4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
Рассмотрим метод контроля правильности функционирования турбоустановки при представлении ее в виде механизма с нечеткими состояниями.
В качестве диагностических признаков будем использовать управляющие правила функционирования механизма, а также эвристические знания и опыт экспертов.
Общую постановку задачи оценивания технического состояния турбоустановки и принятия решений будем представлять нечеткими уравнениями в отношениях. Для этого должны быть формализованы в терминах нечетких множеств также априорные и апостериорные данные.
Итак, будем считать заданными следующие исходные данные. Пусть в результате предварительного анализа известно множество классов технического состояния объекта контроля
,, (4.10)
представляемого в виде нечеткого множества с соответствующими функциями принадлежности
. (4.11)
Используя основные понятия теории систем [45], представим объект контроля в виде декартова произведения пространств входа и выхода
, (4.12)
где U – множество входных значений в объект {u};
V – множество выходных значений из объекта {v};
u, v – параметры состояния объекта.
Ввиду неопределенности знаний об объекте используется нечеткая модель его описания с заданной структурой, вида (3.17).
Для доопределения структуры нечеткой модели задаем операторы формирования нечетких множеств
(4.13)
где пространства U, V рассматриваются как исходные данные для формирования терм-множеств лингвистических переменных , и процедуры вычисления соответствующих функций принадлежности ,.
Тогда уравнение управляющего правила вида «А:ЕСЛИ…, ТО…,» на языке функций принадлежности будет иметь вид
. (4.14)
Информацию о состоянии объекта контроля будем получать с помощью информационно-измерительной системы в составе диагностического комплекса SKAIS, представленной в виде операторов измерений
(4.15)
и операторов первичной
(4.16)
и вторичной схемы
(4.17)
обработки измерений [29, 30]. Здесь u, v– параметры состояния; – оценки параметров состояния;– измеряемые параметры;t – текущее время; – оценки нечетких множеств;– матрица нечетких отношений, идентифицированная по результатам измерений.
Техническое состояние объекта контроля оценивается по реализациям определенных признаков состояния – диагностических признаков .
При этом множество таких диагностических признаков должно обеспечивать наблюдаемость заданных технических состояний при представлении объекта контроля математической моделью выбранного вида.
Так как вид диагностических признаков определяется параметрами модели, то при аппроксимации неопределенности функционирования объекта контроля нечетким уравнением в отношениях вида (3.17) в качестве диагностических признаков принимаем множество управляющих правил
, j=1, …,n, (4.18)
представленных в форме эталонных матриц нечетких отношений
, i=1, …,m, (4.19)
и являющихся собственно параметрами модели (в общем случае, ввиду того, что отображение не является взаимно однозначным,).
Множества классов технических состояний F и диагностических признаков G находятся между собой в определенном отношении
(4.20)
т.е. каждое техническое состояние рассматриваемого объекта (турбоустановки) отображается в соответствующие реализации диагностических признаков. Такое отношение далее формализуется в виде соответствующей матрицы отношений.
Принимаем полученное отношение нечетким и представляем его матрицей нечетких отношений H с элементами, идентифицируемыми по знаниям экспертов.
- 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