автореферат диссертации по кораблестроению, 05.08.01, диссертация на тему:Моделирование и оперативный контроль динамики судна в условиях периодического снижения остойчивости на попутном волнении

На правах рукописи

УДК 007.52.629.12 УДК 519.7

Хейн Тун

МОДЕЛИРОВАНИЕ И ОПЕРАТИВНЫЙ КОНТРОЛЬ ДИНАМИКИ СУДНА В УСЛОВИЯХ ПЕРИОДИЧЕСКОГО СНИЖЕНИЯ ОСТОЙЧИВОСТИ НА ПОПУТНОМ ВОЛНЕНИИ

Специальности: 05.08.01 — Теория корабля и строительная механика 05.13.18 - Математическое моделирование, численные методы и комплексы программ (технические науки)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2011

1 4 АПР 2011

4843873

Работа выполнена в ГОУ ВПО «Санкт-Петербургский государственный морской технический университет»

Научный руководитель: Заслуженный деятель науки РФ, доктор технических наук, профессор Нечаев Юрий Иванович.

Официальные оппоненты:

доктор технических наук, доцент Семенова Виктория Юрьевна кандидат технических наук Иванов Сергей Владимирович

Ведущая организация:

ФГУ «Российский морской регистр судоходства», г.Санкт-Петербург мрем

Защита состоится <ФЗ"» мая 2011г. в 14-00 на заседании диссертационного совета Д.212.228.01 ГОУ ВПО «Санкт-Петербургский государственный морской технический университет» по адресу: 190008, г.Санкт-Петербург, Лоцманская ул., д.З., Актовый зал.

С диссертацией можно ознакомиться в научно-технической библиотеке Санкт-Петербургского государственного морского технического университета.

Отзыв на автореферат в двух экземплярах, с подписями, заверенными гербовой печатью, просим направлять в адрес диссертационного совета.

Автореферат разослан« » 2011г.

Ученый секретарь доктор технических наук, профессор

Гайкович А.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Разработка методов и моделей контроля сложных ситуаций в задачах теории корабля и их приложения в алгоритмах функционирования бортовой интеллектуальной системы (ИС) обеспечения безопасности судна в различных условиях эксплуатации является актуальной проблемой в связи с созданием новых типов морских судов Союза Мьянма. Повышение надежности и качества принимаемых решений в бортовых ИС достигается на основе данных динамических измерений, формализованной системы знаний и математических моделей обработки и интерпретации информации в мультипроцессорной вычислительной среде. Для реализации методов и моделей оперативного контроля текущих ситуаций на основе динамической базы знаний, необходимо выполнить следующие условия:

• разработать механизмы преобразования информации о динамике взаимодействия судна с внешней средой при построении системы интеллектуальной поддержки принятии решений по обеспечению безопасности судна в рассматриваемой ситуации;

• выделить структуры, методы и модели, повышающие надежность принятия решений по управлению судном в сложных ситуациях;

• разработать модели функционирования интеллектуального интерфейса, обеспечивающего оперативный контроль динамики судна в текущих ситуациях при различной интенсивности внешних возмущений.

Анализ и интерпретация измерительной информации в бортовых ИС представляют собой одно из важных направлений формирования программной среды для реализации механизма интеллектуальной поддержки принятия решений при контроле поведения судна в различных условиях эксплуатации. Методы и модели интеллектуальной поддержки при функционировании динамической базы знаний позволяют исследовать и интерпретировать с использованием современных средств компьютерной математики динамические процессы взаимодействия судна с внешней средой в условиях неопределенности и неполноты информации.

В диссертации рассматривается подход к построению м математической модели взаимодействия судна с внешней средой и технология обработки информации при интеллектуальной поддержке принятия решений в бортовой ИС обеспечения мореходных качеств судов. Основное внимание уделяется контролю поведения судна в сложной ситуации, связанной с периодическим снижением остойчивости при движении судна на попутном волнении на базе

математического аппарата, разработанного на основе метода функционала действия и достижений теории корабля и экспериментальной гидромеханики. Эти методы позволяют осуществлять генерацию решений и выбор предпочтительной вычислительной технологии при обработке информации о поведении судна в рассматриваемой экстремальной ситуации на основе конкурирующих вычислительных технологий, использующих традиционные математические методы и нечеткий логический базис.

Целью работы является разработка и исследование модели анализа и прогноза динамики судна на волнении в условиях периодического снижения остойчивости. Для достижения этих целей в диссертации решались следующие основные задачи:

• разработка модели контроля снижения остойчивости судна на волнении;

• разработка алгоритмов и программного средства анализа и прогноза снижения остойчивости судна на волнении;

• генерация сценариев взаимодействия и моделирование поведения судна в сложной динамической среде при различном уровне внешних возмущений;

• анализ альтернатив и выбор предпочтительной вычислительной технологии при контроле динамики судна на волнении;

• Разработка программного комплекса, обеспечивающего анализ и прогноз снижения остойчивости на основе разработанных методов и моделей.

Методы исследования. Для решения поставленных задач в работе были использованы системный анализ, методы математического моделирования, методы вычислительной математики, теория вероятностей и математической статистики, теория графов, теория матриц, теория нечетких систем, а также методы искусственного интеллекта и прикладного программирования.

Объект исследования. Объектом исследования являются ситуации, связанные с непрерывным изменением остойчивости судна при случайных внешних возмущениях.

Научную новизну работы составляет:

• Модель вычислительной системы, обеспечивающей оперативный контроль снижения остойчивости судна на волнении;

• методы и алгоритмы анализа данных измерений и математического моделирования при непрерывном изменении динамической остойчивости на основе конкурирующих вычислительных технологий;

• результаты математического моделирования динамики взаимодействия объекта с внешней средой при различном уровне внешних возмущений.

4

Достоверность научных результатов и выводов подтверждаются строгостью доказательства утверждений, обоснованностью применения математического аппарата, корректностью интерпретации предметной области исследования динамики судна на волнении, результатами экспериментальной проверки разработанных методов интерпретации исследуемой ситуации на основе данных физического моделирования, результатами тестирования алгоритмов и программного обеспечения, а также практическим использованием разработанных в диссертации математических, алгоритмических и программных методов и средств.

Основные научные результаты.

• разработаны принципы построения и функционирования модели анализа и прогноза поведения судна в сложной динамической среде в условиях неопределенности и неполноты исходной информации;

• сформулированы основные задачи и методы формализации информации, реализуемые в процедурах логической системы знаний для конкурирующих вычислительных технологий;

• разработана структура нечеткой модели знаний, обеспечивающей анализ и прогноз развития ситуации, связанной с периодическим снижением остойчивости судна на волнении;

• разработаны и исследованы математические модели анализа и прогноза поведения судна в сложных ситуациях на основе метода функционала действия и конкурирующих моделей обработки информации;

• предложен алгоритм анализа альтернатив и выбора предпочтительной вычислительной технологии на основе принципа конкуренции.

Практическая ценность работы заключается в следующем:

• Разработана математическая модель анализа и прогноза поведения судна в условиях непрерывного изменения остойчивости на волнении.

• Разработан программный комплекс, обеспечивающий решение задач контроля поведения судна при снижении остойчивости на волнении.

Практическая значимость диссертационного исследования обеспечена прикладной направленностью и созданием конкретных методов, алгоритмов и программных средств в системах информационной поддержки оператора бортовой ИС контроля динамики судна на волнении.

Внедрение результатов работы:

Разработанные методы, алгоритмы и программные средства внедрены при разработке ИС «Мореходность» в НПО «Полярная звезда», при

проектировании новых типов судов Союза Мьянма и используются в учебном процессе СПбГМТУ при проведении лабораторных и курсовых работ по курсу «Инженерия знаний» в рамках магистерской подготовки студентов специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем».

Апробация работы. Основные результаты работы докладывались и обсуждались на национальных и международных научно-технических конференциях: национальная конференция МОРИНТЕХ'2009, Санкт-Петербург, 2009, Международная конференция по мягким вычислениям и измерениям SCM-2009, Санкт-Петербург, 2009, 2010; Международная конференции по искусственному интеллекту ИИ-2009. Геленджик, 2009. Научно-методическая конференция «Телематика-2009, 5-я общероссийская конференция МОРИНТЕХ-юниор, Санкт-Петербург, 2009, 10-я Международная конференция «Stability of ships and Ocean Vehicles». St.-Petersburg, 2009.

Основные положения, выносимые на защиту:

1. Модель анализа поведения судна в сложной динамической среде в условиях неопределенности и неполноты исходйой информации.

2. Методы и алгоритмы анализа и прогноза снижения остойчивости судна на волнении в задачах теории корабля и при функционировании бортовой ИС.

3. Результаты моделирования динамики судна на волнении в рассматриваемой экстремальной ситуации при различном уровне внешних возмущений.

Публикации. По теме диссертации опубликовано 8 работ. Из них 3 работы в личном авторстве, доля автора в остальных 50%. В изданиях, определяемых Перечнем ВАК РФ опубликованы 2 статьи. Из них 1 работа в личном авторстве, доля автора в остальной 50%.

Объем и структура работы.

Работа состоит из введения, четырех глав, заключения и одного приложения. Объем - 176 страниц, в том числе 53 рисунка, 7 таблиц. Список литературы включает 176 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации.

Первая глава посвящена рассмотрению синтеза модели контроля поведения судна на волнении в системах поддержки принятия решений. Оценка и прогноз развития ситуации осуществляются в условиях периодического снижения остойчивости вследствие резкого ухудшения начальной метацентрической высоты при прохождении гребня волны через мидель судна. Рассматриваемая задача решена на основе системного подхода к исследованию совокупности методов анализа и синтеза решений, которые представлены в виде единой системы анализа данных в сложных динамических средах. Между элементами такой системы существуют определенные связи или формы взаимодействия. Системные исследования при разработке модели знаний направлены на формирование процедуры выбора различных вариантов решения и последовательности используемых методов в соответствии с принципом оптимальности.

Алгоритм работы базы знаний при построении системы информационной поддержки оператора при контроле динамики судна на волнении может быть реализован на основе модели выбора:

где а(1) - текущая информация о состоянии объекта; к(К) - множество правил выбора. Элементы множества a, (t) характеризуются параметром i-ro объекта и значением данного свойства x;. Правша выбора представляются как

где Я - отношения между элементами х„а,(1),г„ т - тип выбора (эквивалентность, соответствие, предпочтение).

Если в процессе контроля динамики судна возникнет нештатная ситуация, то она рассматривается как новая задача и при ее интерпретации определяется класс принадлежности, либо формируется новый класс или задача.

Для формализации задачи контроля динамики судна на волнении определим стереотипные ситуации 5(1)(а(1)), требующие принятия решений на основе данных измерений Э] и априорной информации 02, содержащихся в базе данных в виде различных информационных источников. Среди стереотипных ситуаций выделим множество допустимых ситуаций 8(1)*(а(1:)), обеспечивающих надежное решение поставленной задачи.

(2)

(1)

я = <R [x,o(t),z],T>,

(3)

Управляющее воздействие, с помощью которого устанавливается однозначность решения задачи анализа данных измерений и моделирования (поиск информации), определим как u(t). С учетом этих обозначений можно записать:

S(t) Mt), u(t)) € S(t)*(a(t), u(t)), (4)

где а{t) - параметры задачи, решаемой в момент времени t.

Интервал времени, [to.tj, на котором необходимо рещить текущую задачу контроля при известных параметрах и управляющих воздействиях, обозначим как [tctj. Тогда необходимые данные, которыми должен руководствоваться оператор в возникшей ситуации, определяется структурами:

D„ e{D|}, (1=1.....m), D2j e{D2}, Q=l,...,n),

m«|{D,}|,n«|{D2}|, (5)

где m, n - количество данных измерений, моделирования и априорной информации, характеризующих текущую ситуацию, а символ « означает упорядочение данных и документов по степени важности.

Организация эффективных поисковых структур информационной поддержки оператора при анализе информации в базах данных и знаний основана на идее единого семантического пространства и реализуется таким образом, чтобы каждой возникшей ситуации соответствовал семантически связанный с ней список данных измерительной, экспериментальной и априорной информации.

Во второй главе рассматриваются общие принципы и структура информационной модели, обеспечивающей анализ и прогноз динамических ситуаций в условиях периодического снижения остойчивости на волнении. Модель контроля ситуации разработана в рамках нечеткого логического базиса и метода функционала действия. С позиций системного анализа сформулированы принципы построения и синтез концептуальной модели контроля динамики судна на волнении. Основное внимание обращается на выделение функциональных зависимостей и модель функциональных отношений, определяющих взаимодействие судна с внешней средой в условиях резкого снижения остойчивости на волнении, а также модель оценки риска возникновения этой экстремальной ситуации. Выделение функциональных зависимостей получено на основе сети параметров, определяющих модели знаний о динамике судна на волнении на разных уровнях иерархии. Дуги сети отражают факт наличия функциональной зависимости, а функциональное отношение может иметь несколько входов и только один выход. В результате получается сетевая модель типа иерархии без циклов и петель, которая может

8

рассматриваться как иерархия слоев, построенная на множестве параметров, описывающих подсистему на определенном уровне абстрагирования (детальности рассмотрения). На содержательном уровне сеть зависимостей параметров можно интерпретировать двумя способами:

• как сценарий, реализующий исследуемую экстремальную ситуацию, задаваемую определенной комбинацией значений базовых параметров;

• как дерево целей, формирующего подцели (значения промежуточных и базовых параметров), достижение которых связано с реализацией основной цели при заданных значениях целевых параметров.

Применительно к рассматриваемой задаче сеть зависимостей позволяет выделять комбинации факторов и строить функциональные зависимости, соответствующие уровню решаемой задачи на различных этапах анализа и интерпретации ситуации. В простых случаях решение достигается на основе статистических методов, в более сложных - используются нетрадиционные процедуры в рамках концепции мягких вычислений.

Модель предметной области представляет собой совокупность модели объектов содержащей знания в виде фактов, и модели функциональных отношений Мг, содержащей причинно-следственные зависимости между фактами. Модель объектов

М0 включает множество классов С={С,} для описания рассматриваемой предметной области оценки и прогноза остойчивости и множество объектов 0={0к} - конкретных экземпляров классов, характеризующие динамику внешней среды (ветер, волнение) и элементы судна. Класс представляет собой кортеж

С,= <К(С0,А(С,),Р(С,)>, (6)

где N(0,) имя класса: Л(С,)={ат} - множество атрибутов класса; Р(СО={рп} -множество методов класса.

Фактор уверенности может быть задан либо при вводе значения атрибута, либо определен с помощью функции принадлежности р.: Б—>[0,1]. Вывод значения фактора уверенности при функционировании ИС вычисляется с помощью формул нечеткой логики или с использованием логических правил.

Закономерность задается в виде совокупности правил-продукций формата

«]Рс(1&а2&...ТНЕЫр», (7)

где а2,...- логические формулы для проверки значений атрибутов-аргументов; р - заключение, представляющее собой либо вычисление по формуле, либо выполнение произвольной процедуры-функции.

Формула задается только для количественных атрибутов (типа Integer, Real) и может включать текущие значения атрибутов-аргументов, константы, знаки арифметических операций и математических функций.

При построении концептуальной модели динамики судна на волнении представляет интерес оценка вероятности возникновения экстремальной ситуации, связанной с резким снижением остойчивости. Эта задача может быть решена с помощью модели Байеса. Такая модель позволяет оценить вероятность некоторого события при заданных вероятностях причин.

Рассмотрим реализацию модели Байеса в задаче контроля снижения остойчивости при движении судна на волнении. Предположим, что причина В возникновения физического эффекта снижения остойчивости А связана с реализацией событий В„ i= 1,2,3, ... . Эти события представляют собой причины, каждая из которых может вызывать эффект А. Тогда вероятность того, что при числе событий ш имеет место причина В, равна

Пусть P(B¡) - априорная вероятность того, что имела место причина В„ а Р(А|В,) - условная вероятность того, что А наступает вследствие причины B¡. При условии, что А произошло апостериорная вероятность Р(В,|А) определяется по формуле:

Р(В,|А) = Р(В,)Р(А|В,) = Р(А)Р(В,|А). (9)

Отсюда получаем:

Р(В,|А) = Р(В|)Р(А|В,)/Р(А). (10)

Тогда выражение для вероятности события А принимает вид:

Р(А) = ХР(В,)Р(А|В,) (П)

Подставляя в выражение (9) для Р(В,|А) величину Р(А) из (И), по теореме Байеса имеем:

Р(В,|А) = Р(В,)Р(А|В,) / 1Р(В;)Р(А|В;). (12)

При отсутствии необходимой информации для вычисления априорных вероятностей оценку опасности возникновения экстремальной ситуации, связанной с резким снижением остойчивости на волнении, можно произвести на основе критериальных соотношений с использованием данных динамических измерений и математического моделирования ситуации с использованием методов теории корабля и функционала действия.

Модель программной системы контроля остойчивости судна в условиях непрерывного изменения восстанавливающего момента на волнении реализована на базе функциональных модулей, определяющих задачи

ю

выделения функциональных зависимостей и отношений, а также модели оценки вероятности возникновения экстремальной ситуации. При разработке модели программной системы осуществлен синтез формализуемой теории обработки информации в рамках концепции конкуренции. Задача сведена к изучению возможности обеспечения адекватности прикладных методов этой концепции, а также необходимых и достаточных условий их реализации.

Рассмотрим прикладную теорию: концепцию принципа конкуренции (Competition Principle Concept - СРС) как систему вида:

СРС => S: S = <R,P,Q>, (13)

где S - система, отображающая теорию СРС; R - классы всех операций и математических зависимостей, описываемых СРС; Р - совокупность операций на множествах R; Q - множества отношений между элементами класса R.

На основе отображения (13) можно представить компьютерную интерпретацию теории СРС как

J(CPC) S*: S* = <R*,P*,Q*>, (14)

Здесь символ * указывает на различие между указанными множествами, определяемые особенностями компьютерной интерпретации. Условия сохранения целостности информации о динамике взаимодействия обеспечиваются путем реализации принципа обработки информации в мультипроцессорной вычислительной среде. Необходимая производительность достигается с помощью процессоров, которые являются узлами вычислительной сети единой распределенной системы. При реализации принципа конкуренции используется бортовой многопроцессорный комплекс стандартной архитектуры.

Архитектурно-структурная организация и принципы функционирования системы интеллектуальной поддержки (рис.1) базируется на достижениях теории корабля, экспериментальной гидромеханики, современных технологиях искусственного интеллекта, принципах формализации знаний на основе концепции конкуренции в совокупности обеспечивая новые признаки, среди которых следует выделить: адаптивность под современный уровень накопленных знаний, а также технологий разработки сложных систем.

Рис.1. Структура программной системы поддержки принятия решений

Большинство процедур при функционировании программной системы связано с выполнением операций сравнения и выбора конкретных решений, параметров или событий, что возможно лишь на базе применения алгоритмов анализа и интерпретации информации, которые условно назовем алгоритмами «логики принятия решений». Сложность проблемы создания системы информационной поддержки оператора приводит к необходимости поэтапного рассмотрения отдельных ее аспектов. На первом этапе целесообразно ограничиться формализацией задачи информационной поддержки решений в рамках наиболее важных функциональных компонент программной системы. Следующим этапом является отработка принципов организации и использования этих компонент, методов поиска, обработка данных измерений и моделирования, В результате проясняется общая цепочка преобразования информации при функционировании программной системы.

Разработка встроенных процедур анализа и прогноза развития сложных ситуаций привела к созданию алгоритма оценки устойчивости нелинейных динамических систем на основе метода функционала действия, (рис.2).

На рис.2 обозначено Mj(0"), Мк(в'), М(6,фД), M(t) - инерционно-демпфирующие, восстанавливающие и возмущающие компоненты математической модели; £ - компонента гауссовского случайного процесса 4(t)eR2, формирующий фильтр которого определяется параметрами доминирующей частоты со и шириной спектра возмущений Е; v(t) - «белый шум» малой интенсивности; w - винеровский процесс; z - малый параметр; 8Q - область неустойчивости.

• Исходная модель

(J, +ц«09" + Mr(ö') + M(9,íp,t) = M(t)

• Формальная модель

ЛО=НЯО))+°"(Я')М0; Я') = (6,,e',í„í¡)r е л'

40 = °>Ш г > 0; 4X0 = F4(i)+G*0,4(0) = 4.

/.-=["0 Чо = Га1 =

U /J UJ /¡=-2Е,Л = ^-£'.

• Реализация алгоритма

Vt€ [to,T] найти tf и управление U из заданного класса непрерывных по [to,T] функций, обеспечить граничные условия и у(0) = yo, y(t)eôfi и минимизировать функционал

^ о

• Вероятность опрокидывания

определяется асимптотическим соотношением lim г-1 In PIX 0 s ЭП) = -тшУ(()

Г-«0

• Графическая интерпретация

Результаты моделирования - в виде зависимостей 6 (t), P(t) в области устойчивости О = f (v,(p)

Рис.2. Алгоритм, реализующий метод функционала действия

Компактность вычислительной схемы и возможность реализации алгоритма в режиме реального времени позволяет выводить на экран дисплея оператора ИС легко интерпретируемые динамические картины взаимодействия в виде временных кривых и соответствующей вероятности потери устойчивости (опрокидывание) в процессе развития экстремальной ситуации, а также представлять области резонансных режимов в зависимости от курсового угла волны ф и скорости судна Vs (штормовые диаграммы) с использованием когнитивной парадигмы.

Формализация знаний при реализации механизма логического вывода в ИС реального времени достигается на основе теории нечетких множеств. Нечеткие отношения

R = А -» В, (15)

заданные между областью X и областью Y в виде нечеткого подмножества прямого произведения XxY, определяются по формуле

,.1 /.i

где X = {хь-..,х„) - область посылок; Y = {уь--.,уга} - область заключений; Hr(xí>>j) - функция принадлежности (ФП) (x¡,yj) нечеткому отношению R; pR(x¡,yj)e[0,l]; знак X означает совокупность (объединение) множеств.

Для продукционных правил использующих нечеткие множества А(АсХ) и B(BcY) один из распространенных способов построения нечеткого соответствия состоит в следующем:

R = Л x ß = ¿ (X.) л 1 ^))} (17)

«i

или

Ии(х>У) = Ца(х) а Ив(у) = min (цА(х) л цв(у)), (18)

где |Дд(х) и Цв(У) - ФП элементов х,у нечетким множествам А и В.

Третья глава является наиболее важной с точки зрения теории корабля и содержит результаты моделирования динамики судна в условиях периодического снижения остойчивости на волнении. Основное внимание уделено анализу и интерпретации результатов моделирования и физических картин взаимодействия при различном уровне внешних возмущений, анализу альтернатив и оценке риска принимаемых решений.

Математическая модель, характеризующая динамику взаимодействия судна с внешней средой, описывается нелинейным дифференциальным уравнением:

(Jx + Цее)0" + Mr(G') + M(6,cp,t) = Mx(t), (19)

где (Jx + Цда)6", MR(6'), М(0,фД), Mx(t) - функции, описывающие инерционные, демпфирующие, восстанавливающие и возмущающие компоненты.

Наиболее сложной функцией в модели (19) является восстанавливающая компонента, входящая в дифференциальное уравнение бортовой качки, которая отличается существенной нелинейностью, сложностью и многозначностью:

Mw = M(0,<p,t) = D[l(e,<p) + AI(e,<p)cos(crit-£)], (20)

/(ад=о,5[кщ^+imA (21)

NV^(e,(pk,t)=Dl(9,cp,t), (22)

где Д/(0,ф)тах и Д/(0,<р)тт - экстремальные значения приращений плеч остойчивости, соответствующие положению судна на подошве и вершине волны при различных курсовых углах ср; /(0,<p,t) - плечо восстанавливающего момента, определяемого для различных моментов времени, е - фаза: 8=0 и 2л -судно на подошве волны; z=n!2 - на переднем склоне; е=я — на вершине волны; е=3/2я - на заднем склоне. Непрерывно изменяясь во времени и пространстве, эта функция в значительной степени определяет результат интегрирования (19) при изучении физических картин взаимодействия судна с внешней средой.

Сценарии исследуемых ситуаций предусматривали различные случаи поведения судна при смещении груза вследствие резкого снижения начальной остойчивости. Особое внимание обращалось на трансформацию диаграммы остойчивости при прохождении вершины волны через мидель судна.

Динамика судна для различных сценариев уменьшения начальной метацентрической высоты представлена на рис.3. Здесь темной кривой показан

процесс бортовой качки судна, а светлой линией - изменение скорости вращательного движения. Первый сценарий (рис.4А) соответствует возникновению постоянного крена. Под воздействием крупного пакета волн происходит смена аттрактора динамической системы.

При этом качка судна происходит около некоторого угла статического крена. Если в этих условиях приложить кренящий момент от смещения груза, то возможно опрокидывание судна. Если этот момент будет иметь

Рис.3. Смена аттрактора исследуемой динамической системы (А) и непрерывное нарастание крена (В) при увеличении кренящего момента от смещения груза в условиях отрицательной начальной метацентрической высоты на волнении

Если в этих условиях приложить кренящий момент от смещения груза, то возможно опрокидывание судна. В случае противоположного знака момента возможен переход судна в другой аттрактор и ситуация может ухудшиться по сравнению с показанной на рис.ЗА. Другой сценарий (рис.ЗВ) - еще более опасный. В этих условиях отмечается непрерывное возрастание крена по мере увеличения кренящего момента от смещения груза. Даже без учета ветрового кренящего момента ситуация оказывается угрожающая. Непрерывное нарастание крена от смещения груза в конечном итоге приведет к опрокидыванию судна.

Результаты моделирования нештатных ситуаций при движении судна на нерегулярном попутном волнении представлены на рис.4.

На рис.4 обозначено: А - случай нормальной эксплуатации (явление валкости не проявляется); В - ситуация, когда отдельные значения метацентрической высоты достигают нулевых значений (начало развития валкости); С — типичная ситуация, когда при воздействии пакета волн появляются отдельные отрицательные значения метацентрической высоты; Б -предельный случай, соответствующий полному ухудшению начальной остойчивости. Здесь отобраны четыре характерных ситуации, которые могут

15

наблюдаться в условиях эксплуатации исследуемого судна. Штриховкой на этих рисунках указана область отрицательных значений метацентрической высоты. Предельный случай изменения метацентрической высоты (pnc.4D) соответствует полной потере остойчивости судна на волнении (по классификации IMO - Intergovernmental Maritime Organization.

/\ Д /\ /\ /N - а А А г\ . ■

J \J \J \J \У ^ и \J \J V/ v

А

/\ А /\ А А - А Г\ Л ^ 1 ■

J \J \/ \/ \У 47 \У \У V/ V/

В

л А Л л Л Л А Д д А , .

С

■ "л Л Л Л л^А Л Л л

Рис.4. Кривые изменения метацентрической высоты для различного уровня внешних возмущений

Последующие эксперименты проводились на основе математического моделирования поведения на волнении транспортного судна Союза Мьянма (рис.5) со следующими характеристиками: Ь=51м, В=12,5м, Н=3,3м, Т=1,7м, 5=0,616, а=0,881, (3=0,935, И=0,5м, 7^2,97м, У5=12уз.

Расчеты выполнялись для различных значений крутизны волны в диапазоне Ь\цЛ=0,07-5-0,11, характерном для заданного района эксплуатации исследуемого судна. Отдельные результаты моделирования представлены в виде картины хаотических колебаний с формированием странных аттракторов.

Оценка устойчивости колебательного движения судна в условиях периодического ухудшения начальной остойчивости осуществлялась на основе метода функционала действия. Разработанный алгоритм позволяет вычислить

вероятность опрокидывания по мере развития колебаний судна, вызванных появлением отрицательных значений метацентрической высоты.

В Г

Рис.5. Временные кривые б=(1), производная <10/<Й и фазовые портреты, характеризующие колебательное движение (А,Б) и детерминированный хаос (В,Г) судна при бортовой качке на волнении (выборочные данные).

Оценка адекватности математической модели выполнена на основе сопоставления результатов вычислительного эксперимента и физического моделирования помощью самоходной радиоуправляемой модели судна, испытанной Ю.И.Нечаевым при анализе аварии грузового судна, опрокинувшегося в аналогичной экстремальной ситуации (рис.6).

А

4 1

/ % '

/

г

X '

■V

Рис.6. Экспериментальные данные взаимодействия ДО с внешней средой: точки - результаты математического моделирования, сплошная кривая -физический эксперимент

Результаты моделирования показали, что возникновение «раскачивающего эффекта», обусловленного валкостью судна, обнаруживается в ситуациях когда величина метацентрической высоты судна с Б-образной диаграммой остойчивости и соотношения параметров волнения в пакете достигают следующих значений:

Ь0 < 0,3 мД / Ь = 0,8 - 1,3, А. 2: 0,08, (23)

Соотношения (23) могут быть уточнены для конкретного судна и положены в основу построения нечетких логических моделей обработки знаний при функционировании бортовой ИС контроля мореходных качеств судов:

X, 1Б А] & Х2 ¡б А2, Шеп У ¡б В>, (24)

Антецедент импликации X представляет собой проверку выполнения условий, <Х1 ¡б А, & Х2 ¡б А> на основе текущих данных динамических измерений. Консеквент импликации У^) определяет возникновение экстремальной ситуации и выработку практических рекомендаций. ФП для условия возникновения экстремальной ситуации, представлены на рис.7.

1

и(0) /

0 в

Рис.7. Функции принадлежности антецедентной части логического правила

Здесь значения 01 и 62 характеризуют диапазон перехода к полной потере начальной остойчивости, Д^и ЛИ2 - значения приращений метацентрической высоты в момент прохождения вершины волны через мидель судна.

Оценка риска принимаемых решений при возникновении исследуемой экстремальной ситуации представлены в виде матрицы риска на рис.8.

Р

М И 40

20

и О © © © © *

Рис.8. Матрица риска для исследуемой ситуации

Здесь отмечены расчетные точки, соответствующие пяти ситуациям (точки 1 - 5) , связанным с различными значениями крутизны волны. Для 1-й точки соотношение ЬЛЛ составляло 0,05, для 2-й и 3-й точек 0,07, для 4-й 0.09 и для 5-й - 0.11, где незначительное расхождение данных для точек 2 и 3 в величине А при Ь\уЛ.=0,07 объясняется некоторым отклонением данных моделирования ДЛИНЫ ВОЛНЫ при

В четвертой главе рассматриваются вопросы разработки программной среды анализа и прогноза динамики судна на волнении при периодическом снижении остойчивости. Сформулирована формальная модель программной среды, определяющая совокупность программно-аппаратных средств, реализующих алгоритмы обработки информации в рассматриваемой экстремальной ситуации. Проведен анализ средств подготовки данных моделирования, верификация и тестирование программной среды.

Оперативная диаграмма интеллектуальной поддержки оператора построена на основе методов когнитивной графики и позволяет осуществлять оперативный контроль и прогноз текущих ситуаций в интерактивном режиме. Исследуемая область определяется интервалом [0,Т]. Внутри этой области выделяется область возникновения экстремальной ситуации [^Ж]. Оценка опасности ситуации предусматривает: нормальные условия эксплуатации, угрожающую, предаварийную и аварийную ситуации. На основе такой оценки

19

© © © © ©

вырабатываются практические рекомендации по обеспечению безопасности судна.

ЗАКЛЮЧЕНИЕ

Результаты проведенного исследования позволяют сделать следующие основные выводы:

1. Сформулированы теоретические принципы и концепция построения моделей обработки измерительной информации при контроле динамики судна при периодическом снижении остойчивости на волнении. Разработана структура системы и выделены типичные задачи анализа и прогноза поведения судна с помощью бортовой ИС обеспечения мореходных качеств судов. Информационная среда моделирования включает пять функциональных модулей, ориентированных на решение задач обработки информации в рассматриваемой ситуации -планирование эксперимента, моделирование, анализ и визуализация исследуемой ситуации, оценка риска принимаемых решений. Иерархическая модель, объединяющая функциональные модули прикладных программ, позволяет описывать интегрированную систему на различных уровнях абстракции.

2. Разработана модель нечетких знаний, обеспечивающая анализ исследуемой ситуации. Формализация задачи осуществлена на основе методов нечеткой логики и функционала действия. Сформулирован общий подход и теоретические аспекты преобразования информации при функционировании базы знаний. Разработанный подход к формированию программной среды интерпретации динамических ситуаций позволяет реализовать эффективные алгоритмы анализа практических задач контроля динамики судна в бортовой ИС. В результате открываются возможности анализа и интерпретации измерительной информации на основе принципа конкуренции, позволяющего выбирать предпочтительную вычислительную технологию в зависимости от

особенностей динамики взаимодействия судна с внешней средой в рассматриваемой экстремальной ситуации.

3. Проведено математическое моделирование задачи анализа и прогноза ситуации, связанной с валкостью судна на основе дифференциальных уравнений, описывающих поведение судна на волнении. В качестве основных приложений рассмотрены типичные случаи взаимодействия судна с внешней средой, выделенные из множества динамических ситуаций, возникающих при эксплуатации судна. Среди них следует отметить периодическое ухудшение остойчивости судна на волнении и формирование аттракторных множеств в зависимости от формы исходной диаграммы остойчивости.

4. Разработано программное средство анализа, прогноза и интерпретации динамических ситуаций при периодическом ухудшении остойчивости. Сформулирован общий подход к формированию программных модулей обработки информации и дается их описание в рамках концепции конкуренции. На основе модели риска разработан программный модуль оценки эффективности принимаемых решений при контроле экстремальных ситуаций.

Таким образом, материалы проведенного исследования позволяют осуществлять оперативный контроль данных динамический измерений при функционировании бортовой ИС в экстремальных ситуациях и оценить эффективность предлагаемых решений в условиях неопределенности и неполноты исходной информации.

Основное содержание диссертации опубликовано в следующих работах:

В изданиях, рекомендованных Перечнем ВАК РФ

1. Хейн Тун. Информационная система слежения за динамикой судна в условиях периодического снижения остойчивости. Интеллектуальные информационные системы. Выпуск 2. Бортовые интеллектуальные системы. Нейрокомпьютеры: разработка, применение. 2010. №6, с.31 -39. (автор - 100%)

2. Нечаев Ю.И., Хейн Тун. Формирование аттракторных множеств в условиях непрерывного изменения остойчивости судна на волнении // Морские интеллектуальные технологии №3(5). 2009, с.13 - 20. (автор -50%)

Публикации в других журналах и трудах конференций

3. Нечаев Ю.И., Хейн Тун. Концепция мягких вычислений при моделировании режима функционирования динамического объекта в условиях неопределенности // Сборник докладов XI Международной конференции по мягким вычислениям и измерениям SCM-2009. Санкт-Петербург. 2009. т. 1, с. 188 - 191. (автор - 50%)

4. Нечаев Ю.И., Хейн Тун. Анализ и прогноз поведения судна в экстремальной ситуации на основе нечеткой системы знаний // Искусственный интеллект. №3. 2009, с.434 - 442. (автор - 50%)

5. Хейн Тун. Контроль неустойчивых режимов движения судна на волнении с помощью интеллектуальных систем // Материалы пятой общероссийской конференции молодых ученых и специалистов по морским интеллектуальным технологиями МОРИНТЕХ-ЮНИОР, Санкт-Петербург. 2009,с.70 - 72. (автор - 100%)

6. Нечаев Ю.И., Хейн Тун. Оперативный контроль устойчивости колебательного движения сложного динамического объекта на основе функционала действия // Труды XVI Всероссийской научно-методической конференции «Телематика-2009». Санкт-Петербург. 2009,Т.2, с.431- 432. (автор - 50%)

7. Хейн Тун. Оперативный контроль экстремальной ситуации в бортовой интеллектуальной системе // Сборник докладов ХШ Международной конференции по мягким вычислениям и измерениям SCM-2010. Санкт-Петербург. 2010. т.2, с.47 -51. (автор - 100%)

8. Nechaev Yu.l., Hein Tun. Research of ship dynamic on following waves // Proceedings of 10th International Conference «Stability of ships and Ocean Vehicles». St.-Petersburg. 2009, p.p.347 - 356. (автор - 50%)

Изд-во СПбГМТУ, Лоцманская, 10 Подписано в печать 21.03.2011. Зак. 4129. Тир.70. 1,0 печ. л.

ВВЕДЕНИЕ

Глава1. ОСОБЕННОСТИ ДИНАМИКИ СУДНА В УСЛОВИЯХ ПЕРИОДИЧЕСКОГО СНИЖЕНИЯ ОСТОЙЧИВОСТИ НА ВОЛНЕННИИ

1.1. Проблемы синтеза модели контроля поведения судна на волнении в бортовых системах поддержки принятия решений.

1.2. Теоретические аспекты разработки моделей контроля динамики судна на волнении.

1.3. Аналитический обзор.

1.4. Постановка задачи исследования.

1.5. Общая характеристика диссертационной работы.

Выводы по первой главе.

Глава2. КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ ПОСТРОЕНИЯ ПРОРАММ-НОЙ СИСТЕМЫ КОНТРОЛЯ ДИНАМИКИ СУДНА ПРИ ПЕРИОДИЧЕСКОМ СНИЖЕНИИ ОСТОЙЧИВОСТИ НА ВОЛНЕНИИ

2.1. Принципы построения и синтез концептуальной модели программной системы контроля динамики судна на волнении.

2.2. Модель оценки вероятности возникновения ' экстремальной ситуации.

2.3. Модель программной системы на основе нечеткой системы знаний.

2.4. Модель и алгоритм обработки информации при контроле динамики судна на основе метода функционала действия.

2.5. Модель и алгоритм обработки информации при контроле динамики судна на основе нечеткого логического базиса.

2.6. Визуализация результатов моделирования.

2.7. Оценка риска принятия решений при контроле сложных ситуаций.

Выводы по второй главе.

ГлаваЗ. МОДЕЛИРОВАНИЕ И ИНТЕРПРЕТАЦИЯ ДИНАМИКИ СУДНА В УСЛОВИЯХ ПЕРИОДИЧЕСКОГО СНИЖЕНИЯ ОСТОЙЧИВОСТИ СУДНА НА ВОЛНЕНИИ

3.1. Методы и модели анализа и прогноза поведения судна при периодическом снижении остойчивости на волнении.

3.2. Математическая модель поведения судна на волнении при различном уровне внешних возмущений.

3.3. Объекты моделирования и интерпретация динамики взаимодействия.

3.4. Результаты моделирования.

3.5. Оценка устойчивости колебательного движения судна на волнении

3.6. Оценка адекватности математической модели и риска принимаемых решений при контроле динамических ситуаций.

Выводы по третьей главе.

Глава4. РЕАЛИЗАЦИЯ ПРОГРАММНОЙ СРЕДЫ АНАЛИЗА И ПРОГНОЗА ДИНАМИКИ СУДНА НА ВОЛНЕНИИ ПРИ ПЕРИОДИЧЕСКОМ СНИЖЕНИИ ОСТОЙЧИВОСТИ

4.1. Формальная модель программной среды.

4.2. Особенности функционирования программной среды.

4.3. Особенности обработки информации в мультипроцессорной вычислительной среде.

4.4. Особенности функционирования программного комплекса.

4.5. Совершенствование методов анализа динамики судна на волнении на основе теории катастроф и концепции Data Mining.

Выводы по четвертой главе.

Разработка методов и моделей контроля сложных ситуаций в задачах теории корабля и при функционировании бортовой интеллектуальной системы (ИС) обеспечения безопасности судна в различных условиях эксплуатации является актуальной проблемой в связи с созданием новых типов морских судов Союза Мьянма. Повышение надежности и качества принимаемых решений в бортовых ИС достигается на основе данных динамических измерений, формализованной системы знаний и математических моделей обработки и интерпретации информации в мультипроцессорной вычислительной среде. Для реализации методов и моделей оперативного контроля текущих ситуаций на основе динамической базы знаний, необходимо выполнить следующие условия:

• разработать механизмы преобразования информации при построении на основе системы интеллектуальной поддержки принятии решений по обеспечению безопасности судна в рассматриваемой ситуации;

• выделить структуры, методы и модели, повышающие надежность принятия решений по управлению судном в сложных ситуациях;

• разработать модели функционирования интеллектуального интерфейса, обеспечивающего оперативный контроль динамики судна в текущих ситуациях при различной интенсивности внешних возмущений.

Анализ и интерпретация измерительной информации в бортовых ИС представляют собой одно из важных направлений формирования программной среды для реализации механизма интеллектуальной поддержки принятия решений при контроле поведения судна в различных условиях эксплуатации. Методы и модели интеллектуальной поддержки при функционировании динамической базы знаний позволяют исследовать и интерпретировать с использованием современных средств компьютерной математики динамические процессы взаимодействия судна с внешней средой в условиях неопределенности и неполноты информации.

В диссертации рассматривается подход и технология обработки информации при интеллектуальной поддержке принятия решений в бортовой ИС обеспечения мореходных качеств судов. Основное внимание уделяется контролю поведения судна в сложной ситуации, связанной с периодическим снижением остойчивости при движении судна на попутном волнении на базе математического аппарата, разработанного на основе метода функционала действия и достижений теории корабля и экспериментальной гидромеханики. Эти методы позволяют осуществлять генерацию решений и выбор предпочтительной вычислительной технологии при обработке информации о поведении судна в рассматриваемой экстремальной ситуации на основе конкурирующих вычислительных технологий, использующих традиционные математические методы и нечеткий логический базис.

Выводы по четвертой главе

Исследования, выполненные в четвертой главе диссертации, позволяют сделать следующие основные выводы:

1. Разработан программный комплекс, позволяющий осуществлять непрерывный контроль динамики судна в условиях периодического снижения остойчивости при различном уровне внешних возмущений.

2. Сформулирована информационная среда моделирования, определяющая состав технических средств и методы моделирования рассматриваемых динамических ситуаций на базе бортовой ИС, функционирующей в мультипроцессорной вычислительной среде в режиме реального времени.

3. Рассмотрена последовательность выполнения вычислительных операций при функционировании программного комплекса в динамических ситуациях, ч сгенерированных в соответствии с матрицей планирования эксперимента с учетом имеющихся средств подготовки и анализа экспериментальных данных. Анализ выполненного исследования позволил предложить технологию совершенствования методов обработки информации в задачах выявления «скрытых» закономерностей при обработке потока информации с датчиков измерительной системы на основе методов теории катастроф и формального концептуального анализа.

ЗАКЛЮЧЕНИЕ

Результаты проведенного исследования позволяют сделать следующие основные выводы:

1. Сформулированы теоретические принципы и концепция построения моделей обработки измерительной информации при контроле динамики судна при периодическом снижении остойчивости на волнении. Разработана структура системы и выделены типичные задачи анализа и прогноза поведения судна с помощью бортовой ИС обеспечения мореходных качеств судов.

Информационная среда моделирования включает пять функциональных модулей, ориентированных на решение задач обработки информации в рассматриваемой ситуации -планирование эксперимента, моделирование, анализ и визуализация исследуемой ситуации, оценка риска принимаемых решений. Иерархическая модель, объединяющая функциональные модули прикладных программ, позволяет описывать интегрированную систему на различных уровнях абстракции.

2. Разработана модель нечетких знаний, обеспечивающая анализ исследуемой ситуации. Формализация задачи осуществлена на основе метода функционала действия. Сформулирован общий подход и разработаны теоретические аспекты преобразования информации при функционировании базы знаний. Разработанный подход к формированию программной среды интерпретации динамических ситуаций позволяет реализовать эффективные алгоритмы анализа практических задач контроля динамики судна в рамках концепции мягких вычислений. В результате открываются возможности анализа и интерпретации измерительной информации на основе принципа конкуренции, позволяющего выбирать предпочтительную вычислительную технологию в зависимости от особенностей динамики взаимодействия судна с внешней средой в рассматриваемой экстремальной ситуации.

3. Проведено математическое моделирование задачи анализа и прогноза ситуации, связанной с валкостью судна на основе дифференциальных уравнений, описывающих поведение судна на волнении. В качестве основных приложений рассмотрены типичные случаи взаимодействия судна с внешней средой, выделенные из множества динамических ситуаций, возникающих при эксплуатации судна. Среди них следует отметить периодическое ухудшение остойчивости судна на волнении и формирование аттракторных множеств в зависимости от формы исходной диаграммы остойчивости.

4. Разработано программное средство анализа, прогноза и интерпретации динамических ситуаций при периодическом ухудшении остойчивости. Сформулирован общий подход к формированию программных модулей обработки информации и дается их описание в рамках концепции мягких вычислений. На основе модели риска разработан программный модуль оценки эффективности принимаемых решений при контроле экстремальных ситуаций.

Таким образом, материалы проведенного исследования позволяют осуществлять оперативный контроль данных динамический измерений при функционировании бортовой ИС в экстремальных ситуациях и оценить эффективность предлагаемых решений в условиях неопределенности и неполноты исходной информации, а также реализовать вычислительные процедуры анализа альтернатив в нечеткой среде.

1. Аверкин А.Н., Батыршин А.Н., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. - М.- Наука, 1986.

2. Айзерман М.А., Алексеров Ф.Т. Выбор вариантов. Основы теории. -М.: Наука, 1990.

3. Александров B.JL, Матлах А.Т., Нечаев Ю.И., Поляков В.И., Ростовцев Д.М. Интеллектуальные системы в морских исследованиях и технологиях. — Санкт-Петербург. ГМТУ, 2001.

4. Алексеев В.М., Тихомиров В.М., Фомин C.B. Оптимальное управление. -М.: Наука, 1979.

5. Андерсон Т. Статистический анализ временных рядов, М., «Мир», 1976.

6. Барсегян A.A., Куприянов М.С. Степаненко В.В., Холод И.И.

7. Методы и модели анализа данных: OLAP и Data Mining. Санкт-Петербург. БХВ-Петербург, 2004.

8. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. -М.: Мир, 1976.

9. Богатырев М.Ю. Структурно-инвариантный анализ в информационно-управляющих системах // Труды всероссийской научной конференции «Управление и информационные технологии УИТ-2003». т.2, с.131-136.

10. Бондаренко М.Ф., Маторин С.И., Соловьева Е.А. Особенности теории и практики решения сложных проблем на основе онтологии // Искусственный интеллект. №3. 2000, с.25-33.

11. Бородай И.К., Нецветаев Ю.А. Качка корабля на морском волнении. -О Л.: Судостроение, 1969.

12. П.Бородай И.К. Нецветаев Ю.А. Мореходность судов. JL: Судостроение, 1982.

13. Бородай И.К., Мореншильдт В.А., Виленский Г.В. Дубицкий В.М., Смирнова Б.Н. Прикладные задачи динамики судна на волнении.-Л.: Судостроение, 1989.

14. Бортовые интеллектуальные системы. Часть 2. Корабельные системы. М.: Родиотехника, 2006.

15. Вентцель А.Д., Фрейдлин М.И. Флуктуации в динамических системах под действием малых случайных возмущений. М.: Наука, 1979.

16. Винер Н. Творец и робот. М.: Прогресс, 1966.

17. Вовк С.П. Разработка технологии нечеткого моделирования ситуаций принятия решений в частично формализуемых средах // ППиС. №3. 2004, с.16-22.

18. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. — Санкт-Петербург. Питер, 2000.

19. Геппенер В.В. Деревья решений в распознавании образов // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-99 // Санкт-Петербург. 1999. т.2, с.130-136.

20. Горячев В.Д., Балашов М.Е., Рыков Д.С., Смирнов Е.М.

21. Распределенная информационно-вычислительная системамоделирования методами вычислительной гидродинамики // Программные продукты и системы. №3. 2004, с.2-7.

22. Грибова В.В., Клещев A.C. Использование методов искусственного интеллекта для проектирования пользовательского интерфейса//Информационные технологии. №8. 2005, с.58 61.

23. Гудкова H.B. Алгоритмы адаптивной идентификации технических объектов // Автоматизация и современные технологии. 2005. №8, с.З -9.

24. Гэри М., Джонсон Д. Вычислительные сложности и труднорешаемые задачи. М.: Мир, 1982.

25. Дейт К.Дж. Введение в системы баз данных. Санкт-Петербург, Вильяме, 2000.

26. Дорожкин А.К., Климанов В.А. Способы загрузки данных в системы многомерного анализа // Труды ХП Всероссийской научно-методической конференции «Телематика-2005». Санкт-Петербург. 2005. т.1,с.314-315.

27. Дышкантюк A.B., Степанов И.В. Система информационной поддержки жизненного цикла сложных технологических комплексов // Сборник докладов международной конференции по мягким вычислениям и измерениям SCM-2006. Санкт-Петербург. 2006. Т.1, с.71-74.

28. Евгеньев Г.Б. Интеграция прикладных систем на основе баз знаний // Программные продукты и системы. №3. 2005, с.42 — 46.

29. Елашкин М. Как оценивать эффективность ИТ? // Открытые системы. №7. 2004, с.З 8-41.

30. Еремеев А.П., Куриленко И.Е. Реализация временных рассуждений для интеллектуальных систем поддержки принятия решений реального времени // Программные продукты и системы. №2. 2005, с.8-16.

31. Забежайло М.И. «Data Mining & Knowledge Discovery in Databases: предметная область, задачи, методы и инструменты» // Труды Национальной конференции по искусственному интеллекту с международным участием КИИ-98. Пущино. 1998. Том 2, с.592-600.

32. Забелинский А.И. Нелинейная самоорганизация как подход к построению прогнозирующих моделей // Автоматизация и информационные технологии. 2001. №9, с. 17-19.

33. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

34. Зенкин A.A. Когнитивная компьютерная графика. М.: Наука, 1991.

35. Золотовский В.Е. Система структурного моделирования // Искусственный интеллект. №3, 2003, с.227-238.

36. Ивакин Я.А. Введение в проблему компьютерной интерпретации прикладных формализуемых теорий // Информационно-управляющие системы. №1.2003, с.26-31.

37. Карпов A.B. Информационные конфликты в автоматизированных системах // Программные продукты и системы. №3. 2004, с.22-26.

38. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. М.: Наука. 1997.

39. Кендалл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. — М.:Мир, 1976.

40. Кини Р.Л., Райфа X. Принятие решений при многих критериях. Предпочтения и замещения. М.: Радио и связь, 1981.

41. Киселев А.Г. Концепция и структура интегрированной информационной системы предприятия // Автоматизация и современные технологии. 2005. №12, с.23 — 27.

42. Козлов О.С., Кондаков Д.Е., Скворцов JI.M., Ходаковский В.В.

43. Программный комплекс для исследования динамики и проектирования технических систем // Информационные технологии. №9. 2005, с.20 -25.

44. Корнеев В.В., Гареев А.Ф. Васютин C.B., Райх В.В. Базы данных. Интеллектуальная обработка информации. М. Нолидж, 2000.

45. Костерев В.В., Аверкин А.Н. Формальное описание риска в нечетких системах // Труды международной конференции по мягким вычислениям и измерениям SCM-2001. Т.1. Санкт-Петербург. 2001, с.170-173.

46. Костерев В.В., Лапшина В.А. Метод экспертной оценки риска с использованием лингвистических переменных // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2003. Санкт-Петербург. 2003. т.2, с. 112-115.

47. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

48. Красовский A.A., Наумов А.И. Аналитическая теория самоорганизующихся систем управления с высоким уровнем искусственного интеллекта // Известия РАН. Теория и системы управления. 2001. №1, с.69 75.

49. Круглов В.В., Усков A.A. Два подхода к самоорганизации базы правил системы нечеткого логического вывода // Информационные технологии. №2. 2006, с. 14 18.

50. Крюков В.В., Майоров B.C., Шахгельдян К.И. Алгоритм баланса нагрузки для обеспечения режима реального времени в распределенной системе сбора и обработки данных // Информационные технологии. №7. 2004, с. 11-17.

51. Кузнецов М. MDA новая концепция интеграции приложений // Открытые системы. №9. 2003, с.48-51.

52. Куклев Е.А. Модели рисков катастроф как маловероятных событий в системах с дискретным состоянием // Труды всероссийской научной конференции «Управление и информационные технологии УИТ-2003. Т.2, с. 158-163.

53. Кукушкин Ю.А., Богомолов A.B., Ушаков И.Б. Математическое обеспечение оценивания состояния материальных систем // Информационные технологии №7 (Приложение). 2004, с. 1-31.

54. Куприянов A.A., Емельянов A.A. Механизмы и средства поддержки человеко-компьютерного взаимодействия в среде интегрированных комплексов средств автоматизации // Морская радиоэлектроника. №2(8). 2004, с.30 34.

55. Лазаренко Г.П. Формирование концептуальных проектных решений на классификационных структурах // Программные продукты и системы. №3. 2005, с.35 37.

56. Ломов В.А. Системотехнические особенности задания требований к сложной технической системе // Сборник докладов Международной конференции и выставки по морским интеллектуальным технологиям МОРИНТЕХ-2005. Санкт-Петербург. 2005, с.98 102.

57. Лоскутов А.Ю., Михайлов A.C. Введение в синергетику. М.: Наука. 1990.

58. Львов М. Построение информационно-аналитической системы // Открытые системы. №4. 2003, с.39-40.

59. Макаренко Н.Г. Как получить временные ряды из геометрии пространственных паттернов // Труды 6-й Всероссийской научно-технической конференции «Нейроинформатика 2004». Лекции по нейроинформатике. Часть 2, с. 140-199.

60. Макаров И.М. Теория принятия решений. М.: Наука, 1986.

61. Майника Э. Алгоритмы оптимизации на сетях и графах. М.:Мир, 1981.

62. Малинецкий Г.Г., Кульба В.В., Косяченко С.А., Шнирман М.Г.и др. Управление риском. Риск. Устойчивое развитие. Синергетика. — М.: Наука. 2000.

63. Мальцев Н.Я., Дорогостайский Д.В., Прытков Ю.К. Теория непотопляемости судна. Л.: Судостроение, 1973.

64. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

65. Машечкин И.В., Попов И.С. Разработка системы моделирования высокопроизводительных вычислительных систем на основе мэйнфреймов компьютеров // Программные продукты и системы. №2. 2005, с.46 49.

66. Математические методы в теории систем: новое в зарубежной науке / Под ред А.Н.Колмогорова, С.П.Новикова. Вып. 14. М. Мир, 1979.

67. Матылин Ю.В. Создание Web-приложений в MIDAS-технологии // Программные продукты и системы. №2. 2003, с.2-3.

68. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

69. Мельников Г.П. Системология и языковые аспекты кибернетики. -М.: Сов. радио.1978.

70. Месарович М., Такахара Я. Общая теория систем: математические основы. — М. Мир, 1978.

71. Липаев В.В. Верификация и тестирование сложных программных средств // Информационные технологии. №7. 2004, с.42-47.

72. Назаров A.B., Якимов В.Л. Прогноз параметров технического состояния многорежимных объектов // Применение нейрокомпьютеров в ракетно-космической технике. Книга 21. М.: Радиотехника. 2006, с.64 -68.

73. Нариньяни A.C. Не-факторы: неточность и недоопределенность — различие и взаимосвязь // Известия РАН. Теория и системы управления. №5, с.44 56.

74. Неделько В.Н. Прогнозирование информационных потребностей операторов особо сложных систем управления // Искусственный интеллект. Донецк. №3. 2002, с.420-427.

75. Некрасов В.А. Нелинейные задачи мореходности судна. Л.: Судостроение, 1978.

76. Нечаев Ю.И. Остойчивость судов на попутном волнении Л.: Судостроение, 1978.

77. Нечаев Ю.И. Моделирование остойчивости на волнении. Современные тенденции. Л.: Судостроение, 1989.

78. Нечаев Ю.И. Искусственный интеллект: концепции и приложения.- Санкт-Петербург. ГМТУ, 2002.

79. Нечаев Ю.И. Математическое моделирование в бортовых интеллектуальных системах реального времени // Труды 5-й всероссийской научно-технической конференции «Нейроинформатика- 2003». Лекции по нейроинформатике. Часть 2, с. 119-179.

80. Нечаев Ю.И., Бухановский А.В., Иванов С.А. Виртуальное моделирование динамики судна на морском волнении в интеллектуальных тренажерах // Искусственный интеллект. №3. 2004, с 350-359.

81. Нечаев Ю.И. Нейроаппроксимация и нейропрогноз при контроле динамики сложного объекта // Нейрокомпьютеры: разработка, применение, № 9. 2005, с.22 31.

82. Нечаев Ю.И., Анищенко О.П. Моделирование и визуализация экстремальных ситуаций // Информационно-измерительные и управляющие системы. Бортовые интеллектуальные системы. Корабельные системы. №9. Т.4. 2006, с.39 48.

83. Нечаев Ю.И., Хейн Тун. Анализ и прогноз поведения судна в экстремальной ситуации на основе нечеткой системы знаний // Искусственный интеллект. №3. 2009, с.434 442.

84. Нечаев Ю.И. , Хейн Тун. Формирование аттракторных множеств в условиях непрерывного изменения остойчивости судна на волнении // Морские интеллектуальные технологии №3(5). 2009, с. 13 — 20.

85. Нечаев Ю.И., Хейн Тун. Оперативный контроль устойчивости колебательного движения сложного динамического объекта на основефункционала действия // Труды XVI Всероссийской научно-методической конференции «Телематика-2009». Санкт-Петербург. Т.2, с.431-432.

86. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989.

87. Орлов В.А., Клещев A.C. Компьютерные банки знаний. Многоцелевой банк знаний // Информационные технологии. №2. 2006, с.2-7.

88. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. — М.: Наука, 1981.

89. Пападимитриу X., Стайглиц JI. Комбинаторная оптимизация: алгоритмы и сложность. — М.: Мир. 1985.

90. Петерсон Дж. Теория сетей Петри и моделирование систем. — М.: Мир, 1984.

91. Планирование эксперимента в исследовании технологических процессов / К.Хартман и др. М.: Мир, 1977.

92. Пойа Дж. Математика и правдоподобные рассуждения. — Наука, 1975.

93. Поспелов Д.А., Эрлих А.И. Прикладная семиотика — новый подход к построению систем управления и моделирования // Динамические интеллектуальные системы в управлении и моделировании. М.: ЦРДЗ. 1996, с.30-33.

94. Постои Т., Стюарт И. Теория катастроф и ее приложения. М.: Мир. 1980.

95. Прохоров Ю.В., Розанов Ю.А. Теория вероятностей (основные понятия, предельные теоремы, случайные процессы). — М.: Наука, 1987.

96. Разумовский Г.В., Романенко С.А., Экало A.B. Оценка качества информационной системы на основе показателей добротности // Программные продукты и системы. №2. 2005, с.22 25.

97. Рыжов А.П. Элементы нечетких множеств и измерения нечеткости. М.: Диалог - МГУ, 1998.

98. Рябинин И.А. Надежность. Живучесть и безопасность корабельных электроэнергетических систем. — BMA им. Н.Г.Кузнецова. Санкт-Петербург, 1997.

99. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.

100. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

101. Севрюгин H.H., Юдин A.B., Кузнецов A.B. О методологии выбора технических решений // Автоматизация и современные технологии. 2005. №3, с.27-30.

102. Силич В.А., Силич М.П. Метод объектного моделирования для проектирования сложных систем // Автоматизация и современные технологии. №4. 2003, с.14-21.

103. Силич М.П., Хабибулина Н.Ю. Поиск решений на модели функциональных отношений // Информационные технологии. №9. 2004, с.27-33.

104. Системы управления базами данных и знаний / Под ред. А.Н.Наумова. М.: Финансы и статистика, 1991.

105. Советов Б.Я., Цехановский B.B. Информационные технологии. -М.: Высшая школа, 2001.

106. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 2003.

107. Справочник по теории корабля. В 3-х томах. Л.: Судостроение, 1985.

108. Тихомиров В.А., Тихомиров В.Т., Макушкин A.B. Принцип конструирования информационно-вероятностного метода осуществления долгосрочного прогноза // Программные продукты и системы. №2. 2004, с. 10 15.

109. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука. 1986.

110. ПЗ.Уидроу Б., Стириз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989.

111. Ульянов С.С. Информационные технологии проектирования баз знаний: проблемы создания и защиты интеллектуальной собственности // Программные продукты и системы. №2. 2005, с.2 — 8.

112. Уоссермен Ф. Нейрокомпьютерная техника. -М.: Мир,1992.

113. Управление рисками. — М.: Наука, 2000.

114. Федоров В.В. Теория оптимального эксперимента. М.: Наука, 1971.

115. Федоров Ю.В. Решение многокритериальной задачи оптимизации в нечеткой постановке // Информационные технологии. №7. 2005, с.55-60.

116. Фоменков С.А., Давыдов Д.А., Колесников С.Г.

117. Автоматизированный информационный поиск физических эффектов // Информационные технологии. №7. 2004, с.30-34.

118. Фрейдлин М.И. Функционал действия для одного класса случайных процессов. Теория вероятностей и ее применение. 1972. т. 17. №3, с.530 —541.

119. Хаяси Т. Нелинейные колебания в физических системах. -М.:Мир.1968.

120. Хейн Тун. Оперативный контроль экстремальной ситуации в бортовой интеллектуальной системе // Сборник докладов XIII Международной конференции по мягким вычислениям и измерениям SCM-2010. Санкт-Петербург. 2010. т.2, с. 188 191.

121. Химмельблау Д. Анализ процессов статистическими методами. М.: Мир. 1973.

122. Христиановский Л.Г., Эрлих АЛ. Проблемы моделирования в прикладных интеллектуальных системах // Труды 3-й национальной конференции по искусственному интеллекту. Тверь. 1992. т.2, с.78-81.

123. Холодилин А.Н., Шмырев А.Н. Мореходность и стабилизация судов на волнении. Л.: Судостроение. 1976.

124. Хранилища данных в сети WEB. Русское издание ORACLE MAGAS1NE. 4, 1997.

125. Царегородцев А.В., Мухин И.Н. Синтез развивающихся информационно-управляющих систем // Автоматизация и современные технологии.2005. №3, с.22-26.

126. Чалей И.В., Лисицын Н.В., Рябцов М.В. Формальное описание риска при принятии технических решений // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2005. Санкт-Петербург. 2005. т.2, с.70 73.

127. Чун К. Введение в вейвлеты, М.: Мир, 2001.

128. ШенкХ. Теория инженерного эксперимента. М.: Мир, 1972.

129. Шеннон Р. Имитационное моделирование систем искусство и наука. - М.:Мир.1978.

130. Шустер Д. Детерминированный хаос. М.: Мир. 1989.

131. Эйкхопфф П. Основы идентификации систем управления. М.: Мир, 1975.

132. Эпштейн Л.А. Методы теории и размерностей в задачах гидромеханики судов. — Л.: Судостроение. 1970.

133. A Guide to the Project management body of knowledge PMI (USA), 1969.

134. Asai K., Sugeno M., Terano T. «Applied fuzzy system», Academic Press, New York, 1994.

135. Balci O. Validation, verification and testing techniques troughout the life cycle of a simulation study. Annals of Operation Research, 1994.

136. Beard R.E., Rentikainen T., Personen M. Risk theory. London, 1984.

137. Belenky V.L., Sevastianov N.B. Stability and Safety of Ships. Vol.11: Risk of Capsizing. Elsevier Ocean Engineering Book Series, vol. 10, 2003.

138. Boehm B.W. A spiral model of software development and enhancement // ACM SIGSOFT Software Engineering Notes. Vol.11. No 4, 1986.

139. Egorov G.V. Risk theory based minimization of transport fleet influence on the environment // Proceedings of Second International conference of navy and shipbuilding Nowadays NSN-2001. St.-Petersburg. KSRI. 2001, p.p. 190- 197.

140. Fossett C.A., Harrison D., Weintrob H., Gass A.I. An assessment procedure for simulation models: a case study. Operation Research. 39. 1991, p.p.710-723.

141. Freidman L.W. The simulation metamodel. Kluwer. Dordrecht. Netherlands, 1996.

142. Grandell J. Aspects of risk theory. Berlin, 1991.

143. Haddara M. On the parametric exitation of nonlinear rolling motion in random seas // ISP. 1980.Vol.27 №315, p.p.290-299.

144. Haddara M. On the direction stability of ships // ISP. 1980. Vol.27.№315, p.p.322-324.

145. Hirschman L., Gaizuskas R. Natural question answering The View from Here. Natural Language Engineering, 2001.

146. Kifer M., Lausen G., Wu J. Logical foundation of object-orented and Frame-based Languages I I Jornal of ACM, 1995.

147. Kobylinski L.,K., Kastner S. Stability and Safety of Ships. Vol.1: Regulation and Operation. Elsevier Ocean Engineering Book Series, vol. 9, 2003.

148. Kobylinski L. Capsizing scenarios and hazard identification // Stability of ships and ocean vehicles. Proceedings of 8th International conference STAB-2003. Madrid. Spain. 2003, p.p.777-785.

149. Kosko B. Fuzzy cognitive maps // International Journal of Man-Machine Studies. 1986. Vol.24, p.p.65 75.

150. Kosterev V.V., Averkin A.N. Aggregation of probabilistic and fuzzy information in risk assessment.- Proceedings of the International Conference on Soft Computing and Measurements. St.Petersburg.1999, p.p. 196-199.

151. Nayfeh A.N., Mook D.T. Nonlinear oscillations. New York. John Wiley and Sons. 1979.

152. Nechaev Yu. Multimode principle of ship dynamic control at movement in complex hydrometeorological conditions // Proceedings of international conference «Maritime Transport-2006». Spain. Barselona. 2006, p.p.1-12.

153. Nechaev Yu., Degtyarev A., Anischenko O. Ships dynamic on Waveth

154. Breaking condition // Proceedings of the 9 International conference on stability and ocean vehicles SATAB-2006. Rio de Janeiro. Brazil. 2006, t. 1, p.p.409-417.

155. Nechaev Yu.I., Hein Tun. Research of ship dynamic on following waves // Processing of 10th International Conference «Stability of ships and Ocean Vehicles». St.-Petersburg. 2009, p.p.347 356.

156. Pauling J., Kastner S., Schafran S. Experimental studies of capsizing of intact ships in heavy seas. IMCO. STAB/7. 1973. pp. 1-54.

157. Roberts J. Effect parametric Excitation ship rolling motion in random waves// Journal of Ship Research. 1982 Vol.26.№4,p.p.246-263.

158. Roberts J. Comparison between simulation results and theoretical prediction for a ship rolling in random beam waves // ISP. 1984.Vol.31.№359, p.p. 168-180.

159. Saaty T. Mathematical models of arms control and disarmament. J. Willey & Sons. Inc, 1968.

160. Schuster H.G. Deterministic chaos. — Physik-Verlag. Weinhein (F.R.G),167. 1984.

161. Smith B. Basis of formal ontology // Proceedings of International conference on formal ontologies in information systems (FOlS-98). Trento. Italy. 1998, p.p. 19-28.

162. Solutions Инженерно-технический журнал. Русская редакция. №1(2). 2006.

163. Takens F. Lectures notes in mathematics. Vol. 898. N.Y. Springer. 1981, p.p.366-381.

164. Vandell G. Check-List-CFIT-FSF. Rev.2.2R/500/T-lKAO. Monreal: 1994 (Программа CFIT, ИКАО, циркуляр (методика оценки рисков), 1996.

165. Vassalos D., Spirou К., Umeda N. Testing the capsize diagram concept // Proc.of 6th international conference on stability of ships and ocean vehicles. STAB-97. Varna.1997. p.p.333-347

166. Wille R. Restructuring Lattice Theory: an approach based on hierarchies of concept / Ordered Sets / editor I.Rival — Reidel, Dordrecht-Boston, 1982.

167. Winston P.N. Artificial intelligence. Addison Wesley Publishing Company. USA, 1993.

168. Zadeh L. Fuzzy logic, neural networks and soft computing // Commutation on the ASM-1994. Vol.37. №3, p.p.77-84.