А. В. Гулай, В. М. Зайцев

Белорусский национальный технический университет, Минск, Беларусь

 

ИНТЕЛЛЕКТНАЯ ТЕХНОЛОГИЯ ОЦЕНКИ
ТЕКУЩИХ СОСТОЯНИЙ ОБЪЕКТА УПРАВЛЕНИЯ

 

Современный этап создания систем управления технического назначения характеризуется высокими темпами насыщения их средствами компьютерной техники, преимущественным переходом на цифровые методы обработки всех видов сигналов, а также расширением областей практического внедрения интеллектных технологий в процессы выработки и принятия решений [1]. Эти направления предполагают применение особых методов и инструментариев, обеспечивающих разработку специализированных интеллектуальных систем, которые ориентированы на решение фиксированного набора задач в соответствии с исходными требованиями и заданиями на проектирование [2]. Конкретные виды интеллектных технологий, составы баз знаний и баз данных зависят от проблемных областей и набора функций, реализуемых интеллектуальной системой управления [3].

В интеллектуальных системах технического назначения выработка и принятие управленческих решений, как правило, выполняется циклически по общей схеме в виде цепи типовых причинно-следственных системных операций. В каждом цикле управленческое решение обеспечивает перевод объекта из текущего состояния, оцениваемого в сложившихся конкретных условиях как достаточно правдоподобное, в состояния, которые по логике функционирования системы или по оценкам экспертов считаются более рациональными и предпочтительными. Решения по оценке состояния объекта в цепи причинно-следственных системных операций являются первичными, а управленческие решения относятся к более высоким уровням в иерархии системных решений.

Развитие систем технического назначения, практическое получение новых системных свойств и повышение их качества подчиняется общим закономерностям диалектики и, как правило, лежит на путях морфологического синтеза и синектики [4, 5]. Его основу составляют матричные приемы построения ранее не применявшихся функционально-конструктивных комбинаций известных системных и объектных компонентов, а также попытки организации нетрадиционного взаимодействия разнородных составных частей систем [1, 5]. Таким образом, создание новых перспективных систем технического назначения в большинстве случаев оказывается сопряженным c использованием среднеструктурированных проблемных областей. В указанных условиях резко возрастает потребность в активном переходе в процессах управления на эвристические и эвристико-алгоритмические (эвроритмические) методы. Это касается, прежде всего, адекватной оценки состояний объектов в текущих циклах управления, качество которых в значительной степени предопределяет эффективность вырабатываемых управленческих решений на более высоких уровнях иерархии.

Для практического применения эвроритмических методов процесс принятия любых системных решений относительно объекта управления в общем случае должен быть связан с получением следующих блоков информации, которые отражают исходные предпосылки и параметры. К ним относится блок возможных (гипотетических) состояний объекта управления, блок функциональных и параметрических свойств объекта управления в каждом из состояний, блок выработки вариантов управленческих решений и блок оценок получаемых решений. Решения могут носить характер достоверных, вероятностных или неопределенных, что зависит от степени достоверности исходных предпосылок и параметров.

Блок информации о возможных состояниях объекта предназначен для отображения прогнозируемых состояний объекта управления и может быть задан унарным отношением OG(L) в виде системного справочника гипотетических состояний (здесь L — кардинальное число отношения). Для получения данного блока информации целесообразно экспертным путем выделять, специфицировать и использовать состояния, которые имеют принципиальную системную значимость и оказывают существенное влияние на вырабатываемые управленческие решения. В информационно-техническом отношении в большинстве случаев это вполне возможно, так как обычно в исходных требованиях на создание объекта управления и системы задается общее вербальное определение их функций. Отношение OG(L) должно быть разделом общего системного тезауруса, а состояния могут относиться к категориям достоверных или вероятностных. Для построения логико-смысловых связей возможные состояния объекта и их правомерные комбинации допускают отображение с помощью M-позиционных двоичных векторных указателей:

Gi = {Gi1, Gi2, …, GiM};                  i = 1, 2, …, L.                                   (1)

В проектировании интеллектуальных систем технического назначения важнейшее значение имеют контрольные эксперименты и вспомогательные уточняющие запросы по оценке функциональных и параметрических свойств объекта управления. Данные свойства образуют множество атрибутов объекта

{Sj};            j = 1, 2, …, h, …, Q,                                                    (2)

которое полностью или частично определяется исходным заданием на создание объекта и системы управления, либо формируется и оформляется заключением экспертов в результате проведения системного анализа функций, специфицированных в задании. Под контрольными экспериментами и уточняющими запросами здесь и далее понимаются мероприятия, обеспечивающие организацию и получение результатов целенаправленных наблюдений за объектом управления и системой при нормальных и при наиболее ответственных возможных условиях эксплуатации, а также реализацию подконтрольного слежения за ходом развития процессов (и, при необходимости, их воссоздание или воспроизведение при повторении указанных условий).

Рассматриваемый набор свойств объекта для каждого из гипотетических состояний отражает определенный (штатный в соответствии с исходным заданием или экспертным заключением) состав функций, выполняемых или не выполняемых объектом и системой, а также обеспечение или не обеспечение объектом и системой требуемых значений параметров. Штатный состав свойств и комбинаций свойств задается унарным отношением LOS(Q) в виде системного справочника описаний выделенных свойств (здесь Q – кардинальное число отношения) и является разделом общего системного тезауруса. В качестве отдельных показателей объекта выделяются и специфицируются те свойства, которые имеют принципиальную системную значимость, отражают с требуемой полнотой гипотетические состояния объекта и оказывают влияние на выработку управленческих решений. Свойства объекта управления могут относиться к категориям достоверных или вероятностных, но для каждого выделенного состояния группа свойств по составу считается уникальной и стабильной. Функциональные и параметрические свойства и их комбинации могут однозначно представляться с помощью двоичных R-позиционных векторных указателей Fj = Fj1, Fj2, …, FjR (j = 1, 2, …, Q).

Каждое функциональное и параметрическое атомарное свойство Sj из множества (2) для значений j = 1, 2, 4, 8, …, 2R помимо специального лингвистического описания LOS(j) в унарном отношении LOS(Q) сопровождается в базе данных системы синхронным кортежем с атрибутами числовых и логических параметров: типами параметров; диапазонами допустимых значений (уставок) {XSjk, YSjk} (k = 1, 2, 3, …, R) для интервальных числовых параметров; значениями DSjk, LSjk для точечных числовых и точечных логических параметров соответственно; среднеквадратическими отклонениями αk, βk (ошибками) измерения числовых интервальных и числовых точечных параметров атомарного свойства объекта. Эти параметры обобщают и комплексно отражают результаты экспертных оценок и предварительного моделирования, а также материалы экспериментальных исследований прототипов. Их совокупность принимается за типовое или эталонное проявление атомарного свойства Sj для значений j = 1, 2, 4, 8, …, 2R. Схема обеспечения ассоциативных связей и синхронизации эталонных данных в базе системы представлена в табл. 1.

 

Таблица 1. Схема организации ассоциативных связей и синхронизации эталонных данных в базе интеллектуальной системы

Унарное отношение LOS(Q)

Параметры
объекта управления

LOS(1)

LOS(2)

LOS(3)

LOS(4)

LOS(5), (6), (7)

LOS(8)

…

LOS(Q)

áТИПñ XS11 YS11 ZS11 LS11 α1 b1

áТИПñ XS22 YS22 ZS22 LS22 α2 b2

атрибуты не задаются

áТИПñ XS43 YS43 ZS43 LS43 α3 b3

атрибуты не задаются

áТИПñ XS84 YS84 ZS84 LS84 α4 b4

…

 

 

Если в результате эксперимента получен конкретный набор фактографических проявлений функциональных и параметрических свойств {Ejk} (k = 1, 2, …, R), то с помощью выполнения процедур идентификации свойств на основе значений {Ejk} должны быть установлены факты того, что объект или явление обладает или не обладает каждым из возможных параметрических и функциональных свойств. Это достигается путем принятия системой промежуточных дедуктивных решений на основе оценок ответов на вспомогательные запросы. Они реализуются в виде проверок интервальных числовых параметров (уставок):

Ejk + αk ≤ YSjk;               XSjk ≤ Ejk – αk,                                          (3)

проверок точечных числовых параметров:

Ejk – βk ≤ DSjk ≤ Ejk + βk                                                                          (4)

и проверок точечных логических параметров выполнения заданных функций Ejk = LSjk. Проверки (3), (4) отражают факт стробирования числовых параметров при сопоставлении фактографичесих и эталонных значений с учетом ожидаемых ошибок измерений. При положительных результатах проверок производится установка в единичное значение бита Fjk вектора Fj, в противном случае бит Fjk устанавливается в нулевое состояние.

Совокупность возможных состояний, а также функциональных и параметрических свойств образует логический комплекс «состояния–свойства» объекта управления. Указанный логический комплекс (табл. 2) содержит двоичные представления всех возможных сочетаний состояний и свойств объекта, причем количество бит в одном столбце равно сумме размерностей M + R двоичных векторов Gi и Fj. Максимальное количество столбцов таблицы равно произведению кардинальных чисел Q ´ L, а общий объем полной таблицы при ее физическом построении равен Q ´ L ´ (M + R) бит.

 

Таблица 2. Представление логического комплекса «состояния–свойства» объекта управления

Векторные указатели Sj

 

1

2

j

 

S1

S2

S3

S4

…

SQ-1

SQ

S1

S2

S3

S4

…

SQ-1

SQ

S1

S2

…

Fj1

0

1

0

1

…

0

1

0

1

0

1

…

0

1

0

1

…

Fj2

0

0

1

1

…

1

1

0

0

1

1

…

1

1

0

0

…

Fj3

0

0

0

0

…

1

1

0

0

0

0

…

1

1

0

0

…

…

…

…

…

FjR

0

0

0

0

…

1

1

0

0

0

0

…

1

1

0

0

…

…

…

…

…

Gi1

0

0

0

0

…

0

0

1

1

1

1

…

1

1

0

0

…

Gi2

0

0

0

0

…

0

0

0

0

0

0

…

0

0

1

1

…

Gi3

0

0

0

0

…

0

0

0

0

0

0

…

0

0

0

0

…

…

…

…

…

GiM

0

0

0

0

…

0

0

0

0

0

0

…

0

0

…

 

Практика создания сложных систем технического назначения с эвроритмическими методами выработки и принятия решений показала следующее. Применение в блоках выработки вариантов решений и в блоках оценок получаемых решений методов и приемов, отличных от вероятностных, дает, как правило, итоговый результат, эквивалентный байесовским решениям [6]. В силу этого при создании интеллектуальных систем технического назначения расчетные значения апостериорных вероятностей состояний объекта управления могут быть использованы в качестве функций правдоподобия этих состояний. Ожидаемая оценка наиболее правдоподобного гипотетического состояния соответствует максимуму апостериорной вероятности, что предопределят использование эвроритмической схемы выработки решения первого уровня.

Априорной экспертной оценке и обязательному заданию в базе данных системы подлежат следующие вероятности:

{P(Gi)}; {P(Fj/Gi)};       i = 1, 2, …, L; j = 1, 2, ..., Q.                     (5)

По сути дела принимается системное соглашение о статистической устойчивости распределений и об эргодичности процессов в системе, без которых бессмысленно дедуктивное формирование обоснованных выводов и решений. Для вычисления апостериорных вероятностей гипотетических состояний систем технического назначения при выработке рациональных решений на основе соотношений Байеса для группы выделенных гипотетических состояний G1, G2, …, Gi, …, GL отношения OG(L) подлежат предварительной экспертной оценке вероятности реализации этих состояний P(G1), P(G2), …, P(Gi), …, P(GL), которые должны образовывать полную группу.

Если в результате контрольного эксперимента по функционированию объекта произошло некоторое событие, связанное с проявлением атомарного, либо группового свойства Sh, которому соответствует двоичный векторный указатель Fj, то апостериорные вероятности P(Gi/Fh) реализации состояний Gi определяются соответствующими соотношениями Байеса:

P(Gi/Fh) = P(Gi)*P(Fh/Gi)/{P(G1)*P(Fh/G1)+P(G2)*P(Fh/G2) +

+ P(G3)*P(Fh/G3) + … + P(GL)*P(Fh/GL) для i = 1, 2, …, L.          (6)

Совокупность таблицы 2 и выражений (1)-(6) определяется как экспертная логико-вероятностная модель объекта управления MELS. Если в результате применения данной логико-вероятностной модели выявляется несколько возможных текущих состояний с достаточно близкими вероятностями реализации, привлекается база знаний BFS [2, 7], предназначенная для системного отображения смыслоразличающих (распознающих) компонентов, в том числе экспертных качественных оценок, ограничений и логических конструкций

{Hq};          q = 1, 2, …, Q,                                                             (7)

а также для отображения матрицы связности

U = [Umn];   m, n = 1, 2, …, Q.                                                                  (8)

Эти сведения определяют решающие правила (продукции) или задают фреймовую сеть, с помощью которой на смыслоразличительном уровне обеспечивается селекция наиболее правдоподобного текущего состояния [7].

Логико-вероятностная модель (1)–(6) и база знаний (7), (8) образуют платформу для выработки и принятия управленческих решений на более высоких уровнях системной иерархии. Выбор интеллектной технологии для выработки управленческих решений может быть проведен в определенной мере независимо от технологии первого уровня. После реализации принятого управленческого решения в новом цикле подлежат экспериментальной оценке достигнутые свойства объекта, и по их результатам выполняется уточнение апостериорных вероятностей состояний.

Для сложных объектов управления количество атомарных функциональных и параметрических свойств R может достигать 100–150, а их допустимых комбинаций Q — 3000–5000. Верхние значения параметров M и L могут быть установлены на уровнях 50 и 100 соответственно. Максимальный объем таблицы 2 при указанных выше значениях R, Q, M, L может быть оценен на уровне 12,5 Мбайт. Максимальный общий объем таблиц вероятностей {P(Gi)}, i = 1, 2, …, L; {P(Fj/Gi)}, j = 1, 2, …., h, …, Q; i = 1, 2, …, L при указанных значениях R, Q, M, L оценивается на уровне от 2 до 4 Mбайт. Хранение и использование подобных таблиц вполне обеспечивается средствами современной компьютерной техники. Основная проблема проектирования лежит в области смысловой подготовки таблиц экспертами, оценки их непротиворечивости, технической организации ввода таблиц в компьютерные средства и их оперативного редактирования в процессе наладки и опытной эксплуатации интеллектуальной системы управления.

 

Литература

 

1. Кузнецов, Е. С. Управление техническими системами / Е. С. Кузнецов. — М.: МАДИ, 2003.

2. Рыбина, Г. В. Основы построения интеллектуальных систем / Г. В. Рыбина. — М.: Финансы и статистика, 2010.

3. Гулай А. В. Технологии цифровой обработки информации в интеллектуальных системах / А. В. Гулай, В. М. Зайцев // Материалы IX Международной научно-практической конференции «Эффективные инструменты современных наук – 2013». — Т. 41. Современные информационные технологии. 27 апр.–5 мая 2013. — Прага. — С. 5–10.

4. Латыпов, Н. Н. Инженерная эвристика / Н. Н. Латыпов, С. В. Елкин, Д. А. Гаврилов. — М.: АСТРЕЛЬ, 2012.

5. Кудрявцев, А. В. Методы интуитивного поиска технических решений (методы анализа проблем и поиска решений в технике) / А. В. Кудрявцев. — М.: Речной транспорт, 1991.

6. Литвак, Б. Г. Разработка управляющих решений / Б. Г. Литвак. — М.: Дело, 2004.

7. Осуга, С. Обработка знаний / С. Осуга. — М.: Мир, 1989.