автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Формализация и алгоритмы обработки информации для экспертной системы технического диагностирования гибридных объектов

РОМАНЕНКО Александр Юрьевич

ФОРМАЛИЗАЦИЯ И АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ ДЛЯ ЭКСПЕРТНОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО ДИАГНОСТИРОВАНИЯ ГИБРИДНЫХ ОБЪЕКТОВ

Специальность 05.13.01- Системный анализ, управление и обработка информации (в науке и промышленности)

Автореферат диссертации на соискание ученой степени кандидата технических наук

904606896

Серпухов-2010

004606896

Работа выполнена в Межрегиональном общественном учреждении «Институт инженерной физики» (ИИФ РФ)

Научный руководитель:

доктор технических наук, профессор КОНОВАЛЬЧИК Павел Михайлович

Официальные оппоненты: доктор технических наук, профессор БЕЗРОДНЫЙ Борис Федорович

доктор технических наук, профессор ЮРКОВ Николай Кондратьевкч

Ведущая организация:

Федеральное государственное унитарное предприятие «Научно-исследовательский институт авиационного оборудования» (ФГУП «НИИ АО»)

Защита состоится «30» июня 2010 г. в 14 ч. на заседании диссертационного совета Д 520.033.01 в Межрегиональном научном и образовательном учреждении «Институт инженерной физики» (ИИФ РФ) по адресу: 142210, г. Серпухов, Б. Ударный пер., зд, 1 а.

Отзывы на автореферат в 2-х экз. просьба направлять по адресу: 142210, г. Серпухов, Б. Ударный пер., зд. 1 а, Межрегиональное научное и образовательное учреждение «Институт инженерной физики» (ИИФ РФ), ученому секретарю диссертационного совета Д 520.033.01.

С диссертацией можно ознакомиться в библиотеке Межрегионального научного и образовательного учреждения- «Институт инженерной физики» по адресу: г. Серпухов, Б. Ударный пер., зд. 1а и сайге http://www.iifrf.ru.

Автореферат разослан «28» мая 2010 г.

Ученый секретарь диссертационного совета

кандидат технических наук, доцент

Коровин О.В.

Общая характеристика работы

Актуальность темы диссертации. Одним из важнейших этапов технологического процесса производства физико-энергетических установок специального назначения и поддержания их в заданной степени технической готовности к применению в процессе эксплуатации является контроль и диагностирование. Указанные установки характеризуются наличием непрерывных и дискретных устройств, что позволяет рассматривать их с позиции диагностирования как гибридные объекты. Оценка технического состояния гибридных объектов на завершающем этапе производства и в эксплуатации реализуется в рамках системы технического диагностирования, основу которой составляет автоматизированная система контроля.

Одной из основных составляющих качества функционирования системы технического диагностирования является надежность ее технической компоненты и работоспособность персонала. Результаты анализа системы диагностирования гибридных объектов позволяют утверждать, что актуальность задач контроля и диагностирования только возрастает. Это обусловлено следующими фактами:

1. Современный этап развития ГО характеризуется устойчивыми тенденциями к их функциональному, структурному и конструктивному усложнению, что является следствием расширения функциональных возможностей ГО, которое обусловлено возросшими требованиями к способам их целевого применения; обеспечения безопасности эксплуатации.

2. Следствием усложнения ГО является существенное возрастание сложности АСК, что объясняется ее универсальностью и широкой номенклатурой ГО.

3. Отсутствие должного финансирования привело к сворачиванию ряда программ по всестороннему обеспечению надежности.

4. Следствием конверсионных мероприятий, проводимых на предприятиях, ранее ориентированных только на производство продукции специального назначения, в большинстве случаев является явное снижение ее надежности. В частности, эти негативные явления имеют место при производстве электрорадиоэлементов, используемых при производстве аппаратуры контроля ГО.

Диагностический аспект надежности системы технического диагностирования ГО проявляется возникновением нетривиальных диагностических задач, решение которых при существующем математическом и информационном обеспечении представляет существенные трудности, а в некоторых случаях практически невозможно.

Рассматривая этап контроля и диагностирования как компоненту технологического процесса, обеспечивающего требуемый уровень технической готовности гибридных объектов, необходимо отметить, что отмеченный обобщенный показатель надежности находится в зависимости от показателей качества организации процессов в системе диагностирования гибридных объектов.

При сугубо техническом подходе к организации диагностирования предполагается, что данный процесс реализуется идеально точно и не учитывается, что на практике при выполнении диагностических операций участвует человек, который может допускать ошибки, как в определении структуры диагностического алгоритма, так и при выполнении его отдельных операций. Отмеченный фактор особенно проявляется в условиях повышения сложности объекта и при ограниченном времени диапюстиро-

вания. Существенное значение на результат диагностирования имеет уровень профессиональной подготовки технического персонала расчетов по поиску и устранению неисправностей. При устойчивой тенденции к снижению общего уровня квалификации это позволяет говорить об актуальности разработки экспертной системы технического диагностирования как системы поддержки поиска неисправностей, аккумулирующей знания и опыт диагностирования.

Эффективность решения задач по поиску неисправностей в сложных технических объектов в прямой постановке зависит от исходного объема существенной диагностической информации и корректности алгоритмов ее обработки. В связи с этим следует рассмотреть возможности известных методов диагностирования к формализации и обработке диагностической экспертной информации. Современный уровень развития технической диагностики характеризуется многообразием методов, значительный вклад в развитие которых внесли советские и российские ученые Яблонский C.B., Пархоменко П.П., Карибский В.В., Согомонян Е.С., Дмитриев А.К., Кост-рыкин А.И., Мозгапевский А.В., Клюев В.В. и многие другие. Разработанные ими методы послужили основой для обработки диагностической информации при автоматизации поиска неисправностей в объектах характеризующихся достаточно высокой степенью определенности.

Решение задачи разработки экспертной системы поддержки поиска неисправностей, характеризующейся многофакторной неопределенностью, не может быть найдено в рамках известных моделей и методов. Разработка экспертной системы поддержки поиска неисправностей требует применения подходов, искусственного интеллекта, основы которого заложили такие ученые как Заде Л, Кофман А., Попов Э.В., Поспелов Д. А., Нильсон Н., Борисов А.Н. Теоретические и практические вопросы интеллектуализации процессов диагностирования рассматривались в работах Микоян C.B., Данилюка С.Г., Романенко Ю.А.

Таким образом, исследование, посвященное разработке математической модели и алгоритмов обработки диагностической экспертной информации как основы функционирования экспертной системы технического диагностирования ГО можно обосновано считать актуальным.

С учетом вышесказанного может быть определена проблемная ситуация, сущность которой состоит в противоречии между необходимостью организации поддержки поиска неисправностей с учетом диагностической экспертной информации и отсутствием моделей и формализованных алгоритмов, позволяющих эффективно решать диагностические задачи на основе ее обработки.

Цель исследования - повышение эффективности СТД ГО.

Объектом исследований является СТД ГО, а предметом - методы формализации, анализа и обработки диагностической экспертной информации, позволяющие повысить эффективность функционирования СТД ГО.

Научная задача состоит в разработке комплекса научно-обоснованных моделей и алгоритмов как основы обработки диагностической информации в экспертной системе технического диагностирования ГО при их разработке, производстве и эксплуатации.

Задачи исследования. Для достижения сформулированной цели исследования в диссертации должны быть решены следующие задачи:

1. Проведена разработка модели для формализации диагностической экспертной информации о технических состояниях с использованием понятия вероятностно-лингвистического синдрома.

2. Проведена разработка алгоритма минимизации диагностической экспертной информации, предоставленной специалистами по отысканию неисправностей в СТД ГО.

3. Проведена разработка анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО.

4. Проведена оценка эффективности поддержки поиска неисправностей на основе разработанной модели и алгоритмов по основным показателям технического диагностирования.

Основные научные результаты, представляемые к защите:

1. Вероятностно-лингвистическая модель формализации диагностической информации для экспертной СТД ГО.

2. Алгоритм минимизации диагностической информации для экспертной СТД ГО.

3. Алгоритм анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО.

Достоверность результатов, полученных в диссертационной работе, обеспечивается корректным использованием апробированного математического аппарата нечетких множеств, нечеткой логики, системного анализа, непротиворечивостью результатов принятия решений с использованием разработанных моделей и процедур результатам, полученным на основе обработки идентичных исходных данных в соответствии с известными и апробированными в технической диагностике моделями и процедурами.

Научная новизна и теоретическая значимость состоит 1) в разработке вероятностно-лингвистической модели, которая на основе лингвистической переменной «Параметр» и лингвистической переменной «Вероятность» позволяет формализовать диагностическую экспертную информацию о техническом состоянии СТД ГО; 2) в разработке алгоритма анализа диагностической экспертной информации и минимизации исходной вероятностно-лингвистической модели, построенной на основе диагностической информации, полученной от опытных специалистов по диагностике, с целью построения безызбыточной базы знаний; 3) в разработке алгоритма анализа диагностической информации и формирования в зависимости от степени достоверности определения диагностируемого состояния решения о единственном неисправном техническом состоянии или упорядоченного по степени возможности множества подозреваемых неисправных технических состояний.

Практическая значимость работы определяется разработкой модели и алгоритмов функционирования, которые представляют собой основу математического и алгоритмического обеспечения функционирования экспертной СТД ГО. В диссертации проведен анализ оценка качества функционирования СТД ГО по информационному показателю, данные которого показывают его повышение за счет использования

диагностической экспертной информации в среднем на 13%. Оценка подхода, реализованного разработанными алгоритмами анализа и обработки диагностической экспертной информации, в сравнении с методом диагностирования на основе таблицы функций неисправностей на основе моделирования показала повышение полноты диагностирования на 27%. Практическая оценка применения экспертной системы при поиске неисправностей в штатной СТД ГО позволила сократить среднее время поиска неисправностей для технического персонала расчетов по поиску и устранению неисправностей средней квалификации практически в 2 раза (рис. 6).

Апробация и публикации по теме работы. Результаты работы докладывались и обсуждались на научно-практических конференциях и семинарах международного и всероссийского уровня (2002 - 2008) [2 - 11].

По теме диссертации опубликовано 12 работ, из которых 1 публикация в издании, входящих в перечень ВАК («Известия Института инженерной физики» [!]).

Внедрение результатов исследований. Результаты диссертационных исследований реализованы и внедрены в 78-м эксплуатационно-технологическом бюро 12-го ГУМО (г. Москва), НИИ АО (г. Жуковский), ИИФ РФ (г. Серпухов), а также в учебном процессе Серпуховского ВИ РВ (г. Серпухов).

Основное содержание диссертации

Структура работы. Диссертация имеет объем 168 страниц (25 рис., 2 табл.) и состоит из списка сокращений, введения, четырех разделов, заключения, списка литературы (137 наименований), а также приложения.

Во введеиии проведен анализ предметной области исследований, обоснована актуальность темы, сформулированы цель и научная задача исследования. Здесь же приведены данные, подтверждающие новизну, теоретическую и практическую значимость, достоверность научных результатов, а также сведения об их реализации, апробации и публикациях.

Первый раздел диссертации посвящен анализу организации процесса поиска неисправностей в СТД ГО. Выявлены факторы, оказывающие влияние на эффективности процессов контроля и диагностирования в СТД ГО. Было показано, что практически 2/3 активного времени восстановления работоспособного состояния технических систем составляет время поиска неисправностей (рис. 1). Поиск неисправности представляет собой задачу, решение которой основано на анализе диагностической информации, при этом качество решения во многом определяется квалификацией персонала.

При сугубо техническом подходе к организации диагностирования предполагается, что данный процесс реализуется идеально точно и не учитывается, что на практике при выполнении диагностических операций участвует человек, который может

0 установление факта отказа О идентификация неисправности □ устранение неисправности О проверка работоспособности

Рисунок 1 - Диаграмма распределения времени восстановления работоспособности

допускать ошибки, как в определении структуры диагностического алгоритма, так и при выполнении его отдельных операций. Отмеченный фактор особенно проявляется в условиях повышения сложности объекта и при ограниченном времени диагностирования. Существенное значение на результат диагностирования имеет уровень профессиональной подготовки технического персонала расчетов по поиску и устранению неисправностей, что аналитически показано ниже выражениями (1) - (4), рис. 1,2.

Математическое ожидание (м.о.) продолжительности диагностирования

М[гд] = М[гс6] + М[гпр] + М[гп.в]+М[гр,з61 (1)

где М[ Гс;] - м.о. времени организации СТД ГО; М[ г„р] - м.о. времени реализации программ диагностирования; М[г„ „] - м.о. времени поиска и устранения неисправности на основании информации, полученной при реализации диагностических программ; М[г-разб] _ времени приведения в состояние готовности к применению по назначению.

Плотность а-распределения:

А

(2)

где а.

<т„

■ относительная средняя производительность персонала расчета по по-

иску и устранению неисправностей при реализации операции по поиску неисправностей, /Зл = раб - относительный объем выполняемых операций по поиску неисправ-

ностей; и, и а, - соответственно м.о. и с.к.о. производительности, К|т5 - объем выполняемых операций при реализации операций по поиску неисправностей.

«0

О 0.5 1 1,5 2

Рисунок 2 - Отклонения оценки вероятности своевременного и безошибочного выполнения алгоритма оператором (1) от реального распределения (2) Вероятность отыскания неисправности за заданное время:

Рисунок 3 - Функции: Р(1)

о о' у ¿Я

Математическое ожидание времени поиска неисправности:

ы.

М[г„]= р/(/)ё/. (4)

о оЧ2гг

При устойчивой тенденции к снижению общего уровня квалификации это позволяет говорить об актуальности разработки экспертной СТД как системы поддержки поиска неисправностей, аккумулирующей знания и опыт диагностирования.

Второй раздел работы посвящен разработке вероятностио-лингвистической модели, предназначенной для формализации и обработки экспертной диагностической информации. Она была разработана при следующих ограничениях и соглашениях:

1) множество возможных неисправностей Е = {е^ I = 1}, (5)

где е0 - «нулевая» неисправность объекта, соответствующая его исправному состоянию;

2) множество допустимых проверок П = {я^]? = 1,2}; (6)

3) множество диагностических признаков У - {= 1, /}, (7) для каждого признака у, определено множество возможных значений

= (8) выраженных оценками эксперта и имеющих нечеткий характер:

Ту— —>■ » (9)

отображение £хП->Г = {^| / =й;./= V- / (10)

реализуется на основе субъективных вероятностных оценок экспертов, образующих

множество Р = {р$| г = и; у" = = / = 0,£ -1} . (11)

Степень объективности вероятностных оценок эксперта должна удовлетворять условию: р,„с = [0,6; 1]. (12) Продолжительность безусловного диагностирования:

Щ ¡/г„1

М[т„..]= (13)

л-^я^еП ж=1 л=1

где У^А^д) ~ 'п - суммарные временные затраты на реализацию множества

проверок; 1*1

У Р(Кт ) У Р(е„) 1„ = 1 - среднее время локализации неисправности метете п—\

дом замен на множестве неразличимых неисправностей.

Перечисленные условия учитывают особенности системы технического диагностирования как объекта (13) и специфику экспертной диагностической информации (4-12).

Также сформулирована задача рационального представления разнородной по своей природе диагностической экспертной информации в рамках вероятностно-лингвистической модели.

Задача: Разработать модель формализации и обработки диагностической экспертной информации, обеспечивающую минимизацию среднего времени поиска неисправности

М[г„.„]= min __,/„(£, П, Т, Р) (14)

п=КН><?)

при ограничениях на качество идентификации неисправностей

pf / = (15)

а также способности к идентификации неисправностей экспертной системой СТД. К{П*(£)}=К{П(£)}. (16)

Суть задачи состоит в минимизации среднего времени поиска неисправности (14) при заданных ограничениях на достоверность диагностирования (15). Выражение (16) отражает ограничительное требование, при котором минимизированная база знаний экспертной системы технического диагностирования должна обладать способностью к распознаванию неисправностей не худшей, чем исходная база знаний, сформированная на основе опроса экспертов по поиску неисправностей.

Можно предположить, что специалист неоднократно и успешно решавший задачи по поиску неисправностей, идентифицирует диагностические ситуации, характеризующей неисправное состояние, по некоторому комплексу признаков. При этом он накапливает информацию в виде субъективных оценок возможности наступления различных по проявлению и характерных для каждой диагностической ситуации комплексов признаков. Эти признаки могут иметь как числовую, т.е. быть выражены физическими измеряемыми величинами, так и качественную природу, например, оцениваться органолептическим методом. Проявление комплекса признаков и его связь с техническим состоянием отражается в опыте эксперта по ее диагностированию в форме частотных оценок, которые по своей сути являются его субъективными оценками частотной связи реализации комплекса признаков и действительного технического состояния.

С учетом введенных обозначений ВЛМ представляется в виде упорядоченного множества: А/={£, П, Y, Т, О, Р, V], (17)

где О - оператор, устанавливающий связь между множеством технических состояний е/ еЕ, I=О,L-1, множеством проверок xqeTl,q = l,Q с одной стороны и множеством исходов проверок (значениями Tfj1 лингвистических переменных у, е Y) - с другой с учетом субъективных вероятностей pfj:

0:ЕхП*+ГхР, (18)

приэтом = = (19)

множество всех возможных ВЛС у?/, которые являются сочетанием детерминирован-

но-стохастических признаков, которое определяет техническое состояние объекта диагностирования и представляет собой нечеткое множество второго уровня:

где £ П, (¡г = 1,2 - допустимая проверка (некоторое допустимое физическое воздействие) из множества физически реализуемых проверок; е, е Е, I = 0, £ -1 -неисправность в СТД ГО; у1 е У, / = 1, / - ¿-я лингвистическая переменная «ПАРАМЕТР», используемая для формализации диагностической информации о диагностической ситуации, обусловленной неисправностью в СТД ГО;

ТЦ1 &Tl,i = l,Г,j■=\,Jt',q = l,Q^,l = QtL—\ — значение 1-й лингвистической переменной «ПАРАМЕТР», зафиксированное при реализации д-й проверки в 1-м неисправном состоянии; Рц eP,i = l,I;j = \,J¡;q = l,Q;l = 0,L—l - оценка возможности события, заключающегося в принятии /-й лингвистической переменной «ПАРАМЕТР» возможного для нее значения у, — ТЦ1 .

Для формализации детерминированной экспертной информации в рамках вероятностно-лингвистической модели используется лингвистическая переменная «ПАРАМЕТР». Семантика ее значений определяется с помощью модифицированной л--функции. Данный способ позволяет эксперту, задав всего четыре параметра, определить функцию принадлежности формализуемого понятия. В диссертации разработан алгоритм работы эксперта по формализации используемых диагностических признаков. Для формализации стохастической экспертной информации разработана лингвистическая переменная «ВЕРОЯТНОСЬ»:

(«ВЕРОЯТНОСТЬ», Гве_,

(21)

где Гвер={(«никогда»), («весьма редко»), («более или менее редко»), («ни часто ни редко»), («более или менее часто»), («весьма часто»), («практически никогда»)}; ¥*=[(>,1].

Обработка стати-

0.0 ——,—I—_1-—I—,-1-Г-1-.—1--1-,—1—,—I-Г

0.0 0.1 0,2 0.Э 0,4 0,5 0.6 0,7 0,8 0,9 1.0

Рисунок 4 — Универсальная семичленкая шкала и функции принадлежности для лингвистической переменной «ВЕРОЯТНОСТЬ»

стической информации на основе метода полной интерпретации

цг=0

где - численная оценка для Тк~то значения ЛП «ВЕРОЯТНОСТЬ»; ц/ - значения базовой переменной для ЛП «ВЕРОЯТНОСТЬ», [0, 1]; ^ (у/) - значение принадлежности базовой переменной у НМ Тк, позволила найти соответствие между лингвистическими и численными значениями оценок вероятностей событий: «никогда» - 0,06; «весьма редко» - 0,19; «более или менее редко» - 0,35; «ни часто, ни редко» - 0,5; «более или менее часто» - 0,65; «весьма часто» - 0,81; «практически всегда» - 0,94.

Третий раздел диссертации посвящен разработке алгоритмов анализа и обработки диагностической экспертной информации.

Исходное множество вероятностно-лингвистических синдромов, полученное на основе взаимодействия с экспертами, как правило, является избыточным. Для исключения избыточности диагностических знаний разработан алгоритм минимизации диагностической экспертной информации, который представлен в автореферате виде последовательности 3-х основных правил:

Правило 1.1. Построение нечеткого разбиения 9^,^ = 1,2 производится согласно выражению:

(23)

где 9 = 1,0, А = 1,А?;/,/ = 0, ¿-1;а операция и для и определена как

Кл = V и V=V V V = X тах\р$'Р*\ (24)

у,еГ Ъ^Ъ

Правило 1.2. Для ВЛС ту и характеризующих технические состояния, степень нечеткого равенства определяется согласно

= А ДчД^А^Ы) > (25)

Д%(»4>))= А (г/)), (26)

Г/еГ,

где операция эквивалентности нечетких чисел определена как

а<р>Ь = шш[тах(д, 1 - б), тах(1 - а, б)]. (28)

Правило 1.3. ВЛС Vgi и iy, характеризующих технические состояния, нечетко эквивалентны если степень нечеткого равенства, вычисленная по (25) - (27) удовлетворяет условию

Сущность классификации. Смысл классификации множества Vq = {vg/| / = 0, L -lj заключается в определении классов нечеткой эквивалентности VqX, Я = 1,Л?, содержащих BJIC vqj eVq, 1 = 0, L — 1, неразличимые относительно заданного уровня достоверности piK.

Разработанный алгоритм основан на классификации исходного множества BJIC и доведен в диссертации до структуры, реализованной с использованием конструкций системы программирования Delphi.

Результатами классификации являются:

1. Матрица нечеткой эквивалентности - матрица размерности QxN ^ на пересечении q-й строки и л-го столбца которой записано

значение нечеткой эквивалентности pqn ~ /¿(v^.v^) нечетких диагностических ситуаций vqhvqfeVq:

мфД q = \Q', n = lN. (30)

2. Множество фактор-множеств

= = (31)

которое включает Q фактор-множеств вида = А= 1,лД содержащих классы УдЛ нечетко эквивалентных ВЛС.

3. Матрица различимости - булева матрица /i = |a?nJ, q = l,Ql n = \,N, элементы которой получены преобразованием элементов матрицы нечеткой эквивалентности М=|/^п|, q = l,Q; n = l,N по правилу:

[0, при fjq„ > ртсь [l, при pq„ < pinc.

элементы которой показывают различимость {aq„ = 1) или неразличимость (aq„ =0) двух ВЛС, номера которых связаны соотношением

« = i(2i-(/+l))/+(/-l). (33)

4. Полная дешифрирующая матрица - матрица размерности QxL, на пересечении д~й строки и /-го столбца которой записан порядковый номер класса нечеткой эквивалентности Vqi q-то канонического фактор-множества :

*/ (32)

НК4' Ч = Ш 1 = 0,1-1. (34)

Эти объекты составляют информационную основу экспертной СТД и задают множество типовых технических состояний диагностируемой системы.

Основу разработанного алгоритма анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО составляют правила (2.1)-(2.8):

Этап 1. Вычисление степени нечеткого равенства ее и КНЭ, хранящихся в базе знаний, и сравнение полученного значения с заданным значением обоснованности принимаемых решений. Определив на основании правил 2.1 и 2.2:

Правило 2.1. Степень нечеткого равенства текущего ВЛС 7„ и КНЭ УтЛ вычисляется в соответствии с выражениями:

мК,УтХ)= А (У,\(У/)) > (35)

А ' (36>

£СЛИ Р>«с>Р»Л

1, если (у, )е (1 - ршс, р,„с ), Л = (37)

Правило 2.2. Текущий ВЛС ут и КНЭ нечетко эквивалентны (ут ~ КтЯ),

если

Л^АЬршс- (38)

Этап 2. Все классы, которым нечетко эквивалентны входные нечеткие диагностические ситуации, и сформировав из их номеров А/-разрядный вектор-идентификатор в соответствии с правилами 2.3 - 2.6:

Правило 2.3. Если при этом каждому текущему ВЛС уи в т-м фактормножестве 9!т нечетко равны Кт КНЭ УтЛ, то, упорядочив их согласно правилу

^ ,Утл, е [Кл, 14 =^ЛКа] , м{7тУтЛ/ )> ^т,УтЛ,)

{РтЯ^УтЛ, >(/<')) ' (39)

где к~\,Кт - подпоследовательность индексов последовательности индексов

получаем М упорядоченных Кт— разрядных последовательностей КНЭ:

Правило 2.4. Нечеткое множество «подозреваемых» неисправностей определяется выражением декартовым произведением

хуА^^УКль- т

ш=1*=I

Правило 2.5. Преобразование вида:

мк„ / _ м к- 1 _

* уМ?»'^/^ = Л V )ГтХк =

¡пС" в-Лл, ))/(кЫ1 Л*, | V

(у„КЫз), пйпМ^'^я, -Л, | V

I т=1

(42)

К = 1

которое задает иерархию А/-мерных вектор-столбцов идентификаторов неисправностей.

Правило 2.6. Множество номеров Хкт КНЭ Утлк т = 1,М, которые в нечетко эквивалентны текущим ВЛС 7т, задают т-разрядный векгор-идентификатор:

(43)

Этап 3. Формирование решения об искомом техническом состоянии на основании правил 2.7 и 2.8.

Правило 2.7. Идентификация неисправности осуществляется на основе последовательного сопоставления т-разрядных векторов-идентификаторов

Л = ¡4, >Л*2 > ->Лкт • ||Т (44)

векгор-сголбцам матрицы Л*, т — \,М, 1 = 0,£ -1, в порядке убывания их степеней возможности Рк.

Правило 2.8. Решение формируется согласно правилу кукг,.,км \

; =е, | е, 6Е,

А ~ шах Рк 1

л(А* = Л). (45)

В четвертом разделе обоснована структура экспертной СТД ГО, которая включает подсистемы реализующие разработанные модель и алгоритмы обработки и анализа диагностической экспертной информации: взаимодействия с экспертами на основе формализации диагностической информации с использованием ЛП «ПАРАМЕТР» и «ВЕРОЯТНОСТЬ»; формирования исходной ВЛМ на основе диагностической экспертной информации путем построения исходного множества ВЛС; анализа исходной диагностической информации и построения минимизированной ВЛМ; базу знаний и данных, включающая минимизированную ВЛМ; идентификации текущего ВЛС на основе сопоставления с ВЛМ и принятия решений о подозреваемых неисправностях; интерпретации решений экспертной СТД.

Также в данном разделе диссертации проведена оценка эффективности реализации разработанного подхода в СТД ГО. Эффективность оценивалась по информационному показателю

»-„.„= (42)

'пл.

где /рео - информация о состоянии объекта, обеспечиваемая СТД; /ид - информация о состоянии объекта, которую обеспечила бы идеальная СТД свободная от погрешностей и не отказывающая.

Пусть СТД] - штатная СТД, а СТД; - АСТД. Тогда для СТД[ имеем

ЦТ ( _ ЫЕтеЕк е,е£„_Е„еЕке^Ет

£р(е,)1оё2Р(е,) ы

где Р(е/) - вероятность отказа 1-го ФЭ, Р(е/)= ^/А, А = ^Г^ Л/, здесь Я( - интенсивность отказов 1-го ФЭ, А - интенсивность отказов объекта в целом; Ек ~ к-й КНН; К\ - число КНН; Е„ е Ек (^ б£ Л = А„); Р\(е1) - вероятность соответствия исходному образу образа, формируемого СТД. Для СТДг

I I Е^)^/)^ I

]>>(*,) 1 оё2Р(е() 1=1

где К21 - число КНН, эквивалентных соответствующим классам системы СТДь Кг1 -число КНН, выделенных СТДг из соответствующих классов СТД); Р2 (<?;) - вероят-

ность соответствия исходному образу образа, формируемого СТД2 с помощью интеллектуальных средств.

Для оценки сложности объекта использован показатель ^ м" их

Рсот = мчг1г' (45)

и =1 ш =\

где М" и М' - соответственно число висячих и тупиковых вершин в графе структуры объекта; Ртьт, — число различных путей, ведущих от т в-й висячей в т т-ю тупиковую вершину графа структуры объекта

1 =

I ^п.н.21 В ^п.н.22

Рисунок 5 - Гистограмма зависимости И'"=/(рс„ш)

Проведенный вычислительный эксперимент показал (рис. 5), что продуктивность использования диагностической информации экспертной СТД по сравнению со штатной СТД, выше. При сложности диагностируемой системы рсот = 26 повышение эффективности по информационному показателю составляет 13%. Причем это преимущество все ощутимее при возрастании сложности диагностируемых объектов, а также объема и качества диагностической информации.

Практическая оценка приме-

нения экспертной системы при поиске неисправностей в штатной СТД ГО позволила сократить среднее время поиска неисправностей для технического персонала расчетов по поиску и устранению неисправностей средней квалификации практически в 2 раза (рис. 6).

В заключении

сформулированы основные результаты исследований по решению теоретических и прикладных задач, поставленных в работе. Указываются возможные пути дальнейшего развития исследований по проблеме совершенствования алгоритмов обра-

Рисунок 6 - Графики вероятности своевременного и безошибочного выполнения алгоритма поиска неисправности в штатно СТД ГО

ботки диагностической экспертной информации при поддержке принятия решений по выявлению неисправностей в СТД ГО.

В приложениях представлены программы и результаты моделирования, подтверждающие разработанные в основной части диссертационной работы теоретические и практические положения.

Основные результаты исследования

1. Разработана вероятностно-лингвистическая модель формализации диагностической информации для экспертной СТД ГО, которая на основе лингвистической переменной «Параметр» и лингвистической переменной «Вероятность» позволяет формализовать диагностическую экспертную информацию о техническом состоянии СТД ГО.

2. Разработан алгоритм анализа диагностической экспертной информации и минимизации исходной вероятностно-лингвистической модели, построенной на основе диагностической информации, полученной от опытных специалистов по диагностике, с целью построения безызбыточной базы знаний.

3. Разработан алгоритм анализа диагностической экспертной информации и формирования в зависимости от степени достоверности определения диагностируемого состояния решения о единственном неисправном техническом состоянии или упорядоченного по степени возможности множества подозреваемых неисправных технических состояний.

4. Произведена оценка эффективности реализации разработанного подхода в СТД ГО на основе результатов моделирования по информационному показателю, а также практическая оценка применения экспертной системы при поиске неисправностей в штатной СТД ГО.

Публикации по теме исследования

В рецензируемых научных журналах и изданиях

1. Романенко А.Ю., Данилюк С.Г., Васильев В.И. Формализация и обработка диагностической экспертной информации в системе поддержки поиска неисправностей на основе понятия вероятностно-лингвистического симптома//Известия Института инженерной физики. - Серпухов: Межрегиональное научное и образовательное учреждение «Институт инженерной физики». - 2009. - № 4 (14). - 84 с. - С. 43 - 45. (соиск. — 70%)

Статьи:

2. Романенко А.Ю. Алгоритм анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО//Сб. трудов 4-й МНПК «Информационные технологии в образовании, науке и производстве». - Серпухов. - 2010. - 373 с. - С. 207 - 209. (соиск. - 100%)

3. Романенко А.Ю., АвакянА.А. Определение максимального допустимого времени интегрирования случайного процесса изменения параметров для получения одного результата допускового контроля / МО РФ Сб. трудов XXIII МНТК «Проблемы обеспечения эффективности и устойчивости функционирования сложных техни-

ческих систем». - Ч. 4. - Серпухов: СВИ РВ, 2004. - 475 с. - С. 256 - 259. (соиск. -55%)

4. Романенко А.Ю., АвакяиАЛ. Прогнозирование случайного процесса изменения параметров при допусковом контроле / МО РФ Сб. трудов ХХШ МНТК «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем». - Ч. 4. - Серпухов: СВИ РВ, 2004. - 475 с. - С. 271 - 275. (соиск.-45%)

5. Романенко А.Ю., АвакянА.А. Реализация побитного мажорирования информации в асинхронных системах / МО РФ Сб. трудов XXIII МНТК «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем». - Ч. 4. - Серпухов: СВИ РВ, 2004. - 475 с. - С. 275 - 279. (соиск. - 70%)

6. Романенко А.Ю., АвакянА.А., Коновальчик П.М. Сочетание тестового и мажоритарного контроля для достижения высокой безотказности электронного устройства / МО РФ Сб. трудов ХХШ МНТК «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем». - Ч. 4. - Серпухов: СВИ РВ, 2004. - 475 с. - С. 279 - 283. (соиск. - 60%)

7. Романенко А.Ю., Данилюк С.Г., Коновальчик П.М. Анализ подходов к построению интеллектуальных систем / МО РФ Сб. трудов XXII МНТК «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем». - Ч. 4. - Серпухов: СВИ РВ, 2003. - 495 с. - С. 352 - 358. (соиск. - 45%)

8. Романенко А.Ю., Коновальчик П.М. Нечеткая модель для интеллектуальной системы мониторинга технического состояния аппаратуры железнодорожной автоматики и телемеханики // Сб. трудов 3-й МНПК «Информационные технологии в образовании, науке и производстве». - Ч. 2. - Серпухов. — 2009. - 389 с. - С. 337 -339. (соиск.-65%)

9. Романенко А.Ю., Коновальчик П.М., Цибульский A.B. Алгоритм определения классов неразличимых неисправностей на базе лингвистических переменных / Актуальные проблемы анализа и обеспечения надежности и качества приборов, устройств и систем. Сб. докладов Международной научно-технической конференции, ч. 1. - Пенза: Изд-во Пенз. гос. ун-та, 1998. - 495 с. - С. 80 - 82. (соиск. - 55%)

10. Романенко А.Ю., Коновальчик П.М., Цыбульский A.B. Лингвистические модели разукрупнения неисправностей бортовых систем в условиях нечеткой информации / Цифровые модели в проектировании и производстве. Межвуз. сб. научи, трудов. - Пенза: Изд-во Пенз. гос. ун-та, 2001. - 495 с. - С. 80 - 82. (соиск. - 65%)

11. Романенко А.Ю., Цыбульский A.B. Функциональное диагностирование^ сложных объектов на базе динамических тестов / МО РФ Сб. трудов XIX МНТК «Проблемы обеспечения эффективности я устойчивости функционирования сложных технических систем». - Ч. 1. - Серпухов: СВИ РВ, 2000. - 495 с. - С. 256 - 259. (соиск.-65%)

12. Научно-исследовательская работа на тему «Научно-техническое обоснование технического облика универсальной интеллектуапизированной кошрольно-измерительной аппаратуры». Отчет / МО РФ; Руководитель С.Г.Данилюк. - Серпухов: СВИ РВ, 2004. - 25 л. - исп. А.Ю.Романенко и др. (соиск. - 25%)

Подписано в печать 27.05.2010. Формат 60х84'/1б. Бумага офсетная. Печать офсетная. Уч.-изд. л. 1,0. Тираж 100 экз. Зак. 568 Отпечатано в типографии СВИ РВ

СПИСОК СОКРАЩЕНИИ.

ВВЕДЕНИЕ

РАЗДЕЛ 1. ИНФОРМАЦИОННО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

ПОИСКА НЕИСПРАВНОСТЕЙ В СИСТЕМЕ ТЕХНИЧЕСКОГО

ДИАГНОСТИРОВАНИЯ ГИБРИДНЫХ ОБЪЕКТОВ.

1.1. Анализ принципов организации поиска неисправностей в системе технического диагностирования гибридных объектов

1.2. Характеристика природы неопределенности информации о неисправных состояниях системы технического диагностирования гибридных объектов.

1.3. Обоснование необходимости интеллектуализации системы технического диагностирования гибридных объектов на основе экспертного подхода к обработке диагностической информации.44 •

1.4. Анализ методов технического диагностирования в аспекте интеллектуализации поиска неисправностей в системе технического диагностирования гибридных объектов.

Выводы.

РАЗДЕЛ 2. РАЗРАБОТКА ВЕРОЯТНОСТНО-ЛИНГВИСТИЧЕСКОЙ

МОДЕЛИ ФОРМАЛИЗАЦИИ ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ

ДЛЯ ЭКСПЕРТНОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО

ДИАГНОСТИРОВАНИЯ ГИБРИДНЫХ ОБЪЕКТОВ.

2.1. Обоснование структуры вероятностно-лингвистической модели для экспертной ' 'системы технического диагностирования гибридных объектов.

2.2. Формализация диагностической экспертной информации на основе лингвистических переменных.

2.2.1. Формализация детерминированной экспертной информации на основе лингвистической переменной «Параметр».

2.2.2. Формализация стохастической экспертной информации на основе лингвистической переменной «Вероятность».

Выводы.

РАЗДЕЛ 3. РАЗРАБОТКА АЛГОРИТМОВ АНАЛИЗА И ОБРАБОТКИ

ИНФОРМАЦИИ ДЛЯ ЭКСПЕРТНОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО

ДИАГНОСТИРОВАНИЯ ГИБРИДНЫХ ОБЪЕКТОВ.

3.1. Разработка алгоритма минимизации диагностической экспертной информации.

3.1.1. Декомпозиция задачи минимизации диагностической экспертной информации на основе построения оптимального множества проверок для, отыскания неисправности.

3.1.2. Классификация множества вероятностно-лингвистических синдромов.

3.1.3. Построение матрицы различимости.

3.1.4. Алгоритм рационального покрытия булевых матриц.

3.2. Разработка алгоритма анализа диагностической экспертной информации и формирования решений о подозреваемых неисправностях.

3.2.1. Формирование решения на основе анализа диагностической экспертной информации, представленной хорошо определенными вероятностно-лингвистическими синдромами.

3.2.2. Формирование решений на основе анализа диагностической экспертной информации, представленной плохо определенными вероятностно-лингвистическими синдромами.

Выводы.

РАЗДЕЛ 4. МОДЕЛИРОВАНИЕ ФОРМАЛИЗАЦИИ И ОБРАБОТКИ,

ИНФОРМАЦИИ В ЭКСПЕРТНОЙ- СИСТЕМЕ ТЕХНИЧЕСКОГО

ДИАГНОСТИРОВАНИЯ ГИБРИДНЫХ ОБЪЕКТОВ.

4.1. Исходная диагностическая информация для моделирования и ее формализация на базе вероятностно-лингвистической модели.

4.2. Анализ и минимизация исходной диагностической информации

4.3. Принятие решений на основе входной экспертной диагностической информации различных уровней достоверности.

4.4. Реализация системы поддержки поиска неисправностей при - - самоконтроле - штатной-----сиетемы технического диагностирования гибридных объектов.

4.4.1. Структура базы данных системы поддержки поиска неисправностей

4.4.2. Разработка инструментария для внесения данных.

4.4.3. Функционирование системы поддержки поиска неисправностей при самоконтроле штатной системы технического диагностирования гибридных объектов.

4.5. Оценка влияния поддержки поиска неисправностей на эффективность системы технического диагностирования гибридных объектов.

4.4.1. Сравнительная оценка по основным показателям технического диагностирования.

4.4.2. Оценка вероятности своевременного и безошибочного решения диагностических задач.

4.4.3. Оценка эффективности системы технического диагностирования гибридных объектов по информационному показателю.

Выводы.

Актуальность темы диссертации. Одним из важнейших этапов технологического процесса производства физико-энергетических установок специального назначения и поддержания их в заданной степени технической готовности к применению в процессе эксплуатации является контроль и диагностирование. Указанные установки характеризуются наличием непрерывных и дискретных устройств, что позволяет рассматривать их с позиции диагностирования как гибридные объекты (ГО). Оценка технического состояния гибридных объектов на завершающем этапе производства irв эксплуатации реализуется в рамках системы технического диагностирования, основу которой составляет автоматизированная система контроля (АСК).

С середины 80-х годов АСК ГО имеет в своем составе специализированную ЭВМ, которая применяется для управления процессом диагностирования. С ее использованием значительно возросли точность измерений, быстродействие и надежность АСК ГО. Применение внешних накопительных запоминающих устройств расширило функциональные возможности аппаратуры. В наибольшей степени внедрению ЭВМ в АСК ГО [33] способствовало использова-. ние агрегатированного принципа ее построения. В настоящее время на завершающем этапе находятся работы по разработке и производству аппаратуры контроля пятого поколения, вычислительные возможности которой существенно превышают возможности аппаратуры контроля четвертого поколения. Таким образом, следует сделать вывод, что развитие средств контроля и диагно-' стирования в области программно-аппаратного обеспечения процесса оценки технического состояния ГО осуществлялось и продолжает осуществляться по пути наращивания управляюще-вычислительного потенциала.

Одной из основных, составляющих качества функционирования системы технического диагностирования является надежность ее технической компоненты и работоспособность персонала. Результаты анализа системы диагностирования гибридных объектов позволяют утверждать, что актуальность задач контроля и диагностирования только возрастает. Это обусловлено следующими фактами:

1. Современный этап развития ГО характеризуется устойчивыми тенденциями к их функциональному, структурному и конструктивному усложнению, что является следствием расширения функциональных возможностей ГО, которое обусловлено возросшими требованиями к способам их целевого применения; обеспечения безопасности эксплуатации.

2. Следствием усложнения ГО является существенное возрастание сложности АСК,, что объясняется ее универсальностью и широкой номенклатурой ГО.

3. Отсутствие должного финансирования привело к сворачиванию ряда программ по всестороннему обеспечению надежности.

4. Следствием конверсионных мероприятий, проводимых на предприятиях, ранее ориентированных только на производство продукции специального назначения, в большинстве случаев является явное снижение ее надежности. В частности, эти негативные явления имеют место при производстве электрорадиоэлементов, используемых при производстве аппаратуры контроля ГО.

Отсутствие должного финансирования, а также сокращение числа организаций, участвующих в эксплуатации ГО, привело к сворачиванию многих программ по всестороннему обеспечению надежности и, как следствие, к возрастанию числа отказов. Этому также способствует расширение гарантийных, сроков эксплуатации как АСК, так и самих-ГО.-Общий уровень профессиональной квалификации операторов, реализующих процесс диагностирования в рамках СТД ГО, планомерно снижается. Об этом свидетельствует возрастание числа рекламационных и технических актов по причине неверных действий персонала, а также увеличение доли неподтвержденных причин отказов, указанных в эксплуатации. Отсутствие должного финансирования, а также сокращение числа организаций, участвующих в эксплуатации ГО, привело к сворачиванию многих программ по всестороннему обеспечению надежности и, как следствие, к возрастанию числа отказов. Этому также способствует расширение гарантийных сроков эксплуатации как АСК, так и самих ГО и эксплуатация их за пределами изначально определенных (причем для стабильных условий производства и всестороннего обеспечения эксплуатации) гарантийных сроков.

Перечисленные выше факторы и тенденции проявляются в процессе функционировании СТД ГО в форме повышения интенсивности отказов. При этом в общем потоке неисправностей элементов СТД ГО существенно возрастает доля неисправностей, поиск и устранение которых силами операторов' АСК ГО на основе имеющегося информационно-аналитического обеспечения весьма затруднительно, а в ряде случаев и неосуществимо.

Все вышесказанное позволяет утверждать, что актуальность совершенствования диагностического обеспечения процесса поиска неисправностей в СТД ГО продолжает оставаться высокой. Анализ процесса поиска неисправностей, реализованного в рамках штатной СТД, показал, что его методической основой является метод последовательного функционального анализа, а также допущение о возможности только одиночных неисправностей. Эффективность диагностирования на основе этого метода зависит от наличия полных и достоверных априорных данных о надежности функциональных элементов (ФЭ) ГО и аппаратуры контроля в виде законов распределения и их параметров. Этот подход был оправдан при ограниченной сложности объектов диагностирования и всестороннем «надежностном» обеспечении эксплуатации ГО и аппаратуры контроля. Как уже отмечалось, выполнение указанных выше требований в настоящих условиях возможно далеко не всегда.

Необходимость повышения диагностической эффективности процесса оценки технического состояния ГО требует пристального внимания к алгоритмическому обеспечению автоматизированной системы контроля, которая при-, меняется для его реализации. - —

Проведенный в п. 1.1 анализ свидетельствует о существенном влиянии антропотехнических свойств автоматизированной системы контроля на показатели эффективности оценки технического состояния ГО. В связи с этим при разработке процедур оценки технического состояния ГО следует уделять большее внимание снижению субъективного (антропотехнического) фактора в общем образе диагностической эффективности. Увеличение сложности при снижении надежности системы АСК - ГО в совокупности со снижением общего уровня квалификации операторов именно в аспекте решения нестандартных задач по отысканию и устранению неисправностей на современном этапе представляет собой важную и очень актуальную задачу обеспечения эксплуатационной надежности СТД ГО путем совершенствования ее диагностического обеспечения процесса. Повышение полноты диагностирования, сокращение мощности классов неразличимых на основе существующего диагностического обеспечения, и в конечном итоге снижение среднего времени поиска неисправностей априорно можно добиться путем расширения объема диагностической информации на основе использования знаний и опыта наиболее квалифицированных специалистов по диагностированию в системе АСК - ГО.

Рис. В. 1. Число забракований ЭРИ, применяемых в СТД ГО по годам выпуска

Эффективность решения задач по поиску неисправностей в сложных технических объектов в прямой постановке зависит от исходного объема существенной диагностической информации и корректности алгоритмов ее обработки. В связи с этим следует рассмотреть возможности известных методов диагностирования к формализации и обработке диагностической экспертной информации. Современный уровень развития технической диагностики характеризуется многообразием методов, значительный вклад в развитие которых внесли советские и российские ученые Яблонский С.В. [123, 124], Пархоменко П.П. [50, 80, 83, 106], Карибский В.В. [50, 80], Согомонян Е.С. [50, 80], Дмитриев

A.К. [31, 32], Кострыкин А.И. [55], Мозгалевский А.В. [1, 67 - 69], Клюев В.В. [106], Калявин В.П. [106], Чипулис В.П. [18, 120], Артеменко Е.А. [1], Гуляев

B.А. [21], Глазунов Л.П. [17], Ксенз С.П. [59] и др. Разработанные ими методы послужили основой для обработки диагностической информации при автоматизации поиска неисправностей в объектах характеризующихся достаточно высокой степенью определенности.

Использование субъективных оценок эксперта об особенностях объекта диагностирования при создании его модели есть [31] по сути дела уточнение в математической модели разнообразных аспектов реального мира, в котором большинство сущностей имеют плавные, нечеткие границы перехода от принадлежности к некоторому классу к непринадлежности. Привлечение идеи взвешенной принадлежности элементов к множеству дает в руки исследователей [31] новый аппарат, позволяющий количественно учитывать качественную информацию. Отмеченные выше трудности и предпосылки представляют собой основу для использования в целях решения диагностических задач подходов, разрабатываемых в искусственном интеллекте.

В настоящее время эта область знаний развивается очень активно. Примером этому являются многочисленные работы, посвященные различным теоретическим и практическим аспектам построения интеллектуальных систем поддержки принятия решений при управлении технологическими процессами и сложными техническими объектами. Большая заслуга в развитии искусственного интеллекта принадлежит американским, российским, французским и японским ученым: Ю.И.Журавлеву [42 ч- 43], А.Г.Ивахненко [46], М.М.Бонгарду [9], Л.Заде [44], Э.В.Попову [47, 84], Д.А.Поспелову [73], Н.Нильсону [77], А.Н.Борисову [10, 78], А.Кофману [57], Х.Танака [74] и др. Становится все более очевидным тот факт, что методы искусственного интеллекта являются наиболее мощным средством борьбы с неопределенностью различной природы. При этом основные перспективы развития интеллектуальных систем связываются с развитием математического аппарата теории нечетких множеств и нечеткой логики [56, 63, 65]. Вместе с этим следует отметить, что использование достижений искусственного интеллекта в интересах диагностирования технических систем на настоящий момент имеет весьма ограниченное применение.

Решение задачи разработки экспертной системы поддержки поиска неисправностей, характеризующейся многофакторной неопределенностью, не может быть найдено в рамках известных моделей и методов. Разработка экспертной системы поддержки поиска неисправностей требует применения подходов, искусственного интеллекта, основы которого заложили такие ученые как Заде Л. [44], Кофман А. [57], Попов Э.В. [84], Поспелов Д.А. [85, 86], НильсонН. [77], Борисов А.Н. [10]. Теоретические и практические вопросы интеллектуализации процессов диагностирования рассматривались в работах Микони С.В. [66], Данилюка С.Г. [22, 24, 25, 26], Романенко Ю.А. [26].

Актуальность темы. Обобщая вышеизложенное, можно заключить, что диссертационное исследование, посвященное разработке математической модели и алгоритмов обработки диагностической экспертной информации как основы функционирования экспертной системы технического диагностирования ГО можно обосновано считать актуальным.

С учетом проведенного выше анализа и вышеизложенных предпосылок может быть определена проблемная ситуация, сущность которой приведена ниже.

Проблемная ситуация определяется противоречием между необходимостью организации поддержки поиска неисправностей с учетом диагностической экспертной информации и отсутствием моделей и формализованных алгоритмов, позволяющих эффективно решать диагностические задачи на основе ее обработки.

Устойчивая тенденция интеллектуализации ОТД ГО приводит к повышению роли математического обеспечения, которое, по существу, и будет определять ее облик на современном этапе развития аппаратуры. С учетом приведенпых результатов анализа состояния решаемой научной проблемы может быть сформулирована цель исследований.

Цель исследования — повышение эффективности СТД ГО.

Объектом исследований является СТД ГО, а предметом - методы формализации, анализа и обработки диагностической экспертной информации, позволяющие повысить эффективность функционирования СТД ГО.

Научная задача состоит в разработке комплекса научно-обоснованных моделей и алгоритмов как основы обработки диагностической информации в экспертной системе технического диагностирования ГО при их разработке, производстве и эксплуатации.

Задачи исследования. Для достижения сформулированной цели исследования в диссертации решены следующие задачи:

1. Проведена разработка модели для формализации диагностической экс-' пертной информации о технических состояниях ^использованием понятия ве-роятностно'-лингвистического синдрома.

2. Проведена разработка алгоритма. минимизации диагностической экспертной информации, предоставленной специалистами по отысканию неисправностей в СТД ГО.

3. Проведена разработка анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО.

4. Проведена оценка эффективности поддержки поиска неисправностей на основе разработанной модели и алгоритмов по основным показателям тех-, нического диагностирования. .

Основные результаты исследования, представляемые к защите:

1. Вероятностно-лингвистическая модель формализации диагностической информации для экспертной СТД ГО.

2. Алгоритм минимизации диагностической: информации для экспертной СТД ГО.

3. Алгоритм анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО.

Достоверность результатов, полученных в диссертационной работе обеспечивается корректным использованием апробированного математического аппарата нечетких множеств, нечеткой логики, системного анализа, непротиворечивостью результатов принятия решений с использованием разработанных моделей и процедур результатам, полученным на основе обработки идентичных исходных данных в соответствии с известными и апробированными в технической диагностике моделями и процедурами.

Научная новизна и теоретическая значимость состоит 1) в разработке вероятностно-лингвистической модели, которая на основе лингвистической переменной «Параметр» и лингвистической переменной «Вероятность» позволяет формализовать диагностическую экспертную информацию о техническом состоянии СТД ГО; 2) в разработке алгоритма анализа диагностической экспертной информации и минимизации исходной вероятностно-лингвистической модели, построенной на основе диагностической информации, полученной от опытных специалистов по диагностике, с целью построения безызбыточной базы знаний; 3) в разработке алгоритма анализа диагностической информации и формирования в зависимости от степени достоверности определения диагно-' стируемого состояния решения о единственном неисправном техническом состоянии или упорядоченного по степени возможности множества подозреваемых неисправных технических состояний.

Практическая значимость работы определяется разработкой модели и алгоритмов функционирования, которые представляют собой основу математического и алгоритмического обеспечения функционирования экспертной СТД ГО. В диссертации проведен анализ оценка качества функционирования СТД ГО по" информационному показателю, данные которого показывают его повышение за счет использования диагностической экспертной информации в сред-, нем на 13%. Оценка подхода, реализованного- разработанными алгоритмами анализа и обработки диагностической экспертной информации, в сравнении с методом диагностирования на основе таблицы функций неисправностей на основе моделирования показала повышение полноты диагностирования на 27%.

Практическая оценка применения экспертной системы при поиске неисправностей в штатной СТД ГО позволила сократить среднее время поиска неисправностей для технического персонала расчетов по поиску и устранению неисправностей средней квалификации практически в 2 раза.

Апробация и публикации по теме работы. Результаты работы докладывались и обсуждались на Международной научно-технической конференции «Актуальные проблемы анализа и обеспечения надежности и качества-, приборов, устройств и систем» (г. Пенза, 1998, [96]), Межведомственных конференциях «Проблемы обеспечения эффективности и устойчивости функционирования сложных систем» (г. Серпухов, 2000 [98], 2003 [94], 2004 [91, 92, 93, 90]), Международной научно-практической конференции «Информационные технологии в образовании, науке и производстве» (г. Серпухов, 2009 [95], 2010 [89]).

По теме диссертации опубликовано 12 работ, из которых 1 публикация в издании, входящем в перечень ВАК («Известия Института инженерной физики» [88]).

Внедрение результатов исследований. Результаты диссертационных исследований реализованы и внедрены в ФГУП «НИИ АО» (г. Жуковский), ИИФ РФ (г. Серпухов), в/ч 25711 (Москва, К-510), а также в учебном процессе Серпуховском ВИ РВ (г. Серпухов).

Структура диссертации. Диссертация имеет объем Диссертация имеет объем 168 страниц (25 рис., 2 табл.) и состоит из списка сокращений, введения, четырех разделов, заключения, списка литературы (137 наименований), а также приложения.

Выводы

В данном разделе диссертационной работы представлены результаты практической реализации положений по разработке системы поддержки поиска неисправностей в СТД ГО. Предложенный комплекс программных реализаций представляет собой основу системы поддержки поиска неисправностей СТД ГО.

Разработанные программные реализации построены с учетом формализмов, присущего языку программирования высокого уровня Delphi, который принадлежит к числу наиболее эффективных традиционных языков программирования и использование которых, по авторитетному мнению президента Ассоциации искусственного интеллекта проф. Э.В.Попова, является перспективным,-

Для обеспечения возможности использования в СТД ГО диагностической и технической информации, которая при организации контроля и диагностирования действующей системы технического диагностирования СТД ГО хранится и используется в буквенно-цифровой форме (инструкции по эксплуатации, по-' иску неисправностей) с использованием инструментальных средств одной из наиболее эффективных СУБД Access разработана база данных.

Для обеспечения возможности взаимодействия двух систем на основе средств системы программирования Delphi разработаны необходимые процеду

I, ры обмена.

Применение разработанной системы поддержки поиска неисправностей позволило повысить вероятность своевременного и безошибочного выполнения алгоритма, связанного с анализом диагностической информации.

Среднее время выполнения отмеченного участка алгоритма с использованием разработанной системы поддержки определяется средним временем ввода исходной диагностической информации. При этом — составляет 35 минут 17 секунд, о-д - 4 минуты 21 секунда. Тогда /'0 = 1 ч. 34 мин. 26 с. — 0,7 • 21 мин. 32 с. = 1 ч. 19 мин. 22 е.; t"0 = 38 мин. 20 с. — 0,7 • 4 мин. 21 с. = 35 мин. 17 с. На рис. 4.5 приведены графики зависимостей своевременного и безошибочного поиска неисправностей в периферийных блоках АСК ГО, построенные в соответствии с полученными данными.

Время, необходимое для выполнения алгоритма поиска неисправностей с вероятностью операционного сбоя не превышающей Рош = 0,1 (Л%'9 =0,9) составляет: для персонала с удовлетворительным уровнем подготовки -2 ч. 3 мин. 45 е.; для персонала, использующего разработанную систему поддержки - 50 мин 38 сек. Сокращение времени со значения t®'9 до значения t^0, позволяющего персоналу, используя систему поддержки безошибочно выполнять ал-, - горитм, составляет At0'9 = г,0'9 — t)f = 50 мин: 10 Ст

Вычислительный эксперимент по исследованию влияния экспертной системы поддержки поиска неисправностей на качество функционирования СТД ГО свидетельствует о повышении продуктивности использования диагностической информации экспертной СТД по сравнением? обычной СТД. Причем это преимущество проявляется тем сильнее, чем выше сложность диагностируемых объектов, а также объем диагностической информации.

ЗАКЛЮЧЕНИЕ

Настоящая диссертационная работа посвящена решению актуальной научной задачи по разработке комплекса научно-обоснованных модели и алгоритмов как основы обработки диагностической информации в экспертной системе технического диагностирования ГО при их разработке, производстве и эксплуатации.

Для достижения сформулированной цели исследования в диссертации решены следующие задачи:

1. Проведена разработка модели для формализации диагностической экспертной информации о технических состояниях с использованием понятия ве-' роятностно-лингвистического синдрома.

2. Проведена разработка алгоритма минимизации диагностической экспертной информации, предоставленной специалистами по отысканию неисправностей в СТД ГО.

3. Проведена разработка анализа диагностической информации и формирования решений о подозреваемых неисправностях для экспертной СТД ГО.

4. Проведена оценка эффективности поддержки поиска неисправностей на основе разработанной модели и алгоритмов по основным показателям технического диагностирования.

В первом разделе диссертации проведен-анализ обеспечения эксплуатационной надежности системы технического диагностирования гибридных объектов специального назначения. При этом в качестве основных факторов, влияющих на этот процесс являются следующие:

1. Поиск и устранение неисправностей в АСК ГО производится путем выполнения определенной последовательности диагностических операций и последовательной замены функционально связанных блоков, плат, жгутов из состава запасных изделий и принадлежностей (ЗИП) с последующей проверкой работоспособности. Основной формой представления информации в инструкции по поиску неисправностей АСК ГО являются таблицы, в которых приведены описания неисправностей в выбранных признаках и указаны соответствующие им неисправности или действия, выполнение которых позволяет установить имеющуюся неисправность. Вместо конкретных действий в таблицах могут быть указаны пункты инструкции по поиску неисправностей АСК ГО, в которых изложена методика выполнения тех или иных диагностических операций.

2. В основу построения программ контроля и поиска неисправностей положено предположение о возможности только одиночных неисправностей. Допущение, которое в условиях эксплуатации АСК ГО далеко за пределами первоначально рассчитанных и установленных разработчиком гарантийных сроков является далеко не бесспорным и зачастую не подтверждается практикой эксплуатации системы.

3. В существующая система информационного обеспечения процесса проверки работоспособности и отыскания неисправностей в АСК ГО и системе технического диагностирования, в состав которой она сама входит, является несовершенной.

4. При отыскании неисправностей более в 80% случаев оператор правильно выполнив все диагностические операции в соответствии с существующими инструкциями по эксплуатации и поиску неисправностей сталкивается с необходимостью выбора одного из некоторого ограниченного множества подозреваемых неисправных элементов, типовых элементов замены (ТЭЗ) (множество неразличимых неисправностей).

5. Порядок выполнения диагностических операций при выборе действительной неисправности из множества неразличимых, который задан в инструкции по поиску неисправностей, определен на основе данных о надежности функциональных элементов, используемых в АСК ГО, более чем двадцатилетней давности и не учитывает современные факторы деградации и девиации показателей надежности электронной компонентной базы.

6. Для системы эксплуатации АСК ГО, а также ГО проверяемых с ее участием характерно устойчивая тенденция к общему снижению квалификации операторов (см. п.п., что в свою очередь усиливает в общей системе обеспечения эксплуатационной надежности АСК ГО влияние факторов 1-4. При исследовании модели операционной работоспособности системы технического диагностирования гибридных объектов специального назначения было подтверждено значительное влияние на показатели системы технического диагностирования не только ее информационно-технических характеристик, но и ан-тропотехнических свойств операторов, являющихся неотъемлемой принадлежностью системы. Причем степень их влияния существенно возрастает в нештатных режимах эксплуатации.

Во втором разделе диссертационной работы представлены материалы решения задачи разработки математической модели как основы формализации диагностической информации для экспертной СТД ГО. Данная научная задача решалась, исходя из единого подхода к формализации и обработке диагностической информации как количественного, так и качественного характера, на основе математического аппарата лингвистических переменных и нечетких множеств. При этом получен ряд новых результатов теоретического и практического значения.

Опираясь на анализ процесса приобретения знаний экспертом по диагно-. стированию СТД ГО, разработаны алгоритмы формализации детерминированной диагностической информации на основе лингвистической переменной «ПАРАМЕТР» и стохастической диагностической информации на основе лингвистической переменной «ВЕРОЯТНОСТЬ». Обосновано и сформулировано понятие вероятностно-лингвистического синдрома, в рамках которого для поиска неисправностей наряду с конкретной числовой информацией, получаемой непосредственно от СТД ГО, может использоваться информация количественного и качественного характера, предоставляемая экспертами. В терминах вероятностно-лингвистических синдромов разработана вероятностно-лингвистическая математическая модель, позволяющая описать диагностируемый объект в исправном и неисправных состояниях.

В третьем разделе диссертации разработан комплекс алгоритмов, позволяющих обрабатыать диагностическую информацию экспертного характера, которая формализована на основе ВЛММ.

Разработан алгоритм определения минимального множества проверок, необходимых для правдоподобного определения действительного технического состояния СТД ГО с дальнейшей целью принятия соответствующих мер по его восстановлению до исправного состояния. Практическая значимость получен-' ных теоретических результатов состоит в том, что" они позволяют оптимизировать функционирование экспертной СТД ГО, базирующейся на разработанной математической модели и реализующей разработанный и описанный подход к диагностированию с использованием слабоструктурированной диагностической информации, предоставляемой экспертами.

Разработаны алгоритмы идентификации состояний СТД ГО при наличии входной информации различного уровня качества «хорошей» и «плохой». В первом случае результатом является указание на единственно возможное состояние процесса с достоверностью, заданной при формировании базы знаний-экспертной СТД ГО, во втором - упорядоченный -в порядке убывания достоверности список технических состояний и соответствующих им значений степеней уверенности системы в том, что действительное состояние СТД ГО соответствует указанным состояниям.

В четвертом разделе диссертационной работы представлены результаты практической реализации положений по разработке системы поддержки поиска неисправностей в СТД ГО. Предложенный комплекс программных реализаций представляет собой основу системы поддержки поиска неисправностей СТД ГО.

Разработанные программные реализации.построены с учетом формализмов, присущего языку программирования высокого уровня Delphi, который принадлежит к числу наиболее эффективных традиционных языков программирования и использование которых, по авторитетному мнению президента

Ассоциации искусственного интеллекта проф. Э.В.Попова, является перспективным.

Для обеспечения возможности использования в СТД ГО диагностической и технической информации, которая при организации контроля и диагностирования действующей системы технического диагностирования СТД ГО хранится и используется в буквенно-цифровой форме (инструкции по эксплуатации, поиску неисправностей) с использованием инструментальных средств одной из наиболее эффективных СУБД Access разработана база данных.

Для обеспечения возможности взаимодействия двух систем на основе средств системы программирования Delphi разработаны необходимые процедуры обмена.

Применение разработанной системы поддержки поиска неисправностей позволило повысить вероятность своевременного и безошибочного выполнения алгоритма, связанного с анализом диагностической информации.

Среднее время выполнения отмеченного участка алгоритма с использова-, нием разработанной системы поддержки определяется средним временем ввода исходной диагностической информации. При этом - т" составляет 35 минут 17 секунд, cr'l — 4 минуты 21 секунда. Тогда t'Q = 1 ч. 34 мин. 26 с. — 0,7 • 21 мин. 32 с. - 1 ч. 19 мин. 22 е.; t"Q = 38 мин. 20 с. - 0,7 • 4 мин. 21 с. = 35 мин. 17 с. На рис. 4.5 приведены графики зависимостей своевременного и безошибочного поиска неисправностей в периферийных блоках АСК ГО, построенные в соответствии с полученными данными.

Время, необходимое для выполнения алгоритма поиска неисправностей с вероятностью операционного сбоя не превышающей Рош = 0,1 (А^'9 =0,9) составляет: для персонала с удовлетворительным уровнем подготовки — 2 ч. 3 мин. 45 е.; для персонала, использующего разработанную систему поддержки - 50 мин 38 сек. Сокращение времени со значения t®'9 до значения tlf, позволяющего персоналу, используя систему поддержки безошибочно выполнять алгоритм, составляет А/0,9 = tf'9 - 4'° = 50 мин. 10 с.

Вычислительный эксперимент по исследованию влияния экспертной системы поддержки поиска неисправностей на качество функционирования СТД ГО свидетельствует о повышении продуктивности использования диагностической информации экспертной СТД по сравнению с обычной СТД. Причем это преимущество проявляется тем сильнее, чем выше сложность диагностируемых объектов, а также объем диагностической информации.

1. Автоматический поиск неисправностей / Мозгалевский А.В., Гаскаров Д.В., Глазунов Л.П., Ерастов В.Д. Л.: Машиностроение, 1967.— 265 с.

2. Алиев Р.А. Управление производством при нечеткой исходной информации / Р.А.Алиев, А.Э.Церковный, Г.А.Мамедова. М.: Энергоатом-издат, 1991.-240 с.

3. Башлыков А.А., Давиденко Н.Н., Думшев В.Г. Экспертная система реального времени для поддержки операторов атомных станций // Приборы и системы управления. 1994. - № 4. - С. 10 - 14.

4. Безродный Б.Ф. Диссертация на соискание ученой степени доктора технических наук. Серпухов: СВВКИУ РВ, 1997. - 306 с.

5. Беляев Ю.К. Вероятностные методы выборочного контроля. М.: Наука, 1975.-266 с.

6. Бережной В.П., Дубицкий Л.Г. Выявление причин отказов РЭА. -М.: Радио и связь, 1983. — 232 с.

7. Биргер И.А. Техническая диагностика. — М.: Машиностроение, 1978. — 240 с.

8. Богомолов A.M., Твердохлебов В.А. Диагностика сложных систем.— Киев: Наукова Думка, 1974. —

9. Бонгард М.М. Проблема узнавания. -М.: Наука, 1967. 320 с.

10. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. — Рига: Зинатне, 1982. — 256 с.

11. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. — М.: Наука, 1983. — 464 с.

12. Бусленко Н.П. Моделирование сложных систем. — М.: Наука, 1978. — 400 с.

13. Вентцель Е.С. Теория вероятностей: Учеб.для вузов. — М.: Высш.шк., 1998. 576 с.

14. Волков JI.И. Управление эксплуатацией летательных комплексов: Учеб. пособие для втузов. 2-е изд., перераб. и доп. — М.: Высш. шк., 1987. -400 с.

15. Выявление экспертных знаний (процедуры и реализации) / О.И. Ларичев, А.И. Мечитов, Е.М.Мошкевич, Е.М.Фуремс. -М.: Наука, 1989.- 128 с.

16. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. — М.: Радио и связь, 1992. 200 с.

17. Глазунов Л.П., Смирнов А.И. Проектирование технических систем диагностирования. — Л.: Энергоатомиздат, 1982. — 168 с.

18. Гольдман Р.С., Чипулис В.П. Техническая диагностика цифровых устройств. М.: Энергия, 1976. - 224 с.

19. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высш. шк., 1984.-208 с.

20. Гренандер У. Лекции по теории образов: В 3-х томах / Пер. с англ. М.: Мир, 1979.-Т. 1.-383 е., 1981.-Т. 2-448 е., 1983.-Т. 3-430 с.

21. Гуляев В.А., Кудряшов В.И. Автоматизация наладки и диагностирования микроУВК. М.: Энергоатомиздат, 1992. - 256 с.

22. Данилюк С.Г. Вероятностно-лингвистический метод диагностирования.- Серпухов: МО РФ, 1998.-96 с.

23. Данилюк С.Г. Упрощенный алгоритм оптимального покрытия булевых матриц. МО РФ, 1994. - 17 с. - Деп. в ЦСИФ, 1994, № 7056.

24. Данилюк С.Г., Злобин В.И. Автоматизация поиска неисправностей на основе вероятностно-лингвистического метода диагностирования // Информационные технологии в проектировании и производстве: Научно-техн. сб. / ВИМИ. 1996. - № 3 - 4. - С. 59 - 65.

25. Данилюк С.Г., Злобин В.И., Ванюшин-В.М. Принципы построения сложных адаптивных систем в связи и управлении. — М.: МО РФ, 1998. -296 с.

26. Данилюк С.Г., Романенко Ю.А. Метод формализации нечеткой информации для диагностической экспертной системы аппаратуры радиосвязи // Электросвязь. 1997. - № 1. - С. 32 - 34.

27. Дарсалия В.Ш., Новиков Н.Н., Рухая Х.М. Об одном алгоритме оптимального покрытия булевых матриц: Труды института прикладной математики им. Векуа ТГУ. — Тбилиси: ТГУ, 1986. — 22 с.

28. Деду с Ф.Ф. Обобщенный спектрально-аналитический метод обработки' информационных массивов. — М.: Машиностроение, 1999.

29. Дедус Ф.Ф., Воронцов В.Б. Диагностика непрерывных систем с использованием ортогональных фильтров / Техническая диагностика. -«Труды I Всесоюзного совещания по технической диагностике». М.: Наука, 1972.-С. 103-108.

30. Джордж Ф. Мозг как вычислительная машина. М.: Изд-во «Иностранная литература», 1963. — 528 с.

31. Дмитриев А.К., Мальцев П.А. Основы теории построения и контроля сложных систем. Л.: Энергоатомиздат, 1988. - 192 с.

32. Дмитриев А.К., Юсупов P.M. Идентификация и техническая диагностика. Л.': ВИКИ им. Можайского, 1987. - 521 с.

33. Долгов В.А., Касаткин А.С., Стретенский В.Н. Радиоэлектронные автоматические системы контроля (системный анализ и методы реализации). Под ред. В.Н.Стретенского. М.: Сов. радио, 1978 - 384 с.

34. Дружинин В.В., Конторов Д.С. Проблемы системологии (проблемы теории сложных систем). — М.: «Советское радио», 1976. — 296 с.

35. Дружинин Г.В. Надежность систем автоматики. — М.: Энергия, 1967.

36. Дружинин Г.В. Процессы технического обслуживания автоматизированных систем. -М.: Энергия, 1973.

37. Дубров A.M. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 2000. — 176 с.

38. Евланов Л.Г. Контроль динамических систем. — М.: Наука, 1972. — 424 с.

39. Емелин Н.М., Новиков Н.Н., Павлов А.А. и др. Подход к построению автоматизированных систем контроля сложных объектов / Цифровые модели в проектировании и производстве РЭС. Межвуз. сб. научн. тр. -Пенза: Изд-во Пенз. гос. ун-та, 2000. Вып. 9. — 260 с.

40. Ермилов В.А. Метод отбора существенных неисправностей для диагностики цифровых схем // Автоматика и телемеханика. 1971. - № 1. — С. 159-167. ' " —

41. Ерофеев А.А., Поляков А.О. Интеллектуальные системы управления. -Санкт-Петербург.: Изд-во СПбГТУ, 1999. 263 с.

42. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. Проблемы кибернетики. М.: Наука, 1978. -Вып. 33.

43. Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении оценок // Кибернетика. 1974. — № 3.

44. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М:: Мир, -1976. — 168 с.

45. Защита радиоэлектронной аппаратуры от влияния климатических условий / Под ред. Г.Юбиша. Пер. с нем. - М.: «Энергия», 1982. - 392 с.

46. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. Киев: Техника, 1971. -372 с.

47. Искусственный интеллект: Справочник: в 3-х кн. / Под ред. Э.В.Попова. -М.: Радио и связь, Кн.1: Системы общения и экспертные системы. 1990. -440 с.

48. Испытания радиоэлектронной, электронно-вычислительной аппаратуры и испытательное оборудование: Учебное пособие для вузов / О.П.Глудкин, А.Н.Енгалычев, А.И.Коробов, Ю.В.Трегубов; под ред. А.И.Коробова. М.: Радио и связь, 1987. - 272 с.

49. Карибский В.В. Учет состязаний на входах элементов при построении проверяющей последовательности // Автоматика и телемеханика. 1973. —' №9.-С. 152- 164.

50. Карибский В.В., Пархоменко П.П., Согомонян Е.С. Техническое диагностирование объектов контроля. — М.: Энергия, 1967. 80 с.

51. Клацки Р. Память человека, структуры и процессы. — М.: Мир, 1979. — 319 с.

52. Кобринский И.Е., Трахтенберг Б.А. Введение в теорию конечных автоматов. М.: Физматгиз, 1962. - 404 с.

53. Контроль и функционирование больших систем / Под. ред. Г.П.Шибанова. М.: Машиностроение, 1977. - 360 с.

54. Кострыкин А.И. Диагностика дискретных устройств логическими мето-< дами. -МО СССР, 1973. 71 с.

55. Косячков Р. Цифровой век: мышление // Компьютера. 1999. — № 48. — С. 19-30.

56. Кофман А. Введение в теорию нечетких множеств. — М.: Радио и связь, 1982.-432 с.

57. Краткая философская энциклопедия / Губский Е.Ф., Кораблева Г.В., Лутченко В.А. — М.: Издательская группа «Прогресс» — «Энциклопедия», 1994. 576 с.

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

59. Кудрицкий В.Д., Синица М.А., Чинаев П.И. Автоматизация контроля радиоэлектронной аппаратуры. М.: Сов. радио, 1977. - 256 с.

60. Левин Б.Р. Теоретические основы статистической радиотехники. — М.: Радио и связь, 1989. — 656 с.

61. Макарова О. Коммерческие экспертные системы на научном семинаре // COMPUTERWEEK - MOSCOW, 1995. - № 17. - С. 31, 60.

62. Маслов В.Г. Научно-методический аппарат экспертной оценки эффективности научной деятельности высшего военного учебного заведения. Диссертация на соискание ученой степени кандидата технических наук. -Москва: ИИО РАО, 2005. 167 с.

63. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. — М.: Наука. Гл.ред. физ.-мат. лит., 1990. 272 с.

64. Микони С.В. Общие диагностические базы знаний вычислительных систем. СПб.: СПИИРАН, 1992. - 234 с.

65. Мозгалевский А.В. Диагностирование электронных систем. Л.: Судостроение, 1984. - 224 с.

66. Мозгалевский А.В. Техническая диагностика: Непрерывные объекты: Учеб. пособ. для втузов. / А.В.Мозгалевский, Д.В.Гаскаров. — М.: «Высш. шк.», 1975. — 207 с.

67. Мозгалевский А.В. Технические средства диагностирования. — Л.: Судостроение, 1984. 207 с.

68. Надежность в технике. Термины и определения: ГОСТ 27.002.83. — введ. 01.07.84. М.: Изд-во стандартов, 1983. - 30 с.

69. Ней л op К. Как построить свою экспертную систему: Пер с англ. М.: Энергоатомиздат, 1991. — 286 с.

70. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. -М.: Наука, 1986. -312 с.

71. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Р.Р.Ягера. М.: Радио и связь, 1986. - 408 с.

72. Нечеткие модели для экспертных систем в САПР / Малышев Н.Г., Бер-штейн JI.C., Боженюк А.В. — М.: Энергоатомиздат, 1991. — 136 с.

73. Николаев В.И., Брук В.М. Системотехника: методы и приложения. — JL: Машиностроение, Ленигр. отд., 1985. 199 с.

74. Нильсон Н. Принципы искусственного интеллекта. — М.: Радио и связь, 1985.-237 с.

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

76. Орнатский П.П., Туз Ю.М. Интеллектуальные измерительные комплексы // Приборы и системы управления. 1989. - № 7. - С. 15-16.

77. Основы технической диагностики. В 2-х книгах. Кн. 1. Модели объектов, методы и алгоритмы диагноза / В.В.Карибский, П.П.Пархоменко, Е.С.Согомонян и др.; под ред П.П.Пархоменко. -М.: «Энергия», 1976. -464 с.

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

79. Пархоменко П.П. Диагноз технического состояния дискретных устройств методом выделения подозреваемых неисправностей // Автоматика и телемеханика. 1971. - № 6. - С. 126 - 137.

80. Пархоменко П.П. О технической диагностике. М.: Знание, 1969. - 64 с. '

81. Попов Э.В. Экспертные системы. -М.: Наука, 1987. 288 с.

82. Поспелов Д.А. Логические методы анализа и синтеза схем. — М.: Энергия, 1968.-328 с.

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

84. Прикладные нечеткие системы: Пер с япон. / К.Асаи, Д.Ватада, С.Иваи и др.; под ред. Т.Тэрано, К.Асаи, М.Сугэно. М.: Мир, 1993. - 386 с.

85. Сейдж Э.П., Уайт Ч.С. Оптимальное управление системами: Пер. с англ. -М.: Радио и связь, 1982.-392 с.

86. Селезнев А.В., Добрица Б.Т., Убар P.P. Проектирование автоматизированных систем контроля бортового оборудования летательных аппаратов.- М.: Машиностроение, 1983. 224 с.

87. Сердаков А.С. Автоматический контроль и техническая диагностика. -Харьков: «Технпса», 1971. — 224 с.

88. Соловьев Н.А. Тесты (теория, построение, применение). Новосибирск: Наука, 1978.-189 с.

89. Срагович В.Г. Адаптивное управление. — М.: Наука, 1981. — 382 с.

90. Техническая диагностика. Показатели диагностирования: ГОСТ 23564.79.- Введ. 01.01.80. М.: Изд-во стандартов, 1979. - 16 с.

91. Техническая диагностика. Термины и определения: ГОСТ 20911.89. -Введ. 01.01.91. -М.: Изд-во стандартов, 1990. 13 с.

92. Технические средства диагностирования: Справочник / В.В.Клюев, П.П.Пархоменко, В.Е.Абрамчук и др.; Под общ. ред. В.В.Клюева. -М.: Машиностроение, 1989. — 672 с.

93. Ту Д., Гонсалес Р. Принципы распознавания образов: Пер. с англ. М.: Мир, 1978.-411 с.

94. Управление качеством" продукции. Основныё понятия. Термины и определения: ГОСТ 15467. введ. 26.01.79. -М.: Изд-во стандартов, 1979. - 38 с.

95. Управление качеством электронных средств: Учеб. для вузов / О.П.Глудкин, А.И.Гуров, А.И.Коробов и др.; под ред. О.П.Глудкина. -М.: Высш. шк., 1994. 414 с.

96. Фокин Ю.Г. Оператор-технические средства: обеспечение надежности. — М.: Воениздат, 1985. 192 с.

97. Ш.Фомин Я.А., Безродный Б.Ф. Адаптивные системы контроля изделий микроэлектроники на ПЭВМ. М.: Издательство стандартов, 1993. - 204 с.

98. Фомин Я.А., Савич А.В. Оптимизация распознающих систем. М.: Машиностроение, 1993. — 288 с.

99. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. — М.: Радио и связь, 1986. — 264 с.

100. Фуку нага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. - 368 с.

101. Чжен Г., Мэнинг Е., Метц Г. Диагностика отказов цифровых вычислительных систем. М.: Мир, 1972. — 232 с.

102. Чипулис В.П., Шаршунов С.Г. Анализ и построение тестов цифровых программно-управляемых устройств. — М.: Энергоатомиздат, 1992. — 224 с.

103. Шор Я.Б. Статистические методы анализа и контроля качества и надежности. М.: Сов. радио, 1966. - 550 с.

104. Экспертные оценки в научно-техническом- прогнозировании / Доб-ров Г.М., Ершов Ю.В., Левин Е.И., Смирнов Л.П., — Киев: «Наукова думка», 1974. 160 с.

105. Яблонский С.В. Введение в дискретную математику: Учебное пособие. -М.: Наука, 1979.-272 с.

106. Яблонский С.В., Чегис И.А. Логичекие способы контроля работы электрических схем: Труды математического института им. В.А.Стеклова, т. 51, изд. АН СССР, М., 1958, с. 270 - 360.

107. Dalkey N., Brown В., Cochran S. Use of Selfrations to Improve Group Estimates. «Technology Forecasting», 1989.

108. Kendall M. Rank Correlation Methods. Hafner Publishing House. N.Y., 1995.

109. Kickert W., Mamdani E.H. Analysis of a fuzzy logic controller // Fuzzy Sets4and Systems. 1978. - V. 1. - P. 29 - 44.

110. Les systemes experts de diagnostic // Rev. polytechn. — 1991. — № 11. P. 1185' -1189. '

111. Mizumoto M., Zimmermann H.I. Comparison of fuzzy reasoning methods // Fuzzy Sets and Systems. 1982. - V. 8. - P. 253 - 283.

112. Modern approaches to system/sensor fault detection and diagnosis / Tzafestas S., Watanabe K. // Journal A. 1990. - 31, № 4. - P. 42 - 58.

113. Neural networks and fuzzy logic, tools of promise for controls / Mc Cusker Tom // Contr. Eng. 1990. - 37, № 6. - P. 84 - 85.

114. Padmini S., Diwakar M., Rathod N., Bairi B. Expert system development (ESD) shell // BARC Rept. / Gov. India. Bhabha Atom. Res. Cent. -1991. -№ E010. P. 1-40.

115. Putzolu G.R., Roth J.P. A Heuristic Algorithm for Testing of Asynhronous Circuits // IEEE Trans, on Comput., 1971. Vol. C-20. № 6. P. 639 647.

116. Sistemi esperti per la diagnostica / Zoly Giorgio // Autom. oggi. 1991. - 9, № 1Ю-Р. 110-118.

117. Snouresht R. Learning and decision-making for intelligent control systems // Proc. Amer. Contr. Conf., San Diego, Calif., 1990. Vol. 1. P. 985 - 987.

118. Zadeh L.A. Approximate reasoning in fuzzy logic // Proc. Int. Conf. on Artif. Intell. Tokyo, 1979.

119. Zhou Tiji et al. // Jisuanji yu fazhan. = Comput. Res. and Dev. 1991. - 28, № 9.-P. 46-53. ---