Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций

Юрин, Александр Юрьевич

Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций

кандидата технических наук: Юрин, Александр Юрьевич
город: Иркутск
год: 2005
специальность ВАК РФ: 05.13.11

Диссертация по информатике, вычислительной технике и управлению на тему «Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций»

Автореферат диссертации по теме "Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций"

На правах рукописи

Юрин Александр Юрьевич

ИНСТРУМЕНТАЛЬНОЕ СРЕДСТВО СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКИХ СОСТОЯНИЙ КОНСТРУКЦИЙ

Специальность 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Иркутск-2005

Работа выполнена в Институте динамики систем и теории управления СО РАН

(ИДСТУ СО РАН)

Научные руководители:

доктор технических наук, профессор Берман Александр Фишелевич кандидат технических наук, старший научный сотрудник Николайчук Ольга Анатольевна

Официальные оппоненты:

доктор технических наук, профессор Тятюшкин Александр Иванович

кандидат технических наук, доцент Сосинская Софья Соломоновна

Ведущая организация:

Институт вычислительного моделирования СО РАН

Защита состоится 24 октября 2005 г. в 16 час. 00 мин. на заседании диссертационного совета Д 003.021.01 в ИДСТУ СО РАН по адресу: 664033, г. Иркутск, ул. Лермонтова, 134, ком. 407.

С диссертационной работой можно ознакомиться в библиотеке ИДСТУ СО РАН.

Автореферат разослан 23 сентября 2005 г.

Ученый секретарь ^ ;

диссертационного совета / а ¡/м\ Опарин Г.А.

I V

n/te

ОБ1ЦАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследований. Проблема повышения эффективности и качества разработки прикладных программных систем все еще является актуальной и решается в различных направлениях: от совершенствования методики (методологии) разработки до создания специализированного инструментария, автоматизирующего данный процесс.

Наибольшая эффективность решения проблемы достигается тогда, когда программный инструментарий моделируется, проектируется и реализуется путем применения релевантных к решаемым задачам и этапам создания набора новых информационных технологий и инструментальных систем.

Одной из прикладных задач, требующей для своего эффективного решения создания прикладных программных систем, в том числе использующих знания и накопленный опыт предметных специалистов, является задача автоматизированной идентификации технического состояния деталей машин и конструкций Причем машины и конструкции могут принадлежать к различным видам и типам. Точная и своевременная идентификация технического состояния деталей машин и конструкций позволит обеспечить систематическое и эффективное исследование и повышение надежности машин и конструкций на любой стадии их существования. Особенно это важно, когда рассматриваются детали, отказы которых нарушают безопасность и создают угрозу для обслуживающего персонала, населения и окружающей среды. В связи с этим актуальным является разработка специализированных (проблемно-ориентированных) инструментальных средств создания интеллектуальных систем (систем поддержки принятия решений), автоматизирующих процесс решения прикладных задач, направленных на повышение надежности и безопасности машин и конструкций.

Вопросы повышения эффективности управления, обеспечения качества прикладных систем, автоматизации и поддержки принятия решений, в том числе с использованием методов искусственного интеллекта и информационных технологий, рассмотрены в трудах Башлыкова A.A., Васильева С.Н., Гав-риловой Т.А., Геловани В.А., Глушкова В.М., Вагина В.Н., Вендрова А.М., Воронина Ю.А., Емельянова Н.Е., Еремеева А.П., Ларичева О.И., Лескина A.A., Липаева В.В., Любарского Ю.Я., Мешалкина В.П., Ноженковой Л.Ф., Осипова Г.С., Попова Э.В., Поспелова Г.С., Поспелова Д.А., Рыбиной Г.В., Рубашкина В.Ш., Сосинской С.С., Трахтенгерца Э.А., Тятюшкина А.И., Хорошевского В.Ф., Черноруцкого И.Г., Черняховской Л.Р., Юсупова P.M. и др., а также зарубежных ученых Джексона П., Люгера Д., Уотермена Д., Осуга С. и др.

Вопросам повышения эффективности исследования и повышения надежно-

сти и безопасности машин и конструкц irf'flScMAWffthAÄiM** Алымова В.Т.,

БИБЛИОТЕКА ]

3 С.Петербург /У«

* 09 ^"^f?

Бермана А.Ф.. Болотина В.В., Васильченко Г.С., Когаева В П , Лепихина А М . Махутова H.A., Мешалкина В.П., Москвичева В.В., Рембезы А.И., Рябинина И А., Северцева H.A., Тимашева С.А и др.

Связь работы с научными планами института и программами РАН. Исследование выполнялось в соответствии с планом фундаментальных исследований ИДСТУ СО РАН по проекту «Методы системного анализа и оптимального управления с приложениями к техническим, природно-производственным и социальным системам» и по Программе 16 Отделения энергетики, машиностроения, механики и процессов управления РАН «Динамика и устойчивость многокомпонентных машиностроительных систем с учетом техногенной безопасности» (координаторы - ак. РАН Матросов В.М., чл -корр РАН Махутов H.A.), проект № 3 16 «Разработка основ моделирования и обеспечения устойчивости многокомпонентных машиностроительных систем при экстремальных условиях функционирования» (рук. д.т.н. Берман А.Ф.).

Цель работы. Моделирование, проектирование и реализация Проблемно-Ориентированного Инструментального Средства (ПОИС), предназначенного для создания Интеллектуальных Систем Поддержки Принятая Решений (ИС ППР), автоматизирующих процесс идентификации технического состояния деталей машин и конструкций.

Основные задачи диссертационной работы:

1. Анализ современных подходов, методов и средств создания интеллектуальных информационных систем и проблемы идеи гификации технического состояния деталей машин и конструкций.

2. Моделирование предметной области с использованием UML и средства его реализации IBM Rational Rose.

3. Разработка методики автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

4. Разработка концепции и методики создания инструментального средства, включающих комплексное применение информационных технологий и систем для различных задач и этапов создания.

5. Моделирование, проектирование и программная реализация ПОИС для создания интеллектуальных систем, автоматизирующих идентификацию технического состояния деталей машин и конструкций.

6. Использование разработанного проблемно-ориентированного инструментального средства для создания интеллектуальной информационной системы поддержки принятия решений при:

• определении причин изменения технического состояния и отказов деталей;

• прогнозирований технического состояния деталей;

• обосновании и/или выборе мероприятий по предотвращению или снижению

скорости деградации технического состояния деталей.

Объектом исследования являются методы и средства искусственного интеллекта и информационные технологии применительно к созданию инструментальных средств.

Предметом исследования является разработка математического и программного обеспечения для автоматизации и информатизации процесса идентификации технического состояния деталей машин и конструкций.

Методы исследования. В работе использовались современные принципы и методы системного анализа, методология объектно-ориентированного анализа, моделирования и проектирования информационных систем, методы и средства искусственного интеллекта, основы теории распознавания образов и объектных баз данных.

На защиту выносится:

1. Методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

2. Концепция проблемно-ориентированного инструментального средства, автоматизирующего процесс разработки интеллектуальных систем (систем поддержки принятия решений) для автоматизированной идентификации.

3. Методика создания проблемно-ориентированного инструментального средства.

4. Формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей и инструментального средства, базирующиеся на языке моделирования иМЬ.

5. Программная реализация проблемно-ориентированного инструментального средства для непрограммирующего пользователя и интеллектуальной системы поддержки принятия решений, автоматизирующей процесс идентификации технического состояния объектов в нефтехимической промышленности.

Научная новизна работы:

1. Впервые разработана методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций, включающая-.

• представление процесса функционирования деталей машин и конструкций в виде непрерывно-дискретной последовательности технических состояний: исходной дефектности, поврежденности, разрушения, отказа;

• комплексное применение трех подходов, обеспечивающих решение задачи идентификации по прецедентам, по эвристическим правилам или их сочетанием

2. Впервые предложена концепция проблемно-ориентированного инструментального средства, обеспечивающая автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующим пользователем, реализующим новую методику (по пункту 1) автоматизированного решения задачи идентификации технического состояния

3. Разработанная методика создания проблемно-ориентированного инструментального средства отличается от известных комплексным применением информационных технологий и систем, в том числе:

• языка моделирования UML и реализующего его CASE-средства Rational Rose при моделировании предметных знаний, моделировании и проектировании программной системы, включая базу знаний продукционной ЭС CLIPS;

• ООСУБД Cache для обеспечения эффективного хранения (представления) предметных знаний в виде прецедентов;

• ЭС CLIPS для обеспечения эффективного хранения (представления) предметных знаний в виде продукций и фреймов;

• RAD-технологии и средства ее реализации Borland Delphi для обеспечения быстрого прототипирования.

4. Впервые построены формальные и объектно-ориентированные графические модели предметных сущностей (данных и знаний) для задачи идентификации технического состояния и разработанного инструментального средства.

Практическая значимость:

1. Алгоритмическое обеспечение методики автоматизированной идентификации технического состояния деталей машин и конструкций.

2. Автоматизация разработки прикладных программных систем на основе использования набора мастеров, обеспечивающих доступность и прозрачность процесса создания ИС ППР для непрограммирующих пользователей, снижение временных затрат на освоение систем (ПОИС и ИС ППР).

3. Разработка интеллектуальной системы поддержки принятия решений для определения причин изменения и прогнозирования технического состояния и отказов деталей, а также обоснования и/или выбора мероприятий по предотвращению или снижению скорости изменения технического состояния.

Практическая значимость работы подтверждается использованием программной разработки в Институте Машиноведения РАН и ИДСТУ СО РАН.

Личный вклад автора заключается в постановке и реализации задач исследования; обеспечении и формулировке основных положений научной новизны и практической значимости работы; формализации и моделировании данных и знаний; в программной реализации инструментального средства для создания интеллектуальных систем поддержки принятия решений.

Используемый в программной системе модуль построения динамического интерфейса разработан Павловым А.И. и не является предметом защиты.

Логическая модель базы данных оборудования, разработанная совместно с Павловым А.И. и Николайчук O.A., и формальные модели предметной области (за исключением модели инцидента/прецедента), полученные совместно с научными руководителями, являются неделимыми, что отражено в совместных публикациях.

Апробация работы. Результаты работы докладывались: на Всероссийской конф. «Инфокоммуникационные и вычислительные технологии и системы» (Улан-Удэ, 2003 г.); на IV Всероссийской конф. молодых ученых по математическому моделированию и информационным технологиям (Красноярск, 2003 г.); на Международной конф. «Разрушение и мониторинг свойств металлов» (Екатеринбург, 2003 г.); на школах-семинарах молодых ученых, аспирантов и студентов г. Иркутска «Математическое моделирование и информационные технологии: управление, искусственный интеллект, прикладное программное обеспечение, технологии программирования» (Иркутск, 20032005 гг.); на III Всероссийской конф. «Математика, информатика, управление» (Иркутск, 2004 г.); на Международной конф. «Интеллектуальные системы» (IEEE AIS'04, Дивноморское, 2004 г.); на V Международной конф. «Искусственный интеллект-2004» (Кацивели, 2004 г.); на V Всероссийской конф. с международным участием «Новые информационные технологии в исследовании сложных структур» (Иркутск, 2004 г.); на конф. «Ляпуновские чтения & Презентация информационных технологий» (Иркутск, 2002-2004 гг.); на научно-образовательном совместном семинаре Центра исследования устойчивости и нелинейной динамики и кафедры математической кибернетики Московского авиационного института (Москва, 2005г.).

Публикации. По теме диссертации опубликовано 20 работ. В том числе три в изданиях, рекомендованных ВАК, десять публикаций в трудах международных конференций и два Свидетельства об официальной регистрации программных продуктов.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и шести приложений. Объем диссертации составляет 144 страницы, включая 55 рисунков и 10 таблиц. Список литературы содержит 221 наименование, приложение на 37 страницах.

СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается актуальность диссертационной работы, формулируется цель и задачи исследования, определяется научная новизна и практическая значимость результатов.

В первой главе дается анализ современных интеллектуальных систем и технологий их построения, в том числе для решения задачи идентификации технического состояния деталей машин и конструкций. На основании анализа делается вывод о необходимости (ввиду отсутствия подобных систем) создания специализированного (проблемно-ориентированного) инструментального средства для разработки интеллектуальных систем поддержки принятия решений при решении задачи идентификации технического состояния деталей уникальных машин и конструкций, доступных для освоения и использования непрограммирующему пользователю-предметнику.

Во второй главе описывается предлагаемая соискателем методика автоматизированной идентификации технического состояния деталей машин и конструкций. Излагается концепция и методология разработки проблемно-ориентированного инструментального средства для создания ИС.

Разработка методики автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций осуществлена благодаря частичной формализации предметной области, в частности: представления процесса функционирования деталей машин и конструкций в виде непрерывно-дискретной последовательности технических состояний (исходной дефектности, поврежденности, разрушения, отказа); определения признаков технических состояний; определения причинно-следственного комплекса изменения технического состояния и др. Согласно методике, процесс идентификации технического состояния состоит в последовательном определении всех фаз нежелательных состояний объекта, от дефекта до текущего (идентифицируемого) состояния, на основе данных о внешних признаках текущего состояния объекта и когнитивных моделей деградационных процессов.

Идентификация нежелательных состояний осуществляется в результате применения технологии экспертных систем и сочетания двух подходов в рамках данной технологии: прецедентных (Case-Based Reasoning) и продукционных (Rule-Based Reasoning) экспертных систем. Подобная гибридизация позволяет избавиться от недостатков, присущих этим подходам.

В рамках автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций разработана концепция программного инструментария для разработки ИС ППР. Реализация концепции позволит создавать интеллектуальные системы, обладающие следующими функциями: сбор и анализ данных о техническом состоянии детали (идентификации технического состояния на основании данных, введенных пользователем); проведение исследования (определения) причин изменения технического состояния; обоснование эффективных мероприятий по восстановлению технического состояния и увеличению ресурса деталей.

Создаваемые ИС ППР позволят решать широкий круг задач на всех стадиях жизненного цикла машин и конструкций:

• на стадии создания - оценка технологической наследственности и совершенствование технологии изготовления, обоснование методов и средств диагностирования;

» на стадии эксплуатации - определение рациональных объемов и содержания ремонтных и профилактических работ, планирование и проведение восстановительных работ после инцидентов и аварий, обоснование рекомендаций по совершенствованию машин и конструкций. В качестве основной формы взаимодействия пользователя с системой выбран управляемый программой диалог. В основе диалога - сценарий - законченная последовательность действий, выполняемых с целью получения желаемого результата и реализованная в форме программы-мастера.

Методика создания инструментального средства заключается в комплексном применении информационных технологий и систем (рис. 1).

Стадии разработки Информационные системы и технологии

Идентификация

Концептуализация

Формализация

Проектирование

Реализация

ООА и ООП

UML

Rational Rose

п _ .. &.....3

] ООСУБД ; эс \ RAD

| Cache' | CLIPS |! Delphi i

Рис.1. Комплексное применение инструментария.

В третьей главе описывается процесс моделирования и проектирования проблемно-ориентированного инструментального средства. Предложены моде-

ли предметной области, отражающие структуру предметных понятий и динамику их поведения.

Обоснован выбор способов представления предметных знаний в программной системе. Описаны концептуальная архитектура инструментария, особенности его пользовательского интерфейса, алгоритмические основы решения задачи идентификации технического состояния.

Согласно предлагаемой ранее (глава 2) методике производится моделирование и проектирование инструментального средства: определяются его основные пользователи; варианты использования инструментария выделенными пользователями с дальнейшей их детальной проработкой в виде абстрактных 1рафов диалога; формирование описания управляющих классов, сигнатуры их основных методов; разработка концептуальной архитектуры (рис. 2).

г - Модуль " извлечения г--г знаний

I____________

Модуль создания и управления базами знаний

Гибридная экспертная система

Прецедентная экспертная система

Модуль извлечения

I | I Модуль I | адаптации

База прецедентр!

_____I

-> >в

Продукционная экспертная система

Интерпретатор

ш Редактор I | базы знаний

СИ

—

Модуль генерации отчетов

Интерфейс (мастера)

Рис. 2. Архитектура проблемно-ориентированного инструментального средства Важнейшей задачей при разработке инструментального средства является систематизация и обобщение данных и знаний в области динамики технических состояний, надежности механических систем и последующая разработка алгоритмов их обработки (идентификация, концептуализация и формализация).

В результате анализа осуществлено построение обобщенной формальной и визуальной (графической) объектно-ориентированной модели механической системы (машины или конструкции) - объекта исследования. Данная модель отражает структурные (специфицированное изделие - сборочные единицы -детали) и технические свойства; технические состояния и причины их изменения с учетом деградационных процессов и др.

Обобщенная модель объекта описывает объект на стадии проектирования - статика (1) и на стадии эксплуатации - динамика (2).

0Стап = {ВВФП,Св",СП) (1), 0Дш = (т,ВВФэ,Св3,Сэ) (2)

где ВВФ - внешние воздействующие факторы; Се - свойства объекта, Се = {Мт,ТХ,ТТр), Мт - материал, ТХ - технические характеристики, ТТр -технические требования; С" - исходное состояние объекта, Сп = [д}, Д,- дефект объекта; Сэ - состояния объекта на стадии эксплуатации, Сэ ={ДЛ,}, ДП,- деградационный процесс объекта; Сэ - [г ->СК>'}, Ск - [дн?[, ДП, = [дп? ,ДП? -> ДП**], в момент начала функционирования объекта Г0: Сл = Сэ; Т - дискретные моменты времени жизненного цикла объекта; -> -причинно-следственное отношение; индексы: Г1 - проектные значения, Э -эксплуатационные, / - вид деградационного процесса, К - вид состояния (по-врежденность, разрушение, отказ).

В практике надежности существует понятие «инцидент» - это отказ или повреждение (разрушение) технических устройств, отклонение параметров технологического процесса и другие нарушения. Понятие инцидента описывается нами в виде обобщенной формальной модели «прецедента»: Прецедент = {рСшш, ОДи", Причина, Решение) (3),

где Причина - причина инцидента (прецедента) - различного рода нарушения и несовершенства конструирования, изготовления и эксплуатации объекта (машин и конструкций), приводящие, в свою очередь, к возникновению и развитию деградационных процессов; Решение - решение, принятое по инциденту (прецеденту) - набор рекомендуемых мероприятий, принятие которых позволяет уменьшить (или полностью исключить) возможность возникновения подобного инцидента в будущем, а также восстановить техническое состояние и уточнить ресурс деталей машины и конструкции.

Использование обобщенных предметных понятий и объектно-ориентированного проектирования позволяют разработать «обобщенные» методы решения задачи (методы, обрабатывающие обобщенные данные) и, как следствие, разработать универсальное по предметной области проблемно-ориентированное инструментальное средство, позволяющее повысить эффективность и качество разработки ИС ППР за счет минимизации временных затрат на этапах формализации предметной области и разработки методов решения задачи идентификации.

Наличие трех подходов решения задачи предполагает использование разных форм представления знаний (прецедентного и продукционного) и приво-

дит к необходимости преобразования знаний из одной формы в другую Наиболее эффективным решением данной проблемы является выбор некой универсальной модели (формы) представления знаний, обеспечивающей не только качественное преобразование, но и хранение знаний. В качестве такой модели было решено использовать объектное представление предметных сущностей: рассматривать предметные сущности как объекты (и классы), связи между сущностями - в качестве отношений между объектами и классами, а для хранения объектов использовать ООСУБД.

Структура прецедента (рис.3) позволяет применить для решения задачи идентификации по прецедентам элементы процедуры последовательных решений - поиск решения производится в три этапа, по отдельным фрагментам (группам признаков) прецедента. Происходит постепенное «стягивание» пространства прецедентов гиперсферой или гиперкубом, при этом в область гиперкуба попадают проблемные ситуации, имеющие сходное описание с исследуемой по анализируемому на-

этап 1

Рис. 3. Фрагмент структуры прецедента и этапы идентификации.

бору признаков.

На первом этапе для отбора аналогов используется метод индексирования. в результате выполнения которого анализируются индексы, описывающие структурную принадлежность объекта (рис.4). С целью снижения вычислительной мощности процедуры поиска решения пользователь может разделить процесс отбора аналогов на уровни (рис.5), воспользовавшись особенностью структуры составного индекса. На первом уровне ведется поиск аналогичных ситуаций, произошедших с прототипом рассматриваемой детали

3 х о.

о. и К

Рис. 4. Структура составного индекса прецедента.

Уровень 1 Уровень 2

Уровень 3 1ЫЫ се I и I л I п I I I д

Рис. 5. Пример использования различных элементов составного индекса для извлечения аналогов при разделении процесса извлечения на три уровня

1И1 - элемент составного индекса, задействованный в процедуре извлечения аналогов

(оценка близости максимальна). При этом используются описания всех структурных компонентов, в состав которых входит деталь. На втором уровне для отбора используются описания специфицированного изделия и сборочной единицы (в состав которых входит деталь) и самой детали (оценка близости уменьшается). На третьем

уровне отбор осуществляется только с использованием описания самой детали. Переход на следующий уровень происходит, если не удалось обнаружить аналоги.

На втором этапе поиск решения осуществляется по признакам технического состояния (поврежденности, разрушения, отказа) с разделением процесса поиска на уровни, соответствующие состояниям. Для каждого прецедента формируются двоичные вектора, отражающие наличие (1) или отсутствие (0) определенного признака на данном уровне поиска, соответствующего определенному классу признаков. Отбор аналогичных прецедентов осуществляется путем измерения (оценки) близости между сформированными двоичными векторами. При этом анализируются только вектора, соответствующие отобранным на предыдущем этапе прецедентам.

Оценка близости вычисляется как отношение количества совпавших единичных разрядов векторов рассматриваемой проблемной ситуации (*) и аналогичной проблемной ситуации (у) к общему числу единичных (значимых) разрядов вектора х (4). Формула представляет собой модификацию формулы вычисления расстояния по Хэммингу1. Чем ближе к единице оценка близости, тем меньше отличий между векторами:

где V) - функция вычисления оценки близости двоичных векторов, описывающих проблемные ситуации Хи У; Ь(х„у,) - функция сравнения разрядов векторов; п - длина векторов: х„у, - разряды векторов.

К третьему этапу допускаются только такие аналогичные ситуации, у которых оценка близости векторов больше определенного порога, задаваемого пользователем. По умолчанию этот порог равен 0, то есть отсекаются только

(4)

1ДюкВА Компьютерная психодиагностика -СПб Братство, 1994 - 364с

бесперспективные в данном случае прецеденты, описание которых полностью не совпадает с описанием рассматриваемой ситуации.

На третьем этапе уточняются оценки близости отобранных на предыдущем этапе аналогов на основании значений признаков технического состояния. Уточнение происходит путем свертки многомерного признакового пространства с учетом важности признаков1,2.

На данном этапе путем задания важности признаков учитываются субъективные предпочтения эксперта. Важность признаков задается либо пользователем (посредством лингвисти-

Таблица 1.

Соответствие значений шкалы важности признаков и частот их встречаемости в

ческой шкалы), либо путем анализа базы прецедентов и соответствует частоте встречаемости признака в описании проблемных ситуаций (Таблица 1). Признаки, описывающие проблемную ситуацию, подчиняются определенной иерархии (Рис.6). Наличие данной иерархии обеспечивает отличие весовых факторов одноименных признаков, характеризующих различные проявления процесса деградации.

Значения по лингвистической шкале Значения но числовой шкале в долях от единицы Частота (%)

очень важно важно маловажно неважно 1 0,65 0,05 0 100-83 82-50 49-16 15-0

Рис. 6 Пример иерархии признаков, описывающих проблемную ситуацию и наличия разных значений важности у одноименных признаков

Пользователю предоставляется возможность изменять порядок следования 2 и 3 этапов решения задачи идентификации: он может быть последовательным (при получении удовлетворительных результатов на каждом из этапов), итеративным или комбинированным (при неудовлетворительности решения на одном из этапов и необходимости повторного их прохождения в другой

гГоретикА 7. Скрипки» В А Методы распознавания Учеб пособие дня вузов - 4-е изд, испр М ВШ.2004 - 261 с нп

последовательности или с уточненными признаками).

' Полученное решение может быть адаптировано, при этом используется адаптация трансформационного типа (transformational adaptation)3. Процесс адаптации осуществляется пользователем и может принимать две основные формы- (а) преобразование описания рассматриваемой проблемной ситуации осуществляется путем переопределения описания рассматриваемой проблемной ситуации и приводит к повторению процесса идентификации по прецедентам; (б) преобразование решения, принятого по проблемной ситуации, осуществляется путем изменения элементов решения на основании экспертных знаний о процессах и явлениях, воплощенных в модели предметной области.

По завершению адаптации происходит занесение описания новой проблемной ситуации в базу прецедентов - обучение ИС ППР.

В основе решения задачи идентификации технического состояния по правилам лежит структура причинно-следственного комплекса формирования инцидента (отказа)4. На основе данной структуры была разработана продукционная база знаний, разработка которой производилась с использованием UML и Rational Rose в качестве средств моделирования и проектирования предметных сущностей и зависимостей между ними, которые в дальнейшем были преобразованы в образцы фактов и обобщенные правила (Рис. 7,8).

Описание класса UML Структура фрейма

Класс 1

Атрибут 1 Атрибут 2

Класс 1

Слот 1 Атрибут 1

Слот 2 Атрибут 2

с)

Фрейм-образец CLIPS

(deftemplate Класс 1 (slot Атрибут \) (slot Атрибут 1)

Рис.7. Преобразование класса на UML в описание фрейма образца базы знаний CLIPS. Модель классов UML

с)

Продукционное правило если Класс_В и Класс С то Класс_А

-CL

Обобщенное правило CLIPS (de/rule Класс_А_1 "Класс_А=КлассКласс_С" 1 (Класс_В (Атрибут_1 ?а) (Атрибут_2 ?Ь) ..) (Класс_С (Атрибут J 7к) (АтрибутJ2 ?1) | => (assert (Класс_А (Атрибут 1 ?х) ...))) Рис.8. Преобразование отношений между классами на UML диаграмме (Rational Rose) в обобщенное правило базы знаний CLIPS.

' Aamodt А , Plaza Е Case-Based reasoning Foundational issues, methodological variations, and system approaches AI Communications, vol.7(1994), no 1, pp 39-59

4 Бериан А Ф Деградация механических систем - Новосибирск Наука, 1998 - 320 с

В четвертой главе приводится описание программной реализации проблемно-ориентированного инструментального средства для создания ИС ПИР. В качестве средства реализации программной системы выбрано RAD-средство Delphi (Borland), что позволило применить принцип быстрого прототипирова-ния при разработке инструментария. Для реализации объектной базы прецедентов использовано ООСУБД Cache (InterSystems), что позволило не только полностью отобразить информационную модель прецедента на уровень хранения данных, но и воспользоваться при реализации классов базы данных механизмами наследования и полиморфизма.

Продукционная база знаний реализована с использованием средства построения экспертных систем CLIPS (С Language Integrated Production System) Использование готового интерпретатора CLIPS позволило избежать разработки собственной продукционной машины вывода, стратегий разрешения конфликтов и сосредоточиться на разработке базы знаний.

В пятой главе описывается процесс создания прикладной ИС для идентификации технического состояния деталей машин и конструкций нефтехимических комплексов с помошью разработанного проблемно-ориентированного инструментального средства. Приводятся примеры применения созданной ИС для решения задач:

• определения причин и прогнозирования изменения технического состояния деталей;

» обоснования мероприятий по предотвращению или снижению скорости изменения технического состояния деталей.

Инструментальное средство является проблемно-ориентированным и изначально содержит минимальный набор знаний, который включает:

• описание обобщенной структуры изделий (машин и конструкций) и их свойств: описаны абстрактные структурные классы: деталь, сборочная единица, специфицированное изделие; атрибуты абстрактных структурных классов, в том числе классы технических требований, свойств и др.;

• описание структуры технических состояний и параметров, их характеризующих. Выделены основные классы технических состояний: повреж-денность, разрушение, отказ; описана структура (иерархия) параметров, характеризующих выделенные технические состояния;

• описание обобщенной структуры причинно-следственного комплекса процесса деградации. Выделены основные классы причин изменения технического состояния: конструкционная, производственная, эксплуатационная;

• продукционную базу знаний, содержащую знания об основных процессах деградации деталей машин и конструкций.

Данный набор является необходимым, но не является достаточным для успешного решения задач в какой-то определенной предметной области. Применение программ-мастеров («Мастер описания и регистрации проблемной ситуации» (рис. 9), «Мастер выявления (настройки) субъективных представлений пользователя» и др.) позволяет описав предметную область, расширить необходимый набор знаний и данных и тем самым создать ИС. Использование мастеров для создания ИС позволяет обеспечить доступность данного процесса для непрограммирующих пользователей.

Просмотр сведек**

Лринделеэтшеть эбъвктй т\$мзента Заем . ОАО ''Ангорская Ф9С Ороизво Ло/ЭД'тлеи Пиния Линий

Рэдмие Трдб^вп^ «ггарат Хоеддоы«* газа Сбхештл Тр</5д в 7\

--<- г п^лп-от? ц -«•¡и -

Зись вы можете преоогре^ г**1эе»©ения. параметрыи 4«

гнлчвния объекте И« К.<7ГОрМ* Грав01Й9«Ы№Л1вКГ Для яроемотрапарамзгре«8 г-дердеоеинрлгеткйм мыши ДЛЯ коврла®*»

пврймчныв ведения ] сведения об объекте ПОВРЕЖДЕНИЯ!* праиосождснне пйвреждйнИя

Шере>цдениз объекта.

Трещина (трещины

Парвметрыповрелвейи» иихзиечеим*

ИСТО*»« «ЖрОиЦйШй

Рис. 9. Пример экранной формы ИС 11ПР.

Определение причин изменения технического состояния осуществляется посредством мастера идентификации технического состоянш. Взаимодействуя с программой-мастером (отвечая на вопросы и следуя указаниям), пользователь описывает проблемную ситуацию. Затем осуществляется поиск похожих ситуаций согласно аш оритмическому обеспечению из главы 3.

С целью проверки работоспособности разработанной ИС ППР был проведен вычислительный эксперимент. Было сформировано две группы по 50 прецедентов: группа 1 «тестовая» и группа 2 - «базис» (прецеденты, храня-

щиеся в базе прецедентов). Группа 1 содержит случаи, для которых априори известно, существуют ли для них аналоги в группе 2: для 45 случаев аналоги имеются, для 5 - нет.

Программной системе для идентификации были предъявлены образы из группы 1. Для 45 были найдены аналогичные ситуации, для 5 аналогов найдено не было и произведена идентификация по правилам. Данный результат подтвердил работоспособность системы идентификации и ее пригодность для решения практических задач.

В заключении сформулированы основные научные положения, результаты диссертационной работы и направления дальнейших исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ 1 Впервые разработана методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций, характеризуемая совместным применением системного анализа, информационных технологий и методов искусственного интеллекта.

2. Предложена концепция проблемно-ориентированного инструментального средства, обеспечивающая автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующим пользователем, реализующим новую методику (по пункту 1).

4. Впервые построены формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей для решаемых задач.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Берман А.Ф., Николайчук O.A., Юрин А.Ю., Павлов А.И. Современные информационные технологии для диагностирования причин повреждения и разрушения изделий // Материалы Международной конференции «Разрушение и мониторинг свойств металлов», Екатеринбург, 26-30 мая 2003 г. - Екатеринбург, 2003.

2. Берман А Ф., Николайчук O.A., Юрин А.Ю., Павлов А.И. Концепция построения прецедентной экспертной системы // Материалы XII Международной конференции по вычислительной механике и современным прикладным программным системам, Владимир, 30 июня - 5 июля 2003 г. - М., 2003. -Т.2. -С.110-111.

3. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Объектно-ориентированное моделирование автоматизированной системы управления II Материалы XII Международной конференции по вычислительной механике и современным прикладным программным системам, Владимир, 30 июня - 5 ию-

ля 2003 г. - м., 2003. -Т.2. -С.109.

4. Берман А.Ф., Николайчук O.A., Юрин А.Ю., Павлов А.И. Идентификация прецедентов для определения причин отказов // Материалы Всероссийской конференции «Инфокоммуникационные и вычислительные технологии и системы», Улан-Удэ, 5-9 августа 2003 г. - Улан-Удэ, 2003. - Часть 1С.48-51.

5. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Моделирование свойств адаптивности программой системы // Материалы Всероссийской конференции «Инфокоммуникационные и вычислительные технологии и системы», Улан-Удэ, 5-9 августа 2003 г. - Улан-Удэ, 2003. - Часть 1С.45-48.

6. Юрин А.Ю., Павлов А.И. Прецедентная экспертная система по определению причин нежелательных состояний механических систем // Материалы III Байкальской школы-семинара «Математическое моделирование и информационные технологии», Иркутск - Ангасолка, 23-28 сентября 2003 г. - Иркутск, 2003. - С.32-33.

7. Юрин А.Ю., Павлов А.И. Обоснование мероприятий по предотвращению отказов механических систем // Доклады IV Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям, Красноярск, Академгородок, 3-5 ноября 2003 г. fhttp://www.ict.nsc.ru/ws'YM2003/621 If).

8. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Устойчивость сложных технических систем с учетом техногенной безопасности // Материалы конференции «Ляпуновские чтения & Презентация информационных технологий», Иркутск, 24-26 декабря 2003 г. - Иркутск, 2003. - С.11-14.

9. Юрин А.Ю. Гибридная экспертная система для определения причин инцидентов // Материалы IV Байкальской школы-семинара «Математическое моделирование и информационные технологии». Иркутск - Ангасолка, 14-20 марта 2004 г. - Иркутск, 2004. - С.36-37.

10. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Онтология надежности механических систем // Искусственный интеллект. - Донецк: Наука I осв'гга, 2004. - № 3. - С.266-271.

11. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Инструментальное средство идентификации состояний механических систем // Искусственный интеллект. - Донецк: Наука I ocßiTa, 2004. - № 4. - С.268-275.

12. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Концепция автоматизированного создания информационных систем // Труды Международных научно-технических конференций «Интеллектуальные системы» (IEEE AIS'04) и «Интеллектуальные САПР» (CAD-2004). - М., 2004. - Т.2. - С.114-119.

13. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Гибридная экспертная система для поддержки принятия решений // Труды Международных научно-технических конференций «Интеллектуальные системы» (IEEE AIS'04) и «Интеллектуальные САПР» (CAD-2004). - М., 2004. - Т.1. - С.265-270.

14. Берман А.Ф., Николайчук O.A., Павлов А.И., ЮриД^.КиОЛоЬЬ^я надежности механических систем // Материалы Пятой

ренции «Искусственный интеллект. Интеллектуальные \-

системы-2004». - Таганрог, 2004. - Т.2. - С.470-474. 13182

15. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин

тальное средство идентификации состояний механически.. .............—

риалы Пятой Международной конференции «Искусственный интеллект. Интеллектуальные многопроцессорные системы-2004». - Таганрог, 2004. - Т.2. -С.83-87.

16. Юрин А.Ю., Павлов А.И. Представление и обработка знаний в интел-лектных системах повышения безопасности сложных технических систем // Вестник Томского государственного университета. — 2004. - №9 (П). - С.72-75.

17. Берман А.Ф., Николайчук O.A., Павлов А.И., Юрин А.Ю. Интеллектуальная информационная система для идентификации технических состояний механических систем // Материалы конференции «Ляпуновские чтения & Презентация информационных технологий», Иркутск, 21-23 декабря 2004 г. - Иркутск, 2004. - С.8.

18. Юрин А.Ю. Интеллектуальная информационная система для исследования технического состояния деталей машин и конструкций // Материалы VI Байкальской школы-семинара «Математическое моделирование и информационные технологии». Иркутск - Ангасолка, 2-7 апреля 2005 г. - Иркутск, 2005. -С.46.

19. Николайчук O.A., Павлов А.И., Юрин А.Ю. Инструментальное средство создания интеллектуальных систем поддержки принятия решений для идентификации технического состояния деталей машин и конструкций // Свидетельство об официальной регистрации программы для ЭВМ.-М. - Per. № 2005611217ОТ 25.05.05г.

20. Николайчук O.A., Павлов А.И., Юрин А.Ю. Инструментальное средство создания информационных систем автоматизации процесса исследования и обеспечения надежности механических систем // Свидетельство об официальной регистрации программы для ЭВМ. - М. - Per. № 2005611218 от 25.05.05 г.

Редакционно-издательский отдел Института динамики систем и теории управления СО РАН. 664033, г. Иркутск, ул. Лермонтова, 134.

Подписано к печати 15/09/2005 Формат бумаги 60x84 1/16, объем 1 п.л. Заказ 7. Тираж 100 экз.

Отпечатано в ИДСТУ СО РАН.

Оглавление автор диссертации — кандидата технических наук Юрин, Александр Юрьевич

перечень сокращений. введение.

1. АНАЛИТИЧЕСКИЙ ОБЗОР.

1.1. Состояние исследований в области информационных технологий и систем.

1.2. Состояние исследований в области надежности деталей машин и конструкций.

1.3. Современные подходы к процедурам поддержки принятия решений, структуре СППР и способам их создания.

Выводы.

2. РАЗРАБОТКА КОНЦЕПЦИИ И МЕТОДОЛОГИИ ИССЛЕДОВАНИЯ.

2.1. Методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

2.2. Концепция проблемно-ориентированного инструментального средства.

2.3. Методика создания проблемно-ориентированного инструментального средства.

Выводы.

3. МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНСТРУМЕНТАЛЬНОГО СРЕДСТВА.

3.1. Анализ требований к функциональности.

3.1.1. Пользователи.

3.1.2. Функции интеллектуальных систем.

3.1.3. Функции проблемно-ориентированного инструментального средства.

3.2. Концептуализация данных и знаний.

3.2.1. Объект.

3.2.2. Техническое состояние.

3.2.3. Параметры технического состояния.

3.2.4. Процесс деградации и его параметры.

3.2.5. Причины процесса деградации.

3.2.6. Мероприятия и последствия.

3.3. Формализация данных и знаний.

3.3.1. Прецедентная модель представления знаний.

3.3.2. Продукционная модель представления знаний.

3.4. Проектирование программного средства для работы с данными и знаниями предметной области.

3.4.1. Алгоритмическое обеспечение.

3.4.2. Графический интерфейс пользователя.

3.4.3. Управляющие классы.

3.4.4. База данных прецедентов.

3.4.5. База знаний.

3.4.6. Архитектура.

Выводы.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНСТРУМЕНТАЛЬНОГО СРЕДСТВА.

4.1. Прецедентная экспертная система.

4.2. Продукционная экспертная система.

4.3. Модуль генерации отчетов.

4.4. Интерфейс.

Выводы.

5. СОЗДАНИЕ И ПРИМЕНЕНИЕ ПРИКЛАДНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ (ИС ППР).

5.1. Методика создания ИС ППР при помощи инструментального средства.

5.2. Создание ИС ППР при помощи разработанного инструментального средства.

5.3. Применение ИС ППР для решения предметных задач.

5.3.1. Определение причин изменения технического состояния деталей (причины инцидента).

5.3.2. Прогнозирование технического состояния деталей.

5.3.3. Обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Выводы.

Введение 2005 год, диссертация по информатике, вычислительной технике и управлению, Юрин, Александр Юрьевич

Совершенствование процесса разработки прикладных программ, за счет использования специализированного инструментария, связано с необходимостью создания такого инструментария применительно к различным предметным или проблемным областям. При этом наибольшая эффективность решения проблемы достигается тогда, когда программный инструментарий моделируется, проектируется и реализуется путем применения, релевантных к решаемым задачам и этапам создания, набора новых информационных технологий и инструментальных систем.

Одной из прикладных задач, требующей для своего эффективного решения создания прикладных программных систем, в том числе использующих знания и накопленный опыт предметных специалистов, является задача автоматизированной идентификации технического состояния деталей машин и конструкций. Причем машины и конструкции могут принадлежать к различным видам и типам. Точная и своевременная идентификация технического состояния деталей машин и конструкций позволит обеспечить систематическое и эффективное исследование и повышение надежности машин и конструкций на любой стадии их существования. Особенно это важно, когда рассматриваются детали, отказы которых нарушают безопасность и создают угрозу для обслуживающего персонала, населения и окружающей среды. В связи с этим актуальным является разработка специализированных (проблемно-ориентированных) инструментальных средств создания интеллектуальных систем (систем поддержки принятия решений), автоматизирующих процесс решения прикладных задач, направленных на повышение надежности и безопасности машин и конструкций.

Вопросы повышения эффективности управления, обеспечения качества разрабатываемых прикладных систем, автоматизации и поддержки принятия решений, в том числе с использованием методов искусственного интеллекта и информационных технологий, рассмотрены в трудах Башлыкова

A.А., Васильева С.Н., Гавриловой Т.А., Геловани В.А., Глушкова В.М., Вагина В.Н., Вендрова A.M., Воронина Ю.А., Емельянова Н.Е., Еремеева А.П., Ларичева О.И., Лескина А.А., Липаева В.В., Любарского Ю.Я., Мешалкина

B.П., Ноженковой Л.Ф., Осипова Г.С., Попова Э.В., Поспелова Г.С., Поспелова Д.А., Рыбиной Г.В., Рубашкина В.Ш., Сосинской С.С., Трахтенгерца Э.А., Тятюшкина А.И., Хорошевского В.Ф., Черноруцкого И.Г., Черняховской Л.Р. , Уразбахтиной Л.Б., Юсупова P.M. и др., а так же зарубежных ученых Джексона П., Люггера Д., Уотермена Д., Осуга С. и др.

Вопросам эффективного исследования и повышения надежности и безопасности машин и конструкций посвящены работы Алымова В.Т., Бермана А.Ф., Болотина В.В., Васильченко Г.С., Когаева В.П., Лепихина A.M., Маху-това Н.А., Мешалкина В.П., Москвичева В.В., Рембезы А.И., Рябинина И.А., Северцева Н.А., Тимашева С.А и др.

Связь работы с научными планами института и программами РАН. Исследование выполнялось в соответствии с планом фундаментальных исследований ИДСТУ СО РАН по проекту «Методы системного анализа и оптимального управления с приложениями к техническим, природно-производственным и социальным системам» и по Программе 16 Отделения энергетики, машиностроения, механики и процессов управления РАН «Динамика и устойчивость многокомпонентных машиностроительных систем с учетом техногенной безопасности» (координаторы - ак. РАН Матросов В.М., чл.-корр. РАН Махутов Н.А.), проект № 3.16. «Разработка основ моделирования и обеспечения устойчивости многокомпонентных машиностроительных систем при экстремальных условиях функционирования» (рук. д.т.н. А.Ф.Берман).

Цель работы. Моделирование, проектирование и реализация Проблемно-Ориентированного Инструментального Средства (ПОИС), предназначенного для создания Интеллектуальных Систем Поддержки Принятия Решений (ИС ППР), автоматизирующих процесс идентификации технического состояния деталей машин и конструкций.

Основные задачи диссертационной работы:

1. Анализ современных подходов, методов и средств создания интеллектуальных информационных систем и проблемы идентификации технического состояния деталей машин и конструкций.

2. Моделирование предметной области с использованием UML и средства его реализации IBM Rational Rose.

5. Моделирование, проектирование и программная реализация Проблемно-Ориентированного Инструментального Средства (ПОИС) для создания интеллектуальных систем автоматизирующих идентификацию технического состояния деталей машин и конструкций.

• определении причин изменения технического состояния и отказов деталей;

• прогнозировании технического состояния деталей;

• обосновании и/или выборе мероприятий по предотвращению или снижению скорости деградации технического состояния деталей.

На защиту выносится:

3. Методика создания проблемно-ориентированного инструментального средства.

4. Формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей и инструментального средства, базирующиеся на языке моделирования UML.

Научная новизна работы:

1. Разработанная методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций предложена впервые, характеризуется совместным применением системного анализа, информационных технологий и методов искусственного интеллекта и включает:

• комплексное применение трех подходов, обеспечивающих решение задачи идентификации: по прецедентам, по эвристическим правилам или путем их сочетания.

2. Предложенная концепция проблемно-ориентированного инструментального средства, обеспечивает автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующими пользователями, реализующих новую методику (по пункту 1) автоматизированного решения задачи идентификации технического состояния.

3. Разработанная методика создания проблемно-ориентированного инструментального средства, отличается от известных комплексным применением информационных технологий и систем, в том числе:

• ООСУБД Cache для обеспечения эффективного хранения (представления) предметных знаний в виде прецедентов;

• ЭС CLIPS для обеспечения эффективного хранения (представления) предметных знаний в виде продукций и фреймов.

• RAD-технология и средство ее реализации Borland Delphi для обеспечения быстрого прототипирования;

4. Впервые построены формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей (данных и знаний) для задачи идентификации технического состояния и разработанного инструментального средства.

Практическая ценность:

1. Алгоритмическое обеспечение разработанной методики автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

3. Разработка интеллектуальной системы поддержки принятия решений для: определения причин изменения технического состояния и отказов деталей; прогнозирования технического состояния деталей; обоснования и/или выбора мероприятий по предотвращению или снижению скорости изменения технического состояния.

Логическая модель базы данных оборудования, разработанная совместно с Павловым А.И. и Николайчук О.А., и формальные модели предметной области (за исключением модели инцидента/прецедента), полученные совместно с научными руководителями, являются неделимыми, что отражено в совместных публикациях.

Апробация работы. Результаты работы докладывались: на Всероссийской конференции «Инфокоммуникационные и вычислительные технологии и системы» (Улан-Удэ, 2003 г.); на IV Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям (Красноярск, 2003 г.); на Международной конференции «Разрушение и мониторинг свойств металлов» (Екатеринбург, 2003 г.); на школах-семинарах молодых ученых, аспирантов и студентов г. Иркутска «Математическое моделирование и информационные технологии: управление, искусственный интеллект, прикладное программное обеспечение, технологии программирования» (Иркутск, 2003-2005 гг.); на III Всероссийской конференции «Математика, информатика, управление» (Иркутск, 2004 г.); на Международной конференции «Интеллектуальные системы» (IEEE AIS'04, 2004 г.); на V Международной конференции «Искусственный интеллект-2004» (Кацивели, 2004 г.); на V Всероссийской конференции с международным участием «Новые информационные технологии в исследовании сложных структур» (Иркутск, 2004 г.); на конференциях «Ляпуновские чтения & Презентация информационных технологий» (Иркутск, 2002-2004 гг.); на научно-образовательном совместном семинаре Центра исследования устойчивости и нелинейной динамики и кафедры математической кибернетики Московского авиационного института (Москва, 2005г.).

Публикации. По теме диссертации опубликовано 20 работ. В том числе три в изданиях рекомендованных ВАК, десять публикаций в трудах международных конференций и два Свидетельства об официальной регистрации программных продуктов.

Заключение диссертация на тему "Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций"

Выводы

Описана методика создания прикладных ИС ППР при помощи разработанного ПОИС. Особенностью методики является использование набора мастеров, обеспечивающих доступность и прозрачность процесса создания ИС ППР для непрограммирующих пользователей и снижение временных затрат на освоение программных систем (ПОИС и ИС ППР).

Приведены примеры, иллюстрирующие процесс создания и применения прикладных ИС ППР для решения задач: (а) определение причин изменения технического состояния деталей; (б) прогнозирование технического состояния деталей; (в) обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Примеры применения ИС ППР, рассмотренные выше, составляют вычислительный эксперимент, основная цель которого - проверка пригодности разработанных программных систем (ПОИС и ИС ППР) к решению прикладных задач и задачи идентификации технического состояния деталей машин и конструкций в частности. Заключение о пригодности формируется на основании оценки качества решений, полученных в процессе идентификации. Оценка качества определяется путем анализа точности подбора аналогов программной системой и учета мнения эксперта: насколько данное решение допустимо в данной ситуации.

Обще содержание эксперимента: (1) Формируются две группы по 50 инцидентов (прецедентов): группа 1 - «тестовая» и группа 2 - «базис» (инциденты, хранящиеся в базе прецедентов). Группа 1 содержит случаи, для которых априори известно о существовании аналогов в группе 2: для 45 случаев аналоги имеются, для 5 - нет; (2) ИС ППР предъявляются случаи из группы 1 для идентификации. (3) Анализируются результаты идентификации.

Для 45 случаев из группы 1 были найдены аналоги, для 5 - нет, и была произведена идентификация по правилам. Все решения, полученные в результате эксперимента, характеризуются качественным подбором аналогов и положительными экспертными оценками. Таким образом, можно говорить о пригодности ПОИС и ИС ППР для решения практических задач.

ЗАКЛЮЧЕНИЕ

В настоящее время наблюдается недостаток специализированных (проблемно-ориентированных) инструментальных средств, направленных на повышение эффективности и качества создания прикладных систем (в том числе СППР), и доступных для освоения и использования непрограммирующими пользователям-предметникам. Данная работа призвана, в какой-то мере, восполнить этот недостаток путем создания инструментального средства для разработки прикладных интеллектуальных систем, автоматизирующих процесс решения задачи идентификации технического состояния деталей машин и конструкций и использующих в процессе решения знания и накопленный опыт предметных специалистов.

К основным результатам данной работы следует отнести следующие:

Впервые предложена методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций, отличающаяся совместным применением системного анализа, информационных технологий и методов искусственного интеллекта и включающая:

Предложена концепция проблемно-ориентированного инструментального средства, обеспечивающая автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующими пользователями, применяющими новую методику (по предыдущему пункту) автоматизированного решения задачи идентификации технического состояния.

Разработана методика создания проблемно-ориентированного инструментального средства заключающаяся в комплексном применении информационных технологий и систем в том числе:

• UML и реализующего его CASE-средства Rational Rose при моделировании предметных знаний, моделировании и проектировании программной системы, включая базу знаний продукционной ЭС CLIPS;

• RAD-технологию и средство ее реализации Borland Delphi для обеспечения быстрого прототипирования;

• ООСУБД Cache для обеспечения эффективного хранения (представления) предметных знаний в виде прецедентов;

• ЭС CLIPS для обеспечения эффективного хранения (представления) предметных знаний в виде продукций и фреймов. Произведено моделирование и проектирование проблемно-ориентированного инструментального средства на основании предложенных концепции и методики с использованием объектно-ориентированного визуального моделирования и CASE-средства на всех этапах разработки. Результатом чего стало построение визуальных объектно-ориентированных моделей, в том числе:

• Моделей вариантов использования (Use Case), отражающих основных активных субъектов - пользователей разрабатываемого программного обеспечения и варианты использования пользователями проблемно-ориентированного инструментального средства и создаваемых с его помощью интеллектуальных прикладных систем.

• Моделей классов, отражающих ключевые предметные понятия (данные модели являются результатом частичной формализации процесса решения задачи идентификации технического состояния машин и конструкций), классы инструментального средства, их отношения, а так же модель базы данных прецедентов и структуру продукционной базы знаний.

• Моделей деятельности (Activity), отражающих алгоритмическое обеспечение процесса идентификации технического состояния (предложенной методики автоматизированной идентификации) и поведение, как инструментального средства, так и создаваемых с его помощью интеллектуальных прикладных систем.

• Моделей состояний (State), отражающих диалог активного субъекта с программными системами.

• Моделей компонентов, отражающих архитектуру программной системы и распределение программных классов по файлам (модулям).

У Обоснован выбор способов представления и эффективной обработки данных и знаний в программной системе в условиях частичной формализации предметной области:

• Знания представлены в виде прецедентов, продукций и объектов.

• Решение задачи осуществляется путем применения двух подходов в рамках технологии экспертных систем, основанных на прецедентах и продукциях.

Построена комбинированная система распознавания технического состояния машин и конструкций.

Описана программная реализации проблемно-ориентированного инструментального средства.

Приведены примеры, иллюстрирующие процесс создания и применения прикладных ИС ППР для решения задач:

• определение причин изменения технического состояния деталей;

• прогнозирование технического состояния деталей;

• обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Дальнейшие исследования будут посвящены развитию предложенного математического и программного обеспечения с целью его применения при решении задач идентификации не только технического состояния сборочных единиц, специфицированных изделий и технических систем в целом, но и другого рода объектов без привязки к предметной области и в режиме реального времени.

Библиография Юрин, Александр Юрьевич, диссертация по теме Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

1. Аркадьев-71. Аркадьев А. Г., Браверман Э.М. Обучение машины классификации объектов. М.: Наука, 1971. - 192 с.

2. Архипенков-99. Архипенков С. Аналитические системы на базе Oracle Express OLAP. Проектирование, создание, сопровождение. М.: Диалог-МИФИ, 1999. - 320 с.

3. Асратян-04. Асратян Р.Э., Козлов А.Д., Лебедев В.Н., Мараканов И.Н. Распределенная интегрированная информационная система поддержки принятия решений // Проблемы управления. 2004. - № 2. - С. 14-20.

4. Астелс-02. АстелсД., Миллер Г., НовакМ. Практическое руководство по экстремальному программированию. — М.: Вильяме, 2002. — 320 е., ил.

5. Ауэр-03. Ауэр К., Миллер Р. Экстремальное программирование: постановка процесса. С первых шагов и до победного конца. СПб.: Питер, 2003. - 368 е., ил.

6. Бадд-97. Бадд, Тимоти. Объектно-ориентированное программирование в действии: Пе-рев. с англ. СПб.: Питер, 1997. - 464 е.: ил.

7. Барсегян-04. Барсегян А.А., Куприянов М. С, Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ - Петербург, 2004. - 336 е.: ил.

8. Бахмудов-04. Бахмудов Р.М.-Р., Терелянский П.В. Концепция распределенной системы поддержки принятия решений //Известия вузов. Машиностроение. 2004. - №7 — С. 49-53.

9. Башлыков-02. Башлыков А.А., Еремеев А.П. Экспертная диагностическая система в составе интеллектуальной системы поддержки принятия решений реального времени // Новости искусственного интеллекта. 2002. -№ 3 - С.35-40.

10. Бек-02. Бек К. Экстремальное программирование. — СПб.: Питер, 2002. 224 е.: ил.

11. Бек-03. Бек К, Фаулер М. Экстремальное программирование: планирование. СПб.: Питер, 2003.-144 е., ил.

12. Баженова-01. Баженова И.Ю. Delphi 5. Самоучитель программиста.-М.: Кудиц-Образ, 2001.-336 с.

13. Бежанова-00. Бежанова М.М., Поттосин КВ. Современные понятия и методы программирования. М.: Научный мир, 2000. - 192 с.

14. Берман-94. Берман А. Ф. Формализация эмпирического смысла процесса отказа уникальных механических систем // Проблемы машиностроения и надежности машин. — 1994. -№ 3. С.89-95.

15. Берман-98. Берман А.Ф. Деградация механических систем. Новосибирск: Наука, 1998. -320 с.

16. Берман-99г. Берман А.Ф., Николайчук О.А. Формализация стадий развития чрезвычайных ситуаций //Доклады конференции «Теоретические и практические проблемы безопасности Сибири и Дальнего востока». Иркутск, 1999. - С. 182-185.

17. Берман-ОО. Берман А.Ф., Николайчук О.А. Object-oriented model of research for complex technical systems safety // Труды П Международной конференции «Проблемы управления и моделирования в сложных системах». Самара, 2000. - С.366-371.

18. Берман-04а. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Онтология надежности механических систем // Искусственный интеллект. Донецк: Наука I осв1та, 2004. - № 3.- С.266-271.

19. Берман-046. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Инструментальное средство идентификации состояний механических систем // Искусственный интеллект. Донецк: Наука I oceiTa, 2004. - № 4.- С.268-275.

20. Благодатских-03. Благодатских В.А, Волонин В.А, Поскакалов К.Ф. Стандартизация и разработка программных средств: Учеб. пособие. М.: Финансы и статистика, 2003. -288 е.: ил.

21. Болотии-90. Болотин В.В. Ресурс машин и конструкций. -М.: Машиностроение, 1990. -448 с.

22. Бонгард-67. Бонгард М.М. Проблема узнавания. М.: Физматгиз, 1967. - 320 с.

23. Буч-98. Буч Гради. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. 2-е изд.: Пер. с англ. М.: Бином, СПб: Невский диалект, 1998. -560 е.: ил.

24. Вагин-01. Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // //Изв. РАН. ТиСУ.- 2001. -№ 6. -С.114-123.

25. Вагин-02. Вагин В.Н. Знание в интеллектуальных системах // Новости искусственного интеллекта. 2002. - № 6 - С. 8-18.

26. Вагин-04. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина Н.В. Достоверный и правдоподобный вывод в интеллектуальных системах. / по ред. Вагина В.Н., Поспелова Д.А. М.: Физматлит, 2004. -704 с.

27. Варшавский-05. Варшавский П.Р. Метод рассуждения на основе прецедентов для интеллектуальных систем поддержки принятия решений // Сб. тр. Научной сессии МИФИ-2005. В 15т. Т. 3. - М.: МИФИ, 2005. - С.154-155.

28. Васильев-99. Васильев С.Н. К интеллектному управлению // Оптимизация, управление, интеллект. 1999. - №3. - С.4-67.

29. Васильев-00. Васильев С.Н., Жерлов А.К., Федосов Е.А., Федунов Б.Е. Интеллектное управление динамическими системами. — М.: Физматлит, 2000. 352 с.

30. Васильев-03. Васильев С.Н., Догановский С.А., Эдемский В.М. К интеллектному управлению дуговыми сталеплавильными печами //Автоматизация в промышленности. 2003. -№3.

31. Вендров-98. Вендров A.M. Case-технологии. М.: Финансы и статистика, 1998.

32. Владов-05. Владов Ю.Р. Аналитическая идентификация технического состояния и эффективность функционирования промышленных объектов // Автоматизация в промышленности. 2005. - №4. - С.9-12.

33. Вороиин-02. Воронин Ю.А., Черемисина Е.Н. О базовых задачах искусственного интеллекта в мультидисциплинарных исследованиях. Часть П. Оценивание, районирование, периодирование, предсказание и организация. Новосибирск: ИВМиМГ СО РАН, 2002.-177 с.

34. Гаврилов-01. Гаврилов А.В. Системы искусственного интеллекта: Учеб. пособие: в 2-х ч. Новосибирск: Изд-во НГТУ, 2001. -Ч. 1. - 67 с.

35. Гаврилова-00. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний и интеллектуальные системы. СПб.: Питер, 2000. - 384 е.: ил.

36. Гаврилова-02. Гаврилова Т.А. Логико-лингвистическое управление как введение в управление знаниями // Новости искусственного интеллекта. — 2002. № 6. - С.36-40.

37. Геловани-01. Геловани В.А., Башлыков А.А., Бришков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС, 2001. - 304 с.

38. Головина-02. Головина Е.Ю. Программные инструментальные средства для создания интеллектуальных систем поддержки принятия решений на базе логико-семиотического аппарата // Новости искусственного интеллекта. 2002. - № 3. - С.41-47.

39. Горев-97. Горев А., Ахаян Р., Макашарипов С. Эффективная работа с СУБД. СПб.: Питер, 1997.-704 е., ил.

40. Горелик-04. Горелик A.JI., Скрипкин В.А. Методы распознавания: Учеб. пособие для вузов. 4-е изд., испр. - М.: ВШ., 2004. - 261 е.: ил.

41. Городецкий-02а. Городецкий В.И., Самойлов В.В., Малое А. О. Современное состояние технологии извлечения знаний из баз и хранилищ данных (часть 1) // Новости искусственного интеллекта. 2002. - № 3. - С.3-12.

42. Городецкий-026. Городецкий В.И., Самойлов В.В., Малое А О. Современное состояние технологии извлечения знаний из баз и хранилищ данных (часть 2) // Новости искусственного интеллекта. 2002. - № 4. - С.3-9.

43. ГОСТ 27.002-89. ГОСТ 27.002-89. Надежность в технике. Основные понятия. Термины и определения.

44. Грязиов-00. Грязное А.В. Основные требования к системам поддержки принятия решений // Банковские Технологии. 2000. - № 3.

45. Гупал-05. Гупал В.М., Крупский М.А. Байесовская процедура распознавания, как метод диагностики технических систем //Приборы и системы. Управление, контроль, диагностика. 2005.-№ 3.

46. Даптемаип-95. Даптемапп Джефф, МишелДжим, Тейлор Дон. Программирование в среде Delphi: Пер.с англ . К.: НИПФ «ДиаСофт ЛТД», 1995. - 608 с.

47. Дворянкин-ОЗа. Дворянкин A.M., Кизим А.В., Жукова И.Г., Сипливая М.Б. Искусственный интеллект. Базы знаний и экспертные системы. Учеб.пособие — Волгоград: Изд-во ВГТУ, 2003. -140 с.

48. Дворянкин-ОЗб. Дворянкин AM., Сипливая М.Б., Жукова И.Г. Искусственный интеллект. Моделирование рассуждений и формальные системы. Учеб.пособие Волгоград: Изд-во ВГТУ, 2003.-140 с.

49. Девятков-01. Девятков В.В. Системы искусственного интеллекта: Учеб. пособие для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 352 е., ил.

50. Дейт-04. Дейт К. Дж., Дарвен X. Основы будущих систем баз данных. Третий манифест. Изд. 2-е. /Пер. с англ. М.: Янус-К, 2004. - 656 е., ил.

51. Джексон-01. Джексон, Питер. Введение в экспертные системы.: Пер. с англ.: Учеб. пособие. М.: Вильяме, 2001. - 624 е.: ил.

52. Дюк-94. Дюк В.А. Компьютерная психодиагностика. СПб.: Братство, 1994. - 364с.

53. Еремеев-02. Еремеев А.П., Денисенко JI.C. Прототип интеллектуальной системы поддержки принятия решений для управления энергообьектом // Программные продукты и системы. 2002. -№ 3.- С.38-41.

54. Еремеев-ОЗа. Еремеев А.П. Об интеграции моделей представления и оперирования знаниями в интеллектуальных системах поддержки принятия решений // Сб. тр. Научной сессии МИФИ-2003. В 14 т. Т. 3. - М.: МИФИ, 2003. - С.18-19.

55. Жоголев-04. Жоголев Е.А. Технология программирования. М.: Научный мир, 2004. — 216с.

56. Захаров-04. Захаров Н.А. Интеллектуальные системы в промышленности. //Автоматизация в промышленности. 2004. -№ 12. - С.49-51.

57. Зашихин-04. Зашихин А.С., Зашихин П.А., Зашихин В.А., Лысенко Е.Е. Объектноориентированная СУБД Jasmine. Jasmine Studio. М.: Бином-Пресс, 2004. - 320 е.: ил.

58. Иванова-02. ИвановаГ.С. Технология программирования: Учебник для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 320.: ил.

59. Информатика-01. Информатика: Учебник. 3-е перераб. Изд. /Под ред. Проф. Н.В. Макаровой. - М.: Финансы и статистика, 2001. - 768 е.: ил.

60. ИИ-90. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Поспелова Д.А. - М.: Радио и связь, 1990. - 304 е.: ил.

61. Ионин-94. Ионин С.В., Лизъко Ю.В., Хрущев B.C., Лисинская ЛИ. Анализ путей автоматизации и интеллектуализации систем управления комплексов специального назначения // Вестник МГТУ. Приборостроение. -1994. №1. - С.62-75.

62. Иордон-99. Йордон Эдвард, Аргила Карл Структурные модели в объектноориентированном анализе и проектировании.: Пер. с англ. — М.: Лори, 1999. — 264 е.: ил.

63. Казанцев-04. Казанцев A.M. Искусственный интеллект есть выход из тупика и разброда идей. - Новосибирск: Изд. НГТУ, 2004. - 76 с.

64. Калянов-96. Каляное Г.Н. CASE структурный системный анализ. М.: Лори. 1996. - 242 с.

65. Кватрани-03. Кватрани Терри. Визуальное моделирование с помощью Rational Rose 2002 и UML.: Пер. с англ. М.: Вильяме, 2003. - 192 е.: ил.

66. Кирстен-01. Кирстен В., Ирингер М., Рериг Б., Шульте П. СУБД Cache: объектноориентированная разработка приложений. Учебный курс. — СПб.: Питер, 2001. — 384 е.: ил.

67. Колесников-05а. Колесников А.А., Топчиев Б.В. Синергетический подход к проблеме формирования искусственной самоорганизации управляемых систем. Часть 1. // Меха-троника, автоматизация, управление. 2005. - № 1. - С.2-6.

68. Колесников-056. Колесников А.А., Топчиев Б.В. Синергетический подход к проблеме формирования искусственной самоорганизации управляемых систем. Часть 2. // Меха-троника, автоматизация, управление. 2005. - № 2. - С.2-10.

69. Комарцова-03. Комарцова Л.Г. Синергетический подход к построению гибридных интеллектуальных систем // Сб. тр. Научной сессии МИФИ-2003. В 14 т. Т. 3. - М.: МИФИ, 2003. - С.54-55.

70. Корнеев-ОО. Корнеев В.В., ГареевА.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. - 352 е., ил.

71. Коуд-99. Коуд Петер, Норт Дэвид, Мейфилд Марк Объектные модели. Стратегии, шаблоны и приложения.: Пер. с англ. М.: Лори, 1999. - 432 е.: ил.

72. Крачтен-02. Крачтен Филипп Введение в Rational Unified Process. 2-е изд.: Пер. с англ. -М.: Вильяме, 2002. -^->240 е.: ил.

73. Криницкий-77. Кринищий Н.А. Алгоритмы вокруг нас. М.: Наука, 1977. - 224 с.

74. Кубарев-89. Кубарев А.И. Надежность в машиностроении. 2-е изд. - М.: Издательство стандартов, 1989. - 224 с.

75. Кулида-99. Кулида Е. Л., Лебедев В. Г., Чесноков А. М. Проектирование интеллектуальных систем поддержки операторов сложных объектов //Автоматизация проектирования. -1999.- №1. fhttp://www.osp.ru/ap/l 999/01 /47.html

76. Кулида-05. Кулида Е. Л., Лебедев В. Г. Особенности разработки базы знаний в интегрированной инструментальной среде G2 // Приборы и системы. Управление, контроль, диагностика. 2005. - № 3. - С.20-25.

77. Ларичев-90. Ларичев О.И. Некоторые проблемы искусственного интеллекта. // Сборник трудов ВНИИСИ. 1990. - № 10. - С.3-9.

78. Ларичев-96. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. -М.: Наука, 1996.

79. Ларичев-ОЗа. Ларичев О.И., Ашихмин ИВ., Ройзензон Г.В., Фуремс Е.М. Поддержка выбора лучшего объекта на основе независимости критериев по предпочтениям и транзитивности // Новости искусственного интеллекта. 2003. - № 4. - С.13-20.

80. Ларман-01. Ларман К. Применение UML и шаблонов проектирования.: Пер. с англ. М.: Вильяме, 2001.-496 с.

81. Левин-05. Левин В.И. Интервальная логика и сверхнечеткие множества // Проблемы управления. 2005. - № 2.- С.40-43.

82. Лепихин-03. Лепихин A.M., Maxymoe Н.А., Москвичев В.В., Черняев А.П. Вероятностный риск-анализ конструкций технических систем. Новосибирск: Наука, 2003. - 174 с.

83. Лескин-90. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. — Л.: Машиностроение. Ленингр. отд-ние, 1990. 167 с. ил.

84. Липаев-93. Липаев В.В. Управление разработкой программных средств: Методы, стандарты, технология. — М.: Финансы и статистика, 1993. 160 е., ил.

85. Липаев-02. Липаев В.В. Системное проектирование сложных программных средств для информационных систем. 2-е изд. М.: СИНТЕГ, 2002. - 268 с.

86. Литвак-04. Литвак Б.Г. Экспертные технологии в управлении: Учебное пособие. 2-е изд. - М.: Дело, 2004. - 400 с.

87. Люгер-03. Люгер, Джордж, Ф, Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Вильяме, 2003. - 864 е.: ил.

88. Львов-97. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных. //Системы управления базами данных. — 1997. № 3.

89. Мартин-04. Мартин, Роберт С. Быстрая разработка программ: принципы, примеры, практика.: Пер. с англ. М.: Вильяме, 2004. - 752 е.: ил.

90. Мацяшек-02. Мацяшек Лешек А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML.: Пер. с англ. М.: Вильяме, 2002. - 432 е.: ил.

91. Мешалкин-95. Мешалкин В.П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения. М.: Химия, 1995. - 368 с.

92. Мишулина-01. Мишулина О.А. Простота нейросетевых технологий: миф или реальность? // Приборы и системы. Управление, контроль, диагностика. 2001. - №8. - С.36-38.

93. Москвичев-02. Москвичев В.В. Основы конструкционной прочности технических систем и инженерных сооружений: в 3 ч. Новосибирск: Наука, 2002. - 4.1: Постановка задач и анализ предельных состояний. — 106 с.

94. Мюллер-02. Мюллер Роберт Дж.Базы данных и UML. Проектирование.: Пер. с англ. -М.: Лори, 2002. 420 е.: ил.

95. Нейбург-02. Нейбург ЭрикДж., Максимчук Роберт А. Проектирование баз данных с помощью UML.: Пер. с англ. М.: Вильяме, 2002. - 228 е.: ил.

96. Ничипоренко-03. Нечипоренко О. А. Использование технологии Case-Based Reasoning в проектировании программных систем //Перспективные информационные технологии и интеллектуальные системы. 2003. - № 1. - С.27-32. (http://pitis.tsure.rU/filesl3/6.pdn

97. Осуга-89. Осуга С. Обработка знаний / Пер. с японского. М.: Мир. 1989. - 293 е., ил.

98. Петровский-03. Петровский А.Б. Упорядочение и классификация объектов с противоречивыми признаками // Новости искусственного интеллекта. 2003. -№4. - С.35-44.

99. Попов-95. Попов Э.В. Экспертные системы реального времени // Открытые системы. -1995.- №2. (http://www.osp.ru/os/1995/02/66.htm).

100. Попов-96. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот МД. Статические и динамические экспертные системы: Учеб. пособие. М.: Финансы и статистика, 1996. - 320 е.: ил.

101. Поспелов-88. Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 280 е.: ил.

102. Поспелов-99. Поспелов ДА., Осипов Г.С. Прикладная семиотика // Новости искусственного интеллекта. 1999. -№ 1. (htto://www.raai.orgflibrary/ainews/1999/l/OSPOS.ZIP).

103. Прангишвили-04. Прангишвили КВ., Потоцкий В.А., Гинсберг К.С., Смолянинов В.В. Идентификация систем и задачи управления: на пути к современным системным методологиям // Проблемы управления. 2004. - № 4. - С.2-15.

104. Растригин-77. Растригин Л.А., Маджаров Н.Е. Введение в идентификацию объектов управления. М.: Энергия, 1977. - 216 е.: ил.

105. Розенберг-02. Розенберг Д., Скотт К. Применение объектного моделирования с использованием UML и анализ прецедентов.: Пер. с англ. М.: ДМК Пресс, 2002. -160 е.: ил.

106. Романовский-04. Романовский А.С., Чухров С.Ю. Организация интеллектуальных комплексов технической диагностики // Вестник МГТУ. 2004. - №1.- С.74-87.

107. Рыбина-01а. Рыбина Г.В. Современные экспертные системы: тенденции к интеграции и гибридизации. //Приборы и Системы. Управление, Контроль, Диагностика. 2001. — № 8. - С.18-21.

108. Рыбина-01б. Рыбина Г.В., Пышагин С.В., Смирнов ВВ., Левин ДЕ„ Душкин Р.В. Инструментальный комплекс АТ-ТЕХНОЛОГИЯ для поддержки разработки интегрированных экспертных систем: Учеб пособие. М.: МИФИ, 2001. - 100 с.

109. Рыбина-02. Рыбина Г.В. Архитектура интегрированных экспертных систем: современное состояние и тенденции // Новости искусственного интеллекта. 2002. - № 4. - С.10-17.

110. Рыжиков-00.Рыж^тов Ю.И. Информатика. Лекции и практикум. СПб.: КОРОНА принт, 2000.-256 с.

111. Синтес-02. Синтес, Антонии. Освой самостоятельно объектно-ориентированное программирование за 21 день.: Пер.с англ. М.: Вильяме, 2002. - 672 е.: ил.

112. Системный анализ-04. Системный анализ и принятие решений: Словарь-справочник: Учеб. пособие для Вузов / по ред. Волковой В.Н., Козлова В.Н. М.: ВШ, 2004. - 616 с.

113. Стогний-04. Стогний А.А., Рыбаков JI.A. Роль и место структурного анализа при создании систем информационно-аналитической поддержки организаций // УСиМ. 2004. -№ 5. - С.3-10.

114. Сугак-01. Сугак Е.В., Василенко Н.В., Назаров Г.Г., Панъшин А.Б., Каркарин А.П. Надежность технических систем: Учебное пособие. 2-е изд.- Красноярск: НИИ СУВПТ, 2001.-608с.

115. Сураджит-02. Сураджит Чаудхури, Умешвар Дайал, Венкатеш Ганти. Технология баз данных в системах поддержки принятия решений. //Открытые системы. 2002. - № 1.

116. Тельнов-02. Тельное Ю.Ф. Проектирование систем управления знаниями // Новости искусственного интеллекта. 2002. - № 4 - С.29-34.

117. Торрес-02. Торрес, Роберт, Дж. Практическое руководство по проектированию и разработке пользовательского интерфейса.: Пер. с англ. М.: Вильяме, 2002. - 400 е.: ил.

118. Трахтенгерц-95. Трахтенгерц Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений. //АиТ. 1995. - № 4. - С.3-52.

119. Трахтенгерц-98. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.-376 с.

120. Трахтенгерц-02. Трахтенгерц Э.А. Неопределенность в моделях компьютерных систем поддержки принятия решений (часть 3) // Новости искусственного интеллекта. 2002. -№ 3. - С.13-21.

121. Трахтенгерц-03. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений // Проблемы управления. 2003. - № 1.

122. Трахтенгерц-04. Трахтенгерц Э.А., Шершаков В.М., Камаев ДА. Компьютерная поддержка управления ликвидацией последствий радиационного воздействия. М.: СИНТЕГ, 2004. - 460 с.

123. Ту-78. Ту Дж., Гонсалес Р. Принципы распознавания образов.: Пер. с англ. М.: Мир, 1978.-411 с.

124. Тятюшкин-92. Тятюшкин А.И. Численные методы и программные средства оптимизации управляемых систем. Новосибирск: Наука, 1992.

125. Тятюшкин-99. Тятюшкин А.И. Многометодная технология поиска оптимального управления // Тезисы докладов международной конференции «Нелинейные науки на рубеже тысячелетий», Санкт-Петербург, 22 24 июня, 1999 г. — Санкт-Петербург, 1999.

126. Тятюшкин-03. Тятюшкин А.И. Многометодная технология для расчета оптимального управления // Известия РАН. Теория и системы управления. 2003. - №3.

127. Уотермен-89. Уотермен Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-388 с.

128. Фаронов-01. Фаронов В.В. Delphi 5. Учебный курс. М.: Нолидж, 2001. - 608 с.

129. Фаулер-99. Фаулер М., Скотт К. UML в кратком изложении. Применение стандартного языка объектного моделирования: Пер. с англ. М.: Мир, 1999. - 191 е., ил.

130. Филлипович-94. Филиппович Ю.Н., Малыгин А.Г. Инструментальные средства поддержки интеллектуальных технологий и систем взаимодействия человека с ЭВМ // Вестник МГТУ. Приборостроение. 1994. -№1. - С. 105-110.

131. Фридман-00. Фридман A.JI. Основы объектно-ориентированной разработки программных систем. М.: Финансы и статистика, 2000. - 192 е.: ил.

132. Хейес-Рот-87. Построение экспертных систем: Пер. с англ./ Под ред. Хейеса-Рота Ф., Уо-термана Д., Лената Д. — М.: Мир, 1987. 441 е., ил.

133. Холингвэрт-01а. Холингвэрт Д., Баттерфилд Д., Сворт Б. С++ Builder 5. Руководство разработчика, том 1. Основы: Пер. с англ.: Уч. пос. М.: Вильяме, 2001. - 880 е.: ил.

134. Холингвэрт-016. Холингвэрт Д., Баттерфилд Д., Сворт Б. С++Builder 5. Руководство разработчика, том 2. Сложные вопросы программирования: Пер. с англ.: Уч. пос. М.: Вильяме, 2001. - 832 е.: ил.

135. Хомоненко-03. Хомоненко АД. и др. Delphi 7. СПб.: БХВ - Петербург, 2003. - 1216 е.: ил.

136. Частиков-03. Частиков А.П., Гаврилова Т.А., Белов ДЛ. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. - 608 с: ил.

137. Черноруцкий-01. Черноруцкий ИГ. Методы оптимизации и принятия решений: Учеб.пособие. СПб.: Лань, 2001. - 384 с.

138. Черноруцкий-05. Черноруцкий ИГ. Методы принятия решений: Учеб.пособие. СПб.: БХВ-Петербург, 2005. - 416 е.: ил.

139. Черняховская-04. Черняховская Л.Р. Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний: Автореферат диссертации на соискание ученой степени доктора технических наук. Уфа, 2004.-31 с.

140. Шапот-98. Шапот М.Д. Интеллектуальный анализ данных в системах поддержки принятия решений. //Открытые системы. 1998. - № 1.

141. Шаша-04. ШашаД., Бонне Ф. Оптимизация баз данных: принципы, практика, решение проблем /Пер. с англ. М.: Кудиц-Образ, 2004. - 432 с.

142. Щавелев-98. Щавелев Л. В. Способы аналитической обработки данных для поддержки принятия решений. //Системы управления базами данных. 1998. -№4-5.

143. Эбнер-00. Эбнер Михаэль Delphi 5. Руководство разработчика: Пер.с нем. — К.: Издательская группа В НУ, 2000. 480 е., ил.

144. Эрлих-94. ЭрлихА.И. Проблемы моделирования в интеллектуальных системах // Вестник МГТУ. Приборостроение. -1994. №1. - С.29-33.

145. Эталон. Описание прецедентных экспертных систем НПО «Эталон» http://www.npo-etalon.ru/index.htm .

146. Юсуиов-00. Юсупов P.M., Заболоцкий В.П. Научно-методологические основы информатизации. СПб.: Наука, 2000. - 455 е., ил.

147. Якобсон-02. Якобсон А., Буч Г., РамбоДж. Унифицированный процесс разработки программного обеспечения. СПб.: Питер, 2002. - 496 е.: ил.

148. Aamodt-94. Aamodt A., Plaza E. Case-Based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications, vol.7(1994), no.l, pp.39-59.

149. Aha-01. Aha D. W., Breslow L. A., Munoz-Avila H. Conversational Case-Based Reasoning. Applied Intelligence, vol.14 (2001), no.l, pp.9-32.

150. Cache. Сайт Cache http://www.intersvstems.ru

151. Changchien-05. Changchien S. W., Lin M.C. Design and implementation of a case-based reasoning system for marketing plans. Expert Systems with Applications, vol. 28 (2005), pp.43-53.

152. CLIPS. Официальный сайт CLIPS, http://www.ghg.net/clips/CLIPS.html.

153. CLIPS-DLL. Сайт динамической библиотеки CLIPS,http://ourworld.compuserve.com/homepages/marktoml/clipsuf.htm.

154. CLIPS-R2. Описание экспертных систем CLIPS/R2, OPSJ, OPS/R2, http://www.pst.com/.

155. EsWin. Описание экспертной системы EsWin, http://www.insycom.ru/html/prods.php.

156. ESD. Описание Expert System Designer (редактор баз знаний CLIPS/Jess) http://optsol.at/site en/products/esd/.

157. FastObjects. Описание ООБД FastObjects http://www.fastobiects.com

158. Feret-97. Feret M.P., Glasgow J.I. Combining Case-Based and Model-Based Reasoning for the Diagnosis of Complex Devices. Applied Intelligence vol.7 (1997), pp.57-78.

159. Gray-04. Gray J. The Revolution in Database Architecture. Microsoft Research, March 2004, Technical Report MSR-TR-2004-31 (ftp://ftp.research.microsoft.com/pub/tr/TR-2004-31.pdf).

160. Golding-96. Golding A.R., Rosenbloom P.S. Improving accuracy by combining rule-based and case-based reasoning. Artificial Intelligence, vol.87 (1996), no.1-2, pp.215-254.

161. Hertkorn-98. Hertkorn P., Rudolph S. Dimensional Analysis in Case-Based Reasoning, in Proceedings International Workshop on Similarity Methods, University of Stuttgart, Germany, Nov. 26th and 27th, 1998, pp.163-178.

162. M-RR. Сайт IBM Rational Rose http://www-306.ibm.com/software/rational/.

163. NMD. Сайт MagicDraw UML http://www.magicdraw.com/.

164. ODB-Jupiter. Описание ООБД ODB-Jupiter http://www.inteltec.ru

165. OMG. Introduction to OMG's Unified Modeling Language™ (UML®) http://www.omg.org/gettingstarted/what is uml.htm

166. Payne-98. Payne R. Т., Edwards P. Implicit Feature Selection with the Value Difference Metric, in Proceedings of European Conference on Artificial Intelligence(ECAI-98), 1998, pp.450454.

167. Pernkopf-05. PernkopfF. Bayesian network classifiers versus selective k-NN classifier. Pattern Recognition, vol.38 (2005), pp.1-10.

168. PIaza-02. Plaza E., Arcos J.L. Constructive Adaptation, in S. Craw and A. Preece (Eds.), Advances in Case-Based Reasoning. Proc. 6th ECCBR 2002, Lecture Notes on Artificial Intelligence, no.2416, pp.306-320. Springer-Verlag, 2002.

169. Poseidon. Сайт Poseidon http://www.gentleware.com/index.php?id=products.

170. Portinale-04. Portinale L., Magro D., Torasso P. Multi-modal diagnosis combining case-based and model-based reasoning: a formal and experimental analysis. Artificial Intelligence, vol.158 (2004), no.2, pp.109-154.

171. San-04. San O.M., Huynh V., Nakamori Y. An alternative extension of the k-means algorithm for clustering categorical data. Applied mathematics and computer science, vol. 14 (2004), no.2, pp.241-247.

172. Selic-98. Selic В., Rumbaugh J. Using UML for Modeling Complex Real-Time Systems. Ob-jecTime. http://www.objectime.on.ca/. 1998, 22 p.

173. Sbalfield-05a. ShalfieldR. VisiRule User Guide http://www.lpa.co.uk/dow doc.htm 2005, 86 P

174. ShalfieId-056. ShalfieldR. Case-Based Reasoning Toolkit User Guide http://www.lpa.co.uk/dow doc.htm 2005, 74 p.

175. UML. Selic B. UML 2.0: Exploiting Abstraction and Automation http://www.sdtimes.com/opinions/guestview 098.htm

176. VP. Описание CASE-средства Visual Paradigm for UML http://www.visual-paradigm.com/product/vpuml/

Похожие работы

Информатика, вычислительная техника и управление
05.13.00