Экспертные системы в автотранспортных предприятиях Текст научной статьи по специальности «Компьютерные и информационные науки»

ГРНТИ 73.31.21

Кызылбаева Эльвира Жанабековна

доктор PhD, ст. преподаватель, Транспортно-дорожный факультет, Карагандинский государственный технический университет, г. Караганда, 100000, Республика Казахстан, e-mail: elvirakiz@mail.ru Омарова Асель Манарбековна

магистрант, Транспортно-дорожный факультет, Карагандинский государственный технический университет, г. Караганда, 100000, Республика Казахстан, e-mail: asell_omarova@mail.ru

ЭКСПЕРТНЫЕ СИСТЕМЫ В АВТОТРАНСПОРТНЫХ ПРЕДПРИЯТИЯХ

В статье рассматривается реализация экспертных систем в автотранспортных предприятиях, теоретические предпосылки и возможности автоматизации накопления знаний экспертов и принятия решений при диагностировании агрегатов автомобилей. Показана логико-математическая модель процесса локализации неисправностей по их внешним проявлениям. Приведен укрупненный алгоритм постановки диагноза на основе внешнего проявления неисправности.

В статье также на простом примере выполняется локализация неисправности, используя теорию множеств, иерархическую структуру базы знаний и набор правил логического вывода. Также отмечается, что в диагностике технических объектов в качестве функции, выражающей взаимосвязь между техническим состоянием и диагностическими параметрами, используют диагностические матрицы, построенные на двузначных булевых функциях. С помощью булевых функций можно описать взаимосвязь между неисправностями и их внешними признаками.

Ключевые слова: экспертные системы, диагностирование, методы автоматизации, алгоритмы автоматизации, неисправность, булевые функции, матрица.

ВВЕДЕНИЕ

В тех случаях, когда автомобилю проводят углубленное диагностирование (перед ТО-2), замеряется весь перечень диагностических параметров и на основе сравнения их с нормативами делается заключение о необходимости выполнения тех или иных видов работ. Методы и алгоритмы автоматизации постановки диагноза в таких случаях (на основе диагностических матриц) достаточно полно проработаны профессором Мирошниковым Л. В. [1].

Однако, когда у автомобиля обнаружены внешние признаки неисправности и требуется установить её причину, то достаточно замерить лишь ограниченный круг диагностических параметров. В этом случае оперативность и качество диагноза во многом зависит от опыта и квалификации оператора-диагноста. Современный уровень развития программирования и вычислительной техники позволяет создавать экспертные системы, которые могут накапливать знания и опыт квалифицированных специалистов и принимать грамотные решения. В данной статье рассмотрены теоретические предпосылки и возможности автоматизации

накопления знаний экспертов и принятия решений при диагностировании агрегатов автомобилей [2-4].

ОСНОВНАЯ ЧАСТЬ

Объект диагностирования можно представить в виде чёрного ящика (рисунок 1), который имеет множество технических состояний. Техническое состояние изменяется под влиянием множества входных воздействий что приводит к изменению множества внешних проявлений технического состояния .

Внешние проявления технических состояний зависят от технического состояния объекта и входных воздействий, т.е. являются их функцией:

(1)

Поскольку при диагностировании автомобиля входные воздействия У1 стабилизируются, то выражение (1) преобразуется к виду:

(2)

У. - множество входных воздействий;

- множество технических состояний;

- множество внешних проявлений технических состояний.

Рисунок 1 - Представление объекта диагностирования в виде черного ящика

Иными словами, любое внешнее проявление состояния автомобиля - есть функция технического состояния его элементов при стабильном состоянии входных воздействий. Исходя из вышеизложенного, задача локализации неисправности по ее внешнему проявлению может быть сформулирована следующим образом: по известным внешним проявлениям неисправностей ( 5С) определить неизвестное фактическое техническое состояние ( х1) элементов объекта диагностирования.

Очевидно, для решения данной диагностической задачи необходимо обратное преобразование функции (2) в зависимость типа:

(3)

т.е. получение функциональной зависимости технического состояния от внешнего проявления неисправности. Однако зависимость (3) не может быть

¿" г)

X = /(5),

реализована на практике, поскольку параметры не имеют количественной оценки (например, не держат тормоза, не тянет двигатель).

Из теории диагностирования машин и механизмов известно, что техническое состояние объектов диагностирования характеризуется значениями структурных параметров ( ), но поскольку замер их затруднен, то для локализации неисправностей используют связанные с ними диагностические параметры о.. Эту функциональную зависимость можно представить в виде:

Из (3) и (4) следует, что техническое состояние объекта диагностирования функционально связано и с диагностическими параметрами, и с внешними проявлениями неисправностей. Диагностические параметры ф), в отличие от внешних проявлений неисправностей могут быть замерены с помощью диагностических средств, т.е. зависимость (4) можно расписать в развернутом виде средствами математики [5-7].

В диагностике технических объектов в качестве функции, выражающей взаимосвязь между техническим состоянием и диагностическими параметрами, используют диагностические матрицы, построенные на двузначных булевых функциях. Отличительная особенность булевых функций заключается в том, что каждый ее элемент (как и сама функция) могут принимать только два значения: 0 и 1. Здесь «1» означает наличие связи между диагностическим параметром и техническим состоянием объекта, «0» - отсутствие такой связи.

С помощью булевых функций можно описать взаимосвязь между неисправностями и их внешними признаками, т.е. зависимость (3) и тогда поставленная выше диагностическая задача может быть решена в два этапа. На первом этапе по известному внешнему признаку выбирается круг возможных неисправностей с использованием зависимости (3). На втором этапе выполняется локализация неисправности с использованием зависимости (4).

В развернутом виде зависимость (3) и (4) можно представить в виде систем линейных уравнений:

* = /(П),

(4)

(5)

(6)

В свою очередь системы линейных уравнений (5) и (6) можно представить в виде матриц взаимосвязей, структура которых представлены в таблицы 1 и 2.

В матрице таблица 1 каждой неисправности соответствует определенное ее внешнее проявление. Если на пересечении строки и столбца стоит 1, то соответствующее внешнее проявление связано с 1-й неисправностью, если стоит 0, то неисправность и внешнее проявление не связаны друг с другом.

Таблица 1 - Матрица 1 - связи между неисправностями ( ) и их внешними проявлениями ( )

Неисправности Внешние проявления

S, S2 S

х,

Х2

X

В матрице таблица 2 каждой неисправности соответствует определенный диагностический параметр. Если на пересечении строки и столбца стоит 1, то соответствующий диагностический параметр позволяет локализовать ью неисправность, если стоит 0, то неисправность и диагностический параметр не связаны друг с другом.

После того, как для объекта диагностирования сформированы матрицы 1 и 2, их необходимо проверить и, в случае необходимости, модифицировать.

В матрице 1 не должно быть столбцов, имеющих только 0. Если такой столбец существует, то данному внешнему признаку не соответствует ни одна неисправность. Такой столбец необходимо либо удалить, либо вставить в одну из строк пропущенную единицу, либо добавить пропущенную неисправность и связать её с данным внешним проявлением.

В матрице 2 не должно быть столбцов, имеющих только 1 или только 0. В обоих случаях диагностический параметр является не информативным и его нужно исключить, как не позволяющий локализовать неисправность. Кроме того, не должно быть строк с одинаковым сочетанием нулей и единиц.

Таблица 2 - Матрица 2 - связи между неисправностями и диагностическими параметрами

Неисправности Диагностические параметры

Di D2 D n

X,

X2

X n

Рисунок 2 - Укрупненный алгоритм локализации неисправности на основе ее внешнего проявления

Укрупненный алгоритм постановки диагноза на основе внешнего проявления неисправности приведён на рисунке 2.

Локализацию неисправности можно выполнять, используя теорию множеств, иерархическую структуру базы знаний и набор правил логического вывода. Рассмотрим изложенные выше теоретические выкладки на элементарном примере. Даны две матрицы, описывающие зависимости (3) и (4).

Допустим, у агрегата автомобиля появилась неисправность, внешнее проявление которой (в матрице 1). В этом случае из множества неисправностей XI необходимо выбрать только те, которые относятся к подмножеству:

где i - номер строки.

Матрица 1. : — Матрица 2. Д i ,'.

Неисправности Внешние проявления Неисправности Диагностические параметры

S! S2 S3 D2 D3

X! 0 1 1 X! 1 0 0

X, 1 0 1 X2 0 1 0

X3 1 1 0 X3 0 0 1

Для данного примера из матрицы 1 будут выбраны неисправности и .

Теперь из матрицы 2 необходимо выбрать те диагностические параметры , которые относятся к подмножеству:

где i - номер строки;

j - номер столбца.

В данном примере для локализации неисправности из матрицы 2 будут выбраны диагностические параметры D1 и D2. Допустим, при диагностировании был замерен параметр D2. Если окажется, что

(9)

где D2д - верхняя допустимая граница диагностического параметра, то имеет место неисправность Х, в противном случае - неисправность Х .

Описанные выше рассуждения относятся к одному узлу или агрегату автомобиля. Однако в реальной базе знаний должна храниться информация о всех основных агрегатах, кроме того агрегаты могут относиться к различным моделям (маркам) подвижного состава, что значительно усложняет логические правила, на основе которых происходит выбор нужного подмножества. Поэтому следующий раздел посвящён декомпозиционному анализу знаний, на основе которых строится данная экспертная система [8-10].

ВЫВОДЫ

В этой статье мы рассмотрели реализацию экспертных систем в автотранспортных предприятиях, теоретические предпосылки и возможности автоматизации накопления знаний экспертов и принятия решений при диагностировании агрегатов автомобилей. Показали логико-математическая модель процесса локализации неисправностей по их внешним проявлениям. Привели укрупненный алгоритм постановки диагноза на основе внешнего проявления неисправности. В статье также на простом примере выполнили локализация неисправности, используя теорию множеств, иерархическую структуру базы знаний и набор правил логического вывода.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1 Мирошников, Л. В., Болдин, А. П., Пал, В. И. Диагностирование технического состояния автомобилей на автотранспортных предприятиях. -М. : Транспорт, 1977. - 262 с.

2 Кокаев, У. Ш., Бектаев, Б. Б., Касенов А. Ж., Жумашева, Ж. Т. Автомобиль келшнде колданылатын суйылтыетан кeмiрсутектi газдьщ физикальщ-химияльщ ^асиеттерш талдау // Наука и техника Казахстана. - 2019. - № 3. - С.

114

> О*,

3 Джексон, П. Введение в экспертные системы. - М. : Изд. Вильямс, 2009.

- 683 с.

4 Усембаева, Л. К., Оспанов, А. Ж., Кайролла, Б. К. К вопросу повышения эффективности эксплуатации грузовых автомобилей // Наука и техника Казахстана.

- 2018. - № 4. - C. 102-108.

5 Пантин, А. Г., Назарова, Ю. Н. Анализ информационных систем для управления деятельностью автотранспортного предприятия [Электрон. ресурс].

- Режим доступа: https://scienceforum.ru/2019/article/2018014003

6 Ныгыманов, А. Л., Усембаева, З. А., Жанайдаров, Ж. К., Имангазинова, Д. Б. Актуальные проблемы и тенденции развития рынка транспортно-логистических услуг в Казахстане // Наука и техника Казахстана. -2015. - № 3-4. - С. 75-79.

7 Попов, Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 2009. - 288 с.

8 Убейко, В. Н. Экспертные системы. - М.: МАИ, 2010. - 480 с.

9 Уотермен, Д. Руководство по экспертным системам. - М. : Мир, 1989. - 388 с.

10 Кызылбаева, Э. Ж., Кадыров, А. С. Анализ математических моделей прогнозирования запасных частей // Наука и техника Казахстана. - 2018. -№ 2. - С. 56-62.

Материал поступил в редакцию 16.12.19.

Цызылбаева Эльвира Жанабекцызы

PhD докторы, аFа окытушы, Келж-жол факультет^ КараFанды мемлекетлк техникальщ университет^ КараFанды к., 100000, Казахстан Республикасы, e-mail: elvirakiz@mail.ru. Омарова Асель Манарбековна магистрант, Келж-жол факультет^ КараFанды мемлекетлк техникалык университет^ КараFанды к., 100000, Казакстан Республикасы, e-mail: asell_omarova@mail.ru. Материал баспаFа 16.12.19.тусть

Автокелж касшорындарындагы сараптамальщ жYЙелер

Мацалада автоквлж кэсторындарында сараптамальщ жyйелердi icKe асыру, автоквлж агрегаттарын диагностикалау кезтде сарапшылар бшмш жинацтауды жэне шeшiм цабылдауды автоматтандырудыц теориялыц алгышарттары мен мYмкiндiктeрi царастырылады. Олардыц сыртцы кврiнicтeрi бойынша ацауларды оцшаулау процесШц логикалыц-математикалыц модeлi кврсетшген. Ацаулыцтыц сыртцы кврШЫ нег1зтде диагноз цоюдыц iрiлeндiрiлгeн алгоритмi кeлтiрiлгeн. Мацалада сондай-ац царапайым мысалда жиындар теориясын, бшм базасыныц иерархиялыц цурылымын жэне логикалыц цорытынды ережелер жинагын пайдалана отырып, ацауды локализациялау орындалады. Сондай-ац, техникалыц нысандардыц диагностикасында техникалыц жагдай мен диагностикалыц параметрлер арасындагы взара байланысты кврсететт функция

реттде ек тацбалы туйреуш функцияларда цурылган диагностикалъщ матрицалар цолданылады. Буль функциясыныц квмегiмен ацаулыцтар мен олардыц сыртцы белгiлерi арасындагы взара байланысты сипаттауга болады.

Krnmmi свздер: эксперттж жуйелер, диагностикалау, автоматтандыру эдiстерi, автоматтандыру алгоритмдерi, ацаулыц, бульдк функциялар, матрица.

Kyzylbayeva Elvira Zhanabekovna

PhD, Senior Lecturer, Transport and Road Faculty, Karaganda State Technical University, Karaganda, 100000, Republic of Kazakhstan, e-mail: elvirakiz@mail.ru Omarova Asel Manarbekovna undergraduate, Transport and Road Faculty, Karaganda State Technical University, Karaganda, 100000, Republic of Kazakhstan, e-mail: asell_omarova@mail.ru Material received on 16.12.19.

Expert systems in transport enterprises

The article deals with the implementation of expert systems in motor transport enterprises, the theoretical background and the possibility of automating the accumulation of knowledge of experts and decision-making in the diagnosis of vehicle units. A logical-mathematical model of the process of faults localization by their external manifestations is shown. An enlarged algorithm of diagnosis based on the external manifestation of the fault is presented. The article also provides a simple example of fault localization using set theory, hierarchical structure of the knowledge base and a set of inference rules. It is also noted that in the diagnosis of technical objects as a function expressing the relationship between the technical condition and diagnostic parameters, diagnostic matrices built on two-digit Boolean functions are used. Using Boolean functions, you can describe the relationship between faults and their external features.

Keywords: expert systems, diagnostics, automation methods, automation algorithms, malfunction, Boolean functions, matrix.