Управление в лицето на несигурността. Резюме: Интелигентни системи за управление Обект на управление на интелигентни системи за управление

Тази статия също е налична:

Въведение

Интелигентният контрол е обобщение на семиотичния, когнитивен и информационен контрол. При интелигентното управление на транспорта се разграничават следните области: интелигентни транспортни системи, интелигентен семиотичен контрол и интелигентен когнитивен контрол. Интелигентният семиотичен контрол е свързан с различни форми на логика, производствени системи, еволюционни алгоритми. Интелигентният когнитивен контрол се разглежда като синтез на човешкия компютърен контрол, използващ асоциативни канали и негласен анализ на знанието. Интелигентният контрол се разглежда като средство за вземане на решения в условия на несигурност. Интелигентното управление на информацията се разглежда като подпомагащо управлението на интелигентните информационни технологии.

Необходимостта от интелигентен контрол

С развитието на обществото и усложняването на обектите и управленските задачи се промениха и технологиите за управление. Най-острият проблем при управлението на сложни ситуации беше проблемът с "големите данни". Създава информационна бариера за технологиите за "организационно управление". Нарастването на лошо структурираната информация е характерно за съвременния мениджмънт. Това води до преход към интелигентно управление, което от своя страна води до необходимостта от прилагане на технологии за управление на знанието. Интелигентното управление се основава на интелигентни системи и интелигентни технологии. Интелигентна система е техническа или софтуерно-техническа система, способна да получи творчески решения на проблеми, принадлежащи към конкретна предметна област, знанията за които се съхраняват в паметта на такава система. Опростено, структурата на интелигентната система включва три основни блока - база от знания, решаващо устройство и интелигентен интерфейс. Решателят е доминиращият компонент на интелигентната система. В логиката от първи ред решателят е механизъм за получаване на решения на логически изрази. В многоагентните системи, които принадлежат към областта на изкуствения интелект, се използва и концепцията за решаващ. Агентът е средство за решаване на проблеми, което е софтуерно образувание, което може да действа за постигане на целите си. В символното моделиране s-решателят е стойност за специализация на съобщения. Един от първите в Русия, който въведе тази концепция, беше Ефимов Е.И. ... От този кратък списък следва значението на решателя за интелигентни системи и интелигентни технологии.

Интелигентно управление в рамките на приложната семиотика

Семиотиката изучава същността, видовете и функциите на знаците, знаковите системи и знаковата човешка дейност, знаковата същност на естествените и изкуствените езици с цел изграждане на обща теория на знаците. В областта на семиотиката съществува направление „приложна семиотика”, чийто основател е Д.А. Поспелов.

В семиотиката се разграничават две области на приложение на знаците: познание и комуникация. Това разделя семиотиката на две части: семиотика на познанието; семиотика на семантичните комуникации. Семиотичната система служи като основа за интелигентен контрол. Според Поспелов една подредена осем множества се нарича семиотична система W:

W =< T, R, A, P, τ, ρ, α, π>, (1)

където
T - набор от основни символи;
R - набор от синтактични правила;
А - много знания за предметната област;
P е набор от правила за извличане на решения (прагматични правила);
τ са правилата за промяна на множеството T;
ρ - правила за промяна на множеството R;
α - правила за промяна на множеството A;
π са правилата за промяна на множеството P.

Първите два набора генерират езика на системата W, и τ и ρ извършват нейната промяна. правила α промените много знания за предметната област. Ако разглеждаме знанието като аксиоми на формалната система (която се формира от първите четири елемента на W), тогава правилата α , по същество променят интерпретацията на основните символи и следователно правилно изградените формули на езика на семиотичната система W.

Първите четири набора формират формалната система FS, елементи от пети до осми формират правилата за промяна на формалната система. По този начин те осигуряват адаптирането на формалната система, като я "настройват" за решаване на проблеми и проблеми, които в системата FSне може да бъде решен.

По този начин семиотичната система (1) може да бъде дефинирана като съставна динамична система: W = , където FSi- определя състоянието на семиотичната система, и MFsi- правилото за промяна на състоянието му. При това трябва да се отбележи, че макар да говорим за семиотична система, де факто такава система описва контролния обект, тоест състоянието на обекта на управление и неговата динамика.

Следователно на семиотичната система може да се даде нова интерпретация. Композитна динамична система: W = FSi, което определя състоянието в информационната ситуация или информационната позиция, динамично MFsi, който дефинира правилата за преминаване на обекта на управление от една информационна позиция в друга.

правила MFsi = (τ, ρ, α, π), тези, които променят състоянието на формалната система (контролен обект), са свързани от зависимостта, съществуваща в елементите на семиотичния триъгълник (триъгълника на Фреге). Това означава, че прилагането на едно от четирите правила води до прилагането на останалите правила.

Тези зависимости са сложни, аналитичното им представяне липсва, а това е трудно и е обект на изследване в семиотичните системи на изкуствения интелект. Следователно е по-лесно да се използва информационният подход и информационното моделиране.

Разширения на официални системи за управление под формата на динамични компоненти MFsiосигуряват свойствата на отвореност на системите. Те създават способност за адаптиране на контролния обект към управленските влияния и променящите се външни условия.

Това, по-специално, дава възможност да се разширят значително възможностите за подкрепа при вземане на решения в условия на несигурност, непълнота и несъответствие на първоначалната информация.

Видове несигурности при осъществяване на интелигентен контрол

Традиционните методи за управление, включително някои видове интелигентен контрол, се основават на предположението, че състоянието и моделите на управление на обект описват точно неговото поведение. Методите, базирани на това предположение, са включени в класическата теория на управлението. Въпреки това, в условия на нарастващи обеми, нарастване на неструктурирана информация и въздействие на външната среда, отклоненията от това състояние са характерни.

Почти всеки модел е опростено описание на реален обект, неговото състояние и поведение. Степента на опростяване може да бъде приемлива или да създаде неяснота. В динамиката на поведението на управляващия обект някои характеристики на обекта могат да се променят значително в хода на функционирането му. Всичко това създава неясноти в различни модели за описание на обект и затруднява управлението му, включително интелектуално. Типичният модел на управление, лежащ в основата на алгоритъма за управление или набор от установени правила за управление, се нарича номинален.

При условия на значителна неопределеност класическите методи на теорията на управлението се оказват неприложими или дават незадоволителни резултати. В тези случаи е необходимо да се използват специални методи за анализ и синтез на системи за управление на обекти с неопределени модели. Първата стъпка е да се оцени вида и стойността на несигурността.

Разграничават се основните видове неопределености в моделите за управление: параметрични, функционални, структурни и сигнални.

Параметричната неопределеност означава, че постоянните параметри на модела са неизвестни или неточни. Например стойностите на интервала се използват вместо стойности на точки. При преминаването към информационно-измерителни системи може да се говори за липса на информационна сигурност на параметрите. Следователно в много случаи действителните стойности на параметрите могат да се различават значително от приетите номинални стойности.

Несигурността на сигнала означава, че управляващото действие или информационните потоци в системата за управление са повлияни от смущения, които значително променят номиналните сигнали. Такива сигнали, които отклоняват процеса на управление от номиналния, се наричат ​​смущения или шумове. Разликата е, че смущенията са пасивни и променят само съотношението сигнал/шум. Пертурбацията променя сигнала със същата интерференция.

Съвременните интелигентни системи за управление трябва да осигуряват автономната работа на много свързани технически обекти. Това дава основание да се говори за интелигентна система за управление (IMS). Една интелигентна система трябва да решава сложни проблеми, включително планиране, поставяне на цели, прогнозиране и т.н. За гъвкавост, адаптация и точност на решенията е препоръчително да се използва многофункционално интелигентно управление.

Многостепенната архитектура на интелигентната система за управление се състои от три нива: концептуално, информационно и оперативно (фиг. 1). Система, базирана на такава архитектура, контролира поведението на сложни технически обекти в условия на автономно и колективно взаимодействие. Концептуалното ниво отговаря за изпълнението на висши интелектуални функции.

Фиг. 1. Многостепенно интелигентно управление.

На концептуално ниво се използва семиотично (знаково) представяне на знанието и се обменят съобщения с останалите нива. Информационните и оперативните нива съдържат модули, които поддържат различни интелектуални и информационни процедури и ги трансформират в управление.

Основната задача на управлението на концептуално ниво е съхраняването, придобиването и използването на концептуални знания, представени в семиотична (символична) форма.

Композитна динамична система: W = включва два компонента: статичен FSiкоято определя динамичната знакова система MFsi, която дефинира системата от правила (фиг. 1).

Усвояването на знания се основава на модел на реална ситуация във външната среда. Най-висшите интелектуални функции включват функциите за поставяне на основната цел и подцели, планиране на поведението и разпределяне на въздействията в общ план за действие.

На ниво управление на информацията се решават задачите на информационното моделиране, основните от които са: изграждане на информационна ситуация, информационна позиция, които съответстват на компонента FSi... На ниво управление на информацията се решават задачите за изграждане на информационна структура, която е отражение на системата от правила на концептуалното ниво и съответства на компонента Mfsi. Езиковата среда на семиотичен контрол на информационно ниво се реализира чрез използване на различни информационни единици. Които служат като основа за изграждане на информационна ситуация, информационна позиция и информационна структура.

На оперативно (изпълнително) ниво се изпълняват управленски решения (управленски действия). Управлението влияе непременно на промяна на информационната позиция на контролирания обект. Управленските влияния могат да променят, ако е необходимо, информационната ситуация на обекта на управление. В същото време обикновено не е необходимо да се променя информационната ситуация. Основната задача на това ниво е да промени състоянието и позицията на контролния обект и да отчита промените на концептуалното ниво.

Многослойната архитектура има редица характеристики. Той включва редица човешки когнитивни функции. Той разчита на използването на информационен подход към интелигентното управление.

Трябва да се отбележи разликата между интелигентни и информационни технологии. Информационните технологии изпълняват функции за подпомагане на интелигентното управление. Основната роля играят интелигентните технологии за вземане на решения. Те дават възможност наред с решение или в хода на получаване на решение да се търсят нови знания и натрупване на интелектуални ресурси. Информационните технологии създават само информационни ресурси. Това означава, че знанието, формализирано в изрична форма, веднъж усвоено, може да стане част от опита и част от базата от знания и да се използва от нея за решаване на проблеми и вземане на решения.

Заключение

Интелигентният контрол е ефективен и необходим при управление на сложни обекти, за които е трудно или невъзможно да се намерят формални модели на функциониране. Основата на интелигентния контрол са семиотичните модели на първо място и информационните на второ място. Интелигентните методи за управление са разнообразни и приложими за технически, когнитивни и транспортни системи. Интелигентното управление се използва широко за многофункционално управление. Съвременното интелигентно управление се интегрира в облачни платформи и услуги. При управлението на разпределени организации и корпорации става необходимо да се вземат предвид пространствените взаимоотношения и пространственото знание. Друг проблем е ограниченият брой интелигентни технологии за работа с негласно знание. Технически проблемът за управлението на знанието е свързан с превръщането на информационните ресурси в интелектуални ресурси и тяхното приложение в интелигентните технологии.

Библиографски списък

УДК 004.896

И. А. Шчербатов

ИНТЕЛИГЕНТНО КОНТРОЛ НА РОБОТОЗИРАНИ СИСТЕМИ ПРИ НЕСИГУРНОСТ

Въведение

Интелигентно управление - прилагането на методи на изкуствен интелект за управление на обекти от различно физическо естество. В областта на управлението на роботизирани системи най-широко се използват методите на изкуствения интелект. Това се дължи преди всичко на автономността на роботите и необходимостта те да решават неформализирани творчески задачи в условия на непълна информация и различни видове несигурност.

Доскоро посоченият клас проблеми оставаше прерогатив на естествения интелект: оператор на обект за управление, инженер, учен, т.е. човек. Съвременните постижения в областта на теорията на автоматичното управление, интелигентните методи за формализиране на полуструктурирани задачи и управление на сложни технически системи правят възможно внедряването на много сложни роботизирани системи, които включват мобилни роботизирани платформи, гъвкави автоматизирани линии и андроид роботи.

Роботизираните системи работят при условия на непълна входна информация, когато принципната невъзможност за измерване на редица параметри налага значителни ограничения върху програмата за управление. Това води до необходимостта от разработване на база от алгоритми, които позволяват на базата на косвени признаци и измерени показатели да се изчисляват неизмерени параметри.

Несигурността на външната среда, в която работи роботизираната система, налага в системата за управление да се включат различни видове компенсатори, модули за адаптиране, натрупване и класиране на информация.

Формулиране на проблема

Целта на изследването беше формирането на подходи за изграждане на интелигентни системи за управление на роботизирани системи, които са инвариантни по отношение на спецификата на функциониране, отчитайки непълнотата на входната информация и различни видове несигурност.

За постигането на тази цел е необходимо решаването на редица взаимосвързани задачи: анализиране на архитектурите на интелигентните системи за управление на роботизирани системи; разработване на обобщен алгоритъм за ситуационна идентификация на роботизирана система; да разработи обобщена схема на система за управление на роботизирана система; за разработване на интелигентни системи за управление на манипулационен робот, мобилна роботизирана платформа и гъвкава автоматизирана линия.

Изследователски методи

В хода на изследването са използвани методите на общата теория на автоматичното управление, теорията на размитите множества, невронните мрежи, системния анализ и теорията на експертните оценки.

Разположение на роботизираната система във външната среда

За внедряването на интелигентни алгоритми за управление приоритет е задачата за текущото идентифициране на ситуацията, в която се намира роботизираната система. За решаването на този проблем е разработена структурна диаграма на системата за ситуационна идентификация (фиг. 1).

Единицата за техническо зрение и сетивно възприятие е предназначена да определя промените в състоянието на външната среда и да представя сензорна карта на околната среда за по-нататъшна обработка. Сензорната карта на околната среда е изображение на ситуацията, в която роботът се намира в настоящия момент от времето. Времевият интервал за изграждане на сензорна карта се избира въз основа на спецификата на предметната област.

Знание

Оператор

Интелектуален

интерфейс

Идентификатор

алгоритми

Органи на техническо зрение и сетивно възприятие

Външна среда

Изпълнителна власт

механизми

Ориз. 1. Блокова схема на системата за ситуационна идентификация

Работната памет, по аналогия с експертните системи, е предназначена да обработва информация, идваща от сензори и обработвана с помощта на съществуващата алгоритъмна база и база знания (KB) на роботизираната система.

Основата на алгоритмите включва алгоритми за предварителна обработка на сензорна карта (цифрова обработка на сигнали, разпознаване на звукови изображения и изображения), изчисляване на неизмерени параметри (функционални зависимости от измерените параметри), възстановяване на пълнотата на информацията (проверка на знанията за пълнота и несъответствие, адаптиране на знанията отчитане на нестационарност и променливи външни условия), математически операции и др.

Базата от знания е сложна йерархична структура, съдържаща априорна информация за външната среда, заложена на етапа на обучение, пълни и последователни знания, придобити от робота в процеса на функциониране и възприемане на външната среда. Знанията в базата от знания се класират според критериите за релевантност и се актуализират, като се вземат предвид промените в спецификата на функционирането на робота въз основа на алгоритми за адаптиране на знания.

Най-важният блок е идентификаторът на ситуацията. Именно този блок е отговорен за правилното разпознаване на изображението на ситуацията въз основа на картата на сензора. Информацията за резултата от този блок е решаваща за избора на програма за управление на роботизираната система.

И накрая, има интелигентен интерфейс, който е необходим за комуникация с оператора. Операторът контролира функционирането на роботизираната система, както и следи процеса за постигане на поставените цели. По правило комуникацията между робота и оператора трябва да се осъществява с помощта на интерфейс на естествен език в ограничена подгрупа от естествения език.

Структурата на система за управление на роботизирана система в условия на несигурност

Внедряването на алгоритми и програми за интелигентно управление на роботизирани системи в условия на несигурност е свързано с редица съществени трудности.

Сложността на алгоритмите за предварителна обработка на входната информация и структурната неопределеност на модела на поведение на самата роботизирана система определят излишността на структурата на интелигентната система за управление.

За решаване на проблема с управлението на робот в условия на несигурност е проектирана следната архитектура на интелигентна система за управление (фиг. 2).

Системата за ситуационна идентификация (SID) трябва да бъде част от всяка интелигентна система за управление на роботизирана система. Интелигентното устройство за управление (IUU) съдържа BZ и блок за избор на контролна програма (BVPU). Целта на този блок е да разработи управляващо действие за системата от електрически задвижвания (ED), действащи върху механичната система (MS) на робота.

Ориз. 2. Блокова схема на интелигентната система за управление на роботизираната система

Системи за управление на промишлени манипулатори

Традиционните системи за управление на промишлени манипулатори са разделени на няколко класа. Първият клас системи са програмирани системи за управление.

Системата за непрекъснат контрол на работното тяло на манипулатора предполага настройване на манипулатора към еталонния модел. Този алгоритъм за управление не отчита загубите в манипулатора MS и се приема, че всички усилия, развити от задвижванията, се прехвърлят към работния орган.

Системата за програмиран контрол на силата в работното тяло се използва за управление не само на вектора на силата, но и на вектора на положението на работното тяло. Системата за независим контрол на движението и силата в работното тяло на манипулатора за различни степени на подвижност има два контролни контура с обратна връзка: позиция и сила.

В системата за свързано управление на движението и силата в работното тяло на манипулатора, задачата по вектора на положението на работното тяло се коригира с текущата стойност на вектора на силата. Това означава, че когато работното тяло се движи, големината на неговия ход се коригира от силата на въздействието върху външната среда.

Адаптивните системи за управление се използват при извършване на: операции по вземане на произволно разположен или движещ се обект, дъгова заварка на шевове с променлива позиция, заобикаляне на движещи се и непредвидени препятствия. За целта се използват адаптивни системи с асоциативна памет.

За управление на индустриални манипулатори се използват и стабилни системи за управление, които в момента се използват широко в практиката.

Интелигентна реализация на контрол

Проблемът за функционирането на роботизирана система в условия на несигурност е многостранен.

Помислете за проблема за планиране на поведението на роботизирана система в условия на несигурност. За решаването му е най-целесъобразно да се използва технологията на динамичните експертни системи. Базата от знания на такава експертна система се коригира с времето. Ако се прилага база от правила за производство, тогава съставът на правилата за производство непрекъснато се проверява за пълнота и последователност. Освен това, поради алгоритми за адаптация, остарели и остарели правила се актуализират и заменят. В същото време се обръща специално внимание на въпросите за преподаване на експертна система без учител (самообучение), тъй като е икономически нецелесъобразно да се наблюдава системата на висококвалифициран специалист.

Самообучаващият се или самонастройващ се блок на базата от знания на експертната система изисква внимателно проучване на етапа на проектиране на интелигентна система за управление за роботизирана система.

моята. Именно качеството на този етап от проектантската работа често определя ефективността на решаването на задачата. Тя трябва да включва подсистеми за оценка на пълнотата и несъответствието на знанията, оценка на качеството на управление и коригиране на знанията.

Хронологично, следващият етап след планирането на поведението може да бъде проблемът с издаването на команди за управление на роботизирана система на естествен език. За създаване на интерфейс на естествен език, според нас, най-подходящият инструмент за внедряване е теорията на размитите множества.

С помощта на лингвистични променливи, съдържащи определен, предварително описан набор от термини, се прави описание на предметната област, ограничена система от команди и обекти, които въздействат върху роботизираната система и се променят под нейното действие. Използваните в този случай методи за размиване и дефазификация, както и алгоритмите за размити изводи, оказват значително влияние върху точността на отработване на управляващи действия и скоростта на роботизираната система.

И накрая, използването на системи за управление на невронни мрежи за роботизирани системи. Основното предимство на невронната мрежа е, че няма нужда да се знае или създава математически модел на обект, тъй като невронната мрежа е универсален размит апроксиматор.

Обектът (роботизирана система) действа като "черна кутия". Невронната мрежа може да действа като референтен модел за контролирана роботизирана система. Трябва да се отбележи, че това трябва да бъде обучаваща се многослойна невронна мрежа (идентификатор на обект). Моделът на невронната мрежа се настройва към управляващия обект чрез несъответствието между изходните сигнали на обекта и модела. Той също така формира обучителна извадка за настройка и настройка на устройството за управление в съответствие с избрания критерий за качество.

Заключение

Анализът даде възможност да се синтезира архитектура на интелигентна система за управление на роботизирани системи, която е инвариантна по отношение на спецификата на функциониране. Разработеният алгоритъм за ситуационна идентификация дава възможност за изграждане на високоинформативни сензорни карти на външната среда. Описани са основните подходи за формиране на интелигентни системи за управление на роботизирани системи. Показани са насоките на перспективното развитие на най-ефективните методи на изкуствен интелект, използвани за внедряване на устройства за управление.

БИБЛИОГРАФИЯ

1. Юревич Е. И. Основи на роботиката. - SPb .: BHV-Петербург, 2007 .-- 416 с.

2. Манипулационни системи на роботи / Изд. А. И. Корендясева. - М .: Машиностроение, 1989 .-- 472 с.

3. Бурдаков С. Ф. Синтез на здрави регулатори с еластични елементи: сборник стат. научен. tr. - No 443. Механика и управленски процеси. - SPb .: SPbSTU, 1992.

4. Protalinsky OM Приложение на методи на изкуствен интелект в автоматизацията на технологичните процеси: монография. - Астрахан: Издателство на ASTU, 2004 .-- 184 с.

Статията е получена на 13.01.2010г

ИНТЕЛЕКТУАЛНО УПРАВЛЕНИЕ НА СИСТЕМИ ЗА РОБОТИКА В УСЛОВИЯТА НА НЕСИГУРНОСТ

И. А. Шчербатов

Целта на настоящата работа е формиране на подходи за изграждане на интелектуални системи за управление на роботизирани системи, инвариантни по отношение на спецификата на функционирането, като се има предвид непълнота на входната информация и различни видове неопределеност. Извършен е анализът, позволяващ да се синтезира архитектура на интелектуална система за управление на роботизирани системи, инвариантни по отношение на спецификата на функциониране. Разработеният алгоритъм за ситуационна идентификация позволява да се изградят добри сензорни карти на околната среда. Описани са основните подходи за формиране на интелектуални системи за управление на роботизирани системи. Показани са насоките на перспективно развитие на най-ефективните методи на изкуствения интелект, прилагани за реализиране на задействащи устройства.

Ключови думи: роботизирана система, роботът, интелектуално управление, структурна несигурност, непълнота на информацията, сензорна карта, невронна мрежа, теория на неясни множества, самообучаваща се експертна система.

ТЕМА 13. ИНТЕЛИГЕНТНИ СИСТЕМИ ЗА УПРАВЛЕНИЕ

Ново поколение системи - интелигентни системи (ИС) - оживиха други принципи на организиране на компонентите на системите, появиха се нови понятия, термини, блокове, които преди това не се срещаха в разработките и следователно в научната литература.

Интелигентните системи са в състояние да синтезират цел, да вземат решение за действие, да предоставят действие за постигане на целта, да предскажат стойностите на параметрите на резултата от действието и да ги сравняват с реални, формирайки обратна връзка, коригират целта или контролират

Фигура 13.1 показва блокова схема на ИС, където са подчертани два големи блока на системата: синтезът на целта и нейното изпълнение.

В първия блок, на базата на активната оценка на информацията, получена от сензорната система, при наличие на мотивация и знания се синтезира цел и се взема решение за действие. Активната оценка на информацията се извършва под въздействието на тригерни сигнали. Променливостта на средата и собственото състояние на системата може да доведе до нужда от нещо (мотивация), а ако има знание, може да се синтезира цел.

Целта се разбира като идеално, мисловно очакване на резултата от дадена дейност. Продължавайки активно да оценявате информацията за околната среда и собственото състояние на системата, включително контролния обект, когато сравнявате опциите за постигане на целта, можете да вземете решение за действие.

Освен това във втория блок динамична експертна система (DES), базирана на текуща информация за околната среда и собственото си състояние на ИС, при наличие на цел и знания, извършва експертна оценка, взема решение за управление , прогнозира резултатите от дадено действие и развива контрол.

Кодираното управление се преобразува във физически сигнал и се подава към задвижващите механизми.

Управляващият обект, получавайки сигнал от задвижващите механизми, извършва едно или друго действие, резултатите от което, представени под формата на параметри, се подават на DES чрез обратна връзка 2, където се сравняват с предвидените. В същото време параметрите на резултата от действието, интерпретирани в съответствие със свойствата на целта и влизащ в блок I, могат да се използват за емоционална оценка на постигнатия резултат: например целта е постигната, но резултатът не е приятен.

Ако целта е постигната във всички отношения, тогава управлението се засилва. В противен случай контролът се коригира. Когато целта е непостижима, целта се коригира.

Трябва да се отбележи, че при внезапни промени в състоянието на околната среда, или обекта на управление, или системата като цяло е възможно да се синтезира нова цел и да се организира нейното постигане.

Структурата на ИС, наред с новите елементи, съдържа традиционни елементи и връзки, централно място в нея заема динамична експертна система.

Блок 1 - синтез на цели Блок II - реализация на целта

Фигура 13.1 - блокова схема на IC

Формално IS се описва със следните шест израза:

T х С М T ;

T М С СВ ;

° С T С Р T;

T NS= (А Т) Х Т + (Б Т) У T;

T Y = (D Т) Х T;

T Р Й С T ,

където T е набор от точки във времето;

X, S, M, C, R и Y са съвкупността от състояния на системата, средата, мотивацията, целта, прогнозирания и реалния резултат;

А, В и D - матрици на параметрите;

Интелигентни оператори за трансформация, използващи знания.

Това описание комбинира представянето на системни обекти под формата на набор от значения, или набор от твърдения, или някои други форми.

Динамичните свойства на IS могат да бъдат описани в пространството на състоянията. Интелигентните оператори, които реализират възприятие, представяне, формиране на концепции, преценки и изводи в процеса на познание са формално средство за обработка на информация и знание, както и за вземане на решение. Всички тези аспекти трябва да формират основата за изграждане на DES, работещи в реално време и в реалния свят.

Динамичната експертна система е вид комплексно образование, способно да оцени състоянието на системата и околната среда, да сравнява параметрите на желаните и реалните резултати от действие, да взема решение и да развива контрол, който допринася за постигането на целта. За да направи това, DES трябва да има запас от знания и да има методи за решаване на проблеми. Знанията, прехвърлени в експертната система, могат да бъдат разделени на три категории:

1) концептуално (на ниво понятия) знание е знание, въплътено в думите на човешката реч или по-точно в научно-технически термини и, естествено, в класовете и свойствата на обектите на околната среда зад тези термини. Това включва и връзки, връзки и зависимости между понятията и техните свойства, като връзките са абстрактни, също изразени с думи и термини. Концептуалното познание е сферата, предимно на фундаменталните науки, ако считаме, че понятието е най-висшият продукт на най-висшия продукт на материята – мозъка;

2) фактически, предметни знания са съвкупност от информация за качествените и количествените характеристики на конкретни обекти. Именно с тази категория знания се свързват термините "информация" и "данни", въпреки че подобно използване на тези термини донякъде намалява тяхното значение. Всяко знание носи информация и може да бъде представено под формата на данни; фактическото знание е това, с което компютрите винаги са се занимавали и с това, с което са се занимавали най-много досега. Съвременната форма на натрупване на данни обикновено се нарича бази данни. Разбира се, за да се организират бази данни, да се търси необходимата информация в тях, трябва да се разчита на концептуални знания;

3) алгоритмично, процедурно знание - това е, което обикновено се наричат ​​думите "умение", "технология" и т. н. В изчисленията алгоритмичните знания се реализират под формата на алгоритми, програми и подпрограми, но не всякакви, а такива, които могат да се предава от ръце в ръце и да се използва без участието на авторите. Такава реализация на алгоритмично знание се нарича софтуерен продукт. Най-често срещаните форми на софтуерен продукт са софтуерни пакети, софтуерни системи и други, насочени към конкретна област на приложение на DES. Организацията и използването на пакети от приложения се основава на концептуални познания.

Ясно е, че концептуалното знание е по-висша, определяща категория на знанието, въпреки че от практическа гледна точка други категории може да изглеждат по-важни.

Вероятно това е причината концептуалното знание рядко да бъде въплътено във форма, която може да бъде обработена на компютри. И ако е въплътена, то най-често е непълна и едностранна. В повечето случаи човек остава носител на концептуално познание. Това забавя автоматизацията на много процеси.

Представленията на концептуалното знание или по-скоро системи, които реализират и трите категории знания, но изтъкват концептуалното знание на преден план и работят на базата на интензивното му използване, се наричат ​​бази от знания.

Създаването и широкото използване на бази знания в ИС е една от най-неотложните задачи. Концептуалната част на базата знания ще се нарича модел на домейна, алгоритмичната част - софтуерната система, а фактическата част - базата данни.

Следващата функция на DES е решаването на проблеми. Проблемът може да бъде решен от машина само ако е формално поставен - ако за него е написана формална спецификация. Последното трябва да се основава на някаква база от знания. Моделът на домейна описва общата настройка, в която е възникнала задачата, а спецификацията описва съдържанието на задачата. Взети заедно, те дават възможност да се установят какви абстрактни връзки и зависимости, в какви комбинации и в каква последователност трябва да се използват за решаване на проблема.

Приложните програми представляват специфичните инструменти зад тези зависимости, а също така съдържат алгоритми за решаване на уравненията, които възникват. И накрая, базата данни предоставя всички или част от първоначалните данни за изпълнение на тези алгоритми, липсващите данни трябва да се съдържат в спецификацията.

Тези три части от базата знания отговарят на три етапа на решаване на проблема:

1) изграждане на програма за абстрактно решение (включително възникването на проблема, неговата формулировка и спецификация);

2) превод на проблема на подходящ машинен език;

3) излъчване и изпълнение на програмата.

Изграждането на абстрактна програма е свързано с представянето и обработката на концептуалните знания в ИС и по дефиниция е собственост на изкуствения интелект.

Изкуственият интелект се свързва с обработката на текстове, устни съобщения на естествен език, с анализ и обработка на информация (разпознаване на всички видове образи, доказване на теореми, логически изводи и др.).

Функциите на DES са също така оценка на резултатите от решаването на проблема, формиране на параметри на бъдещия резултат от действието, вземане на решения за управление, разработване на контрол и сравнение на параметрите на желаното и реалното резултати. Той предвижда моделиране на процеси за оценка на възможните последици и коректността на решението на проблема.

Имайте предвид, че в реални случаи има проблем с описанието на изследваните обекти. Неуместно е подобно описание да се счита за част от спецификацията на проблема, тъй като по правило много проблеми се поставят спрямо един обект, което, разбира се, трябва да се вземе предвид при формиране на базата от знания. Освен това може да се окаже, че възникналият проблем не може да бъде решен автоматично до края, например поради непълнотата на спецификацията или описанието на обекта.

Следователно в ИС е препоръчително на определени етапи да има интерактивен режим на работа с DES. Трябва да се помни, че моделът на домейна описва общата среда (знания), а спецификацията описва съдържанието на задачата. Много важни проблеми са създаването на единна софтуерна среда и синтезирането на алгоритми директно според постановката на проблема.

В зависимост от целта, която е изправена пред ИС, базата от знания, алгоритмите за решаване на проблем, вземане на решение, разработване на контрол могат, разбира се, да имат различно представяне, което от своя страна зависи от естеството на решаването на проблемите. Съответно могат да се видят три типа DES. Структурата на DES от първия тип е показана на Фигура 13.2.

Фигура 13.2 - Структура на DES от първи тип

Тук се приема, че концептуалните и фактическите знания отразяват точно процесите и информацията, свързани с определена предметна област.

Тогава решението на проблема, възникващ в тази област, ще бъде получено на базата на строги математически методи, в съответствие с формулировката и спецификацията. Резултатите от проучването и прогнозата на решенията се използват за получаване на експертно мнение и вземане на решение относно необходимостта от управление. След това, въз основа на подходящ алгоритъм за управление, наличен в базата от знания, се формира управляващо действие.

Ефективността и последователността на това въздействие, преди да достигне до контролния обект, се оценява с помощта на симулационен математически модел. Оценката трябва да се извършва по-бързо от реалните процеси на IS.

Въпреки това, DES, които реализират вземането на решения, са сложни софтуерни системи, предназначени за автоматично вземане на решения или за подпомагане на вземащите решения, а при оперативното управление на сложни системи и процеси, като правило, те работят при тежки времеви ограничения.

За разлика от DES от първия тип, предназначени за намиране на оптимално решение и базирани на строги математически методи и оптимизационни модели, DES от втория тип са основно насочени към решаване на трудни формализирани задачи при липса на пълна и надеждна информация (фиг. 13.3). Използва експертни модели, изградени върху знанията на експерти – специалисти в тази проблемна област, и евристични методи за намиране на решение.

Един от основните проблеми при проектирането на DES от втория тип е изборът на формален апарат за описание на процесите на вземане на решения и изграждането на негова основа на модел за вземане на решения, който е адекватен на проблемната област (семантично правилен). Като такъв апарат обикновено се използват производствени системи. Основното изследване обаче се провежда в контекста на алгоритмична (детерминистична) интерпретация на производствена система с присъщата й схема за последователно търсене на решение.

Получените модели често са неадекватни за реални проблемни области, характеризиращи се с недетерминиран процес на търсене на решение. Изходът от тази ситуация е паралелизъм при търсене.

В действителност трябва да се съсредоточи върху комбинирането на DES от първия и втория тип в изчислително-логическа DES от третия тип, където базата от знания съчетава описание под формата на строги математически формули с информация от експерти, както и, съответно, математически методи за намиране на решение с нестроги евристични методи, а тежестта на единия или другия компонент се определя от възможността за адекватно описание на предметната област и метода за намиране на решение (фиг. 13.4).

Фигура 13.3 - Конструкция на дизеловата електроцентрала от второ ниво

При разработването на DES възникват следните проблеми:

1.определяне състава на базата от знания и нейното формиране;

2. разработване на нови и използване на добре познати теории и методи за описание на информационните процеси в ИС;

3. разработване на начини за представяне и организиране на използването на знанията;

4. разработване на алгоритми и софтуер с паралелизиране и използване на "гъвкава логика";

1. намиране на подходящи изчислителни среди за реализация на паралелни алгоритми при формирането на DES.

Фигура 13.4 - Конструкция на трето ниво дизелова електроцентрала

Наред с горното е важно да се отбележи, че DES трябва да има свойството да се адаптира към динамична проблемна област, способността да въвежда нови елементи и връзки в описанието на ситуациите, да променя правилата и стратегиите за функциониране на обектите в процес на вземане на решение и развитие на контрол, работа с непълна, размита и противоречива информация и др.

Динамичните експертни системи работят като част от ИС с обратна връзка и затова е важно да се осигури стабилната работа на такива ИС.

От традиционна гледна точка може да се приеме, че продължителността на отговора на DES на входни влияния, т.е. времето, прекарано за обработка на входната информация и разработване на контролно действие, е чисто забавяне. Въз основа на честотния анализ е възможно да се оцени промяната във фазовите свойства на системата и по този начин да се определи границата на стабилност. Ако е необходимо, можете да коригирате системата с помощта на филтри.

Въпреки това, от гледна точка на класическата теория на управлението, ИС са многообектни многосвързани системи, анализът на стабилността на които чрез конвенционални методи е много труден.

Понастоящем теорията за стабилното управление (-control theory, -control) е един от интензивно развиващите се клонове на теорията на управлението. Сравнително млад (първите произведения се появяват в началото на 80-те години), той възниква от неотложните практически проблеми на синтеза на многоизмерни линейни системи за управление, работещи в условия на различни видове смущения и промени в параметрите.

Можете да подходите към проблема за проектиране на управление за реален сложен обект, работещ при несигурност по различен начин: не се опитвайте да използвате един тип управление - адаптивен или стабилен. Очевидно трябва да се избере типът, който съответства на състоянието на околната среда и системата, както се определя от наличната информация за системата. Ако в процеса на функциониране на системата е възможно да се организира получаването на информация, препоръчително е тя да се използва в процеса на контрол.

Но изпълнението на такъв комбиниран контрол доскоро срещаше непреодолими трудности при определяне на алгоритъма за избор на вида на управление. Напредъкът, постигнат в разработването на проблеми с изкуствен интелект, прави възможно синтезирането на такъв алгоритъм.

Наистина, нека си поставим задачата: да проектираме система, която използва адаптивен и стабилен контрол и избира вида на управление въз основа на методи на изкуствен интелект. За да направим това, ще разгледаме характеристиките на двата вида и, като вземем предвид техните специфични качества, ще определим как може да се изгради комбинирана система за управление.

Едно от основните понятия в теорията на стабилния контрол е концепцията за несигурността. Несигурността на обекта отразява неточността на обектния модел, както параметричен, така и структурен.

Нека разгледаме по-подробно формите на задаване на несигурност в здравата теория на управлението с помощта на проста система - с един вход и един изход (Фигура 13.5).

Сигналите имат следната интерпретация: r - настройка на входния сигнал; u - входен сигнал (вход) на обекта; г - външно смущение; y - изходен сигнал (изход) на измервания обект.

Фигура 13.5 - Система с един вход и един изход

В теорията на управлението е удобно да се зададе неопределеността в честотната област. Да предположим, че преносната функция на нормално растение P и разгледайте нарушено растение, чиято преносна функция,

където W е фиксирана трансферна функция (теглова функция);

Това е произволна стабилна трансферна функция, която удовлетворява неравенството.

Това възмущение ще се нарече допустимо. По-долу са някои варианти на модели на несигурност:

Трябва да се направят подходящи допускания за количествата и W във всеки случай.

Несигурността на входните сигнали d отразява различното естество на външните смущения, действащи върху инсталацията и контролера. Следователно неопределен обект може да се разглежда като вид съвкупност от обекти.

Нека изберем някаква характеристика на системите с обратна връзка, например стабилност. Регулатор C е стабилен по отношение на тази характеристика, ако се притежава от някой от набора от обекти, дефинирани от несигурност.

По този начин концепцията за устойчивост предполага наличието на контролер, набор от обекти и фиксиране на определена характеристика на системата.

В тази работа няма да засягаме целия набор от проблеми, решени в рамките на теорията на управлението. Нека се докоснем само до проблема с минималната чувствителност: конструиране на контролер C, който стабилизира системата със затворен контур и минимизира влиянието на външните смущения върху изхода y, с други думи, минимизира нормата на матрицата на преносните функции от външни смущения към изходът y.

Една от характеристиките на решението на този, а и на целия набор от стабилни проблеми с управлението, е фактът, че в процеса на проектиране на контролера предварително поставяме ограничения върху входните действия и несигурността на обекта под формата на неравенства.

По време на работа на здрава система информацията за несигурности в системата не се използва за контрол.

Естествено, това води до факта, че стабилните системи са консервативни и качеството на преходните процеси понякога не удовлетворява разработчиците на тези системи.

Подобно на здрава система за адаптивно управление, адаптивната система за управление се изгражда за обекти, информация за които или за ефектите върху които не е налична в началото на функционирането на системата. Най-често свойството на адаптация се постига чрез формиране, в явна или имплицитна форма, на математически модел на обект или входно действие.

Това разграничава както адаптивния контрол за търсене, който се основава на търсене и задържане на екстремума на индикатора за качество на контрола, така и контрола без търсене, който се основава на компенсиране на отклонението на действителните промени в контролираните координати от желаните промени съответстващ на необходимото ниво на индикатора за качество. Освен това, според усъвършенствания модел, адаптивният контролер се настройва.

По този начин основната характеристика на адаптивните системи за управление е способността да се получава информация в процеса на функциониране и да се използва тази информация за управление.

Освен това в адаптивните системи винаги се използва априорна информация за несигурността в системата. Това е основната разлика между адаптивния и стабилния подход.

Помислете за проста адаптивна система за управление, която следи входния сигнал при наличие на смущения на входа на обекта (Фигура 13.6).

Рисуване. 13.6 – Адаптивна система за управление

Формалната разлика от схемата на фигура 13.5 е адаптационният блок А, който на базата на изходния сигнал на обекта и сигнала, характеризиращ даденото качество, генерира сигнал за регулиране на коефициентите на адаптивния контролер.

Като се имат предвид недостатъците на всеки от регулаторите, препоръчително е да се опитате да използвате техните предимства, като предложите комбинирана схема за управление на обекта. Адаптивната система с помощта на модула за адаптация генерира известна информация за състоянието на външната среда. По-специално, в разглеждания случай може да се получи информация за външното смущение d. Алгоритъмът за управление С а съответства на текущото състояние на външната среда, според критерия, заложен в адаптационния блок. Но адаптивната система изисква входният сигнал r да има достатъчно широк честотен диапазон и налага сериозни ограничения върху стойността и честотния спектър на външния смущаващ сигнал d. Следователно адаптивните системи могат да работят само в тесни диапазони на входния сигнал r и външното смущение d. Извън тези диапазони адаптивната система има лошо качество на управление и дори може да стане нестабилна.

Разгледаните по-горе свойства на стабилното и адаптивно управление водят до извода, че в процеса на функциониране на системата в някои случаи е изгодно да се използва робастно управление, в други - адаптивно управление, т.е. да могат да комбинират контрола в зависимост от състоянието на външната среда.

Комбиниран контрол. Основният въпрос при проектирането на комбинирани системи за управление е как въз основа на какви знания (информация) да се избере един или друг вид контрол.

Най-широките възможности за това са представени от методите на изкуствения интелект. Предимството им пред простите алгоритми за превключване е използването на широк набор от данни и знания за формиране на алгоритъм за избор на тип управление.

Ако формално комбинираме веригите, показани на фигури 13.5, 13.6, получаваме комбинирана схема за управление (фигура 13.7).

Както се вижда от фигурата, управляващият сигнал трябва да премине от стабилен контролер към адаптивен и обратно - при промяна на средата по време на работа на системата. Използвайки методите на теорията на интелигентните системи, е възможно да се осигури преход от един тип управление към друг, в зависимост от условията на работа на системата.

Фигура 13.6 - Комбинирана схема за управление

Нека първо разгледаме каква информация може да се използва за управление на интелигентния блок на системата. Както знаете, системите с един вход и един изход са добре описани в честотната област. Поради това е естествено да се използват честотни характеристики за организиране на процеса на вземане на решения при избора на вида на управление.

Както бе споменато по-горе, честотната характеристика на стабилно контролирана система съответства на най-лошата комбинация от параметри в областта на несигурност. Следователно стабилният контрол може да се приеме като една от границите на избрания контрол.

Друга граница се определя от възможностите на изследваната система (скорост на задвижване, съотношение мощност към тегло и т.н.). Между тези две граници има зона, където има смисъл да се използва адаптивен контрол.

Фигура 13.7 - Комбинирана схема за управление

Тъй като адаптивният алгоритъм е чувствителен към началния етап от функционирането на системата, на този етап е препоръчително да се използва стабилно управление, което е достатъчно нечувствително към скоростта на изменение на външния шум. Но неговият недостатък е дългата продължителност на преходните процеси и големите допустими стойности на изходната координата под действието на смущения.

След известно време има смисъл да превключите стабилното управление към адаптивно.

Адаптивното управление ви позволява по-точно да проследявате входния сигнал при наличие на информация за смущения. Адаптивното управление е взискателно към богатството на спектъра на входния сигнал и, например, при бавно променящи се сигнали, процесите на адаптация могат да бъдат нарушени или силно забавени. В такава ситуация е необходимо отново да преминете към стабилно управление, което гарантира стабилността на системата.

От горното следва, че за да функционира системата е необходимо да има информация за честотния спектър на полезния интерференционен сигнал и за съотношението сигнал/шум.

Освен това се изисква предварителна информация за честотния спектър, на който работи адаптивната система, и за специфичните характеристики на обекта на управление в границите на зоната на неопределеност. От тази информация е възможно да се формира база данни, в която предварително се въвежда информация, индивидуална за всеки клас обекти. Информацията за честотния спектър на полезния сигнал, смущенията и съотношението сигнал/шум се въвежда в базата данни, докато системата работи и се актуализира постоянно.

Съдържанието на базата данни може да се използва в базата от знания, която се формира под формата на правила. В зависимост от специфичните свойства на системата може да се настрои превключване на два вида управление. Необходимите правила се формират в една от логическите системи, подходящи за разглеждания случай.

Притежавайки бази данни и знания, е възможно да се разработи механизъм за вземане на решения, който ще осигури правилния избор на вида на контрол в зависимост от условията на функциониране на системата.

Фигура 13.8 - Блокова схема на система с интелигентен блок (IS)

Интелектуалната част на системата работи дискретно, на определени интервали от време. Фигура 13.8 показва блокова схема на система с интелигентен IS блок, който осигурява избор на вида на управление.

Входът на блока получава сигнала r, а измерения - изходния сигнал на обекта y. В блока за предварителна обработка на информация BPOI, според времевите характеристики на сигналите r (t), y (t), честотните характеристики на входния сигнал r (w) и външното смущение d (w), относителното положение на спектрите r (w) и d (w) и характерните стойности на съотношението сигнал/шум r (w) / d (w). Цялата тази информация отива в базата данни на БД. Блокът за вземане на решения на BPR, използвайки генерираната база знания на базата знания и данните от базата данни, разработва решение, в съответствие с което се включва един от видовете контрол. На следващия интервал процесът се повтаря с нови данни.

ВЪВЕДЕНИЕ

Условията на работа на съвременните технологични комплекси водят до необходимостта от счетоводство в процеса на контрол и управление. следните видове несигурност:

1. Ниска точност на оперативната информация, получена от контролни обекти,възниква поради голямата грешка на сензорите за измерване на технологични параметри (поток, налягане и др.), тяхната ниска надеждност, повреди на комуникационните канали, голямо забавяне на предаването на информация над нивата на управление, невъзможност за измерване на параметрите във всички точки на технологичния процес, необходим за моделите.

2. Неточност на моделите на обекти на контрол и управлениепричинени от: нееквивалентност на решенията на системни многостепенни йерархични модели и индивидуални локални проблеми, използвани в практиката; неправилно разлагане на общия проблем за управление, прекомерно идеализиране на модела на технологичния процес, разкъсване на съществени връзки в технологичния комплекс, линеаризация, дискретизация, замяна на действителните характеристики на оборудването с паспортни, нарушаване на допусканията, направени при извеждане на уравнения ( стационарност, изотермичност, хомогенност и др.).

3. Размито вземане на решенияв многостепенни йерархични системи, поради факта, че наличието на ясни (прецизни) цели и координиращи решения на всяко ниво на контрол и управление, както и за всяко локално контролно устройство, усложнява процеса на координация и предопределя дългия итерационен характер на решението координация.

4. Наличието на човешки оператор, включително диспечер в контролния контури провеждането на координационния процес в реална производствена система на естествен език, води до необходимостта да се вземат предвид трудностите при представяне на знанията на диспечера под формата на алгоритми и съгласуваността на полученото от компютъра решение с неговата Оценяване.

„Прекомерният стремеж към точност започна да има ефект, който анулира теорията за управление и теорията на системите, тъй като води до факта, че изследванията в тази област се фокусират върху онези и само онези проблеми, които се поддават на точни решения. Много класове важни проблеми, в които данните, целите и ограниченията са твърде сложни или недобре дефинирани, за да позволят точен математически анализ, са били и остават настрана, просто защото не се поддават на математическа обработка."

L.Zadeh

Сред съвременните производствени процеси има много, които притежават комплекс от качества, които са неочаквани за класическата теория на автоматичното управление (TAU). Това "неудобно" или, както още ги наричат, "полуструктуриран"или "Зле дефиниран"обектите имат такива свойства като уникалност, липса на формализирана цел на съществуване и оптималност, нестационарност на структурата и параметрите, непълнота или почти пълна липса на формално описание на обекта.

Концептуална рамка

управление при несигурност

Несигурносткоито се разбират като източници на несигурност, са доста условно разделени на следните три големи групи:

1. несигурност и непълнота на информацията за ситуацията, който се използва за вземане на решение за оценка на качеството на функциониране или формиране на контрол върху функционирането на системата - фактор на несигурност на системата и околната среда;

2. фактори, породени от несигурност, неяснота на мисленето и познанието на човек- несигурност, която се проявява във взаимодействието на човек със системата и неговата среда;

3. фактори на несигурност, размита(неточност) натрупани знания, концентриран в базите от знания на системите с изкуствен интелект, несигурност при използване на това знание в процеса на изпълнениеопределени логически и логико-алгебрични процедури за събиране и обработка на информация, разработване, подбор и вземане на управленски решения.

Класификация на факторите (източниците) на несигурносткоито трябва да се вземат предвид при изследването на сложни системи е показано на фигура Б.1.

Фигура B.1. Класификация на несигурността

Методология за анализ и отчитане на факторите на несигурност в

управление в сложни организационни и технически системи ...

(ACS с DSS и DSS-системи за подкрепа на решенията и системи за вземане на решения)

1. Проблеми и обобщена формализиране на задачите за разработване и

вземане на управленски решения в условия на несигурност...

2. Детерминистичен игров подход за вземане на решения при условия

несигурност ………… .. …………… .. …………………… ..

3. Стохастичен подход за решаване на проблеми за вземане на решения в

условия на несигурност … .. …………………………………………

4. Вероятностно-статистически подход към вземането на решения в нас-

в лицето на несигурността ……………………………………………………… ..

5. Вероятностният подход при вземане на решения в условия на несигурност

мързел… .. ………………………………………………………………………

6. Размити - стохастичен подход за вземане на решения в условия

несигурност …………………………… .. ………………………………… ..

7. Теория на възможностите и проблемът за вземане на решения в условия

несигурности …………………………………………………………………………

8. Fuzzy - възможен подход за вземане на решения в условия

несигурности …………………………………………………………………….

9. Езиков подход към вземането на решения в контекста на несигурността

дивизии .. ………………………………… .. ………………………………….

Контролът на полуструктурирани обекти от гледна точка на класическия TAU е доста труден, практически неразрешим проблем. Това се дължи на факта, че при изграждането на традиционна автоматична система за управление (ACS) е необходимо предварително формално да се опише обектът на управление и да се формират критерии за управление на базата на математически апарат, работещ в количествени категории. Ако е невъзможно да се даде точно математическо описание на обекта и критериите за контрола му в количествено отношение, традиционният TAU се оказва неприложим.

Например, класическата ACS чрез детерминистични и стохастични системи се използва успешно за изграждане на ACS от самолети, електроцентрали и др., но се опитва да разшири традиционните методи в области като биосинтеза, многофазни химико-технологични процеси, свързани с печене, топене, катализа и др., не дадоха осезаеми практически резултати, въпреки все по-сложните математически методи за тяхното описание.

На практика обаче такива полуструктурирани обекти се управляват доста успешно от човешки оператор, който е спасен от способността да наблюдава, анализира и запомня информация, да прави определени заключения и т.н. и в резултат на това да взема правилните решения в среда на непълна и размита информация. Благодарение на неговия интелект, човек може да оперира не само с количествени(което, до известна степен, една машина може), но и с качествени неформални понятия, в резултат на което доста успешно се справя с несигурността и сложността на управленския процес. Следователно изграждането на модели на приблизителни човешки разсъждения и тяхното използване в ACS днес е едно от най-важните направления в развитието на TAU.

Няма съмнение, че значително повишаване на ефективността на управлението на сложни обекти се състои в създаването на интелигентни ACS, способни в една или друга степен да възпроизвеждат определени интелектуални човешки действия, свързани с придобиване, анализ, класифициране на знания в предметната област на ​управление на технологичния процес, както и експлоатационни знания, натрупани от човека оператор или от самата система в хода на практически дейности по управление на обекта.

Необходимостта от работа в тези условия затруднява използването на стандартни системи за автоматизация и АСУ ТП.... Особено трудно е да се опишат областите на допустимите режими на работа на оборудването в такива условия, когато поставянето на строги (ясни) ограничения за системата за управление на процеса и системите за автоматизация води до автоматично или ръчно изключване на тези системи. Ето защо е изключително важно да се използват за описание и формализиране на областите на допустимите режими на работа на оборудването теории на изкуствения интелект (AI) и интелигентните системи (IS).

Поради бурното развитие на компютърните технологии през последните години започва използването на нови методи за интелигентно управление в индустрията... И въпреки че първите приложения на интелигентните ACS се състояха в Европа, такива системи се въвеждат най-интензивно в Япония. Обхватът им от приложения е широк: от управление на промишлени роботи, ректификационни инсталации и доменни пещи до перални машини, прахосмукачки и микровълнови фурни. В същото време, интелигентните ACS позволяват да се подобри качеството на продукта, като същевременно се намалява потреблението на ресурси и енергия и осигурява по-висока устойчивост на смущаващи фактори в сравнение с традиционните ACS.

Интелигентна система означава(К.А. Пупков) съвкупност от технически средства и софтуер, комбинирани от информационен процес, работещи съвместно с човек (група хора) или автономно, способни да синтезират цел въз основа на информация и знание, дадена мотивация, да направи решение за действие и намиране на рационални начини за постигане на целите.

Основната архитектурна особеност, която отличава интелигентни системи за управление (IMS) от „традиционните„Е механизъм за получаване, съхраняване и обработка на знания за изпълнение на неговите функции.

Създаването на интелигентни системи за управление се основава на два принципа: ситуационен контрол (контрол, базиран на анализ на външни ситуации или събития) и използване на съвременни информационни технологии за обработка на знания (експертни системи, изкуствени невронни мрежи, размита логика, генетични алгоритми, и редица други).

Програма № 14 за фундаментални изследвания на OEMMPU RAS

"АНАЛИЗ И ОПТИМИЗАЦИЯ НА ФУНКЦИОНИРАНЕТО НА МНОГО-НИВНИ, ИНТЕЛИГЕНТНИ И МРЕЖОВИ КОНТРОЛНИ СИСТЕМИ ПРИ НЕСИГУРЕНОСТ"

1. Обосновка на програмата

1.1. Научно и практическо значение

Интензивното развитие на технологиите (мрежово взаимодействие, миниатюризиране на компютрите, повишаване на тяхната производителност и др.) налага нови изисквания към съвременните системи за управление и отваря нови възможности както на ниво вградени системи за управление (на ниво големи диспечерски центрове), така и на ниво на мрежово ниво (комуникационно-мрежово, групово) взаимодействие на децентрализирани мултиагентни системи.Системите за управление все повече придобиват характера на информационни и управляващи системи и се изучават на пресечната точка на теориите за управление, изчисление и комуникация. Така че, отчитането на свойствата на комуникационните канали (комуникация) е необходимо, например, в децентрализирани (многоагентни) системи, а характеристиките на вградения компютър са важни при реализиране на такива интелектуални функции в системи за управление на много нива като техническа визия, планиране на действие, обучение, многокритериално вземане на решения, размисъл и др. и т.н. По-специално, интелектуализацията на контрола е предназначена да повиши степента на автономност на функционирането на системите, когато отсъствието на количествени модели на динамика или смущения във функционирането на обекта на управление, причиняващи загуба на адекватността на количествените модели (например уравнения, описващи еволюцията на сложна система), повишават ролята на качествените (т.нар. „знание“, напр. , логико-лингвистични) модели на обекта и средата, използвани на горните нива на системата за управление.

Програмата е насочена към решаване на фундаментални проблеми, възникващи в приоритетните области на науката, технологиите и технологиите на Руската федерация. Задачата е да се получат нови фундаментални и приложни резултати в областта на теорията на управлението за сложни технически, човеко-машинни и други системи, като се вземат предвид несигурността и липсата на първоначална информация, включително: теория на анализа и синтеза на стохастични системи, теорията за създаване на системи за управление на движението и технологични процеси, с текуща диагностика и контрол върху техническото състояние, както и теория за създаване на автоматизирани системи за проектиране и интелигентно управление на базата на съвременни информационни технологии.

Поради разнообразието от използване на теорията за управление, анализ и оптимизация в различни приложения (транспорт, логистика, производство, авиационни и космически системи, подводници и надводни кораби и др.), е необходимо да се вземат предвид голям брой фактори на сложност , като:

Многостепенно управление,

децентрализация,

нелинейност,

многовръзка,

Разпределение на параметрите,

Различни мащаби на процеси в пространството и времето,

Високо измерение,

Хетерогенност на описанието на подсистемите,

мултимодов,

Наличието на импулсни влияния,

Наличие на координатно-параметрични, структурни, регулярни и единични смущения,

Използването на детерминистични и вероятностни модели за описване на несигурността на информацията за вектора на състоянието и параметрите на системата, за свойствата на грешките в измерването и околната среда,

Наличието на ефекти на забавяне в контрола или обекта,

· Обща структурна сложност на съвременните системи за управление.

За постигане на тази цел и решаване на основните задачи Програмата включва изследвания и разработки в следните основни области:

1. Анализ и оптимизиране на функционирането в различни времеви мащаби на многостепенни системи за управление с непълна информация.

2. Управление и оптимизация в многостепенни и децентрализирани системи от организационен и технически характер.

2.1. Управление и оптимизация в мрежово ориентирани системи.

2.2. Интелигентно управление на движещи се обекти.

2.3. Моделиране и оптимизиране на многостепенни информационни и контролни системи в реално време.

Посока 1. Анализ и оптимизиране на функционирането в различни времеви скали на многостепенни системи за управление с непълна информация

Сложността на много съвременни системи за управление често не позволява да се получи предварително пълно описание на процесите, протичащи в системата и нейното взаимодействие с околната среда. По правило реалните системи се описват с нелинейни уравнения на динамиката и доста често математическите модели на системите за управление отчитат само допустимите диапазони на изменение на параметрите и характеристиките на отделните елементи, без да посочват самите параметри и характеристики.

В допълнение, в някои системи, по-специално микромеханични и квантови системи, използването на класически методи за описание в непрекъснато или дискретно време се възпрепятства от факта, че възникващите вътрешни и / или външни сили на взаимодействие, както и контролни действия, са с преходен, импулсивен характер и не могат да бъдат точно изчислени. ... Системата изглежда функционира в различни времеви скали: реални (бавни) и бързи (импулсни). Такава времева вариабилност на мащабите е присъщо свойство на много съвременни системи за управление, включително системи с многостепенно управление, при които горните нива използват качествени и дискретни модели, а долните - по-често количествени модели с непрекъснато време.

Поради тази причина разработването на методи за математическо формализиране на описанието на функционирането на такива системи в хибридно (непрекъснато-дискретно) време, изследване на техните свойства за управляемост и стабилност при условия на непълна информация, противопоставяне и нестандартност. ограниченията върху контролите и фазовите променливи е спешна задача. Разработването на методи за синтез на оптимално управление на такива непрекъснато-дискретни системи, както детерминирани, така и стохастични, е еднакво спешна задача.

Освен това, в условия на несигурност и недостиг на априорна информация, задачите за оптимизиране на процеса на събиране и обработка на информация (мониторинг на наблюденията и оптимално филтриране) са много актуални.

Посока 2. Управление и оптимизация в многостепенни и децентрализирани системи от организационен и технически характер

2.1. Контрол и оптимизация в мрежово ориентирани системи

Съвременните сложни организационни и технически системи се характеризират с висока размерност, децентрализация, многостепенно управление, необходимост от ефективно планиране на дейностите, като се вземе предвид обучението, многокритериите на взетите решения и отразяването на контролираните субекти.

Проблемите за планиране и управление на дискретни и непрекъснати разпределени многосвързани системи с голямо измерение също се характеризират с различни мащаби на процесите не само във времето, но и с разпределение и различни мащаби в пространството и представляват един от най-сложните и отнемащи време класове. на оптимизационни проблеми. Поради тази причина е препоръчително да се разработят изследователски методи и подходи за намиране на точни и приблизителни решения, както и симулационни инструменти за използване в системите за подпомагане на вземането на решения при планиране, проектиране и управление на сложни технически, организационни (включително транспортни и логистични) и информационни системи.

За управление на груповото взаимодействие на компонентите на децентрализираните организационни и технически системи (мрежово-центрирани системи, производствени системи, изчислителни, телекомуникационни и други мрежи и др.) в контекста на ограниченията на комуникационните канали и сложността на изчисленията, характеристиките на процеси на обработка на информация, както и ограничения за времето за вземане на решения, изчислителните възможности и честотната лента на комуникационните канали. Ето защо е уместно да се разработят методи за оптимизация (като се вземат предвид изброените ограничения) на структурата на сложни организационни и технически системи, включително при едновременно отчитане на много критерии: детайлност на изходните данни, ефективност на събиране на информация, планиране и рефлексивно вземане на решения, ограничената производителност на отделните компютри и намаляване на дублирането на работа., както и дела на спомагателните изчисления, свързани с услугите за предаване на данни.

Многостепенните и децентрализирани системи се характеризират с разпределено вземане на решения в реално време в условия на информационно противодействие, както и с непълнота и хетерогенност на информацията, често с многокритериален качествен и субективен характер. Поради тази причина е необходимо да се разработят методи за създаване на адекватни системи за информационна поддръжка и подпомагане приемането на стратегически и оперативни решения в условия на непълна информация и противопоставяне. За това е препоръчително по-специално да се разработят: мултиагентни модели на динамични организационни и технически системи, включително мрежови модели с конфликтни агенти, модели на групово поведение и неговата прогноза, оценка на баланса на интересите и формиране на коалиции в тези системи, както и развитието на информационните технологии и средствата за представяне на информация.за външната среда и знанията на интелигентните агенти.

2.2. Интелигентно управление на движещи се обекти

Количествените модели не винаги могат да бъдат създадени за решаване на поставените задачи, следователно, наред с традиционните методи, програмата използва методи на изкуствен интелект. Изкуственият интелект, като област на знанието, претърпя огромен скок през последните петдесет години, както в развитието и усъвършенстването на самата концепция за интелект, така и в областта на практическото приложение на изкуствения интелект в различни области на човешката дейност: в технологиите, икономиката, бизнеса, медицината, образованието и др. Много теоретични положения и методи на изкуствения интелект са трансформирани в приложни интелигентни технологии, базирани на знанието.

Особеността на съвременното поколение интелигентни системи е, че те разчитат на сложен модел на външната среда, който отчита както количествената информация, така и качествените модели – знания за възможното поведение на различни обекти от външната среда и техните взаимовръзки. Използването на такива модели стана възможно благодарение на разработването на методи за представяне на знания, методи за интегриране на данни от различни източници, значително увеличаване на скоростта и паметта на компютрите.

Наличието на модел на външната среда позволява на съвременните интелигентни системи за управление на движещи се обекти да вземат решения в условия на многокритериалност, несигурност и риск, като качеството на тези решения може да надвиши качеството на решенията, взети от човек в условия на претоварване с информация. , ограничено време и стрес.

В тази връзка неотложна задача е разработването на нови средства и методи за развитие на интелигентно управление на движещи се обекти при наличието на горепосочените фактори.

2.3. Моделиране и оптимизиране на многостепенни информационни и контролни системи в реално време

Актуалността на изследванията в тази насока се дължи на необходимостта от разработване на методи за анализ и синтез на многостепенни отворени модулни информационни и контролни системи в реално време (IMS RT) на многорежимни и многофункционални обекти, работещи в условия на несигурност, структурни смущения и извънредни ситуации (NSS). Сред тези обекти на управление са критични обекти и системи за отговорно използване, които определят сигурността на държавата.

Очевидно е, че проблемите и задачите за създаване на системи от този клас могат да бъдат успешно решени въз основа на разработването на единна теория и приложени софтуерно ориентирани методи за динамичен и сценарий анализ и синтез на структурата на такива системи, тяхната алгоритмична , софтуерна и информационна поддръжка, механизми за развитие на ефективни управленски влияния. Те, на първо място, включват разработването на формализирана методология за проектиране на отворени информационни и контролни системи, включително модели и методи за синтезиране на модулната структура на обектно-ориентирана I&C RW с отворена архитектура, която е оптимална според различна ефективност критерии. Въз основа на резултатите, получени на етапа на динамичен анализ, се синтезира оптимална функционална модулна структура за обработка и управление на данни, т.е. определя се оптималният състав и брой на I&C RV модули, синтезира се интерфейсът на системата и структурата на нейната софтуерна и информационна поддръжка за обработка на входни потоци от приложения.

За планиране на действия и подпомагане на вземането на решения в условия на несигурност, структурни смущения и аварийни ситуации е препоръчително да се използват методите за сценариен анализ и синтез на ефективни контролни действия в IMS RV. В този случай ще се формира математически модел на разпространението на структурни смущения и аварийни ситуации на езика на претеглените или функционални знакови графики. На базата на този модел ще бъдат синтезирани рационални сценарии за управление на обекти, като се използват концепциите за работоспособност, устойчивост и оцеляване на съставните им елементи. Синтезът на сценарии за отстраняване на причините и последствията от НСС в многорежимни целеви обекти ще се извършва при отчитане на динамично определяните времеви и ресурсни ограничения. Необходимо е също така да се разработят формулировки и методи за решаване на обратни задачи за управление на жизнеспособността на многорежимни и многофункционални обекти, работещи в условия на несигурност, структурни смущения и аварийни ситуации.

Посочената по-горе специфика на системите и обектите на управление, научното и практическото значение на решаването на проблемите на управлението, анализа и оптимизацията за тях позволяват да се формулират следните основни цели и задачи на Програмата.

1.2. Основни цели и задачи

Основната цел на Програмата е да реши фундаменталните проблеми на теорията на управлението, които възпрепятстват изпълнението на перспективни проекти с важно държавно значение в областта на управлението на сложни динамични и интелигентни системи с приложения за управление на движението на технически обекти и процеси в технологични и организационни системи.

Ще бъдат проведени изследвания по следните обобщени теми.

Посока 1

· Разработване на методи за стабилизиране на нелинейни системи в ситуации на непълно измерване на координати и ограничения на допустимата структура на управляващите сили.

· Разработване на методи за стабилно и адаптивно наблюдение и управление в условията на детерминирани, вероятностни и други модели на неопределеност на параметрите на обекта на управление и работната среда.

· Разработване на методи и алгоритми за качествен и количествен анализ на непрекъснати, дискретни и многостепенни непрекъснато-дискретни динамични модели и синтез на управление на базата на редукционния метод с векторни и матрични съпоставителни функции и моделни трансформации.

· Изследване на проблема за оптимално управление на нов клас механични системи, движещи се в съпротивляващи се среди поради промяна в конфигурацията или движението на вътрешните тела.

· Разработване на методи за математическа формализация и решаване на задачи за ударно взаимодействие на механични системи при наличие на сухо триене.

· Разработване на методи за оптимално управление на дискретно-непрекъснати и импулсни динамични системи.

· Разработване на методи за гарантирано управление на нелинейни обекти, изложени на неконтролирани смущения под формата на динамични игри.

· Развитие на теорията за управление на квантовите системи.

· Разработване на методи и алгоритми за анализ на динамични свойства като стабилност, инвариантност, дисипативност за оценка на състоянието и синтез на многостепенно управление на системи с хетерогенно описание на динамиката на процесите на различни нива.

Посока 2.1

· Методи за решаване на задачи за управление на мрежово-центрични системи с голяма размерност с разпределени параметри и процеси от различни мащаби (в пространство и време).

· Модели и методи на комуникационно-мрежово децентрализирано интелигентно управление на разпределени проекти и програми.

· Методи за оптимизиране на структурата на многостепенни и децентрализирани системи.

· Методи и структури за компютърна реализация на мрежово-центрично управление в математически хомогенно пространство на разпределени и паралелни изчисления.

· Модели и методи за групово вземане на решения въз основа на непълна, разнородна, качествена и субективна информация.

· Модели и методи за планиране и управление на комплекси от взаимосвързани операции в сложни технически и транспортно-логистични системи.

· Разработване на принципи, архитектура, методи и алгоритми за създаване на разпределени софтуерни интелигентни системи, базирани на мултиагентни технологии.

· Разработване на модели и методи за управление на информацията в многоагентни мрежови структури.

Посока2.2

· Разработване на обобщени модели на ситуационно управление, отразяващи особеностите на включване в структурата на модели на размити, невронни мрежи и логико-динамични елементи.

· Разработване на метод за планиране на маршрути, които осигуряват свойството комуникационна стабилност на група управлявани динамични обекти, разнородни (количествено и качествено) в своето моделно представяне.

· Разработване на методи за анализ и синтез на адаптивни платформи за моделиране в реално време, отчитащи нелинейност, мултисвързаност, висока размерност на управляващите обекти с приложение към морски движещи се обекти.

· Оптимизиране на интелигентни системи за многостепенно управление на движещи се обекти в конфликтна среда, като се отчита тяхното групово взаимодействие, многокритериалност, несигурност и риск.

· Разработване на методи за осигуряване на техническа визия за интелигентни системи за управление.

· Разработване на методи за интелигентно управление на динамични обекти, извършващи сложно маневриране, базирани на организацията на принудителното движение в пространството на състоянието на системата.

Посока2.3

· Модели и методи за анализ и оптимизиране на модулната структура на обектно-ориентирани многостепенни системи за управление на информация в реално време с отворена архитектура в условия на несигурност и структурни смущения.

· Методи за анализ и оптимизиране на режимите на електроенергийните системи и тяхното управление.

· Модели и методи на сценарийно-индикаторния подход за търсене на точки на уязвимост за управленски задачи.

· Методи за моделиране, анализ и оптимизиране на многорежимни процеси на управление на движещи се обекти.

· Разработване на методи и алгоритми за интелигентна идентификация на нелинейни нестационарни обекти за подобряване на ефективността на управлението чрез формиране на технологична база от знания, базирана на априорна информация за обекта на управление.

· Геоинформационни технологии за моделиране на природни и техногенни комплекси в задачите за управление на екосистеми на мегаполисите.

· Анализ и оптимизиране на информационната поддръжка на системите за навигация и управление.

· Модели и методи за управление на производствените процеси.

Резултатите от разработената теория и методи за анализ и синтез на системите за управление ще бъдат използвани в следните области:

· управление на движението в авиацията и космонавтиката, сухопътни и морски обекти, превозни средства;

· мултиагентни мрежово-ориентирани системи, производствени системи, изчислителни, телекомуникационни и други мрежи ;

· транспортни и логистични системи ;

· Глобални енергийни, газопреносни и други широкомащабни инфраструктурни системи;

· Системи за информационно осигуряване на управленски задачи и подкрепа за стратегически и оперативни решения при условия на непълна информация и противопоставяне.

Фундаменталните проблеми на теорията за изграждане на системи за управление изискват тяхното интензивно развитие. Развитието на изследванията в тази посока ще позволи:

Разработване на теоретичните основи за решаване на сложния триединен проблем управление-изчисление-комуникация (проблемът е " Контрол- Изчисление- Комуникация") за сложни информационни и контролни системи, включително в условия на ограничения на комуникационните канали и повреди на подсистеми;

Да решава проблемите на управлението на принципно нови обекти и процеси, свързани с движещи се обекти, обекти със специално предназначение, технологични и организационни системи;

Създаване на ефективни методи за функционална диагностика и осигуряване на отказоустойчивост на системите за управление на самолети и други движещи се обекти, както и динамична стабилност на електроенергийните системи;

Подобряване на качеството, ускоряване и намаляване на разходите за разработване на проектни решения чрез алгоритмизиране и автоматизиране на процеса на разработване на системи за управление.

По-нататък контролът се разбира в широк смисъл, включващ комуникационно-мрежово, групово, разпределено управление (в англоезичната литература - контрол в мрежи, контрол върху мрежи, разпределен контрол и др.)