автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизация проектирования средств диагностики РЭУ на основе алгоритмов псевдобулевой оптимизации

На правах рукописи

НОВИКОВА Ирина Анатольевна

АВТОМАТИЗАЦИЯ ПРОЕКТИРОВАНИЯ СРЕДСТВ ДИАГНОСТИКИ РЭУ НА ОСНОВЕ АЛГОРИТМОВ ПСЕВДОБУЛЕВОЙ

ОПТИМИЗАЦИИ

Специальность 05 13 12 - Системы автоматизации проектирования

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2004

Работа выполнена в Воронежском государственном техническом университете

Научный руководитель

Официальные оппоненты:

доктор технических наук, профессор Муратов Александр Васильевич

доктор технических наук, профессор Сумин Виктор Иванович;

кандидат технических наук, доцент Костров Николай Алексеевич

Ведущая организация

Воронежский институт

радиоэлектроники Министерства обороны РФ

Защита состоится «28» января 2005 г в 13 часов в конференц-зале на

заседании диссертационного совета Д 212 037. 03 Воронежского

государственного технического университета по адресу. 394026, Воронеж. Московский просп., 14

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан «27» декабря 2004 г

Ученый секретарь диссертационного совета, Родионов О.В.

2oQ£-4 23?(

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Контроль технического состояния радиоэлектронных устройств (РЭУ) любого назначения является неотъемлемой частью процесса их разработки, испытаний и эксплуатации Основной задачей контроля является получение информации для выработки необходимых воздействий на контролируемую систему или условия ее производства и эксплуатации

При разработке и изготовлении конкретного РЭУ ему придается ряд свойств, которые в совокупности определяют качество объекта Каждому из этих свойств предъявляются определенные требования, вытекающие из условий целевого применения объекта.

Совокупность подверженных изменению в процессе производства и эксплуатации свойств объекта, характеризующую степень его функциональной пригодности в заданных условиях целевого применения или место дефекта в нем в случае несоответствия любого из этих свойств установленным требованиям, называется техническим состоянием объекта. Вид технического состояния - это такая его категория, которая характеризуется соответствием или несоответствием качества объекта определенным требованиям. Эти требования включаются в Международные стандарты ИСО 9000, ГОСТ или ТУ.

Задача выявления дефектов относится к задачам технической диагностики, которая в соответствии с государственным стандартом считается основной частью процесса контроля технического состояния объекта. Поиск дефекта - это опредетение его места с заданной i дубиной.

Исходя из этого, актуальность темы определяется необходимостью моделирования и алгоритмизации процессов диагностики устройств видеотехники, в частности разработки моделей, методов и алгоритмов оценки контролепригодности устройств видеотехники, применение которых позволит выявить некачественное устройство на стадии испытания.

Диссертационная работа выполнена в соответствии с ГБ НИР 96 17 «Исследование и разработка устройств и технологий РЭС» и одного из основных направлений Воронежского государственного технического университета «САПР и системы автоматизированного производства».

Цель и задачи исследования. Целью диссертационной работы является разработка моаелей и алгоритмов диагностики устройств видеотехники, создание на основе алгоритмов псевдобулевой оптимизации программного комплекса, ориентированного на обеспечение высокой эффективности комплексной диагностики устройств видеотехники.

Для достижения поставленной цели необходимо решить следующие задачи:

- определить требования к диагностируемым показателям качества, учитывающие требования ГОСТов и Международных стандартов серии ИСО 9000;

предложить модель оце+ы

I

видеотехники;

- получить обобщенную процедуру анализа диагностической модели, заключающуюся в определении условия работоспособности и признаков наличия дефектов;

разработать методы оценки контролепригодности объектов диагностирован ия;

построить экспертную систему, позволяющую оценивать, диагностировать устройства видеотехники в условиях неопределенности

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории принятия решений в условиях неопределенности, методы псевдобулевой оптимизации, теории нечетких множеств, методы объектно-ориентированного программирования и построения интеллектуальных систем.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

рациональный набор диагностируемых показателей качества устройств видеотехники, учитывающий требования стандартов серии ИСО 9000 к устройствам видеотехники;

лингвистическая модель диагностики тракта изображения устройств видеотехники на основе интегрального показателя качества, учитывающего влияние локальных показателей на каждом уровне иерархии, имеющего качественный характер;

модели оптимизации контролепригодности объекта диагностирования по критериям максимизации коэффициента глубины поиска кратного дефекта и минимизации затрат и «исла точек контроля, отличающиеся использованием методов псевдобулевой оптимизации;

структура диагностической экспертной системы для диагностики устройств видеотехники, содержащая базу знаний рациональных методов диагностики, полученных на основе процедуры псевдобулевой оптимизации.

Практическая ценность работы. Разработаны математическое, алгоритмическое, программно-информационное и лингвистическое обеспечение программного комплекса диагностики устройств видеотехники. Применение предложенных методов и процедур позволяет сократить сроки на проведение диагностики устройств видеотехники за счет оптимизации алгоритмов диагностирования

Реализация и внедрения результатов работы. Диссертационная работа выполнялась в соответствии с ГБ НИР 96 17 «Исследование и разработка устройств и технологий РЭС» и в рамках одного из основных научных направлений ВГТУ «САПР и системы автоматизации производства».

Результаты диссертационной работы внедрены на ОАО «Видсофон» Получен годовой экономический эффект в размере 340 тыс руб Научные результаты используются в учебном процессе при подготовке инженеров по специальности 210201 «Проектирование и тех но тоги я радиоэлектронных средств» Воронежского государственного технического университета.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на следующих конференциях, совещаниях и семинарах' Всероссийская конференция «Интеллектуальные информационные системы» (Воронеж, 1999); Международная научно-техническая конференция «Системные проблемы качества, математического моделирования, информационных и электронных технологий» (Москва -Сочи, 2003); внутривузовская конференция в рамках секции «Проектирование и технология РЭС» (Воронеж, 2003).

Публикации. По теме диссертации опубликовано 11 печатных работ.

В работах, опубликованных в соавторстве, лично соискателю принадлежит- [1, 2] - анализ систем диагностики видео- и аудиосистем, [3] -направления по повышению эффективности систем диагностики технических объектов: [4] - построение иерархической структуры множеств технических состояний устройств видео- и аудиотехники; [5] - подход к формированию моделей работоспособности сложных технических объектов на основе экспертных знаний; [6] - методика формирования экспертных знаний с целью диагностики видео- и аудиосистем; [7] - принцип разбиения объекта диагностирования на структурные единицы с целью определения контролепригодности, [10] - подход к решению критериальных задач; [11] -принцип построения экспертной системы.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 134 наименований и приложений. Основная часть работы изложена на 111 страницах, содержит 15 рисунков, 9таблиц и 2 приложения

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, дана ее краткая характеристика, показаны основные пути решения сформулированных задач.

В первой главе проведен обзор литературы, посвященной диагностике сложных технических объектов и построению экспершых систем. Рассмотрены ранее разработанные системы диагностики различных технических объектов, описаны их достоинства и недостатки, предложены направления по повышению их эффективности

Рассмотрены виды моделей, которые можно использовать для решения поставленной задачи

Выявлены следующие наиболее существенные достоинства нечетких моделей:

1) нечеткие модели являются более гибкими по сравнению с традиционными четкими моделями,

2) нечеткие модели интеллектуальных систем позволяют получать решение, по точности соотносимое с исходными данными;

3) нечеткие модели в ряде случаев требуют меньше времени для получения результата, чем модели, построенные традиционным математическим аппаратом;

4) с помощью нечетких моделей можно быстро обработать

информацию на относительно несложных специализированных устройствах:

5) нечеткие модели создаются в случаях, когда построение «четких» невозможно или затруднительно.

Нечеткий подход к моделированию интеллектуальных систем имеет три отличительные черты:

1) в нем используются лингвистические переменные, вместо числовых переменных или в дополнение к ним;

2) простые отношения между переменными описываются с помощью нечетких высказываний;

3) сложные отношения описываются нечеткими алгоритмами.

На основе изложенного материала выбран и обоснован математический аппарат теории нечетких множеств и градиентной оптимизации для решения задач диагностики РЭУ.

Во второй главе предложено математическое обеспечение разработки структуры экспертной системы. В данной работе описывается методика построения базы знаний экспертной системы (БЗ ЭС), предназначенная для адаптирования процедур псевдобулевой оптимизации для алгоритмов диагностирования моделей технических объектов.

Качественные показатели устройств видеотехники делят на два больших класса: электрические параметры и параметры изображения (рис. 1).

Рис.). Классификация параметров устройств видеотехники

В результате проведенного анализа требований к устройствам видеотехники сделан вывод о том, что в первую очередь предъявляются требования именно к качеству изображения, а затем к звуку, дизайну и тд Непосредственный интерес для данной работы представляют параметры качества изображения, иерархическая структура которых приведена на рис 2.

Рис.2. Иерархическая структура показателей изображения устройств видеотехники

Иерархическая структура множества показателей качества устройств видеотехники X = {хь...,хп}определяется как ориентированный граф С -(Х,и>, вершины которого разбиты на непересекаюшиеся уровни таким образом, что выполняются следующие условия:

1) каждому показателю х,еХ соответствует вершина графа, а наличие дуги (х„ х,) означает, что удовлетворение показателя х, показаниям ТУ (или ГОСТам), непосредственно зависит от х,;

2) соответствие показателя х, е требованиям определяется показателями, соответствующими вершинам множества С, = {Х;| (х„х,)е1!}, б, сШк;

3) если (х„х3)еи, то показатели х, и х, находятся на смежных уровнях, то есть найдется такое число к, что х|е№к,ь х,е W|1.

Введем иерархическую структуру оценок (рис.3), которая формирует представление о качестве агрегируемой информации. Интегральная оценка может быть представлена в следующем виде:

Н(Х)=Р(а,^„а (1)

где а, - К,(х) - многокритериальная оценка; \у2, - весовые

коэффициенты, отражающие значимость параметров (критериев), определяются методом парных сравнений; с, - коэффициент компетентности эксперта (вес эксперта), определяют специальными методами.

Первый уровень, как показано на рис. 3, соответствует самой высокой степени неопределенности, когда эксперт может дать только приблизительную характеристику величин а,, с„ в то время как последний предполагает числовую оценку.

Значительная \ Высокая Очень высокая

Средняя

Значительная Высокая

Очень высокая

V

нечеткое множество на |0 0 5|

нечеткое множество

«прии ипитс 1ы/о» 0 5

нечеткое множество на 1»5, Ч

ЧИСЛО из [0 0 1]

число 0 5

число из 105 1|

Рис 3. Иерархическая структура оценок покаштелей

Предложенная иерархическая структура оценок качества устройств видеотехники допускает построение интегрального показателя качества. Интегральный показатель является функцией локальных показателей, образующих иерархическую структуру, а каждому локальному показателю соответствует определенный показатель качества.

Проблема надежного и объективного контроля параметров устройств видеотехники может быть решена путем автоматизации. На рис 4 приведена обобщенная схема специализированной системы автоматизированного контроля параметров устройств видеотехники.

Рис.4. Обобщенная схема специализированной системы автоматизированного контроля параметров устройств видеотехники

При установлении зависимости качества изображения от искажения МККР рекомендует применять пяти-градационные шкалы качества и ухуд-

шений, приведенные в таблице 1.

_____Таблица 1

Шкала качества Шкала ухудшений

5 - отлично 5 - незаметно

4 - хорошо 4 - заметно, но не мешает

3 - удовлетворительно 3 - немного мешает

2 - плохо 2 - мешает, раздражает

1 - очень плохо 1 - сильно мешает

Шкала сравнения

+3 - намного лучше -I - немного хуже

+2 - лучше -2 - хуже

+ 1 — немного -3 - намного хуже

0 - одинаково 0 - одинаково

Рассмотрим лингвистическую модель оценки качества изображения устройств видеотехники, полагая, что в ее основе используются лингвистические переменные (ЛП). термы которых задаются функциями

принадлежности соответствующих нечетких множеств. Для оценки качества изображения устройств видеотехники воспользуемся иерархической структурой показателей (рис. 2), разработанной с учетом классификации, показанной на рис. 1

В качестве терм-множеств этих переменных будем рассматривать базовое множество значений {"низкий", "средний", "высокий"), при этом терм "высокий" характеризует максимальное значение технического параметра (соответствующее значение функции принадлежности (ФП) ц=1), терм "низкий" характеризует минимальное значение показателя ((.1=0), а терм "средний" характеризует такое значение параметра, которое соответствует |л.=0,5. Возможно использование таких термов, как "более или менее высокий", "почти низкий" и т.д, при этом расчет производится в соответствии с табл. 2.

Таблица 2

Модификатор Значение Показатель степени Формула

ш. не - -

т2 более или менее 0,5 А,05

т3 почти 0,75 А,°"

т} достаточно 1,25 А,125

т5 очень 2 А,2

Шб высоко 3 А,'

йА,га(и)= ( ц А, (и) )т

Для введенных ЛП, соответствующих принятым для оценки качества изображения показателям, на основе экспертного опроса были построены терм-множества, содержащие первичные термы "высокий", "средний", "низкий" Для построения ФП использовали 8-образные функции следующего вида

О,

2 (х- а)2 /(а -у)2

Б (х, а, у) = <

1-2(х-у)2/(7-а)-, 1

Р = (а + у)/2 и Б(Р,а, у)= 1.

а,

а <

Р,

Р< X!

X > у,

ъ

(2)

(3)

Так как объектом разработки являются приближенные модели опенки качества устройств видеотехники, то в качестве операторов агрегирования будем использовать лингвистические операторы Схема формирования лингвистической оценки качества устройств видеотехники представлена на рис. 5, где функция Р1 - обеспечивает переход от лингвистических оценок к числовым; функция Р" - от числовых оценок к лингвистическим; сх, результат оценки в действительной (числовой) шкале, а2 - результат оценки

в лингвистической шкале 8.

Рис. 5. Схема формирования оценок

Поскольку в общем случае, наряду с качественной информацией о значениях технических показателей устройств видеотехники, может использоваться и количественная информация, то выбор оператора агре1 ирования можно осуществить на основе табл. 3.

Применим теорию нечетких множеств для решения задачи диагностирования сложной технической системы. Пусть объект диагностирования задан в виде нечеткого упорядоченного графа в (У,и) с п вершинами, где V и и - соответственно множества вершин и ребер. Вершинам графа в (У,и) ставятся в соответствие блоки объекта диагностирования, а ребрам - связи между блоками. Причем, связи между блоками обладают определенным уровнем устойчивости (степенью принадлежности) Цо = (уд*,), (Цс = (у„у,)е[0. 1], V,, у,с\') Известно множество У(! у! =у) точек контроля, обусловленных назначением и конструкционным исполнением объекта диагностирования Из множества У(| VI - л) выделяется подмножество Р(Р с V, I Р' = п - у) Каждой точке ркеР ставится в соответствие стоимость с(рк) (к = 1, , п - у) ее реализации При этом задано число т. дополнительно организуемых точек контроля Требуется

дополнить множество Y точек контроля множеством Z° (Z с Р, IZ I = z) так, чтобы на множестве YuZ коэффициент глубины поиска дефекта любой кратности стремился к максимуму, а стоимость реализации назначенных точек контроля была минимальной.

Тогда математическая постановка задачи имеет вид.

Кгп (Z* и Y) = шах Krn (Z u Y),

C(Z ) = min C(Z), (4)

I Zl = 2.

где C(Z) = Y, c(pv), kez - стоимость реализации множества Z точек контроля объекта диагностирования.

Таблица 3

Взвешенное агрегирование i Взвешивание без весов Количественная информация

w„a, е f0, 11 а, е ГО, 11

Традиционные методы агрегирования (аддитивная, мультипликативная свертка и др. подходы); min {S(l - w„ а,)}; max {Т( 1 - w„ а,)}; OWA - оператор; квази OWA -оператор. Аксиоматическое определение оператора агрегирования; операторы осреднения; четкие и нечеткие логические операции.

Лингвистическая информация

w„ а, е S LWD-, LWC-, LWA-операторы; min {N(w,)v а,}; max {w, ла,} (л - нечеткая конъюнкция, V - нечеткая дизъюнкция) Лингвистические значения а, заданы функциями принадлежности соответствующих нечетких множеств. Т-нормы, Б-конормы и порожденные ими логические операции.

Смешанная информация

w, 6 [0, 1J, а, е S е [0, I ]и Б | а, е [0, 1]и Б

Операторы С помощью преобразования р1"^ и ^ перейти к одному типу информации и выбрать оператор соответствующий этому типу

В третьей главе изложены методы решения задач многокритериальной оптимизации глубины диагностирования сложных радиоэлектронных

устройств при кратных дефектах (максимизация коэффициента глубины поиска кратного дефекта на заданном числе точек контроля, максимизация коэффициента глубины поиска кратного дефекта при ограничении на стоимость реализации точек контроля, минимизация затрат на заданном значении коэффициента глубины поиска кратного дефекта, минимизация числа точек контроля на заданном значении глубины поиска кратного дефекта).

Задача контроля видеоаппаратуры в виде (4) определена на дискретном множестве. Поскольку каждое целое число может быть представлено в двоичной системе счисления, то решение задачи дискретной оптимизации может быть сведено к оптимизации псевдобулевой функции:

¥ (х) шах, (5)

где х £ В; В = {xlx = (хь х2, ..., х„)}; х, = {1,0; j = l, ...,п}; ЧК (х) - некоторая псевдобулевая функция. Как уже указывалось, для решения задачи (5) можно применить рандомизацию и адаптивные алгоритмы. С этой целью заменим булевые переменные х, случайными булевыми переменными х, , имеющими следующее распределение:

Р(х,'=1) = р,; P(X;=l) = q„ р,М,= 1-

Таким образом, с помощью рандомизации перейдем от задачи (5) к ее вероятностному аналогу

М^ (х)} —> max, (6)

где X = (Х|...., х„), х, е В2, В2 — пространство случайных булевых величин.

Правило движения в пространстве случайных булевых величин будет осуществляться по следующей итеративной процедуре.

x,k+l = fkfl(x,k, Y,k+I) 0 = 1, ...,n). (7)

Здесь х," — случайная величина, полученная на предыдущей итерации; Yjk"' — величина шага движения х,", Yjw' е В2; fjk+' — случайные булевые функции, определенные с точностью до параметров.

Движение (7) в вероятностных характеристиках выполняется по правилу

P„k11 = Px,k + Py,"4 [c|x.k П (ДV) - p,,k п(-Ди Ч»)], (8)

где Д iр Ч-* - первая реализация случайной величины Д^

A1J4,* = 4i(xk*xk,= l)-4'(xk*xkJ = 0) (j - 1, ..., n), (9)

Т1 = {1, А > 0; О, А < 0}.

Пусть выполнены построения первого уровня и пусть У,к - случайная величина, игравшая роль шага при получении случайной величины х,к Определим вариации случайных величин У, 0 = I, .,п) итеративными процедурами, аналогичными (7).

= Ф,к+1(У,к, Т,к+|) 0 = 1, ..., п), (10)

где Т,к+1 - шаг движения.

Полный алгоритм имеет вид

Р„к+' " Р„к + {Ру,к - Рт,к+1[Яу,к П (Дм * Л2| V) - Ру,к Л(- л„ Ч- Л:, Т)]}

[Ч„кт1(ЛиЧ0-рчкл(-Д.,Ч')]. (П)

С целью дальнейшего повышения эффективности работы алгоритма случайной величине V поставим в соответствие множество случайных булевых величин {Ь,} 0 = 1, ..,п), определяемых следующим правилом-

Ь,= 1,0>)={1,у=.);0,у*];] = 1,.. ,п}. (12)

Алгоритм настройки вероятностей р^ имеет вид

РькН - Рьк + РкГ [Чь," П (А„ V V)- Ри п (- Л„ У Лз, Ч^Ж (13)

где Я, — шаг движения; Д^У — третья реализация случайной величины Д.ЧЛ Для сохранения условия нормировки = 1 0 = 1, .. , п) должна быть проведена дополнительная обработка:

Ри" = Чы А/Б; Б = 1А, (1 = 1, .... Т); А1 = Р1 ,к/рикн (14)

Таким образом, предложенные алгоритмы псевдобулевой оптимизации допускают программную реализацию и проведение вычислительных экспериментов на построенных моделях.

В четвертой главе описана структура программно-информационного комплекса, реализующая предложенное математическое и алгоритмическое обеспечение оценки качества изображения устройств видеотехники (рис 6) База данных осуществляет ввод, хранение, поиск и предоставление следующих сведений:

1) множество оцениваемых параметров изображения устройств видеотехники и требования по каждому параметру,

2) множество модификаторов базовых термов лингвистических переменных и степень, соответствующую каждому модификатору;

3) исходных данных всех текущих оценок;

4) промежуточных массивов данных, организованных в виде временных файлов;

5) множество ЛП, базовые терм-множества этих ЛП, ФП соответствующих нечетких множеств;

6) операторы агрегирования нечеткой информации;

7) исходных данных всех текущих проектов.

управляющее всилействие -свячь "О данным

Рис 6. Структурная схема экспертной системы оценки качества воспроизведения изображения устройств видеотехники

В заключении приведены основные результаты диссертационной

работы.

В приложениях приведены примеры работы программно-информационного комплекса и акты, подтверждающие внедрение результатов работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1 Проведен анализ научно-технической литературы и намечены основные пути по повышению эффективности диагностики видеосистем с использованием средств искусственного интеллекта.

2 На основе анализа процесса оценки качества изображения устройств видеотехники определены требования к диагностируемым показателям качества и предложен перечень показателей, учитывающий требования ГОСТов и Международных стандартов серии ИСО 9000. Разработана структура диагностической экспертной системы для диагностики видеотехники.

3 Для расчета интегрального показателя разработана схема выбора оператора агрегирования, позволяющая повысить степень адекватности используемой модели Предложенные операторы агрегирования на иерархической структуре позволяют получить схему оценки качества изображения устройств видеотехники и последующего их диагностирования При этом возможна детализация на любом уровне иерархии показателей, оцениваемых по мере увеличения глубины диагностирования.

4 Разработана структура лингвистических переменных, и для каждой построена лингвистическая шкала. позволяющая формализовать неопределенность, возникающую при оценке диагностических показателей качества изображения.

5 Предложена лингвистическая модечь оценки качества и юбражения устройств видеотехники на основе формирования интегрального показателя качества, учитывающего влияние локальных показателей на каждом уровне иерархии

6. Получена обобщенная процедура анализа диагностической модели, заключающаяся в определении условия работоспособности и признаков наличия дефектов Это позволяет перейти к выбору методов оценки прямых и косвенных показателей, характеризующих состояние объекта, и построению алгоритмов и программ диагностирования объекта.

7 Предложены методы оценки контролепригодности объектов диагностирования Приведены свойства объекта, необходимые для выполнения условия диагностирования Рассмотрены три задачи обеспечения контролепригодности (размещение ограниченного количества компонентов объекта в конструкционных единицах с учетом обнаружения кратных дефектов, при жестком закреплении за ними отдельных компонентов и с учетом обнаружения дефектов любой кратности, по минимуму стоимости точек контроля и с учетом обнаружения дефектов любой кратности )

8. Рассмотрены критериальные задачи оптимизации контролепригодности объекта диагностирования (максимизация коэффициента !лубины поиска кратного дефекта на заданном числе точек контроля, максимизация коэффициента глубины поиска кратного дефекта при ограничении на стоимость реализации точек контроля, минимизация затрат на заданном значении коэффициента глубины поиска кратною дефекта, минимизация числа точек контроля на заданном значении I лубины поиска кратного дефекта )

9 Процедуры оптимизации контролепригодности объектов диагностирования организованы на основе адаптированного метода псевдобулевой градиентной оптимизации.

10 На базе предложенных математических моделей, алгоритмов и мет одов разработано программное и информационное обеспечение процесса автоматизированного формирования оценки изображения устройств видеотехники, позволяющих решить проблему сплошного контроля качества выпускаемых устройств видеотехники.

11 Сформирована структура программно-информационного комплекса оценки качества устройств видеотехники, отличающаяся универсальностью формирования оценок качества изображения для различных типов устройств видеотехники.

12 Разработана структура пользовательского интерфейса программно-информационного комплекса оценки качества устройств видеотехники, который реализован с помощью интегрированной среды программирования Delphi, обеспечивая полную интерактивную и диалоговую поддержку программных средств

13 Предложена практическая реализация программно-информационного комплекса для решения задач оценки степени соответствия показателей изображения требованиям ГОСТов, определения степени соответствия (близости) показателей к изображению эталонного ТВ-приемника и задачи выбора наилучшего ТВ-приемника из группы существующих аналогов

14. Проведен анализ эффективности подсистемы оценки качества изображения для ряда отечественных ТВ-приемников марки РУБИН.

15 Программные средства внедрены на ОАО «Видесфон» с ожидаемым годовым экономическим эффектом в сумме 340 тыс руб и в учебный процесс ВГТУ в виде лабораторного практикума по к_\рсу «Автоматизированные системы диагностики, контроля и испытания видеотелесистем» Применение разработанных программных срсдсi в на ОАО «Видеофон» позволило сократить сроки на проведение оценки качества изображения ТВ-приемников.

Основные результаты диссертации опубликованы в следующих работах:

1 Ашков F М , Муратов A.B., Новикова И А Диагностические средства технических объектов / Интеллектуальные информационные системы-Тр Всерос конф Воронеж, 1999. С 110-111.

2. Анализ диагностических средств технических объектов / Е.М. Ашков, А.В. Муратов, В.А. Муратов, И.А. Новикова // Системные проблемы качества, математического моделирования, информационных и электронных технологий: Материалы Междунар. конф и Росс, науч шк Москва-Воронеж-Сочи, 2003. 4.9. С 17-21.

3. Муратов А.В, Новикова И.А. Диагностические средства технических объектов // Проблемы обеспечения надежности и качества приборов, устройств и систем' Межвуз сб. науч тр Воронеж ВГТУ, 2003

4 Создание иерархической модели диагностирования сложных технических объктов / Е.М Лшков, A.B. Муратов, В А Муратов, И.А Новикова // Вестник Воронеж, гос. техн. ун-та. Сер «Радиоэлектроника и системы связи». - 2003 - Вып. 4 3 - С.91-94.

5 Формирование моделей работоспособности технических объектов на основе экспертных знаний /ЕМ Ашков, А В Муратов, В А Муратов. И А Новикова /' Вестник Воронеж гос техн ун-та. Сер «Радиоэлектроника и системы связи» - 2003. - Вып. 4.3 - С 94-97.

6. Методика формирования экспертных знаний и диагностических тестов / Е.М Ашков. А В Муратов, В А Мураюв, И А Новикова !> Современные проблемы радиоэлектроники Сб. науч тр Всерос науч.-техн конф. молодых ученых и студентов. Красноярск КГТУ, 2003 С.563-566

7. Обобщенные алгоритмы контролепригодности технических объектов /ЕМ Ашков, А.В Муратов, В.А. Муратов, И А. Новикова // Вестник Воронеж гос техн ун-та. Сер. «Радиоэлектроника и системы связи» - 2004. - Вып. 4.4. - С.24-27

8. Новикова И А Контролепригодность объектов диагностирования и методы ее оценки Ч Вестник Воронеж гос техн ун-та Сер «Радиоэлектроника и системы связи» - 2004 - Вып 4 4 - С 27-33

9 Новикова И А Однокритериальная оптимизация глубины диагностирования сложных технических систем при кратных дефектах ! Вестник Воронеж гос техн ун-та. Сер. «Радиоэ тектроника и системы связи» - 2004 - Вып. 4.4 - С.35-39.

10 Муратов AB. Новикова И А Решение многокритериальной задачи оптимизации глубины диа! ностирования сложных (ехнических объектов при кратных дефектах '/ Проблемы обеспечения надежности и качесгва приборов, устройств и систем Межвуз со науч тр Воронеж ВГТУ, 2003. С.270-275.

! 1 Маратов А В , Новикова И А. Разработка сгрук1уры подсистемы автоматизации проектирования диагностических тестов на основе алгоритмов псевдобулевой оптимизации " Проб темы обеспечения надежности и качества приборов, устройств и систем Межвуз сб науч. тр Воронеж ВГТУ, 2003. С 266-260

С 130-138

Подписано в печать 24.12.04 Формат 60x84/16. Бумага для множительных аппаратов. Усл. печ.л. 1,0. Тираж 90 экз. Заказ № 593.

Воронежский государственный технический университет 394026 Воронеж, Московский просп., 14

I

РНБ Русский фонд

2006-4 2381

ВВЕДЕНИЕ

1. АНАЛИЗ СИСТЕМ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ И НАПРАВЛЕНИЯ ПО ПОВЫШЕНИЮ ИХ ЭФФЕКТИВНОСТИ

1.1. Анализ систем диагностики технических объектов, их достоинства и недостатки

1.2. Виды моделей технических объектов для целей диагностики их состояния и обнаружения неисправностей

1.3. Цель и задачи исследования

2. РАЗРАБОТКА СТРУКТУРЫ ДИАГНОСТИЧЕСКОЙ ЭКСПЕРТНОЙ СИСТЕМЫ И МОДЕЛЕЙ ДИАГНОСТИКИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ.

2.1. Построение иерархической структуры показателей качества видеосистем и разработка структуры диагностической экспертной системы

2.2. Формирование моделей работоспособности устройств видеотехники на основе экспертных знаний

2.3. Создание лингвистической модели диагностики устройств видеотехники на основе теории нечетких множеств

Актуальность темы. Контроль технического состояния радиоэлектронных устройств (РЭУ) любого назначения является неотъемлемой частью процесса их разработки, испытаний и эксплуатации. Основной задачей контроля является получение информации для выработки необходимых воздействий на контролируемую систему или условия ее производства и эксплуатации.

При разработке и изготовлении конкретного РЭУ ему придается ряд свойств, которые в совокупности определяют качество объекта. Каждому из этих свойств предъявляются определенные требования, вытекающие из условий целевого применения объекта.

Совокупность подверженных изменению в процессе производства и эксплуатации объекта, характеризующая степень его функциональной пригодности в заданных условиях целевого применения или место дефекта в нем в случае несоответствия любого из этих свойств установленным требованиям, называется техническим состоянием объекта. Вид технического состояния - это такая его категория, которая характеризуется соответствием или несоответствием качества объекта определенным требованиям. Эти требования включаются в международные стандарты ИСО 9000, ГОСТ или ТУ.

Задача выявления дефектов относится к задачам технической диагностики, которая в соответствии с государственным стандартом (ГОСТ 20911 - 75) считается основной частью процесса контроля технического состояния объекта. Поиск дефекта - это определение его места с заданной глубиной.

Исходя из этого, актуальность темы определяется необходимостью моделирования и алгоритмизации процессов диагностики устройств видеотехники, в частности разработки моделей, методов и алгоритмов оценки контролепригодности устройств видеотехники, применение которых позволит выявить некачественное устройство на стадии схода с конвейера. А также разработка алгоритмов диагностики бытовой видеотехники с целью выявления поломки и возможностью устранить ее.

Диссертационная работа выполнена в соответствии с ГБ НИР 96.17 «Исследование и разработка устройств и технологий РЭС» и одного из основных направлений Воронежского государственного технического университета «САПР и системы автоматизированного производства».

Цель работы и задачи исследования. Целью диссертационной работы является разработка моделей и алгоритмов диагностики устройств видеотехники, создание на основе алгоритмов псевдобулевой оптимизации программного комплекса, ориентированного на обеспечение высокой эффективности комплексной диагностики устройств видеотехники.

- Определить требования к диагностируемым показателям качества, учитывающие требования ГОСТов и международных стандартов серии ИСО 9000.

Предложить модель оценки . качества изображения устройств видеотехники.

Получить обобщенную процедуру анализа диагностической модели, заключающуюся в определении условия работоспособности и признаков наличия дефектов.

Разработать методы оценки контролепригодности объектов диагностирования.

Построить экспертную систему, позволяющую оценивать диагностировать устройства видеотехники в условиях неопределенности.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории принятия решений в условиях неопределенности, методы псевдобулевой оптимизации, теории нечетких множеств, методы объектно-ориентированного программирования и построения интеллектуальных систем.

Научная новизна. В диссертации получены следующие результаты, обладающие научной новизной: рациональный набор диагностируемых показателей качества устройств видеотехники, учитывающий требования стандартов серии ИСО 9000 к устройствам видеотехники; лингвистическая модель диагностики тракта изображения устройств видеотехники на основе интегрального показателя качества, учитывающего влияние локальных показателей на каждом уровне иерархии, имеющего качественный характер; модели оптимизации контролепригодности объекта диагностирования по критериям максимизации коэффициента глубины поиска кратного дефекта и минимизации затрат и числа точек контроля, отличающиеся использованием методов псевдобулевой оптимизации; структура диагностической экспертной системы для диагностики устройств видеотехники, содержащая базу знаний рациональных методов диагностики, полученных на основе процедуры псевдобулевой оптимизации.

Практическая ценность работы. Разработаны математическое, алгоритмическое, программно-информационное и лингвистическое обеспечение программного комплекса диагностики устройств видеотехники. Применение предложенных методов и процедур позволяет сократить сроки на проведение диагностики устройств видеотехники за счет оптимизации алгоритмов диагностирования.

Реализация и внедрения результатов работы. Диссертационная работа выполнялась в соответствии с ГБ НИР 96.17 «Исследование и разработка устройств и технологий РЭС» и в рамках одного из основных научных направлений ВГТУ «САПР и системы автоматизации производства».

Результаты диссертационной работы внедрены на ОАО «Видеофон». Получен годовой экономический эффект в размере 340 тыс. руб. Научные результаты используются в учебном процессе при подготовке инженеров по специальности 210201 «Проектирование и технология радиоэлектронных средств» Воронежского государственного технического университета.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: на всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 1999), международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных и электронных технологий» (Москва -Сочи, 2003), на внутривузовской конференции в рамках секции «Проектирование и технология РЭС» (Воронеж, 2003).

Публикации. По теме диссертации опубликовано 9 печатных работ.

В работах, опубликованных в соавторстве, лично соискателю принадлежит: в [1, 2] анализ систем диагностики видеотехники, в [3] направления по повышению эффективности систем диагностики технических объектов, в [4] построение иерархической структуры множеств технических состояний устройств видеотехники, в [5] подход к формированию моделей работоспособности сложных технических объектов на основе экспертных знаний, в [6] методика формирования экспертных знаний с целью диагностики видеосистем, в [7] принцип разбиения объекта диагностирования на структурные единицы с целью определения контролепригодности, в [10] подход к решению критериальных задач, в [11] принцип построения экспертной системы.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованной литературы из 134 наименований и приложений. Основная часть работы изложена на 111 страницах машинописного текста, содержит 15 рисунков, 9 таблиц и 2 приложения.

4.4. Основные выводы главы

1. На базе предложенных математических моделей, алгоритмов и методов разработано программное и информационное обеспечение процесса автоматизированного формирования оценки изображения устройств видеотехники, позволяющих решить проблему диагностирования выпускаемых устройств видеотехники.

2. Сформирована структура программно-информационного комплекса оценки качества устройств видеотехники, отличающаяся универсальностью формирования оценки изображения для различных типов устройств видеотехники.

3. Разработана структура пользовательского интерфейса программно-информационного комплекса оценки качества устройств видеотехники, который реализован с помощью интегрированной среды программирования Delphi, обеспечивая полную интерактивную и диалоговую поддержку программных средств.

4. Предложена практическая реализация программно-информационного комплекса для решения задач оценки степени соответствия показателей изображения требованиям ГОСТов, определения степени соответствия (близости) показателей к изображению эталонного ТВ-приемника и задачи выбора наилучшего ТВ-приемника из группы существующих аналогов.

5. Проведен анализ эффективности подсистемы оценки качества изображения для ряда отечественных ТВ-приемников марки Рубин и Ролсен.

6. Программные средства внедрены на ОАО «Видеофон» с годовым экономическим эффектом в сумме 340 тыс. руб. Применение разработанных программных средств позволило сократить сроки на проведение оценки качества изображения ТВ-приемников.

ЗАКЛЮЧЕНИЕ

1. Проведен анализ научно-технической литературы и намечены основные пути по повышению эффективности диагностики видео- и аудиосистем с использованием средств искусственного интеллекта.

2. На основе анализа процесса оценки качества изображения устройств видеотехники определены требования к диагностируемым показателям качества и предложен перечень показателей, учитывающий требования ГОСТов и международных стандартов серии ИСО 9000. Разработана структура диагностической экспертной системы для диагностики аудио- и видеотехники.

3. Для расчета интегрального показателя разработана схема выбора оператора агрегирования, позволяющая повысить степень адекватности используемой модели. Предложенные операторы агрегирования на иерархической структуре позволяют получить схему оценки качества изображения устройств видеотехники и последующего их диагностирования. При этом возможна детализация на любом уровне иерархии показателей, оцениваемых по мере увеличения глубины диагностирования.

4. Разработана структура лингвистических переменных, и для каждой построена лингвистическая шкала, позволяющая формализовать неопределенность, возникающую при оценке диагностических показателей качества изображения.

5. Предложена лингвистическая модель оценки качества изображения устройств видеотехники на основе формирования интегрального показателя качества, учитывающего влияние локальных показателей на каждом уровне иерархии.

6. Получена обобщенная процедура анализа диагностической модели, заключающаяся в определении условия работоспособности и признаков наличия дефектов. Это позволяет перейти к выбору методов оценки прямых и косвенных показателей, характеризующих состояние объекта и построению алгоритмов и программ диагностирования объекта.

7. Предложены методы оценки контролепригодности объектов диагностирования. Приведены свойства объекта, необходимые для выполнения условия диагностирования. Рассмотрены три задачи обеспечения контролепригодности (размещение ограниченного количества компонентов объекта в конструкционных единицах с учетом обнаружения кратных дефектов, при жестком закреплении за ними отдельных компонентов и с учетом обнаружения дефектов любой кратности, по минимуму стоимости точек контроля и с учетом обнаружения дефектов любой кратности.)

8. Рассмотрены критериальные задачи оптимизации контролепригодности объекта диагностирования (максимизация коэффициента глубины поиска кратного дефекта на заданном числе точек контроля, максимизация коэффициента глубины поиска кратного дефекта при ограничении на стоимость реализации точек контроля, минимизация затрат на заданном значении коэффициента глубины поиска кратного дефекта, минимизация числа точек контроля на заданном значении глубины поиска кратного дефекта.)

9. Процедуры оптимизации контролепригодности объектов диагностирования организованы на основе адаптированного метода псевдобулевой градиентной оптимизации.

10. На базе предложенных математических моделей, алгоритмов и методов разработано программное и информационное обеспечение процесса автоматизированного формирования оценки изображения устройств видеотехники, позволяющих решить проблему сплошного контроля качества выпускаемых устройств видеотехники.

11. Сформирована структура ПМК оценки качества устройств видеотехники, отличающаяся универсальностью формирования оценок качества изображения для различных типов устройств видеотехники.

12. Разработана структура пользовательского интерфейса ПМК оценки качества устройств видеотехники, который реализован с помощью интегрированной среды программирования Delphi, обеспечивая полную интерактивную и диалоговую поддержку программных средств.

13. Предложена практическая реализация МПК для решения задач оценки степени соответствия показателей изображения требованиям ГОСТов, определения степени соответствия (близости) показателей к изображению эталонного ТВ-приемника и задачи выбора наилучшего ТВ-приемника из группы существующих аналогов.

14. Проведен анализ эффективности подсистемы оценки качества изображения для ряда отечественных ТВ-приемников марки РУБИН.

15. Программные средства внедрены на ОАО «Видеофон» с годовым экономическим эффектом в сумме 340 тыс. руб. и в учебный процесс на кафедре КиПРА ВГТУ. Применение разработанных программных средств позволило сократить сроки на проведение оценки качества изображения ТВ-приемников.

1. Абрамов О.В., Розенбаум А.Н. прогнозирование состояния технических систем. - М.: Энергоатомиздат, 1990. - 300с.

2. Автоматизация проектирования сложных логических структур. Под редакцией В.А. Горбатова.- М.: Энергия, 1978.

3. Анни Брукинг, Питер Джонс, Фил Кокс и др. Экспертная система. Принцип работы и примеры / Под ред. Р.Форсайта М.: Радио и связь, 1987.-222с.

4. Арис Р. Дискретное динамическое программирование. Введение в оптимизацию многошаговых процессов.-М.: Мир, 1969.-171с.

5. Архангельский А.Я. Программирование в Delphi 4. М.: ЗАО «Издательство БИНОМ», 1999.

6. Архангельский А.Я. 100 компонентов общего назначения библиотеки Delphi 5. М.: ЗАО «Издательство БИНОМ», 1999.

7. Ашков Е.М., Муратов A.B., Новикова И.А. Диагностические средства технических объектов / Интеллектуальные информационные системы: Труды всероссийской конференции. Воронеж, 1999. С. 110-111.

8. Ашков Е.М., Муратов A.B., Муратов В.А., Новикова И.А. Создание иерархической модели диагностирования сложных технических объектов // Вестник ВГТУ. Сер. Радиоэлектроника и системы связи. Вып. Воронеж: ВГТУ, 2003. С.91-94.

9. Ашков Е.М., Муратов A.B., Муратов В.А., Новикова И.А. Формирование моделей работоспособности технических объектов на основе экспертных знаний // Вестник ВГТУ. Сер. Радиоэлектроника и системы связи. Вып. Воронеж: ВГТУ, 2003. С.94-97.

10. Ашков Е.М., Муратов A.B., Муратов В.А., Новикова И.А. Обобщенные алгоритмы контролепригодности технических объектов // Вестник ВГТУ. Сер. Радиоэлектроника и системы связи. Вып. Воронеж: ВГТУ, 2004. С.90-95.

11. Базы и банки данных и знаний: Учеб. для вузов / Г.И. Ревунков, Э.Н. Самохвалов, В.В. Чистов; Под ред. В.Н. Четверикова. М.: Высш. шк., 1992.

12. Батищев Д.И. Методы оптимального проектирования.: Учеб. пособие для вузов. М.: Радио и связь, 1984.-248с.

13. Батищев Д.И., Львович Я.Е., Фролов В.Н. Оптимизация в САПР: Учебник. Воронеж: Издательство Воронежского государственного университета, 1997.-416с.

14. Батищев Д.И., Шапошников Д.Е. Многокритериальный выбор с учетом индивидуальных предпочтений / ИПФ РАН. Н. Новгород, 1994. 92с.

15. Беллман Р. Динамическое программирование. М.: Иностранная литература, 1960.

16. Бишлун А.Ф. Сравнительный анализ методов измерения нечеткости //Изв. АН Техническая кибернетика. 1988. - №5. - С.152-174

17. Богомолов А.М., Твердохлебов В.А. диагностика сложных систем. М.: Энергия, 1981. - 356с.

18. Борисов А.Н., Алексеев A.B., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989.-304с.

19. Борисов А.Н. Модели анализа и выбора альтернатив на основе теории нечетких множеств // Проблемы и методы принятия решений в организационных системах управления. М.: ВНИИСП. - 1985. - С.45-55.

20. Борисов А.Н. Системы, основанные на знаниях в автоматизированном проектировании. Рига: Рижский политехнический институт, 1989.- 126с.

21. Брюлле Д.Д. Отыскание неисправностей в радиотехнических устройствах // Зарубежная радиоэлектроника. 1961. - №7. - С.27-34

22. Бродский М.А. Аудио- и видеомагнитофоны Мн.: Высш. Шк., 1995.-476С.

23. Вагин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988.

24. Володарский Е.Т., Губарь В.И., Никифоров А.Л., Системы автоматизированного контроля радиоэлектронной аппаратуры. Киев: Техника, 1983.- 151с.

25. Выявление причин отказов РЭА / В.П. Бережной, Л.Г. Дубицкий / Под ред. В.П. Бережного. М.: Радио и связь, 1983. - 231с.

26. Глазунов Л.П., Мозгалевский A.B. Особенности анализа диагностических процедур сложных систем автоматического управления. // техническая диагностика-М.: Наука, 1972,- С. 147-151.

27. Гофман В., Хомоненко A. Delphi 5. СПб.: БХВ - Санкт-Петербург, 2000.

28. Горбатов В.А. Теория частично упорядоченных систем. М.: Сов. Радио, 1976.

29. Горбатов В.А., Крылов A.B., Федоров Н.В. САПР систем логического управления.- М.: Энергоатомиздат, 1988.

30. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1989.

31. Граф Ш., Гессель М. Схемы поиска неисправностей: Пер. с нем. -М.: Энергоатомиздат, 1989.- 144с.

32. Гуляев В.А., Костанди Г.Г., Мозгалевский A.B., Шалобанов C.B. поиск дефектов в линейных динамических объектах с использованием машинных методов. Киев, 1983.-179с.

33. Гуляев В.А., Чаплыва В.М. Методы и средства обработки диагностической информации в реальном времени. JL: Энергоатомиздат, 1986.-268с

34. Данилин Н.С. Обеспечение качества РЭА методами диагностики и прогнозирования. М.: Радио и связь, 1989. - 304с.

35. Дмитриев А.К., Мальцев П.А. Основы теории построения и контроля сложных систем JI: Энергоатомиздат, 1988, 192с.

36. Дмитриев А.К. Распознавание отказов в системах электроавтоматики JI: Энергоатомиздат, 1983,104с.

37. Донец A.M., Львович Я.Е., Фролов В.Н. Автоматизированный анализ и оптимизация конструкций и технологии РЭА. М.: Радио и связь, 1983.- 104с.

38. Доценко Б.И. Техническая диагностика сложных радиоэлектронных средств. Киев: Знание, 1978. - 32с.

39. Емельянов C.B., Ларичев О.И. Многокритериальные методы принятия решений. М.: Знание, 1985. - 208с.

40. Заде JI.A. Основы нового подхода к анализу сложных систем и процессов принятия решения // Математика сегодня. 1974. - С5-49.

41. Заде Л А. размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер / Под ред. Ю.И. Журавлева. М.: Мир, 1980. - С.15-39.

42. Зубов В.В., Микушин В.А., Экспертная система диагностирования цифровых устройств ДИЭКС на ПЭВМ // Экспертные системы на персональных компьютерах. Материалы семинара. М.: МДНТП, 1990.

43. Интеллектуальные САПР технологических процессов в радиоэлектронике / А.С Алиев, Л.С. Восков, В.Н. Ильин и др.; Под ред. В.Н. Ильина. М.: Радио и связь, 1991.

44. Искусственный интеллект. В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. - М.: Радио и связь,1990.

45. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. - М.: Радио и связь, 1990.

46. Искусственный интеллект. В 3-х кн. Кн. 3. Программные и аппаратные средства: Справочник / Под ред. В.Н. Захарова, В.Ф. Хорошевского. - М.: Радио и связь, 1990.

47. Известия АН СССР. Техническая кибернетика. 1991, № 1.

48. Искусственный интеллект. Справочник / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - 358с.

49. Козюренко Ю.И. современные магнитофоны, плееры и диктофоны. Справочник для потребителя / Под. ред. Чечик A.M. 1998. -400с.

50. Колявин В.П., Карнильев О.П. Опыт разработки и применения средств контроля радиоэлектронной аппаратуры. JL: ДДНТП, 1983. - 128с.

51. Компоненты пользовательского интерфейса: CUA//Компьютер-пресс. 1993. - №3. - С29-36.

52. Кофман В. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432с.

53. Ксенз С.П. Диагностика и ремонтопригодность радиоэлектронных средств. М.: Радио и связь, 1989. — 248с.

54. Ксенз С.П. Поиск неисправностей в радиоэлектронных системах методом функциональных проб. М.: Сов. радио, 1965. - 135с.

55. Кузнецов П.И., Пчелинцев JI.A., Гайденко A.C. Контроль и поиск неисправностей в сложных системах. М.: Сов. радио, 1969. - 240с.

56. Кузнецов В.Е. Представление в ЭВМ неформальных процедур: продукционные системы / С послесловием Д.А. Поспелова. М.: Наука, 1989.

57. Кулик A.C. Диагностируемость линейных непрерывных систем. // Автоматика и телемеханика. 1987.№6.-С.-148-155.

58. Курицкий Б.Я. Поиск оптимальных решений средствами Excel 7.0. СПб.: В НУ - Санкт-Петербург, 1997.-349с.

59. Ларичев О.И. Наука и искуство принятия решений. М.: Наука,1979.

60. Леденева Т.М. Моделирование процесса агрегирования информации в целенаправленных системах: Кн. 8. Моделирование, оптимизация и компьютеризация в сложных системах. Воронеж: Изд-во ВГТУ, 1999.- 155с.

61. Логический подход и искусственный интеллект / А. Тей и др.; Пер. с франц. М.: Мир, 1990. - 432с.

62. Львович Я.Е., Фролов В.Н. Теоретические основы конструирования, технологии и надежности РЭА. Учеб. пособие для вузов. — М.: Радио и связь, 1986. 192с.

63. Марко Кенту. Delphi 6. Для профессионалов. СПб.: Санкт-Петербург, 2002.

64. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. - 136с.

65. Макаев С.П., Шахнов И.Ф. Упорядочивание объектов в иерархических системах // Изв. АН СССР. Техн. кибернетика. 1991. - №3. -С.29-46.

66. Мелихов А.Н., Баранец В.Д.Проектирование микропроцессорных средств обработки нечеткой информации. Ростов-на Дону: Изд-во Ростовского ун-та, 1990. 1128с.

67. Международные стандарты. Управление качеством продукции: ИСО 9000.

68. Мозгалевский A.B., Калявин В.П., Костанди Г.Г. Диагностирование электронных систем. Л.: Судостроение, 1984.-224с.

69. Мозгалевский A.B., Гаскаров Д.В. Техническая диагностика. -М.: Высшая школа, 1975.-215с.

70. Мозгалевский A.B., Гаскаров Д.В., Глазунов Л.П., Ерастов В.Д. Автоматический поиск неисправностей. Л.: Машиностроение, 1967.-264с.

71. Муратов A.B., Новикова И. А. Диагностические средстватехнических объектов // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2003. С.130-138.

72. Нейлор К. Как построить экспертную систему. М.: Энергоатомиздат, 1991.-286с.

73. Нечеткие множества в моделях управления и искусственного интеллекта / Аверкин А.Н. и др. М.: Наука, 1986. - 312с.

74. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 396с.

75. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. P.P. Яера. М.: Радио и связь, 1986. -408с.

76. Нильсон Н. Искусственный интеллект: Методы поиска решений: Пер. с англ. М.: Мир, 1973. - 270с.

77. Новикова И.А. Контролепригодность объектов диагностирования и методы ее оценки // Вестник ВГТУ. Сер. Радиоэлектроника и системы связи. Вып. Воронеж: ВГТУ, 2004. С.95-98.

78. Новикова И.А. Однокритериальная оптимизация глубины диагностирования сложных технических систем при кратных дефектах // Вестник ВГТУ. Сер. Радиоэлектроника и системы связи. Вып. Воронеж:1. ВГТУ, 2004. С.98-104.

79. Ногин В.Д., Протодьяконов И.О., Евлампиев И.И. Основы теории оптимизации.: Учеб. пособие для студентов втузов: М.: Высш. школа, 1986.-384с.

80. Норенков И.П., Маничев В.Б. Основы теории проектирования САПР.-М.: Высш. шк., 1990.-224с.

81. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.; Наука, 1981. - 208с.

82. Осипов Г.В. Информационные технологии, основанные на знаниях // Новости искусственного интеллекта. 1993. - №1. - С.7-41.

83. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989. - 293с.

84. Пархоменко П.П. Основные задачи технической диагностики // Техническая диагностика. М., 1972.-С. 7-12.

85. Пархоменко П.П., Согомонян Е.С. Основы технической диагностики, аппаратные средства/ Под. ред. П.П.Пархоменко. М: Энергия, 1981.- 203с.

86. Построение экспертных систем. Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Ленната. Пер. с англ. М.: Мир, 1987. - 440с.

87. Попов Э.В. Экспертные системы. Решение неформализованных систем в диалоге с ЭВМ. М. 6 Наука, 1987. - 283с.

88. Попов Э.В. Экспертные системы. Состояние, проблемы, перспективы // Изв. АН СССР. Сер. Техническая кибернетика. 1985. - №5. -С.23-34.

89. Поспелов Д.А. Искусственный интеллект. Прикладные системы. -М.: Знание, 1985.-48с.

90. Представление и использование знаний: Пер. с япон. / Под ред. X. Уэно, М. Исидзука. М.: Мир, 1989. - 220с.

91. Приобретение знаний: Пер. с япон./ Под ред. С. Осуги, Ю. Саэки. -Мир, 1990.

92. Производственные системы с искусственным интеллектом / P.A.

93. Алиев, Н.М. Абдикеев, М.М. Шахназаров. М.: Радио и связь, 1990. - 126с.

94. Разработка САПР. Практич. пособие: BIO кн. / Под ред. A.B. Петрова. М.: Высш. шк., 19930. - 227с.

95. Ремонтопригодность радиоэлектронной аппаратуры. Сборник статей. Перевод с англ. Б.В.Кузнецова. М. - JL: Энергия, 1964.-116с.

96. Саати T.JI. Принятие решений. Метод анализа иерархий: Пер. с англ. М.: Радио и связь, 1993. - 320с.

97. Сагунов В.И., Ломакина Л.С. Контролепригодность структурносвязанных систем. -М.: Энергоатомиздат, 1990.

98. Системы автоматизированного проектирования. Типовые элементы, методы и процессы / Д.А. Аветисян, И.А. Башмаков и др. М.: Из-во стандартов, 1985. - 386с.

99. Современные методы обеспечения безотказности сложных технических систем. Сборник статей. М.: Наука, 2001. - 102с.

100. Стефик М. и др. Организация экспертных систем // Кибернетический сб. М.: Мир, 1985. - Вып.2.2 - С. 170-220.

101. Стрельников Ю.Н., Борисов H.A. Разработка экспертных систем средствами инструментальной оболочки в среде Windows.: Тверь, ТГТУ. -1997.

102. Такана К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве // Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. P.P. Ягера. -М.: Радио и связь, 1986. С.37-50.

103. Таунсенд К., Фохт Д. Проектирование и программная реализация ЭС на ПЭВМ: Пер. с англ. М.: Финансы и статистика, 1990. - 318с.

104. Тейлор Д.Х., Фредерик Д.К. Архитектура экспертной системы для автоматизированной разработки систем управления. ТИИЭР. 1984. -Т.72.-№12. - С.153-164.

105. Теоретические основы САПР / В.П. Корячко, В.М. Курейчик, И.П. Норенков. М.: Энергоатомиздат, 1987. - 400с.

106. Теория графов / под ред. Г.П. Гаврилова. М.: Мир, 1973. - 300с.

107. Терехина А.Ю. Анализ данных методами многомерного шкалирования. М.: Наука, 1986.

108. Техническая имитация интеллекта /Робототехника и гибкие автоматизированные производства, в 9-ти кн. Книга 6. Учебное пособие для вузов. - Под ред. И.М. Макарова./ - М.: Высшая школа, 1986.

109. Трухарев Р.И. Модели принятия решения в условиях неопределенности. М.: Наука, 1981. - 258с.

110. Уинстон П. Искусственный интеллект: пер. с англ. М.: Мир, 1980.-158с.

111. Уотерман Д. Руководство по экспертным системам. М.: Наука, 1987.-246с

112. Хант Э. Искусственный интеллект. М.: Мир, 1978.

113. Чжен Г., Менинг Е., Мети Г. Диагностика неисправностей вычислительных систем. М.: мир, 1972. - 232с.

114. Чичварин Н.В. Экспертные компоненты САПР. М.: Машиностроение, 1991.

115. Штейер JI.A. Входные и выходные параметры БРЭА. М.: Энергия, 1995.- 128с.

116. Штейер Р. Многокритериальная оптимизация. Теория, расчет и приложения. Пер. с англ. М.: Радио и связь, 1992. 156с.

117. Экспертная система диагностики радиоэлектронной аппаратуры // ИЗВ. АН ССР. Сер. Техническая кибернетика. 1982. - №6. - С.183-196.

118. Экспертная система на персональном компьютере. Материалы семинара. М.: МДНТП, 1990.

119. Экспертная система MIND для диагностирования электронных изделий // Изв. вузов. АН СССР. Сер. Техническая кибернетика. 1986. - №5. - С.83-90.

120. Экспертные системы. Материалы семинара. М.: МДНТП, 1986.

121. Экспертные системы. Принципы работы и примеры: Пер. с англ. /

122. Под ред. Р. Форсайта. М.: Радио и связь, 1987. - 227с.

123. Экспертные системы. Сборник / Под ред. Б.М. Васильева. М.: Знание, 1990. -47с.

124. Элти Дж., Кумбс М. Экспертные системы. Концепции и примеры: Пер. с англ. М.: Финансы и статистика, 1987. - 246с.

125. Язенин А.В. Гибкая экспертная система. Материалы семинара. — М.: МДНТП, 1990.

126. Яхно Т.М. Создание экспертных систем на основе систем продукций // Теоретические проблемы систем обработки информации. Новосибирск. АН СССР. 1986. - С.144-152.

127. Averkin A.I., Tarasov V.B. The fussy modeling relation and its application in psychology and artificial intelligence // Fussy Sets and Systems. — 1987. Vol.22.-P.3-29.

128. Baldwin J.F. An uncertainty caleuluas for expert systems. Approximate reasoning in intelligent systems, decision and control. N.Y.: Pergamon Press, 1987. - P.33-54.

129. Baldwin J.F, Pilsmorth B. Axiomatic approach to implication for approximate reasoning with fussy logic // Fussy Sets and Systems, 2 (1980). V3. -P.193-219.

130. Efstathiou J. Rule-based process control using fussy logic. Approximate reasoning in intelligent systems, decision and control. N.Y.: Pergamon Press, 1987. - P.145-158.

131. Fernandez D.O., Vrba J. A. Fussy linguistic modeling in biogas technology // Sust. Anal. Modi. Simul.6. 1989. - №10. - P.761-779.

132. Sharman D., Kendall E. J. A case study: acguiring strategic knowledge for expert sysnem development // IEEE Expert. 1989. - №12. -P.661-689.