Прогнозирование ресурса сложных систем

Секция 3 «ЭЛЕКТРОНИКА, ЭЛЕКТРОМЕХАНИЧЕСКИЕ ПРЕОБРАЗОВАТЕЛИ И СИСТЕМЫ
УПРАВЛЕНИЯ».
Прогнозирование ресурса сложных систем
к.т.н. проф. Меша К.И., Никитин А.К., Заиченко К.О.
МГТУ «МАМИ»
В настоящее время существует довольно много оболочек ЭС [1], ориентированных
на самые разные области экономики, производства, науки и техники. Среди них
наибольшее применение для решения сложных технических и инженерных задач находят
следующие оболочки [2]: TSP FRAME ENAINE, EXSYS CORVID, M.1 MICROEXPERT.
Рассмотрим возможности применения ЭС для прогнозирования остаточного ресурса (ОР)
сложных технических систем (СТС), которое является весьма трудоёмкой задачей и
решается в настоящее время с помощью эвристических правил, полученных путём
обобщения опыта специалистов по применению моделей прогнозирования ОР, или
количественным сравнением качества получаемых с помощью рассматриваемых моделей
прогнозов. Для осуществления прогнозирования необходимо учитывать характеристики
объекта прогнозирования. Среди особенностей структуры СТС можно выделить
следующие:
•
•
•
•
большое количество подсистем;
разнообразие типов подсистем (аналоговые, цифровые);
различная элементная база;
различные режимы использования и условия эксплуатации отдельных подсистем.
Очевидно, что в зависимости от конкретной конфигурации СТС и режима её
эксплуатации, начальные условия решения задачи прогнозирования ОР будут
существенно отличаться. Эти отличия затрагивают прежде всего следующие аспекты:
• характеристики случайного процесса (СП) изменения ОР;
• характеристики СП ошибок измерений;
• объём исходных данных, результатов контроля, априорная информация о
параметрах аналогичных подсистем.
Проведённый анализ показал, что класс СП старения достаточно обширен.
Характеристики СП ошибок измерений также могут существенно изменяться в
зависимости от конкретной ситуации. Кроме того, среди подсистем СТС можно выделить
как уникальные подсистемы, так и серийные подсистемы. Таким образом, в рамках одной
СТС должны быть предусмотрены возможности решения задач прогнозирования ОР при
различном количестве как априорной (ансамблевой) информации о расходовании ОР
аналогичных подсистем, так и при переменном объёме апостериорных данных,
полученных в результате контроля за наблюдаемой подсистемой. Таким образом, из
сказанного выше вытекает, что для решения задачи прогнозирования ОР с учётом
разнообразных (изменяющихся) исходных данных о наблюдаемой СТС и её подсистемах
необходимо использование совокупности частных моделей расходования ОР для всех
подсистем СТС, каждая из которых пригодна к использованию в конкретной ситуации.
При этом данная совокупность моделей должна удовлетворять условию полноты, т.е. для
любой ситуации в базе моделей должна присутствовать соответствующая модель.
Преимущество такого подхода по сравнению, например, с подходом основанным
на создании универсальной модели, работающей при любых начальных условиях, состоит
в простоте частных моделей прогнозирования ОР. Эти модели, как и условия их
применения, достаточно подробно описаны в литературе [3]. Кроме этого применение
частных методов прогнозирования ОР к отдельным подсистемам позволяет полнее учесть
начальные условия решения задачи и повысить точность прогнозов.
Материалы международной научно-технической конференции ААИ «Автомобиле- и
тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию
МГТУ «МАМИ».
114
Секция 3 «ЭЛЕКТРОНИКА, ЭЛЕКТРОМЕХАНИЧЕСКИЕ ПРЕОБРАЗОВАТЕЛИ И СИСТЕМЫ
УПРАВЛЕНИЯ».
Недостатками этого подхода являются трудности, связанные с формированием
полной базы моделей, а также реализация алгоритма выбора из базы моделей наиболее
адекватной модели, учитывающей конкретные начальные условия. Такой алгоритм
выбора требует от пользователя большого объема специальных знаний и проведения
дополнительных исследований, часто связанных с необходимостью обработки
значительных объемов исходных данных. Все выше сказанное позволяет сделать вывод,
что задачу, прогнозирования ОР СТС необходимо решать в рамках создания ЭС.
Для создания ЭС ориентированной на прогнозирование наиболее всего подходит
оболочка Эксперт-ПРИЗ, структур, схема которой представлена на рис.1. Оболочка
Эксперт-ПРИЗ позволяет:
• создавать ЭС в таких областях, в которых наряда с и пользованием эмпирических
знаний необходимы и математических вычисления и доступ к большим, уже
существующим БД;
ПОЛЬЗОВАТЕЛЬСКИЙ ИНТЕРФЕЙС
СИСТЕМА УПРАВЛЕНИЯ
ЯДРО
РЕДАКТОР
TEKCTA
ОКНАМИ
ЭКСПЕРТ-ПРИЗ
РЕШАТЕЛЬ ЗАДАЧ
СИСТЕМА
УПРАВЛЕНИЯ
БАЗЫ ДАННЫХ
ЭКСПЕРТНЫЕ БАЗЫ ЗНАНИЙ
КОНЦЕПТУАЛЬНЫЕ
БАЗЫ ЗНАНИЙ
БАЗЫ ДАННЫХ
ЗАПУСКАЕМЫЕ ПРОГРАММЫ (.EXE И .COM)
Рисунок 1 - Структурная схема Эксперт-ПРИЗ
• использовать уже существующие ЭС для решения задач пределах данных знаний..
Эксперт-ПРИЗ состоит из ядра - подсистемы эксперт знаний и из двух
интерактивных подсистем:
• решатель задачи;
• система управления базами данных (СУБД).
В дополнение к этим свойствам Эксперт-ПРИЗ снабжён редактором текста и
возможностью запускать отдельные программы-утилиты, не выходя из Зксперт-ПРИЗа.
Такими программами могут быть любые программы, запускаемые в DOS. Консультация
между пользователем и системой проходит через оконный интерфейс.
Таким образом, база моделей для решения задачи прогнозирования ОР
формируется в концептуальной базе знаний, КЯ заносятся все алгоритмы решения задачи
прогнозирования ОР для каждого конкретного случая. В экспертные базы знаний
заносятся правила, по которым будет осуществляться выбор модели из базы концепций.
Выбор модели происходит в зависимости от исходных данных о конкретной подсистеме
Материалы международной научно-технической конференции ААИ «Автомобиле- и
115
тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию
МГТУ «МАМИ».
Секция 3 «ЭЛЕКТРОНИКА, ЭЛЕКТРОМЕХАНИЧЕСКИЕ ПРЕОБРАЗОВАТЕЛИ И СИСТЕМЫ
УПРАВЛЕНИЯ».
СТС, которые находятся в БД и служат как для управления выбором модели, так в
качестве исходных данных для расчёта модели, который производит Решатель задач.
Результат решения задачи со всеми необходимыми комментариями и пояснениями
попадает через ядро Зксперт-ПРИЗа пользователю.
Таким образом, эта оболочка ЭС позволяет значительно упростить решение задачи
прогнозирования ОР для пользователя, так как не требует от него глубоких знаний
существа вопроса, и позволяет получать результат прогнозирования в удобном для
пользователя виде.
Литература
1. Элти Д., Кумбс М. Экспертные системы. И.: Мир, 2007.- 191 с.
2. Экспертные системы для персональных компьютеров: методы, средства, реализации:
Справочное пособие /В.С. Крисевич, Л.А.Кузьмич, А.М. Шиф и др.- Мн.: Высшая
школа,2009.-197 с.
3. Силин В.Б., Заковряшин А.И. - Автоматическое прогнозирование состояния аппаратуры
управления и наблюдения.- М.: Энергия, 2005.- 136 с.
Материалы международной научно-технической конференции ААИ «Автомобиле- и
тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию
МГТУ «МАМИ».
116