Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов
Сформулирована и решена задача выбора альтернатив в системах, характеризующихся иерархичностью процессов. Задача рассматривается как оптимизация на множестве критериев и ограничений в нечетком пространстве состояний сетевой модели. Предложены методы и алгоритмы решения прикладных задач....
Gespeichert in:
| Datum: | 2008 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2008
|
| Schlagworte: | |
| Online Zugang: | http://dspace.nbuv.gov.ua/handle/123456789/7146 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов / Е.И. Кучеренко, Д.Е. Краснокутский // Штучний інтелект. — 2008. — № 3. — С. 558-567. — Бібліогр.: 12 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-7146 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-71462010-03-25T12:01:14Z Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов Кучеренко, Е.И. Краснокутский, Д.Е. Нейросетевые и нечеткие системы Сформулирована и решена задача выбора альтернатив в системах, характеризующихся иерархичностью процессов. Задача рассматривается как оптимизация на множестве критериев и ограничений в нечетком пространстве состояний сетевой модели. Предложены методы и алгоритмы решения прикладных задач. Сформульована та вирішена задача вибору альтернатив у нечітких ієрархічних системах, які характеризуються ієрархічністю процесів. Задача розглядається як оптимізація на множині критеріїв та обмежень у нечіткому просторі станів мережної моделі. Запропоновані методи та алгоритми вирішення прикладних задач. The problem of a choice of alternatives in fuzzy hierarchical systems is formulated and solved. The problem is considered as optimization on set of criteria and restrictions in fuzzy space of conditions. Methods and algorithms of the decision of applied problems are offered. 2008 Article Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов / Е.И. Кучеренко, Д.Е. Краснокутский // Штучний інтелект. — 2008. — № 3. — С. 558-567. — Бібліогр.: 12 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/7146 519.71 ru Інститут проблем штучного інтелекту МОН України та НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Нейросетевые и нечеткие системы Нейросетевые и нечеткие системы |
| spellingShingle |
Нейросетевые и нечеткие системы Нейросетевые и нечеткие системы Кучеренко, Е.И. Краснокутский, Д.Е. Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| description |
Сформулирована и решена задача выбора альтернатив в системах, характеризующихся иерархичностью
процессов. Задача рассматривается как оптимизация на множестве критериев и ограничений в нечетком
пространстве состояний сетевой модели. Предложены методы и алгоритмы решения прикладных задач. |
| format |
Article |
| author |
Кучеренко, Е.И. Краснокутский, Д.Е. |
| author_facet |
Кучеренко, Е.И. Краснокутский, Д.Е. |
| author_sort |
Кучеренко, Е.И. |
| title |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| title_short |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| title_full |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| title_fullStr |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| title_full_unstemmed |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| title_sort |
применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| publishDate |
2008 |
| topic_facet |
Нейросетевые и нечеткие системы |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/7146 |
| citation_txt |
Применение методов на основе сетевых моделей в задачах анализа состояния сложных технологических объектов / Е.И. Кучеренко, Д.Е. Краснокутский // Штучний інтелект. — 2008. — № 3. — С. 558-567. — Бібліогр.: 12 назв. — рос. |
| work_keys_str_mv |
AT kučerenkoei primeneniemetodovnaosnovesetevyhmodelejvzadačahanalizasostoâniâsložnyhtehnologičeskihobʺektov AT krasnokutskijde primeneniemetodovnaosnovesetevyhmodelejvzadačahanalizasostoâniâsložnyhtehnologičeskihobʺektov |
| first_indexed |
2025-07-02T09:58:35Z |
| last_indexed |
2025-07-02T09:58:35Z |
| _version_ |
1836528765784555520 |
| fulltext |
«Искусственный интеллект» 3’2008 558
7К
УДК 519.71
Е.И. Кучеренко, Д.Е. Краснокутский
Харьковский национальный университет радиоэлектроники, Украина
Применение методов на основе сетевых
моделей в задачах анализа состояния
сложных технологических объектов
Сформулирована и решена задача выбора альтернатив в системах, характеризующихся иерархичностью
процессов. Задача рассматривается как оптимизация на множестве критериев и ограничений в нечетком
пространстве состояний сетевой модели. Предложены методы и алгоритмы решения прикладных задач.
Введение
Проблемы повышения эффективности использования энергоресурсов являются
стратегическими как для отдельных государств, так и мирового сообщества в целом.
Значительная часть газотранспортных и газораспределительных магистралей функцио-
нируют в условиях запредельного эксплуатационного ресурса, они подвержены влиянию
агрессивной окружающей среды. Нельзя также отбрасывать и субъективный фактор,
связанный с тенденцией снижения требований к уровню обслуживающего персонала.
В связи с этим задача повышения достоверности оценки состояния таких сложных рас-
пределенных объектов, а также оперативной локализации и ликвидации предаварийных и
аварийных ситуаций на множестве возможных альтернатив приобретает исключительно
важное значение. В таких системах обычно рассматривается по крайней мере две состав-
ляющие: организационно-техническое управление и составляющая непосредственного
контроля состояния объекта обслуживающим персоналом. Широкое применение техни-
ческих средств, например, ультразвуковых, рентгеновских дефектоскопов, средств на ос-
нове прогноза и анализа состояния объекта с использованием искусственных нейронных
сетей (ИНС) и других перспективных подходов обычно ограничено, а часто и не исполь-
зуются в промышленных масштабах вообще. Сложные объекты функционируют обычно
в условиях неопределенности. Снизить ее уровень средствами на основе хорошо иссле-
дованных вероятностных подходов не всегда удается, так как ввиду уникальности таких
объектов часто нет возможности получения достоверных статистических характеристик.
Целью статьи является разработка формальных подходов к решению такого класса
задач на основе нечеткой логики, моделей и методов на основе нейро-фаззи сетевых
подходов, положений геоинформационных технологий. Такие подходы обычно позво-
ляют получить удовлетворительные результаты в практических приложениях. Но они
мало исследованы, известные результаты являются часто постановочными, не доведены
до практических приложений, что и определяет важность и актуальность предлагаемых
исследований.
Постановка задачи
При анализе процессов принятия решений
},)({ )(s
i LePR Ii∈
в системах, которые характеризуются сложным, в частности иерархическим, взаимо-
Применение методов на основе сетевых моделей в задачах анализа состояния...
«Штучний інтелект» 3’2008 559
7К
действием динамических процессов, важной задачей является выбор решений на мно-
жестве альтернатив
},{ wAlt Ww∈
за критериями, которые обычно определяются предметной областью. К ним для случая
технических систем целесообразно в первую очередь отнести качество управления [1], [2],
показатели надежности 0T и некоторые другие. В качестве ограничений можно рас-
смотреть стоимостные показатели }{ wSt , Ww∈ , временные показатели wτ , Ww∈ , что
особенно важно в системах реального времени.
Тогда решение поставленной задачи по критерию надежности может быть
определено, как нахождение
maxToAltw → (1)
wSt ≤ wSt * ,
*ww ττ ≤ ,
*)()( xx µµ ≥ ,
где 0T – наработка на отказ объекта анализа;
wSt * – max допустимое значение стоимостных показателей при решении некоторой
альтернативы из Ww∈ ;
*wτ - max допустимое значение времени решения Ww∈ альтернативы;
*)(xµ – min допустимое значение функции принадлежности для процессов неко-
торой альтернативы Ww∈ .
Решение задачи (1) может быть расширено на задачу выбора некоторого подмно-
жества альтернатив
}{Alt}{Alt ww1 ⊆ (2)
за критериями
*Тo Тo iAltAlt w1w
≥ , (3)
*St St ww ≤ ,
*ww ττ ≤ ,
*)()( xx µµ ≥ ,
где *Т iAlt0 w
– min допустимое значение показателей наработки на отказ 0T .
В этом случае альтернативы
}{AltAlt w1w1 ∈ (4)
могут быть упорядочены по критерию возрастания (убывания) 1Alt0 w
Т . Значения wSt * ,
*wτ , *Т iAlt0 w
определяются обычно согласно данным и (или) знаниям экспертов с учетом
требований согласования мнений экспертов [3] и требований предметной области.
Задачи (1) – (4) с учетом соответствующих ограничений целесообразно решать с
использованием моделей [4-6] при условии справедливости положений работы [7].
Разработка метода выбора альтернатив в сложных
объектах на основе сетевых моделей
Задача выбора альтернатив в принятии решений сложных объектов на множестве
альтернатив является актуальной и малоисследованной. Особенно это актуально в объек-
тах с явно выраженной иерархией и (или) распределенностью, которые функционируют в
нечетком пространстве состояний [4], [5].
Кучеренко Е.И., Краснокутский Д.Е.
«Искусственный интеллект» 3’2008 560
7К
В работах [5], [6] предложены и исследованы нечеткие сетевые модели на основе
иерархии классов нейро-фаззи сетей Петри. В этих работах показано, что применение
моделей рассматриваемых классов во многом позволит решить широкий класс прик-
ладных задач. Важно также учитывать положения работы [3], где определены и исследо-
ваны условия достижимости и непротиворечивости, что является по сути одним из
основных ограничений на выбор альтернатив.
Определение 1. Альтернатива
}{AltAlt w1w1 ∈ , Ww∈ (5)
на сетевых моделях [1], [2], учитывая их иерархичность, определяется некоторыми под-
множествами инцидентных позиций }{}{
1 jj pp ⊆ , ,11 Ij ∈ JJi ⊆ и разрешенных
иерархических переходов }{}{
1 ii tt ⊆ , ,1 Ii ∈ II ⊆1 , моделирующих процессы принятия
некоторых решений (s))(PR
i
Le из множества (s))(PR
i
Le (s)
iPR⊆ , Ii∈ для достижения
поставленной цели.
Введем понятие динамических иерархических объектов ),)(( αLeDo ,A∈α где A –
множество иерархических уровней. )(( LeDo введены для множеств позиций { ( ) },ip Le α
( ) }, { ( ) }
ji pпереходов t Le векторов маркирования M Leα α .
Тогда сформулируем следующее утверждение.
Утверждение 1. Множества инцидентных позиций }{}{
1 jj pp ⊆ , ,11 Ij ∈ JJi ⊆ и
разрешенных переходов }{}{
1 ii tt ⊆ , ,1 Ii ∈ II ⊆1 при заданном векторе нечетной
маркировки 0M , заданных множествами α)(LeDo , определяют некоторую альтернативу
}{AltAlt ww ∈ , Ww∈ , достигая целей принимаемых решений.
Справедливость утверждения 1 непосредственно следует из определения 1 и
понятия динамических иерархических объектов α)(LeDo .
Как следует из изложенного выше, ввод α)(LeDo для компонент модели позволяет
расширить и модифицировать методы и алгоритмы, основанные на построении дерева
достижимости [8], на случай иерархии классов нейро-фаззи сетевых моделей [5], [6].
Алгоритм анализа нечетких процессов сетевыми моделями
на основе иерархии классов нейро-фаззи сетей Петри
Введем некоторые положения, которые целесообразно использовать при построе-
нии алгоритма на основе предложенного выше метода. В работе он рассматривается как
расширение известного алгоритма построения дерева достижимости [8].
К этим положениям отнесем в первую очередь следующее:
1. Если существует сеть S с вектором 0M , множеством позиций P , множеством
переходов T , то количество возможных маркировок |}{| 0M равно мощности множеств
разрешенных переходов || rT .
2. Каждое маркирование M позволяет разрешенным переходам создать новую
маркировку |M .
3. Процесс изменения маркировки представим в виде дерева. Причем его вершины –
некоторые маркировки M из }{M , а дуги включают разрешенные переходы Tti ∈ , в
результате выполнения этих переходов и формируются маркировки |M .
Применение методов на основе сетевых моделей в задачах анализа состояния...
«Штучний інтелект» 3’2008 561
7К
4. Условия разрешенности переходов Tti ∈ определяются с учетом выполнения
условий маркировок входных позиций и цвета маркеров, предиката, показателей нечет-
кости.
5. Для обеспечения конечности дерева, при возможности бесконечного выполнения
некоторых переходов Ttti
~~,~ ∈∃ | ∞→r вводится [8], элемент ω , обладающий свойст-
вами: .;;; ωωωωω ≤∈<=± Nrrr Знак «~» над символом означает, что соответствую-
щий элемент рассматривается как нечеткий.
Тогда искомый алгоритм можно представить в виде:
Шаг 1. Определить начальную маркировку oM~ для α)(( LeDo типа «позиция», как
корень дерева и поместить его как «новое» маркирование.
Шаг 2. Пока существуют «новые» маркировки M~ выполняются следующие дейст-
вия.
Шаг 2.1. Выбрать новое маркирование M~ , как результат выполнения α)(( LeDo
типа «переход».
Шаг 2.2. Если маркировка M~ совпадает с одним из маркирований на пути от корня
дерева к данной маркировке M~ , то пометить ее как «старое» и перейти к другому
«новому» маркированию M~ .
Шаг 2.3. Если при маркировании M~ не существует разрешенных α)(( LeDo типа
«переход», то отметить это маркирование как «тупиковое». Это маркирование M~ может
быть таким же «терминальным» и определять конечную маркировку.
Шаг 2.4. α)(( leDo до тех пор, пока для маркировок M~ существуют разрешенные
α)(( leDo типа «переход» для каждого из них выполнить следующие действия.
Шаг 2.4.1. Найти маркированные |~M , которые заменяет маркирование M~ , как
результат выполнения }'.{ ~~ itit DoDo ∈
Шаг 2.4.2. Если на пути от корня к маркированию M~ существует маркирование ''~M
такое, что ),~~(&))''~)(~(| MMCpjMpjMPpj ≠≥∈∃ то это определяется как покрытие
маркирования "M~ и маркирование ''~)('' MpjM ∈ заменяем на ω . Причем это действие
осуществляется для всех
jpDo , в которых )(''~)(''~ pjMpjM ≥ .
Шаг 2.4.3. Принять '~M за вершину, соединить маркирование M с маркированием
'~M дугой, которая содержит
it
Do , и пометить маркирование '~M как «новое».
Шаг 3. Шаги 2.1 – 2.4.3 выполнить для всех возможных маркировок сети.
Шаг 4. Сформировать множества {Doti}, {Dopj}, которые определяют множество мар-
кировок { LlM l ∈},{ } при перемещении маркера от корня дерева к некоторому терми-
нальному объекту
jpDo .
Шаг 5. Для множеств }{
it
Do и }{
jpDo определить:
– вектор
)),('())(')('( кореньDoтермDoкореньDoDoтермDoDo pjpjpjpjpjpj µµµ === ;
– используя алгоритмы дефаззификации, найти значение аргумента и соответственно
термµ .
Шаг 6. Для множеств }{
it
Do и }{
jpDo находим результирующие значения
∑∑∑ StT ,,τ .
Кучеренко Е.И., Краснокутский Д.Е.
«Искусственный интеллект» 3’2008 562
7К
Шаг 7. При наличии альтернатив ∅≠}{Alt w1 , Ww∈ решить задачи (1), (3) и
сформировать рекомендации по путям принятия решений на множестве альтернатив.
В приложениях важно определить форматы Do . Введем минимально возможные,
как показал анализ, форматы некоторых объектовDo :
– формат Do для позиции jp P∈ :
( ) ( )
; 0 0
( )
; { ( ) }; ( ), ; { ( ) }; { ( ) }; { ( ) }; ; ;
{ ( )}; { ( )}; ; Pr ; ,
j j j
jc
ing ings
j j p pi j j j p p
xyz
j j p
j p p in x M t in t out t in C C
t in t out ИНС M
α α α αµ µ< ∈
>
(6)
где компоненты Do принимают следующие значения:
αj – номер позиции j уровня α ;
})({ s
jj inpp ∈ – принимает значение согласно
∉
∈
;)({,0
,)({,1
s
jj
s
jj
inppif
inppif
})({ s
jj outpp ∈ – принимает значение согласно
∉
∈
;)({,0
,)({,1
s
jj
s
jj
outppif
outppif
jpµ – функция принадлежности данного объекта;
)( 0xpiµ – значение функции принадлежности данного объекта;
0M – вектор начальной маркировки;
})({ αint j – множество входных переходов позиции от некоторого смежного уровня
рассматриваемой иерархии;
)}({ outt j – множество выходных переходов от позиции к некоторому смежному
уровню рассматриваемой иерархии;
})({ )(
αint ing
j – множество входных ингибиторных дуг от переходов к позиции;
)(ing
p j
C –функция цвета ингибиторных дуг;
jpC – функция цвета дуг;
)}({ int j – множество входных переходов к позиции jp~ ;
)}(outt j – множество выходных переходов позиции jp~ ;
ИНС =
=
=
;,0
,,1
falseИНСif
trueИНСif – параметр наличия ИНС в процедуре маркирования
данной позиции;
)(Pr xyz – параметр отображения некоторого пространства, отнесенного к данной
позиции;
jcpM =
=
≥
;0,0
,1,1
j
j
Mpif
Mpif
– параметр маркирования позиции;
– формат Do для перехода Tti ∈ :
< ,αi )};({)};({};)({};)({};)({
)(
outpinpoutpoutpinp ii
ing
iii ααα
>)(Pr;;Pr;;;; xyz
itiiiw UrToSti µτ , (7)
Применение методов на основе сетевых моделей в задачах анализа состояния...
«Штучний інтелект» 3’2008 563
7К
где компоненты Do принимают следующие значения:
αi – номер перехода i уровня α ;
})({ αinpi – множество входных позиций к переходу от некоторого смежного уровня
рассматриваемой иерархии;
})({ αoutpi – множество выходных позиций перехода к некоторому смежному
уровню рассматриваемой иерархии;
})({
)(
α
ing
i outp – множество выходных ингибиторных дуг от перехода к позиции;
)}({ inpi – множество входных позиций рассматриваемого перехода;
)}({ outpi – множество выходных позиций рассматриваемого перехода;
iwτ – параметр времени, отнесенного к переходу;
iSt – стоимостной показатель, отнесенный к переходу;
0T – показатель надежности (наработка на отказ) средств, реализующих соот-
ветствующие процессы;
tiµ – функция принадлежности;
Ur =
=
=
;,0
,,1
falseUrif
trueUrif
iPr – предикат, отнесенный к условию разрешенности перехода;
)(Pr xyz – параметр отображения некоторого пространства, отнесенного к данному
переходу.
Приведем пример моделирования процессов с использованием предложенного
метода для фрагмента уровня сетевой модели (рис. 1)
Рисунок 1 – Фрагмент модели
p11 11 1 0 jpµ )x( 0piµ 1;0 ∅ ∅
∅ 0 0 ∅
{t11} 0 x;y;z 1
t11 11 ∅ ∅ {p11} {p21} iwτ iSt 0T tiµ 1 iPr x;y;z
P21 21 0 0 jpµ )x( 0piµ 1;0 ∅ ∅
∅ 0 0 {t11} {t21}
{t31}
0 x;y;z 0
Рисунок 2 – Исходное состояние фрагмента модели
С учетом введенных Do , процесс моделирования можем представить в виде:
– исходное состояние (рис. 2);
– последующее состояние фрагмента модели (после срабатывания разрешенного пере-
хода t11 ) (рис. 3).
P11 t11 P21 t21
t31
Кучеренко Е.И., Краснокутский Д.Е.
«Искусственный интеллект» 3’2008 564
7К
p11
11 1 0 jpµ )x( 0piµ 0;1 ∅ ∅
∅ 0 0 ∅
{t11} 0 x;y;z 0
t11 11 ∅ ∅ {p11} {p21} iwτ iSt 0T tiµ 1 iPr x;y;z
P21 21 0 0 jpµ )x( 0piµ 0;1 ∅ ∅
∅ 0 0 {t11} {t21}
{t31}
0 x;y;z 1
Рисунок 3 – Последующее состояние фрагмента модели
В результате выполнения алгоритма формируются множество маркированных
позиций – в данном случае },{
2111 pp и множество выполненных переходов }{ 11t .
Определим показатели нечеткости, как решение [9] для фрагмента сети (рис. 1) в
виде [4]
)~,~,~(''
1211111121
~~ ptppp µµµ = (8)
с последующей дефаззификацией [4] полученных решений (8) и нахождением конкрет-
ных значений аргумента и функции принадлежности.
Временные показатели реализованных процессов могут быть определены, как
нахождение
∑
Α∉
∈
∑ =
α
αττ
Ii
i . (9)
Показатели подсчетов формируются как нахождение
∑
Α∈
∈
−
Σ =
α
Ii T
T
01
1
0
1)( . (10)
Решения (8) – (10) являются составляющими решения задач (1), (3) при наличии
альтернатив 0≠Altw .
Замечание 1. Результат функционирования ИНС в составе нейро-фаззи сетей
Петри [4] определяет дополнительные условия маркирования позиций PPi∈ сети.
Предлагаемый метод в значительной степени эффективен и реализуется в предло-
женной модификации алгоритма построения дерева достижимости.
Инструментальные средства (HFPN) реализации разработанных методов и алгорит-
мов в задачах моделирования и анализа процессов принятия решений представляют
собой дальнейшее расширение средств FPN [4] на случай иерархии классов нейро-фаззи
сетевых моделей, они в значительной мере учитывают специфику решения поставленных
в работе задач.
Верхняя оценка вычислительной сложности реализации алгоритма близка к квад-
ратичной и может быть представлена в виде
C = k(max {|Dopj|, |Doti|})2, (11)
где – k = k1·k2,
k1 – определяется форматом элементов динамических объектов,
k2 – определяется быстродействием и архитектурой компьютерных средств.
Применение методов на основе сетевых моделей в задачах анализа состояния...
«Штучний інтелект» 3’2008 565
7К
В одной из версий инструментальных средств в реальных исследованиях вычисли-
тельная сложность (11) обычно не превышает (1 – 10) с.
Практическая реализация теоретических положений
работы в задачах оценки состояния сложного объекта
В качестве объекта управления и автоматизации рассмотрим газотранспортную и
газораспределительную сеть. Как объект управления, система газоснабжения и газорас-
пределения [10] может быть отнесена к сложным системам. Она характеризуется: тер-
риториальной и функциональной пространственностью; многоуровневым принципом
управления; производствами с непрерывным и дискретным характером процессов; значи-
тельным числом параметров и переменных; строгими требованиями к надежности компо-
нент и системы в целом; значительным уровнем неопределенности; значительным
влиянием человеческого фактора; требованием функционирования в условиях дефицита
целевого продукта.
Решение проблемы повышения надежности газопроводов во многом связано со
своевременной и качественной оценкой их состояния. При этом следует учитывать, по
крайней мере, такие составляющие: регламентные оценки состояния трубопроводов;
объемы и содержание выполненных работ по каждой компоненте регламента строго
определены существующими инструкциями; существующие балльные оценки состояния
объекта достаточно грубы, субъективны, зависят от квалификации обслуживающего
персонала; нет возможности учета некоторых плохо формализуемых факторов типа
наличие и состояние грунтовых вод, наличие электроактивных зон в труднодоступных
местах, возможность промерзания грунтов при ненадлежащей теплоизоляции, множество
субъективных, трудноучитываемых факторов, влияющих на состояние объекта.
Необходимо, не исключая положений действующих инструкций, определить пути
повышения достоверности принимаемых решений о состоянии трубопроводов. Это может
быть реализовано за счет учета нечетких данных и знаний об их состоянии, выбора аль-
тернатив в стратегиях принятия решений при одновременном повышении оперативности
за счет геоинформационных технологий, что особенно важно в задачах локализации и
устранения предаварийных и аварийных ситуаций.
Сети газоснабжения и газораспределения представляют обычно иерархическую сис-
тему многосвязных трубопроводов, которые связаны регуляторами различного назначе-
ния. Иерархическая структура является характерной особенностью газовых коммуника-
ций, что отличает их от других (тепловых, водопроводных, канализационных и т.п.)
Обобщенная структурная схема системы газоснабжения предложена на рис. 4.
Источники
природного
газа
Магистральные
газовые сети
Региональные
распределительные
сети
Потребители
газа
Сооружения по
обработке
природного газа
Рисунок 4 – Обобщенная структурная схема системы газоснабжения
Применение средств геоинформационных систем (ГИС) определяется тем, что
такие технологии охватывают комплекс методологических, организационных, програм-
мных, технических и информационных действий по управлению реальными, достаточно
Кучеренко Е.И., Краснокутский Д.Е.
«Искусственный интеллект» 3’2008 566
7К
сложными объектами. Они призваны повысить эффективность управления объектом за
счет интеграции пространственных и непространственных данных в единое информа-
ционное пространство, возможности анализа и моделирования процессов, как компонент
принятия ответственных решений.
Структура программных средств анализа состояния объекта и принятия решений о
его состоянии включает программные продукты: HFPN; ArcGis; Adobe Photoshop; Scan
Edit. Для высокоточного сканирования пространственной информации использован ска-
нер фирмы «Hewlett-Packard» с последующим использованием программного модуля
Scan Edit. Коррекция изображений и обработка результатов сканирования выполнена в
программной среде Adobe Photoshop.
Для привязки и интеграции пространственной информации применена одна из вер-
сий программного продукта ArcGis. Планшеты интегрированы в программной среде
ArcGis [11], как растровые информационные слои в условной системе координат с после-
дующей векторизацией. Приложение ArcMap [12] позволяет осуществлять решение ти-
пичных задач сетевого анализа. К ним, в первую очередь, отнесем: анализ сообщений на
неисправности; трассирование и анализ изоляции; трассирование и анализ загрязнений.
Программный продукт HFPN представляет собой расширение известной программы
FPN [4] на случай моделирования и анализа иерархических объектов, функционирующих
в нечетком пространстве состояний. Он реализует следующие функции: обучение пост-
роения моделей; автоматизированная генерация моделей; автоматизированная генерация
отношений иерархических уровней модели; автоматизированное построение и редактиро-
вание моделей; настройка параметров модели; моделирование динамики взаимодействия
процессов по заданным формальным критериям; выбор альтернативных путей взаимо-
действия процессов; анализ результатов моделирования; построение модифицированных
моделей по результатам моделирования и анализа; формирование рекомендаций по моди-
фикации процессов предметной области; формирование отчетных данных.
Предложенная и реализованная структура инструментальных средств позволила
существенно повысить достоверность и оперативность принимаемых решений по оценке
состояния газораспределительных объектов за счет более полного учета плохо формали-
зованных факторов и наличия пространственной компоненты системы.
Выводы
1. Сформулирована и решена задача выбора альтернатив в системах, характеризую-
щихся иерархичностью процессов. Эта задача рассматривается как задача оптимизации
на множестве критериев и ограничений в нечетком пространстве состояний сетевой
модели. Определено, что критериями оптимизации могут быть показатели надежности и
(или) качества, а в качестве ограничения целесообразно выбрать показатели нечеткости,
стоимости и времени.
2. Получил дальнейшее развитие метод анализа взаимодействующих процессов в
задачах выбора альтернатив сложных объектов, в котором, в отличие от существующих,
в динамические объекты дополнительно введены элементы, отображающие в явном виде
иерархичность и синхронизацию классов нейро-фаззи сетевых моделей, что позволяет
расширить классы исследуемых систем.
3. Предложен и исследован алгоритм анализа нечетких иерархических процессов,
который является модификацией и расширением алгоритмов построения дерева достижи-
мости на иерархию классов нейро-фаззи моделей. Определено, что верхняя оценка вычис-
лительной сложности алгоритма близка к квадратичной, конкретное значение сложности
зависит от формата динамических объектов и параметров вычислительных ресурсов.
Применение методов на основе сетевых моделей в задачах анализа состояния...
«Штучний інтелект» 3’2008 567
7К
4. Определено, что эффективным и перспективным направлением исследований
является дальнейшая адаптация моделей, методов и инструментальных средств к осо-
бенностям широкого класса объектов на основе интеллектуализации информационных
технологий, включая геоинформационные, в задачах анализа состояния таких сложных
объектов, как газотранспортные магистрали, другие инженерные сети и объекты.
Литература
1. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. – М.: Наука, 1978. – 352 с.
2. Шаталов А.С. Отображение процессов управления в пространствах состояний. – М.: Энергоатомиздат,
1986. – 256 с.
3. Миркин Б.Г. Проблема группового выбора. – М.: Наука, 1974. – 256 с.
4. Бодянский Е.В., Кучеренко Е.И., Михалев А.И. Нейро-фаззи сети Петри в задачах моделирования
сложных систем. – Дніпропетровськ: Системні технології, 2005. – 311 с.
5. Кучеренко Е.И., Краснокутский Д.Е. Об одном подходе к построению нечетких гибридных моделей
сложных систем // Системи обробки інформаії. – Харків: Харківський університет Повітряних Сил імені
Івана Кожедуба, 2007. – № 9 (67). – С. 58-62.
6. Кучеренко Е.И., Краснокутский Д.Е. Гибридные математические модели на основе расширений нечет-
ких сетей Петри // Бионика интеллекта. – Харьков: ХНУРЭ, 2007. – № 1 (66). – С. 64-67.
7. Кучеренко Е.И., Краснокутский Д.Е. Методы анализа процессов принятия решений в нечетком
пространстве состояний объектов на основе иерархии сетевых моделей // Зб. наук. праць Харківського
університету Повітряних Сил. – Харків: Харківський університет Повітряних Сил імені Івана Кожедуба,
2008. – Вип. 1(16). – С. 75-80.
8. Питерсон Дж. Теория сетей Петри и моделирование систем. – М.: Мир, 1984. – 264 с.
9. Tsoukalas L.H., Uhrig R.E. Fuzzy and Neural Approaches in Engineering. – New York: John Wiley&Sons.Inc,
1997. – 587 p.
10. Седак В.С. Компьютерные технологии в разработке и эксплуатации региональных систем газоснаб-
жения на примере ОАО ГГО «ХАРЬКОВГАЗ». – Харьков, 1999. – 183 с.
11. ArcGIS – семейство программных подуктов американской компании ESRI. – Режим доступа:
http://ru.wikipedia.org/wiki/ArcGIS
12. Руководство пользователя по ГИС «MapInfo». – New York: MapInfo Corporation, Troy, 1993. – 121 с.
Є.І. Кучеренко, Д.Є. Краснокутський
Застосування методів на основі мережних моделей в задачах аналізу станів складних технологічних
об’єктів
Сформульована та вирішена задача вибору альтернатив у нечітких ієрархічних системах, які
характеризуються ієрархічністю процесів. Задача розглядається як оптимізація на множині критеріїв
та обмежень у нечіткому просторі станів мережної моделі. Запропоновані методи та алгоритми
вирішення прикладних задач.
Ye.I.Kucherenko, D.Ye. Krasnokutskiy
Application of Methods on the Basis of Network Models in Problems of the Analysis of a Difficult
Technological Objects Condition
The problem of a choice of alternatives in fuzzy hierarchical systems is formulated and solved. The problem is
considered as optimization on set of criteria and restrictions in fuzzy space of conditions. Methods and algorithms of
the decision of applied problems are offered.
Статья поступила в редакцию 10.07.2008.
|