Методы и алгоритмы построения нейроэкспертных систем автоматического контроля и управления технологическими процессами : на примере объектов черной металлургии

• Автор: Трофимов, Владимир Борисович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Новокузнецк
• Количество страниц: 189 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ

ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ У1 ТРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ.

1.1 Интеллектуальные системы управления ИнтСУ понятия, концепция, базовые структуры и инструментальные средства.

1.2 Задачи, методы и алгоритмы интеллектуальных систем управления обзор.

1.3 Структуризация интеллектуальных систем управления с прогнозированием

1.4 Особенности настройки искусственных нейронных сетей в системах автоматического уIфавления
1.5 Формирование и обновление базы знаний на основе концепции программновозмущенного движения

ГЛАВА 2. ИССЛЕДОВАНИЕ НЕЙРОЭКСПЕРТНЫХ СИСТЕМ

АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ НА ПРИМЕРЕ ПРОКАТНОГО ПРОИЗВОДСТВА

2.1 Автоматическое распознавание маркировки проката.
2.2 Постановка задачи распознавания поверхностных дефектов проката
2.3 Общая схема автоматического распознавания и параметризации поверхностных дефектов
2.4 Разработка и испытания нсйроэкспертных систем распознавания дефектов рельсов
2.5 Особенности обучения производственного персонала взаимодействию с нейроэксиертной системой распознавания дефектов
ГЛАВА 3. РАЗРАБОТКА НЕЙРОЭКСПЕРТНОЙ СИСТЕМЫ
АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ТЕПЛОВЫМ РЕЖИМОМ
ВОЗДУХОНАГРЕВАТЕЛЕЙ
3.1 Постановка задачи синтеза системы автоматического управления тепловым режимом воздухонагревателя Калугина
3.2 Предлагаемая нейроэкспертная система управления тепловым режимом воздухонагревателя.
3.3 Моделирование и оценка эффективности алгоритма управления тепловым режимом воздухонагревателя.
ЗАКЛЮЧЕНИЕ И ВЫВОДЫ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК.
ПРИЛОЖЕНИЕ А.
ПРИЛОЖЕНИЕ Б.
ПРИЛОЖЕНИЕ В.
ВВЕДЕНИЕ
Актуальность


Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. При построении систем, основанных на знаниях, используются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктурированных и слабоструктурированных проблем. В прикладной теории интеллектуальных систем (ИнтС) [9] система управления рассматривается только в тесном взаимодействии с окружающем ее внешним миром, а интеллектуальная система интерпретируется как совокупность активных субъектов и противостоящих им объектов (субъектов), порождаемая либо ситуационной возможностью активного существования субъекта, либо целевой задачей некоторого системного или внесистемного субъекта, причем все элементы любой природы, составляющие интеллектуальную систему, находятся под воздействием общего для них внешнего мира. В работе A. B. Тимофеева и P. M. Юсупова [] сказано, что ИнтСУ включают элементы искусственного интеллекта, позволяющие формировать понятия и накапливать знания, планировать поведение и принимать решения в неопределенных условиях, распознавать образы и формировать модель окружающей среды. Введение элементов интеллекта в системы автоматического управления (САУ) существенно расширяет их функциональные возможности по сравнению с адаптивными САУ. В результате интеллектуализации САУ обретают способность решать некоторые виды интеллектуальных задач, которые обычно возлагались на человека. Поэтому ИнтСУ все шире используются в тех случаях, когда обстановка не допускает (не оправдывает) непосредственное участие человека-оператора в процессе управления или когда необходимо уменьшить напряженность труда оператора при работе объекта управления в штатных режимах. Необходимость в интеллектуализации САУ обычно возникает в тех случаях, когда объекты управления сложны и неопределенны (например, объекты с нелинейной динамикой, функционирующие в условиях неопределенности), а их описание и взаимодействие со средой плохо поддается структуризации и формализации. Неполнота описания проявляется как в априорной неопределенности модели объекта и среды, так и в неопределенности и многообразии целей управления. Решение задач управления в подобных условиях невозможно без привлечения методов искусственного интеллекта, то есть без интеллектуализации САУ []. Таким образом, интеллектуализация САУ сводится к представлению и обработке знаний о среде, объекте и системе управления с использованием необходимых средств обучения и адаптации. Эти знания и средства позволяют уточнять модель объекта управления и окружающей среды и придают САУ принципиально новые свойства, аналогичные интеллектуальным способностям человека-оператора или эксперта. Характерными чертами ИнтСУ являются их способности к обучению и самообучению посредством формирования знаний, к синтезу и идентификации моделей поведения, к распознаванию и анализу ситуаций, самоорганизации и адаптации по отношению к разного рода факторам. Эти способности позволяют компенсировать различные факторы внутренней и внешней неопределенности, возникающие в процессе эксплуатации САУ, и благодаря этому улучшить или оптимизировать качество управления []. Следуя [], ИнтСУ будем называть такую систему, в которой знания о неизвестных характеристиках объекта управления и окружающей среды формируются в процессе обучения и адаптации, а полученная при этом информация используется в процессе автоматического принятия управляющих решений так, что качество управления улучшается. Отметим, что процессы обучения и адаптации могут происходить либо в отрыве от процесса управления (например, в режиме обучения с учителем, в роли которого обычно выступает человек-оператор или эксперт), либо непосредственно в процессе автоматического управления в реальном времени. Рассмотрим особенности функциональной структуры типичных представителей класса интеллектуальных систем управления, интерпретируя их применительно к технологическим объектам управления (агрегатам, машинам, комплексам машин).