автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний

На правах рукописи

ЧЕРНЯХОВСКАЯ Лилия Рашитовна

ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ НА ОСНОВЕ ИНЖЕНЕРИИ ЗНАНИЙ

Специальность 05.13.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Уфа-2004

Работа выполнена на кафедре технической кибернетики

Уфимского государственного авиационного технического университета

Научный консультант: заслуженный деятель науки и техники РФ и РБ,

д-р техн. наук, проф. ИЛЬЯСОВ Барый Галеевич

Официальные оппоненты: д-р техн.наук, проф.

РУТКОВСКИЙ Владислав Юльевич

Ведущая организация: Институт проблем управления сложными системами Российской Академии Наук

Защита диссертации состоится «_25»_июня_2004 г. в 10 часов на заседании диссертационного совета Д-212.288.03 в актовом зале 3 корпуса Уфимского государственного авиационного технического университета по адресу: 450000, Уфа-центр, ул. К. Маркса 12, УГАТУ

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «_»_2004 г.

д-р техн.наук, проф. ФЕДУНОВ Борис Евгеньевич

д-р техн.наук, проф.

ПАВЛОВ Сергей Владимирович

Ученый секретарь диссертационного совета д-р техн. наук, проф.

Миронов В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Одной из основных задач совершенствования системы управления сложными динамическими объектами является обеспечение безопасности их функционирования и восстановление их работоспособности в критических ситуациях. В науке и практике управления сложными объектами в критических ситуациях накоплен достаточно большой опыт. Вместе с тем в силу различных причин (изношенность оборудования, ошибки персонала, обусловленные объективной сложностью управления динамическими объектами, влияние внешней среды) постоянно возникают критические ситуации, часть которых заканчивается авариями и катастрофами, приносящими огромный моральный и материальный ущерб обществу. В настоящей работе излагается подход к поддержке принятия решений в критических ситуациях, основанный на управлении знаниями.

Проблема, решаемая в диссертационном исследовании, состоит в необходимости активного и целенаправленного приобретения, накопления, анализа, обработки и представления разнородных знаний о процессах управления сложными динамическими объектами в критических ситуациях. Выдвигается гипотеза, что решение поставленной проблемы состоит в разработке системы интеллектуальной информационной поддержки принятия решений в критических ситуациях, основанной на инженерии знаний. При этом предполагается, что система может использовать и традиционные методы и алгоритмы управления, которые также аккумулируют знания человека.

Известны исследования многих отечественных и зарубежных ученых, посвященные проблемам управления сложными системами в критических ситуациях. Теоретические аспекты проблем управления, в том числе динамическими системами, рассматривались в работах академиков Б.Н. Петрова, А.А. Красовского, Л.С.Понтрягина, а также их зарубежных коллег Р. Беллмана, Д.М. Джордана, Дж. Форрестера. Работы Б.Ф. Ломова., В.Ф. Венды, Ю.П. Доброленского и других исследователей посвящены инженерно-психологическим и эргономическим аспектам работы оператора сложных динамических объектов, в том числе и в критических ситуациях. В области теории и практики разработки систем управления, основанных на методах искусственного интеллекта, накоплен значительный опыт, в том числе в исследованиях отечественных ученых Г.С. Поспелова, Д.А. Поспелова, И.М. Макарова, P.M. Юсупова, В.И. Вагина, Э.В. Попова, С.Н. Васильева, Е.А. Федосова, Б.Е. Федунова, В.А. Виттиха, Н.Г. Загоруйко, А.И. Галушкина, Т.А. Гаврило-вой, Г.Н. Зверева, а также зарубежных ученых Н. Винера, А. Ньюэлла, Г. Саймона, Р.К. Линдсея, Дж. Хопфилда, Л.А. Заде, Е.Х. Мамдани, М. Сугэно, Р. Хейеса-Рота, Дж.Л. Колоднера, Д.Б. Лика. Работы В.Н. Пушкина, Л.Т. Кузина, А.С. Нариньяни посвящены системному анализу и ситуационному управлению динамическими системами; Г. Буч, Д. Рамбо, А.Джекобсон разработали принципы и

БИБЛИОТЕКА СПтрб/

1, 1 . иу*

J,

09 Я»

гМ

объектно-

ориентированного анализа и проектирования информационно-управляющих систем. Исследования Ю.М. Гусева, Б.Г. Ильясова, В.И. Васильева, Ю.С. Кабальнова, Г.Г. Куликова, В.Г. Крымского, В.Н. Ефанова и других посвящены управлению динамическими системами в условиях неопределенности. В трудах И.Ю. Юсупова, В.В. Миронова, Н.И. Юсуповой представлены принципы, методы и средства автоматизированного управления сложными техническими системами в критических ситуациях, в том числе в условиях помех; исследования В.Е. Гвоздева, СВ. Павлова посвящены проблемам информационного обеспечения систем анализа и управления территориально распределенными геотехническими объектами. Вопросы автоматизации процесса управления в критических ситуациях и поддержки принятия решений исследуются достаточно интенсивно, и учеными получены существенные научные результаты для широкого класса сложных динамических систем и для различных типовых критических ситуаций. В практике проектирования информационных систем научные подходы реализуются в следующих основных технологиях анализа предметной области: технология структурного анализа и проектирования, интеллектуальный анализ данных и технология объектно-ориентированного анализа и моделирования. Для определения требований к обеспечению безопасности-функционирования электронных систем международной комиссией по электротехнике разработана серия международных стандартов функциональной безопасности автоматизации производства 1ЕС 61508.

В то же время остаются мало исследованными вопросы информационной поддержки принятия управленческих решений в критических ситуациях сложных динамических объектов, основанных на формализации накопленных знаний и опыта управления, хранящихся в базах знаний. В связи с этим разработка методологических и теоретических основ, моделей и методов представления и обработки знаний, предназначенных для поддержки принятия решений при управлении в критических ситуациях, должна способствовать решению актуальной проблемы повышения безопасности функционирования сложных динамических объектов. Во многих критических ситуациях реально существуют ресурсы управления, использование которых при условии принятия своевременных и правильных управляющих решений позволило бы ликвидировать критическую ситуацию, не допуская ее перерастания в аварийную ситуацию, и перевести управляемую систему в режим нормального функционирования. Поэтому весьма актуальна проблема поддержки принятия решений в критических ситуациях с использованием интеллектуальной информационной системы поддержки принятия решений, основанной на принципах инженерии знаний в рассматриваемой предметной области. Под инженерией знаний здесь понимается совокупность методов и средств приобретения, накопления, обработки, представления и синтеза знаний.

Предметом исследования являются процессы принятия решений в критических ситуациях, происходящие в условиях неопределенности информации об управлении сложными динамическими объектами.

Цель и задачи исследований

Целью исследований является разработка научно-обоснованных принципов и методических рекомендаций по поддержке принятия решений на основе системного анализа и моделирования знаний о процессах управления в критических ситуациях, а также разработка информационных и программных средств, обеспечивающих эффективное приобретение, обработку и представление знаний.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Разработать методологию построения информационной системы поддержки принятия решений на основе приобретения, обработки и представления знаний о процессе управления сложными динамическими объектами в критических ситуациях.

2. Разработать принципы и технологию объектно-когнитивного анализа и моделирования и на их основе исследовать структуру классов и динамику информационных процессов в системе поддержки принятия решений.

3. Разработать структуру информационной системы поддержки принятия решений с использованием технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами и сформулировать требования к динамике ее функционирования в критических ситуациях.

4. Разработать модель семантического анализа и конструирования тезауруса предметной области и использовать ее при формировании семантических отношений терминов описаний критических ситуаций.

5. Разработать структуру базы знаний, а также методы и алгоритмы приобретения, обработки и представления знаний в информационной системе поддержки принятия решений в критических ситуациях.

6. Реализовать полученные теоретические результаты в виде методик, комплекса моделей, алгоритмических и программных средств для практической проверки и анализа эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний с использованием сформулированных критериев оценки эффективности.

Для решения перечисленных задач разработаны методология и информационно-аналитический комплекс интеллектуальной поддержки принятия решений при управлении в критических ситуациях.

Методы исследования

В качестве методологической основы работы использовались методы системного анализа, объектно-ориентированного анализа и моделирования информационных систем, теории баз знаний, методы интеллектуального анализа данных, теории искусственных нейронных сетей и теории рассуждений в условиях неопределенности.

Результаты, выносимые на защиту

На защиту выносятся следующие научные положения и практические результаты.

1. Методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на основе приобретения, обработки и представления знаний, интегрированных из разнородных источников в предметной области.

2. Принципы и технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений.

3. Комплекс моделей структуры и динамики функционирования информационной системы поддержки принятия решений, разработанный на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях.

4. Модель семантического анализа и конструирования предметно-ориентированного тезауруса с целью формирования семантических отношений терминов описаний критических ситуаций.

5. Иерархическая структура базы знаний информационной системы поддержки принятия решений в критических ситуациях, методы и алгоритмы приобретения, обработки и представления знаний в условиях неопределенности.

6. Методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

Научная новизна результатов

• Новизна предлагаемой методологии приобретения, обработки и представления знаний об управлении сложными динамическими объектами в критических ситуациях заключается в интеграции методов и результатов семантического анализа процесса управления в критических ситуациях, объектно-ориентированного анализа и моделирования информационных систем и лингвистического анализа текстов, относящихся к процессам управления в критических ситуациях. Методология позволяет сформулировать основы объектно-когнитивного анализа и моделирования структуры классов и динамики функционирования информационной системы поддержки принятия решений.

• Новизна сформулированных принципов и технологии объектно-когнитивного анализа заключается в том, что они позволяют анализировать семантику отношений между классами объектов концептуальной модели знаний о процессах управления в критических ситуациях, а также разрабатывать динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления в критических ситуациях. Полученный комплекс моделей является основой для разработки базы знаний информационной системы поддержки принятия решений.

• Новизна иерархической структуры базы знаний информационной системы поддержки принятия решений состоит в разработке единого информационного пространства, организованного проблемно-ориентированным тезауру-

сом, позволяющего реализовать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

• Новизна разработанной модели семантического анализа и конструирования предметно-ориентированного тезауруса состоит в формировании семантических отношений терминов предметной области и нейросетевой классификации прецедентов критических ситуаций, что позволило повысить полноту и точность поиска решений, содержащихся в базе знаний.

Практическая значимость и внедрение результатов

Научные результаты работы явились основой создания информационной системы поддержки принятия решений, включающей интеллектуальную компоненту приобретения, накопления, обработки, предоставления, обновления и распространения знаний. Предложены адекватные разработанной методологии модели, алгоритмы и программы.

Разработанный метод реализации базы знаний и алгоритм иерархического поиска прецедентов с использованием тезауруса предметной области обеспечивают возможность формирования рекомендаций по принятию решений в критической ситуации, что позволяет повысить качество и сократить время принятия решений.

В НИИ авиационного оборудования внедрены следующие результаты:

• методология построения экспертных систем ручного управления летательными аппаратами в критических ситуациях, позволяющих проводить анализ и классификацию критических ситуаций, связанных с отказами систем отображения информации, ошибками пилотирования, потерей и искажением информации;

• методика автоматизированного формирования информационного обеспечения для поддержки принятия решений пилотом в критических ситуациях;

• программы, реализующие алгоритмы формирования рекомендаций электронного инструктора пилоту в критических ситуациях для летательных аппаратов различных типов.

Данные результаты внедрены в форме методики проектирования и эксплуатации алгоритмического и программного обеспечения информационной системы поддержки принятия решений, в том числе для создания тренажерных комплексов и обучающих систем. Полученные теоретические результаты послужили основой технических решений, защищенных авторскими свидетельствами на изобретение (А.с. №№ 602976, 611506, 638998, 643919), а также реализованы в виде программных продуктов, зарегистрированных в Рос ЛПО и РОСПАТЕНТ.

В Министерстве по делам гражданской обороны и чрезвычайным ситуациям внедрены следующие результаты: комплекс моделей процессов управления сложными динамическими объектами в критических ситуациях; методоло-

гия построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на основе инженерии знаний. Данные результаты внедрены в форме методики, алгоритмического и программного обеспечения, позволяющих автоматизировать процесс проектирования информационных систем поддержки принятия решений сложными объектами в критических ситуациях; расширить функциональные возможности управления сложными динамическими системами в критических ситуациях, не допуская их перерастания в чрезвычайные ситуации за счет организации информационной поддержки принятия решений; повысить профессиональный уровень управляющего персонала в области автоматизированного управления сложными объектами путем моделирования критических ситуаций, приобретения, накопления, обработки, представления знаний об управлении в критических ситуациях и анализа последствий принимаемых решений.

В учебный процесс Уфимского государственного авиационного технического университета внедрены математическое, алгоритмическое и программное обеспечение моделирующего прототипа информационной системы поддержки принятия решений, которые применяются при чтении лекций, выполнении курсовых и дипломных проектов по дисциплинам «Системы искусственного интеллекта» и «Технология объектно-ориентированного моделирования» для студентов, обучающихся по направлению 220228 - «Информатика и вычислительная техника», специалистов, обучающихся по специальности «Математические методы в экономике», а также для магистров по направлению 552823 - «Информационные управляющие системы».

Реализация работы

Результаты диссертационной работы нашли применение при выполнении научно-исследовательских работ.

Исследования в данном направлении начаты автором в Уфимском авиационном университете в 1972-1990 гг. в рамках НИР по заказу НИИ авиационного оборудования (г. Жуковский) для летательных аппаратов, в том числе авиационно-космического летательного аппарата многоразового использования класса «Буран» (Гос. per. №№ 75010093, 77036885,78022798 и др.).

В 1994-1999 годах работа по автоматизированному проектированию информационно-управляющих систем продолжена в ходе сотрудничества с ОАО «Уфимское моторостроительное производственное объединение».

В 1999-2001 гг. работа продолжена в ходе сотрудничества с институтом программных структур и организации данных университета г. Карлсруэ, по направлению - «Информационные системы реального времени, параллельные банки данных и базы данных, интеллектуальные банки данных и базы данных».

Прикладные разработки, связанные с проведением интеллектуального анализа данных и разработкой концепции проектирования информационно-справочной системы, выполнялись в 2001-2002 гг. по теме: «Развитие и совершенствование распределенной системы сбора данных об источниках и факторах негативного воздействия на окружающую среду и о состоянии окружаю-

щей среды» с Государственным комитетом по охране окружающей среды Республики Башкортостан, а также в рамках сотрудничества с Министерством по делам гражданской обороны и чрезвычайным ситуациям Республики Башкортостан.

Работа поддержана в рамках Федеральных целевых программ «Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2001 гг.» и «Интеграция науки и высшего образования России на 2002-2006 гг.», а также частично поддержана грантом РФФИ 03-07-90242 «Интернет-комплекс поддержки выполнения проектов фундаментальных исследований сложных систем с применением интеллектуальных технологий на базе экспертных систем» (2003-2005 гг.).

Апробация и публикации

Основные положения и результаты работы регулярно докладывались, обсуждались и получили положительную оценку более чем на 48 научных и научно-практических конференциях и семинарах различного уровня, проводившихся в нашей стране и за рубежом по проблемам системного анализа, управления, информационной технологии и безопасности сложных систем, в их числе:

• Международная научно-практическая конференция «Системный анализ в проектировании и управлении», Санкт-Петербург, 2001-2003 гг.

• Международная конференция «Информатика и информационные технологии» (Уфа, Россия, 2000,2001,2003 гг., Патрас, Греция, 2002г.).

• Международная конференция «Проблемы управления и моделирования в сложных системах» г. Самара, 2000-2003 гг.

• Международная конференция Modeling, computing, design under indeterminacy conditions - Уфа, 2000. Proceedings ofthe International Conference.

• Семинар в институте программных структур и организации данных университета г. Карлсруэ, 2000 г.

• 9-й симпозиум IFACIIFORSIIMACSIIFIP «Большие системы: Теория и применения», Бухарест, Румыния, 2001 г.

Результаты диссертационной работы непосредственно отражены в более чем 100 публикациях, в том числе в 2 монографиях, 30 статьях, более чем в 50 тезисах докладов в трудах конференций, 2 учебных пособиях, 4 авторских свидетельствах на изобретения, 5 свидетельствах об официальной регистрации программ для ЭВМ, а также 7 депонированных научно-технических отчетах.

Структура работы

Работа включает введение, 6 глав основного материала, заключение, библиографический список и приложения. Работа изложена на 315 страницах машинописного текста, кроме того, содержит 79 рисунков и 22 таблицы, размещенных на 96 страницах. Библиографический список содержит 195 наименований.

Благодарности

Проблема информационной поддержки принятия решений в критических ситуациях на основе инженерии знаний находится в русле исследований в области интеллектуального управления, инициированных в УГАТУ (тогда в Уфимском авиационном институте им. С.Орджоникидзе) в 1972 г- группой ученых под руководством д-ра техн. наук, профессора Ислама Юсуповича Юсупова. Профессор И.Ю. Юсупов, являясь руководителем кандидатской диссертации, сформулировал направление и оказал огромное влияние на дальнейшие исследования автора в области систем, основанных на знаниях и опыте экспертов.

Автор выражает благодарность научному консультанту, заслуженному деятелю науки и техники РФ и РБ, доктору технических наук, проф. Ильясову Б.Г. за многочисленные содержательные консультации по методологическим и концептуальным аспектам системного анализа процессов функционирования сложных динамических объектов в критических ситуациях. Автор выражает благодарность заслуженному деятелю науки РБ, доктору технических наук, профессору Юсуповой Н.И. и заслуженному деятелю науки РБ, доктору технических наук, профессору Миронову В.В. за ценные советы в процессе обсуждения научных проблем; связанных с управлением сложными динамическими объектами в условиях неопределенности, которые происходили в течение многих лет совместной работы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении к диссертации кратко обсуждается актуальность проблемы; формулируются цель и задачи исследования, перечисляются подходы и методики исследования, приводятся результаты, выносимые на защиту, отмечается их новизна и практическая значимость, указываются связи исследований с научными программами, приводятся сведения о реализации работы, апробации работы и публикациях.

В первой главе проводится анализ содержания проблем управления сложными динамическими объектами в критических ситуациях, приводится определение критических ситуаций. Критические ситуации (КС) возникают вследствие неблагоприятного влияния внешней среды, отказов аппаратно-программного обеспечения, ошибок персонала, приводящих к нарушению ограничений, установленных для характеристик процесса функционирования объекта. В случае непринятия своевременных и правильных управляющих решений критическая ситуация может перейти в аварийную ситуацию или катастрофу, имеющие последствия в виде угрозы здоровью и жизни людей, а также в виде значительного материального ущерба. Проведенный анализ макропроцесса принятия решений показал, что во многих критических ситуациях реально существуют ресурсы управления, использование которых при условии принятия своевременных и правильных управляющих решений позволило бы ликвидировать критическую ситуацию, не допуская ее перерастания в аварийную

ситуацию, и перевести управляемый объект в режим нормального функционирования. Сделанный вывод подтверждается, например, результатами анализа ряда авиационных происшествий, из которых видно, что 80% виновности летчиков на самом деле является показателем той доли катастроф и аварий, в которой летчики имели возможность парировать возникновение и особенно углубление опасной ситуации, но у них этого не получилось. В связи с этим разработка методологических и теоретических основ, моделей и методов инженерии знаний, предназначенных для поддержки принятия решений при управлении сложными динамическими объектами в критических ситуациях, способствует повышению безопасности функционирования объектов и, следовательно, является актуальной. В настоящее время остаются мало исследованными вопросы формализации приобретения, накопления, обработки и представления знаний и опыта управления в критических ситуациях. Для решения этой проблемы поставлена задача разработки теоретически обоснованного подхода к системному анализу процесса управления сложными объектами в критических ситуациях на основе инженерии знаний.

В соответствии с анализом особенностей рассматриваемых типов сложных динамических объектов сформулирована цель исследования, состоящая в разработке концепции построения информационной системы поддержки принятия решений на основе знаний о процессе управления сложными динамическими объектами в критических ситуациях, моделировании процессов получения и использования этих знаний, а также поиске средств, обеспечивающих эффективное управление знаниями.

Предметная область управления в КС характеризуется низкой точностью измерения значений переменных состояния объекта, обусловленной ошибками первичных преобразователей, преобразования и передачи данных, неопределенностью в задании границ области критических режимов функционирования объекта, неопределенностью, связанной с неполнотой априорных знаний о процессе управления в критических ситуациях. Сформулированы особенности моделей процессов управления в критических ситуациях и присущих им видов неопределенностей. Построение модели представления знаний для поддержки принятия решений в условиях неопределенности произведено на основе изучения взаимодействия субъектов и объектов - носителей знаний, участвующих в этом процессе. Для обработки знаний в условиях неопределенности исследованы количественные модели на базе теории вероятностей, теории доказательства Демпстера-Шефера и теории нечетких множеств. В задачах управления сложными динамическими объектами в критических ситуациях вероятностные модели используются для оценки апостериорных вероятностей альтернатив принятия решений, например, по способу дальнейшего управления полетом при возникновении отказов элементов и агрегатов летательного аппарата. Знания о границе области критических значений параметров можно адекватно отобразить, используя обобщение вероятностных моделей, позволяющих оперировать интервальными оценками вероятностей. Вместе с тем практическая реализация указанных процедур даже при использовании высокопроизводительных вычис-

лительных средств представляет определенные трудности в связи с жесткими временными ограничениями при функционировании системы в реальном времени. Кроме того, оценка параметров распределения исследуемых случайных величин, описывающих процесс управления, не всегда возможна в силу природы критических ситуаций как весьма редких событий. Поэтому в работе использован способ представления неопределенности, основанный на определении нечеткой меры истинности элементов знаний и использовании методов обработки нечетких знаний.

В работе рассмотрены существующие подходы к решению проблем управления в критических ситуациях и приводится обзор методов интеллектуального управления с целью анализа возможности их применения для решения проблемы управления сложными динамическими объектами в критических ситуациях. Проведена классификация систем обработки знаний с указанием их особенностей и областей использования. Анализ существующих подходов к представлению и обработке знаний с использованием методов и средств искусственного интеллекта (ИИ) позволяет утверждать, что подход к разработке систем поддержки принятия решений на основе баз знаний является естественным развитием концепции интеграции ИИ в системы управления сложными объектами, обобщающим известные модели представления знаний и поиска решений. На основе выполненного анализа основных направлений ИИ (экспертных систем, вывода, основанного на прецедентах, искусственных нейронных сетей, естественно-языковых систем, систем с многозначной логикой, интеллектуального анализа данных, систем поддержки принятия решений) определен круг научных и практических задач, решение которых позволит повысить эффективность информационного обеспечения операторов сложных динамических объектов в критических ситуациях. На рис. 1 представлена схема цикла вывода решений, основанных на прецедентах, разработанная для поддержки принятия решений в критических ситуациях.

Выбор направления исследований, сделанный на основе проведенного обзора, позволил конкретизировать задачи, связанные с разработкой концепции построения информационной системы поддержки принятия решений на основе обработки знаний о процессе управления сложными динамическими системами в критических ситуациях. Предложена структура и сформулированы принципы функционирования информационной системы поддержки принятия решений (ИСППР).

Сформулированные цель и основные задачи определяют приоритет разработки концептуальных и теоретических основ поддержки принятия решений при управлении сложными динамическими объектами в критических ситуациях, а также последовательность решения вопросов разработки различных методов и средств управления знаниями.

Во второй главе рассматриваются вопросы методологии построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, об-

щенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний.

В процессе исследования сформулирована проблема представления знаний как семантических отношений между объектами предметной области, проблема моделирования знаний о динамике поведения объектов, проблема моделирования операций и методов обработки знаний для формирования рекомендаций по принятию решений. Основой методологии разработки информационной системы поддержки принятия решений является объектно-когнитивный анализ предметной области, интегрирующий методы и результаты объектно-ориентированного анализа, онтологического анализа и семантической сети представления знаний. Разработаны следующие принципы объектно-когнитивного анализа: 1) принцип иерархической декомпозиции знаний, ОСНОванный на применении различных форм абстрактного представления знаний и

полиморфизме описания отношений между объектами семантической сети и механизмов логического вывода; 2) принцип интеграции результатов онтологического анализа и семантического моделирования предметной области на основе иерархии понятий; 3) принцип введения понятий в онтологии предметной области на базе объектно-ориентированного моделирования процесса управления в критических ситуаций; 4) принцип наследования свойств, основанный на отношении «класс - подкласс» в описании понятий в различных формах абстракции представления знаний; 5) принцип определения меры сходства в семантических сетях на основе кластерного анализа описаний прецедентов КС в терминах предметной области и разработки таксономической структуры тезауруса.

В соответствии с предложенной методологией, начальным этапом разработки ИСППР является моделирование управления сложными системами в критических ситуациях. Целью моделирования является системное описание знаний, используемых в процессе управления сложными динамическими объектами в критических ситуациях. Затем проводится онтологический анализ предметной области и разрабатывается предметно-ориентированный тезаурус. На следующем этапе производится формирование моделей представления знаний и синтез алгоритмов поддержки принятия решений с использованием базы знаний.

Предложено представить семантическую сеть модели критической ситуации как совокупность следующих компонентов (подсетей), реализующих разные аспекты представления знаний. Тезаурус есть семантический граф 77?

который определяет парадигматические отношения между се-

мантическими понятиями (терминами) предметной области t„ t, еТ, Т- множество терминов, i,j— W- множество семантических весов отношений, п -количество выделенных терминов. Тезаурус разрабатывается на основе словаря признаков, представляющего собой множество определений признаков Х(Т, V, ТХ), устанавливающих для каждого признака х, бЛ" его имя (термин t,), область (или множество) значений признака Vj и тип признака'^"ь k=l,...,m; m - количество признаков описаний критических ситуаций. База прецедентов - семантический граф BCase (С, Rf), состоящий из множества вершин С и множества связей Лс. Вершины С графа BCase могут быть двух типов: вершины -категории Се С и вершины - прецеденТРы&аждая вершина - категория связана с конфигурацией узлов - прецедентов и образует класс прецедентов ZcleZ, где Z— множество классов прецедентов. Схема связей Rc между узлами -категориями и узлами - прецедентами является схемой наследования свойств, в которой каждый прецедент С наследует свойства своего класса. База аналогий R(TXt, Sim{TXi)) - множество отношений, определяющих меры сходства для сопоставления значений признаков определенного типа в прецедентах и описании рассматриваемой критической ситуации. База правил -семантический граф BRule (Р, FL), состоящий из утверждений и общих правил Rule = FL{P(X)) представленных в виде предикатов Р{Х), связанных логическими отношениями FL.

Основой интеграции перечисленных моделей представления знаний является единое информационное пространство когнитивных элементов моделей критических ситуаций, сформированное в результате объектно-когнитивного анализа и моделирования процесса управления сложными системами в крити-

ческих ситуациях. Знания организованы в таксономическую иерархическую структуру. Для анализа знаний иерархия абстракций строится на основе отношения наследования свойств, обеспечивающего целостность знаний: Vx М(х) -> М'(х), где М - подсистема представления знаний в определенной форме, х - свойство или концепт предметной области. Это означает, что понятия, участвующие в формировании правил, являются родовыми для понятий в описании прецедентов, в соответствии с онтологической природой пространства знаний. Структуризация знаний осуществляется на основе классификации критических ситуаций.

В диссертационной работе предложено при разработке систем, основанных на знаниях, использовать специальные методы и средства объектно-ориентированного моделирования предметной области, разработанные для проектирования информационных систем, чтобы воссоздать концептуальную модель экспертов в формализованной модели представления знаний. Разработаны принципы представления знаний с использованием языка объектно-ориентированного моделирования Unified Modeling Language (UML). Объектный подход содержит набор моделей, связанных с понятием класса/объекта, объединяющего данные (состояние) и поведение. На рис. 2 показана концептуальная модель ИСППР, устанавливающая отношения между вышеперечисленными компонентами представления знаний.

С использованием языка объектно-ориентированного моделирования UML выявлены существенные признаки критических ситуаций, разработана логическая структура классов базы знаний (рис. 3).

Разработанные модели структур классов когнитивных элементов содержит метазнания (знания о знаниях, определяющие, что означают хранящиеся в базе знаний правила и прецеденты, для каких классов ситуаций они предназначены, как взаимосвязаны и как их использовать) и конкретные предметные знания (знания об управлении в конкретных критических ситуациях). В структуре базы знаний реализован метод наследования свойств, определяющий отношения в иерархии классов «Правило - Категория прецедентов - Прецедент».

Для описания динамики процесса управления в критических ситуациях разработаны модели поведения классов и объектов ИСППР, а именно: динамические модели взаимодействия объектов, модели изменения состояний объектов и сценарии управления в критических ситуациях.

На основе объектно-когнитивного анализа предметной области разработан комплекс объектно-ориентированных моделей структуры и динамики функционирования информационной системы поддержки принятия решений. Модели содержат описания абстрагированных понятий и сущностей, являющихся базовыми объектами предметной области а, е А в терминах предметно-ориентированного тезауруса, и определяют отношения между ними. Отноше-

7 7

ния а,- R dj, R е R, принадлежат множеству отношений

которое включает определенные в UML под-

множества отношений ассоциации Ял, обобщения Я^, зависимости Ки, реа-

лизации

Д

а также парадигматических отношении новых стереотипов,

введенных в данной работе, а именно каузальные отношения Л и отношения сходства Д5

Результатом объектно-когнитивного анализа является также набор операций приобретения, обработки и представления метазнаний и проблемно-ориентированных знаний Ф=(ф|,,..,фт) операции ф, инкапсулированы в соответствующие объекты в качестве их собственных ресурсов.

Комплекс моделей является основой разработки базы знаний информационной системы поддержки принятия решений. Предложены методы и средства преобразования моделей в различные объектно-ориентированные нотации программирования и хранения знаний.

В третьей главе рассматривается новый онтологический подход к формированию информационного пространства процессов управления сложными

системами в критических ситуациях. Достоинством предложенного подхода является разработка единого инфорхмационного пространства описания КС, включающего как качественные, так и количественные характеристики КС, выраженные в различного типа шкалах, и использование различных размытых мер сходства для сопоставления описаний КС. Для формирования информационного пространства управления в критических ситуациях предлагается модель семантического анализа, особенностью которой является интеграция в предмет -но-ориентированном тезаурусе понятий, используемых в текстах предметной области, моделях процессов управления и структурированных данных описаний критических ситуаций. Модель семантического анализа есть отображение

вида Е :М—>ГЛ, преобразующее множество информационных элементов модели в множество терминов и семантических отношений тезауру-

са ТИ=(Т, Я?, IV)', Здесь П={П|(/1); П2М Л)} - множество правил отображения, где П](/4) - правила выделения значимых терминов модели для включения в тезаурус, - функция семантической важности отношений терминов

тезауруса, определяющая вес (^отношений терминов в формируемом тезаурусе модели в зависимости от установленного типа отношений Л2 и частоты Ncoъ-стречаемости понятий. Функция ЩЯ, ^У) имеет вид нечеткой функции принадлежности и определяется множеством нечетких правил формирования семантических весов отношений. На основе модели разработан алгоритм семантического анализа, основными этапами которого являются: составление словаря терминов предметной области; формирование матрицы сходства терминов на основе лингвистического анализа текстовой массы; формирование матрицы сходства терминов по результатам моделирования исследуемого процесса; объединение этих матриц и установление весов отношений между терминами.

Основная проблема разработки предметно-ориентированного тезауруса предметной области состоит в установлении связей между терминами, включающем проблему семантического отождествления слов (синонимии). Для решения этой проблемы в работе проведен кластер-анализ терминов описаний типовых критических ситуаций в созданном пространстве признаков по их ситуативной близости и по частоте появления тех или иных конкретных терминов (рис.4). В результате кластерного анализа с использованием статистических методов (иерархического метода кластеризации и метода Варда) выделяются индексные термины описаний КС.

Далее производится классификация описаний КС методом обучения искусственной нейронной сети. Для обучения нейронной сети формируется таблица независимых наблюдений критических ситуаций из различных классов

еЩ, где - вектор терминов-дескрипторов прецедентов;

- указание эксперта об истинной принадлежности решения, содержащегося в прецеденте, к одному из m классов решений на множестве решений ; К -количество наблюдений критических ситуаций.

Множество описаний КС -Л -у Пространство признаков - терминов {X}

С л КЛАСТЕРИЗАЦИЯ ПРИЗНАКОВ - ТЕРМИНОВ V У

О

Множество кластеров признаков Выделение наиболее

пА информативных признаков х'.

4>

Л-\г- Редуцированное пространство признаков {X }

КЛАСТЕРИЗАЦИЯ ПРЕЦЕДЕНТОВ-ОПИСАНИЙ КС

Множество категорий прецедентов КС {Оос™}=> {2/},

г5- иг5

Множество категорий типовых решений

г"- иг"

А V

Множество описаний ситуаций

.....х\ч2Р)

НЕЙРО- СЕТЕВОЕ МОДЕЛИРОВАНИЕ

Выбор архитектуры ИНС

Обучение ИНС

Оценка качества работы ИНС

2Е

КЛАССИФИКАЦИЯ НОВЫХ ПРЕЦЕДЕНТОВ - ОПИСАНИЙ КС

Рис. 4. Основные этапы интеллектуального анализа данных, описывающих прецеденты критических ситуаций

По результатам классификации критических ситуаций были сделаны выводы о применимости каждого из рассматриваемых методов для решения задачи классификации КС на основе полученных из описаний КС признаков - дескрипторов. Установлено, что методы статистической классификации не дают приемлемого качества классификации в силу специфики решаемой задачи классификации и используемых исходных данных. Однако средства статистической обработки вполне удовлетворительно могут быть использованы для решения вспомогательных задач, например, выявления взаимозависимости и избыточности в исходных данных и уменьшения размерности пространства признаков классификации.

Применение методов обучения нейронных сетей для решения задачи классификации КС на основе их описаний дают хорошие результаты обучения на достоверных экспертных данных, позволяя достаточно точно отслеживать логику человека - эксперта. Следует учесть, что задачу приходится решать в рамках определенных ограничений, связанных в первую очередь с необходимостью иметь большой предопределенный набор качественных обучающих примеров.

Принцип семантического отождествления терминов описания критических ситуаций использован при разработке алгоритма поиска прецедентов в базе знаний. На основе разработанной методики сформулированы практические рекомендации по созданию и использованию гипертекстовых баз знаний прецедентов критических ситуаций с использованием предметно-ориентированного тезауруса.

В четвертой главе рассматриваются вопросы формирования моделей представления знаний об управлении сложным объектом в критических ситуациях и синтеза алгоритмов поддержки принятия решений с использованием баз знаний.

Функционирование информационной системы поддержки принятия решений, осуществляющей оперативный контроль развития критических ситуаций и выдачу рекомендаций по принятию решений, обеспечивается на основе ситуационной базы знаний. Ситуационная база знаний интегрирует описания ситуаций в форме прецедентов, модели динамических процессов и сценарии развития ситуаций, а также правила принятия решений в критических ситуациях.

В критических ситуациях, характеризующихся малым резервом времени, управляющий (оператор) нуждается в своевременной подсказке, четко ориентирующей его на принятие решений и реализацию управляющих воздействий, иногда даже в командной форме. В таком случае формирование рекомендации по принятию решения реализуется как дедуктивный вывод на правилах.

Для представления знаний в условиях неопределенности разработаны «размытые» модели и соответствующие им виды семантик:

• класс правил распознавания КС вида г^ : ЕСЛИуг=Вг И ... И , ТО ЧЯ)= Л;

• класс правил принятия типовых решений для распознанных классов КС вида гп'. ЕСЛИ и(£)= А ТО ¿4=£>\

• класс правил определения управляющих воздействий для парирования КС вида г»: ЕСЛИ и<5;)= И ТО гу=1.

Здесь и>(5,) - класс КС - имя класса КС из множества наименований ]УИ, с^ - типовое управляющее решение значения О* г* - признак срабатывания^го автоматического устройства. На множестве правил данного вида используется метод нечеткого вывода Мамдани-Заде. В отдельных классах правил используются также правила правила нечеткого управления по методу Такаги-Сугено-Канга, которые представляют нечеткую импликацию вида:

И(К): ЕслилГ| есть>4М| Их2 естьИ ...х„есть/Л ТО>=/"(х,.....*.),

где Л, - это лингвистические значения, идентифицированные нечетким способом через соответствующие функции принадлежности (ФП) ц > (х,-)для пере/

менных х,. Переменные Х!,^..., х„ образуют м-мерный входной вектор дг,бЛ' динамического процесса, а у есть выходной сигнал.

Применение размытых ("мягких") ограничений значительно расширяет возможность контроля и управления и делает их адекватными реальной обстановке в системе. Эвристические зависимости, выраженные в правилах, полученных от экспертов, могут не соответствовать реальным ситуациям, что снижает качество базы знаний. Этот недостаток преодолевается при использовании результатов объектно-когнитивного анализа. Построение комплекса объектно-ориентированных моделей процесса управления в КС, тестирование и программная реализация моделей повышают объективность выявления семантических отношений.

ИСППР разрабатывается для поддержки принятия решений в весьма сложной предметной области управления объектами в критических ситуациях, для описания которой требуется значительное количество правил. В сложных системах, состояние которых характеризуется большим количеством признаков, возникает проблема обеспечения полноты базы знаний, поскольку количество правил увеличивается экспоненциально с увеличением количества входных переменных, что приводит к увеличению времени логического вывода решения. База знаний, содержащая большое количество правил, сложна в восприятии, редактировании и использовании. Но процесс принятия решений требует, тем не менее, полного осмысления критической ситуации. Это противоречие разрешается путем построения иерархической базы знаний, таким образом, что класс правил может быть классом верхнего уровня или подклассом, ассоциированным с отдельным объектом предметной области (см. рис. 5). Декомпозиция базы правил производится в соответствии с иерархией объектов, установленной в результате объектного моделирования. Таким образом, каждое правило включает ограниченное количество входных переменных. Выход модуля базы знаний /-го уровня является входом модуля базы знаний (1+1) уровня.

Задачей правил первого уровня является оценка нарушения границы области допустимых значений по отдельным переменным состояния, наиболее полно характеризующим классы КС, так как, по определению, каждый класс КС характеризуется нарушением предельно допустимых значений одной или нескольких переменных состояния. Таким образом, правила первого уровня формируют решения об установлении нарушения границ области допустимых значений критических переменных в отдельной подсистеме сложного динамического объекта. Второй уровень объединяет сигналы с выходов правил первого уровня в вектор, характеризующий состояние работоспособности объекта в данный момент. Следовательно, пространство признаков классификации КС Уф, являющихся входами правил второго уровня, является вырожденным отображением пространства признаков Х(1). Правило второго уровня координирует решения правил первого уровня, производя объединение информации с целью более точного распознавания классов КС. Необходимость такой координации обусловлена взаимозависимостью критических состояний отдельных подсистем.

Методы и алгоритмы приобретения, обработки и представления знаний реализованы на основе иерархического поиска управляющих решений на множестве правил управления и прецедентов принятия решений в критических ситуациях в условиях неопределенности. Предложена оптимизация параметров правил управления на основе обучения нечетко-нейронной многослойной сети с прямым распространением сигнала.

Для эффективной работы ИСППР необходимо обеспечить целостность и адекватность семантической сети представления знаний. Разработка баз знаний на основе объектного моделирования позволяет избежать некоторых ошибок и противоречий в представлении знаний, обеспечиваемых встроенными средствами иЫЬ. Однако часть ошибок, связанных в основном с недостатками пред-

ставления знаний в форме продукций, удается выявить только при логическом тестировании базы знаний, для этого разработаны специальные процедуры.

Если в базе знаний отсутствует общее знание относительно прикладной области, сформулированное в правилах, используется специфическое знание относительно конкретных критических ситуаций из предыдущего опыта. Решение в новой проблемной ситуации принимается путем нахождения подобного прецедента в прошлом, и это решение многократно используется в последующих критических ситуациях.

Предложен метод приобретения знаний из опыта экспертов и интеграции прецедента в существующую структуру знания для дальнейшего сопоставления с подобными прецедентами. Сущность метода представляет классификация прецедентов, в которой признаками являются индексные термины, выделенные из описаний критических ситуаций. Прецеденты индексируются с использованием словаря и тезауруса процессов управления в критических ситуациях внутри иерархической индексной структуры. Решение из предыдущего прецедента может непосредственно применяться к представленной проблеме, или изменяться согласно различиям между двумя прецедентами. Поиск соответствующих прецедентов, адаптация решений и обучение на основе опыта согласованы с моделью общих знаний проблемной области, реализованной в виде базы правил, и основаны на распознавании образа проблемной ситуации и отнесении его к подобному классу прецедентов.

Формально исходными данными для поиска ближайших прецедентов в базе прецедентов BCase являются: описание i-й критической ситуации Q" вектором признаков с учетом их весов

количество классов КС,у = М' - количество признаков КС в классе /;

множество мер сходства для различных типов признаков

Если все переменные описания КС являются нечеткими, то операция сопоставления сводится к определению нечеткого сходства описания и

прецедентов содержащихся в базе знаний. Функция сходства

описания КС и прецедентов вычисляется на основе парных сравнений признаков. Чем более похожи Q" и Casef, тем более возможно, что решения D°s и

£)Case сходны. Таким образом, происходит объединение методов принятия решений, основанных на прецедентах, и методов обработки знаний в условиях неопределенности.

Сопоставление описания ситуации с прецедентами произво-

дится в соответствии с определенными мерами сходства, которые определяются по локальным и глобальным критериям. Сравнение описания КС и прецедентов как структур «объект - атрибут - значение» производится с учетом различных типов признаков. Отношение сходства между признаками критических

ситуаций отображаются на размытые шкалы, используемые в когнитивных структурах. В случае, если значениями сопоставляемых признаков прецедента -и текущей критической ситуации являются термины описания КС, их сопоставление производится путем вычисления семантического сходства на основе тезауруса предметной области, с использованием матрицы семантической связанности терминов. Ближайший прецедент выбирается на основе вычисления оптимального значения меры сходства прецедентов с критической ситуацией. Далее решение из ближайшего прецедента адаптируется по специальным правилам к реальной критической ситуации.

При разработке алгоритма нечеткого поиска использовано понятие бинарного нечеткого отношения сходства между описанием КС и прецедентами в базе знаний, которое задается на базисных множествах признаков критической

IV es vCase

и прецедентов и определяется как нечеткое отношение

SimLoc= {<*£, х%" >)(iw.c (, Х;Г)} ■

Здесь HsmLoc (xie ■>x<j'e') - функция принадлежности бинарного нечеткого отношения, которое определяется как отображение че-

рез <х¡e,Xje"> обозначен кортеж из двух элементов х"еЛг" и xf"" e.Xjase В случае, когда признакам описаний критических ситуаций придаются некоторые веса, функция сходства определяется как

Нечеткое отношение между описанием КС и взвешенными значениями признаков прецедентов, обозначаемое Rel, определяется как (min-max) - композиция отношений Res и SimCase.

\xRel(Q"- Weight,) = tu(»НеАх%\хс;е")(}ф<;Гheightje))}.

Новые прецеденты могут быть динамически добавлены в базу, что увеличивает объем доступной информации. При этом управляющие могут адаптировать получаемые решения, обеспечивая приемлемый уровень правильных ответов. Следовательно, метод, основанный на прецедентах, должен иметь механизм обучения, позволяющий дополнять базу знаний. Обратная связь, возникающая при сохранении решений для новых проблемных ситуаций, означает, что вывод решений, основанный на прецедентах, по своей сути является "самообучающейся" технологией, благодаря чему рабочие характеристики каждой базы прецедентов с течением времени и накоплением опыта улучшаются.

В пятой главе содержатся общие сведения о построении схемы информационной системы поддержки принятия решений в критических ситуациях, приведена структура гипертекстовой базы знаний, структура гипертекстового документа - прецедента, а также результаты проектирования интерфейса пользователя и описание сценариев поиска прецедентов. На основе предложенного подхода создана методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса

предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

ИСППР является центральным звеном интегрированной среды управления, выполняющим функции поддержки принятия решений на основе баз знаний. ИСППР должна выполнять эти функции в единой распределенной среде с общим интерфейсом. Реализация ИСППР зависит от предметной области, то есть конкретного типа сложного динамического объекта, и от типа выбранных инструментальных средств.

Исследования по разработке различных вариантов реализации формальных моделей представления знаний проводились по трем направлениям: разработка и тестирование программного обеспечения базы правил и механизма логического вывода с использованием языка искусственного интеллекта Пролог; реализация компонентов ИСППР на основе Web - технологии; моделирование исследовательского прототипа ИСППР в среде MATLAB с целью определения параметров интеллектуальных компонентов ИСППР (баз знаний и алгоритмов вывода решений), обеспечивающих наилучшее значение эффективности поддержки принятия решений. Нечеткое моделирование базы знаний в среде MATLAB осуществлялось с использованием пакета Fuzzy Logic Toolbox, в котором реализованы функции нечеткой логики и нечеткого вывода. В соответствии с поставленной целью решались следующие задачи: определение форм и параметров функций принадлежности нечетких правил управления и нечеткого отношения сходства между отдельными признаками описания критических ситуаций и прецедентов; выбор типов нечетких операций для процедур агрегирования величин сходства; установление границы значимых величин сходства между текущей ситуацией и прецедентами. Поставленные задачи решались для случаев, когда признаки КС представлены в однотипных (количественных, нечетких, номинальных) и смешанных шкалах.

Разработанные объектно-ориентированные и формальные модели реализованы в среде MATLAB следующим образом: прецеденты представлены как структуры, то есть многомерные массивы с элементами, доступ к которым осуществляется через имена. В результате моделирования получены зависимости функции сходства прецедентов с критической ситуацией для различных вариантов поиска, показавшие повышение полноты и точности поиска решений на прецедентах с использованием разработанного тезауруса, а также установления весов признаков. Приведены примеры процедур поддержки принятия решений. Имитационное моделирование разработанных алгоритмов в среде MATLAB показало, что использование предметно - ориентированного тезауруса в алгоритме поиска прецедентов обеспечивает повышение точности поиска прецедентов.Разработанные модели нашли практическое применение при решении исследовательских задач информационной поддержки принятия решений операторов сложных динамических систем в соответствующих предметных областях, а также в учебном процессе.

В шестой главе проведен анализ результатов оценки эффективности предложенных решений по автоматизации процессов управления сложными системами в критических ситуациях. Приводятся результаты имитационного моделирования процессов управления в критических ситуациях с использованием системы поддержки принятия решений на тренажере.

Для обеспечения достаточной достоверности результатов поддержки принятия решений необходимо учитывать неопределенность знаний о процессе управления объектом в критических ситуациях, связанную со случайностью возникновения отказов и сбоев в работе компонентов объекта (элементов аппаратного и программного обеспечения, измерительной подсистемы), низкой точностью измерения вектора, леременных состояния объекта, обусловленной ошибками преобразования и передачи данных, неопределенность в задании границы Г(Х) области критических режимов функционирования объекта, неопределенность, связанную с неполнотой и априорных знаний о процессе управления в КС, неопределенность поведения системы, обусловленная субъективными ошибками людей. Для оценки эффективности ИСППР вычисляются три вида оценок точности распознавания критических ситуаций в сравнении с действительными событиями: точное распознавание (успех), ложная тревога и пропуск ситуации. Если критическая ситуация распознана точно, событие оценивается как успешное. Если безопасная (штатная) ситуация распознана как критическая, результат распознавания оценивается как ложная тревога. Если критическая ситуация не распознана, и она произошла, результат распознавания оценивается как пропуск ситуации. Из частоты этих результатов вычисляются три статистики: достоверность (то сть вероятность точного распознавания), вероятность ложной тревоги и вероятность пропуска ситуации. ИСППР должна распознавать границы ошибок ложной сигнализации и пропуска ситуации.

Оценка вероятности правильной и ложной сигнализации произведена при сделанных допущениях о том, что критические ситуации всех классов равновероятны (так как неопределенность решения в данном случае максимальна), и в предположении, что закон распределения случайных составляющих входного сигнала ИСППР нормальный. Исследования по определению требований к точности результатов обнаружения и распознавания класса критических ситуаций, проведенные с использованием разработанных критериев эффективности, показали целесообразность введения правил вторичной обработки сигналов, получаемых в ходе мониторинга объекта управления для обеспечения необходимой достоверности распознавания. Установлено, что введение вторичной обработки сигналов путем проведения анализа сигналов на установленном временном интервале позволяет уменьшить вероятность ложной сигнализации о критической ситуации на 2-3 порядка В результате экспериментальных исследований на тренажере летательного аппарата сделан вывод о том, что при необходимости существенно уменьшить время распознавания КС без отрицательного эффекта в случае ложной сигнализации следует выдавать управляющему подсказывающую информацию по принятию решения, ориентирующую на распознавание

критической ситуации определенного класса, без директивных команд на реализацию управляющих воздействий на объект управления.

Проведенные исследования возможности автоматизации процесса распознавания летчиком критической ситуации показывают, что вероятность пра-

вильного распознавания можно повысить путем подачи летчику правильной и своевременной подсказывающей информации, ориентирующей его в информационном поле при возникновении КС. С целью оценки влияния подсказывающей информации на эффективность распознавания КС летчиком автором был произведен эксперимент на тренажере. Справедливость выводов, сделанных в результате экспериментальных исследований на тренажере, была впоследствии проверена путем контроля отдельных результатов в тренировочных полетах.

Для проведения оценки эффективности поддержки коллективных решений в критических ситуациях (для объектов со сложной, территориально распределенной структурой) была выбрана модель иерархических цветных сетей Петри (СРЫ). Разработанные модели процессов коллективного принятия решений в критических ситуациях для различных сценариев работы управляющих показали эффективность способов ликвидации критических ситуаций на основе рекомендаций, предоставляемых ИСППР.

На рис. 6 представлена СРЫ- модель процесса управления в критических ситуациях с использованием ИСППР. Результаты моделирования на СРЫ использованы для проектирования интерфейса ИСППР.

В заключении сформулированы основные результаты диссертационного исследования.

В приложениях приведены: комплекс объектно-ориентированных моделей информационной системы поддержки принятия решений, фрагмент предметно-ориентированного тезауруса, коды программного обеспечения алгоритмов формирования рекомендаций на основе правил и прецедентов, а также документы, подтверждающие внедрение результатов диссертации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

Главным итогом выполненных автором исследований является решение научно-технической проблемы разработки концептуально-теоретических основ, информационного и алгоритмического обеспечения поддержки принятия решений по управлению сложными динамическими объектами в условиях неопределенности с использованием инженерии знаний. Решение данной проблемы имеет важное научное и практическое значение ввиду необходимости обеспечения безопасности функционирования сложных динамических объектов.

В ходе исследования сделаны следующие выводы и получены следующие результаты:

1. Разработана методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний. Методология основана на управлении знаниями, интегрированными из разнородных источников в предметной области, с использованием принципов и методов искусственного интеллекта и позволяет,

в отличие от известных концепций, осуществлять на более качественном уровне поддержку принятия решений.

2. Сформулированы принципы и разработана технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений с использованием стандартов и инструментальных средств анализа и моделирования информационных систем. Использование технологии объектно-когнитивного анализа и моделирования позволяет автоматизировать процессы создания информационных систем поддержки принятия решений и сократить сроки их разработки.

3. Разработан комплекс моделей структуры и динамики поведения информационной системы поддержки принятия решений, включающий концептуальную модель структуры классов и объектов знаний, а также динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления, на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях, что явилось основой для разработки базы знаний ИСППР.

4. Разработана модель семантического анализа и конструирования предметно - ориентированного тезауруса с целью формирования семантических отношений терминов описаний критических ситуаций. Показаны способы использования предметно-ориентированного тезауруса в процессах разработки баз знаний и алгоритмов формирования рекомендаций по принятию решений, что позволяет обеспечить необходимое соотношение полноты и точности поиска решений.

5. Предложена иерархическая структура базы знаний информационной системы поддержки принятия решений в едином информационном пространстве знаний, организованном предметно-ориентированным тезаурусом, позволяющим реализовывать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

6. Предложена методика разработки алгоритмов формирования рекомендаций по принятию решений с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний. Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

ОСНОВНЫЕ ПУБЛИКАЦИИ

1. Юсупов И.Ю., Нигматуллин Р.Г., Черняховская Л.Р. Распознавание критических ситуаций сложных технических систем. // Приборы и системы управления, 1977.-№1.-С. 62-71.

2. Юсупов И.Ю., Черняховская Л.Р., Дубинин Н.М., Миронов В.В., Нигматуллин Р.Г., Юсупова Н.И. Устройство для предупреждения аварийных ситуаций. А.С. N 638998 (СССР). БИ, 1978. - № 47.

3. Юсупов И.Ю. Черняховская Л.Р., Нигматуллин Р.Г. Устройство для распознавания аварийных ситуаций. А.с. № 643919 (СССР). БИ, 1979. - № 3.

4. Юсупов И.Ю., Черняховская Л.Р., Миронов В.В., Юсупова Н.И. Устройство для сигнализации предельных режимов работы. А.с. № 602976 (СССР). БИ, 1979. - № 7.

5. Юсупов И.Ю., Черняховская Л.Р., Миронов В.В., Юсупова Н.И. Устройство для сигнализации приближения к сваливанию самолетов. А.с. №N 611506 (СССР). БИ, 1979.-№4.

6. Черняховская Л.Р. Исследование возможных путей построения автоматического распознающего устройства в интересах управления выводом самолета из критических ситуаций: Автореф. дис. канд. техн. наук: 05.13.14 / УАИ. Уфа, 1977.-16 с.

7. Черняховская Л.Р., Зонабенд Ф.М. Методика автоматизированного формирования информационного сопровождения оператора в критических ситуациях. "Вопросы регулирования и управления в сложных системах". Межвуз. науч. сбор. Уфа, УАИ, 1990. - С. 67-74.

8. Черняховская Л.Р., Бурделев В_А Автоматизация проектирования систем телеобработки данных с использованием экспертных систем. Учебное пособие. Изд.УАИ,Уфа, 1991.-67 с.

9. Черняховская Л.Р., Никулина Н.О., Старцева Е.Б., Шерман М.Д. Разработка экспертной управляющей системы для управления корпоративной сетью АСУП. // Управление в сложных системах: Межвуз. науч. сбор. Уфа, УГАТУ, 1995.-С. 135-141.

Ю.Свид-во об офиц. per. программы для ЭВМ № 960211. Информационное обеспечение для анализа документооборота/Л.Р. Черняховская, А.Н. Набатов, Е.Б. Старцева и др. -М.: РосАПО, 1996.

11.Черняховская Л.Р., Набатов А.Н., Старцева Е.Б., Речкалов А.В., Никулина Н.О. Разработка шггеллектуальной информационной системы как инструмента для подготовки к внедрению системы управления документами на предприятии // Управление в сложных системах: Межвуз. научн. сб.-Уфа, УГАТУ, I996.-C.59-67.

12.Свид-во об офиц. per. программы для ЭВМ № 970263. Система запросов для анализа документооборота. / Л.Р. Черняховская, Н.О. Никулина, Е.Б. Старцева. -М.: РосАПО, 1997.

13.Свид-во об офиц. per. программы для ЭВМ № 970264. Система поддержки принятия решений / Л.Р. Черняховская, Н.О. Никулина, Е.Б. Старцева. -М.: РосАПО, 1997.

14.Герасимова И.Б., Куликов Г.Г., Никулина Н.О. Речкалов А.В., Черняховская Л.Р. Принятие решений по организационному управлению в коллективах. Деп. рукопись, Уфа, УГАТУ, № 988-В98, 1998. - 32 с.

15.Куликов Г.Г., Никулина И.О., Речкалов А.В., Черняховская Л.Р Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия. // Авиационная промышленность.

1998. - № 3 . - С. 65-73.

16.Черняховская Л.Р., Старцева Е.Б. Речкалов А.В. Методология проектирования системы поддержки принятия решений на основе формализованного представления предметной области /Деп. в ВИНИТИ, № 2050-В97, 20.06.97, 7 с.

П.Куликов Г.Г. Речкалов А.В., Черняховская Л.Р., Старцева Е.Б. Организация поддержки принятия решений на основе комплекса /DEF-моделей . Управление в сложных системах: Межвуз. научн. сб. - Уфа, УГАТУ, 1998. -С. 55-59.

18.Черняховская Л.Р., Никулина Н.О. Классификация как элемент интеллектуальной поддержки в информационной системе администратора электронного организационно - распорядительного документооборота // Управление в сложных системах: Межвуз. научн. сб.-Уфа, УГАТУ, 1998. — С. 59-67.

19.Куликов Г.Г., Набатов А.Н., Черняховская Л.Р., Речкалов А.В., Никулина Н.О., Старцева Е.Б. Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования (монография). Изд. УГАТУ, Уфа, 1999.-223 с.

20.Речкалов А.В., Черняховская Л.Р., Куликов Г.Г., Набатов А.Н. Метод моделирования для информационной системы управления производством (для машиностроительного завода) // Моделирование'98, Университет Йорка, Англия, 1998. - С. 71-77 (на англ. яз.).

21.Речкалов А.В., Черняховская Л.Р., Куликов Г.Г., Набатов А.Н. Реинжиниринг информационной системы управления производством на основе современных технологий // Международный научн. сб.-Уфа, УГАТУ, 1998. - С. 4855 (на англ. яз.).

22.Речкалов А.В., Черняховская Л.Р., Низамутдинов М.М., Набатов А.Н. Поддержка принятия решений на основе интеграции интеллектуальных технологий в информационную систему управления //Актуальные проблемы конструирования двигателей // Материалы международной конференции, - Уфа, УГАТУ,

1999. - С.260-264 (на англ. яз.).

23.Черняховская Л.Р. Поддержка принятия решений в критических ситуациях на основе экспертных систем //Материалы международного научно-технического симпозиума, - Уфа, УГАТУ, 1999. - С.260-264 (на англ. яз.).

24.Черняховская Л.Р., Н.О.Никулина, Н.И.Федорова, Т.АХаликов. Поддержка принятия решений при управлении в критических ситуациях с использованием экспертных систем // Моделирование, вычисление и дизайн в условиях неопределенности: Материалы международной конференции. - Уфа, УГАТУ, 2000. -С. 422-423 (на англ. яз.).

25.Черняховская Л.Р., Ильясов Б.Г., Герасимова И.Б., Низамутдинов М.М. Системные и информационные модели формализации знаний // Материалы 2-го международного симпозиума «Компьютерные науки и информационные технологии». - Уфа, Россия, УГАТУ, 2000. - Т. 1. - С. 160-164 (на англ. яз.).

26..Кусимов С.Т, Б.Г.Ильясов, Черняховская Л.Р. Автоматизация управления сложными объектами в критических ситуациях с помощью интеллектуальной информационной системы // Проблемы управления и моделирования в сложных системах: Тр. II междунар. конф. - Самара, 2000.- С. 316 - 342.

27.Куликов Г.Г., Черняховская Л.Р., Речкгуюв А.В., Никулина Н.О. Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия.// Авиационная промышленность. -

2000.-№2.-С.53-60.

28.Свид-во об офиц. per. программы для ЭВМ № 2001610469. Автоматизированная информационно-поисковая система на основе проблемно-ориентированного тезауруса / Л.Р. Черняховская, М.М. Низамутдинов, М.С. Угрюмов, Р.А. Шкундина. - М.: Роспатент, 2001.

29.Свид-во об офиц. per. программы для ЭВМ № 2001610470. Система поддержки принятия решений на основе прецедентов. /Л.Р. Черняховская, Н.О. Никулина, Н.И. Федорова, Т.А. Халиков. -М.: Роспатент, 2001.

30.Ильясов Б.Г. Черняховская Л.Р., Системный анализ процесса управления сложными динамическими объектами в критических ситуациях с использованием CASE-средств моделирования // Системный анализ в проектировании и управлении: Тр. междунар. науч.-практ. конф. Санкт-Петербург: СПбГТУ,

2001.-С. 204-208.

31 .Черняховская Л.Р., Низамутдинов М.М., Федорова Н.И. Подход к разработке системы поддержки принятия решений диспетчера региональной энергосистемы на основе системного и лингвистического анализа предметной области // Системный анализ в проектировании и управлении: Тр. междунар. на-уч.-практ. конф. Санкт-Петербург: СПбГТУ, 2001. - С. 204 - 208.

32.Черняховская Л.Р. Объектный подход к разработке гипертекстовой базы прецедентов критических ситуаций // Проблемы управления и моделирования в сложных системах: Тр. III междунар. конф. - Самара, 2001. - С. 420 - 426.

ЗЗ.Грумпос П., Кусимов СТ., Ильясов Б.Г., Черняховскеая Л.Р., Низамутдинов М.М. Подход к разработке информационной системы поддержки принятия решений // Крупномасштабные системы: Теория и использование: Материалы 9-го IFAC/IFORS/IMACS/IFIP Симпозиума. Бухарест, Румыния, 2001.-С. 132-135 (на англ. яз.).

34.Черняховская Л.Р., Мюлле Ю.А., Сулейманова A.M., Федорова Н.И. Поддержка принятия решений для управления региональной энергосетью в критических ситуациях // Материалы 3-го международного симпозиума «Компьютерные науки и информационные технологии». - Уфа, Россия, 2001. Т. 1. - С. 118 - 122 (на англ. яз.).

35.Черняховская Л.Р., Низамутдинов М.М. Анализ процессов управления в критических ситуациях на основе классификации с использованием нейрон-

ных сетей. // Нейрокомпьютеры: разработка и применение, 2001. - № 4-5. -С.73-76.

Зб.Ильясов Б.Г., Черняховская Л.Р., Низамутдинов М.М. Распознование критических ситуаций с использованием искусственных нейронных сетей. // Материалы 8-й международной конференции «Обработка нейроинформации 1СОШР'2001».- Шанхай, Китай, 2001. т. 1, -С. 188-192 (на англ. яз.).

37.Черняховская Л.Р., Ильясов Б.Г., Герасимова И.Б., Халиков Т.А. Использование методов искусственного интеллекта для дистанционного обучения// Материалы 3-го международного симпозиума «Компьютерные науки и информационные технологии». - Уфа, Россия, 2001. - Т.З. - С. 126 - 128 (на англ. яз.).

38.Юсупова Н.И., Герасимова И.Б., Черняховская Л.Р., Шорохова СВ. Интеллектуальный подход к разработке системы психолого-педагогической поддержки обучаемого. Препринт монографии. - Уфа: УГАТУ, 2001. - 56 с.

39.Фаттахов Р.В., Черняховская Л.Р., Низамутдинов М.М. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфа: УГАТУ, 2001.- 119 с.

40.Ильясов Б.Г., Кусимов С.Т.,Черняховская Л.Р., Старцева Е.Б.. Подход к формированию пространства знаний для управления сложными системами в проблемных ситуациях // Проблемы управления и моделирования в сложных системах: Тр. IV междунар. конф. - Самара, 2002. - С. 106 - 110.

41.Кусимов СТ., Черняховская Л.Р., Осипова И.В., Старцева Е.Б.. Формирование управляющих решений в критических ситуациях на основе инженерии знаний. // Проблемы управления и моделирования в сложных системах: Труды V международной конференции. - Самара, 2003. - С. 467 - 472.

42. Черняховская Л.Р., Мюлле Ю.А., Шкундина Р.А., Угрюмов М.С Разработка информационной структуры ситуационной базы знаний // Материалы 5-го международного симпозиума «Компьютерные науки и информационные технологии». - Уфа, Россия, 2003. - Т. 1. - С. 74-78 (на англ.яз.).

43.Черняховская Л.Р., Мюлле Ю.А., Федорова Н.И., Никулина Н.О. Моделирование системы взаимодействия в критических ситуациях коллектива управляющих с использованием цветных сетей Петри // Материалы 5-го международного симпозиума «Компьютерные науки и информационные технологии». - Уфа, Россия, 2003. - Т.2. - С.56 - 59 (на англ. яз.).

44.Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний / Р.А.Бадамшиц, Б.Г.Ильясов, Л.Р.Черняховская. - М.: Машиностроение, 2003. - 240 с.

45.Ильясов Б.Г., Черняховская Р.А., Шкундина Р.А., Угрюмов М.С, Старцева Е.Б. разработка объектно - ориентированных моделей представления знаний в критических ситуациях. "Вопросы управления й проектирования в информационных и кибернетических системах". Межвуз. научн. сб. -Уфа. УГАТУ, 2003.-С 119-124.

Диссертант

Черняховская Л.Р.

ЧЕРНЯХОВСКАЯ Лилия Рашитовна

ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ НА ОСНОВЕ ИНЖЕНЕРИИ ЗНАНИЙ

Специальность

05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Подписано к печати 17 05.2004. Формат 80x64 1/16. Бумага писчая. Печать плоская. Усл. печ. л. 2,25. Усл. кр.-отт. 2,25. Уч. -изд.л. 2,0. Тираж 100 экз. Заказ №333. Бесплатно. Центр оперативной полиграфии УГАТУ 450000, Уфа-центр, ул. К Маркса, 12

»13 910

ПРИНЯТЫЕ СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

1. АНАЛИЗ ПРОБЛЕМЫ УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ.

1.1. Актуальность проблемы поддержки принятия решений при управлении сложными объектами в критических ситуациях на основе знаний.

1.2. Анализ содержания проблемы управления сложными объектами в критических ситуациях.

1.3. Анализ возможностей известных подходов к решению проблем управления в критических ситуациях.

1.4. Анализ проблем интеллектуального управления сложными объектами в критических ситуациях.

1.5. Цели и задачи исследования.

Выводы по главе 1.

2. РАЗРАБОТКА МЕТОДОЛОГИЧЕСКИХ ОСНОВ ОБЪЕКТНО-КОГНИТИВНОГО АНАЛИЗА И МОДЕЛИРОВАНИЯ ПРОЦЕССА УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ.

2.1. Концепция поддержки принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний.

2.2. Методология объектно-когнитивного анализа и моделирования процессов управления сложными объектами в критических ситуациях

2.3. Моделирование информационной системы поддержки принятия решений в критических ситуациях с использованием стандартов моделирования информационных систем.

2.4. Модели представления метазнаний о процессах управления сложными объектами в критических ситуациях с использованием языка Unified Modeling Language.

2.5. Модели структуры информационной системы поддержки принятия решений.

2.6. Модели динамики процесса управления в критических ситуациях.

Выводы по главе 2.

3. СИСТЕМНЫЙ ПОДХОД К ФОРМИРОВАНИЮ ЕДИНОГО ИНФОРМАЦИОННОГО ПРОСТРАНСТВА ПРОЦЕССОВ УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ.

3.1. Разработка информационного пространства представления знаний о критических ситуациях на основе онтологии.

3.2. Разработка тезауруса предметной области управления в критических ситуациях.

3.3. Определение классов прецедентов критических ситуаций на основе интеллектуального анализа данных.

Выводы по главе 3.

4. СИНТЕЗ АЛГОРИТМОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ БАЗЫ ЗНАНИЙ.

4.1. Формализация представления концептуальных знаний о критических ситуациях.

4.2. Алгоритм поддержки принятия решений на основе правил.

4.3. Тестирование базы правил.

4.4. Алгоритм вывода решений, основанных на прецедентах критических ситуаций.

4.5. Взаимодействие различных форм представления знаний в базе знаний.

Выводы по главе 4.

5. РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ В КРИТИЧЕСКИХ СИТУАЦИЯХ.

5.1. Реализация прототипа ИСППР для транспортных динамических объектов.

5.2. Реализация ИСППР для сложных динамических объектов сетевой структуры на J^T^W-сервере.

5.3. Разработка средств имитационного моделирования информационной системы поддержки принятия решений в среде MATLAB.

Выводы по главе 5.

6. СИСТЕМНЫЕ ИССЛЕДОВАНИЯ ЭФФЕКТИВНОСТИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ МЕТОДОМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ.

6.1. Определение точности распознавания класса критических ситуаций.

6.2. Оценка влияния поддержки принятия решений на эффективность управления в критических ситуациях путем проведения эксперимента на тренажере.

6.3. Оценка эффективности поддержки коллективных решений с использованием сетей Петри.

Выводы по главе 6.

Актуальность проблемы

Одной из основных задач совершенствования системы управления сложными динамическими объектами является обеспечение безопасности их функционирования и восстановление их работоспособности в критических ситуациях. В науке и практике управления сложными объектами в критических ситуациях накоплен достаточно большой опыт. Вместе с тем в силу различных причин (изношенность оборудования, ошибки персонала, обусловленные объективной сложностью управления динамическими объектами, влияние внешней среды) постоянно возникают критические ситуации, часть которых заканчивается авариями и катастрофами, приносящими огромный моральный и материальный ущерб обществу. В настоящей работе излагается подход к поддержке принятия решений в критических ситуациях, основанный на управлении знаниями.

Проблема, решаемая в диссертационном исследовании, состоит в необходимости активного и целенаправленного приобретения, накопления, анализа, обработки и представления разнородных знаний о процессах управления сложными динамическими объектами в критических ситуациях. Выдвигается гипотеза, что решение поставленной проблемы состоит в разработке системы интеллектуальной информационной поддержки принятия решений в критических ситуациях, основанной на инженерии знаний. При этом предполагается, что система может использовать и традиционные методы и алгоритмы управления, которые также аккумулируют знания человека.

Известны исследования многих отечественных и зарубежных ученых, посвященные проблемам управления сложными системами в критических ситуациях. Теоретические аспекты проблем управления, в том числе динамическими системами, рассматривались в работах академиков Б.Н. Петрова, А.А. Красовского, JI.C. Понтрягина, а также их зарубежных коллег Р. Беллмана, Д.М. Джордана, Дж. Форрестера. Работы Б.Ф. Ломова., В.Ф. Венды, Ю.П. Доброленского и других исследователей посвящены инженерно-психологическим и эргономическим аспектам работы оператора сложных динамических объектов, в том числе и в критических ситуациях. В области теории и практики разработки систем управления, основанных на методах искусственного интеллекта, накоплен значительный опыт, в том числе в исследованиях отечественных ученых Г.С. Поспелова, Д.А. Поспелова, И.М. Макарова, P.M. Юсупова, В.И. Вагина, Э.В. Попова, С.Н. Васильева, Е.А. Федосова, Б.Е. Федунова, В.А. Виттиха, Н.Г. Загоруйко, А.И. Галушкина, Т.А. Гавриловой, Г.Н. Зверева, а также зарубежных ученых Н. Винера, А. Ньюэлла, Г. Саймона, Р.К. Линдсея, Дж. Хопфилда, Л.А. Заде, Е.Х. Мамдани, М. Сугэно, Р. Хейеса-Рота, Дж.Л. Колоднера, Д.Б. Лика. Работы В.Н. Пушкина, Л.Т. Кузина,

A.С. Нариньяни посвящены системному анализу и ситуационному управлению динамическими системами; Г. Буч, Д. Рамбо, А. Джекобсон разработали принципы и технологию стандартизации объектно-ориентированного анализа и проектирования информационно-управляющих систем. Исследования Ю.М. Гусева, Б.Г. Ильясова,

B.И. Васильева, Ю.С. Кабальнова, Г.Г. Куликова, В.Г. Крымского, В.Н. Ефанова и других посвящены управлению динамическими системами в условиях неопределенности. В трудах И.Ю. Юсупова, В.В. Миронова, Н.И. Юсуповой представлены принципы, методы и средства автоматизированного управления сложными техническими системами в критических ситуациях, в том числе в условиях помех; исследования В.Е. Гвоздева, С.В. Павлова посвящены проблемам информационного обеспечения систем анализа и управления территориально распределенными геотехническими объектами. Вопросы автоматизации процесса управления в критических ситуациях и поддержки принятия решений исследуются достаточно интенсивно, и учеными получены существенные научные результаты для широкого класса сложных динамических систем и для различных типовых критических ситуаций. В практике проектирования информационных систем научные подходы реализуются в следующих основных технологиях анализа предметной области: технология структурного анализа и проектирования, интеллектуальный анализ данных и технология объектно-ориентированного анализа и моделирования. Для определения требований к обеспечению безопасности функционирования электронных систем международной комиссией по электротехнике разработана серия международных стандартов функциональной безопасности автоматизации производства IEC 61508.

В то же время остаются мало исследованными вопросы информационной поддержки принятия управленческих решений в критических ситуациях сложных динамических объектов, основанных на формализации накопленных знаний и опыта управления, хранящихся в базах знаний. В связи с этим разработка методологических и теоретических основ, моделей и методов представления и обработки знаний, предназначенных для поддержки принятия решений при управлении в критических ситуациях, должна способствовать решению актуальной проблемы повышения безопасности функционирования сложных динамических объектов. В настоящее время необходимо определить концептуальный и теоретически обоснованный подход к системному анализу процесса управления сложными динамическими объектами в критических ситуациях и синтезу информационных систем поддержки принятия решений, включающих базы знаний. Во многих критических ситуациях реально существуют ресурсы управления, использование которых при условии принятия своевременных и правильных управляющих решений позволило бы ликвидировать критическую ситуацию, не допуская ее перерастания в аварийную ситуацию, и перевести управляемую систему в режим нормального функционирования. Поэтому весьма актуальна проблема поддержки принятия решений в критических ситуациях с использованием интеллектуальной информационной системы поддержки принятия решений, основанной на принципах инженерии знаний в рассматриваемой предметной области. Под инженерией знаний здесь понимается совокупность методов и средств приобретения, накопления, обработки, представления и синтеза знаний. В данной работе предложен подход к применению инженерии знаний, основанный на моделировании знаний экспертов и их методов решения проблем в предметной области.

Предметом исследования являются процессы принятия решений в критических ситуациях, происходящие в условиях неопределенности информации об управлении сложными динамическими объектами.

Цель и задачи исследований

Целью исследований является разработка научно-обоснованных принципов и методических рекомендаций по поддержке принятия решений на основе системного анализа и моделирования знаний о процессах управления в критических ситуациях, а также разработка информационных и программных средств, обеспечивающих эффективное приобретение, обработку и представление знаний.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Разработать методологию построения информационной системы поддержки принятия решений на основе приобретения, обработки и представления знаний о процессе управления сложными динамическими объектами в критических ситуациях.

2. Разработать принципы и технологию объектно-когнитивного анализа и моделирования и на их основе исследовать структуру классов и динамику информационных процессов в системе поддержки принятия решений.

3. Разработать структуру информационной системы поддержки принятия решений с использованием технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами и сформулировать требования к динамике ее функционирования в критических ситуациях.

4. Разработать модель семантического анализа и конструирования тезауруса предметной области и использовать ее при формировании семантических отношений терминов описаний критических ситуаций.

5. Разработать структуру базы знаний, а также методы и алгоритмы приобретения, обработки и представления знаний в информационной системе поддержки принятия решений в критических ситуациях.

6. Реализовать полученные теоретические результаты в виде методик, комплекса моделей, алгоритмических и программных средств для практической проверки и анализа эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний с использованием сформулированных критериев оценки эффективности.

Для решения перечисленных задач разработана методология и информационно-аналитический комплекс интеллектуальной поддержки принятия решений при управлении в критических ситуациях.

Методы исследования

В качестве методологической основы работы использовались методы системного анализа, объектно-ориентированного анализа и моделирования информационных систем, теории баз знаний, методы интеллектуального анализа данных, теории искусственных нейронных сетей и теории рассуждений в условиях неопределенности.

Результаты, выносимые на защиту

На защиту выносятся следующие научные положения и практические результаты.

1. Методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на основе приобретения, обработки и представления знаний, интегрированных из разнородных источников в предметной области.

2. Принципы и технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений.

3. Комплекс моделей структуры и динамики функционирования информационной системы поддержки принятия решений, разработанный на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях.

4. Модель семантического анализа и конструирования предметно-ориентированного тезауруса с целью формирования семантических отношений терминов описаний критических ситуаций.

5. Иерархическая структура базы знаний информационной системы поддержки принятия решений в критических ситуациях, методы и алгоритмы приобретения, обработки и представления знаний в условиях неопределенности.

6. Методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

Научная новизна результатов

• Новизна предлагаемой методологии приобретения, обработки и представления знаний об управлении сложными динамическими объектами в критических ситуациях заключается в интеграции методов и результатов семантического анализа процесса управления в критических ситуациях, объектно-ориентированного анализа и моделирования информационных систем и лингвистического анализа текстов, относящихся к процессам управления в критических ситуациях. Методология позволяет сформулировать основы объектно-когнитивного анализа и моделирования структуры классов и динамики функционирования информационной системы поддержки принятия решений.

• Новизна сформулированных принципов и технологии объектно-когнитивного анализа заключается в том, что они позволяют анализировать семантику отношений между классами объектов концептуальной модели знаний о процессах управления в критических ситуациях, а также разрабатывать динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления в критических ситуациях. Полученный комплекс моделей является основой для разработки базы знаний информационной системы поддержки принятия решений.

• Новизна иерархической структуры базы знаний информационной системы поддержки принятия решений состоит в разработке единого информационного пространства, организованного проблемно-ориентированным тезаурусом, позволяющего реализовать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

• Новизна разработанной модели семантического анализа и конструирования предметно-ориентированного тезауруса состоит в формировании семантических отношений терминов предметной области и нейросетевой классификации прецедентов критических ситуаций, что позволило повысить полноту и точность поиска решений, содержащихся в базе знаний.

Практическая значимость и внедрение результатов

Научные результаты работы явились основой создания информационной системы поддержки принятия решений, включающей интеллектуальную компоненту приобретения, накопления, обработки, предоставления, обновления и распространения знаний. Предложены адекватные разработанной методологии модели, алгоритмы и программы.

Разработанный метод реализации базы знаний и алгоритм иерархического поиска прецедентов с использованием тезауруса предметной области обеспечивают возможность формирования рекомендаций по принятию решений в критической ситуации, что позволяет повысить качество и сократить время принятия решений.

В НИИ авиационного оборудования внедрены следующие результаты:

• методология построения экспертных систем ручного управления летательными аппаратами в критических ситуациях, позволяющих проводить анализ и классификацию критических ситуаций, связанных с отказами систем отображения информации, ошибками пилотирования, потерей и искажением информации;

• методика автоматизированного формирования информационного обеспечения для поддержки принятия решений пилотом в критических ситуациях;

• программы, реализующие алгоритмы формирования рекомендаций электронного инструктора пилоту в критических ситуациях для летательных аппаратов различных типов.

Данные результаты внедрены в форме методики проектирования и эксплуатации алгоритмического и программного обеспечения информационной системы поддержки принятия решений, в том числе для создания тренажерных комплексов и обучающих систем. Полученные теоретические результаты послужили основой технических решений, защищенных авторскими свидетельствами на изобретение (А.с. №№ 602976, 611506, 638998, 643919), а также реализованы в виде программных продуктов, зарегистрированных в Рос АЛО и РОСПАТЕНТ.

В Министерстве по делам гражданской обороны и чрезвычайным ситуациям внедрены следующие результаты: комплекс моделей процессов управления сложными динамическими объектами в критических ситуациях; методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на инженерии знаний. Данные результаты внедрены в форме методики, алгоритмического и программного обеспечения, позволяющих автоматизировать процесс проектирования информационных систем поддержки принятия решений сложными объектами в критических ситуациях; расширить функциональные возможности управления сложными динамическими системами в критических ситуациях, не допуская их перерастания в чрезвычайные ситуации за счет организации информационной поддержки принятия решений; повысить профессиональный уровень управляющего персонала в области автоматизированного управления сложными объектами путем моделирования критических ситуаций, приобретения, накопления, обработки, представления знаний об управлении в критических ситуациях и анализа последствий принимаемых решений.

В учебный процесс Уфимского государственного авиационного технического университета внедрены математическое, алгоритмическое и программное обеспечение моделирующего прототипа информационной системы поддержки принятия решений, которые применяются при чтении лекций, выполнении курсовых и дипломных проектов по дисциплинам «Системы искусственного интеллекта» и «Технология объектно-ориентированного моделирования» для студентов, обучающихся по направлению 220228 - «Информатика и вычислительная техника», специалистов, обучающихся по специальности «Математические методы в экономике», а также для магистров по направлению 552823 — «Информационные управляющие системы».

Реализация работы

Результаты диссертационной работы нашли применение при выполнении научно-исследовательских работ:

Исследования в данном направлении начаты автором в Уфимском авиационном университете в 1972—1990 гг. в рамках НИР по заказу НИИ авиационного оборудования (г. Жуковский) для летательных аппаратов, в том числе авиационно-космического летательного аппарата многоразового использования класса «Буран» (Гос. per. №№ 75010093, 77036885, 78022798 и др.).

В 1994-1999 годах работа по автоматизированному проектированию информационно-управляющих систем продолжена в ходе сотрудничества с ОАО УМПО.

В 1999—2001 гг. работа продолжена в ходе сотрудничества с институтом программных структур и организации данных университета г. Карлсруэ, по направлению - «Информационные системы реального времени, параллельные банки данных и базы данных, интеллектуальные банки данных и базы данных».

Прикладные разработки, связанные с проведением интеллектуального анализа данных и разработкой концепции проектирования информационно-справочной системы, выполнялись в 2001—2002 гг. по теме: «Развитие и совершенствование распределенной системы сбора данных об источниках и факторах негативного воздействия на окружающую среду и о состоянии окружающей среды» с Государственным комитетом по охране окружающей среды РБ.

Работа поддержана в рамках Федеральных целевых программ «Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997—2001 гг.» и «Интеграция науки и высшего образования России на 2002-2006 гг.», а также частично поддержана грантом РФФИ 03-07-90242 «Интернет-комплекс поддержки выполнения проектов фундаментальных исследований сложных систем с применением интеллектуальных технологий на базе экспертных систем» (2003-2005 гг.).

Апробация и публикации

Основные положения и результаты работы регулярно докладывались, обсуждались и получили положительную оценку более чем на 48 научных и научно-практических конференциях семинарах различного уровня, проводившихся в нашей стране и за рубежом по проблемам системного анализа, управления, информационной технологии и безопасности сложных систем, в их числе:

• Международная научно-практическая конференция «Системный анализ в проектировании и управлении», Санкт-Петербург, 2001-2003 гг.

• Международная конференция ! Информатика и информационные технологии» (Уфа, Россия , 2000, 2001, 2003, Патрас, Греция, 2002)

• Международная конференция «Проблемы управления и моделирования в сложных системах» г. Самара, 2000-2003 гг.

• Международная конференция Modeling, computing, design under indeterminacy conditions - Уфа, 2000. Proceedings of the International Conference.

• Семинар в институте программных структур и организации данных университета г. Карлсруэ, 2000 г.

• 9-й симпозиум IFAC/IFORS/IMACS/IFIP «Большие системы: Теория и применения», Бухарест, Румыния, 2001.

Результаты диссертационной работы непосредственно отражены в более чем 100 публикациях, в том числе в 2 монографиях, 30 статьях, 50 тезисах докладов и трудах конференций, 2 учебных пособиях, 4 авторских свидетельствах на изобретения, 5 свидетельствах об официальной регистрации программ для ЭВМ, а также 7 депонированных научно-технических отчетах.

Благодарности

Проблема информационной поддержки принятия решений в критических ситуациях на основе инженерии знаний находится в русле исследований в области интеллектуального направления, инициированных в УГАТУ (тогда в Уфимском авиационном институте им. С.Орджоникидзе) в 1972 г. группой ученых под руководством д-ра техн. наук, профессора Ислама Юсуповича Юсупова. Профессор И.Ю. Юсупов, являясь руководителем кандидатской диссертации, сформулировал направление и оказал огромное влияние на дальнейшие исследования автора в области систем, основанных на знаниях и опыте экспертов.

Автор выражает благодарность научному консультанту, заслуженному деятелю науки и техники РФ и РБ, доктору технических наук, проф. Ильясову Б.Г. за многочисленные содержательные консультации по методологическим и концептуальным аспектам системного анализа процессов функционирования сложных динамических объектов в критических ситуациях. Автор выражает благодарность заслуженному деятелю науки РБ, доктору технических наук, профессору Юсуповой Н.И. и заслуженному деятелю науки РБ, доктору технических наук, профессору Миронову В.В. за ценные советы в процессе обсуждения научных проблем, связанных с управлением сложными динамическими объектами в условиях неопределенности, которые происходили в течение многих лет совместной работы.

Структура работы

Работа включает введение, 6 глав основного материала, заключение, библиографический список и приложения. Работа изложена на 311 страницах машинописного текста, кроме того, содержит 130 рисунков и 25 таблиц, размещенных на 130 страницах. Библиографический список содержит 195 наименований.

В первой главе завершается начатый во введении анализ содержания проблем управления сложными динамическими объектами в критических ситуациях, приводится определение критических ситуаций.

В соответствии с анализом особенностей рассматриваемых типов сложных динамических объектов сформулирована цель исследования, состоящая в разработке концепции построения информационной системы поддержки принятия решений на основе знаний о процессе управления сложными динамическими объектами в критических ситуациях, моделировании процессов получения и использования этих знаний, а также поиске средств, обеспечивающих эффективное управление знаниями.

Выбор направления исследований, сделанный на основе проведенного обзора, позволил конкретизировать задачи, связанные с разработкой концепции построения информационной системы поддержки принятия решений на основе обработки знаний о процессе управления сложными динамическими системами в критических ситуациях. Предложена структура и сформулированы принципы функционирования информационной системы поддержки принятия решений (ИСППР).

Сформулированные цель и основные задачи определяют приоритет разработки концептуальных и теоретических основ поддержки принятия решений при управлении сложными динамическими объектами в критических ситуациях, а также последовательность решения вопросов разработки различных методов и средств управления знаниями.

Во второй главе рассматриваются вопросы методологии построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний.

Основой методологии разработки информационной системы поддержки принятия решений является объектно-когнитивный анализ предметной области, интегрирующий методы и результаты объектно-ориентированного анализа, онтологического анализа и семантической сети представления знаний. В диссертационной работе предложено при разработке систем, основанных на знаниях, использовать специальные методы и средства объектно-ориентированного моделирования предметной области, разработанные для проектирования информационных систем, чтобы воссоздать концептуальную модель экспертов в формализованной модели представления знаний. Разработаны принципы представления знаний с использованием языка объектно-ориентированного моделирования Unified Modeling Language (UML).

На основе объектно-когнитивного анализа предметной области разработан комплекс объектно-ориентированных моделей структуры и динамики функционирования информационной системы поддержки принятия решений.

Разработанные модели структур классов когнитивных элементов содержит метазнания (знания о знаниях, определяющие, что означают хранящиеся в базе знаний правила и прецеденты, для каких классов ситуаций они предназначены, как взаимосвязаны и как их использовать) и конкретные предметные знания (знания об управлении в конкретных критических ситуациях). Для описания динамики процесса управления в критических ситуациях разработаны модели поведения классов и объектов ИСШ IF, а именно: динамические модели взаимодействия объектов, модели изменения состояний объектов и сценарии управления в критических ситуациях.

Комплекс моделей является основой разработки базы знаний информационной системы поддержки принятия решений. Предложены методы и средства преобразования моделей в различные объектно-ориентированные нотации программирования.

В третьей главе рассматривается новый онтологический подход к формированию информационного пространства процессов управления сложными системами в критических ситуациях.

Достоинством предложенного подхода является разработка единого информационного пространства описания КС, включающего как качественные, так и количественные характеристики КС, выраженные в различного типа шкалах, и использование различных размытых мер сходства для сопоставления описаний КС. Для формирования информационного пространства управления в критических ситуациях предлагается модель семантического анализа, особенностью которой является интеграция в предметно-ориентированном тезаурусе понятий, используемых в текстах предметной области, моделях процессов управления и структурированных данных описаний критических ситуаций.

В работе проведен кластер-анализ терминов описаний типовых критических ситуаций в созданном пространстве признаков по их ситуативной близости и по частоте появления тех или иных конкретных терминов.

По результатам классификации критических ситуаций были сделаны выводы о применимости каждого из рассматриваемых методов для решения задачи классификации КС на основе полученных из описаний КС признаков — дескрипторов. Установлено, что методы статистической классификации не дают приемлемого качества классификации в силу специфики решаемой задачи классификации и используемых исходных данных. Однако средства статистической обработки вполне удовлетворительно могут быть использованы для решения вспомогательных задач, например, выявления избыточности в исходных данных и уменьшения размерности пространства признаков классификации.

Применение методов обучения нейронных сетей для решения задачи классификации КС на основе их описаний дают достаточно хорошие результаты обучения на достоверных экспертных данных, позволяя достаточно точно отслеживать логику человека - эксперта. Следует учесть, что задачу приходится решать в рамках определенных ограничений, связанных в первую очередь с необходимостью иметь большой предопределенный набор качественных обучающих примеров.

В четвертой главе рассматриваются вопросы формирования моделей представления знаний об управлении сложным объектом в критических ситуациях и синтеза алгоритмов поддержки принятия решений с использованием баз знаний.

Функционирование информационной системы поддержки принятия решений, осуществляющей оперативный контроль развития критических ситуаций и выдачу рекомендаций по принятию решений, обеспечивается на основе ситуационной базы знаний. Ситуационная база знаний интегрирует описания ситуаций в форме прецедентов, модели динамических процессов и сценарии развития ситуаций, а также правила принятия решений в критических ситуациях.

Предложена иерархической базы знаний, в которой класс правил может быть классом верхнего уровня или подклассом, ассоциированным с отдельным объектом предметной области. Декомпозиция базы правил производится в соответствии с иерархией объектов, установленной в результате объектного моделирования.

Методы и алгоритмы приобретения, обработки и представления знаний реализованы на основе иерархического поиска управляющих решений на множестве правил управления и прецедентов принятия решений в критических ситуациях в условиях неопределенности.

В пятой главе содержатся общие сведения о построении схемы информационной системы поддержки принятия решений в критических ситуациях, приведена структура гипертекстовой базы знаний, структура гипертекстового документа - прецедента, а также результаты проектирования интерфейса пользователя и описание сценариев поиска прецедентов. На основе предложенного подхода создана методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

В шестой главе проведен анализ результатов оценки эффективности предложенных решений по автоматизации процессов управления сложными системами в критических ситуациях. Приводятся результаты имитационного моделирования процессов управления в критических ситуациях с использованием системы поддержки принятия решений.

Исследования по определению требований к точности результатов обнаружения и распознавания класса критических ситуаций, проведенные с использованием разработанных критериев эффективности, показали целесообразность введения правил вторичной обработки сигналов, получаемых в ходе мониторинга объекта управления для обеспечения необходимой достоверности распознавания. Для оценки истинности логических аппроксимаций знаний, содержащихся в конечном множестве прецедентов критических ситуаций,' накопленных на текущий момент в базе знаний, при формировании правил управления, в данной работе использованы формализмы частотной логики.

Для проведения оценки эффективности поддержки коллективных решений в критических ситуациях (для объектов со сложной, территориально распределенной структурой) была выбрана модель иерархических цветных сетей Петри (CPN). Разработанные модели процессов коллективного принятия решений в критических ситуациях для различных сценариев работы управляющих показали эффективность способов ликвидации критических ситуаций на основе рекомендаций, предоставляемых ИСППР.

В заключении сформулированы основные результаты диссертационного исследования.

В приложениях приведены: комплекс объектно-ориентированных моделей информационной системы поддержки принятия решений, фрагмент предметно-ориентированного тезауруса, коды программного обеспечения алгоритмов формирования рекомендаций на основе правил и прецедентов, а также документы, подтверждающие внедрение результатов диссертации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

Главным итогом выполненных автором исследований является решение научно-технической проблемы разработки концептуально-теоретических основ, информационного и алгоритмического обеспечения поддержки принятия решений по управлению сложными динамическими объектами в условиях неопределенности с использованием инженерии знаний. Решение данной проблемы имеет важное научное и практическое значение ввиду необходимости обеспечения безопасности функционирования сложных динамических объектов.

В ходе исследования сделаны следующие выводы и получены следующие результаты:

1. Разработана методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний. Методология основана на управлении знаниями, интегрированными из разнородных источников в предметной области, с использованием принципов и методов искусственного интеллекта и позволяет, в отличие от известных концепций, осуществлять на более качественном уровне поддержку принятия решений.

2. Сформулированы принципы и разработана технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений с использованием стандартов и инструментальных средств анализа и моделирования информационных систем. Использование технологии объектно-когнитивного анализа и моделирования позволяет автоматизировать процессы создания информационных систем поддержки принятия решений и сократить сроки их разработки.

3. Разработан комплекс моделей структуры и динамики поведения информационной системы поддержки принятия решений, включающий концептуальную модель структуры классов и объектов знаний, а также динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления, на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях, что явилось основой для разработки базы знаний ИСППР.

4. Разработана модель семантического анализа и конструирования тезауруса предметной области с целью формирования семантических отношений терминов описаний критических ситуаций. Показаны способы использования предметно-ориентированного тезауруса в процессах разработки баз знаний и алгоритмов формирования рекомендаций по принятию решений, что позволяет обеспечить необходимое соотношение полноты и точности поиска решений.

5. Предложена иерархическая структура базы знаний информационной системы поддержки принятия решений в едином информационном пространстве знаний, организованном предметно-ориентированным тезаурусом, позволяющим реализовывать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

6. Предложена методика разработки алгоритмов формирования рекомендаций по принятию решений с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний. Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

Выводы по главе 6

Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

Исследования по определению требований к точности результатов обнаружения и распознавания класса критических ситуаций показали целесообразность вторичной обработки сигналов, получаемых в ходе мониторинга объекта управления для обеспечения необходимой достоверности распознавания. Установлено, что введение вторичной обработки сигналов путем проведения анализа сигналов на установленном временном интервале позволяет уменьшить вероятность ложной сигнализации о критической ситуации на 2-3 порядка. В результате экспериментальных исследований на тренажере летательного аппарата сделан вывод о том, что при необходимости существенно уменьшить время распознавания КС без отрицательного эффекта в случае ложной сигнализации следует выдавать управляющему подсказывающую информацию по принятию решения, ориентирующую на распознавание критической ситуации определенного класса, без директивных команд на реализацию управляющих воздействий на объект управления.

Для проведения оценки эффективности поддержки коллективных решений в критических ситуациях (для объектов со сложной, территориально распределенной структурой) была выбрана модель иерархических цветных сетей Петри (CPN). Разработанные модели процессов коллективного принятия решений в критических ситуациях для различных сценариев работы управляющих показали эффективность способов ликвидации критических ситуаций на основе рекомендаций, предоставляемых ИСППР. Результаты моделирования на CPN могут быть использованы для проектирования интеллектуального агента интерфейса ИСППР.

Заключение

Главным итогом выполненных автором исследований является решение научно-технической проблемы разработки концептуально-теоретических основ, информационного и алгоритмического обеспечения поддержки принятия решений по управлению сложными динамическими объектами в условиях неопределенности с использованием инженерии знаний. Решение данной проблемы имеет важное научное и практическое значение ввиду необходимости обеспечения безопасности функционирования сложных динамических объектов.

В ходе исследования сделаны следующие выводы и получены следующие результаты:

1. Разработана методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний. Методология основана на управлении знаниями, интегрированными из разнородных источников в предметной области, с использованием принципов и методов искусственного интеллекта и позволяет, в отличие от известных концепций, осуществлять на более качественном уровне поддержку принятия решений.

2. Сформулированы принципы и разработана технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений с использованием стандартов и инструментальных средств анализа и моделирования информационных систем. Использование технологии объектно-когнитивного анализа и моделирования позволяет автоматизировать процессы создания информационных систем поддержки принятия решений и сократить сроки их разработки.

3. Разработан комплекс моделей структуры и динамики поведения информационной системы поддержки принятия решений, включающий концептуальную модель структуры классов и объектов знаний, а также динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления, на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях, что явилось основой для разработки базы знаний ИСППР.

4. Разработана модель семантического анализа и конструирования тезауруса предметной области с целью формирования семантических отношений терминов описаний критических ситуаций. Показаны способы использования предметно-ориентированного тезауруса в процессах разработки баз знаний и алгоритмов формирования рекомендаций по принятию решений, что позволяет обеспечить необходимое соотношение полноты и точности поиска решений.

5. Предложена иерархическая структура базы знаний информационной системы поддержки принятия решений в едином информационном пространстве знаний, организованном предметно-ориентированным тезаурусом, позволяющим реализовывать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

6. Предложена методика разработки алгоритмов формирования рекомендаций по принятию решений с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний. Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

Научные результаты работы явились основой создания систем информационной поддержки принятия решений, включающих интеллектуальную компоненту накопления, использования, предоставления, обновления и распространения знаний. Предложены адекватные разработанной методологии модели, алгоритмы и программные средства.

Разработанные метод реализации базы прецедентов и алгоритм адаптивного поиска прецедентов с использованием тезауруса предметной области обеспечивают возможность формирования рекомендаций по принятию решений в критической ситуации, что позволяет повысить качество и сократить время принятия решений в критических ситуациях. Результаты проведенных исследований свидетельствуют, что предложенные модели, методы и алгоритмы позволяют создавать эффективные методики научных исследований и решения прикладных задач, а использование разработанных моделей, алгоритмов и программных средств повышает производительность труда разработчиков и сокращает сроки создания информационных систем поддержки принятия решений, основанных на инженерии знаний.

1. Большой энциклопедический словарь. В 2-х т. / Гл. ред. А.М.Прохоров. - Сов. Энциклопедия, 1991. Т. 2 - 1991 - 768 е., ил.

2. Клир Дж. Системология. Автоматизация решения системных задач. М.: Радио и связь, 1990. - 343 с.

3. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика М.: Машиностроение, 1990. 448 с.

4. Козлов В.Н. Системный анализ и принятие решений: Учебное пособие. СПб.: Изд-во СПбГТУ, 2000. - 190 с.

5. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука. - Гл. ред. физ.-мат. лит., 1986. - 288 с.

6. Труды общества независимых расследователей авиационных происшествий. Доклады 10 научно-практической конференции общества независимых расследователей, вып14. Москва, 2002.

7. Нигматуллин Р.Г., Юсупов P.M., Черняховская JI.P. Распознавание критических ситуаций сложных технических систем. Депонир. Рукопись в журнале «Приборы и системы управления», М.,1977, № 1.

8. Юсупов И.Ю. Автоматизированные системы принятия решений. -М.: Наука, 1983. 88 с.

9. Доброленский Ю.П., Пономаренко В.А. Образ полета. «Авиация и космонавтика», 1986, №4.

10. Авиакатастрофы. По материалам отечественной периодической печати с 1981 по 1994 годы./ Сост. А.Б.Симонов. Миасс: Геотур, 1998. -376 с. ил.цв. 30, ил. 201.

11. Federal Plan for Aviation Accident Involving Aircraft Operated by or Chartered by Federal Agencies. NTSB, 1999.

12. Экспертные системы — электронные консультанты летчика (современное состояние, проблемы, перспективы). Бочкарев A.M., Почуев С.И. «Зарубежная радиоэлектроника», № 9, 1989.

13. Петров Б.Н. Избранные труды. T.l. М.: Наука, 1983. 432 с.

14. Юсупов P.M., Заболотский В.П. Научно-методологические основы информатизации. СПб.: Наука, 2000. - 455 с.69 ил.

15. Ломов Б.Ф. Человек и техника. М., «Советское радио», 1966.

16. Васильев С.Н., Жерлов А.К., Федосов Е.А., Федунов Б.Е. Интеллектное управление динамическими системами. М.: Физико-математическая литература, 2000. - 352 с.

17. Миронов В.В., Юсупова Н.И. Иерархические модели ситуаций и их реализация (статья на англ. языке). Труды Российско-китайского семинара. -Уфа: Изд. УГАТУ, 1999. С. 125-129.

18. Миронов В.В., Юсупова Н.И. Исследование иерархической ситуационной модели с трехзначными предикатами в АСУ техническими объектами. Принятие решений в условиях неопределенности. /Межвуз. науч. сб. Уфа: УГАТУ, 2000. - С.7-15.

19. Беллман Р., Дрейфус С. Прикладные задачи динамического программирования: Пер. с англ. М.: Наука, 1965. - 458 с.

20. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. М.: Наука, 1972. - 768 с.

21. Понтрягин JI.C., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимального управления. М.: Физматгиз, 1961.

22. Клыков Ю.И. Ситуационное управление большими системами. М.: Энергия, 1974.- 135 с.

23. Базы знаний интеллектуальных систем / Т.А.Гаврилова, В.Ф.Хорошевский СПб: Питер, 2000. - 384 е.: ил.

24. Джексон, Питер. Введение в экспертные системы. : Пер. с англ. : Уч. Пос. М.: Издательский дом «Вильяме», 2001. - 624 е.: ил.

25. Поспелов Г.С., Поспелов Д. А. Искусственный интеллект и прикладные системы. М.: Знание, 1985. 43 с.

26. Zadeh I. Fuzzy Logic, Neural Networks and Soft Computing // Communication on theACMA99A. Vol. 37,№3.-P. 77-84.

27. Заде JI. Понятие лингвистической переменной и его применение к понятию приближенных решений // Математика. Новое в зарубежной науке / Под ред. А.Н.Колмогорова, С.П.Новикова. -М.: Мир, 1976.

28. Cherny L. Some Integration Problems of Organizational Decision Support Systems. Proceedings of IFAC-MIM 2000 Symposium of Manufacturing, Modeling, Management and Control. Rio, Patras, Greece, 12-14 July 2000. P. 120-122.

29. Автоматизированное проектирование информационно управляющих систем. Проектирование экспертных систем на основесистемного моделирования/ Г.Г.Куликов, А.Н.Набатов, А.В.Речкалов, Л.Р.Черняховская и др. Уфимск. Гос. авиац. Техн. ун-т. Уфа, 1999. -223 с.

30. Винер Н. Кибернетика. М.: Мир, 1969.

31. Автоматизированное проектирование информационно управляющих систем. Проектирование экспертных систем на основе системного моделирования/ Г.Г.Куликов, А.Н.Набатов, А.В.Речкалов, Л.Р.Черняховская и др. Уфимск. Гос. авиац. Техн. ун-т. Уфа, 1999. -223 с.

32. Буч Г. Объектно-ориентированный анализ и проектирование: с примерами приложений на С++. «Издательство Бином». «Невский диалект», 1998.-560 с.

33. Буч Г., Рамбо Д., Джекобсон А. Язык UML. Руководство пользователя: Пер. с англ. М.: ДМК, 2000. 432 е.: ил.

34. Йордон Э„ Аргила К. Структурные модели в объектно-ориентированном анализе и проектировании. Изд. "Лори", 1999. - 264 е.: ил.

35. Каляное Г. Номенклатура CASE-средств и виды проектной деятельности. // Системы Управления Базами Данных 1997. - №2.

36. Кватрани Т. Rational Rose 2000 и UML. Визуальное моделирование: Пер. с англ. М.: ДМК Пресс, 2001. - 176 е.: ил.

37. Коналлен Дж. Разработка Web — приложений с использованием UML /Пер. с англ. М.:Издательский дом «Вильяме»., 2001. - 288 е.: ил.

38. Маклаков С. В. BPWin, ERWin. СА ^-средства разработки информационных систем. Москва, ДИАЛОГ МИФИ, 1999.

39. Марко Д., Мак Гоен К. Методология структурного анализа и проектирования. М.: Метатехнология, 1992. - 239 с.

40. Методология IDEF0. Функциональное моделирование. М.: Метатехнология, 1993. 117 с.

41. Методология IDEFXX. Информационное моделирование. М.: Метатехнология, 1993. 120 с.

42. Методология динамического моделирования IDEF0/CPN / Материалы 6 семинара «Информационные технологии в проектировании систем и управлении бизнесом. М.: Метатехнология, 1994. 13 с.

43. Мюллер Р. Дж. Базы данных и UML. Проектирование. М.: Издательство «Лори», 2002.

44. Общая алгебра. Т.2/ В.Артамонов, В.Н.Салий, Л.А.Скорняков и др. /Под общ. ред. Л.А.Скорнякова. М.: Наука. Гл. ред. Физ.-мат. Лит., 1991. -480 с.

45. Рамбо Дж., Якобсон А., Буч Г. UML: специальный справочник. -СПб.: Питер, 2002. 656 е.: ил.

46. Трофимов С.А. Case- технологии: практическая работа в Rational Rose М.: ЗАО «Издательство БИНОМ», 2001 г. - 272 е.: ил.

47. Guarino N. Giaretta P. 1995. Ontologies and Knowledge Bases. Towards a Terminological Clarification // In: Towards Very Large Knowkedge Bases. -N.J.I. Mars (ed.J, IOS Press, Amsterdam.

48. Филиппович Ю.Н., Прохоров А.В. Семантика информационных технологий: Опыты словарно-тезаурусного описания. С предисловием А.И. Новикова. М.: МГУП, 2002. - 368 с.

49. Quillian M.R. Semantic memory. In Semantic Information Processing (Minsky M., eds), p. 227-270. Cambridge, MA: MIT Press.

50. Вагин i?.H. Дедукция и обобщение в системах принятия решений. -М.: Наука, Гл. ред. физ.-мат. лит.; 1988, 384 с.

51. Ларичев О.И., Мечитов A.M., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний (процедуры и реализации). М.: Наука, 1989. -128 с.

52. Черняховская Л.Р., Куликов Г.Г., Речкалов А.В. Никулина Н.Н. Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия. "Авиационная промышленность", N 3, 1998.

53. Черняховская Л.Р., Куликов Г.Г., Речкалов А.В. Старцева Е.Б. Организация поддержки принятия решений на основе комплекса IDEF-моделей. Управление в сложных системах: Межвуз. научн. сб. Уфа, УГАТУ, 1998.

54. Фаттахов, Черняховская Л.Р., Низамутдинов. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфимск. Гос. Авиац. Техн. Ун-т. Уфа, 2001. - 120 с.

55. Кульба B.C., Ковалевский С.С., Косяченко С.А., Сиротюк В.О. Теоретические основы проектирования оптимальных структурраспределенных баз данных. Серия «Информатизация России на пороге XXI века». М.:СИНТЕГ, 1999. - 660 с.

56. Хаммер М. Чампи Дж. Реинжениринг бизнес-процессов на основе имитационного моделирования деятельности организаций.

57. Watson H.J et al, "Building Executive Information Systems and other Decision Support Applications ", Wiley, 1997.- P. 10.

58. Пиотровский Р.Г. Текст, машина, человек. JT.: Наука, 1975. 327 с.

59. Организация работы с документами /В.А.Кудряев и др.-М.:ИНФРА-М, 1999.-575 с.

60. Смирнов С.В. Онтологический анализ предметных областей моделирования// Известия Самарского научного центра РАН. 2001. Т.З. -№ 1.-С. 62-70.

61. Сэлтон Г. Автоматическая обработка, хранение и поиск информации. Нью-Йорк, 1968, Пер. с англ., под ред. А.И.Китова. М.,"Сов. Радио", 1973, 560 с.

62. Манделъброт Б. Теория информации и психолингвистика: теория частот слов // Математические методы в социальных науках: Сб. статей под ред. П.Лазарсфельда и Н.Генри. М.: Прогресс, 1973.

63. C.J. van Rijsbergen. Information Retrieval, Second Edition, Butterworths, Glasgou, 1979.

64. Тондл Л. Проблема информационной синонимии. Kybernetika -v.l 1 (1975), 1. Academia, Praha.

65. Дюк В., Самойленко A. Data mining', учебный курс. СПб: Питер,2001.-368 е.: ил.

66. StatSoft, Inc. (2001). Электронный учебник по статистике. Москва, StatSoft. WEB: http://www.statsoft. ru/home/textbook/default.htm

67. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах / Под ред. Д.А.Поспелова.- М.: Наука, 328 с.

68. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск. Изд-во института математики, 1999. 270 с.

69. Пфанцагль И. Теория измерений: Пер. с англ. М.: Мир, 1976. - 248 с.

70. Классификация и кластер. Под ред. Дж. Вэн Райзин. Пер. с англ. -М.: Мир, 1980. 389 е.: ил.

71. Черняховская Л.Р., Никулина Н.О., Старцева Е.Б., Шерман М.Д. Разработка экспертной управляющей системы для управления корпоративной сетью АСУП /Управление в сложных системах: Межвуз. науч. сбор. Уфа: УГАТУ, 1995. с. 135-141.

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

73. Логический подход к искусственному интеллекту. От модальной логики к логике баз данных: Пер. с франц. / Тейз А., Грибомон П., Юлен Г. и др. М.: Мир, 1998. - 494 е., ил.

74. Приобретение знаний-. Пер. с япон./Под ред. С. Осуги, Ю. Саэки. — М.: Мир, 1990.-304 с., ил.

75. Тельное Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. М.: СИНТЕГ, 1999.

76. Экспертные системы, принципы работы и примеры: Пер. с англ./ А. Брукинг, П. Джонс, Ф. Кокс и др.; Под ред. Р.Форсайта. М.: Радио и связь, 1987.- 224 с.:ил.

77. Котов В.Е. Сети Петри. М.: Наука, 1984.

78. Малпас Дж. Реляционный язык Пролог и его применение. // Пер. с англ.: Под ред. В.Н.Соболева. М.: Наука. Гл. ред. физ. - мат. лит., 1990. -464 с.

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

80. Методы робастного, нейро-нечеткого и адаптивного управления'. Учебник / Под ред. Н.Д.Егупова; издание 2-ое, стереотипное. М.: Изд-во МГТУ им. Н.Э Баумана, 2002.- 744 е., ил.

81. Нечеткие множества в модели управления и искусственного интеллекта. Под ред. Д.А.Поспелова. Наука, 1996.

82. Прикладные нечеткие системы. Пер. с япон./ К. Асаи, Д. Ватада, С. Иван и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993.368 е., ил.

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

84. Интеллектуальные системы автоматического управления / Под ред. И.М.Макарова, В.М.Лохина. М.: ФИЗМАТЛИТ, 2001. - 576 с.

85. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.

86. Гулътяев А. Визуальное моделирование в среде MATLAB.-. Учебный курс СПб.: Питер, 2000.- 432 е.: ил.

87. Леоненков А.В. Нечеткое моделирование в среде MATLAB и FuzzyTECH.-СПб.:БХВ Петербург, 2003.- 735 е.: ил.

88. Wang L.X. Analysis and design of Hierarchical Fuzzy Systems. IEEE Transactions on Fuzzy Systems, 1999. 7(5), P.617-624.

89. Темников Ф.Е. Высокоорганизованные системы //В кн.: Большие системы: Теория, методология, моделирование. -М.: Наука, 1971. с.85-94.

90. Amodt, А. & Plaza, Е. (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. AI Communications, 7(i). PP 39-59.

91. Acorn, T. and Walden, S. SMART: Support Management Automated Reasoning Technology for Compaq Customer Service. In: Innovative Applications of Artificial Intelligence 4, AAAI, Menlo Park, California, 1992.

92. Hennesey D. and Hinkle D. Applying Cased-Based Reasoning to Autoclave Loading. In: IEEE EXPERT, October 1992, IEEE Computer Society, Los Alamitos, California.

93. K.-D.Althoff and S. Wess, Case-Based Knowledge Acquisition, Learning and Problem Solving for Diagnostic Real World Tasks, Proceedings European Knowledge Acquisition Workshop , EKA W91, 1991.

94. Caamu Т., Керне К. Аналитическое планирование. Организация систем: Пер. с англ. М.: Радио и связь, 1991. - 224 с.

95. Евланов JI.F., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.

96. Kandel A., Bay at W. Fuzzy sets, fuzzy algebra and fuzzy statistics // Proc. IEEE. 1078. Vol. 66, № 12. P. 1619- 1639.

97. Robinson J. A. A machine-oriented logic based on the resolution principle. Journal of the Association for Computer Machinery, 12,/?. 23- 41, 1965.

98. K. Jensen. "Introduction to the Theoretical Aspects of Coloured Petri Nets", A Decade of Concurrency Lecture Notes in Computer Science", Springer Verlag, 1994, vol. 803. PP. 230 272.

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

100. Черняховская JI.P. Результаты исследования эффективности взаимодействия летчика с электронным инструктором в процессе вывода самолета из аварийных ситуаций. Отчет/УАИ Деп. N Б 549952:- Уфа, 1976. ДСП:- Уфа, 1976.

101. Benjamins V.R., Fensel D., et. al. A Knowledge Based System for Asquiring the Conceptual Structure of a Diagnostic Expert System // Journal of Automated Reasoning. -No. l.P.49 74.

102. Горбань A.H. Обучение нейронных сетей. M.: Параграф, 1990. -160 с.

103. Галушкин А.И. Теория нейронных сетей. Кн. 1 М.: ИПРЖР, 2000.-416с.

104. Нариньяни А.С. Недоопределенность в системах представления и обработки знаний // Техническая кибернетика. — 1986. №5. — С. 3-28.

105. Зверев Г.Н. Основания теоретической информатики. Разд. 1 9. — Уфа, УГАТУ, 1995-99.

106. Зверев Г.Н. Частотная логика альтернатива классической логике в новых информационных технологиях. = Информационные технологии, № 2, 1998, с. 2-10.

107. Трахтенгерц. Поддержка принятия решений.

108. Математический энциклопедический словарь. М.: Изд-во Сов. энциклопедия, 1988.

109. Зверев Г.Н. Основания теоретической информатики. 2. Теоретическая семиотика и лингвистика: Учеб. пособие / Г.Н. Зверев; Уфимск. гос. авиац. ун-т. Уфа, 1995, 61 с.

110. Зверев Г.Н. Оценка точности логических приближений и границ применимости классической и неклассических логик в системах моделирования и принятия решений. Уфа, УГАТУ, 1999.

111. Васильев В.И., Жернаков С.В. Экспертные системы: Управление эксплуатацией сложных технических объектов: Учебное пособие/ В.И.васильев, С.В.Жернаков, Уфимск. Гос.авиац. техн. ун-т. Уфа: УГАТУ, 2003.- 106 с.

112. Юсупов И.Ю., Нигматуллин Р.Г., Черняховская JI.P. Распознавание критических ситуаций сложных технических систем. // Приборы и системы управления, 1977- №1.

113. Черняховская J1.P., Юсупов И.Ю., Дубинин Н.М., Миронов В.В., Нигматуллин Р.Г., Юсупова Н.И. Устройство для предупреждения аварийных ситуаций. А.С. N 638998 (СССР). ВИД978, N 47.

114. Черняховская JI.P., Юсупов И.Ю. Нигматуллин Р.Г. Устройство для распознавания аварийных ситуаций. А.С. N 643919 (СССР). ВИД 979, N 3.

115. Черняховская J1.P., Юсупов И.Ю., Миронов В.В., Юсупова Н.И. Устройство для сигнализации предельных режимов работы. А.С. N 602976 (СССР). ВИД 979, N7.

116. Черняховская J1.P., Юсупов И.Ю., Миронов В.В., Юсупова Н.И. Устройство для сигнализации приближения к сваливанию самолетов. А.С. N 611506 (СССР). ВИД 979, N 4.

117. Черняховская JI.P. Исследование возможных путей построения автоматического распознающего устройства в интересах управления выводом самолета из критических ситуаций: Автореф. дис. канд. техн. наук: 05.13.14/УАИ. Уфа, 1977.- 16 с.

118. Черняховская J1.P., Зонабенд Ф.М. Методика автоматизированного формирования информационного сопровождения оператора в критических ситуациях. "Вопросы регулирования и управления в сложных системах". Межвуз. науч. сбор. Уфа, УАИ, 1990, с. 67-74.

119. Черняховская J1.P., Бурделев В.А. Автоматизация проектирования систем телеобработки данных с использованием экспертных систем. Учебное пособие. Изд. УАИ, Уфа, 1991. 67 с.

120. Черняховская J1.P., Никулина Н.О., Старцева Е.Б., Шерман М.Д. Разработка экспертной управляющей системы для управлениякорпоративной сетью АСУ П. "Управление в сложных системах". Межвуз. науч. сбор. Уфа, УГАТУ, 1995, с. 135-141.

121. Куликов Г.Г., Черняховская J1.P., Никулина Н.О., Речкалов А.В. Проектирование баз знаний для обучения и оценки качества образования. "Проблемы создания национальной академической системы БД и БЗ". Тезисы докладов Всеросс. совещания. Уфа, 1995.

122. Свид-во об офиц. per. программы для ЭВМ № 960211. Информационное обеспечение для анализа документооборота / JI.P. Черняховская, А.Н. Набатов, Е.Б. Старцева и др. -М.: РосАПО, 1996.

123. Свид-во об офиц. per. программы для ЭВМ № 970263. Система запросов для анализа документооборота. / Л.Р. Черняховская, Н.О. Никулина, Е.Б. Старцева. -М.: РосАПО, 1997.

124. Свид-во об офиц. per. программы для ЭВМ № 970264. Система поддержки принятия решений / Л.Р. Черняховская, Н.О. Никулина, Е.Б. Старцева.-М.: РосАПО, 1997.

125. Герасимова И.Б., Куликов Г.Г., Никулина Н.О. Речкалов А.В., Черняховская Л.Р. Принятие решений по организационному управлению в коллективах. Деп. рукопись, Уфа, УГАТУ, № 988-В98, 1998. 32 с.

126. Куликов Г.Г., Никулина Н.О., Речкалов А.В., Черняховская J1.P Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия. // Авиационная промышленность. 1998. № 3, С. 65-73.

127. Черняховская JI.P., Старцева Е.Б. Речкалов А.В. Методология проектирования системы поддержки принятия решений на основе формализованного представления предметной области . Деп. в ВИНИТИ, № 2050-В97, 20.06.97. 7 с.

128. Куликов Г.Г. Речкалов А.В., Черняховская JI.P., Старцева Е.Б. Организация поддержки принятия решений на основе комплекса IDEF-моделей . Управление в сложных системах: Межвуз. научн. сб. Уфа, УГАТУ, 1998.-С. 55-59.

129. Rechkalov A.V., Chernyakhovskaya L.R., Kulikov G.G., Nabatov A.N. A modelling method for production management information systems (for a machine-building plant) // Simulation'98 Venue, University of York, UK, 1998.

130. Rechkalov A.V., Chernyakhovskaya L.R., Kulikov G.G., Nabatov A.N. Reengineering production management information systems on base of modern intelligent technologies // International Scientific Issue, Ufa: USATU, 1998.

131. L.R.Cherniakhovskaya. Decision Making Support in Emergencies on the Basis of Expert Systems // International Scientific Technical Workshop Problems of Technology Transfer. Workshop Proc. Ufa: USATU, 1999. P.260-264.

132. Черняховская JI.P., Старцева Е.Б., Набатов A.H., Низамутдинов M.M. Организация поддержки принятия решений в проблемных ситуациях на основе управления знаниями // Управление в сложных системах: Межвуз. научн. сб.-Уфа, УГАТУ, 1998. -С. 59-67.

133. L.R.Cherniakhovskaya, B.G.Ilyasov, I.B.Gerasimova, M.M.Nizamutdinov. System and Information Models of Knowledge Formation. Proc. of the 2nd Int. Workshop on Computer Science and International Technologies, Ufa: USATU, 2000, v. 1.P. 160-164.

134. Куликов Г.Г., Черняховская Л.Р., Речкалов А.В., Никулина Н.О. Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия.// Авиационная промышленность. 2000. -№ 2. — с.53 -60.

135. Свид-во об офиц. per. программы для ЭВМ № 2001610469. Автоматизированная информационно-поисковая система на основе проблемно-ориентированного тезауруса / Л.Р. Черняховская, М.М. Низамутдинов, М.С. Угрюмов, Р.А. Шкундина. -М.: Роспатент, 2001.

136. Свид-во об офиц. per. программы для ЭВМ № 2001610470. Система поддержки принятия решений на основе прецедентов. / Л.Р. Черняховская, Н.О. Никулина, Н.И. Федорова, Т.А. Халиков. -М.: Роспатент, 2001.

137. Черняховская Л.Р. Объектный подход к разработке гипертекстовой базы прецедентов критических ситуаций // Проблемы управления и моделирования в сложных системах: Тр. III междунар. конф. Самара, 2001.-с. 420 - 426.

138. Черняховская JI.P., Низамутдинов M.M. Анализ процессов управления а критических ситуациях на основе классификации с использованием нейронных сетей. // Нейрокомпьютеры: разработка и применение. № 4-5, 2001. с.73-76.

139. Ilyasov B.G., Chernyakhovskaya L.R., Nizamutdinov M.M. Recognition of emergencies using artificial neural networks. //Proc. of the 8th Int. Conf. On Neural Information Processing ICONIP'2001, Shanghai, China, 2001. V.l, pp. 188-192.

140. Юсупова Н.И., Герасимова И.Б., Черняховская JI.P., Шорохова C.B. Интеллектуальный подход к разработке системы психолого-педагогической поддержки обучаемого. Препринт монографии. -Уфа: УГАТУ, 2001. С. 56.

141. Фаттахов Р.В., Черняховская JI.P., Низамутдинов М.М. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфа: УГАТУ, 2001. С. 119.

142. Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний / Р.А.Бадамшин, Б.Г.Ильясов, Л.Р.Черняховская. М.: Машиностроение, 2003 - 240 с.

143. Юсупова Н.И. Критические ситуации и принятие решений при управлении в условиях помех. Уфа: Гилем, 1997. - 112 с.

144. Ильясов Б.Г., Юсупова Н.И., Миронов В.В. Модели критических ситуаций при управлении техническими объектами: препринт монографии / УНЦ РАН. Уфа, 1996. 48 с.

145. Rutkovsky V.Yu., Zemlyakov S.D., Glumov V.M., Sukhanov V.M., Dodds S.J. Adjustable boundedness algorithms for control systems. Proceedings of the International Conference "Control" . 4-7 September 2000. Cambridge, UK.

146. Петров Б.Н., Рутковский В.Ю., Крутова И.Н., Земляков С.Д. Принципы построения и проектирования самонастраивающихся систем. М.: Машиностроение. 1972.

147. Земляков С.Д., Рутковский В.Ю., Силаев А.В. Реконфигурация систем управления летательными аппаратами при отказах // Автоматика и телемеханика. 1996. №1 .С.3-20.

148. Ильясов Б.Г., Миронов В.В., Юсупова Н.И. Иерархические модели процессов управления: Описание, интерпретация и лингвистическое обеспечение / Монография. Уфа: УГАТУ, 1994.

149. Васильев В.В., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики. Уфа: УГАТУ, 1995.

150. Ильясов Б.Г., Миронов В.В., Юсупова Н.И. Модели предупреждения критических режимов управляемых объектов в условиях неопределенности: Препринт / УНЦ РАН. Уфа, 1994.

151. Федунов Б.Е, Бортовые оперативно советующие экспертные системы для типовых ситуаций функционирования антропоцентрических объектов. / Проблемы управления и моделирования в сложных системах: Тр. IV междунар. конф. - Самара, 2002, с. 106 - 110.

152. Тулупьев A.JI. Поддержание непротиворечивости фрагментов знаний с оценками доверия и правдоподобия. Информационные технологии и интеллектуальные методы. Выпуск № 3. СПИИРАН, Санкт-Петербург, 1999. С. 72-97.52.54