Skip to Content

Структура экспертной системы

В первом случае интеллектуальная система анализирует информацию о внешней обстановке и состоянии собственных систем управления, выбирает наиболее рациональные способы разрешения возникающих проблем и предоставляет их оператору виде рекомендации и подсказки. Предоставление осуществляется через систему отображения информации (СОИ). Оператор вправе принимать самостоятельно решения без помощи «советчика» любо действовать в соответствии с его рекомендациями. Результатом функционирования интеллектуальной системы при этом является уменьшение ошибок оператора в экстремальных ситуациях, в условиях дефицита времени на принятие решения.
Во втором случае система берет управление «на себя», координируя работу отдельных подсистем управления, планируя или (в случае необходимости) корректируя выбранные ранее действия оператора. Данная ситуация характерна прежде всего для безоператорных станций.
Структуру интеллектуальной системы первого типа – «помощник» можно представить в виде схемы, изображенной на рисунке 6. Данная система имеет модульную структуру и предназначена для решения задач оперативного выбора действий оператора в реальном масштабе времени.
Отдельные модули, входящие в состав данной системы, предназначены для выполнения следующих функций: модуль анализа обстановки на основе сенсорной информации, получаемой с датчиков выделяет ситуации, существенные с точки зрения принятия решений на стратегическом и тактическом уровне и на основании результатов прогноза оценивает степень опасности ситуации. Модуль контроля безопасности позволяет прогнозировать развитие ситуации, способствуя упреждению принятия решений до момента появления реальных угроз. Модуль принятия решений формирует рекомендации (подсказки) оператору, которые он получает через командный интерфейс и систему отображения информации (СОИ), или же управляющие воздействия, подаваемые в автоматическом режиме управления на исполнительные механизмы, с учетом характера развития ситуации. Рабочая база знаний (БЗ) содержит формируемые варианты управления, которые могут изменяться и уточняться по мере обновления текущей информации. Модуль принятия решений и рабочая БЗ образуют совместно динамическую экспертную систему (ДЭС), обеспечивающую согласованную работу всех модулей интеллектуальной системы и формирование решений в реальном масштабе времени. Модуль обучения обеспечивает формирование или коррекцию баз знаний, используемых в модулях анализа и прогноза ситуаций, коррекцию начального заполнения рабочей БЗ ДЭС.

Рис.6. Структурная схема интеллектуальной системы управления

Очевидно, что представленная система обладает свойством интеллектуальности и позволит обеспечить выбор и реализацию наилучшей стратегии управления в условиях неопределенности. Принимая во внимание динамику и сложность решаемых задач в условиях действия факторов неопределенности, отдельные модули данной системы управления должны быть реализованы как интеллектуальные подсистемы. При реализации данных модулей, как средств преодоления неопределенности входной сенсорной информации с датчиков, хорошие перспективы открывают нейросетевые технологии.

Рис. 7. Структурная схема системы предупреждения опасных ситуаций

Разрабатываемая интеллектуальная дисплейная панель должна обеспечить оператору расширенный диапазон отображения текущей информации. Экран панели должен быть спроектирован я учетом эргономических аспектов и обеспечивать высокий уровень концентрации внимания оператора к восприятию отображаемой информации. В рабочем пространстве дисплея должны быть выделены большие области для отображения оконного меню, сигнализации опасных ситуаций и отображения текущей информации. При этом дополнительные возможности по улучшению восприятия информации обеспечит использование различного цветового оформления и голосовое озвучивание отображаемой информации.

Механизм логического анализа
Механизм логического анализа (механизм логического вывода, дедуктивная машина, решатель) – представляет собой логико-математический аппарат, осуществляющий анализ ситуаций и поиск решения задачи и получение правдоподобного вывода на основе знании заложенных в БЗ [9]. Это формально-логическая система, реализованная в виде программного модуля, позволяющая логически выводить необходимую для пользователя информацию, исходя из сведений, размещенных в базе знаний. Принципы построения механизма вывода определяются способом представления знаний и видом моделируемых рассуждений.
Основная задача решателя — это преобразование исходного описания задачи или задания на выполнение некоторой программы в рабочую программу для ЭВМ. Математически эта задача сводится к переводу исходного описания в некоторое промежуточное формализованное описание (описание на языке спецификаций, в качестве которого чаще всего выступает исчисление предикатов первого порядка или некоторое подмножество формул, допустимых в подобном исчислении). Подобная формализация рассматривается как теорема. Доказательство теоремы можно найти в рамках формальной системы, все компоненты которой хранятся в базе знаний. Средства вывода входят в решатель. Построенный вывод (при положительном результате доказательства) позволяет извлечь из него рабочую программу, нужную пользователю [11].
В последнее время было показано, что в качестве языка, на котором функционирует решатель, можно использовать языки логического программирования, в частности язык ПРОЛОГ. Переход к языкам такого типа резко повышает эффективность процедур автоматического синтеза программ в решателях. Можно предполагать, что подобный подход даст возможность строить вполне приемлемые с практической точки зрения решатели в ЭВМ новых поколений.
Обычно машина логического анализа использует программно реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети.
Система логического анализа позволяет: выдвигать и проверять различные гипотезы; вырабатывать новые знания; формировать запросы на ввод новых данных и знаний; формировать решения.
Механизм анализа и вывода, конечно, определяется используемой концепцией и структурой базы знаний (БЗ). Однако существуют некоторые общие подходы к организации логического вывода, важнейшие из которых следующие. Сам вывод может осуществляться в прямом и обратном направлении: от данных (посылок) – к цели или обратно. Наличие различных вариантов решений приводит к «дереву ветвления решений», которое может просматриваться «вглубь» и «вширь».
Неполноту, неточность, недостоверность, субъективность данных учитывают методами оценки неопределенности, основанными на теории вероятности, математической статистики и пр. В результате в ЭС манипулируют такими понятиями, как «коэффициент уверенности», «размытое множество» и пр.
Различают монотонный и немонотонный выводы. В первом случае полученные в процессе вывода результаты не пересматриваются, во втором – могут пересматриваться.
Подходы в создании механизма логического вывода
Чтобы ответить на вопрос, сколько правил находится в базе знаний и какие будут использоваться необходимо выбрать механизм вывода или контрольную стратегию, которая составляет «сердце» системы. Механизм вывода инициирует правила в соответствии с встроенным процессом рассуждений. Существуют два основных подхода в создании машин логического анализа – механизмов вывода — прямой и обратный [5].
1. Прямой вывод – в продукционных системах – вывод от известных фактов, на каждом шаге которого к этим фактам применяют все возможные правила, которые порождают новые факты, и так до тех пор, пока в рабочей памяти не появится факт-цель.
Правила просматриваются до тех пор, пока не будет найдено такое, у которого первый операнд (в левой части) соответствует информации, находящейся в рабочей области, затем правило изменяется. Процесс повторяется до тех пор, пока не будет достигнута цель или не будет найдено подходящего правила. Данный механизм вывода рекомендуется, если цель неизвестна и должна быть спроектирована или число возможных результатов велико. Для комплексного решения проблем может быть использован прямой вывод.
2. Обратный вывод – в продукционных системах – вывод от поставленной цели (гипотезы). Если цель согласуется с заключением правила, то его условие принимается за подцель, и этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с известными фактами.
Правила просматриваются, находятся те, последовательность выполнения которых приводит к цели. Для каждого из этих правил проверяется, соответствуют ли первые операнды (предпосылки) информации в рабочей области. Если все предпосылки соответствуют этому условию, правило выполняется и задача решается. Если существует предпосылка, которая не соответствует информации в рабочей области, определяется новая подцель как «организация условий для удовлетворения этой предпосылки». Процесс выполняется рекурсивно. Если известны значения цели и их число невелико, то обратный вывод эффективен. Механизм обратного вывода часто используется в диагностических ЭС.
3. Соединение прямого и обратного вывода. Этот способ применим, когда используется «доска объявлений». Модель «доска объявлений» – это структурный тип модели рассуждений, в котором наилучшим способом используются порции знаний в прямом и обратном направлениях. Знания, необходимые для решения задачи, делятся на независимые группы правил, называемых источниками знаний. «Доска объявлений» — основная база данных, играющая роль средства связи между источниками знаний и отслеживающая изменения состояния задачи, пока решение не будет найдено.
Получение знаний. В задаче проектирования знания могут быть представлены в виде графов, таблиц данных, процедур алгоритмического анализа и экспериментальных знаний. На различных этапах решении задачи можно использовать прикладные программы определенной предметной области [5].

Обычно в системах искусственного интеллекта применяется один из двух видов анализа. Первый – это анализ снизу вверх или прямой анализ, а второй – сверху вниз или обратный. Различие их определяется тем, в каком направлении ведется поиск (от начала в конец или наоборот) и какой элемент (следствие или антецедент) активирует правила.
Фактор эффективности и легкости внедрения может сыграть решающую роль при выборе вида анализа, который будет применяться в определенном приложении, но следует помнить, что использование смешанных стратегий также возможно.

(c) 2009 Раздобарина Е.А.
Все права принадлежат ООО "Смарт Автоматикс" (Smart Automatics ltd).
Ссылка на www.smaut.com при использовании материалов ОБЯЗАТЕЛЬНА.