Разработка и исследование подсистемы поддержки принятия решений для сложного технического объекта (на примере главного судового двигателя) ПОЛКОВНИКОВА НАТАЛЬЯ АНАТОЛЬЕВНА

Введение к работе

Актуальность темы. В связи с постоянным увеличением в ходе комплексной автоматизации объёма контролируемых параметров, применения систем централизованного контроля и управления (СЦК), ужесточением требований по обеспечению надёжной и эффективной работы сложных технических объектов, оператор испытывает всё большие трудности при анализе поступающей информации.

Поэтому инновационным направлением повышения надёжности и эффективности технической эксплуатации таких объектов является разработка и внедрение интеллектуальных подсистем поддержки принятия решений (ПППР) на основе гибридных экспертных систем (ЭС), которые позволяют использовать результаты мониторинга и автоматизировать процедуры решения эксплуатационных задач для информационной поддержки оператора (ЛПР - лица, принимающего решение) в принятии решений. Концепция комплексного использования объекта управления с СЦК и ПППР позволяет повысить эффективность результатов мониторинга и искусственную компетентность для решения эксплуатационных задач.

В связи с этим диссертационная работа посвящена актуальной и важной научно-технической проблеме: разработке и исследованию ПППР на основе гибридной ЭС с реализацией новых моделей, методов и алгоритмов решения задач системного анализа, обработки информации, оптимизации, принятия решений и управления. Для формализации процедур эволюции данных в базе знаний (БЗ) разработана методика использования стохастических моделей различных типов и уровней: эталонных и текущих (адаптивных), локальных и интегральных, для получения которых требуется база данных (БД) измеряемых параметров, программное обеспечение (ПО) и БД моделей. Использование аппарата нечёткой логики при разработке БЗ и механизмов вывода гибридной ЭС позволяет формализовать процедуру оценки технического состояния объекта на базе фрагментарной, ненадёжной и возможно неточной информации, учитывать нелинейности и неопределённый характер протекающих процессов и обоснованно принимать решения по идентификации неисправностей. Внедрение нейросетевых технологий в ЭС при решении задач диагностики позволяет прогнозировать возможность наступления неисправности, как отдельных элементов, так и объекта в целом.

Для решения комплекса задач технической эксплуатации сложного объекта управления предложены и научно обоснованы модели, алгоритмы и программные средства, позволяющие на качественно новом уровне использовать оптимизационные методы и резервы фактического технического состояния для предотвращения отказов и увеличения межремонтного периода. В диссертационной работе системный подход по разработке и исследованию новых моделей, методов и алгоритмов для ПППР показан на примере такого сложного технического объекта, как главный судовой дизельный двигатель (ГД). Реализация многокритериальной оптимизации с помощью модифицированного эволюционного алгоритма (ЭА) позволяет обеспечить выбор режима в зависимости от фактического технического состояния ГД и условий эксплуатации.

Цель и основные задачи диссертационной работы. Целью исследования является повышение эффективности принятия решений при эксплуатации сложного технического объекта управления (эффективность оценивается средним временем принятия решения).

Для достижения указанной цели поставлены и решены следующие задачи:

разработка и исследование автоматизированных методов поиска неисправностей из заданного их множества в объектах диагностирования с разработкой алгоритмического и программного обеспечения на основе стохастических моделей;

разработка и исследование гибридной ЭС на основе нечёткой логики, ней-росетевых технологий и ГА с использованием средств и методов диагностирования для информационной поддержки оператора в задачах технической эксплуатации сложных объектов;

разработка БЗ для ЭС с расчётом эталонных и текущих стохастических моделей по контролируемым параметрам, алгоритмов для автоматизированной интеллектуальной обработки информации;

на основе нечёткой логики формализованы правила для определения технического состояния и идентификации неисправностей в условиях неопределенности и неполноты информации об объекте;

- исследование архитектуры адаптивной нейро-нечёткой нейронной сети
(НС) для идентификации неисправностей и прогнозирования постепенных отказов.

разработка модели и алгоритма многокритериальной оптимизации на основе ЭА за счёт модификации генетических операторов и кодировки хромосом для минимизации двух целевых функций;

экспериментальная оценка эффективности разработанных интеллектуальных алгоритмов и их программная реализация в гибридной ЭС для информационной поддержки оператора при решении следующих задач технической эксплуатации ГД: оценка текущего состояния и идентификация неисправностей по контролируемым параметрам, определение оптимального режима с учётом условий эксплуатации, предотвращение внезапных и прогнозирование постепенных отказов.

Объект исследования. Объектом исследования является гибридная ЭС на основе нечёткой логики, нейросетевых технологий и генетических алгоритмов.

Предмет исследования. Предметом исследования являются модели, методы и алгоритмы интеллектуального анализа данных (ИАД), адаптивная нейро-нечёткая сеть, ГА и ЭА для сбора и обработки информации, многокритериальной оптимизации с целью повышения эффективности принятия решений при эксплуатации объекта управления.

Методы исследования. При проведении исследований использовался системный подход, теория принятия решений, теория систем и системный анализ, теория нечётких множеств, технологии искусственного интеллекта и НС, эволюционного и стохастического моделирования. В работе применены численные методы обработки эксперимента и параметрической оценки процессов технической эксплуатации сложных объектов управления; способы построения алгоритмов и программ, организации и проведения вычислительного эксперимента, методы многокритериальной оптимизации. Разработанные теоретические положения и методы реализованы в рамках эксперимента на базе созданного программного комплекса. Математическое моделирование осуществлялось с использованием пакетов прикладных программ MATLAB и Statgraphics. Разработанные автором программные продукты реализованы в среде Embarcadero RAD Studio 2010. Проектирование ЭС осуществлялось с помощью инструмента визуального моделирования для разработки приложений IBM Rational Rose Enterprise. Формирование БД осуществлялось с помощью MS SQL Server и MS Analysis Services.

Достоверность научных результатов обеспечивается:

- использованием системного подхода при исследовании и решении задач, а
также при анализе полученных результатов;

- корректным использованием методов математического моделирования,
проверки адекватности полученных моделей, применением множественного рег
рессионного анализа;

проведением экспериментальных исследований с использованием для регистрации и контроля параметров современных методов и средств измерения, отвечающих всем метрологическим требованиям;

сходимостью реализованных моделей и алгоритмов с данными, полученными по результатам натурных испытаний в допустимых пределах.

Основные результаты, выносимые на защиту:

1. Гибридная ЭС на основе нечёткой логики, нейросетевых технологий и ГА с
использованием средств и методов технического диагностирования, математиче
ских моделей для информационной поддержки оператора в следующих основных
задачах технической эксплуатации сложных объектов: оценка технического со
стояния и идентификация неисправностей; определение оптимального режима с
учётом конкретных условий эксплуатации.

1. База знаний для ЭС с расчётом эталонных и текущих стохастических моделей по контролируемым параметрам и интеллектуальной обработки данных на основе нечёткой логики и адаптивной нейро-нечёткой сети.

2. Генетический алгоритм нечёткой кластеризации, позволяющий сократить объём анализируемой информации, область поиска и время для идентификации неисправности, а также учитывать динамику изменения параметров сложных технических объектов во времени.

3. Модель и алгоритм многокритериальной оптимизации параметров топливоподачи ГД на основе ЭА за счёт модификации генетических операторов и кодировки хромосом с целью минимизации двух целевых функций: содержания оксидов азота в выпускных газах и удельного эффективного расхода топлива.

4. Трёхуровневая архитектура гибридной ЭС, части которой: клиент - терминал оператора с интерактивным интерфейсом; сервер приложений, на котором выполняется ЭС со средствами ИАД; сервер данных с БД.

5. Результаты экспериментально-теоретических исследований гибридной ЭС «Дизель-эксперт» для ГД 6S50MC-C танкера «NS Silver».

Научная новизна диссертационной работы:

разработана БЗ с расчётом эталонных и текущих стохастических моделей по контролируемым параметрам, алгоритмы для автоматизированной интеллектуальной обработки информации, на основе нечёткой логики формализованы процедуры для определения технического состояния объекта управления (пункт 13 паспорта специальности 05.13.01);

разработан алгоритм обучения пятислойной гибридной адаптивной нейро-нечёткой сети ANFIS (Adaptive network-based fuzzy inference system) на основе генетического поиска для идентификации неисправностей ГД, входами (термами) которой являются нечёткие лингвистические переменные с трапецеидальной функцией принадлежности, соответствующие значениям диагностических параметров. Настройка и обучение построенной НС выполнена по результатам нечёткого вывода, полученного с помощью разработанной нечёткой модели, при этом ошибка обуче-

ния составляет 2,3 X 10 ⁶ (пункт 4 паспорта специальности 05.13.01);

разработан ГА нечёткой кластеризации, который позволяет учесть особенности пространства поиска за счёт настройки параметров и определить более точное положение центров кластеров и, следовательно, улучшить результаты работы алгоритма нечёткой кластеризации (пункты 2 паспорта специальности 05.13.01);

разработаны модель и алгоритм многокритериальной оптимизации на основе ЭА за счёт модификации генетических операторов и кодировки хромосом для минимизации двух целевых функций: удельного эффективного расхода топлива и содержания оксидов азота в выпускных газах ГД. Длина хромосомы разработанного ЭА составляет 20 бит и представляет совокупность кодированных значений четырёх параметров топливоподачи. Разработанный модифицированный ЭА находит Парето-оптимальный фронт в 27-ом поколении, сгенерировав за всю работу 1350 решений (пункт 4 паспорта специальности 05.13.01);

разработана гибридная ЭС на основе нечёткой логики, нейросетевых технологий и ГА для информационной поддержки оператора в следующих задачах технической эксплуатации сложного объекта управления (на примере ГД): оценка технического состояния и идентификация неисправностей, определение оптимального режима с учётом конкретных условий эксплуатации (пункты 10, 12 паспорта специальности 05.13.01).

Практическая ценность заключается в повышении эффективности поддержки ЛПР в принятии решений и эксплуатационной надёжности ГД при использовании разработанных моделей и алгоритмов для гибридной ЭС «Дизель-эксперт» (свидетельство № 2012615935 от 28.06.2012) для поддержки оператора при принятии решений. Разработанная ЭС обеспечивает в интерактивном режиме информационную поддержку оператора при оценке технического состояния и идентификации неисправностей отдельных цилиндров, определении оптимального режима с учётом конкретных условий эксплуатации. Разработаны дополнительные программные модули для ЭС с расчётами стохастических моделей (свидетельство № 2014619228 от 11.09.2014) и построению графических зависимостей (свидетельство № 2015614117 от 07.04.2015). На конкретных примерах показано использование гибридной ЭС «Дизель-эксперт» в условиях эксплуатации ГД при идентификации следующих неисправностей: износ компрессионных колец, потеря плотности выпускного клапана, износ отверстий распылителя.

Реализация результатов работы. Реализация научных результатов и выводов подтверждается актами внедрения и практического использования в судоходных компаниях ООО «СКФ Новошип» (Новороссийское морское пароходство) и «СКФ Юником». Результаты работы внедрены в грантах: РФФИ (проект №12-07-00062) и Российского научного фонда (проект №14-11-00242), выполняемых на кафедре «Дискретной математики и методов оптимизации» Института компьютерных технологий и информационной безопасности Южного Федерального Университета (ИКТИБ ЮФУ). Основные результаты диссертационной работы используются в учебном процессе на кафедрах «Дискретной математики и методов оптимизации» и «Систем автоматизированного проектирования» ИКТИБ ЮФУ.

Апробация работы и публикации. Основные теоретические и практические результаты работы представлены на VII Международном симпозиуме «Фундаментальные и прикладные проблемы науки» (г. Миасс, 2012 г.), II Всероссийском кон-

грессе молодых учёных, (г. СПб, 2013 г.), XVI Международной конференции по мягким вычислениям и измерениям SCM-2013 (г. СПб, 2013 г.), XI Всероссийской научной конференции молодых ученых аспирантов и студентов «Информационные технологии, системный анализ и управление» (г. Таганрог, 2013), 11-ой региональной науч.-техн. конференции «Проблемы эксплуатации водного транспорта и подготовки кадров на Юге России» (г. Новороссийск, 2013 г.), конференции «Современные информационные технологии: тенденции и перспективы развития» СИТО-

2014. (г. Ростов-на-Дону, 2014 г.), конгрессе по интеллектуальным системам и информационным технологиям «IS&IT14» (г. Геленджик, 2014), научно-практической конференции «Новое поколение в науке 2014» университета ГМУ им. адмирала Ф. Ф. Ушакова, (г. Новороссийск, 2014 г.), 14-ой национальной конференции по искусственному интеллекту с международным участием КИИ-2014 (г. Казань, 2014 г.), международной научно-практической конференции «Математическое и компьютерное моделирование» (г. Новороссийск, 2014 г.), 11th Joint Conference, Knowledge-Based Software Engineering, JCKBSE-2014 (г. Волгоград, 2014 г.), 12th IEEE East-West design & test symposium, EWDTS-2014 (Украина, г. Киев, 2014 г.), International conference Innovative Technologies And Didactics In Teaching, ITDT, (Madrid, Spain, 2015), Creativity in intelligent technologies & data science, CIT&DS-

2015. (г. Волгоград, 2015 г.)

Публикации. Результаты диссертации отражены в 26 печатных работах, в числе которых 5 - в изданиях, рекомендованных ВАК РФ, 4 - в изданиях, индексируемых Web of Science, Scopus, Springer, IEEE Computer Society и в 3 свидетельствах об официальной регистрации программ для ЭВМ.

Структура и объём диссертационной работы. Диссертационная работа состоит из введения, четырёх глав, заключения, списка литературы и приложения. Работа содержит 167 стр., включая 62 рис., 13 табл., список литературы из 132 наименований и 18 стр. приложения.