Литература

1. Ключев В.И. Теория электропривода: Учебник для Вузов. М.: Энергоатомиздат, 1985. 560 с.

2. Луковников В.И. Электропривод колебательного движения. М.: Энергоатомиздат, 1984. 152 с.

Воронежский государственный технический университет

УДК 681.324

А. А. Жданов, в. Л. Бурковский

ПРОДУКЦИОННАЯ МОДЕЛЬ УПРАВЛЕНИЯ

ОБЪЕКТАМИ С ГИБКОЙ СТРУКТУРОЙ

Современные объекты управления (разнообразные по своему составу и природе) представляют собой составные системы с разнородным характером подсистем и элементов. Структура таких систем характеризуется большим разнообразием атрибутов (имеется большое число альтернативных вариантов их построения или протекания) и связей, которые определяются множеством выполняемых функций (процессов). Объекты в таких системах эволюционируют во времени, меняют свою структуру и функции, что приводит к эволюции самого процесса управления.

Систему управления такими объектами можно построить как продукционную, используя подход к моделированию неточности и неопределенности. Главная функция такой системы управления состоит в выработке в соответствии с некоторым набором правил (продукций) управляющих решений. Необходимым условием правильности выработанных управляющих решений, является достоверная оценка состояний, в которых находится объект управления.

Продукционная система управления должна содержать набор некоторых типовых ситуаций и соответствующих этим ситуациям предпочтений решений. Если рассматривать модель продукционной системы управления в виде: <ситуация  предпочтение решений>, то для ее функционирования достаточно описать ситуацию на момент выработки решения – входную ситуацию, а вывод решения будет заключаться в сопоставление входной ситуации и ситуаций, содержащихся в условной части продукций, а также выполнении нечеткого алгоритма, использующего предпочтения решений для выработки стратегии управления.

В свою очередь, ограниченный набор нечетких ситуаций может описывать практически бесконечное число состояний объекта управления. Для того, чтобы задача идентификации ситуации при лингвистическом подходе была разрешима, для описания текущей ситуации необходимо использовать те же признаки, нечеткими значениями которых описываются типовые ситуации управления, и теми же термы, которыми описаны значения признаков в последних. В случае не выполнения этого условия, необходимо проводить коррекцию множества типовых ситуаций, например, путем повторного экспертного опроса.

Особенность рассматриваемой системы управления состоит в том, что управляющие решения не содержатся явно в продукционной системе. Явно система содержит предпочтения решений и возможность проверки стратегии управления на имитационной модели. Такая продукционная система (содержащая продукции вида <ситуация  предпочтение решений>) менее критична к качеству экспертной информации, чем традиционные системы (на основе продукций вида <ситуация  действие>), так как вывод решения в предлагаемой продукционной системе опирается не на прямое изложение экспертом алгоритма принятия решений, а на информацию, обосновывающую этот вывод. Использование информации такого рода облегчает экспертный опрос и повышает устойчивость системы к непредсказуемым изменениям внешних условий. Выработка стратегии управления осуществляется на основе взаимосвязи между управляющими решениями и известной системы предпочтений и получается в результате выполнения нечеткого алгоритма. Стратегия управления проверяется на имитационной модели.

Нечеткий алгоритм управления, в общих чертах, состоит в проверке выполнимости условия функционирования объекта с учетом резервов эталонной модели, либо принятия решения о необходимости их изменения и выдачи соответствующей информации для генерации новой эталонной модели. Резервы эталонной модели возникают из-за ограниченности ресурсов и могут быть использованы для корректировки эталонной модели в соответствии с новой стратегией управления. В том случае, если рекомендованное управление оказывается невозможным в данных условиях за счет резервов эталонной модели, необходима генерация новой эталонной модели.

После того, как будет найдена стратегия управления, проводится имитационный эксперимент с корректировкой эталонной модели и получается новый вариант эталонной модели управления, по которому процесс может протекать до следующего особого момента времени, когда будет необходимо оценить ситуацию управления. То есть рассматриваемая продукционная система управления работает как советующая система.

При этом описание ситуаций управления задается с использованием лингвистических и нечетких переменных, а сведения о предпочтении решений по управлению, полученные на этапе приобретения знаний продукционной системой, представляются в виде нечетких зависимостей. При таком подходе алгоритм поиска стратегии управления может быть только нечетким, и в нем присутствуют инструкции условного ветвящегося типа, которые зависят от нечетких переменных и, поэтому предикаты, их описывающие, могут кроме значений "истинно" и "ложно" принимать другие, промежуточные значения.

Нечеткие задания на каждом шаге управления получаются расчетным путем в виде инструкций, включающих нечеткие операнды или функции, в результате дающие функцию распределения возможностей.

Воронежский институт МВД России

Воронежский государственный технический университет

УДК 621.391.7

М. А. Ильичев, А. А. Жданов

ПОСТРОЕНИЕ АЛГОРИТМОВ ПРИНЯТИЯ РЕШЕНИЙ ПРИ СОЗДАНИИ СИСТЕМ БЕЗОПАСНОСТИ ОБЪЕКТОВ

Основой функционирования автоматизированных систем поддержки принятия решений при создании систем безопасности объектов является анализ исходных данных, поступающих на вход системы и формирование на основе полученных данных с использованием выбранного алгоритма распознавания определенных решений. Под объектом распознавания подразумевается некоторое решение, принятое на основе анализа степени защищенности того или иного объекта от преступных посягательств.

При решении задач распознавания применяются различные алгоритмы, основанные на сравнении меры сходства распознаваемого объекта с каждым классом, использовании логических связей между классами объектов и значениями измеряемых признаков [1]. Выбор конкретного алгоритма определяется особенностями решаемой задачи, типом признаков и характером априорной информации.

Достаточно широко распространенным семейством алгоритмов распознавания являются алгоритмы, основанные на вычислении и последующем сравнении вероятностных характеристик. Наиболее полно суть данных алгоритмов отражает байесова схема принятия решений. Использование статистических алгоритмов распознавания предполагает наличие заданных априорных вероятностей классов и плотностей распределений вероятностей значений признаков.

Вопрос выбора алгоритма распознавания тесно связан с характером используемых признаков распознавания. Специфика принятия решений на основе анализа состояния степени защищенности объектов такова, что зачастую при анализе приходится оперировать не только числовыми значениями признаков, но и суждениями (логическими признаками), не имеющими количественного выражения и характеризующими наличие, отсутствие или степень выраженности отдельных свойств объектов или внешней информации. Данный подход не позволяет использовать алгоритмы распознавания, основанные на вычислении меры близости распознаваемого решения с каждым из классов. Применение статистических алгоритмов затруднено еще и по причине отсутствия априорных сведений. Поэтому, окончательное предпочтение в выборе алгоритма распознавания отдается логическим алгоритмам, в которых не используется понятие «мера близости».

Из существующих методов наиболее адекватен решаемой задаче распознавания метод, основанный на использовании аппарата секвенций для описания причинно-следственных связей между значениями признаков

и принимаемыми решениями. Применение метода сводится к следующему [2]: каждому решению сопоставляются характерные для него значения признаков; связи между значениями признаков и решениями записываются в виде логических соотношений типа “если , то  ”; совокупность соотношений “оптимизируется” на основе логических критериев минимальности, полноты и непротиворечивости; получаемые в результате логические соотношения задают секвенциальную распознающую систему.

Предположим, что для описания состояния степени защищенности объектов используется множество признаков , и, кроме того, задано множество , возможных решений. Значение признака , соответствующего решению , обозначим как Для формализованного описания множества значений признаков и принимаемых решений введем в рассмотрение функции алгебры логики и . При этом каждому значению признака поставим в соответствие функцию , а каждому решению - функцию . Введенные функции алгебры логики могут быть заданы в виде элементарных конъюнкций, ранг которых определяется числом логических переменных, необходимых для кодирования значений соответствующих признаков и множества решений.

При этом связи между значениями признаков и принимаемыми решениями могут быть заданы в виде следующей системы секвенций:

|– , ,

где - множество номеров признаков , имеющих возможные значения , , хотя бы одно из которых должно иметь место при принятии решения ; - множество номеров признаков , имеющих возможные значения , , каждое из которых должно иметь место при принятии решения .

Дальнейшая оптимизация данной системы позволит синтезировать оптимальные алгоритмы, которые в дальнейшем могут использоваться в автоматизированных системах поддержки принятия решений при создании систем безопасности объектов.

Литература

1. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1984. - 208 с.

2. Захаров В.Н. Автоматы с распределенной памятью. М.: Энергия, 1975.