автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Ситуационное управление в создании инженерных коммуникаций бестраншейным способом на основе нечетких адаптивных моделей

ии-^'

На правах рукописи

Сорокин Дмитрий Николаевич

СИТУАЦИОННОЕ УПРАВЛЕНИЕ В СОЗДАНИИ ИНЖЕНЕРНЫХ КОММУНИКАЦИЙ

БЕСТРАНШЕЙНЫМ СПОСОБОМ НА ОСНОВЕ НЕЧЕТКИХ АДАПТИВНЫХ МОДЕЛЕЙ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (в оборонной и гражданской технике)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Москва 2009

003484266

Работа выполнена в государственном образовательном учреждении высшего профессионального образования "Московская академия рынка труда и информационных технологий" (ГОУ "МАРТИТ").

Научный руководитель - кандидат технических наук

Колесников Андрей Александрович

Официальные оппоненты: доктор технических наук, профессор

Тамошинский Анатолий Васильевич

доктор технических наук, профессор Миронов Иван Ильич

Ведущая организация: ОАО "ГСКБ "Алмаз - 'Антей"

Зашита состоится " __Ю___2009 г. ¿> 00

на заседании объединенного диссертационного Совета ДМ 850.001.01 при Московской академии рынка труда и информационных технологий по адресу: 121351, г. Москва, ул. Молодогвардейская, д. 46, корп. 1, тел. (095) 149-86-38.

С диссертацией можно ознакомиться в библиотеке Московской академии рынка труда и информационных технологий.

Автореферат разослан " О _2009 г.

Учёный секретарь диссертационного Совета профессор

Чересов Ю.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. В настоящее время технологии создания инженерных коммуникаций бестраншейным способом интенсивно развиваются и имеют широкую сферу применения. Данные технологии позволяют достигать высокую точность реализации проектных решений, возрастают длина и диаметр коммуникаций, имеют сравнительно невысокую стоимость. Технологии отличаются также рядом других преимуществ, что обеспечивает их массовое применение в создании инженерных сетей.

Применение новых технологий в создании инженерных коммуникаций бестраншейным способом вызывает необходимость развития систем автоматизации производственных процессов и поддержки принятия решений в управлении сложным объектом. В настоящее время существуют различные автоматизированные системы с телеметрическим измерением параметров бурения, автоматической настройкой технических устройств в соответствии с формализованной частью динамически изменяемых параметров объекта управления (ОУ). Совершенствуются также системы сбора и обработки первичных данных о состоянии ОУ. Сложность управления созданием инженерных коммуникаций бестраншейным способом связана с принятием решений в условиях неполноты информации о текущем состоянии внешней среды производственного цикла работ и технологическим риском выполнения работ. Автоматизированные системы на аппаратно-программном уровне управления обеспечивают сбор первичной информации о контролируемых параметрах ОУ в режиме реального времени, программное управление техническими устройствами при выполнении технологических операций, предоставление данных о возникающих отклонениях по контролируемым параметрам ОУ для лица, принимающего решения (ЛПР).

Тщательная проработка проекта на создание инженерных коммуникаций бестраншейным способом с применением автоматизированной телеметрической системы обеспечивает снижение неопределенности в принятии решений,

но фактор неполноты информации о текущем состоянии внешней среды производственного цикла работ остается и приводит к изменению проектных решений в ходе выполнения работ. Точность геолого-геофизических материалов, представленных в проекте, по определению не может быть достаточной в связи с объективными причинами. Это связано с неоднородностью подземных пластов, изменением структуры грунта по мере прокладки коммуникаций, наличием скальных пород между пробными скважинами, неустойчивой структурой грунта, наличием мерзлоты, быстро затвердевающими породами, разрывами или разломами, наличием естественных трещин, усложняющих структуру пласта, и др. Поэтому в ходе выполнения технологического цикла работ возникают нештатные ситуации, которые не предусмотрены в проекте. Кроме того, даже при наличии оперативных данных о состоянии ОУ, полученных в процессе выполнения работ, остается неопределенность и высокая степень риска в принятии неэффективных решений, что связано со значительными непроизводственными затратами. Таким образом, для повышения эффективности применения новых технологий в создании инженерных коммуникаций бестраншейным способом требуется автоматизация управления технологическим циклом работ не только на уровне аппаратно-программного управления, необходима также информационная и интеллектуальная поддержка принятия управленческих решений при возникновении нештатных ситуаций.

Применение подхода ситуационного управления сложным объектом позволяет повысить уровень формализации процедур принятия решений за счет классификации возникающих ситуаций и выбора способов их обработки на основе экспертных знаний и применения формальных методов. Применение алгоритмических и математических моделей в системе ситуационного управления повышает точность распознавания текущих ситуаций, оценки времени на их обработку в соответствии с нормативными данными по выполнению операций, формирование решений по выполнению нового технологического цикла работ на основе базы знаний. Возможность обучения автоматизированной системы создает предпосылки для повышения точности принимаемых решений в

текущих ситуациях, что способствует снижению непроизводственных затрат на выполнение последующих циклов работ.

В существующих автоматизированных системах, применяемых для управления сложным объектом в условиях динамического изменения ситуаций, предоставляется информация о текущих значениях ОУ, на основе которой ЛПР должен распознать нештатную ситуацию, оценить ее обработку по времени и ресурсным затратам, выработать решение самостоятельно или коллегиально за допустимое время. Кроме этого, если принято ошибочное решение, необходимо вернуться к устойчивой ситуации с учетом выполненных необратимых операций и вновь произвести анализ и оценку управляющего воздействия. Сложность принятия решений в нештатных ситуациях также связана с детерминированностью времени технологического цикла выполняемых операций. Возникает комбинаторная задача принятия решений значительной размерности с ограничением времени в условиях неполноты информации. Для принятия эффективных решений необходимо обеспечить интеллектуальную поддержку по распознаванию возникающих ситуаций, оценке времени выполняемых операций, определению функции последствий от принятых решений.

В связи с изложенным актуальным является разработка автоматизированной системы ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом для информационной и интеллектуальной поддержки принятия решений в условиях динамического изменения ситуаций, неполноты информации и ограниченных временных ресурсов.

В работе решается научная задача создания адаптивной модели ситуационного управления в режиме квазиреального времени и алгоритмов обучения автоматизированной системы поддержки принятия решений в условиях неполноты информации.

Целью работы является решение научной задачи построения системы ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом, обеспечивающей поддержку принятия решений в режиме квазиреального времени на основе нечетких адаптивных моделей.

Поставленной целью определяются следующие задачи исследования:

- построить иерархическую классификационную схему ситуаций для формирования управляющих воздействий по контурам управления автоматизированной системы в условиях неполноты информации о внешней среде производственного цикла работ в ходе их выполнения;

- определить множества гетерогенных классификационных признаков и процедур обработки знаний и фаззификации с учетом точности и формы представления исходных данных;

- построить базу знаний системы ситуационного управления для формирования адаптивного дерева принятия решений при наличии временных ограничений на выполнение производственных операций;

- разработать функциональную модель ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом, которая позволяет реализовать алгоритмы поддержки принятия решений в режиме квазиреального времени;

- произвести оценку эффективности автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом на основе нечетких адаптивных моделей.

Объект и предмет исследования. Объект исследования - алгоритмы управления производственным циклом работ в условиях динамического изменения ситуаций и неполноты информации при создании инженерных коммуникаций бестраншейным способом. Предмет исследования - методы построения адаптивной ситуационной модели на основе формализованного представления экспертных знаний.

Методы исследования. Используются методы функционального анализа, теории нечетких множеств, теории принятия решений, информационного моделирования, методы семантического и морфологического анализа и обработки текстов на естественном языке.

На защиту выносятся:

1. Функциональная модель обработки знаний на множестве гетерогенных классификационных признаков, включающая механизмы обобщения данных;

2. Объектная модель базы знаний ситуационного управления с поддержкой механизмов квазиреального времени;

3. Информационная модель нечеткого логического вывода по распознаванию ситуаций на основе нечетких адаптивных функций принадлежности в условиях неполноты данных и нелинейности функциональной модели ситуаций;

4. Алгоритм для распознавания ситуаций на основе комбинационной схемы ассоциативной памяти и нечетких множеств, формирования управляющих воздействий в режиме квазиреального времени;

5. Структурная модель системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом с адаптацией алгоритмических механизмов квазиреального времени.

Достоверность и обоснованность полученных в работе результатов и выводов основывается на корректном применении методов функционального анализа, математического программирования, теории принятия решений. Достоверность результатов также подтверждается имитационным моделированием системы ситуационного управления на контрольных примерах и их практическим применением в создании инженерных коммуникаций.

Научная новизна. Полученные в работе модели и алгоритмы определяют методологический базис построения автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом, обеспечивающей распознавание ситуаций в условиях неполноты информации о текущем состоянии ОУ и поддержку принятия решений в режиме квазиреального времени с динамической настройкой алгоритмической модели между сокращением времени формирования решения и снижением неопределенности знаний о внешней среде производственного цикла работ.

Построена функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков, которая обеспечивает адаптивный выбор контура управления автоматизированной системы в соответствии с иерархической классификационной схемой ситуаций в условиях неполноты информации и взаимной корреляции входных данных о текущем состоянии ОУ.

Объектная модель базы знаний системы ситуационного управления включает методы реализации механизмов квазиреального времени в алгоритмах принятия решений и схемы транзакций реального времени.

Информационная модель нечеткого логического вывода по распознаванию ситуаций адаптирована к структуре данных ситуационного управления в создании инженерных коммуникаций бестраншейным способом на основе нечетких адаптивных функций принадлежности.

Предложен многоконтурный алгоритм для распознавания ситуаций на основе комбинационной схемы ассоциативной памяти и нечетких множеств, который позволяет построить единую схему временного планирования производственных операций и обеспечивает реализацию управляющих воздействий в режиме квазиреального времени с учетом оценки резерва времени и результатов прогнозирования по возникновению новых ситуаций.

Разработана структурная модель системы ситуационного управления, которая обеспечивает взаимодействие алгоритмических механизмов квазиреального времени и процедур принятия решений на основе объектной базы знаний и реализацию алгоритмов на основе технологии открытых систем.

Практическая ценность работы. Полученные научные выводы и результаты определяют алгоритмический базис системы ситуационного управления в условиях неполноты информации и детерминированности времени принятия решений.

Применение базы знаний позволяет снизить человеческий фактор в принятии решений в условиях неопределенности, повысить эффективность обучения специалистов по управлению процессом выполнения технологического цикла работ в ходе создания инженерных коммуникаций.

Возможность моделирования ситуаций и временного планирования производственных операций обеспечивает детерминированность суммарного времени выполнения работ и процедур принятия решений.

Свойство обучения системы обеспечивает перевод нетиповых ситуаций в типовые, число которых достигает 70% от общего числа возникающих ситуаций. Подход построения ситуационной модели на основе комбинационной схемы ассоциативной памяти и нечетких множеств позволяет повысить точность распознавания ситуаций более чем в 2 раза. Недетерминированность времени принятия решений, выраженная в количестве сверхнормативных задержек обработки ситуаций, снижается более чем в 5 раз.

Практическая значимость полученных результатов подтверждается имитационным моделированием процесса распознавания ситуаций и актом внедрения разработанных моделей и алгоритмов на предприятии, реализующем технологии создания инженерных коммуникаций бестраншейным способом.

Апробация работы. Научные результаты докладывались в 2006-2009 гг. на научно-практических семинарах и конференциях Московской академии рынка труда и информационных технологий, Института системного анализа Российской академии наук, на IX Международной научно - технической конференции «Информационно - вычислительные технологии и их приложения» (г. Пенза, 2009 г.). Практическое применение результатов исследования подтверждается актами внедрения.

Публикации. По теме диссертационной работы имеется 9 публикаций в научных изданиях, в том числе 4 публикации в научных изданиях по рекомендованному Перечню ВАК Минобрнауки России.

Структура и объем диссертации. Диссертация включает основное содержание из четырех глав, введение, заключение, список литературы. Диссертационная работа изложена на 130 страницах машинописного текста и включает 38 рисунков и 3 таблицы. Список литературы содержит 101 наименований источников.

СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Введение содержит обоснование актуальности исследования, его цель и задачи. Приводятся научная новизна и практическая значимость, сведения о структуре диссертационной работы и апробации результатов. Формулируются научные положения, выводы и результаты, полученные лично соискателем и выносимые на защиту.

Первая глава посвящена анализу механизмов ситуационного управления в режиме квазиреального времени, функциональной схемы формирования управляющих воздействий по уровням декомпозиции ОУ с применением БСАОА - системы. Проводится анализ информационных процессов и производится обоснование применения ситуационного подхода к управлению созданием инженерных коммуникаций бестраншейным способом на этапе выполнения технологического цикла работ.

Создание инженерных коммуникаций бестраншейным способом связано со следующими особенностями функций управления: сочетание дискретного процесса управления и непрерывного технологического цикла выполняемых операций; уникальность создаваемых объектов; неполнота информации о поведении ОУ, которая приводит к необходимости корректировать технологические процессы непосредственно в ходе выполнения технологического цикла работ; объективность возникновения нештатных ситуаций вследствие уникальности создаваемых объектов и неполноты информации для принятия решений в условиях. динамического изменения ситуаций; управление производством приобретает свойства систем реального времени и адаптируется под временные ограничения выполняемых операций; невозможность сформулировать целевую функцию для оптимизации всего процесса выполняемых операций. Реализация функций управления с учетом указанных особенностей ОУ вызывает необходимость применения ситуационного подхода в принятии решений.

Система ситуационного управления строится на основе формальной модели. Модель ситуационного управления представляется в виде

М=<Т, А, Р, И>,

где Т - конечное множество базовых элементов, А - система аксиом, Р -множество синтаксических правил, И. - множество семантических правил.

Все множество ситуаций 5/ разбивается на иерархически вложенное множество классов ситуаций. Структура классификатора ситуаций соответствует уровням полномочий по принятию решений в структуре ОУ. Таким образом, для рассматриваемой системы ситуационного управления выделено три головных класса ситуаций: «нормальные», «критические», «аварийные». В ситуациях класса «нормальные» управляющее воздействие и определяется в соответствии с технологической схемой управления являющейся неотъемлемой частью проектных данных. За реализацию управляющего воздействия II отвечает контур программного управления. В ситуациях класса «критические» и «аварийные» управляющее воздействие V интерактивно определяется группой специалистов. Для этого нештатная ситуация должна быть отнесена к определенному классу ситуаций, проанализированы рекомендации, при необходимости проведен сбор дополнительной информации и на основе полученных данных принята схема управляющего воздействия С/;. Для выбора управляющего воздействия С/) специалистами используется база знаний прецедентов, для оценки допустимости воздействия используется его экстраполяция на последующие фазы в соответствии с математической моделью объекта и проверкой соответствия системе ограничений. Эта процедура позволяет снизить количество неэффективных решений, выявляемых на заключительных этапах создания инженерных коммуникаций бестраншейным способом.

Модели ситуационного управления обладают рядом свойств, определяющих качественные показатели системы: 1) чувствительность к входным данным; 2) устойчивость - свойство модели реагировать на изменения исходных данных, сохраняя необходимую точность; 3) адекватность - соответствие алгоритмов выбора управляющего воздействия реальным ситуациям; 4) точность - степень близости отображаемого адаптивной моделью значения и истинного значения данного параметра; 5) сходимость — способность модели

по мере самообучения непрерывно повышать точность распознавания ситуационных признаков; б) интерпретируемость - возможность понимания модели специалистом; 7) объем данных в базе знаний, необходимый для обеспечения заданного уровня обработки типовых ситуаций в автоматическом режиме и эффективности принимаемых решений.

Эффективность выполнения производственных процессов зависит не только от точности и адекватности принятых решений, но и от своевременности их реализации. Таким образом, возникает задача оперативного управления производством в режиме квазиреального времени с учетом ограничения времени выполнения технологических операций.

Система ситуационного управления в создании инженерных коммуникаций бестраншейным способом представляет интерактивный человеко-машинный программный комплекс, исходными моделями которого являются лингвистические модели. Свойства формальной ситуационной модели определяются функциональными свойствами механизмов преобразования лингвистических моделей в формальные математические модели.

Во второй главе выполняется сравнительный анализ методик построения адаптивных моделей в процедурах принятия решений, определяются механизмы распознавания ситуаций и метод построения функций принадлежности в условиях неполноты информации о границах областей принадлежности в пространстве признаков. Строится функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков.

Классификатором ситуаций является иерархический адаптивный объект базы знаний, определяющий по вектору признаков принадлежность возникающей ситуации определенному классу. Входными данными системы ситуационного управления, характеризующими ситуацию, являются значения параметров работы оборудования Р, (тягового усилия, вращающего момента, давления бурового раствора, плотность бурового раствора), описание ситуации в лингвистической форме Ь, учитываемые данные: контекст ситуации, в том

числе, данные по геологии (?/. Все контролируемые параметры Р/ сохраняются в базе данных реального времени с периодичностью */ ("исторический тренд").

Для построения информационной модели нечеткого логического вывода по распознаванию ситуаций в системе ситуационного управления используется гибридная нечеткая сеть, реализующая функцию принадлежности .у в виде

Хг

у = Г ( / Щх) сЦх))/(хг'- X,'); х,"

где - Гауссова функция; - интервал значений входных дан-

ных.

Функциональная модель обработки ситуаций строится на основе объектной базы знаний и включает контур программного управления, контур адаптивного управления и контур обучения. Функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков представлена на рис. 1. Контур программного управления технологическим оборудованием реализуется на основе программируемых логических контроллеров. Контур адаптивного управления включает БСАБА - систему, которая обеспечивает диспетчерское управление и сбор данных о текущем состоянии ОУ, выполняет функции первичной обработки данных, передаваемых в контур адаптивного управления, обеспечивает реализацию управляющих воздействий контура адаптивного управления. Контур обучения производит обновление моделей ситуаций с учетом параметра чувствительности функции принадлежности к изменению настроечных параметров и базы знаний прецедентов. В блок распознавания ситуаций поступают интервальные данные с весовыми коэффициентами, что позволяет определить нечеткие функции принадлежности в условиях взаимной корреляции исходных данных. Блок формирования решений выполняет экстраполяцию принимаемых решений в текущей ситуации и выбор наилучшего решения по критериям оптимальности и времени реализации на множестве допустимых решений.

Рис. 1. Функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков

Функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков обеспечивает адаптивный выбор контура управления в соответствии с иерархической классификационной схемой ситуаций в условиях неполноты и взаимной корреляции входных данных.

Третья глава посвящена созданию алгоритмического базиса системы ситуационного управления для унификации формы представления входных

данных, построения классификационной схемы и моделей ситуаций, формирования множества управляющих воздействий, принятия решений по выбору управляющего воздействия в соответствии с классом возникающей ситуации. Строится алгоритм обработки ситуаций на базе функциональных взаимосвязей контуров программного и адаптивного управления, контура обучения для формирования решений в режиме квазиреального времени.

Модели ситуаций и функции принадлежности, необходимые для работы алгоритмов классификации, а также данные о параметрах технологических процессов и внешней среды, включая отклонения текущих значений параметров от проектных значений, составляют объектную базу знаний системы ситуационного управления. Правила формирования решений определяются формальной моделью нечетких высказываний вида

]=\ V1=1 У

где дс| - входные переменные; а/ - нечеткий терм, которым оценивается переменная дс; для одного элемента нечеткого правила; у - выходной параметр; (1) - нечеткий терм для совокупности нечетких правил по одной ситуации, представленный реляционной таблицей отображения параметров.

Используется реляционная модель представления продукционных правил, позволяющая реализовать иерархически вложенную структуру классификатора за счет применения фильтров реляционных запросов, определяющих текущий уровень Ь в иерархии классов. Объектная база знаний обеспечивает наследование методов и свойств информационных объектов, отображающих состояние ОУ по уровням декомпозиции, для каждого типа объектов определяется набор процедур для обработки ситуаций. Система ситуационного управления в создании инженерных коммуникаций бестраншейным способом является адаптивной. Корректность завершения транзакций в алгоритмах обработки данных определяет не только целостность данных, но и влияет на параметры чувствительности, устойчивости и точности

распознавания ситуаций, а также на адекватность формирования управляющих воздействий.

Рис. 2. Блок-схема алгоритма ситуационного управления на основе нечетких моделей

В контуре адаптивного управления системы нарушения времени по выполнению производственных операций означают потерю эффективности и повышение риска возникновения аварийных ситуаций. В связи с этим решается задача оптимизации принимаемых решений по времени и динамического изменения расписания выполняемых операций, если невозможно выдержать плановые сроки в соответствии с проектными данными, и таким образом обеспечивается управление в режиме квазиреального времени. Реализация механизмов квазиреального времени в системе ситуационного управления осуществляется путем построения временной диаграммы выполнения текущей операции и поиска конфликтов на основе гибридного алгоритма. Гибридный алгоритм поиска конфликтов для разных классов ситуаций по степени критичности реализуется по информационным объектам "вперед" или "назад". Блок -схема алгоритма ситуационного управления представлена на рис. 2.

Входные данные преобразуются в унифицированную форму представления, неопределенность данных представляется в форме интервальной оценки и при необходимости аппроксимируется Гауссовой функцией. Производится анализ модели ситуации в соответствии с базой знаний, определение класса ситуации, уточнение подкласса и декомпозиция текущей ситуации с использованием нечетких функций принадлежности. Процесс формирования управляющих воздействий включает имитационное моделирование последствий принимаемых решений и выбор оптимального по эвристически определяемым показателям.

В четвертой главе строятся процедуры обработки входных данных на основе параметров адаптации системы ситуационного управления. Производится оценка эффективности разработанных моделей и алгоритмов ситуационного управления в создании инженерных коммуникаций бестраншейным способом.

Неполнота информации в процедурах принятия решений связана с объективными факторами и определяется особенностью создания инженерных коммуникаций бестраншейным способом и неполнотой регистрации первичной

информации о текущем состоянии ОУ в режиме реального времени. Неполнота информации по последней составляющей может быть снижена за счет интеллектуальной обработки данных в контуре адаптивного управления.

Спецификой систем ситуационного управления является отсутствие формализованной эталонной модели системы и отсутствие возможности оценить величину отклонения выходных параметров Ду = |у — у0| ввиду того, что эталонное значение уо неизвестно. Для перехода от предельных, недостижимых оценок оптимальности к числовьм оценкам в открытом интервале источники ошибок входных данных определяются в виде вектора - норм оценок погрешностей измерений или погрешностей экспертных оценок элементов вектора входных данных X и матрицы V - норм оценок погрешностей моделей ситуаций и принятия решений. Соответственно функция управляющего воздействия Y в окрестности точки с координатами X' представляется в виде

Y = АЦГ) = С(Л + W) + V где А(ХГ) - линеаризованная функция управляющего воздействия, CQC) -истинное значение линеаризованной функции управляющего воздействия.

Тогда влияние ошибок входных данных на результат можно оценить величиной

Е{ ЛАЛАГ} *ficre2I, где сте - дисперсия исходных данных, Е - оператор вычисления нормы, что является критерием численной оценки точности, достигнутой на каждом шаге алгоритма выбора управляющего воздействия.

То есть алгоритм обеспечивает выполнение рекурсий по дополнительному сбору данных о внешней среде производственного цикла работ и уточнению принимаемого решения до тех пор, пока оценка влияния погрешности исходных данных на принимаемое решение не станет меньше порогового значения выбора альтернативного решения со значимой оценкой показателей эффективности.

-т

К

\

М=5,24 п=103 Хл2=3,82 Р=0,8

1,00 1,50 1,60 250 2,60 3,00 3,!0 3,30 Л.ОО 5,00 5,30 6,00 7,50 8,00 10,00 16,00 20,00 30,00 40,00 50,00

X

Рис. 3. Оценка детерминированности времени обработки ситуаций

Точность распознавания Число формируемых в Детерминированность Точность вычисления Точность построения производственных автоматическом режиме времени обработки корреляционной функции функций принадлежности ситуаций

управляющих воздействий

□Типовая система ■ Предложенная система

Рис. 4. Результаты экспериментальных исследований по оценке эффективности системы ситуационного управления

Исследование эффективности разработанных моделей и алгоритмов системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом производилось с применением методов имитационного моделирования. Для исследования детерминированности обработки ситуаций построен статистический ряд относительных величин времени принятия решений без применения предлагаемой системы ситуационного управления и в условиях ее функционирования. Произведена проверка гипотезы Н о нормальном распределении случайной величины X на основе вычисленного значения критерия Пирсона %2 = 3,82 и степени свободы г = 19. Получено табличное значение вероятности р= 0.8, подтверждающее непротиворечивость гипотезы опытным данным. Для математического ожидания т = 5,24 случайной величины определен доверительный интервал /р =(3.51; 6.97), соответствующий доверительной вероятности Р=0,8. Результаты по оценке детерминированности времени обработки ситуаций показаны на рис. 3. Результаты экспериментальных исследований по оценке эффективности системы ситуационного управления представлены на рис. 4.

Оценка эффективности разработанных моделей и алгоритмов ситуационного управления в создании инженерных коммуникаций бестраншейным способом показала, что первичный ввод информации в лингвистической форме не вызывает затруднений, тексты из технической документации успешно обрабатываются семантическим анализатором и только в 10-15% случаев возникает необходимость перефразировать вводимый текст в форме более простых предложений. Разработанный алгоритм распознавания ситуаций обеспечивает повышение точности распознавания более чем в 2 раза по сравнению с типовыми алгоритмами. Это достигается за счет построения нечетких адаптивных функций принадлежности на основе объектной базы знаний, обеспечивающих вычисление корреляционных функций в пределах регулируемой чувствительности системы. Кроме того, параметры работы предложного алгоритма определяются автоматически в процессе обучения системы и не требуют апри-

орной настройки. Число формируемых в автоматическом режиме управляющих воздействий в штатных и нештатных ситуациях увеличивается в 2 раза и достигает 70% от общего числа обрабатываемых ситуаций за счет повышения точности распознавания ситуаций и применения процедур экстраполяции принимаемых решений. Детерминированность времени обработки ситуаций увеличивается более чем в 5 раз.

Основные выводы и результаты

1. Предложен подход ситуационного управления в создании инженерных коммуникаций бестраншейным способом, позволяющий повысить уровень формализации принятия решений и применить формальные методы для моделирования управляющей деятельности специалистов в нештатных ситуациях.

2. Построена функциональная модель обработки знаний, определяющая правила обобщения разнородных признаков для распознавания ситуаций по уровням дерева решений, правила построения процедур принятия решений.

3. Создана адаптивная ситуационная модель управления процессом создания инженерных коммуникаций бестраншейным способом, обеспечивающая обучение базы знаний прецедентов по результатам завершенных транзакций и возврата к ситуациям с устойчивым состоянием.

4. Построена алгоритмическая модель для распознавания ситуаций и определения приоритета обработки нормальных, критических и аварийных ситуаций с учетом текущего состояния ОУ.

5. Разработан алгоритм принятия решений по выбору способа управления, обеспечивающий детерминированность времени обработки текущей ситуации и формирование упреждающей реакции на возникновение критических и аварийных ситуаций.

6. Предложена функциональная модель автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом, обеспечивающая взаимодействие алгоритмических механизмов квазиреального времени для получения дополнительной информа-

ции в контуре адаптивного управления и динамического определения временных точек синхронизации принятия решений.

7. Проведена оценка эффективности моделей и алгоритмов системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом. Число типовых ситуаций для обработки в автоматическом режиме достигает до 70% от общего числа ситуаций по мере обучения системы. Точность принимаемых решений в нештатных ситуациях в условиях функционирования системы ситуационного управления повышается более чем в 2 раза. Недетерминированность времени принятия решений, выраженная в количестве сверхнормативных задержек обработки ситуаций, снижается более чем в 5 раз.

Список публикаций по теме диссертации Список работ, опубликованных в изданиях по перечню ВАК

1. Сорокин Д.Н. Подход ситуационного управления дискретно-непрерывным производственным процессом // Вестник Московской академии рынка труда и информационных технологий. - 2006. -№ 25 (47).- С. 105-108.

2. Сараджев В.И., Сорокин Д.Н., Колесников A.A. Алгоритм программного управления процессом строительства трубопроводов методом горизонтально-направленного бурения // Вестник Московской академии рынка труда и информационных технологий. - 2006. -№ 16(38).- С. 7-11.

3. Сорокин Д.Н., Сараджев В.И. Ситуационное управление в строительстве трубопроводов с применением базы продукционных правил и прецедентов // Динамика неоднородных систем /Под редакцией Ю.С. Попова. Т. 32(1). М.: Издательство ЛКИ, 2008. -С. 271-275.

4. Колесников A.A., Сорокин Д.Н. Агрегирование данных для анализа и оценки состояния объекта управления в условиях противоречивости и неравно-значимости критериев // Динамика неоднородных систем /Под редакцией Ю.С. Попова. Т. 32(1). М.: Издательство ЛКИ, 2008. -С. 303-307.

Список работ, опубликованных в других изданиях

5. Патент на полезную модель № 83824 от 16.01.2009 г. Теплогидроизо-лированное изделие для трубопроводов (для бурения бестраншейным способом) / Московская академия рынка труда и информационных технологий; авт. изобрет. Сорокин Д.Н., Дворянчикова И.И., Романов Г.Е., Шатраков А.Ю., Лутфуллин М.А. -Заявл. 16.01.2009, № . 2009101272/22(001540).

6. Колесников A.A., Сорокин Д.Н. Алгоритм распознавания типовых нештатных ситуаций в системе ситуационного управления на основе нечетких моделей // Вестник Московской академии рынка труда и информационных технологий. - 2007. -№ 2,- С. 5-12.

7. Сорокин Д.Н. Функциональность контура ситуационного управления при детерминированности времени принятия решений // Вестник Московской академии рынка труда и информационных технологий. - 2007. -№ 3.- С. 37-40.

8. Сорокин Д.Н. Механизмы квазиреального времени в системе ситуационного управления бестраншейным строительством инженерных коммуникаций // Вестник Московской академии рынка труда и информационных технологий. -2008. -№ 3,- С. 3-5.

9. Сорокин Д.Н., Колесников A.A., Канчурин A.C. Нечеткие гибридные адаптивные модели для распознавания ситуаций на множестве гетерогенных классификационных признаков объекта управления /Информационно - вычислительные технологии и их приложения: сб. статей IX Междунар. науч.-техн. конф. Пенза: РИО ПГСХА, 2009. -С. 252-255.

Разрешено к печати 07.09.2009 г. Формат 60x84 1/16 Тираж 55 экз.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕХАНИЗМОВ СИТУАЦИОННОГО

УПРАВЛЕНИЯ В РЕЖИМЕ КВАЗИРЕАЛЬНОГО ВРЕМЕНИ

1.1. Функциональная структура модулей формирования управляющих воздействий по уровням декомпозиции объекта управления

1.2. Анализ информационных процессов в управлении бестраншейным строительством инженерных коммуникаций.

1.3. Подход ситуационного управления в создании инженерных коммуникаций бестраншейным способом.

1.4. Свойства адаптивной модели ситуационного управления в режиме квазиреального времени.

ГЛАВА 2. ФУНКЦИОНАЛЬНАЯ МОДЕЛЬ ОБРАБОТКИ

ЗНАНИЙ В СИТУАЦИОННОЙ СИСТЕМЕ УПРАВЛЕНИЯ.

2.1. Сравнительный анализ методик построения адаптивных моделей в процедурах принятия решений.

2.1.1. Нечеткая кластеризация данных.

2.1.2. Анализ текста на естественном языке.

2.1.3. Использование нейронных сетей и систем нечеткой логики

2.2. Классификационная схема ситуаций в управлении бестраншейным строительством инженерных коммуникаций.

2.3. Математический аппарат адаптивной модели ситуационного управления.

2.4. Функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков.

ГЛАВА 3. АЛГОРИТМИЧЕСКИЙ БАЗИС СИСТЕМЫ СИТУАЦИОННОГО УПРАВЛЕНИЯ.

3.1. База знаний прецедентов по управлению бестраншейным строительством инженерных коммуникаций.

3.2. Построение функции последствий принимаемых решений

3.3. Механизмы квазиреального времени системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом.

3.4. Алгоритм формирования решений по выбору стратегии управления.

ГЛАВА 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ И ОЦЕНКА

ЭФФЕКТИВНОСТИ СИСТЕМЫ СИТУАЦИОННОГО

УПРАВЛЕНИЯ В СОЗДАНИИ ИНЖЕНЕРНЫХ

КОММУНИКАЦИЙ БЕСТРАНШЕЙНЫМ СПОСОБОМ.

4.1. Процедуры обработки входных данных на основе параметров адаптации системы ситуационного управления.

4.2. Оценка точности и адекватности управляющих воздействий системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом.

4.3. Оценка эффективности моделей и алгоритмов системы ситуационного управления в создании инженерных коммуникаций • бестраншейным способом.

В настоящее время технологии создания инженерных коммуникаций бестраншейным способом интенсивно развиваются и имеют широкую сферу применения. Данные технологии позволяют достигать высокую точность реализации проектных решений, возрастают длина и диаметр коммуникаций, имеют сравнительно невысокую стоимость. Технологии отличаются также рядом других преимуществ, что обеспечивает их массовое применение в создании инженерных сетей.

Применение новых технологий в создании инженерных коммуникаций бестраншейным способом вызывает необходимость развития систем автоматизации производственных процессов и поддержки принятия решений в управлении сложным объектом [70,71]. В настоящее время существуют различные автоматизированные системы с телеметрическим измерением параметров бурения, автоматической настройкой технических устройств в соответствии с формализованной частью динамически изменяемых параметров объекта управления (ОУ) [102]. Совершенствуются также системы сбора и обработки первичных данных о состоянии ОУ. Сложность управления созданием инженерных коммуникаций бестраншейным способом связана с принятием решений в условиях неполноты информации о текущем состоянии внешней среды производственного цикла работ и технологическим риском выполнения работ. Автоматизированные системы на аппаратно-программном уровне управления обеспечивают сбор первичной информации о контролируемых параметрах ОУ в режиме реального времени, программное управление техническими устройствами при выполнении технологических операций, предоставление данных о возникающих отклонениях по контролируемым параметрам ОУ для лица, принимающего решения (ЛПР).

Тщательная проработка проекта на создание инженерных коммуникаций бестраншейным способом с применением автоматизированной телеметрической системы обеспечивает снижение неопределенности в принятии решений, но фактор неполноты информации о текущем состоянии внешней среды производственного цикла работ остается и приводит к изменению проектных решений в ходе выполнения работ. Точность геолого-геофизических материалов, представленных в проекте, по определению не может быть достаточной в связи с объективными причинами [67]. Это связано с неоднородностью подземных пластов, изменением структуры грунта по мере прокладки коммуникаций, наличием скальных пород между пробными скважинами, неустойчивой структурой грунта, наличием мерзлоты, быстро затвердевающими породами, разрывами или разломами, наличием естественных трещин, усложняющих структуру пласта, и др. Поэтому в ходе выполнения технологического цикла работ возникают нештатные ситуации, которые не предусмотрены в проекте. Кроме того, даже при наличии оперативных данных о состоянии ОУ, полученных в процессе выполнения работ, остается неопределенность и высокая степень риска в принятии неэффективных решений, что связано со значительными непроизводственными затратами. Таким образом, для повышения эффективности применения новых технологий в создании инженерных коммуникаций бестраншейным способом требуется автоматизация управления технологическим циклом работ не только на уровне программного управления, необходима также информационная и интеллектуальная поддержка принятия решений при возникновении нештатных ситуаций.

Применение подхода ситуационного управления сложным объектом позволяет повысить уровень формализации процедур принятия решений за счет классификации возникающих ситуаций и выбора способов их обработки на основе экспертных знаний и применения формальных методов [69-71]. Применение алгоритмических и математических моделей в системе ситуационного управления повышает точность распознавания текущих ситуаций, оценки времени на их обработку в соответствии с нормативными данными по выполнению операций, формирование решений по выполнению нового технологического цикла работ на основе базы знаний. Возможность обучения автоматизированной системы создает предпосылки для повышения точности принимаемых решений в текущих ситуациях, что способствует снижению непроизводственных затрат на выполнение последующих циклов работ.

В работе [8] рассматривается задача построения автоматизированной системы реального времени, реализующей перенос функций диспетчера по анализу данных, прогнозированию ситуаций и принятию соответствующих решений на компоненты интеллектуальных систем поддержки принятия и исполнения решений. Концепция системы поддержки принятия и исполнения решений включает целый ряд средств, объединенных общей целью -способствовать принятию и реализации рациональных и эффективных управленческих решений. Это диалоговая автоматизированная система, выступающая в качестве интеллектуального посредника, поддерживающего естественно-языковый интерфейс пользователя со SCADA-системой, и использующая правила принятия решений и соответствующие модели с базами знаний. Она организует интуитивно понятный диалог SCADA-системы с пользователем, обеспечивает информационную поддержку по этапам анализа данных, распознавания и прогнозирования ситуаций, анализирует текущие значения параметров технологического процесса, помогает выбрать наилучшие решения в зависимости от возникшей ситуации, реализует их путем выдачи управляющих воздействий, корректируя тем самым ход технологического процесса и оптимизируя его параметры по заданному критерию.

Основными структурными составляющими такого типа системы являются база знаний и механизм логического вывода. База знаний предназначена для хранения совокупности фактов, закономерностей, отношений (знаний), описывающих проблемную область, и правил, описывающих целесообразные формы структурирования, формализации и преобразования знаний в этой области. Механизм логического вывода представляет собой совокупность способов применения правил вывода. Используя текущие или промежуточные исходные данные (факты) и знания из базы знаний, формирует последовательность правил, которые, будучи применены к исходным данным (фактам), полученным от SCADA-системы в результате контроля состояния технологического процесса, приводят к решению конкретной задачи диагностики, прогнозирования и регулирования параметров технологического процесса. Приводится пример внедрения системы для задач построения автоматизированной системы электрохимической защиты магистральных газопроводов. Таким образом, в этой работе используется информационная технология экспертных систем.

В качестве другого аналога разработанной системы рассматривается параметрическая система обнаружения утечек на магистральных трубопроводах LeakSPY [102]. Система кроме типовых модулей АСУ включает:

• модуль динамической математической модели нефтепровода, который представляет собой динамическую математическую модель нефтепровода, функционирующую в реальном масштабе времени. Расчеты проводятся на основе полученной измерительной информации и используются алгоритмами диагностики для принятия решения;

• модуль принятия решений (экспертная подсистема), который обеспечивает анализ данных о технологическом процессе и формирование диагнозов модуля диагностики и принятие окончательного диагноза.

В данной работе используется также информационная технология экспертных систем.

В существующих автоматизированных системах, применяемых для управления созданием инженерных коммуникаций бестраншейным способом в условиях динамического изменения ситуаций и неполноты информации о внешней среде производственного цикла работ, предоставляется информация о текущих значениях ОУ, на основе которой ЛПР должен распознать нештатную ситуацию, оценить ее обработку по времени и ресурсным затратам, выработать решение самостоятельно или коллегиально за допустимое время. Кроме этого, если принято ошибочное решение, необходимо вернуться к устойчивой ситуации с учетом выполненных необратимых операций и вновь произвести анализ и оценку управляющего воздействия. Сложность принятия решений в нештатных ситуациях также связана с детерминированностью времени технологического цикла выполняемых операций. Возникает комбинаторная задача принятия решений значительной размерности с ограничением времени в условиях неполноты информации. Для принятия эффективных решений необходимо обеспечить интеллектуальную поддержку по распознаванию возникающих ситуаций, оценке времени выполняемых операций, определению функции последствий от принятых решений.

В связи с изложенным актуальным является разработка автоматизированной системы ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом для информационной и интеллектуальной поддержки принятия решений в условиях динамического изменения ситуаций, неполноты информации и ограниченных временных ресурсов.

В работе решается научная задача создания адаптивной модели ситуационного управления в режиме квазиреального времени и алгоритмов обучения автоматизированной системы поддержки принятия решений в условиях неполноты информации.

Целью работы является решение научной задачи построения системы ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом, обеспечивающей поддержку принятия решений в режиме квазиреального времени на основе нечетких адаптивных моделей.

Поставленной целью определяются следующие задачи исследования: построить иерархическую классификационную схему ситуаций для формирования управляющих воздействий по контурам управления автоматизированной системы в условиях неполноты информации о внешней среде производственного цикла работ в ходе их выполнения; определить множества гетерогенных классификационных признаков и процедур обработки знаний и фаззификации с учетом точности и формы представления исходных данных; построить базу знаний системы ситуационного управления для формирования адаптивного дерева принятия решений при наличии временных ограничений на выполнение производственных операций; разработать функциональную модель ситуационного управления процессом создания инженерных коммуникаций бестраншейным способом, которая позволяет реализовать алгоритмы поддержки принятия решений в режиме квазиреального времени; произвести оценку эффективности автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом на основе нечетких адаптивных моделей.

На защиту выносятся:

1. Функциональная модель обработки знаний на множестве гетерогенных классификационных признаков, включающая механизмы обобщения данных;

2. Объектная модель базы знаний ситуационного управления с поддержкой механизмов квазиреального времени;

3. Информационная модель нечеткого логического вывода по распознаванию ситуаций на основе нечетких адаптивных функций принадлежности в условиях неполноты данных и нелинейности функциональной модели ситуаций;

4. Алгоритм для распознавания ситуаций на основе комбинационной схемы ассоциативной памяти и нечетких множеств, формирования управляющих воздействий в режиме квазиреального времени;

5. Структурная модель системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом с адаптацией алгоритмических механизмов квазиреального времени.

Полученные в работе модели и алгоритмы определяют методологический базис построения автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом, обеспечивающей распознавание ситуаций в условиях неполноты информации о текущем состоянии ОУ и поддержку принятия решений в режиме квазиреального времени с динамической настройкой алгоритмической модели между сокращением времени формирования решения и снижением неопределенности знаний о внешней среде производственного цикла работ.

Научная новизна полученных результатов определяется следующим.

1. Построена функциональная модель обработки ситуаций на множестве гетерогенных классификационных признаков, которая обеспечивает адаптивный выбор контура управления автоматизированной системы в соответствии с иерархической классификационной схемой ситуаций в условиях неполноты информации и взаимной корреляции входных данных о текущем состоянии ОУ.

2. Объектная модель базы знаний системы ситуационного управления включает методы реализации механизмов квазиреального времени в алгоритмах принятия решений и схемы транзакций реального времени.

3. Информационная модель нечеткого логического вывода по распознаванию ситуаций адаптирована к структуре данных ситуационного управления в создании инженерных коммуникаций бестраншейным способом на основе нечетких адаптивных функций принадлежности.

4. Предложен многоконтурный алгоритм для распознавания ситуаций на основе комбинационной схемы ассоциативной памяти и нечетких множеств, который позволяет построить единую схему временного планирования производственных операций и обеспечивает реализацию управляющих воздействий в режиме квазиреального времени с учетом оценки резерва времени и результатов прогнозирования по возникновению новых ситуаций.

5. Разработана структурная модель системы ситуационного управления, которая обеспечивает взаимодействие алгоритмических механизмов квазиреального времени и процедур принятия решений на основе объектной базы знаний и реализацию алгоритмов на основе технологии открытых систем.

Основные выводы

1. Предложен подход ситуационного управления в создании инженерных коммуникаций бестраншейным способом, который позволяет повысить уровень формализации процесса принятия решений и применить формальные методы для моделирования управляющей деятельности специалистов в нештатных ситуациях.

2. Построена функциональная модель обработки знаний, определяющая правила обобщения разнородных признаков для распознавания ситуаций по уровням дерева решений, правила построения процедур принятия решений.

3. Создана адаптивная ситуационная модель управления в создании инженерных коммуникаций бестраншейным способом, обеспечивающая обучение базы знаний прецедентов по результатам завершенных транзакций и возврата к ситуациям с устойчивым состоянием.

4. Построена алгоритмическая модель для распознавания ситуаций и определения приоритета обработки нормальных, критических и аварийных ситуаций с учетом текущего состояния ОУ.

5. Разработан алгоритм принятия решений по выбору стратегии управления, обеспечивающий детерминированность времени обработки текущей ситуации и формирование упреждающей реакции на возникновение критических и аварийных ситуаций.

6. Предложена функциональная модель автоматизированной системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом, обеспечивающая взаимодействие алгоритмических механизмов квазиреального времени для получения дополнительной информации-"' в контуре адаптивного управления и динамического определения временных точек синхронизации принятия решений.

7. Проведена оценка эффективности моделей и алгоритмов системы ситуационного управления в создании инженерных коммуникаций бестраншейным способом. Число типовых ситуаций для обработки в автоматическом режиме достигает до 70% от общего числа ситуаций по мере обучения системы. Точность принимаемых решений в нештатных ситуациях в условиях функционирования системы ситуационного управления повышается более чем в 2 раза. Недетерминированность времени принятия решений, выраженная в количестве сверхнормативных задержек обработки ситуаций, снижается более чем в 5 раз.

1. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. -М.: Наука, 1986.-312 с.

2. Айвазян С.А., Бежаева З.И., Староверов О.В Классификация многомерных наблюдений. -М.: Статистика, 1974.- 240 с.

3. Арнольд В.И О представлении функций нескольких переменных в виде суперпозиции функций меньшего числа переменных // Математическое просвещение, № 19, С. 41-61.

4. Асаи К., Ватада Д. и др. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асаи, М. Сугэно. -М.: Мир, 1993. 368 с.

5. Батыршин И.З., Недосекин А.А., Стецко А.А., Тарасов В.Б., Язенин А.В., Ярушкина Н.Г. Теория и практика нечетких гибридных систем /Под ред. Н.Г. Ярушкиной. М.: Физматлит, 2006.

6. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации // Препринт ИФ СО АН СССР, Красноярск, 1986. № 59Б, 20 с.

7. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. - С. 172-215.

8. Береза А.С., Прохоров В.П. Концепция развития функций SCADA-системы TRACE MODE на основе технологии экспертных систем принятия и исполнения решений. М. «Информатизация и системы управления в промышленности», № 1(5), 2005.

9. БорисовА. Н., Алексеев А. В., Меркурьева Г. В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. 304 с.

10. Борисов В.В., Бычков И.А. и др. Компьютерная поддержка сложных организационно-технических систем. М.: Горячая линия — Телеком, 2002.

11. Борисов В.В., Федулов А.С. Обобщенные нечеткие когнитивные карты // Нейрокомпьютеры, 2004. №4 С. 3-21.

12. Борисов В.В:, Федулов А.С. Нечеткие продукционные модели и системы. Смоленск ВПВО ВС РФ, 2005.

13. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. -М.: Горячая Линия Телеком, 2007. -284 с.

14. Веденов А.А. Итоги науки и техники. Сер. "Физ. и Матем. модели нейронных сетей". М.: Изд-во ВИНИТИ, 1990-1992. Т. 1-5.

15. Винер Н. Кибернетика или Управление и связь в животном и машине. // Пер. с англ., 2-е изд. М.: Наука, 1968.

16. Галушкин А.И. Современные направления развития нейроком-пьютерных технологий в России // http://neurnews.iu4.bmstu.ru/primer/galosh.htm, М.: НЦН, 2000.

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

18. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. -М.: Мир, 1985.-509 с.

19. Горбань А.Н., Россиев Д.А Нейронные сети на персональном компьютере Новосибирск: Наука (Сиб. отделение), 1996. -276 с.

20. Горбань А.Н Обучение нейронных сетей. -М.: изд. СССР-США СП "Параграф", 1990. 160 с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, PP. 1-134).

21. Горбань А.Н. Нейроинформатика и ее приложения. Материалы 3

22. Всероссийского семинара, 6-8 октября 1995 г. Ч. 1. Красноярск: изд. КГТУ. — 1995.-229 с.

23. Горбань А.Н Проблема скрытых параметров и задачи транспонированной регрессии. Нейроинформатика и ее приложения. Тезисы докладов V Всероссийского семинара. Красноярск: изд. КГТУ, 1997.

24. Джексон, Питер. Введение в экспертные системы. /Пер. с англ.: Уч. пос. -М.: Издат. дом "Вильяме", 2001. 624 с.

25. Джордж Ф. Люгер Искусственный интеллект. Стратегии и методы решения сложных проблем М.: Горячая Линия Телеком, 2007.

26. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.- 512 с.

27. Дудко В. А. Динамическое моделирование ситуационного управления промышленным предприятием Тамбов, 2004. 217 с.

28. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня: Сб. статей / Пер. с англ. -М.: Знание, 1994.-С.5-49.

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

30. Зверев Г. Н. Оценка надежности и оптимизация качественной интерпретации // Техника и технология геофизических исследований скважин. Уфа: Изд. БашНИПИнефть, 1979. С. 145-155.

31. Иванов В.И., Парфенова М.Я., Колесников А.А., Голубов А.А. Формирование управляющих воздействий в режиме реального времени в организационно-технических системах // Наука производству.- 2004.- №10. -С. 10-15.

32. Клыков Ю.И., Горьков Л.Н. Банки данных для принятия решений. — М.: Советское радио, 1980. — 206 с.

33. Клыков Ю.И. Ситуационное управление большими системами. М.: Энергия, 1974. - 134 с.

34. Клыков Ю.И. Семиотические основы ситуационного управления. —1. М.: МИФИ, 1974.

35. Колмогоров А.Н. Теория информации и теория алгоритмов. М.: Наука, 1987.-304 с.

36. Колмогоров А.Н. О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных // Докл. АН СССР, Т. 108, № 2. 1956. С. 179-182.

37. Комарцова JI.H. Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятия решений -М.: 2003.

38. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров.- М.: Наука, 1977.-832 с.

39. Колесников А.А., Сорокин Д.Н. Алгоритм распознавания типовых нештатных ситуаций в системе ситуационного управления на основе нечетких моделей // Вестник Московской академии рынка 'труда и * информационных технологий. 2007. -№ 2.- С. 5-12.

40. Кохонен Т. Ассоциативные запоминающие устройства. М.: Мир, ■■1982.

41. Круглов В.В. Сравнение алгоритмов Мамдами и Сугено в задаче аппроксимации функции // Нейрокомпьторы. -2003. -№ 5. С. 34-38.

42. Круглов В.В., Борисова В.В. Гибридные нейронные сети. Смоленск Русич, 2004.

43. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. -М.: Физматлит, 2002.

44. Ларичев О.И. Теория и методы принятия решений. -М.: Логос, 2003.- 392 с.

45. Ларичев О.И. Новое направление в теории принятия решений: вербальный анализ решений // Новости искусственного интеллекта.- 2001.-№1.-С.26-31.

46. Леонтьев А.В. Нечеткое моделирование в среде MATLAB. СПб.:1. Питер, 2003.

47. Марчук Г.И. Методы вычислительной математики. 3-е изд. -М.: Наука, 1989.

48. Мелихов А.Н., Бернштейн А.С. Ситуационные соответствующие системы с нечеткой логикой. М.: Наука, 1990.

49. Минский М., Пайперт С. Персептроны. М.: Мир, 1971.

50. Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия. М.: Финансы и статистика, 1982.- 239 с.

51. Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных. -М.: Горячая Линия Телеком, 2008.-392 с.

52. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М.: Наука, 1986. - 386 с.

53. Назаров А.В. Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Питер, 2003.

54. Нечеткие множества в системах управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.

55. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. 208 с.

56. Поспелов Д.А. Принципы ситуационного управления // Изв. АН СССР. Техническая кибернетика. 1971. - № 2. - С. 10-17.

57. Поспелов Д.А. Ситуационное управление. Теория и практика. М.: Наука, 1986. 288 с.

58. Поспелов Д.А. Искусственный интеллект: В 3-х кн. Кн. 2. Модели и методы: Справочник М.: Радио и связь, 1990.- 304 с.

59. Поспелов Г.С. Системный анализ и искусственный интеллект.-М.: Изд.-во АН СССР, 1980.

60. Поспелов Г.С. Искусственный интеллект-основа новой информационной технологии. -М.: Наука, 1988.

61. Поспелов Г.С., Поспелов Д.А. Искусственный интеллектприкладные системы. М.: Знание, 1985.

62. Программный набор FactorySuite. Интернет ресурс http ://global. wonderware .com.

63. Д. Рутковская, М. Пилиньский, JI. Рутковский Нейронные сети, генетические алгоритмы и нечеткие системы Горячая Линия Телеком, 2007. -450 с.

64. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Изд-во Горячая Линия — Телеком, 2008.

65. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991. — 224 с.

66. Саати Т. Принятие решений. Метод анализа иерархий / Пер. с англ.-М.: Радио и связь, 1993.-320 с.

67. Симанков B.C., Бучацкий П.Ю., Шопин А.В. Методология моделирования физических процессов в энергетических комплексах с нетрадиционными источниками энергии и оптимизация их параметров // Труды ФОРА. 1998. №3. -С. 18-26.

68. Сорокин Д.Н. Подход ситуационного управления дискретно-непрерывным производственным процессом // Вестник Московской академии рынка труда и информационных технологий. 2006. -№ 25 (47).- С. 105-108.

69. Сорокин Д.Н. Функциональность контура ситуационного управления при детерминированности времени принятия решений // Вестник Московской академии рынка труда и информационных технологий. 2007. -№ 3.- С. 37-40.

70. Сорокин Д.Н., Сараджев В.И. Ситуационное управление в строительстве трубопроводов с применением базы продукционных правил ипрецедентов // Динамика неоднородных систем /Под редакцией Ю.С. Попова. Т. 32(1). М.: Издательство ЛКИ, 2008. -С. 271-275.

71. Стюарт Рассел, Питер Норвиг Искусственный интеллект: современный подход (Artificial Intelligence: A Modern Approach). Вильяме, 2006. 1424 с.

72. Судариков В.А. Исследование адаптивных нейросетевых алгоритмов решения задач линейной алгебры // Нейрокомпьютер. 1992. -№ 3,4. С. 13-20.

73. Сухомлин В.А. Введение в анализ информационных технологий. -М.: Горячая линия-Телеком, 2003.

74. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. 2 изд. М.: Наука, 1979.

75. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. -М.: Мир, 1989. 440 с.

76. Ульман. Дж. Основы систем баз данных. Финансы и статистика, Москва, 1983.

77. Уоссермэн Ф. Нейрокомпьютерная техника М. Мир, 1992.

78. Федулов А.С. Нечеткие реляционные и когнитивные карты М. Изд. РАН 2005. № 1 с. 120-132.

79. Филиппович А.Ю. Интеграция систем ситуационного, имитационного и экспертного моделирования. — М.: Изд-во "ООО Эликс+", 2003.-300 с.

80. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989.- 272 с.

81. Фролов А.А., Муравьев И.П. Нейронные модели ассоциативной памяти. -М.: Наука, 1987.- 160 с.

82. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975.-534 с.

83. Шенфилд Дж. Математическая логика М.: Наука, 1975. -528 с.

84. Шефер X. Топологические векторные пространства. -М.: Мир, 1971.- 360 с.

85. Экель П. Я., Попов В. А. Учет фактора неопределенности в задачах моделирования и оптимизации // Изв. АН СССР. Энергетика и транспорт. 1985, №2.

86. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004,- 320 с.

87. Яхъяева Г.Э. Нечеткие множества и нейронные сети. М.: Бином 2008.- 316 с.

88. IEC 1131-3 (Языки программирования ПЛК) в вопросах и ответах,1997.

89. Anguita D., Ridella S., Rovetta S Limiting the effects of weight errors in feed forward networks using interval arithmeticProceedings of International Conference on Neural Networks (ICNN'96). USA, Washington, June 3-6, 1996. -Vol.1.-P. 414-417. ;

90. Aynsley M., Hofland A., Morris A.J. et alArtificial intelligence and the supervision of bioprocesses (real-time knowledge-based systems and neural networks)Adv. Biochem. Eng. Biotechnol.- 1993.- N.48.- P. 1-27.

91. Azer Bestavros, Kwei-Jay Lin, and Sang Hyuk Son. Real-Time Database Systems: Issues and Applications. Kluwer Academic Publishers, 1997.

92. Bellman R.E., Zadeh L.A. Decision-Making in Fuzzy Environment // Management Science, vol. 17. 1970. - №4. - P. 141 — 160.

93. Fu H.C., Shann J.JA fuzzy neural network for knowledge learninglnt. J. Neural Syst.- 1994.- V.5, N.l.- P.13-22.

94. Kohonen T. Self-Organizing Maps Springer, 1995.

95. Korver M., Lucas PJ. Converting a rule-based expert system into a belief networkMed. Inf. Lond.- 1993.- V.18, N.3.- P.219-241.

96. Levine D.S., Parks R.W., Prueitt P.S Methodological and theoretical issues in neural network models of frontal cognitive functionslnt. J. Neurosci.-1993.- V.72, N.3-4.- P.209-233.

97. Lee H.-L., Suzuki S., Adachi Y. et alFuzzy Theory in Traditional

98. Chinese Pulse DiagnosisProceedings of 1993 International Joint Conference on Neural Networks, Nagoya, Japan, October 25-29, 1993.- Nagoya, 1993.- V.I.-P.774-777.

99. Pospelov D.A. Situation Control, an Overview//Proceedings of Workshop on Russian Situation Control and Cybernetic/Semiotic Modeling, March 22-29, 1995, Columbus (O), USA (Ed.: R.J. Strohl), Publ. by the Battelle, Columbus, 1996, 182 p., pp. 7-37.

100. Pospelov D.A. SEMIOTIC MODELS IN ARTIFICIAL INTELLIGENCE PROBLEMS // Computing Center USSR Academy of Sciences Moscow 117535, USSR.

101. Интернет ресурс: www.energoavtomatika.com, 2006.