным оборудованием с запасом ресурсов, обеспечивающим перезапись и сохранение полетной информации на весь запланированный период. При этом материалы оперативного контроля, накопленные за время работы в отрыве от аэродрома основного базирования, после возвращения, в полном объёме должны быть перенесены в базу данных наземного комплекса обработки и дешифрирования информации изделия А-100 [14].
Специальный контроль представляет собой углубленный контроль технического состояния, выполнения экипажем полётных заданий и осуществляется в целях: - определения причин нарушения работоспособности авиационной техники и правил ее эксплуатации, выявленных в процессе оперативного контроля или по замечаниям лётного состава; - углубленного анализа технического состояния авиационной техники; - углубленного контроля выполнения полётных заданий; - сбора и обработки полетной информации для прогнозирования технического состояния авиационной техники, определения уровня натренированности летного состава.
При специальном контроле используется информация БУР и баз данных на наземном комплексе обработки и дешифрирования информации (НКОД) изделия А-100, результаты оперативного контроля, информация о результатах применения, результаты контроля технического состояния изделия А-100 и действий экииипажа.
Полный контроль осуществляется в целях определения причин авиационных происшествий и инцидентов. Контроль технического состояния производится по информации БУР, зарегистрированной в крайнем полете, а также по информации и результатам оперативного и специального контроля, сохранившимся в виде материалов оперативного контроля и баз данных на наземном комплексе обработки и дешифрирования информации.
В результате исследования модели АК РЛДН комплекса, представленной на рисунках 1.1-1.3, можно выделить классы сценариев СОК и диагностики, необходимые для наземного комплекса объективного контроля.
Для проведения процедур контроля и диагностики необходимо выделить классы проверок, используемые как в пассивных, так и в активных режимах работы комплекса. Композиционная схема организации сценариев объективного контроля АК РЛДН в терминах языка онтологии IDEF5 [15] представлена на рисунке 1.4.
Исходя из представленных на рисунке 1.4 классов обработки информации, можно сделать вывод о перекрытии множества возможных сценариев пассивных режимов работы, реализованных в классе динамической информации и частично сценариями контроля кодограмм, сценариями активных режимов. На рисунке 1.4 выделяются классы динамической и статической графической, а так же текстовой табличной информации, реализованные при проведении процедур специального контроля. В соответствии с СОК при проведении объективного контроля можно выделить три вида контроля.
Экспресс контроль проводится над ограниченным объёмом данных с целью выявить неисправности аппаратуры и проанализировать форматизированные результаты работы комплекса за ограниченный промежуток времени. При этом для этого вида контроля создаются собственные сценарии проверки, позволяющие уменьшить время проведения анализа путём выборочной загрузки контролируемых данных.
Оперативный контроль проводится уже над всеми зарегистрированными в определённый промежуток времени данными с использованием более широкой номенклатуры сценариев контроля.
Метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных :l правил
Особую сложность представляет контроль действий операторов. Каждый оператор располагается на своем рабочем месте и выполняет определенные боевые задачи. Суть контроля состоит в том, чтобы проверить правильность последовательности действий по выполнению конкретной задачи и правильность функционирования аппаратуры при выполнении этих действий. Для этого необходимо из общего массива задокументированных в процессе эксплуатации данных выбрать действия конкретного .оператора, определить какую именно задачу он выполнял и оценить правильность ее выполнения. Кроме того требуется проанализировать информацию, зарегистрированную аппаратурой, например состояние каналов передачи, положение сопровождаемой цели и т.д. [66].
Задачу анализа можно разбить на 3: подзадачи: - фильтрация из общего массива данных записей, относящихся к одной и той же задаче; - контроль порядка действий, выполняемых оператором; - контроль состояния аппаратуры.
Для анализа правильности действий операторов и работы аппаратуры предполагается использовать математический аппарат, основанный на продукционных правилах. Для нахождения ошибок будем использовать скрипты проверки управляемые «образцами» [22], которые работают с набором записей по конкретной задаче. На каждом шаге работы такой скрипт анализирует текущую ситуацию и определяет по анализу «образцов», какой модуль скрипта подходит для обработки этой ситуации.
Каждый управляемый «образцом» модуль состоит из механизмов исследования и модификации одной или нескольких структур данных. Модуль на очередном шаге работы анализирует данные рабочей памяти, проверяя наличие структур, которые сопоставляются с его «образцом». Системы, построенные на основе управляемых «образцами» модулей, называют системами вывода, управляемыми «образцами» [67]. Функции управления в этих системах осуществляет интерпретатор.
С точки зрения представления знаний подход, использующий управляемые «образцами модули», можно охарактеризовать следующими особенностями: - разделение постоянных знаний, хранимых в базе знаний, и временных знаний, хранимых в рабочей памяти; - структурная независимость модулей, облегчающая модификацию и совершенствование системы, что чрезвычайно важно для экспертных систем, постоянно модифицирующих свои знания. Кроме того, независимость модулей упрощает объединение программ, написанных разными авторами; - отделение схемы управления от модулей, несущих знания о проблемной области, что позволяет применять различные схемы управления.
Пусть R - множество упорядоченных по времени записей, являющихся отображением подмножества упорядоченного множества кодограмм С. При этом R можно представить как множество, состоящее из элементов где t - время записи; х - задокументированная команда (команда оператора или аппаратуры комплекса); Рі Р2 Рз --- РпР дополнительные поля записи, используемые при её фильтрации и анализе, где пр - количество информационных полей записи rj . Для дальнейшего анализа записи fj введём понятие скрипта проверки.
Как следует из опыта применения АК РЛДН предыдущих поколений, любая задача, выполняемая ими, строго формализована и состоит из конечного набора команд, используемых в различных режимах работы. Можно составить единый (упрощённый) словарь возможных команд X, представляющий собой список эталонных образцов для системы вывода X = {xvx2,...,xdicCmm), (2.2) где dicCount - размерность словаря. Для анализа входной последовательности необходимо провести фильтрацию элементов множества R (2.1). Для этого вводится понятие фильтра F, состоящего из элементов множества ft (2.3), имеющего поля, эквивалентные одноименным полям множества R /,={р1,Р2 Рз - Рт} (2-3) где т - размерность фильтра, при этом т пр. Статистическая оценка порядка выполнения команд будет осуществляться с использованием скриптов проверки. Под скриптами проверки будем понимать упорядоченное множество скриптов проверки S, состоящее из (2.4) S, = , ІР s \kortvkort2,...,kortnk Н [E = {kortstopV...,kortstop)}, {f = {pv...,pm}} где Р - множество, состоящее из пк кортежей промежуточных условий скрипта 5, ; х«art стартовая команда скрипта ,у(.; Е - множество, состоящее из / .кортежей kortslop условий завершения скрипта st; /- элемент множества F, состоящий из т фильтруемых полей (2.3). изъявляется кортежем условий kort= x,y,At , (2.5) где у является элементом множества выполненных команд Y, эквивалентным множеству Xзарегистрированных команд (Х Y); At - интервал времени между командами. Такое описание удобно при заполнении скриптов проверки экспертом для дальнейшего использования в работе продукционными правилами.
Так как обработка информации осуществляется сразу по нескольким скриптам, необходимо ввести понятие диагностическая последовательность D, которая будет использоваться при работе продукционной системы (2.6). Диагностическая последовательность является динамически изменяемым, помеченным множеством D, состоящим из элементов d. D = {d,}. (2.6) Следует отметить, что при возникновении события «начать проверку по скрипту» в множество D добавляется элемент с индексом /+1. Каждому элементу d, являющемуся, по сути, памятью, соответствует кортеж признаков d = у, f, t, п, id, stack, status , (2.7) где t - время возникновения события у; п - номер скрипта в множестве S; id - уникальный идентификатор элемента d в диагностической последовательности D; stack - элемент памяти, уникальный для каждого d, которому соответствует множество элементов x,t , организованный по принципу стека; status - элемент множества{start,finish,execute,bad), служащий для хранения текущего состояния диагностической последовательности. Решатель, выполняющий продукционные правила над текущем элементом множества R - rJf может выполнять два блока, первый из которых выполняется обязательно Qthen, а второй лишь в том случае, если первый блок не выполнен Qelse.
Разработка с использованием СНДА модели межпоточного взаимодействия для алгоритмов комплексного контроля действий операторов и состояния аппаратуры с использованием параллельной обработки
Таким образом, в ходе исследования, проведенного в данной главе, были достигнуты следующие результаты, которые позволяют повысить оперативность выполнения процессов обработки и дешифрирования постполётной информации, зарегистрированной бортовыми устройствами регистрации, при выполнении оперативного, специального и полного объективного контроля:
1. Предложен метод комплексного контроля действий операторов и состояния аппаратуры, использующий математический аппарат продукционных правил.
2. Разработаны алгоритмы комплексного контроля действий операторов и состояния аппаратуры с использованием последовательной и параллельной обработки, адаптированные для реализации предложенного метода.
3. Предложен способ представления данных в проверочной базе знаний экспертной системы с использованием объектно-ориентированной и предикатной моделей. Для сценария определенного тина, может быть установлено множество контролируемых кодограмм. В свою очередь кодограмма содержит множество правил контроля для каждого ее поля.
Отличительной особенностью полученных результатов является возможность их применения в аналогичных диагностических системах военного и гражданского назначения, что обусловлено многоступенчатой системой настройки диагностической системы под объект контроля.
Математическое моделирование анализа данных в экспертных системах объективного контроля постполетной информации.
В целом построение решателя для ЭС объективного контроля с учетом предложенной в главе 2 модели организации проверочных знаний не представляет большой сложности: обработка базы знаний достаточно хорошо распараллеливается существующими менеджерами параллельной обработки [69], [72]. Однако особую сложность представляет комплексный контроль действий операторов и состояния аппаратуры.
Для обоснования предложенного метода к формализации проверочных знаний, позволяющего выстраивать цепочки выявления ошибок, с использованием продукционной модели представления знаний необходимо провести математическое моделирование разработанных в разделе 2.3 алгоритмов. В качестве критерия оценки эффективности функционирования каждого алгоритма выберем время обработки.
Прежде чем перейти к разработке математической модели, необходимо определить ее степень детализации, входные параметры (параметры воздействия внешней среды Е) и оцениваемые показатели [73].
Моделирование функционирования аппаратного обеспечения СОК (работа жесткого диска, выполнение команд процессором, работа с оперативной памятью и т.д.) сведем к выполнению в алгоритмах основных атомарных операций. Время выполнения каждой операции будет измерено на заданной конфигурации и подставлено в математическую модель в качестве ее параметра [74].
К входным параметрам можно отнести задокументированные данные и сценарии их проверки. Задокументированные данные обладают следующими характеристиками: - время документирования информации - tdoc. В случае АК РЛДН время документирования равняется времени полета. Из опыта эксплуатации АК РЛДН предыдущего поколения максимальное время полета составляет 8 часов [75]; - число одновременно выполняемых задач со всех рабочих мест и узлов анализируемого авиационного комплекса; - количество команд, выдаваемых системой документирования в секунду. Количество команд зависит от числа выполняемых в текущий момент задач, но при этом ограничено производительностью системы документирования. Однако для определения максимальной нагрузки этим ограничением можно пренебречь;
- размер контролируемой кодограммы: количество полей - длина кодограммы и объем памяти CgSize, который они занимают. Обе величины имеют дискретное равномерное распределение. На основании исследований, проведенных в [76], было выявлено, что максимальное количество полей в кодограмме - 255, минимальное - 3. Это поля, содержащие время документирования, фильтр входной последовательности и данные с отслеживаемой командой. Однако, помимо этих полей, в кодограммах могут содержаться необязательные поля со служебной информацией. Максимальный размер кодограммы составляет MaxCgSize= 1024 байта, минимальный -MinCgSize= 6 байт (4 байта содержат время документирования в формате UTC [77], по 1 байту отводится на фильтр и данные), кодограммы, содержащие видеоизображение или звуковые данные, не учитывались.
Скрипт проверки составляется на основании словаря возможных команд («образцов»). Теоретически размер словаря ограничен лишь количеством возможных значений, которые может принимать поле данных. Исходя из того, что максимальный размер кодограммы составляет 1024 байта, а на фильтр и время отводится минимум 5 байт, можно сказать, что максимальное количество элементов словаря будет равно z . Однако слишком большое количество элементов в словаре усложняет процесс создания скрипта проверки для эксперта - на практике размер скрипта не превышает 4096 записей. Определим максимальное количество возможных переходов между «образцами», которыми может оперировать эксперт при составлении скрипта проверки. Для словаря размерностью w существует wx(w-l) возможных переходов, т.е. 4096 «образцам» соответствует 16 773 120 перехода. При оценке граничных условий работы АК РЛДН каждый скрипт не может содержать такое количество промежуточных условий и условий завершения, а его средняя мощность в результате эмпирической оценки работы отечественных комплексов ограничена 487 элементами [78].
Стартовой командой скрипта равновероятно может быть любая команда из словаря (дискретное равномерное распределение). Для словаря команд размером 4096 записей вероятность выбора определенной стартовой команды составляет 2,44x1 (Г4.
Натурное моделирование
В случае, если размеры отчета будут довольно велики, он будет дробиться на части для удобства работы. При этом название файлов будет выглядеть следующим образом: Название _ Номер по порядку .гхґ Все сформированные отчеты располагаются в каталоге с текущим паспортом эксперимента в каталоге /report. Выбрав пункт меню «Отчеты» — «Сгенерировать HTML страницу для отчетов», можно создать HTML страницу, содержащую текущий список отчетов, которая будет доступна при обращении к НКОД через браузер.
Просмотреть текущий список отчетов можно, выбрав пункт меню «Отчеты» — «Просмотр».
Для добавления готовых сценариев в НКОД реализован механизм шаблонов сценариев. Каждый шаблон содержит один сценарий. Для того, чтобы добавить сценарий из шаблона, необходимо нажать кнопку «добавить из шаблона». После чего в окне выбрать нужный шаблон (рисунок 4.14).
НКОД также позволяет работать со съемными носителями. Для сброса информации на съемный носитель необходимо выбрать пункт меню «Действия» —» «Сохранить исходные данные в архив», после чего в открывшемся диалоге выбрать путь, куда будет сброшена вся информация. Аналогично, имеется возможность восстановления архива со съемного носителя, для этого необходимо выбрать пункт меню «Действия» — «Загрузить исходные данные из архива» и указать папку с загружаемыми паспортами экспериментов.
Таким образом, в разделе наглядно показано практическое использование разработанного в главе 2 способа представления данных в проверочной базе знаний экспертной системы анализа постполетной информации авиационных радиолокационных комплексов.
Для практической реализации функции комплексного контроля действий операторов и состояния аппаратуры в НКОД был выбран параллельный алгоритм с динамическим распределением данных по потокам обработки. Рассмотрим результаты натурного моделирования на НКОД (таблица 4.1) для входных данных, представленных в таблице 3.3. Аппаратное обеспечение НКОД соответствует конфигурации 2, приведенной в главе 3. Графические зависимости результатов моделирования для минимального и максимального размера кодограммы приведены на рисунках 4.16 и 4.17 соответственно. задокументированной за полет информации для натурной и математической модели (минимальный размер кодограммы) ш Математическая модель ш Натурная модель 10 15 20 Количество рабочих мест, шт Рисунок 4.17- Гистограмма зависимости времени обработки задокументированной за полет информации для натурной и математической модели (максимальный размер кодограммы) Определим корреляционную зависимость полученных результатов моделирования на натурной и математической моделях с доверительной вероятностью 95%. Для расчета будем использовать ранговую корреляцию Спирмена, поскольку закон распределения величин не известен.
Пусть X - результаты математического моделирования, Y - результаты натурного моделирования. Каждому показателю X и Y присвоим ранг и найдем сумму разности квадратов d. (таблица 4.2). Таблица 4.2 - Значения рангов і X Y ранг X, dxl ранг Y, df=(dxi-dyi)2 1 0.0625 0.0655 1 1 0 2 0.15 0.15 2 2 0 3 0.22 0.23 3 3 0 4 0.29 0.28 4 4 0 5 0.35 0.37 5 5 0 6 2.07 2.12 6 6 0 7 10.04 9.81 7 7 0 8 21.86 20.7 8 8 0 9 30.27 32.11 9 9 0 10 41.65 43.27 10 10 0 По формуле вычислим коэффициент ранговой корреляции Спирмена 1, (4.4) п(п2-1) 10(102-1) где п - объем выборки [100]. После нахождения коэффициента Спирмена оценим его значимость. Для того чтобы при уровне значимости а проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Спирмена при конкурирующей гипотезе Я. : р Ф 0 5 надо вычислить критическую точку: где п - объем выборки; р - выборочный коэффициент ранговой корреляции Спирмена; t(a, к) - критическая точка двусторонней критической области, которую находят по таблице критических точек распределения Стьюдента, по уровню значимости а и числу степеней свободы к = п — 2.
Если \р\ Ткр - Нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между качественными признаками не значима. Если \Р\ Ткр - нулевую гипотезу отвергают. Между качественными признаками существует значимая ранговая корреляционная связь. По таблице Стьюдента находим t(a, к) — ((0.05; 8) — 1.86. Согласно (4.5) получаем, что Т = 0. Поскольку \Р\ Ткр } то отклоняем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически значим и ранговая корреляционная связь между оценками по двум результатам моделирования значимая. Интервальная оценка для коэффициента корреляции (доверительный интервал) рассчитывается по формуле: p{a,k)—f--,p + t{a,k)—f- (4.6) Согласно (4.6) доверительный интервал для коэффициента ранговой і корреляции будет равен г(1;1). Коэффициент ранговой корреляции Спирмена для полученных результатов моделирования на натурной и математической моделях составил 1 с вероятностью 95%, что соответствует сильной и прямой связи согласно таблице приведенной в [101], следовательно можно говорить об адекватности математической модели, разработанной в главе 3.
В главе рассмотрен клиент контроля для экспертной системы, позволяющий вести обработку файлов сценариев для последующего создания отчёта о проведении процедуры контроля. В данном клиенте апробированы алгоритмы и метод анализа постполетной информации, предложенные в диссертационном исследовании: реализован параллельный алгоритм комплексного контроля действий операторов и состояния аппаратуры с динамическим распределением данных по потокам.
Проверочная база знаний экспертной системы НКОД построена согласно описанному во второй главе способу представления данных.
Приведено сравнение результатов натурного моделирования на НКОД и математического моделирования на конфигурации, соответствующей аппаратному обеспечению НКОД. Определена корреляционная зависимость полученных результатов: коэффициент ранговой корреляции Спирмена составил 1 с вероятностью 95 %, что соответствует сильной и прямой связи.
