Методы и алгоритмы интеллектуальной поддержки принятия решений в задачах выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении

• Автор: Бурлаченко, Татьяна Борисовна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Москва
• Количество страниц: 149 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ.
ВВЕДЕНИЕ.
ГЛАВА 1. ПОСТАНОВКА ЗАДАЧИ И ОБЗОР МЕТОДОВ ИССЛЕДОВАНИЯ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ

1.1. ТЕХНИЧЕСКОЕ ДИАГНОСТИРОВАНИЕ СИСТЕМ

1.2. ОБЗОР МЕТОДОВ ЛОГИЧЕСКОГО ВЫВОДА.

1.2.1. Стратегия обучения по инструкциям

1.2.2. Аналитическое обучение.

1.2.3. Стратегия обучения по аналогии.

1.2.4. Обучение, основанное на индуктивном вывода.

1.3. ФОРМАЛЬНЫЙ КОЦЕПТУАЛЬНЫЙ АНАЛИЗ

1.4. АБДУКТИВНЫЙ ВЫВОД
1.5. НЕОБХОДИМОСТЬ РАЗРАБОТКИ МЕТОДОВ АБДУКТИВНЫХ РАССУЖДЕНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
1.6. МАШИННОЕ ОБУЧЕНИЕ
1.7. ПОСТАНОВКА ЗАДАЧИ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ
С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
1.8. ВЫВОДЫ.
ГЛАВА 2. АЛГОРИТМЫ РАБОТЫ НЕЙРОННОЙ СЕТИ ПРИ РЕШЕНИИ ЗАДАЧИ АБДУКЦИИ.
2.1. ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ АБДУКТИВНОГО ВЫВОДА.
2.2. МЕТОДИКА ФУНКЦИОНИРОВАНИЯ ДВУХСЛОЙНОЙ НЕЙРОННОЙ МОДЕЛИ ПРИ РЕШЕНИИ ЗАДАЧИ АБДУКЦИИ
2.3. МЕТОДИКА ФУНКЦИОНИРОВАНИЯ ТРЕХСЛОЙНОЙ НЕЙРОННОЙ МОДЕЛИ ПРИ РЕШЕНИИ ЗАДАЧИ АБДУКЦИИ
2.4. АПРОБАЦИЯ МЕТОДИКИ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ СИСТЕМ, ИСПОЛЬЗУЮЩЕЙ НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ И АЛГОРИТМ КОНКУРЕНЦИИ ГИПОТЕЗ
2.5. ВЫВОДЫ
ГЛАВА 3. МЕТОДИКА РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ ХОПФИЛДА.
3.1. ВЫБОР НЕЙРОННОЙ СЕТИ ДЛЯ РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ.
3.2. РАЦИОНАЛЬНОСТЬ ИСПОЛЬЗОВАНИЯ НЕЙРОННОЙ СЕТИ ХОПФИЛДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ АБДУКЦИИ.
3.3. ПОСТАНОВКА И ОСОБЕННОСТИ ЗАДАЧИ НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ АБДУКЦИИ.
3.3.1. Общая постановка задачи абдукции и ее особенности.
3.3.2. Постановка задачи нахождения рационального решения при абдуктивном выводе
3.4. МЕТОДИКА НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ АБДУКЦИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ ХОПФИЛДА
3.5. АПРОБАЦИЯ МЕТОДИКИ НАХОЖДЕНИЯ РАЦИОНАЛЬНОГО РЕШЕНИЯ ПРИ ДИАГНОСТИКЕ ТЕХНИЧЕСКИХ СИСТЕМ С . ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ.
3.6. ВЫВОДЫ
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
4.1. ТРЕБОВАНИЯ К АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ ДИАГНОСТИКИ
4.2. ВЫБОР СРЕДСТВА РЕАЛИЗАЦИИ СИСТЕМЫ ДИАГНОСТИКИ
4.3. СТРУКТУРА СИСТЕМЫ ДИАГНОСТИКИ.
4.4. ВОЗМОЖНОСТИ СИСТЕМЫ ДИАГНОСТИКИ.
4.5. ОЦЕНКА АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ ДИАГНОСТИКИ.
4.6. ВЫВОДЫ.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Практическая значимость работы заключается в возможности реализации предложенных алгоритмов в виде интеллектуальных систем самообучения. Предложенная в диссертации программная реализация создана для решения задач диагностики технических систем, используемых в машиностроении. Данная программа позволяет устанавливать причинно-следственные связи, определяющие отношения объектов, выводить рациональные решения в виде причинных гипотез и формировать поясняющие тексты, что используется в системах, требующих построения объяснений в режиме реального времени. МГУПИ, КБ«ЭлектронСистема» и ФГУП «ММПП «Салют». Основные положения и результаты диссертационной работы докладывались и обсуждались на кафедре «АСОИУ» Московского государственного университета приборостроения и информатики, Международной научно-технической конференции «Информационные технологии в науке, технике и образовании» (Сусс-Хургада-Москва, ), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса, ), Международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса, ). По теме диссертации опубликовано 7 научных работ, в том числе 2 в журналах, входящих в перечень ВАК Минобрнауки, оформлено свидетельство о государственной регистрации программ для ЭВМ. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 8 наименований и 5 приложений, общим объемом 9 печатных страниц текста. В работе содержится рисунков и 5 таблиц. ГЛАВА 1. Как известно, одной из главных проблем предупреждения технических аварий, равно как и колоссальных потерь от природных катастроф, является отсутствие необходимого уровня обеспечения методами и средствами измерений, испытаний, неразрушающего ся контроля, диагностики и сертификации продукции []. Определение 1. Техническая диагностика представляет теорию, методы и средства обнаружения и поиска дефектов объектов технической природы []. Определение 2. Под дефектом понимают любое несоответствие свойств-объекта заданным, требуемым или ожидаемым []. Обнаружение дефекта есть установление факта его наличия или отсутствия в объекте. Поиск дефекта заключается в указании с определенной точностью его местоположения в объекте. Основное назначение технической диагностики состоит в повышении надежности объектов на этапе их производства, эксплуатации и хранения. Диагностическое обеспечение позволяет повысить достоверность правильного функционирования объектов, увеличить срок их службы и наработку на отказ. Для условий эксплуатации важным является понятие работоспособного технического состояния объекта, когда он может выполнить все заданные функции с сохранением значений параметров (признаков) в требуемых пределах. Диагностика технического состояния любого объекта осуществляется аппаратными или программными средствами диагностики. Определение 3. Средства и объект диагностики, взаимодействующие между собой, образуют систему диагностики. При разработке данных систем должны решаться задачи изучения объекта, его возможных дефектов и признаков проявления, выбора или неисправных модификаций. Следует отмстить, что на сегодняшний день разработано довольно много систем диагностики, решающих данные задачи. Но если задачу диагностики поставить иным образом, а именно рассматривать ее не только как задачу обнаружения дефектов объектов, но и как задачу выявления самих причин появления этих дефектов, т. В этом случае по внешним факторам уже сложившейся ситуации можно определять действия и/или причины, повлиявшие на работоспособную техническую систему и приведшие к ее неисправному состоянию. Решить данную задачу можно обратившись к методам и средствам автоматизированного обучения систем. Для своей работы они используют алгоритмы логического вывода, которые можно использовать для решения задач структурирования информации, что является ключевым моментом при установлении причинно-следственных связей объектов (системы). Для выделения модели обучения, способной решить поставленную задачу, следует рассмотреть особенности, методы и средства автоматизированного обучения систем.