Методы и алгоритмы интеллектуальной поддержки принятия решений в задачах диагностики технических систем в машиностроении

Цель работы: разработка методик и алгоритмов принятия решений для выявления причинно-следственных связей при неработоспособном состоянии технических систем, используемых в машиностроении.
Для достижения намеченной цели были поставлены и решены следующие задачи:
Анализ методов и средств диагностики технических систем, используемых в машиностроении, и существующих методов обучения систем.
Определение стратегий, способных решать задачи выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении.
Разработка методики нахождения рационального решения задачи абдукции, т.е. выявления причинно-следственных связей и диагностики технических систем, использующей алгоритм нейронной сети Хопфилда.
1

Механизмы логического вывода
2

Абдуктивный вывод
Определение. Абдукция – это процесс вывода причины из следствия или построение объяснений для наблюдаемых явлений.
Абдуктивное правило имеет вид:
Если истинно В и А является причиной В,
то истинно А.
3

Недостатки алгоритма конкуренции гипотез
1. В процессе принятия решений остается доля субъективности, т.к. на начальном этапе инициализации сети значения гипотез, элементов данных и весовых коэффициентов определяет специалист.
2. Сложность и объем используемых формул.
3. В алгоритме не предусмотрено определение степени объяснения рассматриваемых данных гипотезами. В результате этого остается неизвестным, объясняет ли выигравшая конкуренцию гипотеза все элементы рассматриваемых данных полностью.
4

Нахождение рационального решения абдуктивного вывода
Если , где Г = <МОП, МПр > ,
то, ,
т.е. учитывая, что Hc = col(h1, h2, …, hT)
.
Здесь Hc – подмножество множества гипотез H, являющееся лучшим объяснением наблюдаемых данных D0, которое образует сложную (составную) гипотезу путем синтеза из набора простых гипотез h1, h2,…;
Г – область допустимых простых гипотез;
MОП – максимальное объяснительное покрытие данных;
МПр – максимальное правдоподобие гипотезы;
dim Hc – вектор, элементы которого являются простыми
гипотезами.
5

Определение значения составной гипотезы
Sk – значение составной гипотезы;
Gj – принадлежность простой j-ой гипотезы к сложной;
PHck – значение покрытия данных гипотезой Hck;
Qij – значения матрицы инцидентности, связывающей гипотезы и элементы данных.
6

Пример определения рациональной гипотезы
Пример покрытия 3-х элементов данных 3-мя гипотезами
Hc6=(h2, h3) 7

Функции, реализуемые программным комплексом
Разработанный программный комплекс позволяет:
принимать решения при диагностике технических систем;
выполнять подготовку специалистов на предприятиях;
выступать в роли тренажера и/или системы тестирования уровня подготовки специалистов на предприятии.
На основе генерации множества протоколов изучаются возможные осложнения в процессе работы той или иной технической системы, выявление и классификация неполадок и т.п.
8

Заключение
1. В процессе выполнения диссертационного исследования проведён анализ задачи диагностики технических систем, используемых в машиностроении. Показано, что для создания системы диагностики возможно использование теории автоматизированного обучения систем. Обзор существующих стратегий позволил выделить две методики, способные решать задачи выявления причинно-следственных связей и диагностики технических систем при неполной входной информации. Это формальный концептуальный анализ и абдуктивный вывод. При решении конкретных практических задач диагностики технических систем выявлены значительные недостатки алгоритма формального концептуального анализа, в связи с чем, дальнейшее его рассмотрение перестало быть актуальным.
2. На основе исследований теоретической базы абдуктивного вывода в работе доказана возможность использования данного алгоритма для решения поставленной в диссертации задачи выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении
3. Для решения задачи абдукции предложено использовать нейронную структуру. Представление в работе практических примеров позволило убедиться в возможности использования нейросети в процессе принятия решений. Доказано, что использование нейронных сетей является рациональным при решении задач выявления причинно-следственных связей и диагностики с точки зрения скорости работы и способности к самообучению (это позволяет свести к минимуму субъективность при принятии решений).
4. Выделен класс задач, при решении которых актуальным является определение рационального решения. Формализация задачи нахождения рационального решения абдуктивного вывода определена свойством минимальности входящих в решение компонент. На основе данной теории разработана методика нахождения рационального решения задачи абдукции, т.е. выявления причинно-следственных связей и диагностики технических систем, использующая алгоритм нейронной сети Хопфилда. В работе также представлена апробация данной методики.
5. Создана программная реализация решения задачи выявления причинно-следственных связей и диагностики технических систем, используемых в машиностроении. В ее основу легли алгоритмы абдуктивного вывода и нейронной сети Хопфилда. Данный программный комплекс позволяет автоматизировать процесс диагностики технических систем, используемых в машиностроении, подготовки специалистов на предприятиях, а так же вести оперативное консультирование по вопросам принятия обоснованного решения в условиях реального времени.
9