автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Анализ состояния технологических процессов на основе нечётких экспертных знаний

На правах рукописи ооздви сь г

Сакулин Сергей Александрович

АНАЛИЗ СОСТОЯНИЯ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ НА ОСНОВЕ НЕЧЁТКИХ ЭКСПЕРТНЫХ ЗНАНИЙ

Специальности: 05.13.17- Теоретические основы информатики 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

2 2 ОПТ 2009

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

С/!

Москва - 2009

003480767

Работа выполнена в Московском им. Н.Э. Баумана.

государственном техническом университете

Научный руководитель:

доктор технических наук, профессор Девятков Владимир Валентинович

Официальные оппоненты:

доктор технических наук, профессор Амбарцумян Александр Артемович

кандидат технических наук, доцент Тарасов Валерий Борисович

Ведущая организация:

Учреждение Российской Академии Наук Институт программных систем им. А.К. Айламазяна РАН

Защита диссертации состоится « 5 » ноября 2009 г. в 16 час 00 мин. на заседании диссертационного совета Д 212.141.10 при Московском государственном техническом университете им. Н.Э. Баумана по адресу: 105005, Москва, 2-я Бауманская ул., д. 5.

С диссертацией можно ознакомиться в библиотеке МГТУ им. Н.Э. Баумана.

Ваш отзыв на автореферат в одном экземпляре, заверенный печатью организации, просьба направлять по адресу: 105005, Москва, 2-я Бауманская ул., д. 5, МГТУ им. Н.Э. Баумана, учёному секретарю диссертационного совета Д 212.141.10.

Автореферат разослан «_»_2009 г.

Учёный секретарь диссертационного совета,

кандидат технических наук, доцент

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Характерным свойством многих технологических процессов являются значительные трудности, связанные с непосредственным измерением большинства их параметров. Поэтому анализ состояния таких процессов осуществляется по косвенным признакам. В частности, этим свойством обладают технологические процессы производств протяжённых изделий (ППИ), например, прядильных, прокатных, кабельных, проволочных, бумажных, производств корда и некоторых других. При этом характер изменения параметров выпускаемой продукции по её длине (по времени) несёт информацию не только о качестве продукции, но и о состоянии технологического процесса (ТП) в целом.

В условиях современной конкуренции необходимо стремиться к обеспечению максимально достижимого качества продукции при минимуме затрат. Достигнуть этого можно посредством принятия следующих мер:

обеспечить своевременное выявление и устранение причин возникновения состояний технологического процесса, приводящих к снижению качества изделий или браку;

- перейти на менее затратное обслуживание оборудования по фактическому, а не плановому состоянию.

Реализовать эти меры можно на основе анализа состояния ТП. Результатом такого анализа является отнесение состояния ТП к тем или иным заранее определённым классам состояний. Каждый класс состояний соответствует либо исправному и правильному протеканию ТП, либо одному из видов отклонений от его исправного и правильного протекания.

При этом, однако, эффективность методов анализа состояния ТП ещё остается относительно низкой. Над решением проблем повышения эффективности анализа состояния ТП работают многие специалисты как у нас в стране, так и за рубежом, в частности, Коновалов В.И., Алтунин А.Е., Беленький А.Г., Алиев P.A., Bocklisch S.F., Grabisch М., Murofushi Т., Detyniecki М., и другие, о чём свидетельствуют многочисленные публикации. Общий вывод, который прослеживается в этих работах, состоит в необходимости обеспечить системность, экономичность, массовость, точность и оперативность анализа состояния.

Традиционные подходы к анализу состояния ТП не обладают всеми перечисленными свойствами в совокупности и, как следствие, оказываются недостаточно эффективными при их реализации на реально функционирующих ППИ.

Предприятия часто находят выход из сложившейся ситуации в решении задач анализа состояния ТП экспертным способом: использованием для анализа состояния накопленных в испытательных лабораториях знаний о параметрах выпускаемой продукции, характеризующих её качество, и связи

этих параметров с состояниями ТП, включая знания и опыт специалистов-технологов. Однако, при таком подходе объективность анализа сильно зависит от конкретной личности и малоэффективна из-за ограниченных возможностей экспертов по обработке больших объёмов информации.

Для того, чтобы достичь нужного уровня эффективности и объективности анализа состояния ТП, в диссертационной работе предлагается создание комплексной формализованной методики анализа состояния ТП. Эта методика базируется на использовании лингвистического подхода, предполагающего формализацию экспертных знаний с помощью лингвистических переменных и операторов агрегирования нечётких критериев в сочетании с непрерывным измерением параметров продукции по мере её выпуска.

Лингвистический подход позволяет адекватно представлять и анализировать состояния, возникающие в ходе ТП ППИ, характерным свойством которых является значительная доля различных видов неопределённости.

Свойства экономичности и системности анализа состояния при лингвистическом подходе достигаются за счёт отсутствия необходимости в установке большого числа датчиков на уже эксплуатируемом оборудовании, за исключением датчиков для измерения параметров продукции, а также за счёт отсутствия ручных измерений и необходимости проведения экспериментальных исследований большого объёма.

Массовость анализа достигается благодаря тому, что на любых ППИ возможно непрерывное измерение различных параметров выпускаемой продукции, и знания экспертов в соответствующей прикладной области могут быть формализованы.

Точность анализа достигается за счёт того, что лингвистическое описание создаётся для каждого конкретного ТП и содержит в себе знания эксперта об особенностях его функционирования.

Оперативность анализа прй лингвистическом подходе достигается за счёт совмещения с процессом измерения параметров продукции.

При этом основным недостатком существующих методик анализа ТП, основанных на лингвистическом подходе, является отсутствие формализации знаний экспертов о зависимостях нечётких критериев агрегирования, вследствие чего снижается точность анализа.

Объект исследования: анализ состояния технологических процессов.

Предмет исследования: методы формализации экспертных знаний о ТП и методы определения фактического состояния ТП.

Цель диссертационной работы заключается в разработке, исследовании и реализации комплексной формализованной методики анализа состояния ТП на основе экспертных знаний, не имещей указанного выше недостатка.

Задачи исследований.

1. ■ Разработать обобщённую методику анализа состояния ТО, основанного на лингвистическом подходе;

2. Разработать методы формализации экспертных знаний, касающихся анализа состояния ТП, на основе нечёткого лингвистического представления;

3. Реализовать разработанную методику в виде аппаратно-программной системы анализа состояния ТП на примере конкретной прикладной области;

4. Экспериментально апробировать систему анализа состояния ТП в реальных производственных условиях.

Методы исследований: теория нечётких множеств; теория нечётких мер и интегралов, теория полезности.

Научная новизна. Разработана новая комплексная методика анализа состояния ТП на основе нечёткого лингвистического представления экспертных знаний. В рамках этой методики получены следующие новые результаты.

Предложен метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации. В отличие от известного двухкритериального метода графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа агрегируемых критериев.

Выявлены ограничения на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров оператора агрегирования. Показано, что пороги безразличия имеют смысл только при выполнении соответствующих ограничений, а выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров оператора агрегирования.

Обоснован выбор метода идентификации параметров оператора агрегирования взаимозависимых критериев на основе минимизации дисперсии нечёткой меры. Показано, что применение этого метода позволяет избежать субъективизма при идентификации параметров операторов агрегирования.

На основе экспериментов показано, что применение интеграла Шоке 2-го порядка позволяет повысить точность анализа состояния ТП в сравнении с применением средневзвешенных операторов до 6,5 %.

Практическая значимость и реализация. Разработанная методика, реализующие её программное обеспечение и технические средства, образующие в совокупности систему анализа состояния ТП, могут быть использованы на любом ППИ. В частности, методика была апробирована на приготовительном участке прядильного производства, а также на целлюлозо-бумажном производстве и может быть использована на существующих

прядильных и целлюлозо-бумажных производствах, обеспечивая сокращение простоев оборудования, предотвращение аварийных ситуаций, повышение доли выпуска продукции с заданными качественными показателями.

Практические результаты работы использованы на предприятиях ОАО «Славия» (г. Щёлково Московской обл.) и ОАО ЦБК «Волга» (г. Балахна Нижегородской обл.), в результате чего достигнут эффект существенного уменьшения времени, затрачиваемого на обслуживание технологического оборудования, а также повышения доли выпуска продукции заданного качества.

Достоверность полученных результатов подтверждается теоретическим обоснованием основных положений предлагаемой методики и испытаниями системы анализа ТП, построенной на основе этой методики, в производственных условиях.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (Текстиль-2003 и Текстиль-2004).

Публикации. По материалам диссертации опубликовано 8 печатных работ, из них 3 в рецензируемых изданиях, рекомендованных ВАК.

Структура и объём диссертации. Диссертационная работа изложена на 167 машинописных страницах и состоит из введения, четырёх глав, заключения, списка литературы и пяти приложений. Список литературы включает 109 наименований.

Основные положения, выносимые на защиту:

1. Методика анализа состояния ТП на основе нечёткого лингвистического представления экспертных знаний;

2. Метод выбора ограничений, накладываемых на классы состояний ТП и лингвистические переменные при формализации экспертных знаний;

3. Метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации;

4. Ограничения, накладываемые на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров операторов агрегирования;

5. Метод идентификации параметров операторов агрегирования нечётких критериев анализа ТП на основе минимизации дисперсии нечёткой меры для случая взаимозависимых критериев;

6. Аппаратно-программная реализация методики анализа состояния ТП на основе нечёткого лингвистического представления экспертных знаний на примере приготовительного участка хлопкопрядильного производства и результаты её испытаний;

7. Результаты опытной эксплуатации системы анализа состояния ТП в реальных производственных условиях.

2. СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы работы, сформулированы цель, задачи исследования и основные положения, выносимые на защиту, показаны научная новизна и практическая значимость работы.

В первой главе рассмотрены общие свойства ТП ПЛИ, показана актуальность обеспечения качества изделий посредством анализа состояния ТП и обслуживания оборудования по результатам этого анализа, проведён сравнительный анализ существующих подходов к анализу состояния ТП ППИ и обоснован выбор лингвистического подхода, в связи с этим рассмотрены виды неопределённостей, возникающих при формализации экспертных знаний об особенностях протекания ТП, сформулированы задачи исследования в рамках лингвистического подхода.

Во второй главе рассмотрены традиционные подходы к формализации экспертных знаний на основе нечёткого лингвистического представления, выявлены их недостатки, предложен новый подход к формализации экспертных знаний, касающихся анализа состояния ТП. Основой предложенного подхода является использование диагностических параметров г, (/),..., 2Я(/), получаемых на основе преобразований непрерывно измеряемых параметров продукции, и нечётких классов состояний >£„..., . Состояние ТП г(г) в момент времени / есть набор значений параметров г, (/),..., гп (<). Класс состояний ТП есть нечёткое подмножество множества всех его возможных состояний П. Выделяется класс исправного и правильного протекания ТП и классы Л;А,, соответствующие различным неисправностям или

неправильному протеканию ТП. Функция принадлежности состояния г(1) классу §к обозначена .

Сформулировано условие непротиворечивости анализа, состоящее в невозможности одновременного полного соответствия состояния 7.(0 классу 5, и частичного соответствия классам §2,..., йК (и наоборот): \/г(()еО,

*=2

Сформулировано условие полноты анализа, состоящее в отнесении любого возможного состояния г(/) к одному из классов состояний в нечётком

к

смысле: \/г(1)еО, тах(и, (г(1)))>0,5.

Введены лингвистические переменные Д,..., рн, соответствующие диагностическим параметрам (/)>■■■> ги(г). В соответствии с условиями непротиворечивости и полноты анализа для термов этих переменных выбраны трапециевидные функции принадлежности, значение принадлежности в нейтральных точках (перехода от одного лингвистического

значения к смежному) выбрано равным 0,5. Этот выбор отражает переход от частичного соответствия значения диагностического параметра одному терму к частичному соответствию смежному терму и представляет собой использование «серой» шкалы Д.А. Поспелова.

Каждому классу состояний соответствует эталонное нечёткое отношение aJÄ,3,,..., гДе - эталонный терм лингвистической переменной Д,. AGGk обозначен оператор, с помощью которого осуществляется агрегирование принадлежностей каждого измеренного значения zh{t) диагностического параметра к соответствующему эталонному терму. Результатом действия этого оператора агрегирования будет степень соответствия состояния z(r) классу St :

где Yf- семантическое правило, которое устанавливает соответствие «терм лингвистической переменной - нечёткое множество».

Общего формального подхода к построению операторов агрегирования на основе экспертных знаний на сегодняшний день не существует. Работы в этом направлении интенсивно развиваются. Стало общепринятым считать, что оператор агрегирования AGG есть функция [0,1]" ->[0.1], Яе1Ч, удовлетворяющая следующим условиям: AGG\jn~^ = gu, если Н = 1; AGG[0,..., 0] = 0, AGG[l,..., l]=l;(g,,..., g'^AGG^,..., ge]&AGG[gl ¿„].

Для упрощения обозначений, далее будем опускать индекс к нечётких классов состояний, записывая AGG вместо AGGt, и предполагая при этом, что приводимые рассуждения справедливы для всех AGGk. Введём также обозначение gh = ßrfiii,^{zh(T)), где gh - критерий агрегирования. Вместо

обозначения «критерий с индексом ;» будем также применять обозначение «критерий /».

В качестве операторов агрегирования наиболее часто используется средневзвешенный оператор. При этом некоторые из классов состояний отличаются требованием эксперта, заключающимся в том, что состояние ТП не должно принадлежать классу всякий раз, когда один или несколько критериев агрегирования равны нулю, вне зависимости от значений остальных критериев. Примером здесь служит класс состояний S,, соответствующий исправному и правильному протеканию ТП. Если критерий, для которого соответствующий весовой коэффициент положителен

> 0), принимает значение gh= 0, то состояние процесса нельзя считать совместимым с классом S,, поскольку в этом случае диагностический параметр zh(T) может принимать любое значение в соответствующем универсуме и не подлежит контролю с помощью оператора агрегирования.

Выходом из такой ситуации является разбиение множества критериев на два непересекающихся подмножества или, иными словами, разбиение множества индексов критериев ./ на два подмножества .! \ / таких, что если из

ЯЛ=0 следует АвО^,..., gн] = 0, то /з е ./', если из gi= 0 не следует АСС^.,..., ] = 0, то Л е{7 \ У} . Поэтому введём в оператор агрегирования дополнительный множитель:

Критерии агрегирования являются независимыми, если обусловленное изменением каждого из них (при фиксированных значениях остальных критериев) влияние на результат агрегирования не зависит от значений остальных критериев. В противном случае критерии зависимы и между ними наблюдается явление взаимодействия. Различают следующие виды зависимостей между критериями: положительная (отрицательная) корреляция; замещение (взаимозависимость); предпочтительная зависимость (независимость). Интеграл Шоке по нечёткой мере у/ используется для агрегирования на непрерывных шкалах зависимых критериев. Нечёткая мера есть функция 2У ->-[0,1], где 2У - множество всех подмножеств множества индексов критериев ./ = {],..., Н), которая удовлетворяет условиям: (К0) = О, = УДВсЗ:

Поскольку для эксперта является весьма трудным и даже невыполнимым выбор всех 2" значений коэффициентов £>£./,

соответствующих 2м подмножеств множества ./, а также ввиду того, что критерии агрегирования в данной предметной области определены на непрерывных шкалах, для формализации экспертных знаний о протекании ТП применён интеграл Шоке 2-го порядка.

Ограниченность использования интеграла Шоке в практических приложениях обусловлена слабым интуитивным пониманием этого инструмента большинством практических специалистов и, как следствие, невозможностью для них его применять. Для обеспечения ясности интерпретации и формирования ограничений на параметры интеграла Шоке 2-го порядка, воспользуемся механизмом визуализации, состоящем в построении строгого соответствия между оператором агрегирования и каким-либо хорошо известным физическим объектом из реального мира.

Автором разработан новый метод формирования ограничений на параметры интеграла Шоке 2-го порядка на основе модификации предложенной М. Ве1утескд модели баланса. В качестве реального физического объекта выступает рычаг, закреплённый в точке опоры пружиной с постоянным и равным единице коэффициентом жёсткости, на который устанавливаются грузы, соответствующие индексам взаимодействия

и критериям. Индекс взаимодействия в случае 2-го порядка определяется формулой = уО",У)-У(0-$"(./)> {',Л е ] и выражает средневзвешенное значение взаимодействия между критериями / и /, помещёнными вместе во всех рассматриваемых комбинациях. Шкала рычага при этом соответствует значениям критериев агрегирования, а шкала угла отклонения рычага -значениям оператора агрегирования. Модификация модели баланса заключается в исключении из рассмотрения отрицательной области шкалы агрегирования и выборе для шкалы рычага интервала [-1;1] с нулевым нейтральным элементом. При этом отпадает необходимость в задании дополнительных функций, изменяющих топологию шкал. Процедура установки грузов, соответствующих коэффициентам у/(0, ц/Ц) и /(у) на воображаемый рычаг для каждой пары критериев из^З состоит из следующих шагов:

Шаг 1. В неотрицательной области шкалы рычага на расстояниях gj и g/. от нулевого значения установить те грузы с весами <//(0 и у (у), которые не были установлены ранее.

Шаг 2. Если индекс взаимодействия критериев /(//)< 0, то в отрицательной области шкалы рычага на расстоянии i,jeJ от

нулевого значения установить груз, вес которого соответствует абсолютной величине индекса взаимодействия ¡/(у)|.

Если индекс взаимодействия критериев /(/)')> 0, то в положительной области шкалы рычага на расстоянии тт(#, i,jeJ от нулевого значения установить груз, вес которого соответствует /(у).

На рис. 1. изображено описанное построение баланса для случая двух критериев, индекс взаимодействия /(1,2) которых отрицателен. Запишем уравнение для этого построения баланса: x = gly/(^) + gг^//(2)■i■I(l,2)min(gi,g2) Увеличение числа критериев не приведёт к изменениям в структуре баланса:

н

.г = ^Г£„(г/(/г)+ £ Щ^тхп^^^). Это выражение эквивалентно интегралу Шоке

*-> \UiiJ

2-го порядка.

Здесь необходимо отметить, что М. ОгаЫзсИ предложил метод графической интерпретации интеграла Шоке 2-го порядка, состоящий в построении линии ограничений для значений индекса взаимодействия и индексов Шепли в прямоугольной системе Декартовых координат. Его достоинством является наглядное отражение областей значений индексов Шепли и индексов взаимодействия при агрегировании с применением интеграла Шоке. Основным его недостатком является невозможность рассмотрения более двух критериев. Кроме того, по мнению автора, графическая интерпретация интуитивно менее ясна, чем визуализация, основанная на сопоставлении интегралу Шоке реального объекта, что

объясняется хорошо развитыми естественными интуитивными представлениями в отношении реального физического объекта, в то время, как визуализация на основе построения линии ограничений не обладает этим свойством.

Для случая, когда зависимостями между критериями невозможно пренебречь, предложен оператор агрегирования на основе интеграла Шоке 2-го порядка (после введения дополнительного множителя):

Рис. 1. Визуализация интеграла Шоке 2-го порядка.

Рассмотрим качественное моделирование зависимостей между критериями с помощью предложенной визуализации оператора агрегирования. В соответствии со шкалой агрегирования (рис. 1.), будем называть момент вращения рычага, направленный против часовой стрелки, отрицательным, а направленный по часовой стрелке - положительным.

В случае положительной корреляции критериев или их замещения в отрицательной области шкалы рычага будет расположен груз (/(¡у)| на расстоянии пип(£, от нулевой отметки. На рычаг будет действовать отрицательный момент вращения, обусловленный значениями /(у)< 0 и тш(& При этом суммарный положительный момент вращения,

обусловленный грузами ь/(о и , расположенными на расстояниях g¡ и gJ от нулевой отметки, будет частично компенсироваться отрицательным моментом /(;/) пип(&

В случае отрицательной корреляции критериев / и j или их взаимозависимости индекс их взаимодействия положим /((/')>0. На рычаг будет действовать положительный момент вращения, обусловленный значениями 7(у)>0 и min(g,, ). При этом суммарный положительный момент вращения, обусловленный грузами y/(¡) и y/(j), расположенными на расстояниях g, и g¡ от нулевой отметки, будет усиливаться положительным моментом ](ij) гшп(^ ,gy).

Если критерии не коррелированны, а также не замещаемы и не взаимозависимы, то /(у) = 0 и мы можем наблюдать агрегирование независимых критериев. В этом случае положение рычага будет обусловлено действием положительных моментов g¿ y/{i) и g; y/(j).

В случае предпочтительной независимости критериев положение рычага будет также обусловлено только действием положительных моментов g, У(0 и gj y{j).

Для идентификации нечёткой меры экспертом должны быть заданы положительные пороги безразличия S,, Ssk, 8СН для индексов взаимодействия, индексов Шепли и результата агрегирования соответственно. Суть понятия порога безразличия заключается в признании равными двух величин, абсолютное значение разности которых меньше порога безразличия. В частности, если величина меньше соответствующего порога, то она признаётся равной нулю.

Индекс Шепли критерия г в случае 2-го порядка определяется

выражением Ф57,(г) = (//(') + ^ ^ I(ij), ic J и представляет собой общий индекс

2 mj-Í)

влияния критерия. В контексте предложенной автором визуализации он будет представлять значение угла отклонения рычага при следующих условиях. Значение критерия i есть единица (g,= l), поэтому в точке с единичным значением по шкале рычага будет располагаться груз, соответствующий весу y/{i) критерия i. Грузы, сопоставленные индексам взаимодействия критерия i с другими критериями, будут расположены в точках на шкале рычага и Yj, соответственно знаку индекса взаимодействия. Угол отклонения рычага

х от горизонтальной линии при этом будет равен индексу Шепли критерия ;. Будем интерпретировать ё, как вес груза, соответствующий минимальному значению индекса взаимодействия между критериями. Другими словами, если груз |/(¡',;)¡ будет легче, чем минимальный груз 3,, то он не должен значимо влиять на угол отклонения рычага. Поэтому мы можем исключить этот груз из рассмотрения. Аналогично мы можем исключить из рассмотрения все грузы /(¡,Д je(J-i), соответствующие индексам

взаимодействия критериев, для которых справедливо \]{1,])\<8Г Если в наиболее экстремальном случае, когда все критерии взаимодействуют, соответствующие индексы взаимодействия отрицательны (положительны) и равны по абсолютной величине 3,, удалить с рычага грузы, соответствующие индексам взаимодействия, то угол отклонения рычага увеличится

\ 8 8 (уменьшится) на величину - <5, = -£(р,|-1) = -х(#-1), что будет отражать

2 2 2

исключение из рассмотрения индексов взаимодействия, значениями которых

можно пренебречь. Соответствующий индекс Шепли не должен при этом

£

значимо измениться, что можно записать в виде неравенства <5^ > -{Н-Т),

которое в явном виде выражает ограничения, накладываемые на пороги безразличия 5, и

Перейдём к порогу безразличия 8СН. Рассмотрим наиболее экстремальный случай, когда значения всех критериев равны единице и соответствующий интеграл Шоке 2-го порядка также принимает единичное значение (С#г(1,..., 1) = 1), индексы взаимодействия критериев отрицательны

' я '

(положительны) и их абсолютное значение равно 5,. Здесь, в соответствии с предложенным механизмом визуализации интеграла Шоке 2-го порядка, грузы, сопоставленные индексам взаимодействия /(у) критериев, располагаются в точке на шкале рычага (тш^,^.)) в случае, если

индексы взаимодействия отрицательны (положительны). Поскольку при этом =- = &я ='» то эта грузы установлены на рычаг в точке с координатой -1 (1) на его шкале. Исключение из рассмотрения в соответствии с приведенными выше рассуждениями грузов, сопоставленных индексам взаимодействия, приведёт к отклонению рычага вниз (вверх) по шкале агрегирования на

величину £ 5,. Однако отклонение рычага вниз лишено смысла в силу

{'•Лаг

нарушения граничных условий интеграла Шоке, согласно которым С/уgи)< 1 при 0<gh <1, к = Н. Поэтому мы будем считать такое отклонение незначащим, то есть при этом не должен быть превышен порог безразличия 6СН на шкале агрегирования. Это условие можно записать в виде

неравенства --- 1 < 5сп.

Полученные неравенства в явном виде выражают ограничения, которые должны соблюдаться при задании экспертом значений порогов безразличия.

Процедура построения интеграла Шоке для некоторого класса состояний 5 носит итеративный характер, выражающийся в последовательном уточнении экспертом ограничений, накладываемых на параметры оператора (индексы Шепли, индексы взаимодействия, результаты

агрегирования для выбранных реализаций критериев). При этом всякий раз при формировании экспертом этих ограничений на их основе идентифицируется нечёткая мера, а соответствующий оператор агрегирования рассматривается экспертом с использованием предложенной визуализации. При необходимости эксперт корректирует свои предпочтения, и оператор строится заново до тех пор, пока он не будет соответствовать представлениям эксперта.

В третьей главе рассмотрены вопросы, касающиеся идентификации параметров операторов агрегирования. Показано, что основной задачей при этом является идентификация нечёткой меры.

Метод идентификации нечёткой меры на основе вычисления наименьших квадратов относительно прост алгоритмически, но требует от эксперта предварительного знания желательных значений результатов агрегирования реализаций критериев из обучающей выборки. Это является его основным недостатком, поскольку такая информация не очевидна для эксперта, особенно в случае большого числа критериев. Кроме того, полученное этим методом решение не обязательно уникально.

Главное преимущество метода на основе принципа максимального разделения также заключается в его простоте. Однако, при этом на этапе идентификации в решение вносится дополнительный субъективизм, вызванный, несоответствующим предпочтениям эксперта выбором индексов Шепли или индексов взаимодействия. Этот выбор осуществляется на основе максимизации разности между результатами агрегирования из обучающей выборки. Кроме того, полученное этим методом решение не обязательно уникально.

Цель метода на основе минимальной дисперсии заключается в нахождении нечёткой меры такой, по отношению к которой интеграл Шоке является ближайшим к простому среднему арифметическому оператором агрегирования при соответствии с полученной от эксперта информацией о его предпочтениях.

В главе на примере из прикладной области показано, что при увеличении количества дополнительных ограничений, накладываемых экспертом на параметры операторов агрегирования, уменьшаются различия между операторами, полученными на основе различных методов идентификации нечёткой меры.

Одно из преимуществ метода на основе минимальной дисперсии заключается в том, что он ведёт к единственному решению, при условии существования такового. Кроме того, этот метод, в отличие от метода максимального разделения, на этапе идентификации не вносит дополнительного субъективизма в решение. Дополнительный субъективизм здесь состоит в выделении тех или иных критериев или взаимодействий между ними, либо исключении из рассмотрения части критериев без введения

экспертом соответствующих ограничений. Выделение критериев среди других или исключение их из рассмотрения при этом отражается относительно большим разбросом или обнулением соответствующих значений индексов Шепли, выделение индексов взаимодействия -значительным разбросом значений индексов взаимодействия. Всё это согласуется с принципом «максимальной энтропии», который положен в основу метода минимальной дисперсии.

Таким образом, для идентификации параметров интеграла Шоке в рассматриваемой прикладной области был выбран метод на основе минимизации дисперсии нечёткой меры.

В главе 3 на основе эксперимента проиллюстрировано, что выход за рамки выявленных в главе 2 ограничений, накладываемых на пороги безразличия 81,8а,,8си, может явиться причиной отсутствия решения задачи идентификации нечёткой меры.

В четвёртой главе рассмотрена экспериментальная реализация системы анализа состояния ТП на примере приготовительного участка хлопкопрядильного производства.

Архитектура системы анализа представлена на рис. 2.

Управляющее воздействие

Рис. 2. Архитектура системы анализа состояния ТП

Система реализована по принципу гибридного интеллекта: технолог предприятия (эксперт) включен в состав системы в качестве активного интеллектуального элемента. Измеренные значения параметров ТП поступают на АЦП в составе компьютера, затем заносятся в базу данных.

В блоке формирования диагностических параметров (ФДП) на основе рассмотренных преобразований измеренных параметров формируются диагностические параметры. С использованием блока построения функций принадлежности и операторов агрегирования (ПФПОА) на основе предложенных методов формализуются знания эксперта об особенностях протекания ТП.

На этапе формализации знаний эксперт задаёт функции принадлежности эталонных термов лингвистических переменных, соответствующих диагностическим параметрам, при наложении на термы рассмотренных ограничений. На этапе построения операторов агрегирования с использованием блока ПФПОА формируются предпочтения эксперта в виде ограничений на параметры операторов агрегирования. На основе этих ограничений в блоке идентификации нечёткой меры (ИНМ) методом минимизации дисперсии идентифицируется нечёткая мера. Формализованные знания сохраняются в базе знаний в виде ряда настроечных параметров системы, параметров функций принадлежности, параметров операторов агрегирования и могут быть представлены в наглядной форме с помощью блока ПФПОА. На основе значений диагностических параметров и знаний, хранящихся в базе знаний в виде эталонных термов соответствующих лингвистических переменных и операторов агрегирования, в блоке установления текущего состояния (УТС) формируются выходные данные системы, представляющие собой значения принадлежности текущего состояния классам. С помощью блока индикации эти данные получает эксперт (технолог предприятия), который на основе полученной информации принимает решение о необходимости и о характере управляющих воздействий на технологический процесс. В главе 4 приводятся результаты испытаний системы анализа на приготовительном участке хлопкопрядильного производства на основе разработанной программы испытаний.

По результатам проведённых испытаний были сделаны следующие выводы:

1. Система анализа состояния, реализованная на основе лингвистического подхода, показала свою работоспособность;

2. Точность отнесения состояний к классу состояний исправного и правильного функционирования ТП в среднем равна 97 %;

3. Точность отнесения состояний к отдельным классам в среднем равна

4. Применение интеграла Шоке 2-го порядка вместо средневзвешенного оператора агрегирования критериев позволило повысить точность отнесения состояний к отдельным классам состояний до 6,5 %;

5. Выявлено снижение точности отнесения состояний к классам по мере увеличения количества неисправностей ТП, что является недостатком системы анализа состояния ТП. Это объясняется взаимным влиянием неисправностей, заключающимся в формировании значений диагностических параметров, не соответствующих ни одной из неисправностей.

В главе 4 описана опытная эксплуатация системы анализа состояния ТП. По результатам опытной эксплуатации сделан вывод о том, что использование системы позволяет получить экономический эффект посредством увеличения выработки полуфабриката с заданным уровнем качества, а также путём увеличения периода времени между сеансами обслуживания оборудования.

В выводах и заключении сформулированы основные результаты, полученные в работе.

3. ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Обосновано использование лингвистического подхода в виде методики анализа состояния ТП. Лингвистический подход не обладает недостатками, характерными для традиционных подходов.

2. Предложен метод формирования ограничений на параметры оператора агрегирования (интеграла Шоке) на основе его визуализации. В отличие от известного двухкритериального метода графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа критериев.

3. Выявлены ограничения на пороги безразличия, необходимые для идентификации параметров интеграла Шоке 2-го порядка. Показано, что выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров операторов агрегирования. ;

4. Обосновано применение метода минимизации дисперсии нечёткой меры для идентификации параметров интеграла Шоке 2-го порядка при формализации экспертных знаний в рассматриваемой прикладной области. Этот метод позволяет получать единственное решение в виде параметров интеграла Шоке, совместимое с предпочтениями эксперта. .

5. Реализована система анализа состояния ТТТ на примере приготовительного участка хлопкопрядильного производства. Испытания системы показали, что применение интеграла Шоке позволяет повысить точность анализа до 6,5 % в сравнении с применением средневзвешенного оператора.,

6. Осуществлена опытная эксплуатация системы анализа состояния ТП. По результатам эксплуатации сделаны выводы о наличии экономического эффекта от использования системы, а также о целесообразности развития работ в данном направлении.

Основные результаты диссертации изложены в следующих работах:

1. Сакулин С.А. Прибор для измерения ЛПМ чесальной ленты на основе пневматического датчика// Вестник ДИТУД.-2003,- № 3(17).-С.58-63.

2. Сакулин С.А. Система автоматизированного контроля качества чесальной ленты// Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2003.-С.266.

3. Сакулин С.А. Диагностика технологического процесса получения чесальной ленты на основе анализа сигнала линейной плотности // Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2004,- С.234.

4. Сакулин С.А. К вопросу контроля качества полуфабриката и диагностики оборудования в хлопкопрядении методами искусственного интеллекта// Вестник ТГТУ.-2004.-Т.10, № 4А.-С.985-993.

5. Сакулин С.А. Контроль и диагностирование технологических процессов производств протяжённых изделий на основе лингвистического подхода// Вестник ТГТУ.-2006.-Т.12, № 2А.-С.377-391.

6. Сакулин С.А. Визуализация оператора агрегирования на основе интеграла Шоке по нечёткой мере 2-го порядка// Вестник ИРГТУ,-2007.-Т.2Д» 2(30).-С.45-50.

7. Сакулин С.А. Операторы агрегирования в нечётких диагностических моделях технологических процессов производств протяжённых изделий// Вестник ТГТУ.-2007.-Т.13, № 2.-С.57-69.

8. Сакулин С.А. К вопросу об идентификации параметров интеграла Шоке 2-го порядка// Вестник ИРГТУ.-2008.-№ 3(35).-С.205-208.

Подписано к печати 25.09.09. Заказ № 578 Объем 1,0 печ.л. Тираж 100 экз. Типография МГТУ им. Н.Э. Баумана 105005, Москва, 2-я Бауманская ул., д.5 (499)263-62-01

Введение. б

1. Современное положение в области анализа состояния технологических процессов производств протяжённых изделий.

1.1. Общая характеристика производств протяжённых изделий, анализ состояния технологических процессов.

1.2. Основные обозначения и определения.

1.3. Анализ состояния технологического процесса на основе обработки результатов ручных измерений параметров продукции.

1.4. Анализ состояния технологического процесса на основе автоматизированного измерения и обработки его параметров.

1.4.1. Логический подход к анализу состояния.

1.4.2. Аналитический подход к анализу состояния.

1.4.3. Вероятностный подход к анализу состояния.

1.5. Сравнительный анализ подходов к анализу состояния технологических процессов производств протяжённых изделий.

1.6. Применение лингвистического подхода к анализу состояния технологических процессов производств протяжённых изделий.

1.7. Виды неопределённостей и методы их формализации.

1.8. Выводы к главе 1.

1.9. Постановка задачи.

2. Формализация экспертных знаний на основе нечёткого лингвистического представления.

2.1. Традиционные нечёткие подходы к формализации экспертных знаний.

2.2. Элементы нечёткого подхода к формализации экспертных знаний, касающихся анализа состояния технологического процесса.

2.2.1. Выбор лингвистических переменных.

2.2.2. Меры близости.

2.3. Обобщённая методика анализа состояния технологических процессов.

2.3.1. Процедура формализации экспертных знаний.

2.3.2. Процедура установления фактического состояния технологического процесса.

2.4. Визуализация построения средневзвешенного оператора агрегирования с использованием модифицированной модели баланса.

2.5. Формализация знаний эксперта об особенностях классов состояний.

2.6. Визуализация построения интеграла Шоке 2-го порядка на основе модифицированной модели баланса.

2.6.1. Выявление ограничений на пороги безразличия посредством их визуализации.

2.7. Выводы к главе 2.

3. Идентификация параметров операторов агрегирования нечётких критериев.

3.1. Идентификация параметров операторов агрегирования без учёта зависимостей между критериями.

3.2. Идентификация параметров операторов агрегирования с учётом зависимостей между критериями.

3.2.1. Метод идентификации на основе вычисления наименьших квадратов.

3.2.2. Метод идентификации на основе принципа максимального разделения.

3.2.3. Метод идентификации на основе минимальной дисперсии.

3.3. Реализация идентификации параметров операторов агрегирования на примере из прикладной области.

3.3.1. Идентификация параметров операторов агрегирования без учёта зависимостей между критериями.

3.3.2. Идентификация параметров операторов агрегирования с учётом зависимостей между критериями.

3.3.2.1. Идентификация нечёткой меры на основе вычисления наименьших квадратов.

3.3.2.2. Идентификация нечёткой меры на основе методов максимального разделения и минимальной дисперсии.

3.3.2.3. Ограничения, накладываемые экспертом на индексы

Шепли критериев.

3.3.2.4 Ограничения, накладываемые экспертом на индексы взаимодействия критериев.

3.3.2.5. Идентификация нечёткой меры при ограничениях, наложенных экспертом на параметры интеграла Шоке.

3.4. Сравнительный анализ методов идентификации нечёткой меры и выбор метода идентификации параметров операторов агрегирования.

3.5. Выводы к главе 3.

4. Практическая реализация системы анализа состояния технологического процесса (на примере участка хлопкопрядильного производства).

4.1. Приготовительный участок хлопкопрядильного производства. Неисправности, возникающие в процессе работы оборудования.

4.2. Классы состояний технологического процесса на приготовительном участке.

4.3. Аппаратная часть системы анализа состояния технологического процесса.

4.4. Программная часть системы анализа состояния технологического процесса.

4.5. Программа испытаний системы анализа состояния технологического процесса.

4.6. Проведение испытаний системы анализа состояния и результаты испытаний.

4.7. Опытная эксплуатация системы анализа состояния.

4.8. Выводы к главе 4.

Характерным свойством многих технологических процессов являются значительные трудности, связанные с непосредственным измерением большинства их параметров. Поэтому анализ состояния таких процессов осуществляется по косвенным признакам. В частности, этим свойством обладают технологические процессы производств протяжённых изделий [1]. К производствам протяжённых изделий относятся прядильные, прокатные и трубопрокатные, кабельные, проволочные, бумажные, картонные, производства профилированных резиновых изделий, корда, а также слоистых, пропитанных (импрегнированных) изделий из различных материалов, производства оптоволокна и некоторые другие. На практике встречаются различные синонимы этого определения, например, длинномерные, рулонные, погонажные, профилированные, шприцованные и пр., в зависимости от специфики выпускаемых изделий и полуфабрикатов. При этом характер изменения параметров выпускаемой продукции по её длине (по времени) несёт информацию не только о качестве продукции, но и о состоянии технологического процесса в целом.

В условиях современной конкуренции необходимо стремиться к обеспечению максимально достижимого качества продукции при минимуме затрат. Достигнуть этого можно посредством принятия следующих мер:

- обеспечить своевременное выявление и устранение причин возникновения состояний технологического процесса, приводящих к снижению качества изделий или браку;

- перейти на менее затратное обслуживание оборудования по фактическому, а не плановому состоянию.

Реализовать эти меры можно на основе анализа состояния технологического процесса. Задачами анализа состояния являются проверка исправности и правильности функционирования оборудования, а также поиск дефектов оборудования и продукции на основе измерений параметров технологического процесса. Результатом такого анализа является отнесение состояния процесса к тем или иным заранее определённым классам состояний. Каждый- класс состояний соответствует либо исправному и правильному протеканию технологического процесса, либо одному из видов отклонений от его исправного и правильного протекания.

При этом, однако, эффективность методов анализа состояния технологических процессов ещё остается относительно низкой.

Над решением проблем повышения эффективности анализа состояния технологических процессов работают многие специалисты как у нас в стране, так и за рубежом, в частности, Коновалов В.И., Алтунин А.Е., Беленький А.Г., Алиев Р.А., Bocklisch S.F., Grabisch М., Murofiishi Т., Detyniecki М., и другие, о чём свидетельствуют многочисленные источники [1-28,38,41, 45,62,63,86,87].

Общий вывод, который прослеживается в этих работах, состоит в том, что для успешного решения задачи повышения эффективности анализа состояния технологических процессов необходимо обеспечить такие его свойства, как системность, экономичность, массовость, точность и оперативность.

Системность необходима для создания автоматизированной системы анализа состояния технологического процесса.

Экономичность предполагает относительно небольшую стоимость практической реализации процедур анализа состояний.

Массовость связана с возможностью применения его в различных производствах.

Точность позволяет определить состояние процесса с определённой степенью уверенности

Оперативность предполагает достаточно быстрое (порядка нескольких минут) определение вида нарушения технологического процесса, а также мест его возникновения для принятия решения о необходимых воздействиях, направленных на его устранение.

Существующие подходы к анализу состояния технологических процессов производств протяжённых изделий не обладают всеми этими свойствами в совокупности. Основная причина, по которой они оказываются недостаточно эффективными, заключается в том, что для их реализации требуется либо дорогостоящая установка большого числа датчиков для измерения параметров процесса по всей технологической цепочке, либо накопление достаточно большого статистического материала, учитывающего все особенности эксплуатации, что требует большого объёма экспериментальных исследований, либо больших затрат рабочего времени.

При низком среднем уровне оснащённости производств протяжённых изделий средствами автоматического контроля и измерения реализация таких подходов для анализа состояния технологических процессов затруднена.

В этих условиях предприятия часто встают на путь решения задач анализа состояния технологических процессов экспертным способом: использованием для анализа состояния технологических процессов накопленных в испытательных лабораториях предприятий знаний о параметрах выпускаемой продукции, характеризующих её качество, и связи этих параметров с состояниями технологического процесса, включая знания и опыт специалистов-технологов.

Для того, чтобы обеспечить объективность анализа состояния технологических процессов, а также выполнение перечисленных выше свойств, необходимо решить задачу создания комплексной формализованной t методики, объединяющей в единый процесс процедуры формализации накопленных испытательных лабораторных знаний и знаний эксперта и все последующие процедуры анализа вплоть до завершающих процедур установления фактического состояния технологического процесса для принятия последующих решений по устранению отклонений от его нормального хода. Настоящая работа посвящена решению этой актуальной задачи.

Известно достаточно большое количество попыток создания подобных методик. Большинство из них [3,4,7,9,11,13,21] основано на традиционных (чётких) подходах к анализу состояния технологического процесса, и только некоторые [28,38,41,45] основаны на нечётких подходах, которые гораздо более адекватны реальным условиям, чем чёткие. Однако все известные методики анализа состояния технологических процессов, основанные на нечётких подходах, обладают следующими существенными недостатками:

1. Отсутствием применимых на практике методов формализации знаний экспертов о зависимостях нечётких критериев агрегирования;

2. Отсутствием семантической интерпретации задания экспертом порогов безразличия, используемых для идентификации параметров операторов агрегирования в случае взаимозависимости критериев;

3. Отсутствием обоснованного выбора того или иного метода идентификации параметров операторов агрегирования для случая взаимозависимых критериев.

Цель диссертационной работы заключается в разработке, исследовании и реализации формализованной методики анализа состояния технологических процессов на основе нечётких экспертных знаний, обеспечивающей системность, экономичность, массовость, точность и оперативность анализа состояния технологического процесса и не имеющей указанных недостатков.

Краткое содержание работы по главам.

В первой главе рассмотрены общие свойства технологических процессов производств протяжённых изделий, существующие подходы к решению задач анализа состояния технологических процессов и их характерные особенности; показана актуальность подхода к обеспечению качества изделий посредством анализа состояния технологического процесса на основе экспертных знаний и последующего обслуживания оборудования по результатам этого анализа; обоснован выбор пути решения задачи анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний, в связи с этим рассмотрены виды неопределённостей, возникающих при формализации экспертных знаний об особенностях протекания технологических процессов; введены необходимые определения, сформулированы задачи исследований как задачи создания и исследования методов формализации экспертных знаний на основе их нечёткого лингвистического представления.

Во второй главе рассмотрены известные подходы к формализации экспертных знаний на основе их нечёткого лингвистического представления, выявлены их недостатки, предложен новый подход к формализации экспертных знаний, введены понятия нечётких классов состояний технологических процессов, сформулированы условия полноты и непротиворечивости анализа состояния технологического процесса; обоснован выбор функций принадлежности термов эталонных образов классов; обоснованы дополнительные ограничения на функции принадлежности; рассмотрена обобщённая методика анализа состояния технологических процессов; предложены механизмы визуализации для средневзвешенного оператора агрегирования и интеграла Шоке 2-го порядка, используемого при формализации и обеспечивающие эксперту ясную интерпретацию выбираемых параметров; на основе визуализации предложен метод формирования ограничений на параметры интеграла Шоке 2-го порядка, а также выявлены ограничения на значения порогов безразличия, используемых при идентификации нечёткой меры.

В третьей главе рассмотрены известные методы идентификации параметров операторов агрегирования, применяемых при формализации экспертных знаний; на конкретном примере описана компьютерная реализация рассмотренных методов идентификации; проведён сравнительный анализ полученных с использованием различных методов результатов идентификации; обоснован выбор метода на основе минимизации дисперсии нечёткой меры для идентификации параметров операторов агрегирования.

В четвёртой главе описана аппаратно-программная система, реализующая методику анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний на примере приготовительного участка хлопкопрядильного производства; описана программа испытаний и приведены результаты этих испытаний; приведены результаты опытной эксплуатации системы анализа состояния технологического процесса.

В заключении перечислены основные результаты, полученные в диссертации.

Методы исследований: теория нечётких множеств; теория нечётких мер и интегралов, теория полезности.

Научная новизна.

Разработана новая комплексная методика анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний. В рамках этой методики получены следующие новые результаты.

Предложен метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации. В отличие от известного двухкритериального метода на основе графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа агрегируемых критериев.

Выявлены ограничения на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров оператора агрегирования. Показано, что пороги безразличия имеют смысл только при выполнении соответствующих ограничений, а выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров оператора агрегирования.

Обоснован выбор метода идентификации параметров операторов агрегирования взаимозависимых критериев на основе минимизации дисперсии нечёткой меры. Показано, что применение этого метода позволяет избежать субъективизма при идентификации параметров операторов агрегирования.

На основе экспериментов показано, что применение интеграла Шоке 2-го порядка позволяет повысить точность анализа состояния технологического процесса в сравнении с применением средневзвешенных операторов до 6,5 %.

Работоспособность подтверждена испытаниями в производственных условиях.

Достоверностьполученныхрезультатов подтверждена теоретическим обоснованием основных положений предлагаемой методики и испытаниями в производственных условиях.

Практическая ценность. Разработанная методика, реализующее её программное обеспечение и технические средства, образующие в совокупности систему анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний могут быть использованы на любых производствах протяжённых изделий. В частности, методика была апробирована на приготовительном участке прядильного производства, а также на целлюлозо-бумажном производстве и может быть использована на существующих прядильных и целлюлозо-бумажных производствах, обеспечивая сокращение простоев оборудования, предотвращение аварийных ситуаций, повышение доли выпуска продукции с заданными качественными показателями. Всё это подтверждено испытаниями системы на производстве.

Основные положения, выносимые на защиту.

1. Методика анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний;

2. Метод выбора ограничений, накладываемых на классы состояний технологического процесса и лингвистические переменные при формализации экспертных знаний;

3. Метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации;

4. Ограничения, накладываемые на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров операторов агрегирования;

5. Метод идентификации параметров операторов агрегирования на основе минимизации дисперсии нечёткой меры для случая взаимозависимых критериев;

6. Аппаратно-программная реализация методики анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний на примере приготовительного участка хлопкопрядильного производства и результаты её испытаний;

7. Результаты опытной эксплуатации аппаратно-программной реализации методики анализа состояния технологических процессов в реальных производственных условиях.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (Текстиль-2003 и Текстиль-2004) .

Публикации. Основные положения изложены в печатных работах:

1. Сакулин С.А. Прибор для измерения ЛПМ чёсальной ленты на основе пневматического датчика//Вестник ДИТУД.-2003.- № 3(17).-С.58-63.

2. Сакулин С.А. Система автоматизированного контроля качества чёсальной ленты// Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2003.-С.266.

3. Сакулин С.А. Диагностика технологического процесса получения чёсальной ленты на основе анализа сигнала линейной плотности // Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2004.- С.234.

4. Сакулин С.А. К вопросу контроля качества полуфабриката и диагностики оборудования в хлопкопрядении методами искусственного интеллекта// Вестник ТТТУ.-2004.-Т.10, № 4А.-С.985-993.

5. Сакулин С.А. Контроль и диагностирование технологических процессов производств протяжённых изделий на основе лингвистического подхода // Вестник ТТТУ.-2006.-Т. 12, № 2А.-С.377-391.

6. Сакулин С.А. Визуализация оператора агрегирования на основе интеграла Шоке по нечёткой мере 2-го порядка// Вестник ИРГТУ.-2007.-Т.2,№ 2(30).-С.45-50.

7. Сакулин С.А. Операторы агрегирования в нечётких диагностических моделях технологических процессов производств протяжённых изделий // Вестник ТГТУ.-2007.-Т.13, № 2.-С.57-69.

8. Сакулин С.А. К вопросу об идентификации параметров интеграла Шоке 2-го порядка// Вестник ИРГТУ.-2008.-№ 3(35).-С.205-208.

Структура и объём диссертации. Диссертационная работа состоит из введения, четырёх глав, заключения, списка используемой литературы (109 наименований) и пяти приложений на 167 страницах.

Выводы и заключение

В диссертации рассмотрены вопросы, касающиеся анализа состояния технологических процессов на основе нечётких экспертных знаний и получены следующие результаты.

1. Обосновано использование лингвистического подхода в виде методики анализа состояния ТП. Лингвистический подход не обладает недостатками, характерными для традиционных подходов.

2. Предложен метод формирования ограничений на параметры оператора агрегирования (интеграла Шоке) на основе его визуализации. В отличие от известного двухкритериального метода графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа критериев.

3. Выявлены ограничения на пороги безразличия, необходимые для идентификации параметров интеграла Шоке 2-го порядка. Показано, что выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров операторов агрегирования.

4. Обосновано применение метода минимизации дисперсии нечёткой меры для идентификации параметров интеграла Шоке 2-го порядка при формализации экспертных знаний в рассматриваемой прикладной области. Этот метод позволяет получать единственное решение в виде параметров интеграла Шоке, совместимое с предпочтениями эксперта.

5. Реализована система анализа состояния ТП на примере приготовительного участка хлопкопрядильного производства. Испытания системы показали, что применение интеграла Шоке позволяет повысить точность анализа до 6,5 % в сравнении с применением средневзвешенного оператора.

6. Осуществлена опытная эксплуатация системы анализа состояния ТП. По результатам эксплуатации сделаны выводы о наличии экономического эффекта от использования системы, а также о целесообразности развития работ в данном направлении.

1. Тагирова К.Ф. Оптоэлектронные устройства контроля геометрических характеристик для систем управления технологическими процессами производства протяжённых изделий: Дисс. канд. техн. наук.-Уфа,1994.-199с.

2. Амбарцумян А. А. Событийное логическое управление производственными процессами поточного типа.-М.: Изд-во ИПУ,2006.-99 с.

3. Создание и исследование систем автоматизации и контроля для повышения производительности и качества проката и труб: Сб. науч. тр. /Под ред. Н.Н. Дружинина.-М.:ВНИИметмаш, 1985.-129с.

4. Боев М.А. Автоматические средства контроля кабельных изделий, установленные на технологическом оборудовании.-М.:Изд-во МЭИ, 2002.-43с.

5. Черников А. Н. Управление технологическим процессом в хлопкопрядильном произволстве.-М.:Изд-во Моск. гос. текст, акад. им.

6. A. Н. Косыгина, 1999.-24с.

7. Румянцев К.Е., Зибров В.А., Балабаев C.JI. Бесконтактное измерение геометрических размеров изделий прокатно-металлургического производства/ Под ред. К.Г. Румянцева.-Шахты:Изд-во ЮРГУЭС,2004.-155с.

8. Технические средства и методы виброакустической диагностики оборудования текстильной и легкой промышленности/ В.В. Сигачева,

9. B.А. Климов, С.И. Лукичев и др.-М.:Легпромбытиздат, 1993.-159с.

10. Применение современных методов и средств контроля линейной плотности продуктов прядильного производства/ М.И. Сапронов, Л.С. Шайбель, А.Л. Таточенко, А.Л. Шайбель.-Рига: ЛатНИИНТИ,1990.-66с.

11. Кудрявцева Т.Н. Техническая диагностика шерстопрядильного производства.-М.: Легпромбытиздат, 1987.-109с.

12. Техническая диагностика машин текстильной и лёгкой промышленности / В.А. Климов, К.А. Лавров, JI.C. Мазин и др.; Под ред. В.А. Климова.-М.: Легпищепром,1982.-246с.

13. Гусев Б.Н. Развитие концепции диагностирования объектов прядильного производства// Изв. вузов. Технология текстильной промышленности.2001.-№3-C.33-36.

14. Слесарев Д.А., Барат В.А. Использование вейвлет-преобразования для анализа сигналов при контроле стальных тросов// Измерительная техника.-2001 .-№ 1-С Л1 ■-43.

15. Hlava J. Stable model of textile drafting process// Intelligent manufacturing & automation: learning from nature: The 13th international symposium.-Vienna,2002.-P.207-208.

16. Гусев В.А. Обеспечение стабильности технического состояния кардочесальных машин. Кострома.: КГТУ,2001.-197с.

17. Борзунов И.Г. Прядение хлопка и химических волокон.-М.: Легпромбытиздат, 1986.-3 89с.

18. Коновалов В.И. Коваль A.M. Пропиточно-сушильное и клеепромазочное оборудование.-М.: Химия, 1989.-224с.

19. Оборудование для охлаждения и усадки профилированных резиновых заготовок/ В.И. Коновалов, Л.В. Прудник, А.Г. Постернак, В.Н. Шашков.-М. :ЦИНТИхимнефтемаш, 1988.-41 с.

20. Азаров А.В. Система автоматического контроля параметров оптических волокон и волоконно-оптических кабелей: Автореф. дисс.канд. техн. наук.-М.,2001 .-21 с.

21. Косенчук Н.А. Контроль качества изоляции обмоточных проводов: Автореф. дисс. канд. техн. наук.-Томск, 1992.-24с.

22. Автоматизированные широкополосные станы, управляемые ЭВМ / М.А. Беняковский, М.Г. Ананьевский, Ю.В. Коновалов и др.-М.: Металлургия, 1984.-23 5 с.

23. Кирюхин С.М., Соловьев А.Н. Контроль и управление качеством текстильных материалов.-М.: Лёгкая индустрия, 1977.-312с.

24. Иванов Л. Н. Производство пряжи из волокон растительного происхождения.-М.: Информ-Знание,2004.-207 с.

25. Лямбах Р.В., Шишкинский В.И. Автоматизация технологических процессов холодной прокатки листов.-М.: Металлургия, 1981.-264с.

26. Процесс прокатки/ М.А. Зайков, В.П. Полухин, A.M. Зайков, Л.Н. Смирнов;МИСИС.-М.,2004.-639с.

27. Основы технической диагностики /Под ред. П.П. Пархоменко.-М.: Энергия, 1976, Кн. 1.-464с.

28. Биргер И.А. Техническая диагностика.-М.: Машиностроение, 1978.- 240с.

29. Слесарев Д.А. Методы анализа нестационарных диагностических сигналов с использованием времячастотных и времямасштабных представлений/ Под ред. В.П. Лунина.-М.:Изд-во МЭИ,2004.-55с.

30. Маринов П. Системи и устройства за распознаване на сигнали и диагностични състояния.- София: Държавно издателство «Техника», 1980.-371с.

31. Вятченин Д.А. Нечёткие методы автоматической классификации. — Минск:Изд-во «Технопринт», 2004.-216с.

32. Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования.-Л.: Энергия, 1980.-110с.

33. Мироновский Л.А. Функциональное диагностирование динамических систем (обзор)// Автоматика и телемеханика.- 1980.-№8-С.96-121.

34. Мозгалевский А.В. Гаскаров Д.В. Техническая диагностика (Непрерывные объекты).-М.: Высшая школа, 1975.-208с.

35. Гинзбург Л.И. Динамика основных процессов прядения.-М.: Лёгкая индустрия, 1976.-303с.

36. Дятлов В.А., Кабанов А.Н., Милов Л.Т. Контроль динамических систем.-Л.: Энергия,!978.-88 с.

37. Вентцель Е.С. Теория вероятностей и её инженерные приложения. М.: Наука, 1988.-480с.

38. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечёткой логикой.- М.: Наука, 1990.-271с.

39. Заде JI.А. Основы нового подхода к анализу сложных систем и процессов принятия решений// Математика сегодня. — М.: Знание, 1974.-45с.

40. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.- М.: Радио и связь,1990.-213с.

41. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближённых решений. М.: Мир, 1976.-165с.

42. Серов В.В. Логическое представление нечётких знаний и его применение для решения прикладных задач качественного характера.-М.: Рос. заоч. ин-т текстил. и легкой пром-сти,2001.-107с.

43. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечётких условиях.-Тюмень: Изд-во Тюменского государственного университета,2000.-3 52с.

44. Поспелов Д.А. Ситуационное управление: теория и практика,—М.: Наука, 1986.-284с.

45. Севостьянов А.Г. Методы и средства исследования механико-технологических процессов текстильной промышленности.-М.: Легкая индустрия, 1980.-392с.

46. Севостьянов А.Г. Современные методы исследования неровноты продуктов хлопкопрядения. -М.:Легкая индустрия, 1966.-88с.

47. Bocklisch S.F., Priber U. Сетка размытых классификаторов как диагностическая система (перевод ГПНТБ)// Technische Kochschule Karl-Marx-Stadt.-1983.-№5-S.711-716.

48. Bocklisch S.F. A diagnosis system based on fuzzy classification// Computers in industry.-1986.-Ж7.-Р.73-82.

49. Твердохлебов В.А. Аксиоматический подход к диагностированию систем в целом// Методы и системы технической диагностики (Саратов).-1980.- Вып.1. С.40-50.

50. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решения на основе нечётких моделей: примеры использования.-Рига: Знание, 1990.184 с.

51. Модальность// Лингвистический энциклопедический словарь. — М.: Советская Энциклопедия, 1990.-С.303-304.

52. Ushold М., Gruminger М. Ontologies: principles, methods and applications // Knowledge engeneering review. 1996.-Vol.l 1,№2-P.52.

53. Альфред Г., Херцбергер Ю. Введение в интервальные вычисления.-М.: Мир,1987.-360с.

54. Zadeh L.A. Fuzzy sets us a basis for theory of possibility// Fuzzy sets and systems. 1978. - Vol. 1, № l.-P. 3-28.

55. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике/ Под ред. С.А. Орловского.- М.: Радио и связь, 1990.-286 с.

56. Кофман А. Введение в теорию нечётких множеств: Пер. с франц.-М.: 1982.-432 с.

57. Zadeh L.A. Test-score semantics for natural languages meaning representation via PRUF// Technical Note (California).-198l.-P. 281-349.

58. Zadeh L.A. A Theory of approximating reasoning// Machine Intelligence. -1979-Vol. 9.-P. 149-194.

59. Zadeh L.A. Calculs of fuzzy restrictions// Fuzzy sets and their applications to cognitive and decision process. — California: Academic press, 1975.-P. 1-39.

60. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети.-М.: Изд-во физико-математической литературы, 2001.-224с.

61. Тэрано Т., Асаи К., Сугэно М. Прикладные нечёткие системы/ Под ред. Т. Тэрано и др.; Перевод с яп. Ю. Н. Чернышова.-М.: Мир, 1993.-368с.

62. Detyniecki M. Mathematical Aggregation Operators and their Application to Video Querying: Thesis for the degree Docteur de l'Universite.- Paris, 2000, 185 p. (Artifical Intelligence).

63. Беленький А.Г. Выбор шкал и операторов агрегирования при построении нечётких интеллектуальных информационно-управляющих систем.- М.: МЭИ, 1999.-23 с.

64. Mayor G., Trillas Е. On the representation of some Aggregation functions //Proceeding of ISMVL.- 1986.-P. 111-114.

65. Ovchinnikov S. On Robust Aggregation Procedures, Aggregation Operators for Fusion under Fuzziness/Вouchon-Meunier В. (eds.), 1998.-P. 3-10.

66. Mesiar R., Komornikova M., Aggregation Operators// Proceeding of the XI Conference on applied Mathematics PRIM' 96/ Herceg D., Surla K. (eds.).-Novi Sad, 1997.-P. 193-211.

67. W. Cholewa, Aggregation of fuzzy opinions—an axiomatic approach// Fuzzy Sets & Systems.-1985.-№ 17.-P. 249-258.

68. Мулен Э. Кооперативное принятие решений: Аксиомы и модели.-М.: Мир, 1991.-463с.

69. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечёткие модели для экспертных систем в САПР.- М.: Энергоатомиздат, 1991.-136с.

70. Модели принятия решений на основе лингвистической переменной /А.Н. Борисов, А.В. Алексеев, О.А. Крумберг и др.- Рига: Зинатне, 1982.-256с.

71. Нечёткие множества в моделях управления и искусственного интеллекта //А.Н. Аверкин, И.З. Батыршин, В.Б. Тарасов и др.; Под ред. Д.А. Поспелова. -М.: Наука, 1986.-312 с.

72. Технические средства диагностирования: Справочник/ В.В. Клюев, П.П. Пархоменко, В.Е. Абрамчук и др.; Под ред. В.В. Клюева.-М.: Машиностроение, 1989.-671 с.

73. Поспелов Д.А. Серые и/или чёрно-белые шкалы // Прикладная эргономика. Рефлексивные процессы.-1994.-№ 1 (Специальный выпуск). С.29-33.

74. Поспелов Д.А. Знания и шкалы в модели мира// Модели мира: Сб. /Под ред. Д.А. Поспелова. М.: Издат-во Российской ассоциации искусственного интеллекта, 1997.-С.69-84.

75. Тарасов В.Б. Послесловие к круглым столам// Новости искусственного интеллекта.-2001 .-№ 2-3.- С.29-36.

76. Ruspini Е. Numerical Methods for Fuzzy Clustering// Inf. Sci.-1970.-Vol. 2 .P. 319-350.

77. Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithms.-, New York: Plenum Press, 1980.- 216 p.

78. Grabisch M. k-order additive discrete fuzzy measures and their representation// Fuzzy Sets & Systems.-1997.-№ 92.- P. 167-189.

79. Sugeno M. Theory of fuzzy integrals and its applications: Ph.D. Thesis.-Tokyo, 1974.- 237 p.

80. Shapley L.S. A value for n-person games// Contributions to the Theory of Games/ H.W. Kuhn and A.W. Tucker (eds.), Princeton: Princeton University Press, 1953.-P.307—317.

81. Wakker P. A behavioral foundation for fuzzy measures// Fuzzy sets & Systems.-1990.-№ 37.-P. 327-350.

82. Murofushi Т., Soneda S. Techniques for reading fuzzy measures (III): interaction index// 9th Fuzzy System Symposium-Sapporo.-1993.-P. 693696.

83. Grabisch M., Roubens M. An axiomatic approach to the concept of interaction among players in cooperative games// Int. Journal of Game Theory.- 1999.-№ 28.-P. 547-565.

84. Шметтерер JI. Введение в математическую статистику.-М.:Наука,1976.-520с.

85. Choquet G. Theory of capacities// Annales de l'lnstitut Fourier.-1953.-№ 5.-P. 131-295.

86. Grabisch M. The application of fuzzy integrals in multicriteria decision making// European Journal of Operation Research.-1996.-№ 89.-P. 445-456.

87. Murofushi Т., Sugeno M. Non-additivity of fuzzy mesures representing preferential dependence// 2nd Int. Conf. On Fuzzy Systems and Newral Networks. -Iizuka, 1992.-P. 617-620.

88. Стенли P. Перечислительная комбинаторика.- M.: Мир, 1990.-440с.

89. Marichal J.-L. An axiomatic approach to the discrete Choquet integral as a tool to aggregate interacting criteria// IEEE Transactions on Fuzzy Systems.-2000.-№ 8(6).-P. 800-807.

90. Tanaka K., Sugeno M. A Study on Subjective Evaluation of Color Printing Images// Int. J. Of Approximate Reasoning.-1991.-№ 5.-P. 213-222.

91. Inoue K., Anzai T. A study on the industrial design evaluation based upon non-additive measures// 7th Fuzzy System Symp. -Nagoya, 1991.-P.521-524.

92. Sicilia M., Garsia E., Calvo T. An Inquiry-Based Method for Choquet Integral-Based Aggregation of Interface Usability Parameters// Republica Checa Kybernetica.-2003.-№ 39(5).-P. 601-614.

93. Pham Т., Wagner M. Similarity normalization for speaker verification by fuzzy fusion// The Journal of the Pattern Recognition Society.-2000.-№ 33.-P. 309-315.

94. Grabisch M. A Graphical Interpretation of the Choquet Integral// IEEE Transactions on Fuzzy Systems.- 2000.-№ 8.-P. 627-631.

95. Mori Т., Murofushi T. An analysis of evaluation model using fuzzy mesurethand the Choquet integral// 5 Fuzzy System Symposium, Kobe, Japan, 1989.-P. 207-212.

96. Marichal J.-L., Roubens M Determination of weights of interacting criteria from a reference set// European Journal of Operational Research.-2000.-№ 124.-P. 641-650.

97. Kojadinovic I. Minimum variance capacity identification// European Journal of Operational Research.- 2007.-№ 177 (l).-P. 498-514.

98. Фишберн П. Теория полезности для принятия решений.- М.: Наука, 1978.-227 с.

99. Трухаев Р.И. Модели принятия решений в условиях неопределённости.-М.: Наука, 1981.-258с.

100. Jaynes Е.Т. Information theory and statistical mechanics// Phys. Rev.-1957.-№ 106.-P. 620-630.

101. Kojadinovic I., Marichal J-L., Roubens M. An axiomatic approach to the definition of the entropy of a discrete Choquet capacity// Information Sciences.-2005.-№ 172.-P. 131-153.

102. Marichal J-L. Entropy of discrete Choquet capacities// European Journal of Operational Research.-2002.- № 137 (3).-P. 612-624.

103. Grabisch M., Kojadinovic I., Meyer P. Kappalab: Non additive measure and integral manipulation functions, R package version 0.3, 2006 (Описание программного продукта), http://www.polytech.univ-nantes.fr/kappalab/, 92 с.

104. Хосровян Г.А., Красик Я.М. Теория и практика очистки и подготовки полуфабриката к прядению.-Иваново: Иван. гос. текстил. акад., 1998.255 с.

105. Механическая технология текстильных материалов/ Под ред. А.Г. Севостьянова.-М.: 1989.-410с.

106. Плеханов Ф.М. Технологические процессы пневмомеханического прядения. -М.: Легпромбытиздат, 1986.-104с.

107. Сакулин С.А. Прибор для измерения ЛПМ чесальной ленты на основе пневматического датчика// Вестник ДИТУД.-2003.-№ 3(17).-С.58-63.

108. Кисин Б.М., Карпинский В.В. Анализ существующих способов измерения толщины волокнистых материалов,- М.: ЦНИИТЭИЛегпищемаш, 1972.-63с.