Юрков Н.К. Интеллектуальные компьютерные обучающие системы

Подождите немного. Документ загружается.

131

бот по проектированию ТП как процесса целенаправленного по-

полнения и изменения базы знаний ИКОС.

В настоящее время не существует окончательно сформиро-

вавшегося общепринятого определения базы знаний. Здесь мы бу-

дем придерживаться определения базы знаний (БЗ) ИКОС как ор-

ганизованной совокупности сведений о предметной области и ме-

тодах организации автоматизированного проектирования ТП. На-

капливаемые в базе знания делятся на три категории:

– предметное (или фактуальное) знание – наборы количест-

венных и качественных характеристик конкретных объектов.

Часть БЗ, где собраны знания такого рода, называется базой дан-

ных (БД);

– процедурное (алгоритмическое) знание – методы, спосо-

бы, алгоритмы и программы выполнения различных действий,

приводящих к требуемому результату;

– понятийное (концептуальное) знание – совокупность тер-

минов, которые используются в некоторой сфере деятельности и

отражают кроющиеся за ними понятия, свойства и взаимосвязи

понятий. Эта часть БЗ обычно называется моделью предметной

области.

Принципиальным отличием технологии поддержки принятия

решений от технологий управления является подготовка информа-

ции (моделей), на основе которой впоследствии будет приниматься

решение.

На рис. 22 приведена технологическая схема поддержки при-

нятия решений, основанная на применении аналитической инфор-

мационной системы.

Аналитическая информационная система (АнИС) представ-

ляет собой объединение контролирующего органа и системы

анализа.

Это объединение не механическое, а технологическое, т.е.

обусловлено целями и технологиями обработки информации.

АнИС исследует внешнюю среду и выделяет два класса фак-

торов: независимые факторы (НФ), на которые невозможно воз-

действовать в рамках системы управления; изменяемые факторы

(ИФ), которые можно изменить, применяя управляющие решения.

АнИС должна содержать базу данных, включающую в себя

набор типовых методов принятия решений для так называемых

регламентных (известных) ситуаций.

132

Рис. 22. Технологическая схема поддержки принятия решения

По мере анализа новых ситуаций и получения для них эф-

фективных решений они переводятся в класс регламентных. Нали-

чие независимых факторов, а также неопределенности в состоянии

среды исключает возможность однозначного принятия решения.

Уменьшение неопределенности осуществляют разными спо-

собами, например, дифференциацией состояний внешней среды и

объекта управления. При этом неопределенность уменьшается или

исключается путем ввода набора параметров, характеризующих

набор состояний, и определения этих параметров на интервальных

(от и до) или точечных (ровно) значениях. Набор возможных со-

стояний среды и объекта определяет набор альтернатив [123].

Другим способом является моделирование и получение на-

боров условных состояний внешней среды. Среди этих возможных

состояний выделяют существенные (значимые) и несущественные.

Для каждого из значимых состояний среды разрабатывают набор

проектов решений.

133

Таким образом, поддержка принятия решений может быть

определена как совокупность технологий:

– сбора, обобщения, анализа информации;

– выявления изменяемых и неизменяемых факторов внеш-

ней среды;

– оценки неопределенности ситуации внешней среды;

– уменьшения неопределенности путем моделирования со-

стояний внешней среды;

– использования базы типовых решений для регламентных

ситуаций;

– разработки набора альтернатив решений;

– разработки прогнозных оценок.

Наиболее важными среди них являются уменьшение неопре-

деленности путем моделирования (создания набора) ситуаций и

разработка прогнозных оценок.

Дополнительные возможности анализа ситуаций предостав-

ляют геоинформационные системы (ГИС).

В отличие от набора альтернатив A

, A

, ... (см. рис. 22),

которые можно получить в существующих АнИС, ГИС дополни-

тельно обеспечивает набор визуальных средств поддержки приня-

тия решений В

, В

. К числу таких средств относятся тематиче-

ские карты и планы, содержащие не только изобразительные ха-

рактеристики, но и метрические. Метрические характеристики

служат основой для точных расчетов и соответственно для эконо-

мических оценок того или иного решения.

После разработки набора альтернатив может возникнуть за-

дача уточнения или определения параметров состояний среды (оп-

ределяется на основе сопоставительного анализа альтернатив).

В этом случае проводят дополнительные работы для получения

достоверной информации, т.е. переход от смоделированной ситуа-

ции к реальной. Данная задача, в свою очередь, связана с опреде-

лением стоимости достоверной информации, которая может быть

получена в результате исследований.

ГИС представляет собой инструментальную систему, обес-

печивающую общие методы анализа и интерпретации данных. При

переходе к задачам управления ГИС представляет собой лишь яд-

ро информационной системы, которое требует создания дополни-

тельной интеллектуальной оболочки.

134

Из сказанного следует, что ГИС может быть системой под-

держки принятия решений, но для повышения эффективности

управления на основе ГИС ее интерфейс должен быть дополнен

средствами анализа, применяемыми, например, в аналитических и

других подобных системах.

Таким образом, с точки зрения поддержки принятия решений

управление можно рассматривать как методы и технологии, широ-

ко использующие информатику и индуцирующие новые понятия,

задачи и проблемы.

Управление с помощью различных систем обратной связи и

наборов моделей направлено на достижение необходимых свойств

или поведения (реакции) от объектов окружающего мира.

В узком смысле, управление можно рассматривать как по-

строение и использование динамических моделей. В широком

смысле, управление – это наука, достигшая высокой степени инте-

грации с другими науками, имеющая многообразные реализации и

приложения.

Оптимальная стратегия управления определяется показате-

лем качества управления. Значение показателя качества зависит не

только от стратегии управления, но и от структуры объекта и дей-

ствующих на него возмущений. В силу этого значение критерия

качества, которое необходимо оптимизировать, определяется ма-

тематической моделью (математическим описанием) параметров

объекта и внешнего воздействия.

Как было показано выше, построение концептуальной моде-

ли (КМ) является непреложным аспектом моделирования. Модели

традиционно строятся на основе диалога человек–машина, кото-

рый организуется с помощью развитого интерфейса с информаци-

онной моделью системы [124]. На рис. 23 представлена схема

взаимодействия информационной и концептуальной моделей при

принятии решения, состоящая из двух контуров обратной связи

(ОС). По контуру I ОС поступает информация о состоянии управ-

ляемого объекта в данный момент времени; пройдя обработку на

ЭВМ, она визуально отображается на информационной модели.

Информационная модель выступает как важнейшее связую-

щее звено между человеком и техникой. Как упорядоченное внеш-

нее возмущение она стимулирует эффективное функционирование

концептуальной модели человека-оператора и способствует интен-

сификации информационных процессов в акте принятия решения.

135

Результат

действия

Параметры

результата

Действие

Концептуальная

модель

Программа

действия

РЕШЕНИЕ

Афферентный

синтез

(предрешение)

Помехи

Воздействие среды

Ц Е Л Ь

Целевая

функция

Знания

об

объекте

Прошлый

опыт,

приобретен-

ные навыки

Объект управления

Текущая

информация

об объекте

ЭВМ

Информационная

модель

Управляющая

команда

Стресс

Визуально

Рис. 23. Схема взаимодействия информационной

и концептуальной моделей при принятии решения

Как показали экспериментальные исследования, на каждом

нейроне коры головного мозга одновременно обрабатываются воз-

буждения трех видов: внутренние возбуждения, связанные с фор-

мированием той или иной доминирующей мотивации (цели, целе-

вой функции); внешние возбуждения (текущая информация о со-

стоянии управляемого объекта) и возбуждения памяти (прошлого

опыта). Только одновременная обработка этих возбуждений (аф-

ферентный синтез) и сопоставление всех комбинаций возбуждений

с прошлым опытом дают возможность организму принимать то

или иное решение для получения полезного результата.

В стадии афферентного синтеза («предрешения») решается

главнейший вопрос формирования поведенческого акта: какой по-

лезный результат должен быть получен в данной ситуации и при

данной комбинации указанных возбуждений. Это стадия начала

процесса выработки решения, и здесь может быть несколько (тео-

ретически великое множество) вариантов решения. Мозг осущест-

вляет выбор того основного варианта, который наиболее целесо-

образен с точки зрения цели и может дать полезный эффект в дан-

ной конкретной ситуации. При этом извлекаются (непрерывно

сканируются) результаты всех прошлых действий в аналогичных

136

ситуациях и сопоставляются с потребностью данной ситуации до

тех пор, пока целевая функция (как эталон для сканирования) не

станет вполне соответствовать одному из результатов прошлого.

Прошлый опыт, практика, таким образом, выступают в качестве

критерия истины.

Выбранное таким образом решение как замысел на пред-

стоящее действие далее оценивается с помощью нейрофизиологи-

ческого аппарата, получившего название «акцептор результатов

действия». В этом акцепторе мысленно прогнозируется результат

действия. Этот аппарат, опережающий и предсказывающий свой-

ства будущего результата, в конце каждого элементарного дейст-

вия немедленно сличает его параметры с параметрами прогнози-

рованного результата, и в случае их совпадения эти результаты яв-

ляются «санкцией» при формировании следующего этапа поведе-

ния. Одновременно происходит так называемое обогащение ак-

цептора результатов действия (самообучение интеллекта) на базе

обратных связей.

Информационная модель есть организованная в соответствии

с определенной системой правил и представляемая оператору с по-

мощью средств отображения совокупность информации о состоя-

нии и функционировании объекта воздействия и внешней среды.

Актуальной является проблема использования экспертных

систем для автоматизированного выбора управляющих воздейст-

вий. На рис. 24 дана схема выработки управляющих воздействий, в

которой роль человека при анализе прошлого опыта, формирова-

нии целевой функции, а также знания об объекте переданы экс-

пертной системе.

ЭС содержит и обновляет знания об объекте, цели функцио-

нирования, формирует знания на основе прошлого опыта и приоб-

ретенных навыков управления. Совокупность знаний позволяет

правильно выбрать текущую целевую функцию. Параллельно с

этим геоинформационные системы поставляют данные о геогра-

фическом расположении объектов, их взаимосвязи и влиянии.

Формирование концептуальной модели основано на взаимо-

действии с информационной моделью объекта управления. Выра-

ботка управляющих воздействий осуществляется на более высо-

ком информационном уровне, поскольку по сравнению с системой,

представленной на рис. 23, экспертная система позволяет пользо-

ваться гораздо более широким кругом знаний, опытом большого

числа экспертов.

137

Результат

действия

Параметры

результата

Действие

Текущая

информация

об объекте

Экспертная

система

Целевая

функция

Знания

об

объекте

Прошлый

опыт,

приобретен-

ные навыки

Концептуальная

модель

Программа

действия

РЕШЕНИЕ

Афферентный

синтез

(предрешение)

Помехи

Воздействие среды

Ц Е Л Ь

Объект управления

ГИС

Рис. 24. Экспертная система в системе принятия управляющих решений

Экспертная система обеспечивает вычисление параметров

объекта или процесса как аналитическими, так и логическими

процедурами.

3.3. Адаптивное управление.

Анализ робастности системы управления

Характерной особенностью функционирования ИКОС явля-

ется недетерминированность (неопределенность) и нестационар-

ность (вариативность) производственных условий параметров (ва-

риативность рабочей обстановки, дрейф параметров оборудования,

износ, поломка инструмента и т.п.).

В подобных недетерминированных и нестационарных услови-

ях традиционные средства управления приводят к резкому ухудше-

нию качества выпускаемой продукции или к аварийным ситуациям,

порождающим частичную или полную остановку производства.

Приходится усложнять систему автоматического управления путем

введения в нее специальных средств очувствления и адаптации, а

также элементов искусственного интеллекта (ИИ).

Таким образом, неизбежная на практике вариативность и неоп-

ределенность условий функционирования ИКОС порождают специ-

фические требования к их системе управления, заключающиеся в

138

том, что эти системы должны быть в меньшей мере адаптивными, а

то и интеллектными (обладающими элементами ИИ) [125].

Задача адаптации заключается в синтезе алгоритма адапта-

ции с требуемыми свойствами. Решение этой задачи тесно связано

с контролем качества управления. Введем функцию качества вида

( , ) [ ( ), ( ), ]t u t x t    

, значения



которой могут быть измерены

или вычислены в любой момент времени t. Это требование необ-

ходимо для реализуемости алгоритмов адаптации. Цель адапта-

ции – удобно задавать в форме неравенств, связывающих управле-

ния u, состояния x и оценки



. В качестве таких неравенств можно

взять систему неравенств вида

( , ) 0;t t t   

. (3.13)

Эти неравенства должны конструироваться таким образом,

чтобы их выполнение обеспечивало близость реального состояния

и требуемого.

Решение задачи адаптации сводится к синтезу алгоритмов

решения неравенств (3.13). Смысл этих алгоритмов заключается в

формировании приемлемых оценок



неизвестных параметров



причем если неравенства (3.13) нарушаются при некотором

()t  

, то это свидетельствует о неудовлетворительности оценки

()t

и о необходимости ее корректировки. Если же неравенст-

ва (3.13) выполнены, то это говорит о приемлемости как самих

оценок, так и синтезированного на их основе адаптивного закона

управления [126].

Характерной чертой неравенств (3.13) является то, что в каж-

дый момент времени

известно лишь текущее значение функ-

ции (, t), но не будущие ее значения. Последние зависят от бу-

дущего выбора оценок и управляющих воздействий, поэтому алго-

ритм адаптации должен находить решение заранее не заданных

неравенств (3.13).

Большинство алгоритмов адаптации можно разбить на два

класса:

1) непрерывные алгоритмы, когда оценка

()t

определяется

как решение дифференциального уравнения адаптации;

2) дискретные алгоритмы, когда оценка

( ) ( )

tt  

опреде-

ляется в дискретные моменты времени

, 0,1,...

tk

по рекуррент-

ным формулам.

139

Общая схема непрерывных алгоритмов такова: оценка

()t

определяется как решение дифференциального уравнения адапта-

ции вида

0 0 0

( ) [ ( ), ( )], ( ) ,t A t s t t t t



      

, (3.14)

где

()st

– текущая информация;



– произвольная начальная

оценка из множества



; А – оператор адаптации (он таков, что

оценки

()t

сходятся к идеальному решению



или в некоторую

его окрестность).

Дискретные алгоритмы адаптации описываются следующей

системой соотношений:

( ) ; [ , ];

k k k k k

t t t t t t



     

; (3.15)

[ ( )] , 0,1,...,

k k k

A s t k



    

(3.16)

где



– произвольная начальная оценка;

– первый момент на-

рушения неравенств (3.13) при

tt   

;



– время, необхо-

димое для вычисления новой оценки

1k



в соответствии с алго-

ритмом (3.15) по имеющейся к моменту

информации

()

;

А – оператор адаптации.

Таким образом, решение задачи адаптации сводится к конст-

руированию непрерывных или дискретных алгоритмов адаптации

вида (3.14) или (3.15), которые генерируют траекторию

()t

tt

или последовательность оценок

, 0,1,...,

k

сходящуюся к неко-

торому решению неравенств (3.13).

Важнейшими требованиями, предъявляемыми к алгоритмам

адаптации, являются:

1) конечная сходимость, т.е. конечность общего времени

нарушения неравенств (3.13) на траектории алгоритма адаптации;

2) помехоустойчивость, т.е. устойчивость алгоритма адап-

тации по отношению к вычислительным погрешностям;

3) простота и реализуемость алгоритма адаптации;

4) оптимальность, т.е. выбор оператора адаптации (или его

параметров) из некоторого условия оптимальности.

Цель адаптивного управления зависит от режима эксплуата-

ции ИКОС. Цель управления в режиме стабилизации заключается

в отслеживании траектории движения с заданной точностью



сра-

140

зу или по прошествии некоторого времени переходного процесса

0pp

T t t

, т.е.

( ) ( )

x t x t  

при всех

( , , , )

t t t x  

. (3.17)

Цель терминального управления заключается в переводе

ИКОС из начального состояния

в желаемое конечное состояние

за заданное время

T t t

, т.е.

()

x t x  

. (3.18)

Наконец, цель самонаведения имеет вид (3.18) с той разни-

цей, что траектория и время наведения здесь заранее не фиксиру-

ются.

Для выполнения сформулированных целевых условий необ-

ходимо синтезировать закон управления

( , , )u u t x

с обратной

связью по вектору состояний

и с самонастройкой параметров



Этот закон, естественно, не должен зависеть от неизвестных пара-

метров





и возмущений





. Если синтезированный закон

управления и алгоритм адаптации обеспечивают достижение цели

управления для любых значений





из класса неопределенно-

сти

 

,QQ



, то реализующую их систему управления ИКОС бу-

дем называть адаптивной в классе

 

,QQ



. При синтезе и расчете

адаптивных законов управления его структура и параметры долж-

ны быть выбраны так, чтобы гарантировать выполнение конструк-

тивных ограничений на состояния и управления на всем рассмат-

риваемом интервале траектории.

Таким образом, адаптивное управление позволяет осущест-

вить управление самыми разнообразными процессами в условиях

неполноты априорной и текущей информации относительно ха-

рактеристик объекта и воздействий внешней среды.

Адаптивные системы относятся к числу наиболее сложных в

существующей иерархии систем управления [127]. Их сложность

определяется не только собственными особенностями (топологи-

ческие особенности, структура операторов связей, разнообразие

математического аппарата, особенности технической реализации

и т.п.). Сложность проблем адаптации в системах управления со-

стоит в глубине самой концепции адаптивного поведения, в ее

многоальтернативности, в многообразии характера неопределен-

ности информации об управляемом процессе и внешней среде, в