Глава 5. Введение в генетическое программирование
Задача контроля правильности функционирования технического объекта (агрегата, теплоэнергоустановки) решается как задача оценивания, применительно к нечеткой системе управления, следующим образом.
Шаг 1. Формализация априорной информации включает определение множества технических состояний объекта с использованием всех накопленных знаний об объекте.
При этом возможны различные варианты учета степени уверенности, а также здравый смысл лица, принимающего решение [33, 45, 46]: определение технического состояния объекта контроля, составление прогноза на его последующую эксплуатацию.
Для решения поставленной задачи предлагается использовать методы теории возможностей [22]. Согласно теории возможностей, вся накопленная априорная информация, а также интуиция и опыт экспертов (т.е. эвристика) формализуются в виде нечеткого множества с соответствующими функциями принадлежности.
Шаг 2. Выбирается математическая модель, описываемая нечетким уравнением в отношениях при ограничениях, удовлетворяющих условию корректной идентифицируемости. Для этого матрица нечетких отношений R должна быть неособенной (т.е., ее ).
Под корректностью понимается также условие единственности описания модели в рамках заданной структуры и его устойчивость по отношению к исходным данным.
Результаты расчетов и проведенные эксперименты [46] подтверждают проводимые рассуждения. В результате, этому требованию удовлетворяют управляющие правила, отражающие весь диапазон изменения параметров входа и выхода, и представляются в виде продукционных правил:
«ЕСЛИ u есть umin ТО v есть vmax ИЛИ ЕСЛИ u есть umax ТО v есть vmin». (4.26)
Данное условие налагает определенные требования на организацию процедуры измерения параметров системы и выполняемые эксперименты. Измерения следует проводить в области определения крайних термов лингвистических переменных, как можно ближе к краям диапазонов характеристики регулирования энергетического агрегата (рис.3.10). Проведенные эксперименты позволили выполнить анализ идентифицируемости отдельных структур турбоустановки ТЭС.
Контрольные вопросы и задания для самостоятельной работы по главе 4
4.1. Прямой логический вывод?
4.2. Алгоритм обратного логического вывода?
4.3. Логическое программирование?
4.4. Функции полезности?
4.5. Сети принятия решений?
4.6. Формирование деревьев решений на основе обучения?
4.7. Принципы функционирования алгоритмов обучения?
4.8. Применение знаний в обучении?
4.9. Нейронные сети.
- Предисловие
- Список использованных сокращений
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Часть 2.
- Глава 2. Методы представления знаний с использованием
- Часть 3.
- Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- Часть 4.
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- Часть 5.
- Список использованных сокращений и обозначений
- Введение:
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Формализация объекта и парадигмы
- 1.3. Множества и перечень базовых операций над множествами
- Перечень базовых операций над множествами
- Области определения функций
- Обратная функция
- Теорема
- Мера и нечеткая мера
- Задача построения нечетких мер
- Нечеткие множества: определение и формы записи в операциях и
- 1.7.Функции доверия и правило Демпстера а.Р.,[23]
- 1.8. Нормировка функций в теории нечётких множеств
- 1.9. Нечёткие отношения: прямая и обратная задачи
- Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- 2.1.Нечеткие вычислительные технологии
- 2.2.Семантика объекта: определение и типизация
- 2.3.Создание Базы знаний: постановка, семантика, прагматика
- 2.4. Сопоставление объектов: постановка, семантика, прагматика
- 2.5.Распознавание объектов: постановка, семантика, прагматика
- 2.6. Управление процессом представления знаний
- Нечёткие множества: субъективность и неточность
- 2.8.Нечеткая алгебра
- 2.9.Нечеткие иерархические отношения
- 2.10.Естественность операций max и min
- 2.11.Нечеткая статистика
- 2.12. Совместимость и нечеткое ожидание
- Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- 3.2. Обработка нечетких данных как неопределенных чисел
- Методология представления агрегата в виде комплексного механизма
- 3.2.2. Описание исходной информации на языке размытых множеств
- Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- 3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- Анализ информации для диагностики и оценивания состояния механизмов
- 3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- Влияние погрешностей исходных данных на погрешности диагноза
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- Тогда множество диагностических признаков g также будет нечетким
- 4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- 4.3.1.Формализация решения задачи оценивания состояния
- 4.3.2. Особенности решения задач контроля и функционирования агрегата
- Глава 5. Введение в генетическое программирование
- 5.1. Введение в генетические и эволюционные алгоритмы
- 5.2. Сравнительный анализ эволюционных алгоритмов
- 5.3. Генетическое программирование
- 5.4. Перспективные направления развития гп
- Глава 6. Введение в нейронные сети
- 6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- 6.2. Имитация нервных клеток
- 6.3. Математическая модель нейрона
- 6.4. Обучение нейронных сетей
- 6.5. Метод обратного распространения ошибки
- 6.6. Алгоритм настройки нейронной сети
- Глава 7. Другие методы нечетких технологий для построения
- 7.1. Введение в теорию возможностей и смысла
- 7.1.1. Неопределенность и неточность
- 7.1.2. Традиционные модели неточности и неопределенности
- 7.1.3. Меры неопределенности
- 7.1.4. Меры возможности и необходимости
- 7.1.5. Возможность и вероятность
- 7.2. Языки и технологии логического программирования prolog, lisp
- Глава 8. Послесловие
- 8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- 8.2.Экспертные системы нового уровня
- 8.3. Роботика
- 8.4. Преобразование речи искусственного языка
- 8.5. Интеллект муравьёв и его использование
- 8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- 8.7. Боты
- Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- Заключение
- Заключение
- Литература