CC BY
44
Результаты исследований ползучести цирконового жаростойкого бетона представлены на рис. 4 откуда следует, что скорость ползучести с увеличением температуры от 1200 до 1600°С возрастает с 0,08 до 0,22ч-1. При отмеченных скоростях [3] закон ползучести аппроксимируется формулой:
где: ст - внешнее напряжение;
ст0 - напряжение, соответствующее пределу ползучести;
R - универсальная газовая постоянная;
B0, Q, «-экспериментальные параметры материала, соответственно равные: В0 = 0,0432; Q =106; n = 1,14.
Откуда следует, что скорость ползучести с достаточной для практики степенью точности может быть вычислена при любой нагрузке в исследуемом интервале температур. Однако здесь, в реальных условиях скорость ползучести жаростойкого бетона будет несколько отличаться от определенной экспериментальным путем, поскольку скорость нагрева изменится и, кроме того, материал будет нагреваться с одной стороны.
Таким образом, вышеприведенные результаты испытания жаростойкого цирконового бетона на полисиликатнатриевом композиционном вяжущем в нагретом состоянии т.е. комплексное изучение процессов напряжения, деформации и ползучести бетона при различных температурах, показали возможность обоснованного назначения коэффициентов запаса прочности и термической стойкости, а также определение оптимальной формы и размеров изделий и их использования в конструкциях футеровки тепловых агрегатов при различных режимах работы.
Литература
1. Александровский.С.В., Вагрий В.Я. Ползучесть бетона при периодических воздействиях.-М. : Стройиздат, 1970. - 162с.
2. Безухов Н.И. Основы теории упругости, пластичности и ползучести. - М. :Высшая школа, 1968. - 512 с.
3. Жуков В.В. Основы стойкости бетона при действии повышенных и высоких температур. Дис.. ..докт. техн. наук. -М.,1981. - 437 с.
4. Тотурбиев Б.Д. Строительные материалы на основе силикат-натриевых композиций. - М.: Стройиздат, 1988, 208с.
Филиппов АН.1, Морозов Ю.С.2, Кондидатов А.А.3
^Кандидат технических наук, доцент; 2магистрант; 3магистрант, Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики МЕТОДЫ ВКЛЮЧЕНИЯ АГЕНТОВ В МНОГОАГЕНТНУЮ СИСТЕМУ ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ
Аннотация
В статье описываются методы включения агентов в многоагентную систему технологического назначения с онтологическим словарем в виртуальном строковом пространстве технологических данных.
Ключевые слова: онтология, словарь, агент, многоагентная система.
Filippov A.N.1, Morozov Y.S.2, Kondidatov A.A.3
Associate professor, candidate of engineering sciences; Undergraduate student; 3 undergraduate student; St. Petersburg National Research University of Information Technologies, Mechanics and Optics, St. Petersburg METHODS OF INCLUSION OF THE AGENTS INTO THE MULTIAGENT SYSTEM OF THE TECHNOLOGICAL
PURPOSE
Abstract
The article describes methods of inclusion into the multiagent system of the technological purpose with the ontological database in the virtual string space of the technological data.
Keywords: ontology, database, agent, multiagent system.
В настоящее время использование методов многоагентных систем (МАС) в современных САПР находит активное применение.
При включении агента в МАС решаются следующие задачи:
• гетерогенность, т.е. объединение в единую инфраструктуру баз данных и других элементов МАС;
• шнхронизация перцепционной информации;
• взаимодействие с агентами через стандартные форматы типа XML;
• взаимодействие с агентами через проприетарные форматы.
Благодаря использованию онтологий можно разделить семантику используемых в процессе проектирования ТПП понятий и данные, представляемые ими. Онтология может быть представлена в виртуально-строковом пространстве технологических данных (ВСПТД).
Методология ВСПТД, на основе которой создается единое информационное пространство описания технологических данных и знаний и обеспечивается включение агентов в МАС, была положена в основу САПР технологических процессов механической обработки деталей «ТЕХКОМ», применяемой ранее на многих отечественных предприятиях [1]. На основе ВСПТД создается язык коммуникаций, описывающий технический аспект передачи информации между агентами и язык описания онтологий, описывающий семантику предметной области [2].
В ВСТПД онтология базируется на представлении триплета (основной структурный элемент информационной среды):
F = UFi, где где: Fi = <Pi,Ni,Vi>
Pi - префикс, обеспечивающий контекстное понятие параметра, то есть указывающий на определенный описываемый объект, Ni - имя параметра, Vi - значение параметра. Словарь метаданных или онтологический словарь (O) --это средство, которое обеспечивает хранение, контроль описание данных и их документирование.
O = (P,N,C,R), где R - матрица кодов способов получения реквизитов, которая служит для организации работы управляющей структуры при взаимодействии агентов.
C - матрица кодов отношений объекта и характеристик.
Су >0 , если пара (Pi,Nj ) семантически допустима,
Су =0, если пара (Pi,Nj ) семантически недопустима
Во время работы над темой исследованы различные методы применения онтологии. В частности, в словарь включены параметры синхронизации перцепционной информации, таблица аффиксов, которая применяется после морфологического синтеза словоформ для формирования фраз на естественном языке, база тезауросов.
92
Литература
1. ТЕХКОМ-SERVICE Plus, V 3.5. — Описание применения. СПб: НТЦ Техком, 1993. 205 с.
2. Афанасьев Максим Яковлевич. Научный руководитель-к. т. н., доц. Филиппов Александр Николаевич. Разработка и исследование многоагентной системы для решения задач технологической подготовки производства. Диссертация на соискание ученой степени кандидата технических наук. Санкт-Петербург, 2012.
3. Филиппов А. Н. «Разработка и исследование методов экспертных систем в САПР ТП механической обработки» -Диссертация на соискание ученой степени кандидата технических наук. Л., 1991 г.
Стародубцев А.А1, Филиппов А.Н.2
'Магистрант национально исследовательского университета информационных технологий, механики и оптики, факультет точной механики и технологий, Санкт-Петербург, Россия; 2Доцент, кандидат технических наук, Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В ПРИБОРОСТРОЕНИИ
Аннотация
В статье описываются существующие методы и виды интеллектуальных систем в приборостроении, их достоинства и недостатки. Исследуются перспективы их развития.
Ключевые слова: экспертная система, многоагентная система, генетический алгоритм.
Starodubtsev A.A.1, Filippov A.N.2
'Undergraduate Saint-Petersburg National Research University of Information Technologies, Mechanics and Optics, St. Petersburg, Russia; 2Associate Professor, candidate of technical Sciences, Saint-Petersburg National Research University of information
technologies, mechanics and wholesale
APPLICATION OF INTELLIGENT SYSTEMS IN ENGINEERING INDUSTRY
Abstract
The article describes the existing methods and types of intelligent systems in instrument making, their advantages and disadvantages. Studies the prospects of their development.
Keywords: expert system, multi-agents system, genetic algorithm.
Введение
В настоящее время в производстве наблюдается острая необходимость в упорядочении и автоматизации его информационного сопровождения, усовершенствовании технологического оснащения. В силу этого весомое значение приобретает применение интеллектуальных систем в приборостроение.
Такие тенденции сформировались не только в связи со стремительным развитием технических и информационных средств сопровождения производства, но и как следствие увеличения количества решаемых на всех этапах производства задач и развития рынка в условиях жёсткой конкуренции.
Применение интеллектуальных систем позволяет значительно увеличить скорость подготовки технологической документации, а так же уберегает от ошибок человеческого фактора, что позволяет не только существенно сэкономить ресурсы предприятия, выделяемые на процесс подготовки производства, но и уберечь предприятие от аварий и катастроф которые могут произойти вследствие ошибок совершённых человеком.
В силу вышеперечисленных факторов, актуальность применения интеллектуальных систем не оставляет сомнения, но как заставить компьютер думать подобно человеку?! Давайте рассмотрим существующие методы решения данной задачи и как следствие виды интеллектуальных систем, полученных вследствие применения данных методов.
Виды интеллектуальных систем
Ниже приведены основные виды интеллектуальных систем, однако прежде чем мы рассмотрим особенности конкретных систем, хотелось бы рассказать пару слов о том, что объединяет все эти системы. Что же делает систему интеллектуальной? Интеллект понятие сложное и многообразное, и боюсь, современная наука не в силах дать исчерпывающее определение интеллекта — достаточно точное, и в то же время всеобъемлющее, но тем не менее существует достаточно сильный признак того, что система обладает интеллектом: если поведение системы зависит от внутреннего состояния и условий внешней среды, и не закодировано заранее, а выведено самой системой, то данная система является интеллектуальной. [1]
Экспертные системы
Экспертные системы — это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области. Примечательно то, что экспертные системы являются одними из первых видов практически применимых интеллектуальных систем в силу своей узкой направленности. Подобно тому, как хороший эксперт компетентен только в своей проблемной области, экспертная система работает в чётко детерминированном пространстве, то есть способна решать только определённое количество специальных задач. [2]
Основной части экспертной системы, является база знаний, что, впрочем, актуально и для других интеллектуальных систем. Давайте разберёмся, что же это такое. База знаний — это особым образом структурированная СУБД, где базовой единицей информации является факт, существуют определённые правила переходов (причинно-следственные связи) и признаки, посредством которых можно выявить факт. База знаний формируется исходя из личного опыта (знаний) экспертов в проблемной области, и позволяет компьютеру перенять практические навыки эксперта (эвристики). Что же такое эвристики? Это заранее известная последовательность действий, приводящая к положительному результату. Например, рокировка в шахматной партии. Однако, стоит заметить, что далеко не всегда эвристика приносит действительно положительный эффект. Взять хотя бы ту же рокировку, при некоторых обстоятельствах она будет эффективна, но при других, делая рокировку, можно упустить действительно важный ход. Решение применять эвристику или нет, принимается исходя из доступных признаков, каждый из которых может иметь свой вес (значимость) на данный факт, вес может быть, в том числе, и отрицательным, тогда данный признак направлен против того, чтобы применить данную эвристику. Но кто задаёт признаки, и их вес?! Разумеется, эксперты в заданной области, то есть люди. И тут мы встречаемся с двумя проблемами: во-первых, большинство умозаключений человек делает бессознательно и зачастую не может в точности описать все факторы, на основе которых он сделал свой выбор, а во-вторых, мнения экспертов могут отличаться, и в одной и той же ситуации два человека могут сделать совершенно разный выбор. Исходя из этого следует сделать несколько выводов: во-первых, экспертная система сильно зависит от экспертов, формирующих её базу знаний, и не может самопроизвольно добавлять факты, признаки, правила, во-вторых, чем больше компетенция
93
