автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем

на правах рукописи

1111111IIIIII11111IIIIII

ООЗ156559

ЗУРОВ ЕВГЕНИЙ ВЛАДИМИРОВИЧ

ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ ОБЪЕКТАМИ С ОЦЕНКОЙ ТЕХНИЧЕСКОГО СОСТОЯНИЯ НА ОСНОВЕ ЭКСПЕРТНЫХ СИСТЕМ

Специальность 05 13 06 "Автоматизация и управление технологическими процессами и производствами (технические системы)"

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2007

I

I

I

I Работа выполнена в Федеральном государственном образователь-

ном учреждении «Санкт-Петербургский государственный университет | водных коммуникаций» на кафедре «Вычислительных систем и информа-

тики»

Научный руководитель I доктор технических наук, профессор Фомин Владимир Владимирович

Официальные оппоненты доктор технических наук, профессор Бескид Павел Павлович кандидат физико-математических наук, доцент Афанасьев Сергей Владимирович

Ведущая организация ЗАО «Центральный научно-исследовательский и проектно-конструкторский институт Морского флота»

Защита состоится «28» мая 2007 года в 15 часов на заседании диссертационного совета Д 223 009 03 при Санкт-Петербургском государственном университете водных коммуникаций по адресу 198035, Санкт-Петербург, ул Двинская, дом 5/7

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного университета водных коммуникаций

Автореферат разослан <<

Ученый секретарь диссертационного совета кандидат технических наук, доце:

I ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. На сегодняшний день любая сфера человеческой деятельности характеризуется накоплением больших объемов информационных ресурсов, выдвигающих на первый план проблемы представления свойств знаний, таких как однородность, полнота сведений, достоверность, однозначность, непротиворечивость и пр. Возрастающие проблемы доступа к использованию человеком информации при принятии управленческих решений в автоматизированных системах управления (АСУ) с учётом конкретной ситуации актуализирует задачи разработки систем, основанных на знаниях (СОЗ), экспертных систем и систем поддержки принятия решений Современные информационные технологии основываются на практическом внедрении знаний в широком смысле слова (форм, моделей, языков, знаковых конструкций), которые служат для описания сложных технических объектов в разных сферах научно-исследовательских, проектных, технологических, производственных областях человеческой деятельности и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления

Индустриальные технологии разработки интеллектуальных информационных систем различных типов требуют привлечения больших ресурсов Важнейшим ресурсоопределяющим фактором является привлечение экспертов предметной области и когнитологов для извлечения и формализованного представления знаний, с одной стороны, и группы инженеров-программистов для организации полученных экспертных знаний в базы знаний (БЗ) и реализации методов логической обработки в виде прохрамм-ного продукта, с другой стороны. Такой подход требует выделения значительных временных и финансовых затрат и выдвигает на первый план необходимость создания технологий, направленных на проблему эффективности применяемых инструментальных средств разработки экспертных систем.

Непрерывное усложнение технических решений, которые находят своё применение в том или ином техническом объекте судового оборудования предъявляет требования к постоянному повышению квалификаций обслуживающего персонала. Опыт эксплуатации сложных технических объектов всё больше подтверждает возрастающее влияние человеческого фактора на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных. Эволюция вычислительной техники и средств коммуникации несет за собой новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы че-

ловеческой деятельности в сферу автоматизации технологических процессов и систем управления

Сложные технические объекты характеризуется большим количеством контролируемых параметров, которые различаются по своей информативности и степени доступности Процесс управления такими объектами характеризуется либо принятием решений в условиях высокой степени неопределённости, либо требует значительных затрат материальных и временных ресурсов с целью снижения неопределенности, а следовательно, и повышению эффективности принимаемых решений Это, в свою очередь, делает актуальным направление развития высокотехнологичных инструментальных средств СОЗ с интегральной поддержкой всего жизненного цикла, начиная с решения проблем извлечения знаний предметной облает, построения их концептуальной модели и передачи в базу знаний и кончая методикой проведения испытаний над выпущенным прототипом экспертной системы (ЭС)

Цель исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем создания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с визуально-графическим представлением и формальным аналитическим аппаратом логико-семантических сетевых моделей знаний.

Для выполнения этой цели необходимо решить следующие задачи.

• Анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами для выработки стратегических апорий формирования единой интегральной концепции «сквозного» построения экспертных систем.

• Исследование подходов и методик с позиции определения продуктивного механизма формирования, хранения и использования знаний в виде декларативных и процедурных моделей представления информации

• Создание модели семантически-объектного представления знаний путём проведения анализа методов по классу «визуальное» управление знаниями и учета феномена человеческого фактора, основанного на положениях науки «психосемантика».

• Разработка методики символьного моделирования задач диагностирования, прогнозирования, ориентированных на создание эргономичного интерфейса взаимодействия с пользователем

в Разработка программного инструментария автоматизированного построения экспертных систем, основанного на расширенном декларативном фреймово-сетевом представлении знаний, который обеспечивает семантическую идентификацию предметных областей путём поддержки объектно-ориентированного механизма манипуляциями символьно-графическими компонентами

• Решение задачи диагностирования судовой дизельной установки на основе эксплуатационных технических характеристик агрегатных составляющих- цилиндропоршневая группа, газораспределительный механизм, топливная система, газотурбокомпрессор.

Методы исследований В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний

Научная новизна

1. Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделенную свойствами иерархичности, модульности, объектно-ориентированности

2 Методика, модели, алгоритмы извлечения и формализации доменных знаний в форме разработанной декларативной фреймово-сетевой модели представления знаний и эвристической предикатной модели принятия решений

3 Технология по формализации предметных знаний и их репрезентации компонентами модели визуально-объектного представления знаний, моделирования задач диагностирования, описывающая средства и методы символьного, структурно-графового, мнемографического представления информации

4 Создан автоматизированный программный комплекс, поддерживающий полный жизненный цикл разработки ЭС Он осуществляет поддержку манипулирования компонентами моделей визуально-объектного представления параметров технической диагностики (двигателей внутреннего сгорания), их кодирование в базу знаний экспертной системы и реализует поддержку процесса решения задач диагностирования, в том числе моделирование задачи, синтез решения и классификацию объектов. 1

Практическая ценность. В результате теоретических исследований создан программный комплекс автоматизированного построения экспертных систем, с помощью которого разработана ЭС «автоматизированная система диагностирования судовых дизельных установок». Разработанные программные продукты предоставляют следующие возможности-

• реализация сетевой концептуальной модели представления знаний и математических моделей, ее описывающих в автоматизированном комплексе построения экспертных систем в виде совокупности программных модулей;

• предложенная технология автоматизированной разработки ЭС адаптирована к широкому кругу предметных областей,

• повышение эффективности решения задач диагностирования судовых технических средств, своевременное распознавание неисправностей и контроль технического состояния.

Основные положения, выводы исследований диссерхации, а также инструментальный комплекс были использованы для разработай ряда экспертных систем и отдельных задач интеллектуализации принятия решений диагностики и контроля в различных государственных и коммерческих организациях, в том числе ООО «Модуль», ЗАО «Лимб»

Практическая значимость работы подтверждается соответствующими актами внедрения

Основные положения, выносимые на защиту На защиту выносятся

• Модель представления предметных знаний, процедуры их построения и вывода решения, основанные на применении фреймовых моделей расширенных до семантических сетей.

• Методика формализации знаний, основанная на адаптивном аппарате концепт-символьного визуального моделирования логических решающих правил экспертного представления объекта исследования

• Программный инструментальный комплекс формирования автоматизированных экспертных систем принятия решений при управлении сложными объектами с оценкой их технического состояния

• Диагностическая модель состояний судовых дизельных установок, интегрально учитывающая множественные технические характеристики составляющих подсистем: цилиндропоршневая группа, газораспределительный мехапизм, топливная система, газотурбокомпрессор.

Апробация работы. Основные положения и результаты диссертационной работы докладывались на

• IX Санкт-Петербургской международной конференции «Региональная Информатика-2004». (22.06 ^24.06.2004) г Санкт-Петербург;

• Международной научно-технической конференции «Транском-2004» (08.12 -09 12.2004) г. Санкт-Петербург,

• X Международной научно-практической конференции «Системный анализ в проектировании и управлении» (28 06.-5-10 07 2006) г. Санкт-Петербург,

• X Санкт-Петербургской международной конференции «Региональная Информатика - 2006». (24.10 -г-26.10 2006) г. Санкт-Петербург;

• на семинарах и заседаниях кафедры «Вычислительных систем и информатики» в 2005-2007 гг.

Публикации. По теме диссертации опубликовано 10 печатных работ (шесть статей, две из которых в изданиях, рекомендованных ВАК РФ, один доклад на X Международной научно-практической конференции «Системный анализ в проектировании и управлении», прошедшей в 2006

году, трое (езисов докладов на Международных научно-технических конференциях)

Объём и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы Содержит 156 страниц машинописного текста, в том числе 29 рисунков, 23 таблицы, список литературы включает 124 наименования

II ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, формулируются цели и задачи исследования, представляется общая характеристика рабо I ы

В первой главе обсуждаются основные понятия, используемые в диссертационной работе, анализируются существующие подходы к построению систем основанных на знаниях и их основные отличия от традиционных автоматизированных информационных систем (ИС), выделяются классы задач, решаемые ЭС в АСУ. рассматриваются инструментальные средства разработки ЭС в рамках выделенного критерия - степень автоматизации каждого из этапов жизненного цикла построения экспертных систем

В результате анализа развития подходов к построению СОЗ выбор сделан в пользу «полномасштабных» подходов, учитывающих все этапы разработки В качестве основной проблемы, возникающей в процессе разработки СОЗ, любым из рассмотренных подходов, выделен этап извлечения знаний и опыта решения задач проблемной области в компьютерную систему с возможностью их дальнейшего хранения и обработки

Рассмотрены методы формализованного представления знаний, основанные на использовании декларативных и процедурных моделей знаний С учетом развития компьютерных средств визуализации (визуального представления и манипулирования информацией) предпочтение отдано семантической и фреймовым моделям, наделенным такими свойствами, как иерархичность, объектно-ориентированность, модульность и пр Проблема использования рассмотренных моделей в компьютерных системах обуславливается двумя противоречащими факторами с одной стороны, форма представления модели и, в частности, ее компонентов должна быть пригодна для хранения и обработки используемыми средствами обработки информации, с другой стороны, должна быть обеспечена адекватность нотации для лица, осуществляющего конструирование моделей знаний для предметных областей Указанные факторы положены в основу разрабатываемой во второй главе визуальной модели знаний (ВМЗ)

Проанализированы современные инструментальные средства построения экспертных систем, в результате чего сделан выбор в пользу парадигмы «сквозного» проектирования Данный подход предполагает ис-

пользование автоматизированного программного комплекса поддержки всех этапов жизненного цикла ЭС, решающе! о задачи приобретения знаний путем использования ВМЗ, и извлечения знаний разрабатываемыми экспертными системами за счёт реализации в них процедурной модели принятия решений.

Вторая глава посвящена формализации концептуально-логической четырехуровневой модели, разработке модели визуально-объектного представления доменных знаний, представляющей собой инструмент для формализации предметных знаний Разработаны правила формализованного представления предметных знаний и методика по их репрезентации в объектах разработанной модели визуально-объектного представления знаний.

Модель визуально-объектного представления знаний-(ВМЗ) служит «прослойкой» (интерфейсом) между человеческим опытом, накопленным в процессе решения некоторой задачи и машинной формой их представления знаний, пригодной для обработки их на компьютере. Причём, возможность интерпретации синтезированных моделей на ЭВМ достигается за счёт разработки методов трансляции ВМЗ в форматированную БЗ и вывода заключений на основе знаний закодированных в БЗ. В основу модели ВМЗ положен иерархический метод репрезентации доменных знаний. В соответствии с этим в МПЗ присутствуют следующие категории предметно-независимых данных

BM3=(Id,l\C, Е, S), (1)

где

• Id - исходные данные (Initial data);

• I1 - экспертные знания, уточняющие исходные данные (Investigate);

• С - экспертные методы исследований и знания с решающими правилами (экспертные заключения).

• Е - объясняющие знания (Explain)

• S - решения и их способы (resolution).

Сетевая модель представления знаний ВМЗ в виде реализации Mw разрабатываемых ЭС представляет собой ориентированный 1раф, состоящий из совокупности двух множеств: непустого, конечного множества вершин U и множества R неупорядоченных пар различных элементов множества U

М =G (U, R)={ ubu2,.. uk, г,,r2, .,«•„}, U*0, RcUxU, (2) где fc=|U| - число вершин графа G, n=|R| - число рёбер графа G. Учитывая понятие инцидентности вершин и рёбер, принятое в теории графов, выражение (2) может быть представлено в виде множества отношений инцидентности на U или в виде совокупности неупорядоченных пар'

к

M(D> =((uJ;u,),(и,,««),.. ,(uJ;ur), ,(us,uk))= (",»*;) (3)

М

Для осуществления хранения /представления) предметных знаний в реализации ВМЗ - М'!)), предложено расширение модели у а счёт внесении в неё следующих компонентов. Тогда расширенное определение М(Г" примет следующий вид:

М(0ЦК, к, р, V, К), (4)

где М(1>1 - представляет собой совокупность сведений в виде концептов и их взаимосвязей, описывающих предметную область О, структурированную согласно правилам представления знаний ВМЗ.

К - Класс - совокупность концептов к,,кг.....к„ которые имеют общие для

них свойства. Он представляет собой шаблон при инициализации его концептов.

к - Концепт (атомарная информационная единица) - структурный (условно неделимый) информационный -элемент в котором хранятся сведения об объекте, событии или явлении, относящиеся к предметной области В. р - Свойство (метод) - идентифицируемая область в памяти, ассоциированная с концептом, предназначенная для хранения данных, включенных в данный концепт.

у - Значение свойства - конкретная информация, размещённая в идентифицированной данным свойством области памяти..

Й Связь - представляет собой объект модели М10', отражающий информационные взаимосвязи между концептами предметной области

к

Классы

Рис. 2 Иерархическая структура компонентов ВМЗ.

Базовым элементом, положенным в основу разрабатываемой ВМЗ, является концепт, который, с одной стороны, является представителем некоторого класса и наследует его свойства, а, с другой стороны, определяется объединением вектора свойств p¡ , и соответствующего вектора значений v¡:

k¡ - p¿uV¡=((pivVt).fÍh,v1).....(pi,V|)), kt с К; (5)

ч

Отношения концептов выделены в следующие типы конструкций, используемых в процессе переноса экспертных знаний в форму представления М04

• Один к одному;

» Один ко многим (образует список частности);

• Многие к одному (образует список причинности);

• Эквивалентности

Используя данные типы конструкций, эксперт переносит накопленный опыт в реализацию ВМЗ М*И) в соответствии с правилами, представленными в методике формализации знаний. Разработанная методика придерживается стратегии проектирования «сверху-вниз» и содержит следующие этапы

1 Декомпозиция предметных знаний на классы 1<(1), I®, С, в и инициирование необходимого количества соответствующих каждому классу концептов

2 Сопоставление с вектором свойств р, концепта к, соответствующего вектора значений уг

3. Связывание решаемых задач Ъ в рамках области О и соответствующих им исходных данных I® отношением типа один ко многим.

4 Связывание множеств концептов исходных данных Iй и I® с множеством экспертных заключений накопленных в области Р

5 Установление связей между множеством концептов являющихся экземплярами класса «экспертные заключения», с множеством решений в в предметной области Б отношением типа многие к одному

В результате полученные формализованные модели представления знаний могут быть представлены следующим выражением

М(В)= ]

о ь(1> V(С) ..(ПК

82=^>,.-,кД .Ж(С), (6)

с = ¿-Л, <А) 1,(1) и (С) ь(К)ч

•Эп А 1Ат > • I ч >■ •> »о > "»М )г

где

Мда)- модель формализуемой области Б

(Бь , 8„) - множест-во концептов, являющихся решениями в области П;

Дкькг,. , кя)-к местная функция, отражающая логические отношения между концептами применительно к решению 8,;

к|(<|),..., кт(а) - концепты - экземпляры уровня исходных данных К<й); к,®, к,®, , к,,® - концепты - экземпляры уровня исследований К®,

кг(С), к/а,.--, ко,С) - концепты - экземпляры уровня экспертных заключений К<Г);

к.^,..., - концепты - экземпляры уровня решений К<Я);

Знания, представленные в форме подвергаются специальному преобразованию в форматированную БЗ, которую можно будет интерпретировать методами, реализованными в комплексе автоматизированного построения ЭС.

В третьей главе выделены основные средства и методы, направленные на «сквозную» технологию автоматизированного построения ЭС, формализован состав подсистем автоматизированной системы построения экспертным систем и разработано информационное, алгоритмическое и программное обеспечение, направленное на передачу экспертных знаний в машинную форму представления с помощью математического аппарата ВМЗ и па извлечение экспертных знаний в процессе решения задач в формализованной предметной области на базе процедурной модели принятия решений в пространстве состояний, описываемых в реализациях ВМЗ М*0'. Рассмотрен состав основных технологических этапов, выполняемых при автоматизированной разработке ЭС.

РВМ

Рис. 3. Обобщенная схема взаимодействия пользователей с компонентами автоматизированной подсистемы построения ЭС

Для решения поставленных задач технология автоматизированной разработки ЭС предполагает использование автоматизированной системы построения экспертных систем А, которая представляет собой программный комплекс, интегрируюгций в себе следующий набор подсистем (рис.3):

А = (Р, С, Т, К, С )

• Средства поддержки конструирования ВМЗ в виде редактора объектно-визуального моделирования Р в составе с редактором классов

С,

• Методы преобразования знаний Т, представленных в форме моделей М(0) в структурированную БЗ К,

• Библиотека методов С по извлечению предметных знаний, релевантных решаемой задаче, из БЗ в процессе поиска решения (логического вывода) и взаимодействующих с конечным пользователем через программный интерфейс ЭС

Для решения задачи извлечения экспертных знаний со стороны конечного пользователя разработана процедурная модель принятия решений (рис 4) в пространстве состояний, описываемых в реализациях ВМЗ М<0) Эта модель направлена на снижение начальной степени неопределенности Н(0) технического состояния объекта исследования, которая может быть оценена с помощью формулы

Н(0) = -1>Лоё2(А), (7)

где />, вероятность занесения в базу фактов ЭС образа концепта к,, К - предметные знания области Б, представленные множеством концептов ВМЗ Таким образом, из формулы (8) заметим, что после выполнения процедур идентификации и сбора исходных данных степень неопределенности о состоянии объекта исследования значительно снизится до значения н<»

1-А.-П

Н(1) = - 1> 1ое2(р,), (8)

где п - число концептов, активизированных в процессе идентификации и сбора исходных данных Причем благодаря свойству иерархичности, которым обладает предлагаемая ВМЗ после этапа сбора исходных данных, значение величины (К-п) может на порядок отличаться от величины К Такое значительное снижение степени показателя Н<!) достигается благодаря тому, что в процессе логического вывода опровергаются или подтверждаются не только одиночные концепты, но также и иерархические структуры данных, образованные подчиненными концептами (например, рис 5)

Четвертая глава посвящается разработке автоматизированной системы диагностирования судовых дизельных установок Для решения данной задачи произведён сбор исходных информационных технических параметров, характеризующих состояния СДУ, произведена их декомпозиция по степени информативности и доступности. В качестве объектов диагностирования выбраны следующие подсистемы СДУ: цилиндропоршневая группа, газораспределительный механизм, газоткурбокомпрессор, топливная систем Составлены решающие правила, позволяющие оценить техническое состояние объекта диагностирования по исходным данным и результатам проводимых методов проверки На основе собранных исходных данных в области экспертного диагностирования судового дизеля синтезирована формализованная диагностическая модель в форме модели знаний М<®> в соответствии разработанной методикой формализации знаний предметных областей (рис. 5) После чего произведена ее трансляция в форму БЗ К ЭС. В результате интеграции данной БЗ с библиотекой методов логического вывода в получена ЭС «диагностирование СДУ», которая позволяет осуществлять распознавание технических состояний выделенных подсистем СДУ по признакам неисправностей, представленных пользова-

те лен (рис.6), и основываясь па решающи?! правила», -закодированных в БЗ

ЭС.

ПГШН);.11 а ;

Л^с гЬяв<* 1У*¥.< кде«м до*«!» ^"хчыг-^ •

е -у х"^ ■ МШ

окно редактирования

свойств концептов

XI ге^яист^д'си^ь вья?уг>но?о ьгоэпи»

¿Нэруцзчд»арцсиг<нсгст| ПТУ_

СЛУ.ГГМ. клапана

заключения Г, ■ .^ и решения в Я^оЬЦу? вид? ТГ --1 СДУ

тадзча тех

диагностики

СЛV и ее

тлзапачи

дкагности* ; ческие

параметры \

Рис.5 Рабочий стол редактора визуального моделирования

ШЯИВ

ЛОШ

Тип данных Объект Описание КУ

[ ^ |тйвд ^ втпуац^кгдзце ч^к

Злеероигььеад

Набор данных о

ЗгмсгйИ«

-

Уго л ьякденЭД* а о е&зга**я г чили« 100 "Цмф^ |

1 «ч^цмтфа гадоо «доке нс£ 100 -. ' - - . ,

ли ОПУСТОШИТЬ £<Р-|

Летальное оггисанис

Максим зл ьчое до в лекьм ч^горйнил Ртах н цил^дре ¿контролируется с помощью

Рис. 6 Интерфейс идентификации исходных данных ЭС «Диагностирование СДУ»

Использование ЭС «диагностирование СДУ» в процессе технического диагностирования эксплуатируемых судовых дизелей позволяет значительно повысить эффективность принимаемых решений, а также значительно сократить время, затрачиваемое на поиск неисправностей, и произвести своевременную замену агрегатов, не удовлетворяющих номинальным техническим параметрам

Ш. ОСНОВНЫЕ РЕЗУЛЫЫ РАБОТЫ

1. Формализованная концептуально-логическая модель принятия решений о техническом состоянии объекта на основе экспертных систем

2. Обоснован комплекс технических параметров определяющих состояние объекта и их отношений на основе графа семантических сетей и реализации информационной технологии визуального моделирования (для двигателей внутреннего сгорания)

3 Технология моделирования визуально-объектных, символьных знаний в виде форматированной реляционной структуры данных при реализации диагностических процедур технических средств.

4 Разработан программно-инструментальный комплекс, автоматизирующий процесс создания экспертных систем диагностирования, обеспечивающий высокую производительность, синтаксический и семантический анализ моделей представления в рамках концепт-символьных определений разработчика и гарантирующий качество формальных решений

5 На базе инструментального комплекса разработки экспертных систем диагностирования разработана автоматизированная экспертная система «диагностирование судовых дизельных установок» в составе экспертной сетевой модели знаний на множестве экспериментальных значений и состояний технических характеристик, формализованных правил вывода (решений). Данная диагностическая система позволяет на основе полученных рабочих характеристик оценить текущее техническое состояние судовой дизельной установки и ее агрегатов, а также инженерно обосновать полученные выводы (решения)

IV. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Зуров Е.В , Сикулер Д.В. Об одной интегральной модели организации и использования экспертных знаний в интеллектуальной системе // «Научно-технические ведомости СПбГТУ. Том 1 Естественные и технические науки» - СПб. Изд-во Политехи ун-та, 2006 -№ 5-1(47) - с. 131134 (0,5 пл.)

2. Зуров ЕВ. Принципы автоматизированного программного комплекса построения экспертных систем // «Программные продукты и систе-

мы» - Тверь № 1 (77) 2007 МНИИПУ, Главная редакция международного журнала и НИИ «Центрпрограмсистем» 2007 г. с 44-45 (0,24 п л.)

3 Зуров Б.В Особенности моделей представления знаний в экспертных системах // Сб науч. тр «Автоматизированные системы управления на транспорте», под. ред. ЮМ Кулибанова. - СПб.. СПГУВК, 2003 -с 135-137

4. Зуров ЕВ Выбор критериев для сравнения механизмов управления доступом в системах защиты информации IX Санкт-Петербургская международная конференция «Региональная информатика-2004 (РИ-2004)» Материалы конференции СПб.СПОИСУ,с 129-130

5. Зуров Е.В. Использование моделей представления знаний в построении экспертных систем // «ТРАНСКОМ-2004» Матер, межд науч -тех конф - СПб СПГУВК, 2004 - с. 35

6 Зуров Е В , Фомин В.В. Автоматизированная система построения экспертных систем //Сб науч тр «Информационные технологии и системы (управление, экономика, транспорт). Выпуск 1», под ред. Гаскарова Д В., Скобелевой И.П. - СПб.: ООО «Андреевский издательский дом», 2005 -с62-65

7 Зуров Е В Анализ подходов к построению систем основанных на знаниях // Сб науч -тех ст. «Автоматизация, информатизация, инновация в транспортных системах. Выпуск 1»; под ред Францева Р Э, Фомина В.В - СПб • СПГУВК, 2006 - с. 12-15

8. Зуров ЕВ Фомина И К Анализ подходов к построению систем основанных на знаниях // Матер. X Межд Науч -практ Конф. «Системный анализ в проектировании и управлении» 42- СПб Изд-во Политехи ун-та, 2006. - с 277-279

9 Зуров Е.В Разработка средств и методов автоматизированного построения экспертных систем Н Матер. X межд конф «Региональная информатика 2006» - с 31.

10 Зуров ЕВ Автоматизированный программный инструментарий построения экспертных систем. // Сб науч -тех ст. «Автоматизация, информатизация, инновация в транспортных системах Выпуск 2», под ред Францева Р Э, Фомина В В - СПб . СПГУВК, 2007 - с. 67-74

Печатается в авторской редакции

Подписано в печать 20 04.07 Сдано в производство 20 04.07

Лицензия № 000283 от 19.10 98 Формат 60x84 1/16 Уел -печ л 0,93

л ч -и^д л 1лрал1 /и Зхи Эшуси / /

Отпечатано в типографии Ф ГОУ ВПО СПГУВК 198035, Санкт-Петербург, Межевой канал, 2

Введение.

Глава 1: Проблемный анализ инструментальных средств разработки экспертных систем.

1.1 Классификационные различия в методологиях построения систем основанных на знаниях.

1.2. Методы формализованного представление знаний в системах основанных на знаниях.

1.3. Экспертные системы и автоматизированные системы управления.

1.4. Достижения инструментальных средств разработки экспертных систем.

1.5. Постановка задачи исследования.

1.6. Основные результаты по первой главе.

Глава 2: Формализация знаний проблемной области в базе знаний с сетевой структурой.

2.1. Назначение и принципы модели представления знаний автоматизированной системы построения экспертных систем.

2.2. Средства представления знаний визуально-объектной модели знаний.

2.3. Правила синтеза визуально-объектных моделей доменных областей.

2.4. Методика формализованного представления знаний в виде визуальной модели знаний.

2.5. Результаты второй главы.

Глава 3. Автоматизированная программная система построения экспертных систем.

3.1. Основные концепции автоматизированного инструментального средства построения экспертных систем.

3.2. Информационно-логическая структура системы.

Формализация модулей системы.

3.3. Процедурная модель принятия решений в пространстве состояний.

3.4. Технологические этапы автоматизированной разработки ЭС.

3.5 Функциональные требования, предъявляемые к разрабатываемым ЭС.

3.6 Основные результаты по третей главе.

Глава 4: Разработка экспертной системы диагностирования судовых дизельных установок в составе автоматизированной системы диагностирования.

4.1. Предметный анализ области диагностирования судовых дизельных установок.

4.2. Формализация требований к функциям ЭС «диагностирование судовых дизельных установок».

4.3. Реализация ЭС «диагностирование судовых дизельных установок».

4.4. Основные результаты по четвёртой главе.

Актуальность. На сегодняшний день любая сфера человеческой деятельности характеризуется накоплением больших объёмов информационных ресурсов, выдвигающих на первый план проблемы представления свойств знаний, таких как однородность, полнота сведений, достоверность, однозначность, непротиворечивость и пр. Возрастающие проблемы доступа к использованию человеком информации при принятии управленческих решений в автоматизированных системах управления (АСУ) с учётом конкретной ситуации актуализирует задачи разработки систем, основанных на знаниях (СОЗ), экспертных систем и систем поддержки принятия решений. Современные информационные технологии основываются на практическом внедрении знаний в широком смысле слова (форм, моделей, языков, знаковых конструкций), которые служат для описания сложных технических объектов в разных сферах научно-исследовательских, проектных, технологических, производственных областях человеческой деятельности и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления.

Индустриальные технологии разработки интеллектуальных информационных систем различных типов требуют привлечения больших ресурсов. Важнейшим ресурсоопределяющим фактором является привлечение экспертов предметной области и когнитологов для извлечения и формализованного представления знаний, с одной стороны, и группы инженеров-программистов для организации полученных экспертных знаний в базы знаний (БЗ) и реализации методов логической обработки в виде программного продукта, с другой стороны. Такой подход требует выделения значительных временных и финансовых затрат и выдвигает на первый план необходимость создания технологий, направленных на проблему эффективности применяемых инструментальных средств разработки экспертных систем.

Непрерывное усложнение технических решений, которые находят своё применение в том или ином техническом объекте судового оборудования предъявляет требования к постоянному повышению квалификации обслуживающего персонала. Опыт эксплуатации сложных технических объектов всё больше подтверждает возрастающее влияние человеческого фактора на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения. Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных. Эволюция вычислительной техники и средств коммуникации несёт за собой новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы человеческой деятельности в сферу автоматизации технологических процессов и систем управления.

Сложные технические объекты характеризуется большим количеством контролируемых параметров, которые различаются по своей информативности и степени доступности. Процесс управления такими объектами характеризуется либо принятием решений в условиях высокой степени неопределённости, либо требует значительных затрат материальных и временных ресурсов с целью снижения неопределённости, а следовательно, и повышению эффективности принимаемых решений. Это, в свою очередь, делает актуальным направление развития высокотехнологичных инструментальных средств СОЗ с интегральной поддержкой всего жизненного цикла, начиная с решения проблем извлечения знаний предметной области, построения их концептуальной модели и передачи в базу знаний и кончая методикой проведения испытаний над выпущенным прототипом экспертной системы (ЭС).

Цели и задачи исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем создания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с визуально-графическим представлением и формальным аналитическим аппаратом логико-семантических сетевых моделей знаний.

Для выполнения этой цели необходимо решить следующие задачи:

• Анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами для выработки стратегических апорий формирования единой интегральной концепции «сквозного» построения экспертных систем.

• Исследование подходов и методик с позиции определения продуктивного механизма формирования, хранения и использования знаний в виде декларативных и процедурных моделей представления информации.

• Создание модели семантически-объектного представления знаний путём проведения анализа методов по классу «визуальное» управление знаниями и учёта феномена человеческого фактора, основанного на положениях науки «психосемантика».

• Разработка методики символьного моделирования задач диагностирования, прогнозирования, ориентированных на создание эргономичного интерфейса взаимодействия с пользователем.

• Разработка программного инструментария автоматизированного построения экспертных систем, основанного на расширенном декларативном фреймово-сетевом представлении знаний, который обеспечивает семантическую идентификацию предметных областей путём поддержки объектно-ориентированного механизма манипуляциями символьно-графическими компонентами.

• Решение задачи диагностирования судовой дизельной установки на основе эксплуатационных технических характеристик агрегатных составляющих: цилиндропоршневая группа, газораспределительный механизм; топливная система, газотурбокомпрессор.

Методы исследований. В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний.

Научная новизна.

1. Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделённую свойствами: иерархичности, модульности, объектно-ориентированности.

2. Методика, модели, алгоритмы извлечения и формализации доменных знаний в форме разработанной декларативной фреймово-сетевой модели представления знаний и эвристической предикатной модели принятия решений.

3. Технология по формализации предметных знаний и их репрезентации компонентами модели визуально-объектного представления знаний, моделирования задач диагностирования, описывающая средства и методы символьного, структурно-графового, мнемографического представления информации.

4. Создан автоматизированный программный комплекс, поддерживающий полный жизненный цикл разработки ЭС. Он осуществляет поддержку манипулирования компонентами моделей визуально-объектного представления параметров технической диагностики (двигателей внутреннего сгорания), их кодирование в базу знаний экспертной системы и реализует поддержку процесса решения задач диагностирования, в том числе моделирование задачи, синтез решения и классификацию объектов.

Практическая ценность. В результате теоретических исследований создан программный комплекс автоматизированного построения экспертных систем, с помощью которого разработана ЭС «автоматизированная система диагностирования судовых дизельных установок». Разработанные программные продукты предоставляют следующие возможности:

• реализация сетевой концептуальной модели представления знаний и математических моделей, её описывающих в автоматизированном комплексе построения экспертных систем в виде совокупности программных модулей;

• предложенная технология автоматизированной разработки ЭС адаптирована к широкому кругу предметных областей;

• повышение эффективности решения задач диагностирования судовых технических средств, своевременное распознавание неисправностей и контроль технического состояния.

Основные положения, выводы исследований диссертации, а также инструментальный комплекс были использованы для разработки ряда экспертных систем и отдельных задач интеллектуализации принятия решений диагностики и контроля в различных государственных и коммерческих организациях, в том числе ООО «Модуль», ЗАО «Лимб».

Практическая значимость работы подтверждается соответствующими актами внедрения.

СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ

АИС Автоматизированная информационная система

АС Автоматизированная система

АСД Автоматизированная система диагностирования

АСПЭС Автоматизированная система построения экспертных систем

АСУ Автоматизированная система управления

БД База данных

БЗ База знаний

БФ База фактов

ВС Вычислительная система

ГРМ Газораспределительный механизм

ЖЦ Жизненный цикл

ИИ Искусственный интеллект

ИС Информационная система иис Интеллектуальная информационная система

КС Компьютерная система

ЛПР Лицо принимающее решение мвопз Модель визуально-объектного представления знаний

МПЗ Модель представления знаний

ООП Объектно-ориентированный подход од Объект диагностирования по Программное обеспечение ппо Прикладное программное обеспечение

РВМ Редактор визуального моделирования свт Средства вычислительной техники

СДУ Судовая дизельная установка

СИ Средство измерения соз Система основанная на знаниях

СУБД Система управления базой данных тд Техническое диагностирование тс Техническое состояние

ФС Формальная система цпг Цилиндропоршневая группа

ЭВМ Электронно-вычислительная машина эс Экспертная система

4.4. Основные результаты по четвёртой главе

1. Определены основные объекты предметной области диагностирование СДУ. Множество состояний неисправностей СДУ разделено на классы, с которыми, в свою очередь, сопоставлены соответствующие им диагностические признаки.

2. Произведён синтез МВОПЗ согласно методике формализации предметных знаний на основе экспертных знаний накопленных в области диагностирования СДУ.

3. На основе синтезированной модели разработана ЭС в составе АСД технических состояний СДУ. Разработанная система осуществляет распознавание технических состояний СДУ по признакам неисправностей предоставленных пользователем на основе решающих правил закодированных в форматированной БЗ экспертной системы.

Заключение

Современный этап развития общества характеризует появление наукоёмких и высокотехнологичных областей, а также областей, связанных с управлением сложными техническими объектами и их сопровождением в процессе эксплуатации. Большинство таких сфер человеческой деятельности характеризуются накоплением больших объемов разнородных информационных ресурсов. Отсутствие единых правил структуризации накапливаемых знаний, их децентрализованное хранение и обработка неизбежно приведёт к затруднению их сбора со стороны лица, принимающего решения в предметной области. Это, в свою очередь, повлечет принятие неэффективных и, более того, небезопасных управленческих решений. Данный факт ставит на первый план задачи разработки и внедрения интеллектуальных информационных систем и поддержки принятия решений в отмеченные информационно-насыщенные сферы.

Приведённые в настоящей работе научно-практические материалы свидетельствуют о том, что наиболее эффективным решением отмеченных проблем является разработка экспертных систем с помощью предложенной технологии автоматизированного проектирования. В результате проведённых в диссертационной работе научно-практических исследований получены следующие результаты:

1. Формализованная концептуально-логическая модель принятия решений о техническом состоянии объекта на основе экспертных систем.

2. Обоснован комплекс технических параметров определяющих состояние объекта и их отношений на основе графа семантических сетей и реализации информационной технологии визуального моделирования (для двигателей внутреннего сгорания).

3. Технология моделирования визуально-объектных, символьных знаний в виде форматированной реляционной структуры данных при реализации диагностических процедур технических средств.

4. Разработан программно-инструментальный комплекс, автоматизирующий процесс создания экспертных систем диагностирования, обеспечивающий высокую производительность, синтаксический и семантический анализ моделей представления в рамках концепт-символьных определений разработчика и гарантирующего качество формальных решений.

5. На базе инструментального комплекса разработки экспертных систем диагностирования разработана автоматизированная экспертная система «диагностирование судовых дизельных установок» в составе экспертной сетевой модели знаний на множестве экспериментальных значений и состояний технических характеристик, формализованных правил вывода (решений). Данная диагностическая система позволяет на основе полученных рабочих характеристик оценить текущее техническое состояние судовой дизельной установки и её агрегатов, а также инженерно обосновать полученные выводы (решения).

1. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение.—Мн.: Амалфея, 2000. — 304 с.

2. Автоматизированные информационные системы / Н.А. Криницкий, ГА. Миронов, Г.Д. Фролов; под ред. А.А. Дородницына. — М.: Наука. Главная редакция физико-математической литературы, 1982.—384 с.

3. Адаменко А.Н., Кучков А.М. Логическое программирование и Visual Prolog. -СПб.: БХВ-Петербург, 2003. 992 с.

4. Алгоритмы и программы восстановления зависимостей / Под ред. В.Н. Вапника.—М.: Наука, 1984. — 816 с.

5. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов.— М.: Высш. шк., 1983.— 295 с.

6. Ахо, Альфред, В., Хопкрофт, Джон, Ульман, Джефри, Д. Структуры данных и алгоритмы. /Пер. с англ.: М.: Издательский дом «Вильяме», 2001. 384с.

7. Базы знаний интеллектуальных систем: Учеб. пособие для вузов / Т. А. Гаврилова, В.Ф. Хорошевский.—СПб.: Питер, 2000. — 384 с.

8. Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. — 224 с.

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

10. Ю.Блинов Э.К., Розенберг Г.Ш. Техническое обслуживание и ремонт судов по состоянию: Справочник. СПб.: Судостроение, 1992.-192 с.

11. Бойко В.В., Савинков В.М. Проектирование баз данных информационных систем. М.: Финансы и статистика, 1989. - 351 с.

12. Большая энциклопедия транспорта. В 8 т. / Под общ. ред. В.П. Калявина. Т.6. Речной транспорт/Под ред. А.С. Бутова, А.М. Зайцева. СПб.: элмор, 1998. - 321 с.

13. П.Борщев В.Б. Пролог основные идеи и конструкции. - в кн.: Прикладная информатика. Сб. статей под ред. В. М. Савинкова. - М.: Финансы и статистика, 1986. - с. 49-76.

14. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. /Пер. с англ. — М.: «Издательство Бином», 1999. — 560 с.

15. Винер Н. Кибернетика или управление и связь в животном мире и машине. М.: Советское радио, 1968 - 326 с.

16. Волкова В.Н. Денисов А.А. Основы теории систем и системного анализа. -СПб.: Издательство СПбГТУ, 1999. 512 с.

17. Васильев Б.В., Кофман Д.М., Эренбург С.Г. Диагностирование технического состояния судовых дизелей. М.: Транспорт, 1982. -144 с.

18. Васильев Б.В., Ханин С.М. Надежность судовых дизелей.— М.: Транспорт, 1989.-184 с.

19. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. 6-е изд. Стер. -М.: Высш. шк., 1999.-576 с.

20. Вентцель Е. С. Овчаров JI.A. Теория случайных процессов и её инженерные приложения: Учеб. пособие для втузов. 2-е изд., стер. - М.: Высш. шк., 2000.-383 с.

21. Вешкельский С.А. Справочник судового дизелиста. Вопросы и ответы.— JL: Судостроение, 1990.-368 с.

22. Воройский Ф.С. Систематизированный толковый словарь по информатике. — М.: Либерея, 1998. — 376 с.

23. Гаскаров Д.В., Истомин Е.П., Кутузов О.И. Сетевые модели распределенных автоматизированных систем. СПб.: Энергоатомиздат, Санкт-Петербургское отделение. 1998.-352 с.

24. Гаскаров Д.В. Интеллектуальные информационные системы.— М: Высшая школа, 2003.—431 с.

25. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский А.В. Прогнозирование технического состояния и надёжности радиоэлектронной аппаратуры / Под ред. Т.А. Голинкевича. М.: Сов. Радио, 1974 - 224 с.

26. Гергей Т., Финн В.К. Об интеллектуальных системах // Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — с. 9-20.

27. Глаз А.Б. Параметрическая и структурная адаптация решающих правил в задачах распознавания. — Рига: Зинатне, 1988. — 167 с.

28. Голуб Е.С., Мадорский Е.З., Розенберг Г.Ш. Диагностирование судовых технических средств: Справочник. М.: Транспорт, 1993. - 150 с.

29. Горелик A.JL, Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания: Некоторые аспекты.— М.: Радио и связь, 1985. -160 с.

30. Грэхэм И. Объектно-ориентированные методы. Принципы и практика. 3-е издание.: Пер. с англ. -М.: Издательский дом «Вильяме», 2004. -880 с.

31. Данилов В.И., Сотсков А.И. Механизмы группового выбора.— М.: Наука, 1991.—176 с.

32. Джексон П. Введение в экспертные системы. Пер. с англ. -М.: Издательский дом «Вильяме», 2001.-624 с.

33. Иванов Б.Н. Дискретная математика. Алгоритмы и программы. М.: Лаборатория Базовых Знаний, 2002. -288 с.

34. Искусственный интеллект. Применение в интегрированных производственных системах / Под. Ред. Э. Кьюсиака. -М.: Машиностроение, 1991. 544 с.

35. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова.—М.: Радио и связь, 1990.—464 с.

36. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова.—М.: Радио и связь, 1990.—304 с.

37. Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства: Справочник / Под ред. В.Н. Захарова, В.Ф. Хорошевского. М.: Радио и связь, 1990.-368 с.

38. Калявин В.П., Мозгалевский А.В., Галка В.Л. Надежность и техническая диагностика судового электрооборудования и автоматики. СПб.: Элмор, 1996.-283 с.

39. Кане А.Б. Судовые двигатели внутреннего сгорания. СПб.: Судостроение, 1993.-344 с.

40. Касьянов В.Н., Евстигнеев В.А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ-Петербург, 2003. - 1104 с.

41. Кватрани Т. Rational Rose 2000 и UML. Визуальное моделирование: Пер. с англ. М.: ДМК Пресс, 2001. - 176 с. (Серия «Объектно-ориентированные технологии в программировании»).

42. Климов Е.Н. Управление техническим состоянием судовой техники. М.: Транспорт, 1985.- 199 с.

43. Кнут Д. Э. Искусство программирования, том 1. Основные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-720 с.

44. Кнут Д. Э. Искусство программирования, том 2. Получисленные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-832 с.

45. Кнут Д. Э. Искусство программирования, том 3. Сортировка и поиск, 2-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001 - 824 с.

46. Кольцов П.П. Математические модели теории распознавания образов // Компьютер и задача выбора. — М.: Наука, 1989. С. 89-119.

47. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. — М.: «Нолидж», 2000. — 352 с.

48. Кулибанов Ю. М., Кутузов О.И., Жернокова С.Л., Завьялов Н.М. Имитационное моделирование. Статистический метод. СПб.: Судостроение -131 с.

49. Лазарев И.А. Информация и безопасность. Композиционная технология информационного моделирования сложных объектов принятия решений. -М.: Московский государственный центр научно-технической информации, 1997.-336 с.

50. Лапко А.В., Ченцов С.В. Многоуровневые непараметрические системы принятия решений. — Новосибирск: Наука. Сиб. предприятие РАН, 1997.— 192 с.

51. Левин Р., Дранг, Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: 2000. - 239 с.

52. Лорьер Ж.-Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1991.-568 с.

53. Любарский Ю.Я. Интеллектуальные информационные системы.- М.: Наука. Гл. ред. физ.-мат. лит., 1990.-232 с.

54. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. : Пер. с англ. М.: Издательский дом «Вильяме», 2003. -864 с.

55. Марселлус Д. Программирование экспертных систем на Турбо Прологе. -М.: Финансы и статистика, 1994. 256 с.

56. Мартин Дж. Организация баз данных в вычислительных системах: Пер. с англ. /Под. ред. А.А. Стогния и А.Л. Щерса. М.: Мир, 1980. 662 с.

57. Маслов С.Ю. Теория дедуктивных систем и её применения. М.: Радио и связь, 1986.-135 с.

58. Мейер Б., Бодуэн К. Методы программирования: В 2-х томах. Пер. с франц. Ю.А. Первина /Под ред. А.П. Ершова. М.: Мир, 1982. Т.1. - 356 е., Т.2. - 368 с.

59. Методы современной теории автоматического управления / Под. ред. Н.Д. Егу-пова. Москва: изд. МГТУ, 2000. 748 с.

60. Мозгалевский А.В., Гаскаров Д.В. Техническая диагностика. М.: Высшая школа, 1975.-208 с.

61. Микони С.В. Модели и базы знаний. Учебное пособие. СПб.: СПГУПС, 2000.- 155 с.

62. Минский М. Фреймы для представления знаний / Пер. с англ. М.: Энергия, 1979- 151 с.

63. Нейлор К. Как построить свою экспертную систему. М. Энергоатомиз-дат, 1991 -286 с.

64. Нильсон Н. Принципы искусственного интеллекта.— М.: Радио и связь, 1985. -376 с.

65. Новиков Ф.А. Дискретная математика для программистов. СПб.: Питер, 2002.-304с.

66. Овсянников М.К., Петухов В.А. Судовые дизельные установки: Справочник. — Л.: Судостроение, 1986. — 424 с.

67. Оптические читающие автоматы / В.А. Ковалевский, Г.Л. Гимельфарб, А.Ф. Возиянов; под ред. В.А. Ковалевского. — Киев: Техника, 1980. — 207 с.

68. Основы технической диагностики. В 2-х кн. Кн. 1. Модели объектов, методы и алгоритмы диагноза / Под ред. П.П. Пархоменко. — М.: Энергия, 1976.-464 с.74.0суга С. Обработка знаний / Пер. с япон. -М.: Мир, 1989.-293 с.

69. Патрик Э. Основы теории распознавания образов / Пер. с англ.; под ред. Б.Р. Левина. -М.: Сов. радио, 1980.-408 с.

70. Попов Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - 288 с.

71. Попов Э.В. Фоминых И.Б. Кисель Е.Б. Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. -320 с.

72. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989. — 184 с.

73. Построение экспертных систем / Под ред. Ф. Хейса-Рота, Д.Уотермана, Д. Ленаш; Пер. с англ., под ред. В.Л. Стефанюка.—М.: Мир, 1987.—441 с.

74. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука; пер. с япон.—М.: Мир, 1989—220 с.

75. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания.— М.: Энергоиздат, 1981. — 80 с.

76. Рыбина Г.В. Принципы создания автоматизированной технологии проектирования интегрированных экспертных систем // Новости искусственного интеллекта / АИИ.- 1993.-С. 105-116.

77. Рыбина Г.В. Технология проектирования прикладных экспертных систем: Учеб. пособие.-М.: МИФИ, 1991.-104с.

78. Сидоров В.А., Сидоров А.В. Границы различения технических состояний машин // Вибрация машин: измерение, снижение, защита / Материалы Международной научно-технической конференции. Донецк: ДонНТУ, 2003.-с. 31-37.

79. Соболенко А.Н. Автоматизированные расчеты прочности судовых дизелей. — Спб.: Судостроение, 1994. — 160 с.

80. Советов Б.Я. АСУ. Введение в специальность: Учеб. для вузов по спец. «Автоматизированные системы обра б. информации и упр.». — М.: Высш. шк., 1989, — 128 с.

81. Стогний А.А., Кондратьев А.И. Информационные системы в управлении. — Киев: Об-во «Знание», 1980. — 48 с.

82. Теория выбора и принятия решений: Учеб. пособие. — М.: Наука, 1982. — 328 с.

83. Трофимов С.А. Case-технологии: практическая работа в Rational Rose. Изд. 2-е М.: Бином-Пресс, 2002. - 288с.

84. Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ.; под ред. Ю.И. Журавлева. — М.: Мир, 1978. — 411 с.

85. Ульман Дж. Базы данных на Паскале / Пер. с англ. Под ред. Ю.И. Топче-ва. М.: Машиностроение, 1990. - 368 с.

86. Уотермен Д. Руководство по экспертным системам. / Пер. с англ. М.: Мир, 1989,- 388 с.

87. Фомин В.В. Автоматизация логического моделирования программного обеспечения с применением формального аппарата семиотических систем. — СПб.: Энергоатомиздат, 2000. 250 с.

88. Фомин В.В., Шнуренко А.А., Теоретические основы автоматизированных информационных систем: Учеб. пособие. СПб.: СПГУВК, 2003. - 225 с.

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

90. Фор А. Восприятие и распознавание образов / Пер. с франц.; под ред. Г.П. Катыса. — М.: Машиностроение, 1989. — 272 с.

91. Фукунага К. Введение в статистическую теорию распознавания образов / Пер. с англ.; под ред. А.А. Дорофеюка. — М.: Наука, 1979. — 368 с.

92. Хорошевский В.Ф. Автоматизация программирования экспертных систем.- М.: МИФИ, 1988.- 64 с.

93. Хорошевский В.Ф. Механизмы вывода решений в экспертных системах.-М.: МИФИ, 1988.- 44 с.

94. Хорошевский В.Ф., Шерстнев В.Ю. Программный инструментарий представления знаний в экспертных системах // Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — с. 38-46.

95. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. - 608 с.

96. Чень Ч., Ли Р. Математическая логика и автоматическое доказательство теорем: Пер. с англ. /под ред. С. Ю. Маслова. М.: Наука. Главная редакция физико-математической литературы, 1983. - 360 с.

97. Червинская К.Р., Щелкова О.Ю. Медицинская психодиагностика и инженерия знаний / Под ред. Л.И. Вассермана. -СПб.: Ювента; М.: Издательский центр «Академия», 2002. 624с.

98. Чубукова И.А. Data Mining: Учебное пособие. М.: Интернет-Университет информационных технологий; БИНОМ. Лаборатория знаний, 2006.-382 с.

99. Шенк Р., Хантер Л. Познать механизмы мышления. // Реальность и прогнозы искусственного интеллекта. М.: Мир, 1987. с. 15-26.

100. Шишкин В.А. Анализ неисправностей и предотвращение повреждений судовых дизелей. -М.: транспорт, 1986. 192 с.

101. Шнуренко А.А., Фомин В.В. Теоретические основы автоматизированных информационных систем. СПб., СПбГУВК, 2003. - 225 с.

102. Экспертные системы: Инструментальные средства разработки: Учеб. пособие / Л.А. Керов, А.П. Частиков, Ю.В. Юдин, В.А. Юхтенко; под ред. Ю.В. Юдина. — СПб.: Политехника, 1996. — 220 с.

103. Экспертные системы. Принципы работы и примеры / А. Брукинг, П. Джонс, Ф. Кокс и др.; под ред. Р. Форсайта; пер. с англ. — М.: Радио и связь, 1987. —224 с.

104. Эндрю А. Искусственный интеллект. М.: Мир, 1985. - 264 с.

105. Awad, Е.М. (1996). Building Expert Systems. West Publishing Co.

106. Boehm, B.W. (1988). "A spiral model of software development and enhancement". IEEE computer, May, p. 61-72.

107. Boose, J.H., D.S. Shema, and J.M. Bradshaw (1989). "Recent progress in Aquinas: A knowledge acquisition workbench". Knowledge Acquisition, 1, p. 185-214.

108. Clancey W. J. (1985). Heuristic classification. Artificial Intelligence, 27, p. 289-350.

109. Marcus, S. and J. McDermott (1989). "SALT: A knowledge acquisition language for propose-and-revise systems". Artificial Intelligence, 39, p. 1-37.

110. Musen, M. Domain Ontologies in Software Engineering: Use of Protege with the EON Architecture // Methods of Inform, in Medicine (1998), p. 540-550.

111. Newell A., Simon H. A. Human Problem Solving // Englewood Cliffs, Prentice Hall, N11, P. Blackboard systems, Technical report, Knowledge Systems Laboratory, Stanford University, Stanford (CA), 1986.

112. Reichgelt H. and van Harmelen E. (1986). Criteria for choosing representation languages and control regimes for expert systems. Knowledge Engineering Review, 1(4), p. 2-17.

113. Shotliffe E.H. (1976). Computer-Based Medical Consultations: MYCIN. New York: Elsevier.

114. Soumeya L. Achour., eds. A UMLS-based Knowledge Acquisition Tool for Rule-based Clinical Decision Support System Development. // J Am Med Inform Assoc. 2001 Jul-Aug; 8(4): 351-360.

115. Szolovits P., eds. (1982). Artificial Intelligence in Medicine. Boulder, CO: Westview Press.

116. The Common KADS Methodology. G. Schreiber, H. Akkermans, A. Anjew-ierden, R. Hoog, N. Shadbolt, W. Van de Velde, B. Wielinga // Knowledge engineering and management. MIT press, Massachusetts, 1999.