Содержание к диссертации
Введение
Глава 1. Проблемы автоматизации процесса распознавания состояний сложных систем 13
1.1. Вводные замечания 13
1.2. Распознавание состояний систем как задача классификации 22
1.3. Использование искусственных нейронных сетей 25
1.4. Использование нечеткого логического вывода 26
1.5. Выводы : 28
Глава 2. Решение задачи распознавания состояния для систем с четко наблюдаемыми признаками и нечеткими состояниями 29
2.1. Постановка задачи 29
2.2. Специфика условий рассматриваемой задачи. Понятие CF-систем 31
2.3. Решение задачи распознавания состояния, основанное на обобщении методов диагностики неисправностей в сложных технических устройствах 33
2.4. Способы представления идентификационной информации 36
2.5. Проблема субъективизма в задаче классификации признаков и стратегия определения идентифицирующих наборов 45
2.6. Правила вывода при решении задач распознавания состояния 47
2.7. Алгоритм распознавания состояния CF-систем 49
2.8. Распознавание состояния CF - систем в условиях неопределенности 50
2.9. Выводы 53
Глава 3. Решение задачи распознавания состояния для систем с нечетко наблюдаемыми признаками 55
3.1. Вводные замечания 55
3.2. Понятие FF - систем. Представление идентификационной информации в процессе распознавания состояния 57
3.3. Формирование идентификационной таблицы 61
3.4. Сокращение размеров идентификационной таблицы. Использование джокерных элементов 63
3.5. Особенности классификации с использованием идентификационной таблицы 65
3.6. Общий алгоритм распознавания состояния FF-систем 68
3.7. Особенности вычисления частных степеней правдоподобия. Уменьшение влияния неопределенных оценок в процессе распознавания состояния системы 69
3.8. Построение простейшей системы распознавания состояния колесных пар грузовых вагонов 73
3.9. Задача распознавания печатных символов как задача определения нечеткого состояния 80
3.10. Распознавание символов на примере номера вагона 86
3.11. Выводы 89
Глава 4. Программная реализация процедур распознавания состояния сложных систем 91
4.1. Предварительные замечания 91
1.1. Формулировка требований к разрабатываемой системе 92
1.2. Особенности строения тележек грузовых вагонов. Разработка архитектуры системы распознавания технического состояния 94
1.3. Краткое описание технологического процесса ремонта тележек грузовых вагонов в ремонтном депо ВЧДР «Магнитогорск» 99
1.4. Разработка идентификационных таблиц 102
1.4.1. Разработка идентификационной таблицы подсистемы оценки состояния пружинного комплекта 102
1.4.2. Разработка идентификационной таблицы подсистемы оценки состояния надрессорной балки 106
1.5. Проектные решения 115
1.5.1. Выбор средств разработки 115
1.5.2. Работа с программой «ИСТ». Интерфейс пользователя 118
1.5:3. Технические и программные требования для созданиям функционирования системы 123
1.5.4. Результаты»внедрения 124
1.6. Основные результаты 124
Заключение 125
Библиографический список 128
Приложения 140
- Вводные замечания
- Понятие FF - систем. Представление идентификационной информации в процессе распознавания состояния
- Особенности строения тележек грузовых вагонов. Разработка архитектуры системы распознавания технического состояния
- Работа с программой «ИСТ». Интерфейс пользователя
Введение к работе
Актуальность проблемы. В окружающей нас действительности каждый объект в той или иной степени является сложной системой. Системы можно считать способом существования окружающего нас мира.
Введем понятие состояния системы (конкретизация понятия в рамках рассматриваемой проблемы). Под состоянием будем понимать способность системы выполнять поставленную задачу в каждый конкретный момент времени, формально представляемую значением некоторой лингвистической переменной. Аналогом состояния системы может выступать понятие «качества» системы. Так, например, состояние здоровья человека неким образом определяет его способность к существованию, состояние автомобиля — способность осуществлять транспортировку.
Задача выяснения текущего состояния системы является важнейшей задачей системного анализа. Знание состояния системы необходимо, прежде всего, для управления и принятия управленческих решений.
Потребность нового рассмотрения указанной выше «стандартной» задачи возникла в контексте глобальной задачи проектирования системы автоматизации процессов выявления состояний деталей и узлов грузовых вагонов в условиях железнодорожного депо. Анализ целей и существующих эвристических методов распознавания состояния деталей и узлов грузовых вагонов позволил выявить важную особенность: понятие «состояние» вагона и его подсистем является нечётким. Оно аналогично таким понятиям как «группа здоровья». Кроме того, имеется ещё одна общая особенность: и состояние здоровья человека, и состояние вагона определяется (идентифицируется) группой достаточно чётких показателей, которые могут быть получены или измерены непосредственно с малыми погрешностями. Чёткость показателей состояния, их непосредственное наблюдение в сочетании с относительной простотой этих наблюдений при одновременной абсолютной нечёткости самого понятия «состояние» обусловили то, что для распознавания таких состояний используются практически всегда только эвристические методы, предусматривающие экспертное принятие финального решения о выявленном состоянии.
Каждому возможному состоянию системы присваивается определенная лингвистическая метка, интуитивно понятная человеку («хорошее», «отличное», «плохое»). Одной из причин нечеткости понятия «состояние» является человеческий фактор: каждый эксперт обладает своим индивидуальным опытом. Поэтому разные эксперты могут по-разному оценивать состояние одной и той же системы. Систематизация мнений разных экспертов о состоянии одной и той же системы может производиться по разным алгоритмам. Алгоритм может быть выбран в зависимости от
условий работы и назначения системы: результирующим может стать наихудшее мнение, усредненное и т.д.
Следует отметить, что признаки в большинстве случаев так же является нечеткими логическими величинами и, следовательно, нечетко отражают факт наличия или отсутствия того или иного признака. Нечеткий признак характеризуется степенью наблюдаемости. Определение степени наблюдаемости признака, основанное на четких параметрах, вызывает некоторые трудности из-за отсутствия единой методики. В рамках данной диссертационной работы под признаком понимается нечеткая логическая величина, отражающая степень принадлежности ассоциированного параметра определённому числовому интервалу.
Изучению проблемы распознавания состояний технических систем посвящены труды Крохина Г.Д., Кучера А.В., Владова Ю.Р., Ященко Н.Ю., Будкиной Е.М., Матасова А. С, Солдатовой А.С., Байкова С.С., Демидовой Л.А. Однако в работах многих авторов распознавание состояний систем носит прикладной узкоспециализированный характер. Нечеткость состояний и признаков систем обуславливает необходимость создания нового способа распознавания состояния системы, поскольку многие методы системного анализа неприменимы в условиях неопределенности и неполноты исходных данных, а популярные методы нечеткой классификации отличаются сложной обучаемостью и программно-аппаратной реализацией.
Целью работы является разработка методов, алгоритмов и процедур распознавания нечетко определяемых состояний систем, разработка формализованной методологической базы для автоматизации процедур распознавания состояния.
Задачи исследования. Для достижения целей диссертационной работы необходимо решение следующих задач.
Разработка классификации систем с нечетко определяемыми состояниями по фактору нечеткости признаков.
Разработка методики распознавания состояния систем с нечетко определяемыми состояниями.
Разработка математических методов нечеткого вывода для распознавания состояния систем с нечетко определяемыми состояниями.
Разработка концепции построения интеллектуальных автоматизированных систем распознавания состояний объектов.
5. Разработка программных процедур распознавания состояния.
Методы исследования. При выполнении работы использовались
системный анализ, теории нечетких множеств, нечеткой логики, принятия решений, искусственного интеллекта.
Научная новизна работы состоит в следующем.
Предложена классификация систем с нечетко определяемыми состояниями по фактору нечеткости признаков. Для каждого класса систем выявлены свои особенности определения состояния, выработаны общие методики определения состояния.
Предложена формализация процесса распознавания состояния систем.
Предложена методика систематизации экспертных оцеьск при проектировании систем определения состояний в виде идентификационной таблицы.
Предложены математические методы и алгоритм распознавания нечетких состояний систем с четко определяемыми признаками (CF -систем, от англ. Clear — четкий, чистый и Fuzzy — размытый, нечеткий).
Предложены математические методы и алгоритм распознавания нечетких состояний систем с нечетко определяемыми признаками (FF -систем).
Предложен метод распознавания символов с помощью разработанного механизма нечеткого вывода.
Практическая ценность. Результаты диссертационной работы направлены на разработку методики определения состояния систем с нечетко определяемыми состояниями. Данный вид систем, как правило, обладает большим количеством учитываемых критериев. Используя предложенную методику можно строить гибкие интеллектуальные системы распознавания состояния объектов, поддержки принятия решений, диагностики неисправностей. При этом разработанные системы способны к обучению и дают максимально достоверный результат в условиях высокой неопределенности. Разработанная методика может так же применяться и в смежных областях работы с нечеткой информацией, например-при распознавании образов.
Исследования, проведенные в рамках диссертационной работы, были применены при проектировании и внедрении автоматизированной системы контроля технологического процесса ремонта тележек грузовых вагонов «АСУ ТП» в ВЧДР Магнитогорск, «АСУ ТП» в локомотивном депо ТЧ-19 (г. Малая Вишера). Разработанные методы и алгоритмы так же планируется использовать,' в частности, для распознавания номеров вагонов подвижного состава.
Результаты диссертационной работы являются основой для проектирования систем оценки текущего состояния технических объектоз, систем поддержки принятия решений, систем распознавания нечеткой информации.
Достоверность и обоснованность научных положений, результатов, выводов и рекомендаций, приведенных в диссертационной работе, обес-
печиваются и подтверждаются: корректностью использования математического аппарата; успешным внедрением результатов в практику.
Реализация и внедрение результатов работы. Результаты диссертационной работы внедрены в технологический процесс ремонта тележек грузовых вагонов в ВЧДР Магнитогорск и локомотивном депо «ТЧ-19» (г. Малая Вишера) в составе автоматизированной системы контроля технологического процесса ремонта тележек грузовых вагонов «АСУ ТП».
Основные положения, выносимые на защиту.
Классификация систем с нечетко определяемыми состояниями по фактору нечеткости признаков.
Формальное описание процесса распознавания нечетких состояний систем.
Методика и алгоритм распознавания нечетких состояний систем с четко определяемыми признаками (CF - систем).
Методика и алгоритм распознавания нечетких состояний систем с нечетко определяемыми признаками (FF — систем).
Метод распознавания символьного текста, выполненного печатным или трафаретным способом.
Апробация работы. По теме диссертации сделаны доклады на конференциях.
«Задачи системного анализа, управления и обработки информации». МГУПИ. Москва. 2006г. .
Биотехнические, медицинские и экологические системы и комплексы «БИОМЕДСИСТЕМЫ - 2007». РГРТУ 2007 г.
14-я Международная научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций». РГРТУ. 2005 г.
Конференция «Инновационное управление в информационной среде». Академия права и управления. Рязань. 2007 г.
11-й международный молодежный форум «Радиоэлектроника и молодежь в 21-м веке». Харьков. 2007 г.
12-я Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и образовании" НИТ-2008. РГРТУ 2008 г.
13-я Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и образовании" НЙТ-2009. РГРТУ 2009 г.
Публикации. По теме диссертационной работы опубликовано 11 печатных работ, среди которых 4 статьи, 6 докладов на международных и всероссийской научно-технических конференциях. 3 статьи напечатаны в изданиях, рекомендованных ВАК.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, приложения. Основной текст содержит 127 страниц, 22 таблицы, 25 рисунков. Список литературы состоит из 131 наименования. Приложения выполнены на 4 страницах.
Вводные замечания
Окружающий мир представляет собой совокупность взаимосвязанных биологических, технических, социально — экономических и других систем; нормальное функционирование которых невозможно без определенной; организации. Наиболее существенными функциями В5 организации: этих, систем является,, во-первых,, управление, обеспечивающее8 сохранение структуры, режимее деятельности ,реализацию щелевых программ организации; а также адаптацию к изменяющимся!условиям; во-вторьщ.связь (передача-информации), так;как:управление системой?сопряжено?с привлечением ишбработкош больших-объемов сведений о состоянии иповеденииуказанных:систем [25]1
В связиі с появлением больших распределённых систем; актуальной? становится проблема управления?этими системамш[25]І
В "задачах идентификации- и; имитационного; моделированияшсуществ ляется; формирование информационной модели системыипроверка этойшо дели на влияние неблагоприятных:факторовш чувствительностьк: вариацию параметров . ,
Современные методы описания процессовш системах; весьма разнообразны. Среди них огромную долю! занимают теоретико-вероятностныемето ды исследования; основанные на вероятностной? трактовке; протекающих в системах процессов.
При; составлении математических моделей систем, под «состоянием»-объекта понимают совокупность величин, полностью?определяющих ЄГОІ ПОг ложение в данный момент и играющих роль начальных условий для/всего будущего движения [66]- Выданной диссертационнойработе под «состоянием» системы будем понимать некоторую лингвистическую переменную, .значение которой отражает качество; выполнения системой целевой программы.. В качестве примера можно привести такие понятия как техническое, состояниє устройства, состояние здоровья человека и т.д.
Любой процесс в природе - физический, химический, социальный, мыслительный и т.д., будучи-предоставленный сам себе; развивается и протекает по некоторым присущим ему закономерностям [16]. Но на этот процесс воздействуют другие процессы, также как и сам он воздействует на них в силу всеобщей связи явлений в природе, что приводит к отклонениям от первоначального развития рассматриваемого процесса, т.е. он протекает по более сложным закономерностям.
Все внешние воздействия подразделяются на случайные и управляющие. Случайные воздействия являются следствием взаимодействия рассматриваемых процессов, в/го время как управляющие воздействия изменяют ход того процесса, на который они« направлены, в желаемом направлении. В связи с этим должен существовать некоторый орган, систематически-или по мере необходимости вырабатывающий управляющие воздействия. Такой орган принято называть системой управления.
В.общем случае под системой понимают объективное единство закономерно связанных друг с другом предметов и явлений в природе1 и обществе. Характеристики такой системы определяются как характеристиками составляющих систему элементов, так и характеристикамивзаимосвязеймежду ними.
Качество и эффективность работы системы оценивается критерием эффективности, который позволяет оценить достижение желаемой, цели. Проблема принятия решений возникает только тогда, когда существуют затруднения в достижении необходимой цели.
В процессе принятия решений система управления должна располагать ресурсами, обеспечивающими реализацию выбранных управляющих воздействий. Так, в экономических системах решение, направленное на интенсификацию производства должно сопровождаться выделением дополнительных ресурсов - материальных, финансовых и т.д. Но система управления и сама затрачивает некоторые ресурсы, процесс выбора решения из множества воз можных также связан с определенными затратами;
Ранние теории по принятию решений» были; основаны; на? концепции? "экономического человека" [16], основным? положением? которого, было то, что все люди знают альтернативы, имеющиеся в данношситуации, и все последствия, которые они вызовут. Теория экономического человека предполагает, что люди будут вести себя рационально, т.е. выбор будет делаться таким образом, чтобы максимизировать какую-либо ценность. Естественно, что лицо, принимающее решение не всегда ведет себя,рациональным образом; поэтомув теорию экономического человека был: внесен принцип ограничен-ношрациональности: "Возможности человеческого ума в-формулировании и решении,сложных проблемгвесьма малы по сравнению с:размерами проблем. Очень трудно достичь объективно рационального шоведеният реальном мире или даже разумного приближения;ктакойяобъективной.рациональности"-.
Процесспринятиярешения начинается с осознаниятогосостоянияилиг ситуации, в которойшаходится принимающий решение человека,
Этот первый начальный этап, можною считать в определенном смысле предварительным,- предшествующим процессу решения;. Здесь, выявляется1 удовлетворенность или неудовлетворенность тем состоянием; в;; котором на- -ходится системам
На; втором этапе; формируется желание изменить илш сохранить .существующее состояние системы определенным образом, т.е. устанавливается цель принятия решения;
Третий этап заключается: в; определении всех возможных, способов і или і ііутешдостижения цели; перехода в желаемое; состояние. Здесь важно; в минимальной степени обеспечить полноту возможных решений; вплоть до их избыточности. Впоследствии;лучше исключить непривлекательное решение, чем пропустить эффективное.
Четвертый этап заключается в выборе из множества возможных решений эффективного, в смысле достижения желаемой цели; с соблюдением при этом некоторых правил выбора. Результатом именно этого этапа является единственное принятое решение. Этот этап является центральным, но он не возможен без первых трех.
Процесс принятия решения развивается по спирали. Первой стадией является предварительное принятие решения, которое аналогично процессу планирования. Следующей стадией является превентивное разрешение проблем - это процесс предвосхищения ситуаций сбоя. И последней стадией является процесс разрешения проблемы, который и позволяет принять окончательное решение.
Проблема - это различия между тем, что должно происходить, штем, что происходит на самом деле, поэтому она должна быть четко сформулирована [16]. Для разрешения проблемы может быть предложен следующий подход [16], основными этапами которого являются:
1) формулирование проблемы;
2) анализ настоящего состояния дел;
3) формулирование цели;
4) анализ возможных причин нежелательной ситуации;
5) выбор основной причины критической ситуации;
6) определение альтернативных решений;
7) анализ альтернативных решений;
8) принятие решения;
9) составление плана действий.
При выборе окончательного решения из множества альтернативных необходимо обратить внимание на психологические аспекты принятия решения, постараться извлечь пользу для достижения личных целей, используя систематический подход, делая акцент на конкретность и ясность поставленных целей.
В настоящее время для- принятия решения используется научный подход, который заключается в построении математической модели управляемой системы и последующем ее анализе.
Понятие FF - систем. Представление идентификационной информации в процессе распознавания состояния
Назовем системы с нечеткими признаками и нечеткими состояниями FF — системами (от английского слова Fuzzy — нечеткий, размытый). Рассмотрение признаков как нечетких величин, а систем как FF, позволяет более тонко произвести оценку состояния.
Признаки, как частные показатели состояния системы, являются основной информацией, используемой в процессе распознавания состояний. Наборы признаков используются как для формирования идентификационной таблицы, так и для формирования векторов наблюдений.
Методы определения степеней принадлежности признаков можно разделить на следующие группы.
1. Экспертные методы. Данные методы используются в случаях, когда невозможно провести измерение параметров с заданной точностью.
Это может быть обусловлено- отсутствием необходимых измерительных приборов, затруднение доступа к; объекту измерения и другими факторами;. Ярким; примером- такюс систем являются инженерные городские коммуникации [91]. В таких ситуациях задача определения степеней принадлежности признаков возлагается! на эксперта в данной предметной области. Проведя ряд наблюдений на основе своего опыта эксперт проставляет степени принадлежности признаков.. Среди недостатков данного метода можно; выделить человеческий фактор который сильно влияет на оценки ш может стать причиной ошибок.
2. Использование: функций принадлежностш Применяется;, когда возможно; измерить параметры ш для них, заданы?; допустимые; интервалы. Для" , каждого параметрах выбирается; СВОЯЇ функция? принадлежности.
В качестве функциш принадлежности может быть использована любая; функция; удовлетворяющую следующим условиям::
1.. По; мере приближения? значения-, параметра?: к. границам1 интервала значение функции должно- убывать. Это требование можно описать, следующим математическим выражениемм P-V2 — Тдр рХи р2:-границыинтервала; (3.1); limv=0;
2. В; середине интервала значение фикции принадлежности-должно быть , максимальным. Нт; г=1 ;где 1(ит?2 - границы интервала;, (3.2);
3. Областью значений фикции принадлежности является числовой диапазон v є [0,1].
Необходимо отметить, что одной , из границ интервала допуска; параметра может быть как;-00, так и +со. Такие открытые интервалы применяются в случаях, когда значение параметра должно быть не меньше или не больше определенной величины. Примеры графиков функций принадлежности приведены на рисунке 3.3.
Таким образом, применяя функции принадлежности, получаем интервалы с «размытыми» границами.
Пример 1. Для распознавания состояния колесной пары применяются параметры, представленные таблицей 3.1. Допустимы интервалы описаны в инструкции осмотрщика вагонов [29]. При выходе хотя бы одного параметра из допустимого интервала колесная пара признается бракованной и не может быть эксплуатирована.
Из таблицы 3.1 видно, что показателям 1, 3, 4, 5 соответствуют открытые интервалы, а показателям 2 и 6 — закрытые интервалы.
В качестве функций принадлежности удобно использовать кусочно-непрерывные линейные функции от значения параметров Pi. Например, для определения степени принадлежности признака 1 (Равномерный прокат по кругу катания колеса) может быть применена функция, описанная выражением 3.3:
Помимо кусочно-линейных функций можно использовать параболические, экспоненциальные и другие функции.
Особенности строения тележек грузовых вагонов. Разработка архитектуры системы распознавания технического состояния
Тележка грузового вагона состоит из 7 основных деталей:
левая боковая рама;
правая боковая рама;
надрессорная балка;
передний триангель;
задний триангель;
правый пружинный комплект;
левый пружинный комплект.
Общее техническое состояние всей тележки складывается из технических состояний деталей. Из этого следует необходимость построения отдельной подсистемы распознавания состояния для каждого вида деталей. Таким образом требуется построить 5 подсистем распознавания состояния всех 7 основных деталей. Каждая подсистема должна построена на основе отдельной идентификационной таблицы.
Одним из сформулированных требований был учет соблюдения выполнения технологического процесса при ремонте тележек. Для этого требуется создать подсистему оценки соблюдения технологического процесса, функции которой состояли бы в учете порядка прохождения технологических позиций.
Структура тележки грузового вагона представлена на рисунке 4.1.
На основе сформулированных требований предлагается» архитектура системы распознавания состояний, включающая следующие элементы (рисунок 4.2).
1. Подсистема распознавания состояния боковых рам. Выполняет следующие функции:
распознавание состояния боковых рам при деповском ремонте;
распознавание состояния боковых рам при капитальном ремонте.
2. Подсистема распознавания состояния надрессорной балки. Функции подсистемы:
распознавание состояния надрессорной балки при деповском ремонте;
распознавание состояния надрессорной балки при капиталь-. ном ремонте.
3. Подсистема распознавания состояния пружинного комплекта. Функции подсистемы:
распознавание состояния пружинного комплекта при деповском ремонте;
распознавание состояния пружинного комплекта при деповском ремонте.
4. Оценка соблюдения технологического процесса. Производится «в зависимости от вида производимого ремонта:
деповской ремонт;
капитальный ремонт.
5. Распознавание состояния тележки в сборе при испытании под нагрузкой.
6. Система комплексной идентификации состояния тележки грузового вагона.
Работа с программой «ИСТ». Интерфейс пользователя
В рамках данной диссертационной работы реализованы только некоторые подсистемы распознавания состояния тележек грузовых вагонов.
Система распознавания состояния тележек предусматривает отображение состояния тележек с виде столбцевых диаграмм на основе базы данных системы АСУ-ТП «Магнитогорск» и идентификационных таблиц.
Для работы программы необходимо выполнить следующие действия: Задание параметров подключения к базе данных. Для этой цели в программе предусмотрено окно параметров подключения (рисунок 4.4)
Окно параметров подключения к БД Поле «Сервер» содержит сетевое имя или IP - адрес сервера базы данных. Поле «База данных» предназначено для выбора базы данных из списка доступных на сервере. В поле «Логин» и «Пароль» вносится соответствующая аутентификационная информация.
Заполнение идентификационных таблиц для каждого узла тележки. Для этого в главном меню программы необходимо выбрать необходимый пункт для заполнения идентификационной таблицы соответствующего узла. її
Заполнение идентификационной таблицы для комплексной идентификации. Подсистема комплексной идентификации предназначена для формирования обобщенной оценки состояния тележки на основе состояний отдельных узлов. Общий вид идентификационной таблицы комплексной идентификации показан на рисунке 4.6.
Результатом работы программы является комплексная оценка состояния тележки на основе частной оценки состояния каждого узла. Для удобства визуального восприятия оценка выводится в виде столбцевой диаграммы (рисунок 4.8).
