6. Принцип симбиозности

Исследуемая система должна строиться с учётом объединения в контуре управления естественного и искусственного интеллектов.

При этом человек воспринимается как звено системы управления, играющее главенствующую роль. Человек создаёт концепцию системы, её модель, анализирует их качество, принимает решения. Проникновение информационных технологий в процессы исследования, проектирования и управления РЭС изменили роль искусственного интеллекта, так как часто возникают ситуации, когда человек превращается в управляемое звено, принимая и перерабатывая решения, выданные искусственным интеллектом в процессе управления. Последовательная смена приоритетов человека и ЭВМ в процессе управления характерна для современного этапа использования информационных технологий. Очевидно, такая связь интеллектов должна поддерживаться специализированными языками общения человека и ЭВМ [1] .

7. Принцип оперативности

Реакция на изменение параметров функционирования должна происходить своевременно, т.е. в реальном масштабе времени.

Естественно, что значимость рассогласования во времени изменения сигнала и реакции на это изменение неравноценна на разных этапах функционирования системы. Так при посадке самолёта время рассогласования не допустимо, а при полёте с помощью автопилота это время может быть достаточно большим. Поэтому в системе должен присутствовать механизм регулирования работы в реальном масштабе бремени, сочетающий в себе оперативность информации в виде образов и точность информации в виде буквенно-цифровых таблиц. Ряд авторов в качестве принципов системного подхода приводят закон необходимого разнообразия У. Эшби или принцип внешнего дополнения С. Бира и т.д. По нашему мнению указанные принципы рассматривают более тонкие моменты проектирования и должны использоваться при специальных рассмотрениях. Для проектирования РЭС вполне достаточно 7 указанных принципов.

2.3 Системный анализ в ису.

2.3.1 Сущность процесса управления

Проектирование и производство сложных систем немыслимо без целенаправленного процесса управления, осуществляемого с помощью информационных технологий. Необходимо четко понимать. что практически на любом этапе жизненного цикла сложная система, взаимодействует с системами проектирования, исследования, производства, эксплуатации, в свою очередь, являющимися сложными системами. Характеристики процесса управления, без которых невозможна любая целенаправленная деятельностьможет быть оценена с позиций:

1. Категорий управления.

2. Организации управления.

3. Структуры управления.

Рассмотрим кратко составляющие указанных компонент.

Категории управления Категории управления сведены в табл.2

Таблица 2

Действие	Характеристика	Оценка	Сфера применения
Процесс выработки сигнала управления	Оперативность Обоснованность Категоричность	Т цикла М[ К0] Риск	Дирекция, плановый отдел, штаб
Распространение сигнала управления	Охват Непрерывность	М[x] tзапаздывания	Пространство Время

Оперативность определяет порядок выработки сигналов управления во времени и является переменной величиной. На неё влияют производительность органа управления, организация процесса управления, число контуров управления в различные моменты времени, наличие и характер обратных связей. В конечном итоге, оперативность оценивается временем цикла управления, которое задается априорно или измеряется на различных этапах процесса.

Обоснованность характеризует собой содержание управляющих воздействий, правильность которых базируется на интуитивных и научно обоснованных решениях ЛПР. Обоснованность оценивает степень приближения выбранного решения к оптимальному и зависит от уровня понимания закономерностей процесса управления, возможности использования знаний в конкретной ситуации, опыта и интуиции ЛПР и т.д. Обоснованность, характеризуя качество принимаемых решений, практически не поддаётся оценке в процессе управления. Существует несколько методов априорной оценки обоснованности:

а) вариантный, когда принимается к рассмотрению m_зад вариантов, заданных ЛПР или существующим в базе данных. Если фактическое число рассмотренных вариантов - m из-за ресурсных ограничений оказывается меньше m_зад , то обоснованность определится из их отношения. Достоверность такой оценки весьма низка вследствие первоначально допускаемого субъективизма.

б) использование внешнего критерия (оценка предложена В.П. Морозовым ). Предположим, что значение максимальной эффективности равно К₀ для оптимального варианта решения Х⁽⁰⁾ , а К(Х) показатель эффективности управляемого процесса X, тогда обоснованность V равна

V = 1 -[ К₀ - К(Х )] / К₀

Такой подход , как и любая квалиметрическая оценка определяет степень приближения к выбранному эталону, однако не учитывает сложности оценки самих вариантов, допущений аналитических моделей, неполного знания обстановки и т.д.

в) вероятностный метод , позволяющий учитывать вероятностный характер воздействий, параметров управления, различные аналитические модели, что достаточно просто реализуется методами имитационного моделирования.

Категоричность определяет форму передачи сигналов управления по возможности не допускающей иных толкований, в виде словесных формулировок приказа или количественных данных.

Охват определяет уровень вовлеченности в процесс управления участников этого процесса. Охват и оперативность - противоречивые категории, и зачастую охват зависит от принятого варианта управления и может не учитываться на каких - либо уровнях.

Непрерывность оценивает способность постоянно влиять на объект и с появлением информационных технологий позволяет не только обеспечивать постоянную фиксацию текущего состояния, но и прогнозировать будущие изменения и осуществлять корректирующие воздействия.

Организация управления представляет собой иерархию трех уровней различной степени общности:

1.Высший уровень- цикл управления состоит из:

- оценки обстановки, сводящейся в к изучению имеющейся информации об аналогичных проектируемых или имеющихся системах, маркетинговым исследованиям, экономическим оценкам, что приводит к созданию информационного образа будущей системы, позволяющего обосновать информационное решение;

- выработки плана, касающегося перестройки и переоснащения процесса проектирования и производства, включая разработку или освоение нового программного продукта, методов моделирования, представляющий из себя организационное решение;

- следующие этапы включают в себя подготовку приказа, его оформление и доведение до управляемых структур, составляя основу управленческого решения.

2. Средний уровень - цикл выработки решения состоит из обоснования решения (информационного, организационного или управленческого) и принятия решения (информационного, организационного или управленческого). Именно на этих этапах проявляется эффективность использования информационных технологий.

3. Низший уровень - цикл выбора альтернативы, состоящий из выбора альтернативы, её оценки и анализа

Структура управления обычно представляется в виде четырёх этапов, реализуемых с использованием средств ИТ:

- сбор и обработка информации всех доступных видов,

- подготовка и поэтапное принятие решения,

- выработка управляющих сигналов, реализующих решение

- передача информации и / или сигналов управления

В сложной многоуровневой системе управления при использовании человека и/или ЭВМ в качестве ЛОР и ЛПР может быть несколько точек принятия решений на перечисленных выше этапах и уровнях управления. На рис.6 -представлен фрагмент иерархической 3-х уровневой структуры

Рис.6 Фрагмент структуры системы

Таким образом, точка принятия решения - это все моменты времени, в которых проводится анализ и/или принимаются решения. Из рис.6. видно, что на нижнем уровне таких точек одна - анализ варианта, на среднем уровне две, на верхнем уровне три.

.

Рис .7 Цикл выработки решения а) и цикл выбора альтернативы б )

Поскольку процесс управления содержит повторяющиеся последовательности действий органа управления на участках между точками принятия решения, то интервалы между точками принятия решений обычно называют циклами. Цикл реализуется контуром управления, состоящим из ЛПР, ЛОР, технических средств ИТ. Так, например, цикл выработки решения представлен на рис.7

Сами циклы также составляют иерархию, так рассмотренный на рис.7а цикл выработки решения является частью цикла управления, включающего все четыре этапа. В свою очередь, рассмотрение альтернатив на этапе обоснования решения и принятия промежуточного решения ЛОР, а также на этапе принятия решения ЛПР распадается на выбор одной из альтернатив, её решения и анализа полученного решения (рис.7б), что представляет собой цикл выбора альтернативы. Качество таких этапов прямо связано со временем, имеющимся для принятия решения, что влияет на количество и точность оценки имеющихся альтернатив. Сокращение циклов любого уровня возможно за счёт:

1. понижения степени обоснованности

2. повышения децентрализации

3. уменьшения адаптивности

Первая возможность очевидна и не требует комментарий. Стремление ЛПР, даже при использовании ИТ, централизовать управление приводит к значительному увеличению цикла управления. Введение децентрализации приводит к тому, что решения в отдельных звеньях могут вырабатываться параллельно, следовательно, сокращается время цикла управления и повышается его оперативность. В качестве количественной меры централизации процесса управления принимается отношение числа контуров, в которых решение принимается лично ЛПР, к общему числу точек принятия решения. Тенденция современных систем управления к увеличению гибкости и эффективности управления приводит к созданию адаптивных структур. В качестве количественной меры адаптивности, повышающей оперативность системы, можно принять отношение максимального времени функционирования совокупности контуров управления, решающих задачу после адаптации структуры к минимальному времени функционирования начальных контуров управления, решающих ту же задачу в штатном режиме. Адаптация соответственно повышает живучесть системы, так как многие современные системы управления построены по принципу комплексирования функций.

Широкое применение ИТ привело к появлению категории управления называемой коллегиальностью. Само по себе это понятие не является новым, но в вычислительных системах оно приобрело новое содержание, отражающее долю участия ЭВМ в выработке и принятии решения. Особенно эта категория управления важна при дефиците времени. Можно рассмотреть несколько градаций шкалы ответственности при участии в управлении искусственного интеллекта:

1. ЛПР рассматривает все возможные варианты решения, подготовленные ЛОР с помощью ИТ , степень обоснованности самая высокая.

2. Из-за объективных причин рассмотрены не все варианты - обоснованность снижается.

3. ЛПР рассмотрел только один вариант, отличающийся от опорного варианта ЛОР, при этом вся ответственность ложится на ЛПР.

4. Принят вариант, подготовленный ЛОР без каких либо корректив - ответственность и степень обоснованности полностью являются прерогативой ЛОР.

5. Если ЛОР по объективным причинам смог воспользоваться только одним вариантом, подготовленным ЭВМ - ответственность полностью на ЭВМ.

6. Если время на принятие решения меньше цикла решения на ЭВМ - необходимо переходить на резервные варианты управления.

В заключение сделаем следующие выводы:

• Внедрение информационных технологий в процессы проектирования и производства сложных систем создало возможность объединить в процессе решения искусственный и естественный интеллекты, значительно расширив диапазон принятия решений. Мерой качества принимаемых решений являются категории управления: оперативность и обоснованность.

• Процесс проектирования и управление им представляют собой композицию сложных систем, рассмотрение которых возможно только с позиций системного подхода.

2.3.2 Формализация описания систем управления,

Одной из главных задач формализации сложных систем является построение формальной аналитической или алгоритмической модели, отображающей процесс взаимодействия между элементами или подсистемами, составляющими систему, а также их взаимодействие с внешней средой. Основными проблемами, возникающими при разработке структуры СУ, являются: определение необходимого числа уровней иерархии; установление между уровнями правильных взаимоотношений, что связано с задачами согласования целей элементов разных уровней и оптимальным стимулированием их работы; распределение ответственности выбор конкретных схем управления и создание контуров принятия решения; организация информационных потоков; выбор соответствующих технических средств. Все эти вопросы взаимосвязаны и образуют сложную проблему.

Метод черного ящика – Первым шагом на пути формализации является использование метода черного ящика. При этом ведется исследование СУ – структура и внутреннее устройство которой либо неизвестно, либо очень сложно. При этом исследователь может менять внешние воздействия на объект (факторы) и наблюдать и измерять его выходные характеристики (отклики). Однако, как бы детально не изучалось поведение объекта невозможно получить однозначное суждение о его внутреннем устройстве, так как одинаковое аналитическое описание может соответствовать разным физическим объектам. Так синусоидальные колебания характерны и для механического маятника и для электромагнитного колебательного контура.

Построение модели основывается на выборе из бесконечного множества связей системы со средой их конечного множества, адекватно отражающего цели исследования. Очевидно. Что такие модели не надо сводить к моносистеме (т.е. системе с одним входом и выходом), а для обоснования необходимого и достаточного количества параметров множеств X и Y широко использовать методы математической статистики, привлекать опытных экспертов. Следующим уровнем моделирования сложных систем являются модели состава систем, т.е. морфологический анализ. При рассмотрении любой системы прежде всего обнаруживается, что ее целостность и обособленность выступают как внешнее свойство. Вместе с тем внутренняя структура системы также является многообразной, неоднородной и состоит из множества неделимых функциональных элементов. Декомпозиция внутренней структуры "черного ящика" на более мелкие составляющие (подсистемы, отдельные элементы) позволяют строить модели морфологической структуры систем. Например, если в качестве системы рассматривать производственное подразделение, то в качестве подсистемы выступают производственные участки, а в качестве отдельных элементов - оборудование, сырье, рабочие; система телевидения состоит из аппаратуры передачи, каналов связи, аппаратуры приема. Построение модели состава в силу многообразия природы и форм элементов также не является простым делом. Это можно объяснить тремя факторами: 1.неоднозначностью понятия "элементарного элемента";

2.многоцелевым характером объекта, объективно требующим выделить под каждую цель соответствующий ей состав;

3.условностью (субъективностью) процедуры деления целого на части (системы на подсистемы, элементы).

Простота и доступность моделей "черного ящика" и состава позволяет решать с их использованием множество практических задач. Вместе с тем для более детального (глубокого) изучения систем необходимо устанавливать в модели состав отношения (связи) между элементами. Для структурного анализа используют методы ИДЕФ- технологий, поддержанных программным обеспечением All Fusion Guide Modeller ( BPWin, ERWin, Data Flow) или ППП ARIS.

После окончания структурного анализа необходимо провести процессный анализ, ценностной и информационный анализы. Сложность этих вопросов выходит за рамки учебного пособия, их содержание рассматривается в других учебных дисциплинах. Однако, в следующем разделе будут рассмотрены некоторые информационные аспекты, поскольку они имеют определяющее значение и для ИСУ.

Основные классы способов описания структур

Выбор конкретного способа описания структуры реальной системы в каждом конкретном случае зависит от характера и степени развития фундаментальных систем (структур, процессов, ценностей и знаний), а также от объема поступающей информации, цели исследования и, разумеется, характера наблюдаемой системы. Однако, все разнообразие возможных способов описания определяется в конечном счете свойствами отображаемых и отображающих информационных пространств, а также характером устанавливаемых между ними отношений соответствия. И в этом смысле можно выделить, разумеется, достаточно условно, четыре основных класса возможных способов описания:

• теоретико-множественные;

• теоретико-групповые;

• топологические;

Рассмотрим перечисленные описания более подробно

Теоретико-множественное описание дает начальное представление о количественном или качественном составе системы управления. С точки зрения квантификации пространственных отношений элементов образа структуры признаки, характеризующие указанные отношения, удовлетворяют только аксиомам тождества-различия. Что касается индивидуальных признаков элементов образа структуры, то они, в принципе, могут обладать любым уровнем измеримости. Однако, несмотря на то, что теоретико-множественное описание допускает установление тех или иных отношений между элементами образа структуры по соответствующим индивидуальным признакам этих элементов, такое описание не дает практически никакого представления о целостности реальной системы. Это обстоятельство объясняется тем, что при таком подходе внутренние и внешние связи системы и ее компонент в рассматриваемом пространстве не учитываются, более того слепое использование какого-либо способа, принадлежащего данному классу, может привести к весьма значительным заблуждениям.

Почти единственным фундаментальным интегративным свойством, которое в какой-то степени может быть раскрыто в рамках теоретико-множественного описания, является свойство открытости системы (расплывчатости ее границ). В этом случае учитывается, что некоторые элементы образа структуры могут быть отнесены к нему лишь с определенными оговорками, т.е. условно.

К классу теоретико-множественных способов можно отнести в частности:

- простое перечисление структурных элементов с указанием или без их индивидуальных признаков;

• разбиение (например, в виде диаграммы или графа) множества элементов на подмножества по каким-либо индивидуальным признакам;

• формулировки правил отбора структурных элементов множества в соответствии с определенными критериями и т.п.

Теоретико-групповое описание В основе описания пространственно-временных отношений и связей структурных образований лежит понятие математической группы. При теоретико-групповом описании учитывается лишь факт наличия бинарной связи между элементами, а не ее конкретный вид или характер. В этом случае структура образа предстает в наиболее общей, абстрактной форме. Тем не менее, использование подобных способов описания позволяет в определенной степени учесть такие фундаментальные свойства, как целостность, открытость и целесообразность. К этому виду описания относятся все возможные виды аналитических моделей. (Понятие математической модели рассматривается в следующем подразделе).

Топологические способы описания позволяют определять не только количественный или качественный состав системы, но и существующие между ееструктурными компонентами реальные связи, обусловленные теми или иными реальнымивзаимодействиями. Описание взаимных связей компонент дает возможностьболее полного раскрытия такого фундаментального интегративного свойства какоткрытость за счет включения в рассмотрение коммуникаций между системой и ее внешним окружением. Оно позволяет также выделить внутренние, граничные и внешние по отношению к системе элементы. И благодаря этому появляется возможность исследования структуры по такому важному признаку непрерывности - дискретности. Кроме того, при топологическом описании становится возможным раскрытие свойства целостности, поскольку последнее структурно проявляется в форме пространственной связности элементов системы.

Задание связей - это задание соответствующих пространственных отношений. С точки зрения квантификации указанных отношений признаки, их характеризующие, наряду с аксиомами тождества-различия могут удовлетворять также и аксиомам порядка. Т.о. само пространство взаимодействия образов элементов становится для Наблюдателя топологическим. Что касается унарных (индивидуальных) признаков элементов, то они могут обладать различным уровнем измеримости.

Топологическое описание задает структуру образа рассматриваемой системы в виде некоторого набора типовых элементов, связанных между собой соответствующим взаимодействием, порождающим данное пространство. К классу топологических способов описания, в частности, можно отнести топологически-проективные, графовые, сетевые (нейронные сети, сети Петри) и т.п.

Математическая модель Построение математической модели системы управления - S начинается с определения параметров системы и переменных, определяющих процесс функционирования системы (рис.8).

Параметры системы - это характеристики системы, остающиеся постоянными на всем интервале исследования.

Если значения определены на некотором множестве , т.е.

,

то говорят, что имеется параметрическое семейство систем.

Рис. 8 Связь между переменными

Множество переменных разбивают на два подмножества – независимых и зависимых переменных.

1. К независимым переменным отнесем следующие характеристики.

• Входные воздействия на систему (сигналы): u₁, u₂,…,u_n1. Входные воздействия в момент t Т характеризуются вектором

u = u(t) = (u₁(t),…,u_n1(t)) URⁿ¹.

Среди {u_i} могут быть управляющие воздействия, например, u₁, u₂,…, а остальные n₁-n_1' воздействий - неуправляющие.

• Воздействия внешней среды: Среди них могут быть контролируемые (наблюдаемые) и неконтролируемые (ненаблюдаемые), детерминированные и случайные воздействия. В момент t Т они характеризуются вектором

v= v(t) = (v₁(t),…,v_n2(t))V Rⁿ².

• Переменные, характеризующие состояние системы , x₁, x₂,…,x_n3. В отличие от {} состояния {x_i} характеризуют свойства системы, изменяющиеся во времени. Состояние системы в момент описывается вектором

x= x(t) = (x₁(t),…,x_n3(t))XRⁿ³

где X - пространство состояний или фазовое пространство системы (множество возможных значений вектора х). Если t₁< t₂ <… - моменты изменения cостояния системы, то последовательность x(t₁), x(t₂),… называется фазовой траекторией системы.

2. К зависимым переменным отнесем следующие характеристики.

• Выходные характеристики (сигналы) системы у₁, у₂, ...,у_n1 определяемые в момент вектором

y = y(t)= (y₁(t),…y_n4(t)).

• Показатели КЦФ системы q₁, q₂,…q_k характеризуют ее цели, (т.е. характеризуют достижения системой функционирования системы) и образуют вектор

q = q(t) = (q₁(t),…,q_k(t))QR^k, t

При наличии в системе случайных факторов (например, случайных воздействий внешней среды) значения являются также случайными и поэтому не могут служить показателями КЦФ. В этих случаях в качестве Q используют средние значения {Q_i} , определяемые соотношениями

где E{.} - символ математического ожидания

Процесс функционирования системы во времени описывается операторными соотношениями (заданными аналитически или алгоритмически) для состояний, выходных характеристик КЦФ системы:

(1)

где обозначают реализацию процесса u(t) на отрезке [0,t], аналогично обозначены x^(t), y^(t) .

Через обозначены соответствующие операторы, описывающие динамику зависимых и независимых переменных и показателей эффективности.

Зависимости (1) называются законами функционирования системы S; зависимость y = y(t), t называется выходной траекторией системы, а зависимость x = x(t), t - фазовой траекторией.

В выборе переменных x(t) , характеризующих состояние системы в момент времени tT , обычно имеется произвол, который используется так, чтобы упростить закон функционирования (1) и привести его к виду

x(t) = F(x⁽⁰⁾, u^(t), v^(t), , t),

y(t) = G₁(x^(t), t), (2)

q(t) = G₂ (x^(t), t), t

где - некоторые операторы; x⁽⁰⁾ - начальное состояние системы. Закон (2) отличается от (1) следующими особенностями:

1. состояние системы S в момент времени tзависит от начального состояния системы x⁽⁰⁾;

2. выходные характеристики и показатели эффективности системы в момент времени t зависят от состояний x^(t) и текущего времени.

Математической моделью системы называют множество переменных u, v, θ, y, q вместе с законом функционирования в виде (3.1) или (3.2).

Опишем теперь классификацию математических моделей. Операторные соотношения в (1), (2) могут быть заданы аналитически, то есть с помощью функциональных соотношений или логических условий, либо алгоритмически. В зависимости от способа задания закона функционирования математические модели делятся на аналитические и алгоритмические.

Отметим, что время t может рассматриваться и как непрерывная переменная: t Т = [0,T], и как дискретная.

t = i, i = 0,1,...,M, М = [Т/],

где - шаг дискретизации. При этом, соответственно, имеем непрерывные (H) и дискретные (Д) математические модели. Если математическая модель не содержит случайных элементов, то имеем детерминированную модель (Дт); в противном случае имеем вероятностную (В) модель. Таким образом, по признакам непрерывности и стохастичности можно выделить четыре обширных класса математических моделей: непрерывно-детерминированные (НДт) модели; дискретно-детерминированные (ДДт) модели; дискретно-вероятностные (ДВ) модели; непрерывно-вероятностные (НВ) модели. Элемент классификации аналитических моделей приведен в таблице 3

Таблица 3 Классификация математических моделей

Тип ММ Харак- теристика	НДт	ДДт	ДВ	НВ
Вид зависимости	Дифференциальные и интегральные уравнения	Теория разностных уравнений, конечные автоматы	Разностные стохастические уравнения, вероятностный автомат	Стохастические дифференциальные уравнения, теория массового обслуживания