CC BY
96. Максимова, А. Ю. Миварная экспертная система для распознавания образов на основе нечеткой классификации и моделирования различных предметных областей с автоматизированным расширением контекста / А. Ю. Максимова, О. О. Варламов // Известия ЮФУ. Технические науки. -2011. - № 12 (125). - С. 77-87.
7. Система автоматического тегирования изображений на основе миварных технологий / Ю.И. Майборода, М.Ю. Синцов, А.Ю. Озерин [и др.] // Программные системы: теория и приложения. -2014. - Т. 5. - № 4 (22). - С. 159-170.
8. Варламов, О. О. О возможности создания интеллектуальных систем на основе GRID, систем адаптивного синтеза ИВК, сервисно-ориентированной архитектуры и миварного информационного пространства / О. О. Варламов // Известия ТРТУ. - 2005. - № 10 (54). - С. 130-140.
9. Automated process control system of mobile crushing and screening plant / А. Ostroukh, N. Surk-ova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
10 Shadrin, S. S. Experimental Autonomous Road Vehicle with Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p.
11. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
УДК 004.021, 007.5
О ПРИМЕНЕНИИ МИВАРНЫХ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ И РЕМОНТА НАЗЕМНЫХ КОМПЛЕКСОВ УПРАВЛЕНИЯ ДАЛЬНЕГО КОСМОСА ON THE APPLICATION OF MIVAR EXPERT SYSTEMS FOR MAINTENANCE AND REPAIR OF GROUND-BASED SYSTEMS CONTROL OF DEEP SPACE
Повираева М. Л., студент
ФГБОУ ВО «Московский государственный технический университет имени Н. Э. Баумана» Научно-исследовательский институт МИВАР Россия, г. Москва, [email protected]
Аннотация. Обоснована возможность применения миварных технологий логического искусственного интеллекта в области технического обслуживания и ремонта наземных комплексов управления дальнего космоса. Создан программный прототип - миварная система контроля технического состояния объекта. Разработка миварных систем мониторинга оборудования и ТОИР является важной научной и практически полезнойзадачей.
Ключевые слова: мивар, миварные сети, искусственный интеллект, ТОИР, КЭСМИ, MOGAN, экспертные системы, техническое обслуживание и ремонт.
Abstract. The possibility of using mivar technologies of logical artificial intelligence in the field of maintenance and repair of ground control systems of deep space is proved. A software prototype was created - a mivar system for monitoring the technical condition of the object. The development of mivar systems for monitoring equipment and maintenance and repair is an important scientific and practical task.
Key words: Mivar, Mivar Nets, Artificial Intelligence, Wi!Mi, MOGAN, expert systems, equipment maintenance and repair.
Введение. В настоящее время существенно возрастает сложность объектов и, соответственно, требования к обслуживающим их организациям, которые должны обеспечивать необходимый уровень готовности - технический и оперативный. Помочь в этом могут системы искусственного интеллекта. Разработка систем мониторинга оборудования и ТОИР на основе миварных технологий искусственного интеллектаявляется актуальной задачей.
ТОИР НКУ ДК. Выделим основные проблемы в области технического обслуживания и ремонта (ТОИР) наземных комплексов управления дальнего космоса (НКУ ДК): высокая степень деградации технического состояния изделий, протекающих вследствие износа; частые внеплановые (аварийные) остановки и необоснованный ремонт; отсутствие базы данных по отказам оборудования; отсутствие систем прогнозирования работы оборудования; потери от аварийных ситуаций, утечек электроэнергии и тепловой энергии [1]. Эти проблемы можно устранить или, как минимум, свести к минимуму при помощи мониторинга технического состояния объекта. Как известно, в ТОИР активно используются методы и системы ИИ, включая и миварные экспертные системы (МЭС). Миварные технологии [2] используются для решения разных задач[3]: обработки информации [4] и создания алгоритмов [5]. Миварные экспертные системы [6] являются частью многомерной активной гносеологической активной сети (multi dimensional open gnoseological activenet) MOGAN. МЭС применяют для распознавания образов [7] и тегирования изображений [8], создания: интеллектуальных систем [9], АСУ [10], беспилотных автомобилей [11] и экспертного моделирования [12].
МЭС для ТОИР. В настоящее время существенно возрастает сложность объектов и, соответственно, требования к их организациям, которые должны обеспечивать необходимый уровень готовности - технический и оперативный. Системы ИИ способны обеспечить конкурентные преимущества организациям, обслуживающим НКУ ДК, в решении следующих задач: 1) создание базы знаний по отказам оборудования; 2) поддержание изделий в работоспособном состоянии - предоставление актуальной и персонализированной технической информации, наличие базы данных о неисправностях, алгоритмов их устранения, возможность получения точной информации о техническом состоянии конкретного экземпляра изделия; 3) оперативное устранение неисправностей, основанное на глубоком знании технической информации и логистики обеспечения сервисного обслуживания. Наличие алгоритмов, позволяющих заранее предупредить отказ оборудования или необходимость его технического обслуживания позволяет минимизировать риск возникновения вышеописанных проблем. Для создания таких алгоритмов и разработана миварная система контроля технического состояния оборудования на объекте (МСК ТСО). Созданный прототип МСК ТСО не имеет аналогов среди существующих экспертных систем и гарантирует высокоскоростную обработку информации [6].
Выдача рекомендаций ремонтнику на основании показателей датчиков в виде миварных таблиц и сетей. Прототип миварной системы контроля технического состояния объекта (МСК ТСО) реализован на основе программного продукта КЭСМИ [6]. Модель знаний МСК ТСО создана в формализме миварных сетей <P,R> (параметры и правила) [2; 6]. База знаний МСК ТСО - это набор моделей, описывающих, например, следующие подсистемы: мониторинга заградительных огней, мониторинга пожаротушения, видеонаблюдения и контроля работы энергоснабжения.
На вход МСК ТСО поступают данные, собранные при помощи датчиков, установленных на оборудовании. Входные данные преобразуются в формат объектов миварной модели среды. Формализованные параметры сохраняются в рабочей памяти - область памяти, накапливающая множество фактов, описывающих текущее состояние объекта обслуживания в целом. По полученным фактам КЭСМИ строит алгоритм действия ремонтника. Работа миварной сети, оценивающей состояние системы, на примере подсистемы мониторинга пожаротушения (ПМПТ). Полученная миварная сеть для выдачи рекомендаций ремонтнику будет выглядеть так, как показано на рисунке 1. Разработанные заранее правила и параметры работы оборудования заносятся в МЭС. По полученной информации формируются рекомендации ремонтнику по обслуживанию объекта. Для обучения МЭС создают описания предметных областей в формализме миварных двудольных сетей [2-12].
Применение прототипа миварной экспертной системы на примере подсистемы мониторинга пожаротушения. Пусть на табло показателей системы указаны следующая ситуация по значениям показателей: датчик уровня неисправен, напряжение на насос подано, насос работает, показатель уровня воды - 6. Ремонтнику требуется получить рекомендации в данной аварийной ситуации и узнать код уровня опасности. На рисунке 2 отображена миварная сеть, построенная МСК тСо автоматически для поиска решения в заданной ситуации в подсистеме мониторинга пожаротушения ПМПТ.
Рисунок 1 - Граф алгоритма Рисунок 2 - Миварная сеть поиска рекомендаций
Как видно из рисунка 2, для поиска вершин используются правила и промежуточные параметры. На рисунке 3 красным цветом обведен результат в виде цвета кода опасности и рекомендаций ремонтнику в данной ситуации с указанием проблемного звена и уровнем воды в баке.
0 Ошибки ~ Консоль
Т~
И-
Результат: Ко(1=красный;
1?екотепс1=Про6лемы с датчиком и насосом: датчик; Уровень воды: неизвестен; Комментарий: Датчик подлежит срочному ремонту! Может привести к аварийной ситуации!!!;
Рисунок 3 - Результат в программе КЭСМИ «Разуматор»
Заключение. Целесообразно использовать миварные технологии логического искусственного интеллекта в области технического обслуживания и ремонта наземных комплексов управления дальнего космоса. Миварная система контроля технического состояния объекта позволит обеспечить: сокращение объемов ремонта; увеличение межремонтных периодов; мониторинг оборудования (изделий, деталей) (оборудование обслуживается не по факту поломки, а по сообщению системы о возможном выходе из строя детали). В целом разработка систем мониторинга оборудования и ТОИР на основе миварных технологий является актуальной задачей, хорошо реализуемой и практически полезной
Библиографический список:
1. Головицына, М. В. Проектирование радиоэлектронных средств на основе современных информационных технологий / М. В. Головицына // Москва : Интернет-университет информационных технологий, Бином. Лаборатория знаний. - 2013. - C. 124-135.
2. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство / О. О. Варламов. - Москва : Радио и связь, 2002. - 288 с.
3. Варламов, О. О. Миварный подход как основа качественного перехода на новый уровень в области искусственного интеллекта / О. О. Варламов // Радиопромышленность. - 2017. - № 4. - С. 13-25.
4. Варламов, О. О. Роль и место миваров в компьютерных науках, системах искусственного интеллекта и информатике / О. О. Варламов // Радиопромышленность. - 2015. - № 3. - С. 10-27.
5. Автоматизированное построение маршрута логического вывода в миварной базе знаний / О. О. Варламов, А. М. Хадиев, М. О. Чибирова [и др.] // Патент на изобретение RUS 2607995 11.02.2015., опубликовано 11.01.2017, бюллетень № 2. - 43 с.
6. Varlamov, O. O. Wi!Mi Expert System Shellasthe Novel Toolfor Building Knowledge-Based System swith Linear Computational Complexity / О. О. Varlamov // International Reviewof Automatic Control. - 2018.
- № 11 (6). - Р. 314-325.
7. Максимова, А. Ю. Миварная экспертная система для распознавания образов на основе нечеткой классификации и моделирования различных предметных областей с автоматизированным расширением контекста / А. Ю. Максимова, О. О. Варламов // Известия ЮФУ. Технические науки. -2011. - № 12 (125). - С. 77-87.
8. Система автоматического тегирования изображений на основе миварных технологий / Ю. И. Майборода, М. Ю. Синцов, А. Ю. Озерин [и др.] // Программные системы: теория и приложения.
- 2014. - Т. 5. - № 4 (22). - С. 159-170.
9. Варламов, О.О. О возможности создания интеллектуальных систем на основе GRID, систем адаптивного синтеза ИВК, сервисно-ориентированной архитектуры и миварного информационного пространства / О. О. Варламов // Известия ТРТУ . - 2005. - № 10 (54). - С. 130-140.
10. Automated process control lsystem of mobile crushing and screening plant / А. Ostroukh, N. Surk-ova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
11. Shadrin, S. S. Experimental Autonomous Road Vehiclewith Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p.
12. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
