автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Модели и алгоритмы интеллектуализации поиска неисправностей в системе автоматизированного контроля гибридных объектов

ЗВЯГИНЦЕВ Олег Александрович

МОДЕЛИ И АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПОИСКА НЕИСПРАВНОСТЕЙ В СИСТЕМЕ АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (п промышленности)

А втореферат диссертации па соискание ученой степени кандидата технических наук

16 МАЙ

Серпухой - 2013

005058956

005058956

Работа выполнена в Межрегиональном общественном учреждении «Институт инженерной физики» (МОУ «ИИФ»), г. Серпухов

Научный руководитель: ДАНИЛЮК Сергей Григорьевич

доктор технических наук, профессор, старший научный сотрудник отдела разработки аппаратно-программных комплексов МОУ «ИИФ», г. Серпухов

Официальные оппоненты: МАКАРОВ Руслан Ильич

доктор технических наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых» (ВлГУ), профессор кафедры «Информационные системы и информационный менеджмент», г. Владимир

НАДЕЖДИН Евгений Николаевич

доктор технических наук, профессор, Федеральное государственное научное учреждение «Институт информатизации образования» Российской академии образования (ФГНУ ИИО РАО), заведующий отделом автоматизации и управления технологическими процессами в науке и образовании, г. Москва

Ведущая организация:

Федеральное государственное бюджетное

образовательное учреждение высшего профессионального образования «Московский авто мобильно-дорожный государственный технический университет (МАДИ)», г. Москва

Защита состоится «22» мая 2013 г. в 15.00 ч. на заседании диссертационного совета Д 212.025.01 при ВлГУ по адресу: 600000, г. Владимир, ул. Горького, д. 87, корп. 1, ауд. 335.

С диссертацией можно ознакомиться в научной библиотеке ВлГУ. Автореферат разослан «19» апреля 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу университета: 600000, г. Владимир, ул. Горького, 87, ВлГУ, ученому секретарю диссертационного совета Д 212.025.01.

Ученый секретарь

диссертационного совета Д 212.025.01 доктор технических наук, доцент

Давыдов Н.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. На завершающем этапе технологического процесса производства автоматизированной системы контроля (АСК), предназначенной для оценки технического состояния физико-энергетических установок (ФЭУ), производится контроль ее работоспособности, а в случае его неудовлетворительного результата осуществляется поиск и устранение возникшей в ней неисправности. Поскольку ФЭУ представляет собой совокупность аналоговых и цифровых систем, то является гибридным объектом (ГО) диагностирования. Высокая сложность АСК, обусловленная необходимостью соответствия структуре и задачам контроля всех разрабатываемых и эксплуатируемых ФЭУ, при ограниченной надежности используемой для ее производства элементной базы определяют высокую значимость эффективной организации процесса диагностирования.

Повышения эффективности процесса диагностирования может быть достигнуто на основе интеллектуализации АСК ГО, одним из условий которого является привлечение экспертной диагностической информации (ДИ). По своей природе неопределенности эта ДИ является нечеткой, что определяет необходимость разработки соответствующих моделей и алгоритмов автоматизированного диагностирования. На существующем этапе развития диагностического обеспечения АСК ГО вопросы обработки нечеткой ДИ исследованы в недостаточной степени. Разработано множество математических моделей и методов, обеспечивающих возможность автоматизации контроля и поиска неисправностей разнообразных объектов. Значительный вклад в развитие теоретических основ технической диагностики внесен такими учеными как Яблонский C.B., Пархоменко П.П., Карибский В.В., Согомонян Е.С., Дмитриев А.К., Кострыкин А.И., Мозгалевский A.B., Клюев В.В. и многие другие. Модели и методы, предложенные в их трудах, явились той базой, которая позволила решить задачу автоматизации поиска неисправностей. Но для рассматриваемых объектов не была характерна высокая степень неопределенности. Привлечение знаний и опыта специалистов определяет актуальность внедрения в практику решения диагностических задач подходов искусственного интеллекта и в частности в области теории нечетких множеств и нечеткой логики.

Основы отмеченных теорий заложили такие ученые как Заде Л., Кофман А., Попов Э.В., Поспелов Д.А., Нильсон Н., Борисов А.Н.. Теоретические и практические вопросы интеллектуализации процессов диагностирования рассматривались в работах Микони C.B. Вопросы разработки методологического обеспечения построения и функционирования экспертной системы поддержки поиска неисправностей в АСК ГО рассмотрены в работах Данилюка С.Г., в которых впервые было обосновано понятие «вероятностно-лингвистического синдрома» (ВЛС) и разработана вероятностно-лингвистическая модель (ВЛМ). Различные аспекты реализации методов обработки диагностической экспертной информации были исследованы в работах Романенко Ю.А., Агарева В.А., Романенко А.Ю. Однако в перечисленных выше работах при разработке методов обработки ДИ в большей степени реализован принцип максимального правдоподобия. При этом не был учтен тот факт, что неисправности АСК ГО разновероятны. Это позволяет сделать вывод о необходимости исследования вопросов обработки ДИ, включающей как характеристику внешнего проявления неисправности, так и статистическую информацию о возможности наступления в эксплуатации АСК ГО того или ино-

го технического состояния (неисправности).

Таким образом, диссертационное исследование, посвященное интеллектуализации поиска неисправностей в АСК ГО на основе разработки моделей и алгоритмов функционирования экспертной системы поддержки поиска неисправностей (ЭСГ1ПН) следует считать актуальным.

Степень разработанности темы исследования определяется обоснованием и разработкой взаимосвязанных моделей и алгоритмов, которые обеспечивают автоматизацию обработки всей доступной, включая нечеткую, ДИ о внешнем проявлении и априорных вероятностях неисправностей АСК ГО, как основы построения и функционирования экспертной системы поддержки поиска неисправностей (ЭСППН) АСК ГО.

Цель исследования - повышение эффективности функционирования АСК ГО на основе интеллектуализации процесса поиска неисправностей.

Объектом исследований является процесс поиска неисправностей в АСК ГО, а предметом - методы шггеллектуализации как основа построения экспертной системы поддержки поиска неисправностей в АСК ГО.

Научная задача состоит в разработке комплекса научно-обоснованных моделей и алгоритмов как основы обработки нечеткой ДИ в ЭСППН АСК ГО.

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

1) разработка ВЛМ, учитывающей априорные вероятности неисправностей, для ЭСППН АСК ГО;

2) разработка алгоритма минимизации множества ВЛС для ЭСППН АСК ГО;

3) разработка алгоритма принятия решения о возможных неисправностях в АСК ГО с учетом экспертной ДИ об их внешнем проявлении и априорных вероятностях;

4) обоснование функционально-логической модели ЭСППН АСК ГО;

5) оценка эффективности поиска неисправностей с использованием ЭСППН АСК ГО.

Методология и методы исследований. Методологическую основу исследования составляют методология искусственного интеллекта, методы математического моделирования, методы оптимизации, методы технической диагностики, методы нечеткой логики, теории нечетких множеств, методы системного анализа.

Положения, выносимые на защиту:

1. Вероятностно-лингвистическая модель для ЭСППН АСК ГО, учитывающая информацию об априорных вероятностях ее неисправностей.

2. Комплекс алгоритмов реализации нечеткого подхода к обработке нечеткой диагностической информации с учетом априорных вероятностей неисправностей как основа построения и функционирования ЭСППН АСК ГО.

3. Функционально-логическая модель ЭСППН АСК ГО.

Научная новизна и теоретическая значимость состоит 1) в совершенствовании ВЛМ, являющейся формализованным представлением нечеткой ДИ в виде ВЛС, в аспекте учета априорных вероятностей неисправностей АСК ГО; 2) в совершенствовании алгоритма минимизации нечеткой ДИ, представленной исходным множеством ВЛС, для ЭСППН АСК ГО, который по сравнению с аналогичными по назначению алгоритмами использует информацию об априорных вероятностей неисправностей; 3) в разработке

нового алгоритма обработки нечеткой ДИ при идентификации неисправностей АСК ГО, который реализует нечетко-стохастический подход к обработке ВЛС как формализованного проявления неисправностей и их априорных вероятностей, что позволяет формировать обоснованную последовательность поиска и устранения неисправностей.

Практическая значимость работа определяется разработкой модели и алгоритмов функционирования, которые представляют собой основу математического и алгоритмического обеспечения функционирования ЭСНПН, которая при формировании решения о возможных неисправностях АСК ГО учитывает априорные вероятности их возникновения. В диссертации проведен сравнительный анализ эффективности диагностирования АСК ГО, имеющей в своем составе ЭСППН, и без нее по показателю вероятности устранения отказа за заданное число замен. Полученные результаты показывают, что за счет использования априорных данных о неисправностях и нечеткой ДИ эффективность выявления и устранения неисправностей в АСК ГО при наличии ЭСППН выше в среднем на 23%.

Достоверность результатов диссертационной работы обеспечивается корректным использованием апробированного математического аппарата нечеткой логики, теории нечетких множеств, системного анализа, непротиворечивостью результатов принятия решений с использованием разработанных моделей и алгоритмов результатам, полученным на основе известных и апробированных в технической диагностике моделей и алгоритмов.

Апробация и публикации по теме работы. Результаты работы докладывались и обсуждались на МВК «Проблемы обеспечения эффективности и устойчивости функционирования сложных систем» (г. Серпухов, 2010 [8, 13], 2011 [11], 2012 [3,6]).

По теме диссертации опубликовано 14 работ, из которых 2 в издании, входящем в перечень ВАК («Известия Института инженерной физики» [1, 2]).

Внедрение результатов исследований. Результаты диссертационных исследований реализованы и внедрены в Проектно-конструкторско-технологическом бюро железнодорожной автоматики и телемеханики - филиале ОАО «РЖД» (ПКТБ ЦШ — ОАО «РЖД»), г. Москва; МОУ «ИИФ» РФ (г. Серпухов).

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Структура диссертации. Диссертация имеет объем 167 страниц (17 рисунков, 37 таблиц) и включает оглавление, список сокращений, введение, четыре раздела, заключение, список литературы (141 наименование), а также приложения, в которых представлены результаты моделирования и акты реализации.

Введение диссертации посвящено анализу избранной области исследования, обоснованию актуальность темы, формулированию цели и научной задачи, определению объекта и предмета исследования. Во введении приведены сведения, подтверждающие новизну, теоретическую и практическую значимость, достоверность полученных научных результатов, а также данные об их реализации, апробации и публикациях.

В первом разделе «Организационные и методические предпосылки совершенствования процесса поиска неисправностей в АСК ГО» проанализированы организационные и методические предпосылки совершенствования поиска неисправностей в АСК ГО. Уточнены факторы, которые влияют на эффективность диагностирования. Показано, что до 67 % времени устранения отказа тратится на установление его причины,

т.е. на идентификацию неисправного функционального узла. Эта доля существенно зависит от квалификации операторов, от их способности анализировать потенциально доступную ДИ.

При рассмотрении задачи поиска неисправностей АСК ГО были проанализированы и выделены пять присущих ей видов неопределенности: 1)физическая неопределенность; 2) измерительная неопределенность; 3) неопределенность внутреннего представления и обработки; 4) прагматическая неопределенность; 5) лингвистическая неопределенность. Отмеченные виды неопределенности проявляют себя в комплексе и требуют соответствующих способов для адекватной обработки ДИ в ЭСППН.

Проведенный анализ позволил обосновать возможность повышения эффективности поиска неисправностей в СТД ГО, и в частности в АСК ГО как наиболее сложном ее элементе, на основе комплексной обработки статистической и нечеткой ДИ в рамках ЭСППН. С учетом выявленной природы неопределенности присущей ДИ, привлекаемой для расширения диагностического информационного контента, разработку математического обеспечения ЭСППН АСК ГО целесообразно осуществлять на основе теории нечетких множеств и понятия лингвистической переменной (ЛП).

В завершении раздела выполнена постановка задачи на основе подхода, разработанного профессором Дани люком С. Г. При этом было учтено, что: 1) штатным методом диагностирования является метод последовательного функционального анализа при допущении только одиночных неисправностей; 2) поиск неисправностей в АСК ГО на основе штатного диагностического обеспечения приводит к ситуациям, когда искомая неисправность находится в классе неразличимых неисправностей (КНН), объем которых от 2-х до 27; 3)для сокращения мощности КНН привлекаются знания операторов, имеющих большой опыт эксплуатации и диагностирования объектов данного и аналогичного типа; 4) вероятностные и стоимостные факторы поиска неисправностей среди множества неразличимых учитываются опытом и знаниями эксперта по диагностике; 5) вероятности неисправностей АСК ГО различны.

С учетом принятых допущений была уточнена задача на разработку модели и алгоритмического обеспечения ЭСППН АСК ГО. При этом для ОД заданы:

1) множество возможных ТС (неисправностей)

(1) (2) (3)

2) вероятности ТС

3) множество проверок

РЕ={Р(е,)}, / = 0,1.

4) множество диагностических параметров (ДП)

5) для каждого ДП,у, определено множество значений

= {Л|/ = 1,/}, (4)

= (5)

(6)

которые могут иметь нечеткий характер где Оц - область определения 7*,,;

6) при определении соответствия используются вероятностные экспертные оценки

(7)

для которых рf > ртс = [0,6; 1], (9)

Тогда средняя продолжительность диагностирования:

, , М

itq.nqe П т=1 л=1

где ^¡tfaq) ~ tu - время реализации множества проверок; Р{Кт) - вероятность т-го

КНН; Р(е„/Кт) - условная вероятность п-го ТС при идентификации т-го КНН; тогда

II !А'»1

]>] Р(Кт) ^Р(еп)1п = t - среднее время поиска неисправности методом замен на т=1 и=1

множестве неразличимых неисправностей.

С учетом изложенного в работе сформулированы две задачи.

1. Задача минимизации исходного объема ДИ в рамках BJ1M

м' = min_{е,Н,Т,Y, О,РТ,РЕ} (11)

n=k|i='.e}

при ограничениях на качество идентификации ТС

pf > Pinc,i = Tj;j = Tjr,q = IQ;/ = 0,L-1, (12)

а также возможности ЭСППН по распознаванию ТС

К{П*(£)} = К{П(£)}. (13)

2. Задача разработки алгоритма, позволяющего на основе предъявленной нечеткой ДИ о внешнем проявлении неисправности или однозначно идентифицировать искомое техническое состояние (неисправность) объекта, или сформировать обоснованную последовательность замен ТЭЗов, обеспечивающую устранение его отказа.

Во втором разделе «Разработка вероятностно-лингвистической диагностической модели для ЭСППН АСК ГО» разработана BJIM для ЭСППН АСК ГО, учитывающая априорные вероятности ее ТС. Опыт диагностирования специалиста существует в виде его оценок возможности для каждой диагностической ситуации определенных комплексов признаков. Как было обосновано в работе, проявление комплекса признаков и его связь с ТС отражается в опыте эксперта по ее диагностированию в форме частотных оценок, которые по своей сути являются его субъективными оценками частотной связи реализации комплекса признаков и действительного ТС. Подобным образом могут быть оценены априорные вероятности неисправностей. С учетом введенных обозначений BJ1M представляется в виде упорядоченного множества:

М={Е,П,Т,У,0,Рг,Ре}, (14)

где О — оператор вида:

oiext1<-2l->txpt, (15)

при этом r = {v?,|9 = Uß;/ = 0,Z,-l}, (16)

множество всех возможных ВЛС Vgl, которые являются сочетанием детерминированно-стохастических признаков, соответствующих ТС ОД:

?/(*»•*/)={((*№ ■ (l7) Формализация ДИ в рамках BJIM осуществляется с использованием понятия ЛП «ПАРАМЕТР»-(yis Т„ Di):

У) = «ПАРАМЕТР/», (18)

где Z), - базовое множество, которое соответствует диапазону изменения ДП.

Рассмотрим множество значений Г = {г,|/ = 1,./} ЛГ1 у. («ПАРАМЕТР», J\ D),

которые используются специалистом в своих суждениях при фиксации неисправного состояния АСК ГО. Каждое из значений Tj является нечеткой переменной:

(Tj,D,C(TJ), (19)

где Tj - названиеj-ii нечеткой переменной Tj еТ = {т}|у = 1,j] ;

c(Tjh{(MCj(d)/d}\ (deD) (20)

- нечеткое подмножество D, которое является ограничением определяемым Т] с помощью модифицированной тг-функции.

Для формализации нечегкой ДИ вероятностной сущности может быть использована ЛП «ВЕРОЯТНОСТЬ»:

(«ВЕРОЯТНОСТЬ», Тмр, 4% (21)

где 7'в„р={(«никогда»), («весьма редко»), («более или менее редко»), («ни часто ни редко»), («более или менее часто»), («весьма часто»), («практически никогда»)}; ¥*=[(), 1]. Экспертные оценки преобразуются в числовые на основе метода полной интерпретации.

Третий раздел «Алгоритмы реализации нечеткого подхода к обработке ДИ в ЭСППН АСК ГО» посвящен разработке алгоритмов анализа и обработки нечеткой ДИ. Можно предположить, что исходная БЗ ЭСППН, сформированная на основе опроса специалистов по отысканию неисправностей АСК ГО окажется избыточной.

Для снижения избыточности БЗ доработан алгоритм минимизации нечеткой диагностической информации для ЭСППН АСК ГО. Минимизация исходного множества BJIC эквивалентна сокращению множества проверок П до П :

|п1= min !К|| (22)

{пл0=п>

при соблюдении требований (12) и (13).

Декомпозиция задачи (22) требует решения 4-х задач: 1) нечеткой классификации исходного множества ВЛС; 2) построения матрицы различимости; 3) покрытия полученной матрицы различимости; 4) формирования ВЛМ с учетом априорных вероятностей технических состояний и результатов нечеткой классификации ВЛС.

1. Нечеткая классификация исходного множества ВЛС. Процедура нечеткой классификации представляет собой построение на множестве (16) нечетких разбиений ^ ? е ^> Я = 1>Q> каоснове правила:

v?,ÜV, при (vql » v^), V, при *

где q = \,Q,X = \,\q,l,f-Q,L,1 */, аоперация U для v?, и v^:

¿V = v и v = min max(pl'.pf )■ (24)

y,eT T^T,

Согласно (23) два BJIC vql и v^ попадают в один КНЭ и объединяются (24) в случае их равенства. Если для ВЛС нет равного, то он сам является основанием КНР.

Основу процедуры нечеткой классификации составляет вычисление степени нечеткого равенства (СНР) ^(v^.vy) для каждой пары ВЛС vq, и v^:

^(vv) =minmin

У,*У 3tfer,

(25)

Если полученная по (25) СНР удовлетворяет условию

A(v» v) - Pin' (26)

то ВЛС vq¡ И нечетко равны (vg¡ » Vqr ) СО степенью достоверности не меньше Pinc.

При реализации процедуры нечеткой классификации могут быть получены:

1. Матрица нечеткой эквивалентности (МНЭ), составленная из значений нечеткой эквивалентности = /jfv^v^) ВЛС vq¡,vqf е Vq\

= «=üv, « = j[2(¿ + l)-(/ + l)]-/ + (/-l). (27)

2. Множество 5R = = U6 } фактор-множеств = {^¿¡Л = 1,Л?} (28), содержащих классы Vq? нечетко эквивалентных ВЛС.

3. Полная дешифрирующая диагностическая матрица, составленная из порядковых номеров Xq¡ КНЭ VqX q-ro фактор-множества 91q:

А = |Л?/||, а = Ш l = 0~L. (29)

2. Построение матрицы различимости (МР). Для построения МР А -1 aqnj, q = \,Q-, n = \,N необходимо преобразовать МНЭ М = j, q -1,Q; n = \,N:

_ (0, при цч„ > рь,,., aqn ~~ [l, при pq„ < pmc.

3. Формирование минимального множества проверок может бьггь решена на основе процедуры С.В.Яблонского, согласно которой строится выражение

П2>а V (30

(30)

в котором П„ = лч е П, ач„ = 1} - множество строк матрицы А, содержащих на пересечении с п-м столбцом единицы. Выражение (31) преобразуется в выражение

£П= V А <32>

где © = {п*} - множество тупиковых покрытий матрицы А.

Упрощение (32) позволяет определить все тупиковые покрытия П с П и выбрать из них кратчайшее. Если их несколько, то, как обосновано в диссертации, искомым следует считать покрытие, для которого суммарный весовой коэффициент

является максимальным: N

Е (33)

<?е&, п=1

где (2М - множество индексов проверок пм, Лд еГ1м.

Коэффициенты ццп берутся из МНЭ. Т.к. величина 1 - Цдп имеет смысл степени, с которой проверка отличает ТС б; от ТС еу, то разработанная процедура направлена на обеспечение наибольшей достоверности распознавания ТС.

4. Формирование ВЛМ с учетом априорных вероятностей ТС и результатов нечеткой классификации. В ходе классификации два ВЛС и попадают в один КНЭ в случае их равенства, при этом они объединяются, формируя эталон данного класса. Для определения априорной вероятности КНЭ необходимо суммировать априорные вероятности ТС, ВЛС которых были использованы для формирования КНЭ:

£/(*/)> я-Щ <34>

Тогда матрицу нечетких разбиений следует дополнить априорными вероятностями Р(Удх) КНЭ, т.е. в ней появится дополнительный столбец, в котором для каждого

КНЭ будет указана р(удд):

Е^дН 4 = Ш (35)

Л=1

С учетом минимизшии исходной диагностической информации модель {14) преобразуется в модель

М'={Е,п',Т,0,Рт,Ру}, (36)

где вероятности (2) заменены вероятностями (34). Модель (36) хранится в БЗ наряду с производными от нее моделями А*, М* и Я*.

Разработка алгоритма обработки нечеткой ДИ при идентификации неисправностей А СК ГО осуществлялась на основе модели (36).

После реализации множества проверок П - т = состояние ОД характеризуется текущими BJIC - v(e*, ггт) -- V,* . На рисунке 1 представлена логика функционирования СТД с использованием ЭСППР, Основой для выработки решения

ЭСППН является процедура формирования множества BJIC v(e*, тгт) , т-\,М и оценки степени их близости соответствующим КНЭ Л = },Лт, т = ),М при иден-

тификации неисправности.

Таким образом, если степень, с кото-

ОД Ят БЗ ЭСППН

АСКГО с* =е;

е* Р(е,), 1 = L

VmX! Л = 1,Лт

выступающий эталоном

внешнего проявления неис-Рисунок1-Структура СТД с использованием ЭСППР правносхи 0Д, то с учетом

статистической основы формирования оценки ее можно рассматривать как степень уверенности, с которой текущее (идентифицируемое) ТС (неисправность) е соответствует ТС (неисправности), которая характеризуется классом . Рассмотрим случай, когда

текущий ВЛС ^ «хорошо» определен, т.е. степень определения значений ЛП у, т*

удовлетворяет условию: ру > .

Наличие априорной информации о неисправностях и условный характер субъективных вероятностных оценок Утх) позволяет провести аналогию разрабатываемого подхода с методом Байеса. Однако следует отметить, что в методе Байеса при идентификации неисправности отдельные признаки указываются «четко». Это означает, что обработка диагностического контента на основе метода Байеса в данном случае невозможна.

ВЛС г/г", ,тт) является формализованным описанием внешнего проявления текущего технического состояния е* (неисправности) при реализации проверки кт из минимального множества проверок П . После реализации всех проверок кт е

П* = \лт\ т~\,м] , где П*сП-|,т?| ц - будут получены М ВЛС вида .

Зафиксируем проверку ят, тогда задача м.б. сформулирована в следующим образом: каким из возможных технических состояний в/ е Е = / = О, Ь ] является текущее е*, если оно описывается ВЛС Ут.

Будем считать, что величина Кид) характеризует возможность, с

которой техническое состояние которое принадлежит КНЭ , является причиной того, что при диагностировании объекта наблюдается ВЛС Ут. Тогда произведение

/<(ут, Утд) Для в; б характеризует степень возможности верного решения о причине сложившейся диагностической ситуации, вызванной неисправностью в/.

Приведенные выше соображения послужили основой для разработки процедуры обработки диагностического контента, содержащего экспертные оценки, в следующем виде.

1. Формирование текущих ВЛС 7т, т -1 ,М с учетом оценок правдоподобности проявленияу-го значения /-го ДП в текущем ТС при реализации т -й проверки:

Р(у, = Т„ / е, л„) = Ый. ] = и = й7. (37)

2. Определение СНР //(у*, УтЛ) , X = 1,Лт, т = 1 ,М:

)= Л (У1\МутЛ Си,)) , (38, а)

У,еГ

Л 4'ътЫ(ТЛ^'т1М(Ту)) ' <38>б>

Т^Т,

Я = 1,Лт, т = Щ. (38, в)

Полученная по (38) оценка /^»м^тя) характеризует близость текущего ВЛС сформированного при наблюдении ТС по заданному множеству ДП, и эталонных образов Я = 1,ЛОТ, которые хранятся в БЗ ЭСППН.

3. Вычисление априорных вероятностей КНЭ Р(Утл) ■ Для КПЗ Л = 1,Ат , т — \М с учетом нечеткого разбиения 91*

Н?тл) = Е/Ы- гп^ХМ, Л = (39)

где Р(в/), / = 0, £ — априорные вероятности ТС (неисправностей).

4. Нормирование априорных вероятностей КНЭ. Исключив исправное е0 и, принимая во внимание, что

V - УдЬ Я = Ьв или 7т0 = Ут1, т = 1,М (40)

нормирование априорных вероятностей КНЭ выполним согласно выражению:

, Я = 2^, т = Ш. (41)

4-2

5. Вычисление апостериорных субъективных вероятностей Для КНЭ Я = 1,Лт, т = 1,М сучетомВЛС у^, т = \,М имеем:

Я = « = и7. (42)

6. Формирование упорядоченного множества вероятностей р (р„,л /V,,*). Сформируем множество вероятностей Р^тл/^т) удовлетворяющих неравенству:

т^Ш. (43)

Для каждого текущего ВЛС ут в т-м фактор-множестве 5Нт, которому нечетко равны

Кт КНЭ УтЛ, проведем упорядочение в соответствии с правилом:

^УтХгУт1, 4гтл,\Я* =АьЛКт} , Р^/^Р^/Ът)

>(/<*)), (44)

где А = 1, кт - подпоследовательность последовательности индексов л = 1,ат .

В результате получаем м упорядоченных -разрядных последовательностей

КНЭ:

т = щ. (45)

Выражение (45) следует интерпретировать как множество соответствующих КНЭ ^тЛк > ¿к = М' > которые выделены проверкой лт из множества возможных ТС (неисправностей) как «подозреваемые». Чем меньше к, тем очевидно больше степень уверенности в том, что в ОД присутствует соответствующая неисправность.

7. Определяют предварительной последовательности устранения подозреваемых неисправностей методом замен. Апостериорная вероятность ха~ растеризует степень возможности того, что при реализации в ходе диагностирования проверки 1гт причиной внешнего проявления, формализованного текущим ВЛС является одна из неисправностей (ТС) - е/, которая принадлежит КНН етл. При этом етл по сути представляет собой множество неисправностей (ТС), соответствующие которым ВЛС на этапе формирования БЗ экспертной СППН сформировали КНЭ утд, т.е.

р(?тлк)= р{е етл (уи/ 6 утл)} . (46)

Тогда

е (^Ж)=1-р{утлК) (47)

характеризует возможность противоположного события - что ни одна неисправность е/ (техническое состояние), которая вошла в етл не является причиной внешнего проявления, формализованного текущим ВЛС уЦ,

Q^mлh*n)=p{e* . (48)

Поэтому произведение м

П'-К^а;)

т=1

характеризует то, что неисправность, которой может быть сопоставлен ¿/-разрядный вектор-столбец

Л = ||А1л,Л2,...Дт,...Дм|Г __(50)

составленный из номеров КНЭ Утд, т = \,М, и которая одновременно принадлежит всем соответствующим КНН Ет т - 1 ,М. Следовательно, величина М , ч Г М

* г~~\

м /__Ч | т

1—ГТ1 -руп*К)= р\е' е П

т=1

т-\

- />((/ е £и, )а(е* е Е2Хг )л ... а (е* е ЕШм)) - р\ ^ (е* е ЕтЯ ) 1 . (51)

I"

М

характеризует возможность того, что неисправность е/ е (~\ЕтЛ является причиной

т=1

получения (проявления, наблюдения и формирования) при диагностировании на множестве проверок П* = |;гт| т-\,м\ комплексаВЛС {у»,} , X = 1,Лт .

Для нахождения всех подозреваемых ТС следует построить выражение М Кт

П1=Л V ^

»>=1 1

и преобразовать в выражение Кх -К2 ■■■■Км М

ЕП= V Л (53)

к-\ т=1

Для каждого сформированного на основании выражения (53) ¿/-разрядного вектор-столбца вычислим степень возможности

Л*/ Л

. / /и=1

Л/ / , ч

= 1-П1

(54)

т=1

которая эквивалентна по своей сути оценке (51).

Слагаемые дизъюнкции (53) - ¿/-разрядные вектор-столбцы Л*,

к - 1, Кх ■ К'2 ■■■■■ Км вида (50) - совместно с оценками (54) определяют последовательность устранения подозреваемых неисправностей методом замен.

8. Определение физически возможных неисправностей по правилу:

(<?/ е Е) /

Р{е,) =

К1 ■К2-...'КМ

тах ' к=1

м

Ак А

т-1

■ (л* = Л* ).

(55)

Согласно (55) может быть получена упорядоченная последовательность «подозреваемых» неисправностей. При этом «наиболее подозреваемой» считается неисправность, соответствующая столбцу Л*, матрицы Л*, которому окажется идентичным вектор-столбец с наибольшей степенью возможности.

В четвертом разделе «Моделирование формализации и обработки информации в ЭСППН АСК ГО» рассмотрены вопросы реализуемости и эффективности разработанных алгоритмов формализации и обработки ДИ, включающую и экспертные оценки, в том числе и информацию об априорных вероятностях технических состояний (неисправностей) диагностируемого объекта. В ходе моделирования были проверены и практически подтверждены: 1) функциональность и результативность; 2) диагностическая корректность, т.е. способность «не упустить из внимания», а более того получить в качестве результата как «наиболее подозреваемое» то техническое состояние (неисправность), которое было получено апробированным аналогичным по назначению алгоритмом при идентичных исходных данных; 3) чувствительность, т.е. способность «реагировать» на изменение исходных данных об априорных вероятностях технических состояний (неисправностей); 4) «мягкость» по отношению к исходной диагностической информации (сохранение как можно большего объема полезной исходной информации вплоть до выработки окончательного решения); 5) эффективность как способность идентифицировать неисправное состояние диагностируемого объекта при определенных ресурсных затратах на процесс диагностирования.

Результаты сравнительной оценки эффективности устранения неисправности по показателям «вероятность устранения отказа наА-й замене ТЭЗа» и «вероятность устранения отказа за к замен ТЭЗов» были рассчитаны в среде МаЛСАЛ 15 (рисунок 3) (5 = 1 - ЭСППН отсутствует; я = 2 — ЭСППН имеется, но не учитывает априорные вероятности неисправностей; 5 = 3- ЭСППН имеется и учитывает априорные вероятности неисправностей):

г = 2,3,...,/.; (56)

/=1

г=2>(57)

/=1

При интерпретации графиков, следует исходить из того, что первая подозреваемая неисправность во 2-м и 3-м случаях одна и та же. Следовательно, вероятность устранения отказа ОД на 1-м шаге 2-м и 3-м способами одинакова. На рисунке 3 а это отражено совмещением графиков зависимостей Р2*(/г) и Р3 (/,.), а на рисунке 36 -

(/г) и рЦ<г)- Однако, с точки зрения гарантированного скорейшего устранения отказа ОД более важным является поведение зависимостей, при г = 2, 3, ..., К. Видно, что в 3-м случае, т.е. для разработанного метода, при каждом очередном шаге вероятность устранения отказа ОД имеет существенное большее приращение и быстрее стремится к единице, чем в 1-ми 2-м случаях. Это возможно, поскольку исходная ДИ, полученная при наблюдении ОД, сохраняется в процессе ее обработки вплоть до вынесения решения о подозреваемых неисправностях.

р(0 0,8

0.6

ОД

■ \ -

\ 1>2\) .

•X..............^О,) р\)

а) б)

Рисунок 3 - Графики зависимости вероятности устранения отказа: а) на к-й замене - Р*(/,.); б) за к замен - г'і{іг) Обоснована структура ЭСППН в АСК ГО, которая позволяет реализовать разработанный подход к диагностированию с использованием вероятностных и экспертных оценок (рисунок 4).

Экспертная СППН а АСК ГО

Подсистема оценки диагностических ситуаций на основе информации

Лниличеим нц^си-уіі

Подсистема диагностических ситуаций

------

Подсистема формирования и выдачи решений

Подсистема взаимодействия с экспертами (специалистом)

Эксперт по поиску и устранению неисправностей в АСК ГО

5

I

за

а интерпретации решений диагностической экспертной системы

БЗиД

БЗиД,:

1.ВТС- Р(е,)

2. вкнэ - р(г,л)

БЗиД,:

1.МНЭ- М-||л,„|,г-1,0:»-1.«

2. НРВЛС-

3.дм- л=І4,| ?»Ш;'-оГЇ

Оператор расчета по поиску и устранению неисправностей 2

АСК ГО

I

АСК ГО

Рисунок

4 - Структурная схема ЭСППН АСК ГО

В заключении сформулированы основные результаты исследований по решению теоретических и прикладных задач, поставленных в работе. Указываются возможные пути дальнейшего развития исследований по проблеме совершенствования алгоритмов обработки диагностической экспертной информации при поддержке принятия решений по выявлению неисправностей в СТД ГО.

В приложениях представлены результаты моделирования, подтверждающие разработанные в диссертационной работе теоретические и практические положения, а также приведены акты реализации.

ЗАКЛЮЧЕНИЕ

Таким образом, на основе проведенного исследования в диссертационной работе:

1. Разработана ВЛМ для ЭСППН СТД ГО, которая на основе ЛП «Параметр» и ЛП «Вероятность» позволяет формализовать нечеткую ДИ с учетом априорных вероятностей о ТС АСК ГО.

2. Разработан алгоритм минимизации исходного множества ВЛС, формализованных на основе нечеткой ДИ, полученной от специалистов по диагностике, с целью построения безызбыточной БЗ ЭСППН АСК ГО.

3. Разработан алгоритм обработки нечеткой ДИ в ЭСППН при идентификации неисправностей АСК ГО и формирования упорядоченного по степени возможности множества подозреваемых неисправных технических состояний.

4. Разработана функционально-логическая структура экспертной системы поддержки поиска неисправностей АСК ГО.

5. Произведена сравнительная оценка эффективности диагностирования на основе разработанного алгоритма обработки нечеткой диагностической информации, использующего априорные данные о вероятностях неисправностей в сравнении со способом, не предполагающим их использование. Эта оценка по показателю «вероятность устранения отказа за к замен ТЭЗов» составила повышение в среднем на 23%.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ АВТОРОМ ПО ТЕМЕ ДИССЕРТАЦИИ

В рецензируемых научных журналах и изданиях

1. Звягинцев O.A., Данилюк С.Г., Форсов Г.Л., Якимов Д.А. Вероятностно-лингвистическая диагностическая модель: расширение возможностей //Известия Института инженерной физики. - Серпухов: МОУ «ИИФ». - 2012. - № 1 (23). - 84 с. - С. 46-50. (соиск. - 45%)

2. Звягинцев O.A., Попов А.И., Нижниковский A.B. Подходы к анализу угроз безопасности информации, циркулирующей в автоматизированных системах // Известия Института инженерной физики. - Серпухов: МОУ «ИИФ». - 2011. - № 3 (21). — 84 с. -С. 2 - 6. (соиск. - 35%)

Статьи:

3. Звягинцев O.A. Вариант минимизации диагностической информации технического состояния аппаратуры физико-энергетических установок // МО РФ Сб. трудов XXXI Всероссийской НТК. - Ч. 2. - Серпухов: СВИ РВ, 2012. - 275 с. - С. 51 - 54.

4. Звягинцев O.A. и др. Научно-исследовательская работа на тему «Научно-техническое обоснование технического облика универсальной интеллектуализирован-

ной контрольно-измерительной аппаратуры». Отчет / МО РФ; Руков. С.Г.Данилюк. -Серпухов: СВИ РВ, 2005. - 55 л. (соиск. - 15%)

5. Звягинцев O.A. Объединение разнородной информации при оценке технического состояния потенциально опасного объекта // Сб. трудов МГТУ им. Баумана. - М.: МГТУ им. Баумана, 2010. - 569 с. - С. 189 - 291.

6. Звягинцев O.A., Астапенко Ю.А. Информационный аспект физико-технического обеспечения надежности изделий электронной техники // МО РФ Сб. трудов XXXI Всероссийской НТК. - Ч. 2. - Серпухов: СВИ РВ, 2012. - 275 с. - С. 11 - 14. (соиск. - 75%)

7. Звягинцев O.A., Воронов П.В. Интерпретация проблемы уязвимостей систем защиты в свете гипотезы «эффекта сверхмалых концентраций // МО РФ Сб. трудов «Известия». - М.: ВА РВСН, 2011. - 286 с. - С. 135 - 141. (соиск. - 55%)

8. Звягинцев O.A., Воронов П.В. Основные положения информационно лингвистического анализа безопасности АСУ // МО РФ Сб. трудов XIX Всероссийской НТК. -Ч. 3. - Серпухов: СВИ РВ, 2010. - 356 с. - С. 281 - 285. (соиск. - 75%)

9. Звягинцев O.A., Воронов П.В., Попов А.И. Роль и место понятия «компрометирующей информации» в общей схеме анализа уязвимости автоматизированных систем / Научно-технический сборник. МО РФ. - Серпухов: СВИ РВ, 2011. - 250 с. - С. 179

- 183. (соиск. - 35%)

10. Звягинцев O.A., Данилюк С.Г., Турлаев В.В., Пашнев А.Н. Анализ надежности системы оценки технического состояния ФЭУ / Научно-технический сборник. МО РФ. - Серпухов: СВИ РВ, 2011. - 250 с. - С. 179 --183. (соиск. - 25%)

11. Звягинцев O.A., Данилюк С.Г., Форсов Г.Л., Попов А.И. Принципы построения математической модели управления техническим состоянием сложных систем // МО РФ Сб. трудов XXX Всероссийской НТК. - Ч. 4. - Серпухов: СВИ РВ, 2011. - 376 с. - С. 270-274. (соиск.-25%)

12. Звягинцев O.A., Смуроа С.В. Информационно-лингвистический анализ стойкости функций безопасности автоматизированных систем в нейросетевом логическом базисе //МО РФ Сб. трудов «Известия». - М.: ВА РВСН, 2010. - 274 с. - С. 175 - 179. (соиск. - 45%)

13. Звягинцев O.A., Смуров С.В. Общий анализ уязвимости автоматизированных систем // МО РФ Сб. трудов XIX Всероссийской НТК. - Ч. 3. - Серпухов: СВИ РВ, 2010.

- 356 с. - С. 275 - 280. (соиск. - 65%)

14. Звягинцев O.A., Данилюк С.Г., Попов А.И. Формализация диагностической информации на основе вероятностно-лингвистической модели / «ИКТ в общем, профессиональном и дополнительном образовании». Уч. записки. - Москва: РАО. ИИО. Вып. 44. - 2012. - 93 с. - С. 84 - 93. (соиск. - 50%)

Подписано в печать 17.04.201? г. Формат 60x90/16. Печагь офсетная. Бумага офсетная. Усл.-печ. л. 1,0. Тираж 100. Зак. £7 Издательство Военной академии РВСН имени Петра Великого (филиал в Г'. Серпухове Московской области)

МЕЖРЕГИОНАЛЬНОЕ ОБЩЕСТВЕННОЕ УЧРЕЖДЕНИЕ «ИНСТИТУТ ИНЖЕНЕРНОЙ ФИЗИКИ»

На правах рукописи

ЗВЯГИНЦЕВ Олег Александрович 04201360683

МОДЕЛИ И АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПОИСКА НЕИСПРАВНОСТЕЙ В СИСТЕМЕ АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ

Специальность

05.13.06 - Автоматизация и управление технологическими процессами и производствами (в промышленности)

Диссертация на соискание ученой степени кандидата технических наук

НАУЧНЫЙ РУКОВОДИТЕЛЬ доктор технических наук, профессор ДАНИЛКЖ С.Г.

Серпухов - 2013

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ....................................................................5

ВВЕДЕНИЕ ........................................................................................6

1 ОРГАНИЗАЦИОННЫЕ И МЕТОДИЧЕСКИЕ ПРЕДПОСЫЛКИ СОВЕРШЕНСТВОВАНИЯ ПРОЦЕССА ПОИСКА НЕИСПРАВНОСТЕЙ В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.......................................13

1.1 Организация поиска неисправностей в АСК ГО......................13

1.2 Интеллектуализация как подход к решению задачи повышения эффективности поиска неисправностей в АСК ГО...............24

1.3 Анализ неопределенности задачи поиска неисправностей АСК ГО и обоснование возможности повышения эффективности ее решения на основе комплексной обработки статистической и экспертной информации...........................................................31

1.5 Постановка задачи на разработку математической модели формализации диагностической информации и алгоритмического обеспечения экспертной системы

поддержки поиска неисправностей АСК ГО.............................40

Выводы...............................................................................................48

2 РАЗРАБОТКА ВЕРОЯТНОСТНО-ЛИНГВИСТИЧЕСКОЙ ДИАГНОСТИЧЕСКОЙ МОДЕЛИ ДЛЯ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ..................................................................................51

2.1 Обоснование структуры вероятностно-лингвистической модели для экспертной системы поддержки поиска неисправностей АСК ГО............................................................51

2.2 Процедуры формализации диагностической информации с использованием понятия лингвистической переменной «Параметр»...............................................................................64

2.2.1 Процедура формализации детерминированной информации на основе лингвистической переменной «Параметр»..................................................64

2.2.2 Процедура формализации стохастической информации............................71

Выводы...............................................................................................73

3 АЛГОРИТМЫ РЕАЛИЗАЦИИ НЕЧЕТКОГО ПОДХОДА К ОБРАБОТКЕ ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ В ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.......................................74

3.1 Разработка алгоритма минимизации нечеткой диагностической информации для экспертной системы поддержки поиска неисправностей АСК ГО.............................74

3.1.1 Классификация исходного множества вероятностно-лингвистических синдромов........................................................................................................76

3.1.2 Формирования вероятностно-лингвистической модели с учетом априорных вероятностей технических состояний и результатов нечеткой классификации ...........................................................................................................................81

3.1.3 Построение матрицы различимости.............................................................82

3.1.4 Формирование минимального множества проверок на основе покрытия матрицы различимости...................................................................................82

3.2 Разработка алгоритма обработки нечеткой диагностической информации при идентификации неисправностей АСК ГО ..84

Выводы...............................................................................................99

4 МОДЕЛИРОВАНИЕ ФОРМАЛИЗАЦИИ И ОБРАБОТКИ ИНФОРМАЦИИ В ЭКСПЕРТНОЙ СИСТЕМЕ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ..................100

4.1 Исходная диагностическая информация для моделирования и ее формализация на базе вероятностно-лингвистической модели.......................................................................................102

4.2 Анализ и минимизация исходной диагностической информации ...................................................................................................104

4.3 Принятие решений на основе входной экспертной диагностической информации................................................105

4.4 Оценка эффективности алгоритмов обработки диагностической информации при реализации поддержки поиска неисправностей в АСК ГО...........................................112

4.5 Совершенствование функционально-логической структуры экспертной системы поддержки поиска неисправностей АСК ГО..............................................................................................121

Выводы.............................................................................................124

ЗАКЛЮЧЕНИЕ................................................................................126

СПИСОК ЛИТЕРАТУРЫ.................................................................126

ПРИЛОЖЕНИЕ 1 ИНТЕРПРЕТАЦИЯ ЗНАЧЕНИЙ

ЛИНГВИСТИЧЕСКОЙ ПЕРЕМЕННОЙ «ВЕРОЯТНОСТЬ»........142

ПРИЛОЖЕНИЕ 2 РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ

ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПОИСКА

НЕИСПРАСНОСТЕЙ .............................................................147

ПРИЛОЖЕНИЕ 3 АКТЫ РЕАЛИЗАЦИИ.......................................165

СПИСОК СОКРАЩЕНИЙ

АСК - автоматизированная система контроля

БВД - блок ввода данных

БВЦ - блок вычислителя цифровой

БД - база данных

БК - блок контроля

ГО - гибридный объект

ЗИП - запасные изделия и принадлежности

ИО - инструкция по обслуживанию

ИЭ - инструкция по эксплуатации

НТД - нормативно-техническая документация

ПВИ - пульт выносной индикации

ПУ - пульт управления

СППН — система поддержки поиска неисправностей

СрТД - средство технического диагностирования

СТД - система технического диагностирования

ТЭЗ - типовой элемент замены

УВЛ - устройство вывода ленточное

ЦПУ - цифропечатающего устройства

ЭО - эксплуатационное оборудования

ЭТД - эксплуатационно-техническая документация

ВВЕДЕНИЕ

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

С середины 80-х годов АСК ГО имеет в своем составе специализированную ЭВМ, которая применяется для управления процессом диагностирования. С ее использованием значительно возросли точность измерений, быстродействие и надежность АСК ГО. Применение внешних накопительных запоминающих устройств расширило функциональные возможности аппаратуры. В наибольшей степени внедрению ЭВМ в АСК ГО [23, 38] способствовало использование агрегатированного принципа ее построения. В настоящее время на завершающем этапе находятся работы по разработке и производству аппаратуры контроля пятого поколения, вычислительные возможности которой существенно превышают возможности аппаратуры контроля четвертого поколения. Таким образом, следует сделать вывод, что развитие средств контроля и диагностирования в области программно-аппаратного обеспечения процесса оценки технического состояния ГО осуществлялось и продолжает осуществляться по пути наращивания управляюще-вычислительного потенциала.

Анализ процесса поиска неисправностей, реализованного в рамках штатной СТД, показал, что его методической основой являеются метод последовательного функционального анализа, а также допущение о возможности только одиночных неисправностей [25, 29]. Эффективность диагностирования на основе этого метода зависит от наличия полных и достоверных априорных дан-

ных о надежности функциональных элементов (ФЭ). Необходимость повышения эффективности процесса поиска неисправностей требует пристального внимания к алгоритмическому обеспечению АСК ГО. В общем потоке неисправностей существенно возрастает доля неисправностей, поиск и устранение которых силами операторов АСК ГО на основе имеющегося информационно-аналитического обеспечения весьма затруднительно, а в ряде случаев, как показывает практика, и неосуществимо [52].

Результаты анализа (п. 1.1) свидетельствует о значительном влиянии ан-тропотехнических характеристик на эффективность поиска неисправностей. В связи с этим при разработке диагностического обеспечения следует уделять внимание снижению антропотехнического фактора на конечный результат поиска неисправностей. Увеличение сложности при снижении надежности АСК ГО в совокупности со снижением общего уровня квалификации операторов именно в аспекте решения нестандартных задач по отысканию и устранению неисправностей представляет собой важную и очень актуальную задачу обеспечения эксплуатационной надежности СТД ГО. Повышение эффективности диагностирования можно добиться, расширяя объема диагностической информации, используя знания и опыт квалифицированных специалистов по диагностированию в АСК ГО. Эффективность поиска неисправностей в сложных объектах зависит от исходного объема и качества диагностической информации и совершенства алгоритмов, предназначенных для ее обработки.

В настоящее время техническая диагностика характеризуется многообразием существующих методов. Весомый вклад в ее развитие внесли советские и российские ученые Яблонский C.B., Пархоменко П.П. [69, 102, 105, 118], Карибский В.В. [69, 102], Согомонян Е.С. [69, 102], Дмитриев А.К. [36, 37], Кост-рыкин А.И. [75], Мозгалевский A.B. [2, 88 - 90], Клюев В.В. [118], Калявин В.П. [118], Чипулис В.П. [20, 128], Артеменко Е.А. [2], Гуляев В.А. [23], Глазунов Л.П. [19], Ксенз С.П. [79] и др. Разработанные ими методы послужили основой для автоматизации поиска неисправностей в объектах, характеризующихся достаточно высокой степенью определенности.

Признанным фактом является то, что высококвалифицированные специалисты ремонтники причины отказов выявляют за короткое время и без привлечения большого количества контрольно-измерительных приборов. Как отмечается в [79] многие задачи поиска неисправностей не имеют строго теоретического обоснования. Необходимость расширения объема диагностической информации путем привлечения знаний и опыта специалистов представляет собой основу для использования в целях решения диагностических задач подходов, разрабатываемых в искусственном интеллекте.

Большая заслуга в развитии моделей и методов искусственного интеллекта принадлежит: Журавлеву Ю.И. [47 - 48], Заде JÏ. [49], Попову Э.В. [66, 106], Поспелову Д.А. [94], Нильсону Н. [98], Ивахненко А.Г. [65], Бонгарду М.М. [11], Борисову А.Н. [12, 99], Кофману А. [77], ТанакаХ. [95] и мн. др. Методы искусственного интеллекта являются мощным средством борьбы с неопределенностью различной природы. При перспективности теории нечетких множеств и нечеткой логики [76, 83, 85] в развитии интеллектуальных систем их использование для диагностирования технических систем на настоящий момент имеет весьма ограниченное применение.

Разработка экспертной системы поддержки поиска неисправностей требует применения подходов, искусственного интеллекта, основы которого заложили такие ученые как ЗадеЛ. [49], Кофман А. [77], Попов Э.В. [106], Поспелов Д.А. [107, 108], Нильсон Н. [98], Борисов А.Н. [12]. Теоретические и практические вопросы интеллектуализации процессов диагностирования рассматривались в работах Микони C.B. [87]. Наиболее глубоко вопросы разработки методологического обеспечения построения и функционирования экспертной системы поддержки поиска неисправностей в АСК ГО рассмотрены в работах Данилюка С.Г. [24, 27, 28, 30, 31], в которых впервые было обосновано понятие «вероятностно-лингвистического синдрома» и разработана вероятностно-лингвистическая модель. Различные аспекты реализации методов обработки диагностической экспертной инфрмации были исследованы в работах Романен-ко Ю.А. [30], Агарева В.А. [3], Романенко АЛО. [31, 110]. Однако в перечне-

ленных выше работах при разработке методов обработки диагностической информации реализован принцип максимального правдоподобия. При этом не был учтен тот факт, что неисправности АСК ГО разновероятны. Отмеченное обстоятельство позволяет сделать вывод о необходимости проведения исследования вопросов, связанных с обработкой диагностической информации, включающей не только характеристику внешнего проявления (технического состояния) неисправности, но и статистическую информацию о возможности наступления в ходе эксплуатации АСК ГО того или иного технического состояния (неисправности).

Актуальность темы. Обобщая вышеизложенное, можно заключить, что диссертационное исследование, посвященное разработке способов формализации и обработки разнородной диагностической информации, включающей экспертную информацию о проявлениях неисправностей и статистическую информацию о возможности их появления в процессе эксплуатации как основы построения и функционирования экспертной системы поддержки поиска неисправностей в АСК ГО следует считать актуальным.

С учетом проведенного выше анализа и вышеизложенных предпосылок может быть определена проблемная ситуация, сущность которой приведена ниже. Проблемная ситуация определяется противоречием между необходимостью организации поддержки поиска неисправностей с учетом разнородной диагностической информации, характеризующей ее внешнее проявление, а также статистической информации об априорных вероятностях этих неисправностей, и отсутствием модели и алгоритмов, позволяющих автоматизировать обработку всего комплекса диагностической информации. Устойчивая тенденция интеллектуализации АСК ГО приводит к повышению роли математического обеспечения, которое, по существу, и будет определять ее облик на современном этапе развития аппаратуры. С учетом приведенных результатов анализа состояния решаемой научной проблемы может быть сформулирована цель исследований.

Цель исследования - повышение эффективности функционирования АСК ГО на основе интеллектуализации процесса поиска неисправностей.

Объектом исследований является процесс поиска неисправностей в АСК ГО, а предметом - методы интеллектуализации как основа построения экспертной системы поддержки поиска неисправностей в АСК ГО.

Научная задача состоит в разработке комплекса научно-обоснованных моделей и алгоритмов как основы обработки диагностической информации в экспертной системе поддержки поиска неисправностей АСК ГО.

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

1) разработке вероятностно-лингвистической диагностической модели для экспертной системы поддержки поиска неисправностей АСК ГО,

2) разработке алгоритма минимизации множества вероятностно-лингвистических синдромов для экспертной системы поддержки поиска неисправностей АСК ГО,

3) разработке алгоритма принятия решения о возможных неисправностях в АСК ГО с учетом экспертной ДИ об их внешнем проявлении и априорных вероятностях,

4) обосновании функционально-логической модели экспертной системы поддержки поиска неисправностей АСК ГО.

5) оценке эффективности поиска неисправностей с использованием экспертной системы поддержки поиска неисправностей АСК,

Методология и методы исследований. Методологическую основу исследования составляют методология искусственного интеллекта, методы математического моделирования, методы оптимизации, методы технической диагностики, методы нечеткой логики, теории нечетких множеств, методы системного анализа.

Основные результаты исследования, представляемые к защите:

1. Вероятностно-лингвистическая диагностическая модель для экспертной системы поддержки поиска неисправностей АСК ГО, учитывающая информацию об априорных вероятностях ее неисправностей.

2. Комплекс алгоритмов реализации нечеткого подхода к обработке диагностической информации в экспертной системе поддержки поиска неисправностей АСК ГО.

3. Функционально-логическая модель экспертной системы поддержки поиска неисправностей АСК ГО.

Достоверность результатов диссертационной работы обеспечивается корректным использованием апробированного математического аппарата теории вероятностей, системного анализа, нечеткой логики, теории нечетких множеств, непротиворечивостью результатов принятия решений с использованием разработанных моделей и алгоритмов результатам, полученным на основе известных и апробированных в технической диагностике моделей и алгоритмов.

Научная новизна и теоретическая значимость состоит 1) в совершенствовании вероятностно-лингвистической модели, являющейся формализованным представлением диагностической экспертной информации в виде вероятностно-лингвистических синдромов, в ас�