Разработка интеллектуальной системы диагностики повреждения трубопровода

Рис. 11. Обобщенная структура ИС

1.5.1 Подсистема приобретения знаний

Подсистема приобретения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. В ее задачу входит приведение правила к виду, позволяющему подсистеме вывода применять это правило в процессе работы. В более сложных системах предусмотрены еще и средства для проверки вводимых или модифицируемых правил на непротиворечивость с имеющимися правилами.

1.5.2 База знаний

База знаний - наиболее важная компонента Интеллектуальной системы, на которой основаны ее «интеллектуальные способности». В отличие от всех остальных компонент ИС, база знаний - «переменная» часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ИС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ИС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ИС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.

1.5.3 Подсистема вывода. Способы логического вывода

Подсистема вывода - программная компонента экспертных систем, реализующая процесс ее рассуждений на основе базы знаний и рабочего множества. Она выполняет две функции: во-первых, просмотр существующих фактов из рабочего множества и правил из базы знаний и добавление (по мере возможности) в рабочее множество новых фактов и, во- вторых, определение порядка просмотра и применения правил. Эта подсистема управляет процессом консультации, сохраняет для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для срабатывания очередного правила в рабочем множестве оказывается недостаточно данных.

Цель ИС - вывести некоторый заданный факт, который называется целевым утверждением (то есть в результате применения правил добиться того, чтобы этот факт был включен в рабочее множество), либо опровергнуть этот факт (то есть убедиться, что его вывести невозможно, следовательно, при данном уровне знаний системы он является ложным). Целевое утверждение может быть либо «заложено» заранее в базу знаний системы, либо извлекается системой из диалога с пользователем.



1.6 Структура разрабатываемой «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода»

Структура разрабатываемой Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода представлена на рисунке11.

Рис. 12. Структура Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода

Пользователем Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода может быть как младший инженер, так и инженер. Запросы к Интеллектуальной системе сохраняются в оперативную память до того момента, пока не будет найдено подходящее решение. Наличие информации в оперативной памяти инициирует работу механизма логического вывода, который моделирует ход рассуждений эксперта, на основании знаний, имеющихся в базе знаний и фактов, находящихся в оперативной памяти.

Экспертами будут являться инженера, формализацией полученных знаний будет заниматься старший инженер отдела информационно-технической поддержки. Найденное решение через интерфейс передается пользователю.

1.7 Техническое и программное обеспечение Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода

Техническое обеспечение представляет собой комплекс технических средств, предназначенных для реализации процессов обработки информации в системе управления. Комплекс технических средств включает совокупность аппаратуры, реализующей следующие функции:

· сбор и передачу информации;

· накопление данных в процессе обработки и создание банка данных системы;

· представление результатов обработки информации заказчикам.

Целью использования вычислительной сети в КПО является повышение эффективности его работы, которое выражается, например, в сокращении трудозатрат. Другим преимуществом также является возможность совместного использования данных и устройств, а также возможность гибкого распределения работ по всей системе. Таким образом, использование вычислительных сетей дает больнице следующие возможности:

· разделение дорогостоящих ресурсов;

· совершенствование коммуникаций;

· улучшение доступа к информации;

· быстрое и качественное принятие решений;

· свобода в территориальном размещении компьютеров.

Вычислительная сеть- это совокупность компьютеров, соединенных линиями связи. Линии связи образованы кабелями, сетевыми адаптерами и другими коммуникационными устройствами.

Под топологией вычислительной сети понимается конфигурация графа, вершинам которого соответствуют компьютеры сети, а ребрам - физические связи между ними. Компьютеры, подключаемые к сети, часто называются станциями или узлами сети.

Топологией вычислительной сети КПО является топология звезда (Рис. 13). В этом случае каждый компьютер подключается отдельным кабелем к общему устройству, называемому концентратором, который находится в центре сети. В функции концентратора входит направление передаваемой компьютером информации одному или всем остальным компьютерам сети. Концентратор отвечает за распространение трафика, пришедшего на любой из портов, через все остальные порты. Главное преимущество этой топологии перед общей шиной -более высокая степень надежности. Любые неприятности с кабелем касаются лишь того компьютера, к которому этот кабель присоединен, и только неисправность концентратора может вывести из строя всю сеть.

Рис. 13. Структура вычислительной сети КПО. Топология «звезда»

При решении данной задачи использовались следующие технические средства (Таб. 4, 5):

Таблица 4 - Основные технические характеристики компьютеров

Наименование	Параметры
Монитор	Монитор 18, 5" TFT Benq G925HDA
Компьютер	OLDI Office 110 >CeleronD 430/ 1Gb/ 250Gb/ SVGA/ CR
Операционная система	Windows 7
Мышь	DefenderFlagman 110 B
Клавиатура	DefenderMagellan 920 B
МФУ (сканер, принтер)	Samsung SCX-4600

Таблица 5- Основные технические характеристики сервера

Наименование	Параметры
Монитор	Монитор 18, 5" TFT Benq G925HDA
Компьютер	Office Server TC100 >Core i3-2100/ iC202/2x2048ECC/ 2x500Gb/SVGA/ DVD±RW/ 2xGbLan/300W
Операционная система	MicrosoftWindows Server 2008 R2
Мышь	DefenderFlagman 110 B
Клавиатура	DefenderMagellan 920 B
МФУ (сканер, принтер)	Samsung SCX-4600

Программное обеспечение - совокупность программ для реализации целей и задач АСУ, обеспечивающих функционирование комплекса технических средств.

Программное обеспечение:

· Общесистемное;

· Прикладное;

· Специальное;

· Справочное;

· Сетевое.

К общесистемному программному обеспечению относятся операционные системы, русификаторы, антивирусные программы.

В прикладное программное обеспечение входят различные пакеты прикладных программ, отдельные прикладные программы, в том числе графические и текстовые редакторы, системы управления базами данных (СУБД), электронные таблицы.

К специальному программному обеспечению относятся программные продукты, разработанные специально для конкретной фирмы и учитывающие все аспекты ее деятельности, а также собственные разработки предприятия.

Справочное программное обеспечение включает программные продукты, хранящие справочную информацию.

Сетевое программное обеспечение предназначено для компьютеров, входящих в сеть предприятия.

Рассмотрим программное обеспечение АСУ КПО, установленное на персональных компьютерах этой фирмы:

1. Общесистемное программное обеспечение:

1.1. Операционные системы: Windows 7, Windows Server 2008 R2;

2. Прикладное программное обеспечение:

2.1 текстовые редакторы: Microsoft Word;

2.2 графические редакторы: Paint, Coral Draw, Visio;

2.3 электронные таблицы: Microsoft Ехсе1;

2.4 пакет прикладных программ Microsoft Office 2010

2.5 1с: Предприятие 7.7.

Система программ «1С:Предприятие» включает в себя платформу и прикладные решения, разработанные на ее основе, для автоматизации деятельности организаций и частных лиц. Сама платформа не является программным продуктом для использования конечными пользователями, которые обычно работают с одним из многих прикладных решений (конфигураций), разработанных на данной платформе. Такой подход позволяет автоматизировать различные виды деятельности, используя единую технологическую платформу, с помощью индивидуальных или типовых настроек.

Платформа 7.7 имеет высокое быстродействие и позволяет работать большому количеству пользователей, позволяет применять совершенные интерфейсные решения.

Преимуществами «1С:Предприятие 7.7» являются:

· Высокое быстродействие, сопоставимое с западными аналогами, при большом количестве одновременно работающих пользователей системы;

· Ориентация на предметную область, как следствие -- низкая трудоемкость и стоимость модификации системы, высокая гибкость, дружественный, удобный и эффективный интерфейс. «1С:Предприятие 7.7» обладает мощными и эффективными возможностями быстрой разработки экономически ориентированного прикладного ПО и баз данных, не уступающие западным аналогам;

· 1C - отечественная разработка, как следствие: с одной стороны - поддержка в полном объеме Российского законодательства, с другой - мощные наработки отечественных разработчиков по учету и управлению, учитывающие российскую специфику;

· Отсутствие недостаточности специалистов высокого уровня и их сравнительно невысокая стоимость. Невысокая стоимость сопровождения. Возможность держать в штате специалистов по платформе, низкая стоимость обучения специалистов;

· Невысокая (по сравнению с зарубежными аналогами) стоимость лицензий на рабочие места;

· К настоящему времени рынок экономического ПО для средних и мелких предприятий всех видов деятельности практически захвачен 1C, т.е. платформа 1С является фактически отечественным стандартом разработки экономических учетно-транзакционных систем.

1.8 Информационное обеспечение Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода

Информационное обеспечение - совокупность форм документов, классификаторов, нормативной базы и реализованных решений по объемам, размещению и формам существования информации, применяемой в АСУ для её функционирования. Оно заключается в анализе документооборота и информационных потоков.

В основе правильной организации документооборота лежат следующие принципы:

1. рациональное и своевременное составление документов;

2. последовательность охвата документами всех процессов производственной и хозяйственной деятельности предприятия;

3. взаимосвязь и рациональная обработка документов;

4. сокращение путей прохождения документов;

5. статистическое изучение и совершенствование документооборота.

Реальное и своевременное составление документов направлено на сокращение количества выполняемых показателей, расположения их в логической последовательности, удобной для последующей обработки, и уменьшение числа документов. Упрощение документации позволяет снизить трудоемкость его заполнения и сократить цикл обращения.

На предприятии используются следующие накопители данных:

· БД «ЭксплуатацияТрубопроводов»

· Архив

· Научная библиотека

БД «ЭксплуатацияТрубопроводов» является полностью электронным хранилищем данных. В ней основные данные обо всех трубопроводах. Разработана с помощью приложения MSAccess, входящего в пакет прикладных программ Microsoft Office.

В Архиве данные представлены как в электронном, так и в печатном виде.

Архив содержит истории аварии всех трубопроводов и выписки из отчетов ремонтных бригад. К архиву обращаются в тех случаях, когда в БД «ЭксплуатацияТрубопроводов» не найдена нужная информация о трубопроводе.

Научная библиотека является физическим хранилищем данных. В библиотеке находится всевозможная медицинская научная литература: книги, статьи, кейсы, доклады, диссертации.

Проектирование баз данных проводится в несколько этапов. Основополагающим является инфологическое моделирование.

Инфологическое проектирование

Инфологическая модель - это описание предметной области, выполненное с помощью специальных языковых средств, не зависящих от используемых в дальнейшем программ. Каждая сущность представляется своим идентификатором, который должен быть уникальным. Каждая сущность обладает набором свойств или атрибутов.

Сущность представляет собой объект, информация о котором хранится в базе данных. Экземпляры сущности отличаются друг от друга и однозначно идентифицируются.

Атрибут представляет собой свойство сущности.

Ключ сущности - атрибут или набор атрибутов, используемый для идентификации экземпляра сущности.

Связь двух и более сущностей - предполагает зависимость между атрибутами этих сущностей.

Степень связи является характеристикой связи между сущностями, которая может быть типа: 1:1, 1:N, М:N.

На рисунке 14приведенаобобщенная инфологическая модель базы данных.

Рис 14. Обобщенная инфологическая модель базы данных КПО

Даталогическое проектирование

Даталогическая модель - модель логического уровня, представляющая собой отображение логических связей между элементами безотносительно от их содержания и среды хранения. Строится в терминах информационных единиц, допустимых для проектирования базы данных СУБД.

Чтобы спроектировать логическую структуру базы данных, надо определить все информационные единицы и связи между ними, задать их имена, тип, размер и т.д. Результатом является совокупность моделей таблиц, из которых состоит база данных (Таб. 6, 7, 8, 9,10, 11).

Таблица 6 - Структура таблицы «Руководители»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	9	Да	Да
ФИО Главинженера	Текстовый	Переменный	Нет	Да
Отдел	Текстовый	Переменный	Нет	Да
Ученая степень	Текстовый	Переменный	Нет	Нет
Код отдела	Числовой	5	Нет	Да
Код должности	Числовой	5	Нет	Да
Код задачи	Числовой	5	Нет	Да
Пакеты документов	Дата	Переменный	Нет	Да

Таблица 7- Структура таблицы «Сотрудники»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	2	Да	Да
Сотрудники	Текстовый	Переменный	Нет	Да

Таблица 8- Структура таблицы «Должности»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	3	Да	Да
Должность	Текстовый	Переменный	Нет	Да

Таблица 9- Структура таблицы «Трудовые договоры»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	8	Да	Да
Оклад	Денежный	Переменный	Нет	Да
Дата приема	Дата	Переменный	Нет	Да
Номер договора	Числовой	8	Нет	Да

Таблица 10- Структура таблицы «Георазведка»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	Переменный	Да	Да
Отчет георазведки	Текстовый	Переменный	Нет	Да
Код объекта	Числовой	Переменный	Нет	Да
План разработки	Числовой	Переменный	Нет	Да
Дата	Дата	Переменный	Нет	Да

Таблица 11- Структура таблицы «Руководители»

Имя поля	Тип данных	Размер поля	Ключевое поле	Обязательное поле
Код	Счетчик	Переменный	Да	Да
Код руководителя	Числовой	Переменный	Нет	Нет
ФИО	Текстовый	Переменный	Нет	Да
Дата начала задания	Дата	10	Нет	Да
Дата выполнения задания	Дата	10	Нет	Да
Номер отдела	Числовой	Переменный	Нет	Нет

1.9 Обзор научно-технической литературы

Литература по Интеллектуальным системам и искусственному интеллекту

Интеллектуальная система - это система искусственного интеллекта, построенная на основе глубоких специальных знаний о некоторой предметной области (полученных от экспертов-специалистов этой области). Интеллектуальные системы - один из немногих видов систем искусственного интеллекта, которые получили широкое распространение и нашли практическое применение.

Технология экспертных систем является одним из направлений новой области исследования, которая получила наименование искусственного интеллекта (ArtificialIntelligence). Исследования в этой области сконцентрированы на разработке и внедрении компьютерных программ, способных эмулировать (имитировать, воспроизводить) те области деятельности человека, которые требуют мышления, определенного мастерства и накопленного опыта. К ним относятся задачи принятия решений, распознавания образов и понимания человеческого языка. Эта технология уже успешно применяется в некоторых областях техники и жизни.

Участники Российской ассоциации искусственного интеллекта дают следующие определения искусственного интеллекта:

· Научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными

· Свойство интеллектуальных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека. При этом интеллектуальная система -- это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока -- базу знаний, решатель и интеллектуальный интерфейс.

· Наука под названием «Искусственный интеллект» входит в комплекс науки кибернетики, а создаваемые на её основе технологии к информационным технологиям. Задачей этой науки является воссоздание с помощью вычислительных систем и иных искусственных устройств разумных рассуждений и действии.

Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект -- способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи».

Вопросам создания экспертных систем посвящен достаточно большой набор различных изданий и монографий. Обилие тематической литературы обусловлено актуальностью предмета, определяющегося стремительно развивающейся сферой применения инженерии знаний и системного анализа в различных областях деятельности.

1. Гаврилова Т., Хорошевский В. Базы знаний интеллектуальных систем: Учебник для вузов. - СПб.: Питер, 2000 г.

Данный учебник содержит достаточно значимый материал по вопросам разработки интеллектуальных систем. Особенностью изложения является его практическая направленность.

2. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. -М.: Финансы и статистика,1990 г.

Данная книга была написана тандемом американских авторов К. Таунсенда и Д. Фохтаи представляет собой введение в круг основных идей искусственного интеллекта.

Особый интерес для данной работы представляет разделы книги посвященные методам программной реализации элементов ИС на ЭВМ [стр. 112].

Для специальной части данного проекта активно использовались разделы книги, посвященные продукционным системам [стр. 52], стратегиям управления выводом [стр. 65], представлению знаний [стр. 75] (фреймы, семантическая сеть, правила).

К недостатку для написания данной работы можно отнести тот факт, что иллюстрационные тексты программ выполнены на языке Forth.

Помимо рассмотренных выше источников различные проблемы и вопросы сознания экспертных систем в рамках науки Искусственный интеллект рассматриваются в следующих изданиях:

3. Посвященная теоретическим основам искусственного интеллекта монография Люгера (Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.:Пер. с англ. - М.: Издательский дом «Вильямс», 2003 г.).

4. Учебное пособие, посвященное одной из центральных проблем искусственного интеллекта - проблеме построения экспертных систем, или систем, основанных на знаниях (Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д.. Статические и динамические Интеллектуальные системы. М.: Финансы и статистика, 1996 г.).

В пособии рассмотрено современное состояние исследований в области искусственного интеллекта. Также приводится обоснование важности экспертных систем как подхода к разработке интегрированных прикладных систем, объединяющих технологии инженерии знаний и традиционного программирования. Приведена классификация экспертных систем и инструментальных средств. Описаны принципы, методы и средства построения экспертных систем.

5. Рассел С., Норвиг П. Искусственный интеллект: современный подходМ.: Вильямс, 2006 г.

Книга посвящена современным достижениям и идеям по тематике искусственного интеллекта, которые были сформулированы, по признанию авторов, в исследованиях, проводившихся в течение последних пятидесяти лет.

6. Герман О.В. Введение в теорию экспертных систем и обработку знаний.-Минск.: ДизайнПРО, 1995. - 256с.

В имеющейся литературе по данной тематике рассмотрен ряд актуальных вопросов, связанных с искусственным интеллектом.

Литература по Нефтегазовой добычи и строительству трубопроводов.

7. Справочник по специальным работам. Технологические вытрубопроводы промышленных предприятий. Изд. 2-е, перераб. И доп. Под ред. Е.Я. Николаевского. М., Стройиздат, 1972, 887 с.(Минмонтажспецстрой. Государственный проектный институт Гипрометаллургмонтаж).

Справочник по трубопроводам и арматуре химических цехов электростанций. В справочнике приведены краткие сведения но материалам, деталям, монтажу и ремонту трубопроводов, арматуры и ее приводов, применяемых в химических цехах электростанций. Приводится номенклатура арматуры и электроприводов, выпускаемая отечественными заводами для химических цехов.

7. Тавастшерна Р.И. Изготовление и монтаж технологических трубопроводов. Учеб. пособие для проф.-техн. училищ и индивидуального и бригадного обучения рабочих на производстве. -- М., «Высш. школа», 1967. -- 287 с

Трубопроводная арматура. Номенклатурный каталог-справочник. Логанов Ю.Д. Том 1. Краны. Указатели уровня. Затворы дисковые поворотные. 2006 г. В номенклатурном каталоге-справочнике приведена номенклатура и основные технические характеристики трубопроводной арматуры и приводов к ней, выпускаемых производственными предприятиями России и стран СНГ.

8. Ручная сварка при сооружении и ремонте трубопроводовпара и горячей воды. Юхин Н.А. Издательство: Соуэло, 2007 г.

В книге рассмотрен опыт применения, технологические и эксплуатационные характеристики установок для транспортирования концентрированных гидро смесей в виде жидких продуктов и их смесей с твердыми частицами диспергированного или измельченного минерального сырья, строительных и волокнистых материалов, отходов производства горно-металлургических, химических и т. п. предприятий. Приведены технические данные и конструктивные схемы насосов и нагнетателей, а также смесительных, загрузочных, вспомогательных и других устройств.

9. Суворов А.Ф., Васильев Г.Г., Горяинов Ю.А., Кинцлер Ю.Э., Мустафин Ф.М., Сенцов С.И., Головин С.В. Сварочно-монтажные работы в трубопроводном строительстве: Учеб. пособие для вузов. -- М.: ЗАО «Звезда», 2006 -- 240 с: ил.

Изложена теория и расчет параметров течения гидросмесей в трубах. Рассмотрены методы изучения реологических характеристик смесей и применяемые при этом технологические устройства. Даны рекомендации по проектированию транспортных установок, приведены инженерная методика и примеры расчета.

10. Биргер И.А., Иосилевич Г.Б./ Резьбовые и фланцевые соединения. --М.: Машиностроение, 1990. --368 с: ил.

Трубопроводная арматура. Номенклатурный каталог-справочник. Логанов Ю.Д. Том 1. Краны. Указатели уровня. Затворы дисковые поворотные. 2006 г. В номенклатурном каталоге-справочнике приведена номенклатура и основные технические характеристики трубопроводной арматуры и приводов к ней, выпускаемых производственными предприятиями России и стран СНГ.

11. Рамерштейн А.Г., Рождественский В.В., Pyчимский М.H. Расчет трубопроводов на прочность. Справочная книга 1969 г.

Справочник по арматуре ТЭЦ. В книге приведены классификация энергетической арматуры, основные относящиеся к ней термины и определения.

12. Трубопроводная арматура. Номенклатурный каталог-справочник. Логанов Ю.Д. Том 4. Клапаны. Регуляторы давления. Распределители. 2006 г.

Трубопроводная арматура. Справочное пособие. Гуревич Д.Ф. 1981 г. Приведены общие технические данные и нормативы, относящиеся к трубопроводной арматуре. Даны краткое описание, основные технические характеристики, габаритные и присоединительные размеры конструкций, выпускаемых серийно арматурными заводами. Приведены рекомендации по выбору арматуры.

13. Справочник по трубопроводам и арматуре химических цехов электростанций, Имбрицкий М. И., Москва, «Энергия», 1974 г.

Водоснабжение. Проектирование систем и сооружений: издание второе, переработанное и дополненное в 3 томах. том 1. Рекомендовано к изданию Министерством образования РФ в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлению "Строительство" специальности "Водоснабжение и водоотведение". В пособии приведены назначение, область применения, физико-химическая и биологическая суть методов, технологий и сооружений, конструктивные особенности сооружений и устройств систем водоснабжения.

14. Водоснабжение. Проектирование систем и сооружений: издание второе, переработанное и дополненное в 3 томах. TOM 3. Системы распределения и подачи воды. Учебное пособие. - M.: Издательство ACB, 2003. М.Г. Журба Л.И. Соколов Ж.М. Говорова

В книге даны основы гидростатики и теоретической гидродинамики, подробно изложено понятие о гидравлических сопротивлениях, равномерное и неравномерное движение жидкости в трубах (расчет водопроводов и канализационных систем) и каналах, водосливы, а также движение грунтовых вод.

1.10 Постановка задачи «Интеллектуальной системы поддержки принятий решений при эксплуатации трубопровода»

Интеллектуальная система будет реализовываться на основании знаний экспертов, знаний, извлеченных из литературных источников. При ее создании максимально будет учитываться специфика проявления и представления информации.

Для получения конечного результата необходимо решить следующий ряд задач:

1. Разработка продукционной базы знаний (с единообразным представлением знаний, что облегчает их восприятие и понимание человеком);

2. Разработка механизма логического вывода(комбинированного);

3. Разработка удобного и дружественного пользовательского интерфейса;

4. Обеспечение основного режима функционирования ИС: режима консультации.

2. 

2. Специальная часть

2.1 Методы интеллектуальных систем

2.1.1 Методы приобретения знаний

От выбора метода приобретения знаний зависит, насколько верно будет создана база данных, насколько она будет соответствовать действительности. Для приобретения знаний используются различные методы: анализ текстов, диалоги, Интеллектуальные игры, лекции, дискуссии, интервью, кейсы и так далее. Самым распространенным методом приобретения знаний является интервью. Исходя из этого метода, знания получают путем непосредственного контакта с экспертом (Инженером). Существует также деление на пассивные методы (инициатива у эксперта) и активные методы (инициатива у когнитологаКогнитолог - специалист в области инженерии знаний (область наук об искусственном интеллекте, связанная с разработкой интеллектуальных систем и баз знаний). Когнитолог изучает методы и средства извлечения, представления, структурирования и использования знаний, непосредственно занимается разработкой интеллектуальных систем и баз знаний.).

Пассивные методы:

1. Наблюдение. В процессе наблюдения когнитолог находится рядом с экспертом во время его профессиональной деятельности. Необходимое условие - невмешательство в работу эксперта.

2. Вербальный анализ. Отличается от предыдущего метода тем, что эксперта просят не просто прокомментировать свои действия и решения, но и объяснить, как это решение может быть найдено, продемонстрировать цепочку рассуждений.

3. Лекции. Это самый старый способ передачи знаний. Он используется в начале разработки, как эффективный способ быстрого погружения инженера-технолога в предметную область.

Активные методы:

1. Анкетирование. Это жесткий метод. Заранее составляется вопросник, который предоставляется экспертам, что является основным преимуществом этого метода.

2. Интервью. Задается серия заранее подготовленных вопросов. Похоже на анкетирование, но позволяет в зависимости от ситуации изменять вопросы.

3. Свободный диалог. Достаточно гибкий способ, сильна обратная связь с экспертом.

4. «Круглый стол». Подразумевает живую дискуссию с участием нескольких экспертов.

5. «Интеллектуальные игры» или «кейс игры». Воссоздание вида деятельности, моделирования реальных ситуаций.

2.1.2 Методы представления знаний

Одним из направлений исследования экспертных систем является обработка моделей знаний, которая подразумевает средства представления знаний и методы манипуляции знаниями.

Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными ИС, и, в частности, представления, состоящие из явных объектов и из суждений или утверждений о них. Представление знаний в подобной явной форме позволяет ИС делать дедуктивные выводы из ранее сохранённого знания.

Различают следующие типы знаний:

· понятийные,

· конструктивные,

· процедурные,

· фактографические,

· метазнания.

Используются пять моделей представления знаний:

· логическая,

· продукционная,

· логико-лингвистическая.

Основные методы представления знаний:

· декларативное представление знаний;

· процедурное представление знаний;

· реляционное представление знаний;

· логическое представление знаний;

· семантическое представление знаний;

· исчисление представление знаний;

· фреймовое представление знаний;

· представление знаний с использованием продукционных правил;

· унифицированные алгоритмические модули.

Декларативное представление знаний характеризуется представлением текущего знания системы полным описанием состояния (множество аксиом и всех, введенных к данному моменту теорем, множество операторов, то есть правило вывода). Преимущество данного метода является:

· отсутствие необходимости указывать, как конкретный фрагмент знания должен быть использован,

· удобство внесения изменений в БЗ,

· близость к естественной форме описания знаний.

Однако при использовании данного метода затруднен учет специфики конкретной предметной области.

Процедурное представление знаний характеризуется представлением текущего знания системы в виде специальной организованной БД и набора более или менее специализированных процедур, обрабатывающих соответствующие области БД. При использовании данного метода имеются следующие преимущества: легко представляются знания вычислительного характера, более естественный способ для выражения многовариантного взаимодействия между блоками, на которые разделены знания. Однако, модификация знаний значительно сложнее, чем в предыдущем методе, так как здесь необходимо учитывать каким образом используется утверждение.

Реляционное представление знаний характеризуется представлением информации в виде некоторой таблицы

RR (К DTD), где

R - имя таблицы,

К - классификационные разряды, с помощью которых объект DT относится к множеству данных D.

Преимущества данного метода:

· компактность представляемой информации частного характера,

· информационное содержание данных рассматривается, не зависимо от представления в памяти,

· близость по структуре к естественному языку.

Недостатком данного метода является:

· отсутствие явно выраженных отношений между понятиями,

· избыточность информации,

· жесткость форматов описания.

Логическое представление знаний. Основная идея подхода при построении логических моделей представления знаний - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем:

S= <B, F, A, R>, где

B -- счетное множество базовых символов (алфавит);

F -- множество, называемое формулами;

A -- выделенное подмножество априори истинных формул (аксиом);

R -- конечное множество отношений между формулами, называемое правилами вывода.

К достоинствам логических моделей представления знаний можно отнести следующие характеристики:

· В качестве «фундамента» здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы (формальная семантика проста и ясна, синтез четок),

· Существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования Пролог, использующие механизмы автоматического доказательства теорем для поиска и логически осмысленного вывода информации (наличие единой процедуры доказательства истинности),

· В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода, а также Данные, факты и другие сведения о людях, предметах, событиях и процессах (не требуется хранить все формулы в БЗ, а достаточно лишь хранения аксиом. Остальные выражения формируются из аксиом с помощью правил вывода).

К недостаткам относятся:

· Слабая наглядность и выразительная мощность для отображения проблемной области,

· Отсутствие структуры представления знаний,

· Невозможность построения частично правдоподобных рассуждений,

· Низкая эффективность логического вывода.

Семантическое представление знаний. Элементами данного представления являются понятия и семантические отношения между ними. Формой представления являются семантическая сеть. Вершины содержат понятия (объект), дуги - отношения между ними. Преимущество этого метода - наглядность представления знаний. Недостатком данного метода являются:

· трудность представления событий,

· слабо отражаются структурные отношения, логические связки,

· сложность программной реализации (особенно крупных сетей).

Исчисление предикатов. Знания представляются с помощью перевода некоторой предметной области формулой логики предикатов и добавления их в качестве аксиом в систему. Формула записи:

P (xi,x2,...,xn),где

Р - логическая функция предикат, принимающая значение истинно или ложь (1,0),

xi,- предметные переменные.

Логика предикатов используется в качестве основы языка Пролог. Существует множество мощных процедур для логического вывода предикатов первого порядка. Однако при использовании этого метода нет возможности в полной мере отразить специфику предметной области, так как знания выражаются ограниченным набором средств формальной системы. Также недостатками метода является слабая логическая связь между формулами, неоднозначность перевода предложений естественного языка в формулы предикатов, требование больших ресурсов ЭВМ для реализации предикатных систем.

Фреймы. Фрейм - минимальная структура информации, представляющая класс объектов, описывающая явления и процессы. Фрейм представляет собой декларативную процедурную структуру

{ni, (vi, qi, pi),..., nn (vn, qn, pn) }, где

ni - имя фрейма,

vi - имя слота,

qi - значение слота,

pi - имя присоединенной процедуры.

Для организации связей между объектами предметной области строится сеть фреймов. Фрейм может содержать обращение к присоединенной процедуре. Используется принцип наследования, когда общая информация хранится в отдельном фрейме, а подчиненные фреймы обращаются к этому фрейму, чем достигается компактность. Данный метод обладает удобством описания знаний у проблемно ориентированных систем, возможностью описания временных характеристик систем за счет включения соответствующих процедур в слоты. Фреймовая структура создает в себе достоинства декомпозиции и взаимодействия за счет принципа наследования. Недостатки метода:

· возможность возникновения путаницы при работе системы с различными областями знаний

· знания задаются процедурами, что затрудняет приобретение знаний,

· в чистом виде эвристические структуры не пригодны для описания эвристических знаний,

· сам фрейм не содержит информации, в какой момент его следует обрабатывать.

Продукционные правила (ПП). Правило продукции состоит из левой части, которая представляет собой множество ситуаций, и правой части, которая представляет собой множество действий. В модели знаний продукционные правила представляются в виде конструкций «ЕСЛИ, ТО». Преимуществами этого метода являются:

· простота создания и понимания отдельных правил,

· простота понимания и модификации,

· простота логического вывода знаний.

Отдельные продукционные правила могут независимо быть добавлены в БЗ, исключены или изменены, при этом не надо перепрограммировать всю систему. С помощью ПП достигается естественность выражения как декларативных, так и процедурных знаний, при этом знания отделены от способа их переработки.

Унифицированные алгоритмические модули (УНАМ). Форма представления процедурных (УНАМ) - элементарный функциональный блок, имеющий самостоятельное значение

<Zi= Ni, Yi, Ri>, где

Ni- имя модуля,

Yi - унифицированная стандартная процедура,

Ri - множество возможных параметров (входных),

Ri - множество выходных параметров.

Достоинства данного метода характеризуются:

· удобством формирования базы математических знаний,

· возможностью синтеза решения прикладных задач,

· удобством установления отношений между декларативными и процедурными знаниями.

Недостаток метода в слабости систематических связей между модулями в системе.

Для наглядности баланса достоинств и недостатков далее представлена сравнительная характеристика моделей представлений знаний (Таб.12).

Таблица 12 - Сравнительная характеристика моделей представления знаний

Модель представления знаний	Достоинства	Недостатки
Декларативное представление знаний	+ Отсутствие необходимости указывать, как конкретный фрагмент знания должен быть использован. + Удобство внесения изменений в БЗ. + Близость к естественной форме описания знаний.	? Затруднен учет специфики конкретной предметной области.
Процедурное представление знаний	+ Легкость представления знаний вычислительного характера. + Естественный способ для выражения многовариантного взаимодействия между блоками, на которые разделены знания.	? Модификация знаний усложнена, необходимо учитывать каким образом используется утверждение.
Реляционное представление знаний	+ Компактность представляемой информации частного характера. + Информационное содержание данных рассматривается, не зависимо от представления в памяти. + Близость по структуре к естественному языку.	? Отсутствие явно выраженных отношений между понятиями. ? Избыточность информации. ? Жесткость форматов описания.
Логическое представление знаний	+ Не требуется хранить все формулы в БЗ, а достаточно лишь хранения аксиом. Остальные выражения формируются из аксиом с помощью правил вывода. + Наличие простой и ясной формальной семантики и четкого синтеза. + Наличие единой процедуры доказательства истинности.	? Слабая наглядность и выразительная мощность для отображения проблемной области. ? Отсутствие структуры представления знаний. ? Невозможность построения частично правдоподобных рассуждений. ? Низкая эффективность логического вывода.
Семантическое представление знаний	+ Простой, понятный и наглядный способ описания проблемной области. + Возможность в явном виде указать на большинство отношений между объектами. + Наибольшая близость, как по структуре, так и по семантике к естественному языку.	? Произвольная структура описания требует большого количества процедур обработки информации. ? Отсутствие процедурной компоненты представления знаний. ? Сложность модификации из-за отсутствия модульности и унификации представления. ? Ориентация на узкоспециализированные предметные области, т.к. семантическая сеть сложной предметной области оказывается слишком громоздкой.
Фреймовое представление знаний	+ Фреймы соединяют в себе достоинства декларативного и процедурного описания знаний. + В наибольшей степени соответствуют объектно-ориентированному описанию сущностей предметной области, которыми манипулирует человек. + За счет произвольной интерпретации содержимого слотов реализуется механизм наследования и иерархии. + Очень удобно отображать реляционные структуры.	? Механизм выделения фреймов остается прерогативой человека, и нет формальных методов для выделения фреймов. ? Слаборазвиты механизмы манипулирования и вывода знаний.
Продукционное представление знаний	+ Простота представления и понимания правил. + Простота модификации и пополнения БЗ. + Простота механизма логического вывода. + Независимость продукций.	? При большом количестве продукций становится сложной проверка продукций на непротиворечивость. ? Сложность в оценке ценности знаний. ? Слабо представлено декларативное представление знаний. ? Невозможность использования для тех областей, в которых сложно представить знания в виде правил. ? В сложных предметных областях число правил велико, что влечет к потере наглядности и утрачиванию возможности проверки взаимосвязей между правилами.
УНАМ модель представления знаний	+ Удобство формирования базы математических знаний. + Возможность синтеза решения прикладных задач. + Удобство установления отношений между декларативными и процедурными знаниями.	? Слабость систематических связей между модулями в системе.

Методы вывода решений

Механизм логического вывода управляет работой ИС в соответствии с принятой стратегией поиска решения в пространстве ситуаций. Механизм логического вывода предназначен для того, чтобы найти последовательность действий преобразования начальной ситуации в конечную целевую ситуацию. Процедура формального вывода в дедуктивных системах, или цепочка вывода, представляют собой последовательность формул, начинающуюся, с аксиом, в которой каждая последующая формула выводится на основе совокупности предшествующих формул и аксиом. При реализации формального вывода используют прямой и обратный метод рассуждений. Прямой метод - это решение от данных к цели. Обратный метод - это поиск решения от цели к данным. В системах обратного вывода намечается перечень конечных целей переменных, значение которых необходимо получить. Далее производится поиск правил, определяющих эти цели. Вычисляются значения всех переменных, входящих в условия правил. Если переменные определяются другими правилами, происходит переход к выяснению истинности их условий, в противном случае значения переменных запрашиваются у пользователя. Процесс экспертизы заканчивается после того, как будут найдены все поставленные цели консультации. Это означает, что должна быть выяснена истинность всех переменных, входящих в задействованные правила.

2.1.2 Выбор метода приобретения и представления знаний для «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода»

В результате поставленной задачи для получения знаний от эксперта были использованы следующие методы:

· Лекции. Это самый старый способ передачи знаний. Он используется в начале разработки, как эффективный способ быстрого погружения инженера-технолога в предметную область.

· Анкетирование. Это жесткий метод. Заранее составляется вопросник, который предоставляется экспертам, что является основным преимуществом этого метода.

· Интервью. Задается серия заранее подготовленных вопросов. Похоже на анкетирование, но позволяет в зависимости от ситуации изменять вопросы.

· Свободный диалог. Достаточно гибкий способ, сильна обратная связь с экспертом.

· Учет пояснений на практике. Этот метод позволяет за счет получения объяснений от специалиста в процессе реального диагностирования понять ход решения задач специалистом в рамках этого процесса.

· Анализ литературы. Анализ офтальмологических справочников позволил заполнить пробелы в данных, которые остались после применения вышеуказанных пяти методов.

На основе ранее проведенного анализа методов представлений знаний был выбран продукционный метод представления знаний для ИС, так как он является наиболее эффективным и широко используемым методом представления знаний в системах искусственного интеллекта типа экспертных систем.

Выбор продукционного метода представления знаний систем обоснован достоинствами продукционных систем:

1. В базе знаний автоматизированной ИС обеспечивается быстрый отклик на изменяющиеся в широких пределах и часто непредсказуемые ситуации внешней среды.

2. В БЗ представление больших объемов знаний не вызывает затруднений, так как при добавлении, исключении, изменении отдельных продукционных правил не требуется перепрограммировать всю систему.

3. В БЗ достигается единообразие представления знаний, что облегчает понимание знаний человеком.

4. Для человека облегчаются способы построения модели представления знаний, так как с помощью продукционных правил знания отделены от способа их переработки.

5. В программном обеспечении продукционных систем возникает реальная возможность параллельных вычислений. База знаний состоит из правил (продукций) вида: ЕСЛИ <условие>, ТО <действие>; где условие - конкретный вызов некоторого сопоставителя, <действие> - конкретный вызов некоторой опции преобразования базы фактов.

Наряду с вышеперечисленными достоинствами продукционных систем, существуют недостатки, которые также необходимо учитывать: затрудненность проверки программы, возможность случаев взаимной зависимости продукционных правил, что требует привлечения специальных методов декомпозиции.

2.1.3 Интеллектуальная система поддержки принятия решения при эксплуатации трубопровода

Итак, аналитический процесс при эксплуатации трубопровода, как уже было описано в пункте 1.6 общей части, сводится к определению наличия повреждений и/или источника аварийной ситуации. Для исключения неверной постановки алгоритма ремонтных работ необходимо сразу же отделить случаи внешних повреждений трубопровода, которые не привели к развитию аварийной ситуации и не приведут к таковому при правильных ремонтных работах(назначение курса превентивных мер совместно с курсом лечения повреждений).

При обнаружении трубопровода с подозрениями на аварийную ситуации или поражение внешнего трубопровода к нему прикрепляется ответственный инженер, в помощь инженеру может быть закреплен младший инженер. Иногда в подчинении Инженера имеется группа проходящих обучение младших инженеров и ассистентов. Действия обучающейся группы не рассматриваются, так как поставленный алгоритм, выписанные указания и проводимые манипуляции проходят под контролем ответственного инженера, и ответственный инженер несет ответственность перед государством и КПО.

1. В первую очередь, ответственный Инженер или младший инженер описывают повреждения трубопровода. Далее устанавливают наличие факта получения трубопроводом повреждений, а так же дату, время получения повреждения, период воздействия и локализацию. При возможности, Инженером проводятся манипуляции по устранению поражающих инородных тел или по нейтрализации инородных веществ. На этом этапе необходимо выявить количество трубопроводов с повреждениями (повреждение-- нарушение целостности функций трубопровода в результате воздействия факторов внешней среды). Повреждения не является аварией, но в последствие может стать причиной развития той или иной аварийной ситуации. При выявлении признаков развития аварийной ситуации у трубопровода, так же возникает необходимость его дальнейшего диагностирования.

2. Затем проводится внешний осмотр трубопровода и его окружения с целью установления состояния объекта, выявления отклонений, проявляющихся во внешних признаках аварийной ситуации. Определенные фенотипические, или внешние, признаки позволяют заподозрить о возможности аварии уже на стадии физического осмотра. Например, коррозия под действием почвы приводят к изменению цвета покрытия и опор.

3. Далее проводится опрос бригады ответственной за установку трубопровода для выявления случаев халатности сотрудников, поскольку аварийные ситуации конъюнктивы и бывают следствием специфического отношения специалистов к работе.

4. При выявлении отклонений трубопровода вписывающихся в картину определенного типа или класса повреждений назначается специализированный комплекс ремонтных работ и исследований. При невозможности выявления частичной или полной картины произошедшего назначаются более общие методы сканирования.

5. После получения результатов сканирований и исследований можно определить класс или тип аварийной ситуации. После определения класса или типа повреждения, назначаются анализы специализированные для выявления аварии и возбудителя повреждения трубопровода.

6. После выявления общей картины назначается ответственная бригада для выполнения ремонтных работ и выписывается алгоритм ремонтного подряда для соответствующего специалиста.

В Таблице 13 приведен список исследований, который покрывает большинство типов возбудителей повреждений трубопровода.

Таблица 13- Список анализов с распределением по возбудителям и причинам аварий

Подозрение	Общее название исследования
Коррозия	+ Анализ на коррозию + Проверка защитного слоя
Трещины	+ Анализ трубопровода дефектоскопическими Ультразвуковая дефектоскопия -- метод, предложенный С. Я. Соколовым в 1928 году и основанный на исследовании процесса распространения ультразвуковых колебаний с частотой 0,5 -- 25 МГц в контролируемых изделиях с помощью специального оборудования -- ультразвукового дефектоскопа. Является одним из самых распространенных методов неразрушающего контроля. приборами
Пробоины термоизоляции	+ Термальное сканирование +Анализ трубопровода дефектоскопическими приборами
Коррозия опор	+ Проверка защитного слоя + Анализ на коррозию +Анализ трубопровода дефектоскопическими приборами
Расширение трубопровода	+ Анализ трубопровода дефектоскопическими приборами
Повреждение электроники	+ Сканирование электроприборов по средством датчиков

Страница:

•  1 
•  2 
•  3 

дипломная работа "Разработка интеллектуальной системы диагностики повреждения трубопровода" скачать

Подобные документы

• Интеллектуальные информационные системы. Базы знаний

  Построение баз знаний для семантической сети. Цели создания и язык представления онтологий. Структура исследований в области многоагентных интеллектуальных информационных систем, архитектура агента. Экономическое обоснование разработки базы знаний.
  
  дипломная работа [1,6 M], добавлен 29.09.2013
  

• Модели представления знаний

  Классы и группы моделей представления знаний. Состав продукционной системы. Классификация моделей представления знаний. Программные средства для реализации семантических сетей. Участок сети причинно-следственных связей. Достоинства продукционной модели.
  
  презентация [380,4 K], добавлен 14.08.2013
  

• Разработка экспертной системы по выбору мобильного телефона

  Понятия, классификация и структура экспертных систем. Базы знаний и модели представления знаний. Механизмы логического вывода. Инструментальные средства проектирования и разработки экспертных систем. Предметная область ЭС "Выбор мобильного телефона".
  
  курсовая работа [2,2 M], добавлен 05.11.2014
  

• Экспертная система по предметной области "Грибы"

  Разработка базы данных с применением выбранной модели представления знаний и системы пользовательского интерфейса. Определение системы логического вывода. Спецификация составных частей программы. Обзор основных используемых приёмов и методов обработки.
  
  курсовая работа [765,6 K], добавлен 12.05.2013
  

• Базы данных, знаний и экспертные системы

  База знаний - структурированная информация из области знаний для использования кибернетическим устройством (человеком). Классификация, структура, формат представления знаний, интеллектуальные системы поиска информации. Базы знаний на примере языка Пролог.
  
  презентация [51,3 K], добавлен 17.10.2013
  

• Базы знаний как современные интеллектуальные информационные системы

  Понятие базы знаний для управления метаданными. Особенности баз знаний интеллектуальной системы. Языки, используемые для разработки интеллектуальных информационных систем. Классические задачи, решаемые с помощью машинного обучения и сферы их применения.
  
  реферат [16,9 K], добавлен 07.03.2010
  

• Разработка структуры базы знаний

  Построение графа связей фактов и определение структуры базы знаний. Описание функций инициализации и констатации фактов, входных и выходных данных. Операции, направленные на занесение фактов и действий в базу знаний. Итоговое представление базы знаний.
  
  курсовая работа [176,9 K], добавлен 13.11.2012
  

• База знаний интеллектуальной справочной системы по логике

  Особенности создания интеллектуальной справочной системы по логике, ее технико-экономическое обоснование. Онтология, содержательная декомпозиция, исходные тексты базы знаний, ее верификация и отладка. Тестирование интеллектуальной справочной системы.
  
  курсовая работа [3,4 M], добавлен 14.07.2012
  

• Экспертная система поиска кандидатов на вакансии на бирже труда

  Фреймовые модели представления знаний. Разработка структуры фреймов для реализации экспертной системы. Разработка экспертной системы с фреймовой моделью представления знаний. Редактирование базы фактов кандидатов и описание режима консультации.
  
  курсовая работа [1,3 M], добавлен 13.10.2012
  

• Модели представления знаний. Экспертные системы

  Преимущества и недостатки моделей представления знаний. Модель, основанная на правилах, фреймовая модель. Семантическая сеть. Структура экспертных систем и этапы их разработки. Механизмы логического вывода. Стратегия "вверх-снизу", "от цели к ситуации").
  
  презентация [195,3 K], добавлен 29.10.2013
  

Другие документы, подобные "Разработка интеллектуальной системы диагностики повреждения трубопровода"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам