Доровський Дмитро Володимирович. Система підтримки прийняття рішень функціональної діагностики промислового обладнання

brief description

Доровський Дмитро Володимирович. Система підтримки прийняття рішень функціональної діагностики промислового обладнання : Дис... канд. наук: 05.13.06 2007

Доровський Д. В. Система підтримки прийняття рішень функціональної діагностики промислового обладнання. Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 Автоматизовані системи управління та прогресивні інформаційні технології. Херсонський національний технічний університет, Херсон, 2007.
У роботі наведені нові наукові результати, які відповідно до мети досліджень у цілому розв’язують актуальне завдання розробки методів побудови інформаційної систем підтримки прийняття рішень функціональної діагностики промислового обладнання. Реалізуючи проблеми діагностування, отримано рівняння гібридної моделі ІСППРД для практичного застосування, засноване на первинній обробці результатів виміру діагностики гірничо-металургійного обладнання.
Запропонований новий підхід до проектування й створення ІСППР у нечітких умовах, заснований на системній інтеграції технологій штучного інтелекту з точними методами й моделями пошуку рішень, а також методами імітаційного моделювання. На основі запропонованих методів і моделей розроблена інформаційна технологія, що також містить у собі методи відбору інформативних ознак прийняття рішень. Проектування системи виконане уніфікованою мовою моделювання UML за допомогою CASE-Засобів.

У дисертаційній роботі наведені нові наукові результати, які відповідно до мети досліджень у цілому є розв’язанням актуального завдання розробки методів побудови інформаційної систем підтримки прийняття рішень функціональної діагностики промислового обладнання. Використання розроблених у роботі моделей і методів процесів прийняття рішень дозволяють значно підвищити ефективність таких процесів та ефективність методів оцінки отриманих ними результатів за умови моделювання процесів системної взаємодії ОПР і моделі, які імітують передбачені виробничі ситуації й ситуації, що характеризуються умовами невизначеності й ризику. Таким чином, наукові розробки дисертаційної роботи в першу чергу спрямовані на підвищення надійності, живучості й вірогідності ІСППРД та організаційно-технологічних процесів у них за рахунок підвищення якості прийнятих рішень. У результаті вирішення вище викладеного завдання в дисертаційній роботі отримані наступні результати.

Розвинуто існуючий підхід до побудови нечітких нейронних систем, заснованих на інтеграції технологій штучного інтелекту: нейронних мереж, теорії нечітких множин і логіки, що дозволяє використовувати для оптимального підбора значень параметрів системи відомі процедури й методи оптимізації.
Представлено підхід до розробки гібридних інтелектуальних систем, який відрізняються методом логічного виводу, способами введення нечіткості й визначення функцій приналежності. Розроблені згідно із запропонованим підходом гібридні інтелектуальні системи відрізняються такими важливими інтелектуальними властивостями: здатністю використовувати знання природною мовою, а також здатністю навчатися й адаптуватися до умов, що змінюються.
Обрано й обґрунтовані критерії оптимізації, керованих змінних і їхнього обмеження, створені математичні моделі оптимізації, визначені необхідні й достатні умови існування оптимальних рішень.
Визначено оптимальні значення середніх витрат. Знайдено умову максимуму середніх витрат і визначені загальні закономірності в поводженні середніх витрат. Побудована двопараметрична модель постійних і змінної витрат, отримані оптимальні рішення. Зроблено оцінку погрішності отриманих оптимальних рішень. Виконано параметричний аналіз впливу погрішності вихідних даних на оптимальні рішення.
Отримано рівняння оптимізації й визначені необхідні умови існування оптимального рішення, розроблені двох і три параметричні моделі залежності обсягу тестування від вартості тесту, запропонований критерій оптимальності й оптимальні рішення. Розроблено алгоритм нормованого критерію оптимальності, показана ефективність параметричного аналізу оптимальних рішень за допомогою нормованих значень прибутку, нормованих безрозмірних коефіцієнтів і нормованих значень ціни. Визначено безрозмірні нормовані координати екстремумів і границі інтервалу існування прибутку.
Розроблено основні діаграми об’єктно-орієнтованого проекту ІСППРД (діаграма класів, діаграма послідовності й т. д.), які дозволили надалі розробити інформаційну систему об'єктно-орієнтованою мовою програмування.
Внесено зміни в алгоритм навчання, які полягають у можливості одержання на виході системи нечітких знань і вибору необхідних складених елементів розроблювальної ІСППРД. Це дозволило прискорити процес навчання гібридних інтелектуальних систем, які відрізняються можливістю гнучкого вибору параметрів структури ІСППРД.
Представлено підхід до розробки гібридних інтелектуальних систем, що відрізняються методом логічного виводу, способами введення нечіткості й визначення функцій приналежності. Розроблені згідно із запропонованим підходом гібридні інтелектуальні системи відрізняються такими важливими інтелектуальними властивостями: здатністю використовувати знання природною мовою, а також здатністю навчатися й адаптуватися до змінних умов.
Розроблено методику розрахунків параметрів нечітко-нейронної системи в процесі навчання з використанням алгоритму зворотного поширення помилок.

Таким чином, отримані в даній роботі нові наукові результати, що включають у себе аналітичні дослідження шляхів формування баз знань функціональної діагностики, а також алгоритми, математичні моделі, методики, окремі формули й співвідношення збагачують наукові основи побудови автоматизованих систем управління, ставлять на більш високий щабель завдання формування баз професійних знань автоматизованих систем управління. Коректність отриманих результатів і їхню математичну строгість забезпечують сформульовані в роботі твердження. Адекватність отриманих у роботі математичних моделей і їхня ефективність підтверджена результатами експериментальних досліджень практичного використання й впровадження в практику функціонування реальних автоматизованих систем управління.