Моделирование и управление химико-технологическими процессами с использованием нечетких сетей Петри

• Автор: Шайкин, Александр Николаевич
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 181 с. : ил

1.2 Нечеткие множества и их приложения

1.3. Сети Петри как графоматематический аппарат для логического

моделирования

Выводы к главе 1

ГЛАВА 2. Разработка моделей и алгоритмов логического вывода на базе

нечетких интервальных сетей Петри

2.1. Моделирование логических рассуждений на базе сетей Петри без

контуров.

2.2. Разработка моделей логического вывода на базе нечетких сетей Петри

без конту ров

2.3. Моделирование логических рассуждений на базе нечетких сетей

Петри с конгу рам и
2.4. Разработка моделей логического вывода на базе нечетких интерватьных сетей Петри с контурами.
Выводы к главе
ГЛАВА 3. Разработка моделей и алгоритмов с использованием нечетких сетей 1 етри для целей принятия решений и логического
управления.
3.1. Разработка алгоритмов логических рассуждений на базе нечетких сетей Петри без контуров.
3.2. Разработка алгоритмов логических рассуждений на базе нечетких интервальных сетей Петри с конт урами
3.3. Разработка нечеткого алгоритма интерполяции для целей управления в условиях недостаточной информации об объекте управления с
использованием нечетких сетей Петри.
3.4. Разработка алгоритмов нечеткого динамического программирования для целей принятия решений в условиях неопределенности на базе
нечетких сетей етри.
Выводы к главе 3
ГЛАВА 4. Применения разработанных моделей и алгоритмов для решения отдельных задач логического управления и поддержки принятия решений в условиях неопределенности.
4.1. Краткое описание технологической схемы реакторной подсистемы как объекта управления и существующего нечеткого алгоритма стабилизации температурного режима реакции окисления мксилола.
4.2. Сравнительный анализ результатов имитационного моделирования стабилизации температурного режима в условиях недостаточной
информации об объекте управления
4.3. Результаты моделирования многошаговых процессов принятия
решений.
4.4. Постановка задачи принятия решений по управлению качеством атмосферного воз духа.
4.5. Результаты имитационного моделирования нечетких интервальных логических рассуждений для целей поддержки принятия решений по управлению качеством атмосферного воздуха
Выводы к главе 4.
Выводы.
Библиографический список.
Приложения
ВВЕДЕНИЕ


Процедурные знания о предметной области определяются своей силой, устанавливаемой экспертным путем, и условиями применения. Таким образом, логические модели это формальнологические описания предметных областей, в основу которых положены лог ические исчисления. Счетное множество выражений языка обычно определяется конструктивно посредством специальных правил, образующих синтаксис языка. Правила сопоставления выражений языка с реальностью относятся к его семантике. Реальностью для искусственных формальных языков являются определенные классы математических рассуждений, реализуемые математическими машинами в частности, конечными автоматами. Этшюном выразительности в математике принято считать язык исчисления предикатов. Яркими представителями языка исчисления предикатов являются язык теории множеств ЦермелоФрснксля и язык арифметики Псано . Но, к сожалению, язык исчисления предикатов не универсален. Его область применения ограничивается предметными областями, описываемыми лишь средствами классической двузначной логики. По этой причине для работы в условиях неопределенности знаний о моделируемой предметной области приходится использовать более сложные искусственные языки неклассических исчислений сгохастические, нечеткие, возможностные и т. Логическую модель предметной области получают в результате естественного расширения выбранного формального исчисления посредством добавления к системе аксиом и правилам вывода фундаментальных фактов и основных закономерностей, действующих в моделируемой предметной области. При этом использование искусственных языков позволяет представлять и обрабатывать в модели не только количественные, но и качественные знания ведущих спецназиегов. К сетевым моделям относятся концептуальные графы, семантические сети, сети Петри и др. Сетевые модели представления знаний устраняют основной недостаток логических моделей представления знаний, заключающийся в неструктурированноеи знаний, хранимых в базе знаний. Особенности синтеза логических моделей. Разработка логических моделей имеет ряд специфических особенностей, существенно отличающих технологию их создания от других видов математических моделей. На всех этапах создания модели приходится использовать три разнородных типа знаний формализованные предметные, экспертные и эмпирические. Постелями первого типа знаний являются теории предметной области или другие формальные описания, что делает их доступными для потребителя. Экспертные знания представляют собой неотчужденные знания и умения предметных сиецитистов. Они субъективны и индивидуальны. Эмпирические знания приобретаются путем наблюдений за моделируемым объектом или процессом. Они тоже субъективны и могт быть представлены в виде описаний на естественном языке или имитационными моделями. Необходимость активного использования субъективных знаний неизбежно приводит к модификации принципов и методов построения логических моделей в процессе разработки, но мере того, как изменяются представления разработчиков о предметной области. Разработка логических моделей создание баз знаний невозможна без участия следующих двух категорий специалистов экспертов предметной области и собственно разработчиков, определяющих структуру модели, требования к содержанию и форме экспертной информации и способы ес представления. Основной проблемой при этом является осознание и вербализация собственных знаний экспертами, а также приведение их к такому виду , который может бы ть отражен в базе знаний. В процессе создания модели предметной области могут быть выявлены фрагментарность, неточность, неопределенность представлений об области экспертизы или пробелы в знаниях самих экспертов. Это может потребовать от экспертов навыков по приобретению новых знаний. С другой стороны, объективная неполнота и противоречивость экспертных знаний о сложных предметных областях может потребовать от инженера по знаниям разработки специальных процедур опроса, ориентированных на обработку неопределенной аргу ментации и согласованных с логикой организации рассуждении на неопределенных знаниях.