автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Исследование и разработка автоматизированной интеллектуальной системы для диагностики газоперекачивающего агрегата

Санкт-Петербургский государственный электротехнический университет имени В.И.Ульянова (Ленина)

На правах рукописи

РГБ ОД

I ? СЕН

Котова Елена Евгеньевна

Исследование и разработка автоматизированной

интеллектуальной систеш для диагностики газоперекачивающего агрегата

Специальность: Об. 1а. 01 - Управление в технических

системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 1994

Работа выполнена в Санкт-Петербургском государственном электротехническом университете им. В.И.Ульянова (Ленина) ;;

Научный руководитель -

д-р техн. наук профессор Яковлев В.В.

Официальные оппоненты:

д-р техн. наук профессор Зарицкий С.П.

канд. техн. наук доцент Гаврилова Т.А.

Ведущая организация - Центральный Котлотурбинный Институт

Защита состоится "с?6" 00_ 1994 г. в ю час.

на васедании диссертационного совета К 063.36*03 Санкт-Петербургского государственного электротехнического университета им. В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан "_" -__ 1994 г.

Ученый- секретарь диссертационного совета

Кутузов 0. И.

ОБЩАЯ.ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Опыт практически всех исследователей и эксплуатационников, а также проведенные исследования и выполненный на их основе анализ наглядно показывают, что проблема повышения надежности сложных вообще, а энергонасыщенных в частности,, технических объектов при всей ее. актуальности может быть решена путем увеличения надежности отдельных компонент. Наряду с этим существует подход, заключающийся в обеспечении встраиваемыми функциями диагностирования средств автоматизации, осуществляющих контроль, сбор информации и управление объектами.

Высокая сложность, а также большая вероятность развития непредсказуемых ситуаций (или нештатных ситуаций) на объектах выделенного класса в значительной мере поднимает роль интерпретации состояний объектов с целью оценки их работоспособности, формирования прогнозов развития ситуаций, а также выработки управляющих решений по отношению к объекту.

Спецификой рассматриваемого класса объектов является мно-гокомпонентность, которая . является определяющим фактором их надежности. Поэтому основная концепция ее повышения состоит в обеспечении необходимой функциональной надежности аа счет оснащения систем автоматизации объектов встраиваемыми функциями диагностирования их состояния.

В настоящее время накоплен большой опыт создания Автоматизированных систем в различных отраслях. Этот опыт показывает, что резерв дальнейшего повышения эффективности систем заключается в увеличении уровня интеллектуализации, перекоде к так называемым "разумным" системам, ориентированным на использование формализованных знаний. Одними из важнейших представителей интеллектуальных систем , ориентированная на вваимарейс-твие со сложными технически» объектами, являются екстемы диагностики.

Еще одной стороной специфики рассматриваемого класса задач является необходимость расширения информацисннаго базиса за счет привлечения источников информации, обладающих нечеткой организацией, что затрудняет возможность ее обработки и знали-

sa традиционными методами. Все это обуславливает необходимость использования новых методов, в частности на основе интеллектуальных подходов. В работе данные предпосылки определили предмет и направленность проводимых исследований.

Объектная ориентация исследований обусловливает постановку задач на проведение специальна* исследований газоперекачивающих агрегатов (ГПА) как объектов диагностирования с целью создания системы моделей, ориентированных на диагностику неисправностей, классифшсацию технических состояний, формирование прогноза для дальнейшей выработки управляющих решений. Проблемная ориентация исследований на диагностику методами искусственного интеллекта обуславливает постановку и решение задач, связанных с формированием специального информационного базиса, получением, систематизацией и структурной организацией системы знаний об объекте, разработкой инфологических моделей предметной области, методов формализации знаний.

Таким образом, задачей данной работы является разработка обобщенной процедуры диагностирования в реальном времени сложных технических объектов на базе методов искусственного интеллекта, ориентированной на использование информации с четкой и нечеткой организацией, а также разработка соответствующего методологического, методического и алгоритмического обеспечения.

Предметом практического приложения разработанных методических, методологических и алгоритмических средств является разработка, создание и экспериментальная эксплуатация автоматизированной интеллектуальной системы диагностики ГПА (АИСД ГПА) на уровне демонстрационного прототипа.

Цель и задачи работы.

Целью работы является:

- разработка процедуры диагностирования, ориентированной на использование информации, представляемой как в виде четких, так и нечетких множеств, ее методологического и методического наполнения процедуры;

- разработка функциональной структуры и основных концепций построения автоматизированной интеллектуальной системы диагностики газоперекачивающего агрегата САИСД ГПА), удовлетворявшей требованиям функционирования в реальном времени;

- разработка алгоритмов и программ, обеспечивающих решение диагностических задач на базе формализованных знаний спе-

циалистов, эвристических методов оценки состояния объекта.

Предметом исследования являются задачи генеза, диагноза и прогноза технических состояний сложных энергонасыщенных объектов на базе интеллектуальных средств с целью автоматизации процедуры диагностики.

Решаемые задачи.

1. Анализ современного сотояния работ в области создания диагностических систем, реализующих функции искусственного интеллекта, а также проведение исследований с целью проблемной ориентации системных средств в области проектирования баз знаний, интеллектуальных и языковых средств.

2. Комплексное исследование ГПА как сложного объекта диагностики (ОД) с целью сбора, классификации и структурной организации знаний на базе системы математических моделей.

3. Разработка структурных моделей информационных баз данных и знаний ГПА как объекта диагностики.

4. Разработка обобщенной процедуры диагностирования сложных технических.объектов, ее методического и алгоритмического обеспечения.

5. Создание метрда и алгоритма ситуационного управления на основе прогнозирования изменения технического состояния объекта в нештатных ситуациях.

6. Разработка структуры автоматизированной интеллектуальной системы для диагностики ГПА (АИСД ГПА).

7. Разработка интегрированной базы данных и баэм знаний, интегрированного механизма логического вывода.

8. Разработка специальных программных средств интеллектуальной системы диагностики' и их сравнительное тестирование.

Методы исследования.

Для решения поставленных задач в работе использовались методы теории множеств, теории графов, теории моделей, теории некорректных задач, понятия матриц, теории идентификации, адаптивного управления, использовались положения теории нечетких множеств, принципы технологии баз данных, баз знаний, концепций построения экспертных систем, и систем искусственного интеллекта. При разработке программных реализаций использовались методы системного и структурного программирования, языки программирования СИ++, TURBO PROLOG, Basic, Ассемблер.

Научная новизна.

1. Разработаны модели диагностики выделенного класса сложных технических объектов, позволяющие использовать в качестве диагностических признаков нечеткую информацию.'

2. Определено поле диагностических признаков, которое на основе функционально-целевого анализа было структурировано с целью формирования классификационного множества технических состояний.

3. Разработана гибридная модель знаний, сочетающая фреймовые, продукционные и логические модели и интегрированная БЗ и БД, имеющая в основе абстрактные структуры.

4. Предложена обобщенная процедура диагностирования сложных систем выделенного класса.

Б. Разработан метод диагностирования технических состояний объекта на основе методов регуляризации.

Б. Разработан метод синтеза управляющих решений на базе интерпретации технического состояния объекта и прогноза его развития.

Практическая ценность работы.

Разработанные методы технической диагностики сложной системы позволяют:

- повысить эффективность управления объектом эа счет учета реального технического состояния агрегата и динамики изменения его характеристик во времени;

- повысить надежность и безопасность работы агрегата за счет обнаружения неисправностей и отказов на ранних стадиях их развития;

- увеличить среднюю эксплуатационную мощность ГЛА и снизить расход топливного газа на собственные нужды;

- увеличить долговечность основных узлов и снизить потери от незапланированных остановок оборудования;

- уменьшить время простоя ГПА при ремонте.

Реализация результатов работы.

Разработанные в диссертационной работе методы диагностики сложной системы, интегрированная БД и БЗ, интегрированный механизм логического вывода, редактор базы знаний, генератор прикладных программ АИС использованы в автоматизированных сис-

темах технической' диагностики САСТД) газотранспортных систем: АСТД компрессорной линии гаэлифтной компрессорной станции ЮС-ЦГТП /0.6-12 (1990 г.), АСТД ГТН-25 (КС "Донская") (1991 г.).

Апробация работы.

Теоретические и практические результаты диссертации докладывались и обсуждались на следующих конференциях и семинарах:

1. Конференция "Разработка и внедрение микропроцессорных комплексов в народном хозяйстве", 1985 г. - Одесса.

2. Конференция "Разработка и внедрение микропроцессорных комплексов в народном хозяйстве", 1986 г. - Севастополь.

3. Всесоюзная конференция "Автоматизация, интенсификация, интеграция процессов технологии и микроэлектроники", 1989 г. -Ленинград.

4. Семинар "Моделирование, идентификация, синтез систем управления в химических и химико-металлургических производствах",- 1988 г. - Киев.

5. Всесоюзная конференция "Проблемы разработки и внедрения экспертных систем", 1989 г. - Москва.

6. Всесоюзный научно-практический семинар "Интеллектуальное программное обеспечение ЭВМ', 1990 г. - Ростов-на-Дону.

7. 2 съезд Советской Ассоциации Искусственного Интеллекта (САИИ) (теперь Ассоциации Искусственного Интеллекта), 1991 г. - Коломна.

Публикации.

По материалам диссертации опубликовано семь печатных работ, в том числе одна статья и шесть тезисов.

Объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы, включающего 72 наименования, и приложения. Основная часть работы изложена на 203 страницах машинного текста. Работа содержит 48 рисунков и 14 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дана общая характеристика исследуемой проблемы, показана ее актуальность и практическая значимость, приве-

дена краткая характеристика выносимых на защиту результатов.

В первой главе, проведен анализ тенденций работ по созданию промышленных систем, реализующих функции искусственного интеллекта, в частности экспертных систем для задач технического обслуживания, диагностики сложных технических объектов, применения оболочек и интеллектуальных средств для создания экспертных диагностических систем. Приводятся примеры существующих систем и инструментальных средств на мировом рынке. Поскольку один из основных вопросов при создании систем искусственного интеллекта (ИИ) является вопрос организации базы знаний, проводится обзор моделей представления знаний в системах ИИ, а именно фреймовых моделей, продукционных и логических, их сравнительный анализ, рассматриваются достоинства каждой модели и недостатки, приведены примеры систем. Ш рассмотренных моделей представления знаний сделан вывод о необходимости применения гибридных моделей. Исследуются особенности работы интеллектуальных систем в реальном времени. Отмечено, что одним из путей повышения эффективности автоматизированных систем является расширение традиционной информационной базы за счет информации, носящей нечеткий, плохо определенный, не поддающийся строгой формализации, характер.

Представлен анализ современного состояния проблемы технической диагностики сложных энергонасыщенных объектов, к классу которых относятся и газоперекачивающие агрегаты, рассмотрены примеры существующих систем за рубежом и перспектива использования интеллектуальных систем в этой сфере применения.

В результате сделан вывод, что задача диагностирования сложного ОД, каким является, в частности, ГПА требует новых подходов в плане применения и использования современных интеллектуальных средств, методов экспертных систем.

В работе сформулирована задача разработки системы технической диагностики ГПА, которая подразумевает: проведение специальных • исследований газоперекачивающих агрегатов с целью формирования информационного базиса, включающего информацию нечеткого характера; получение, систематизацию и структурную организацию системы знаний об объекте; разработку инфологичес-ких моделей предметной области, базы знаний, сочетающей системы моделей как "жестких" традиционных, так и нечетких логических; классификацию технических состояний; разработку метода

синтеза управлявших решений на основе прогнозных моделей; алгоритмических и программных средств АИСД.

Во второй главе в результате всестороннего исследования газоперекачивающего агрегата как объекта диагностики с целью формирования информационного базиса осуществлен системный анализ ГПА. Оценку текущего состояния каждой из выделенных функциональных подсистем предложено характеризовать координатами состояния,, в которых развиваются процессы различной природы. Множество этих координат состояния объекта и внешней среды объединяет в себе три компоненты: измеряемую в абсолютных мерах, дифференциальную и нечеткую, плохо обусловленную. Определена концепция построения базы данных и знаний на основе сложных и разнотипных структур данных. Разработка ее велась с учетом следующих 'факторов: выявленной взаимозависимости между различными типами' знаний; наличием об объекте наряду с "глубокими" хорошо формализованными знаниями эвристических. Исходя из этого разработана интегрированная база знаний для решения ^процедурных задач диагностирования на основе представления экспертной информации в рамках гибридной модели знаний и интегрированной базы данных. Сформированные требования к специализированной проблемно -ориентированной базе данных учитывают быстрый рост экстенсиональных данных в реальном времени и стабильность интенсиональных данных и основаны на принципе интегрированной модели данных и многоуровнего метода доступа. Сложность и многосторонность данных об объекте потребовали использования абстрактных структур данных, посредством которой данные определяются через операции, которые могут выполняться над соответствующими объектами безотносительно к способу представления этих объектов. Информационный базис формализован фреймовыми структурами. С целью наиболее полного и всестороннего представления знаний об объекте знания представляются различными типами фреймов, объединенных в единую сетеауп структуру.

В результате исследования метрологических характеристик измерительных устройств с позиций минимизации рассеянна измерительной информации показано влияние качества измерений на качественные показатели ОД.

На основе информационного базиса сформирована система математических моделей, которая состоит из группы детерминированных моделей, связных моделей и моделей нечеткого характера.

Группа детерминированных моделей сформирована на основе комплекса физико-технических, конструкционных, а также опытно -эксплуатационных знаний. Связные модели представляют процедур ры расчета диагностических признаков на основе метода малых отклонений, в этом случае задача является некорректно поставленной и для ее решения использованы особые алгоритмы .на базе методов регуляризации.

Учесть все факторы, влияющие на состояние объекта, а также его особенности невозможно без применения нетрадиционного математического аппарата. Для формализации нечетких понятий и эффективной обработки качественной информации наравне с четкими, количественными данными использованы специальные модели на основе нечеткой логики. Из лингвистических .переменных, которыми представлены координаты состояния, имеющие нечеткий характер, образованы нечеткие подмножества. Понятие нечеткого подмножества позволяет учесть нестрого определенные координаты состояния объекта, формализованные функциями принадлежности для формирования модели объекта.

На основе расчетных величин, определяемых посредством сформированных математических моделей, а также измеряемых координат состояния разработана система диагностических признаков, в соответствии с которыми должна осуществляться текущая диагностика объекта. Структуризация системы диагностических признаков осуществлена в соответствии с функциональной декомпозицией ГПА. Разработаны структурные модели диагностических признаков для каждой функциональной подсистемы агрегата, которые показывают все структурные отношения внутри данной модели последовательно для трех уровней: координат состояния - математических моделей - диагностических признаков.-

В результате полученного множества координат состояния, моделей и диагностических признаков разработана обобщенная структурная модель информационной базы знаний, имеющая в основе фреймовые структуры и устанавливающая информационные связи (отношения) Между фреймами. Адресность формируемой во фреймах информации определяется системой указателей,, устанавливающих связи между фреймами.

Конечная цель структурной модели информационной базы знаний - определить формализованную процедуру получения, преобразования и представления текущей информации для принятия реше-

ний о состоянии объекта, выявления и идентификации источников неисправности объекта. Выходом информационной базы знаний являются текущие значения диагностических признаков (расчетных или измеряемых), подаваемые на вход логико-лингвистической модели распознавания неисправностей.

В третьей главе разработана обобщенная процедура диагностирования. Процедура диагностирования задает последовательность этапов диагностирования системой объекта (ГПА), правила обработки и анализ результатов с целью определения технического состояния, в котором фактически находится объект.

В общем виде процедура диагностирования подразумевает определение упорядоченного множества информационных процессов

А - < Т, 2, М, О, > где Т - множество моментов времени, в которые наблюдается объект; Ъ - множество координат состояния; М - множество математических моделей объекта; Б - множество диагностических признаков; Ь- множество логических правил, при помощи которых распознаются неисправности; : Н 7 множество обобщенных диагнозов; Б - множество технических состояний объекта, подлежащих диагностированию. Структурная схема обобщенной процедуры диагностирования .изображена на рисунке.

С целью упорядочения процесса поиска неисправностей выделены уровни иерархии целей раскрытия неопределенности - ранги неопределенности, определяющие уровень наличия неисправности, уровень обобщенных диагнозов, уровень классификации технических состояний и уровень оценки распознаваемого состояния. На основе всестороннего изучения проблемной области и сформированной информационной базы определено пространство поиска ди-> агностических решений, представлявшее множество обобщенныхди-агНоэов, характеризующих достаточно полно состояние объекта в целом, на основе которых далее разработана классификация технических состояний, отражающих в необходимой мере состояние ресурсов объекта. Определены следующие группы обобщенных диагнозов : конструкционные неисправности оборудования ГПА и его основных функциональных подсистем; функциональные неисправности подсистем ГПА; состояние внешней среды.

Процедура диагностирования предполагает проверку соответствия качества объекта заданным требованиям, которые формулируются в виде ограничений на определяющие параметры объекта,

10 -

1 расч.:

1

гюм.

Информационная база

Ж

1 кач.

Фильтрация Предварительная

Оценка достоверности —« обработка

Сменка стационарности информации

м. П

Детерминированные Преобразование инфор

модели мации по математи-

ческим моделям

Ж

И

Связные модели

Нечеткие модели

Структурные модели Текущая оценка

формирования —» —г диагностических

системы ДП прианаков

Система логических правил

Группы обобщенных • диагнозов

Система классификации технических состояний

Логико-лингвистическая модель

Ж

Распознавание неисправностей

Ж

Установление обобщенного диагноза

»ТЕК.

Ж

Интерпретация технического состояния

Ж

Прогноз ирование состояния

и

Ж

Синтез управляющих —к Ситуационное

решений -V управление

Обобщенная процедура диагностирования ГПА

каковыми являются технико-экономические и функциональные показатели, показатели внешней среды. Ограничения представлены для каждого признака или параметра областью рационального использования и областью допустимых режимов функционирования.

В соответствии с выделенными группами обобщенных диагнозов, множеством технических состояний получено множество переменных состояния, которое представлено в виде матрицы исходного описания классов распознаваемых технических состояний объекта. В результате причинно-следственного анализа диагностических признаков получено множество логических правил распознавания неисправностей, составляющих основу логико-лингвистической модели распознавания неисправностей, которые включает и лингвистические правила. Таким образом, на основании результатов сопоставления всех диагностических признаков объекта с априорно' заданными их значениями при помоши логических моделей выявляется текущая неисправность с целью классификации технических состояний.

Для предварительной оценки управляющих решений необходим этап прогнозирования. Основной целью разработанного в работе алгоритма прогнозирования является получение информации для выработки рационального или оптимального управляющего решения в нештатной (аномальной) ситуации. Для прогноза используется матрица параметров и диагностических признаков агрегата, которая формируется на основе матриц измерительной информации и множества значений диагностических признаков.

С ростом сложности оборудования его надежность в определенной части начинает зависеть от надежности автоматизированной системы и, естественно, если в контуре управления есть оператор, диспетчер или в общем случае лицо, принимающее решение (ЛПР), то - от качества его решений. В работе рассмотрены задачи управления двух типов: нештатная ситуация относится к числу известных по прецеденту и занесена в базу знаний; нештатная ситуация является новой для ЛПР.

В случае известной нештатной ситуации основная сложность выработки управления состоит в правильной классификации технического состояния при занесении в определенный раздел базы знаний. При классификации каждая различимая с помощью тех или иных классификационных признаков ситуация ставится в соответс-

твие с алгоритмами управления, которые были применены. Для построения раздела базы знаний иавестных нештатных ситуаций применен алгоритм построения решающих деревьев.

В состояниях, входящих в подмножество неисправных, но работоспособных, путем изменения режима работы объекта возможна реализация управляющих воздействий, в той или иной степени компенсирующих отказы подсистем в отношении эффективности ра- , боты ОД. Поэтому, основной задачей интеллектуальной системы диагностики, в отличие от традиционных, является обеспечение наиболее эффективного управления объектом в неисправных, но работоспособных состояниях.

Каждому неисправному состоянию одной из подсистем соответствуют локальные (т.е. для данной подсистемы) первичные Мпп (имеющие место в данный момент времени) потери. Эти потери могут вызвать глобальные Мвп (т.е. для объекта и связанных с ним систем) вторичные (будущие) потери, распределенные во времени в соответствии с предполагаемым сценарием развития событий, которые можно оценить следующим образом:

№т(« - ПМгп," РЬ) + ПМап, t, Р1) где I - время начала или конца вторичного события, РЬ - вероятность неисправного состояния подсистемы, Р1 - вероятность вторичного состояния ОД или связанных с ним систем в соответствии со сценарием развития событий.

Сценарий развития событий представляется в виде связного ориентированного графа исходов 6(У,Е), в котором множество вершин V обозначает события, а множество дуг Е - обобщенные характеристики этих событий, например, составляющие вторичных лротерь, время развития этапов событий и т.п. Построение указанного графа осуществляется на стадии прогнозирования.событий. Для компенсации каждой ситуации, характеризуемой состоянием ОД и внешней среды, может существовать множество алгоритмов управления и, каждый из которых в общем случае может быть описан с помощью графа 1КС),и. Дуги графа исходов е Е взвешены как вероятностями развития событий, так и значениями вторичных потерь. Далее строится отображение множества алгоритмов управления 11(0, Ь) на множество исходов 6(У,Е),

которое после некоторых математических преобразований, использующих таблицы соответствий алгоритмов управления и вторичных

потерь при реализации этих алгоритмов, расписанных по соответствующим дугам графа исходов, дает множество графов исходов управления

W (K(U,G),L(tr,G)), число вершин и характеристики дуг которых соответствуют дискретным параметрам управления. Для выбора наилучшего алгоритма управления ставится оптимизационная задача как задача поиска минимакса целевой функции, учитывающей зависимость вторичных потерь от алгоритма управления и сценария развития событий: F - min шах Мвт (t) UV

при ограничениях по показателям качества технологического процесса, по времени реализации, по возможностям исполнительных механизмов, и т. п. Тот граф исходов управления, на котором будет минимальным максимальный путь, дает информацию об оптимальном алгоритме управления и исходе событий, по которому и будут развиваться события при реализации оптимального управления.

В четвертой главе предложена функциональная структура автоматизированной интеллектуальной системы диагностики газоперекачивающего агрегата (АИСД ГПА). В структуру АИСД введены функции интеграции баз данных и знаний, интеграции декларативного и процедурного (в том числе и модельного в условиях неопределенности) представления знаний, языков и методов логического вывода. Разработана специализированная база данных, отвечающая требованиям функционирования системы в реальном времени, интегрированная с базой знаний. Ваза знаний включает сформированный ранее информационный базис, систему математических моделей, множество диагностических признаков, класси<1»1-цируемых ситуаций и логических моделей. Знания представлены в виде гибридной модели, сочетающей фреймовый, продукционный и логический подходы к представлению и формализации знаний об объекте диагностирования. Разработана система приобретения знаний в виде правил, расширенных функциями, с механизмом прямого вывода , средствами тестирования и объяснения. Разработан декларативный язык, основанный на правилах продукций, расширенный, в отличие от традиционных продукционных систем, арифметическими и логическими функциями, ä также полиморфными функциями доступа к интегрированной базе данных и знаний (по-

иска, чтения, записи и исполнения экземпляров фреймов в виде сценариев, внешних задач, графических изображений, звуковых последовательностей, сложных структур с указателями, меню и др.). Реализованный механизм логического вывода позволяет осу-шэствлять как прямой, так и обратный вывод. Разработан редак~ тор базы знаний, предоставляющий возможности построения графических, динамических изображений, изображений мнемосхем и возможность занесения "нечетких" данных в виде задания функций принадлежности. Приведены результаты тестирования системы. Разработан генератор прикладных программ на языке СИ. Предложен новый подход к построению прикладных АИСД ГПА, основанный на применении инструментального средства с генерацией процедурного представления баз знаний на языках программирования Си, Пролог, Ассемблер.

Применение интегрированной системы создания и тестирования баз знаний, а также генерации механизмов логического выхода позволит сократить сроки и повысить качество разработки конкретных приложений АИС.

ЗАКЛШЕНИЕ

В диссертационной работе разработаны- процедура диагностики сложных систем на примере гааопе- ■ рекачивающего .агрегата, методическое и алгоритмическое обеспечение для предложенной процедуры;

- комплекс диагностических моделей ГПА и сформулировано структурно-упорядоченное множество диагностических признаков;

- гибридная модель базы знаний предметной области объекта диагностирования на основе фреймового, продукционного, логического формализмов;

- специализированная интегрированная база данных и знаний, удовлетворяющая требованиям реального времени, на основе интегрированной модели представления информации об объекте диагностирования и многоуровневого метода доступа к данным;

- ыегад ситуационного управления, базирующийся на интерпретационных решениях о техническом состоянии объекта и прогнозе его развития;

- функциональная структура АИСД ГПА;

- система приобретения знаний в виде правил, расширенных

функциями и возможностями доступа к фреймам, реализуются механизм прямого и обратного логического вывода и предоставляющая широкие возможности по тестированию и отладке базы знаний, представляющая пользовательский интерфейс в виде многоэкранных, многооконных меню;

- декларативный язык, основанный на правилах продукций, расширенный, в отличие от традиционных продукционных систем, арифметическими й логическими функциями, а также полиморфными функциями доступа к интегрированной базе данных и знаний;

- редактор базы знаний, включающий в себя возможности построения графических, динамических изображений, изображений мнемосхем;

- предложен подход к построению программных средств объектно-ориентированных АЦСД, основанный на применении современной OASE' технологии, инструментального средства с генерацией процедурного представления базы знаний на языках программирования С, PROLOG, Ассемблер.

Опубликованные работы по теме диссертации

1. Котова Е.Е., Писарев A.C. Обмен данными и программами микропроцессорных комплексов автоматизации газоперекачивающих агрегатов // Тез. докл. конф. "Разработка и внедрение микропроцессорных комплексов в народном хозяйстве", 1985 г. - Одесса. - С. 8 -9,

2. Котова Е.Е., Малин В.А., Писарев A.C. Система управления базой данных микропроцессорного комплекса автоматизации ГПА // Тез. докл. конф. "Разработка и внедрение микропроцессорных комплексов в народном хозяйстве", 1986 г.- - Севастополь, 1986 - С.56- 59.

3. Котова Е Е., Назаров О.В., Яковлев В.В. Информационная технология комплексных аналитических исследований // Тез. докл. 1 Всесоюз. конф. "Автоматизация, интенсификация, интеграция процессов технологии и микроэлектроники", 22-24 нояб. 1989 г. - Ленинград, 1989. - С.91-93.

4. Котова Е.Е., Писарев A.C. Опыт повышения эффективности микропроцессорных систем управления на основе СУБД // Тез. докл. семинара "Моделирование, идентификация, синтез систем управления в химических и химико-металлургических проиэводс-

- 16 - .

твах", 4-7 сент. 1988 г. - Киев. 1988.- С.60-68.

5. Исерлис Ю.Э., Котова Е.Е. Применение теории некорректных задач при диагностике технического состояния ГПА // Энергомашиностроение." 1989.- N 4,- 0.2-4.

6. Котова Е.Е., Назаров О.В., Яковлев В.В. Проблемно-ориентированное интеллектуальное программное обеспечение автоматизированных аналитических комплексов микроанализа // Теа. докл. Всесоюа. научно-практич.' семинара "Интеллектуальное программное обеспечение ЭВМ", 21-27 мая 1990 г. - Ростов-на-Дону, 1990,- Т. 2. С.Б6-61.

7. Котова Е.Е., Назаров О.В. Проблемно-ориентированные интеллектуальные аналитические комплексы для микроанализа ■// Тез. докл. Всесоюз.конфер. "Проблемы разработки и внедрения экспертных систем", 15-20 июня 1989 г. - М., 1989.- С.28-29.

Подписано в печать 06.06.94. Формат 60x84 1/16. Офсетная печать Печ.л. 1,0; уч.-изд. л. 1,0. Тираж 100 екз. Зак. $100•

Ротапринт МГП "Поликоы" 197376, Санкт-Петербург, ул. Проф. Попова, Б