|
Верхний уровень фреймовой модели представления знаний составляют фреймы-экземпляры: «Предметная область», «Измерительная процедура», «Обнаружение событий», «Принятие решений». Название каждого из изображенных фреймов-экземпляров определяет конечную цель и назначение фреймов [29]. Рис. 1.2. Фреймовая модель представления знаний в интеллектуальной системе мониторинга Это, соответственно, «Выбор математической модели», «Измерение с прогнозируемой погрешностью», «Определение вероятности ошибки», «Критерий принятия решений». В связи с этим интеллектуальные информационно-измерительные системы должны иметь созданную базу знаний, адекватно отражающую инфорхмацию о предметной области и быть приспособленными для перестройки аппаратных и программных средств в соответствии с выбранной стратегией в зависимости от измерительной ситуации. Наличие неопределенностей при получении, формировании и представлении знаний вызывает определенные трудности при принятии решений. В интеллектуальной ИИС во многом сложнее оценивать измерительную ситуацию, воспринимать события и явления в предметной области, решать задачи при наличии нечеткого представления знаний. В этих условиях при описании математическими моделями объекта, измерительной ситуации, принятии решений и других возникает проблема недостатка информации, который возникает из-за неполноты информации, описывающей объект, из-за неформализованного представления 21 |
информационно-измерительные системы должны иметь созданную базу знаний, адекватно отражающую информацию о предметной области и быть приспособленными для перестройки аппаратных и программных средств в соответствии с выбранной стратегией. Для проведения мониторинга в различных эксплуатационных ситуациях существует множество стратегий: S={SU,S„,SC}, где SIt идентификация параметров, измеряемых и контролируемых с помощью интеллектуальных мониторинговых систем в условиях воздействия дестабилизирующих факторов; Sn — параметрическая коррекция базовых алгоритмов функционирования интеллектуальных мониторинговых систем в зависимости от меняющейся ситуации; Sc — структурная коррекция, предполагающая выбор заданных алгоритмов функционирования интеллектуальных мониторинговых систем. Стратегия идентификации Su предполагает сбор информации о характеристиках сложного технического объекта на стадии подготовки и проведения испытаний системы в условиях воздействия дестабилизирующих факторов. Дестабилизирующими факторами, воздействующими на работоспособность интеллектуальных мониторинговых систем, являются: температура окружающей среды, влажность, давление, уровень напряженности электромагнитного поля, радиационный фон. Данная стратегия совместно с базой знаний интеллектуальных мониторинговых систем используется для установления отклонения параметров системы от внесенных при тестировании, и о параметрах при нормальных условиях эксплуатации, имеющихся в базе знаний. При корректирующей по параметрам стратегии Sn осуществляется коррекция алгоритмов функционирования интеллектуальных мониторинговых систем, параметров объекта и результатов измерений. При коррекции возможно изменение алгоритма измерения в зависимости от 135 качественных характеристик измерений с помощью интеллектуальных ВОИИС (потерь точности и оперативности, мер доверия к результатам измерения), аппроксимирующих зависимостях для определения дестабилизирующих факторов, справочных значениях параметров, оценки результата измерений. Перспективной формой представления знаний являются фреймы, благодаря своей универсальности и гибкости [98]. Фрейм любого вида эта та минимально необходимая структурированная информация, которая однозначно определяет данный класс объекта. Наличие фрейма позволяет отнести объект к тому классу, который им определяется. Фрейм можно представить в виде сети, состоящей из узлов и связей между ними. В интеллектуальных ВОИИС знания представляются в виде фреймовой модели, состоящей из кластеров знаний о предметной области, об измерительных ситуациях, измерительных каналах, измерительных процедурах и метрологическом обеспечении интеллектуальных ВОИИС. Для реализации интеллектуальных процедур необходимо составить фреймы-экземпляры, таких, как: «Предметная область», «Измерительная ситуация», «Измерительный канал», «Измерительная процедура», «Метрологическое обеспечение», «Принятие решений» и других. Имя каждого слота фреймов-экземпляров позволяет определить конечную цель и назначение фреймов. Пример фреймовой модели представления знаний в интеллектуальной мониторинговой системе сложных технических объектов показана на рис. 4.2. Верхний уровень фреймовой модели представления знаний составляют фреймы-экземпляры: «Предметная область», «Измерительная процедура», «Обнаружение событий», «Принятие решений». Название каждого из изображенных фреймов-экземпляров определяет конечную цель и назначение фреймов [29]. 144 Это, соответственно, «Выбор математической модели», «Измерение с прогнозируемой погрешностью», «Определение вероятности ошибки», «Критерий принятия решений». В связи с этим интеллектуальные информационно-измерительные системы должны иметь созданную базу знаний, адекватно отражающую информацию о предметной области и быть приспособленными для перестройки аппаратных и программных средств в соответствии с выбранной стратегией в зависимости от измерительной ситуации. Наличие неопределенностей при получении, формировании и представлении знаний вызывает определенные трудности при принятии решений. В интеллектуальной ВОИИС во многом сложнее оценивать измерительную ситуацию, воспринимать события и явления в предметной области, решать задачи при наличии нечеткого представления знаний. В этих условиях при описании математическими моделями объекта, измерительной ситуации, принятии решений и других возникает проблема недостатка информации, который возникает из-за неполноты информации, описывающей объект, из-за неформализованного представления информации, а также из-за нечеткости информации, появляющейся в условиях неопределенности. Одно из направлений исследований в решении проблем неопределенности связано с созданием математических методов для описания нечетко определенных предметных областей. Трудности при этом возрастают, если существует лингвистическая неопределенность при описании предметной области. В подобных ситуациях широкое применение находит аппарат нечеткой логики [45,111]. 146 |