CC BY
66
Рассмотренный подход с использованием метода краевых волн может быть обобщен с использованием метода интегральных уравнений, который позволяет уточнить характеристики рассеяния для объектов с размерами, сравнимыми с длиной волны.
Достоинством рассматриваемой модели (1)-(2) является возможность использования аналитической записи формулы, а не использование численных методов для расчета.
Вывод. Таким образом, в данной работе проведен анализ и показана принципиальная возможность прогнозирования характеристик рассеяния объектов сложной формы.
Список использованных источников
1.Штагер Е.А., Чаевский Е.В. Рассеяние волн на телах сложной формы. -М.:Сов.радио, 1974. - 240 с.
2.Уфимцев П.Я. Метод краевых волн в физической теории дифракции. - М.: Сов. радио, 1962. - 244 с.
3.Половко А.М., Бутусов П.Н. Интерполяция. Методы и компьютерные технологии их реализации. - СПб.: БХВ-Петербург, 2004. - 320 с.
4.Батищев Д.И, Львович Я.Е., Фролов В.Н. Оптимизация в САПР. - Воронеж: Издательство ВГУ, 1997. - 416 с.
Ким Л. В.
ИНФОРМАЦИОННЫЕ И КОГНИТИВНЫЕ АСПЕКТЫ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ТЕХНИЧЕСКИХ ОБЪЕКТОВ
Дальневосточный государственный технический университет, г. Владивосток
По результатам проверок инспекции Госархстройнадзора России установлено, что 93% процента объектов гражданского строительства имеют значительные и критические дефекты. Убытки от аварий на речных гидротехнических объектах достигают 10 миллиардов руб. в год. Износ объектов всех видов транспорта (железнодорожного, водного и т.п.) вследствие недостатка инвестиций также близок к предельному. Это делает актуальной проблему повышения эксплуатационной надежности на основе совершенствования методологии контроля и мониторинга, недопущения предельных состояний сооружений и аварийных ситуаций.
Следует отметить, что за рубежом до 40% капиталовложений в строительство планируется на контроль и мониторинг. В России также растут затраты на контроль из-за влияния следующих факторов: роста техногенных аварий, увеличения рисков экономических и прочих потерь с увеличением износа, необходимостью в достоверной и полной информации для проведения модернизации и реконструкции, необходимостью в оценках зданий и сооружений как объектов недвижимости, совершенствования технологий и средств контроля и мониторинга.
Принятие заключений о техническом состоянии сооружений инспекторами технического контроля зависит от их опыта и интуиции, т.к. малопредставительные выборки данных ведут к неопределенностям
различной природы, вызванных субъективными ошибками, погрешностями измерений, сложными причинно-следственными цепями отказов, влиянием ошибок при проектировании, строительстве и эксплуатации и т.д. Развитие информационных технологий и системотехники вызвало изменение парадигмы строительных наук, привело к формированию новых направлений, таких как самоадаптирующиеся и гомеостатические системы, интеллектуальные здания, бионические и нейроуправляемые конструкции [1].
Поэтому одной из актуальных научно-технических проблем является совершенствование методов контроля на основе информационнотелекоммуникационных технологий, являющейся одной из критических технологий в рамках научно-технической политики РФ.
Проведем анализ неопределенностей и основных причин их возникновения на основе иерархической структуры технического контроля сооружений в виде «контрольные операции - диагностические процедуры - элементарные проверки». Последовательность диагностирования разделена нами на три этапа: 1) сбор и обработка данных; 2) анализ информации; 3) синтез знаний и принятие решений. Здесь использовано деление информационных ресурсов на три типа по степени организованности: данные - это полученные эмпирическим путем параметры объекта, информация - это организованные данные, знания - выявленные закономерности.
На первом этапе сбора данных: нечеткость, неоднозначность, неполнота, противоречивость, неточность, достоверность (субъективные и объективные искажения) и т.п.
На втором этапе анализа информации: погрешности после обработки данных и при выполнении расчетов на ЭВМ, несоответствие признаков отказов и дефектов реальной картине, погрешности анализа (несбалансированный набор индикаторов, ошибочные весомости индикаторов, неточность оценок, влияние системы резервирования, влияние организационнотехнологических факторов, недооценка критичности несоответствий и т.п.
На третьем этапе синтеза знаний и принятия решений: нечеткость целей и критериев, неполнота знаний о предметной области, неточность оценок эффективности решений, прогнозов последствий решений и т. п.
Методика контрольных операций и проверок приведена в нормативных документах, но уделено мало внимания таким диагностическим процедурам как сравнение, идентификация, интерпретация, категоризация, классификация, ассоциация, когниция в виде образов и т.п. Эти процедуры слабо формализуются и их выполнение возлагается на экспертов, квалификация и опыт которых может сильно различаться.
Предложена категоризация диагностических оценок в зависимости от ответственности объекта (элемента сооружения) и степени неопределенности (табл. 1). Это позволит оптимизировать затраты «стоимость - время - ресурсы» (СВР) путем введения соответствующих коэффициентов к расценкам и нормам времени, матриц компетенций и ответственности к инспекторам ТГ ГТС, матриц требований к техническому обеспечению, наличию системы
менеджмента качества и т.д. для организаций-контролеров.
Таблица 1
___________________Категории диагностических оценок_____________________
I II III
Объект высокой экономической и социальной ответственности Объект средней экономической ответственности Объект низкой экономической ответственности
1-й класс ответственности и/или высокая степень неопределенности 2-й класс ответственности и/или средняя степень неопределенности 3-й класс ответственности и/или малая степень неопределенности
Погрешность оценок <5% 5-10% 10-15%
МЕТОДЫ: Параметрический + классификационный + теории надежности + вероятностный + квалиметрический МЕТОДЫ: Параметрический + классификационный + теории надежности МЕТОДЫ: Параметрический + классификационный
Отчет об исследовании Отчет об обследовании Заключение или акт
Дополнительно к категории II вероятностные оценки несоответствий, событий, состояний, ситуаций, рисков, ущербов Дополнительно к категории III прогнозные оценки на основе моделирований и испытаний Экспертные оценки
Современные технологии РЬМ, методы искусственного интеллекта и т.д., основанные на системном рассмотрении жизненных циклов строительных объектов, применении когнитивного инструментария, инженерии знаний, менеджмента качества позволяют решать задачи непрерывного улучшения качества эксплуатации сооружений. В развитие существующих методов проведения контрольных операций предлагается внедрение интеллектуальных методов и систем в практику контроля сооружений водного транспорта.
Интеллектуальные методы являются ключевыми в группе известных методов минимизации неопределенностей, куда входят методы теории вероятностей, нечетких множеств, интервальной математики и т.д., способы уменьшения погрешностей измерений, повышение квалификации инспекторов, увеличение объема и частоты получения выборки данных, оптимальное размещение и сгущение информационных точек, использование более совершенных технических средств и технологий.
Интеллектуальные методы основываются на применении искусственных нейронных сетей (ИНС), деревьев решений, индукции правил, рассуждений на основе прецедентов, нечеткой логике, эволюционных алгоритмах, алгоритмах определения ассоциаций и последовательностей. ИНС заняли лидирующие позиции на рынке аналитических технологий, т.к. являются универсальными аппроксиматорами и особенно эффективны при неполных выборках и шуме, где статистические методы малопригодны из-за необходимости представительной выборка. Задачи ИНС: классификация, регрессия, кластеризация, аппроксимация, оптимизация, ассоциативная память и т.д. Методы нечеткой логики позволяют оперировать с нечеткой информацией, а эволюционные алгоритмы, например, выбрать наиболее вероятные причинноследственные цепи. Гибридное использование указанных методов наиболее эффективно, т.к. позволяет устранить некоторые их недостатки.
Задача диагностирования имеет два аспекта: информационный -уменьшение неопределенности в оценке индикаторов объекта, и когнитивный
- восстановление целостного образа объекта по фрагментам и сравнение с набором в памяти. Этим аспектам соответствует правополушарное логическое мышление и левополушарное образное.
Цель информационной диагностики - увеличение энтропии, т.е. минимизация НЕ-факторов. Цель когнитивной диагностики - распознавание образов, т.е. восстановление целостного образа объекта по фрагментам.
Рассмотрим первый аспект. Задачи анализа информации: представление выборок данных в виде сочетаний признаков, полей изменчивости, полей допусков, оценивание достаточности выборки, значимости параметров, классификация, кластерный и др. методы статистического анализа. Назначение: классификация, оптимизация, прогнозирование остаточных ресурсов, анализ временных рядов, вероятностные расчеты, имитационное моделирование.
Цель достигается за счет увеличения информационной энтропии. Задача диагностирования - классификация состояния сооружения по степени развития износов, которое в общем виде имеет вид
аи / а = f (и, Р, ё), (1)
где и - вектор износов; Р - вектор нагрузок; ё - вектор несоответствий.
Задача обеспечения надежности сводится к многокритериальной задаче оптимизации
ЦФ < f (В, ОТ, МР) (2)
где ЦФ - целевая функция; Г - критериальная функция свертки; ОТ - количественные ограничения и качественные требования; МР - множество решений.
Состояние сооружения характеризуется его классом, выбираемым из заданного множества (К^..., Кт}. Аналогично можно идентифицировать классы несоответствий, износов, свойств качества и качества объекта. Все методы входят в одну из следующих групп, которые даны в порядке степени обобщения и увеличения сложности.
I. Оптимизация в пространстве параметров несоответствий. Параметрические методы.
II. Оптимизация в пространстве состояний. Классификационные методы.
III. Оптимизация в пространстве вероятностей возникновения определенных несоответствий, событий (сценариев), ситуаций, состояний или свойств качества. Методы: феноменологический (анализ условий возникновения несоответствий), детерминистский (анализ причинно-следственных цепей) и вероятностный.
IV. Оптимизация в пространстве качества ЦФ= Ц^,... QI) или ЦФ=Qi., где Qi. - одно из свойств качества сооружения - надежность, безопасность, экологичность и т.п. Квалиметрические методы, методы теории надежности и т. д.
При проведении диагностических процедур очень важна квалификация эксперта: опыт, интуиция и аналитические способности. Он формирует
мысленные образы, распознает их в соответствии с различными гипотезами, осуществляет проверочные действия. Второй аспект диагностирования связан с теорией распознавания образов [2].
Интеллектуальные системы позволяют активизировать когнитивные (мыслительно-познавательные) способности человека. Когнитивные методы позволяют оперировать с визуальными моделями представления знаний, объединить данные от различных источников в единый виртуальный мир. Примером является роль визуальных наблюдений при натурных обследованиях, когда эксперт получает целостное восприятие о состоянии объекта, которое редко расходится с действительностью (примерное соотношение 80/20%).
Возможны три вида использования: визуализация образа помогает эксперту сформулировать задачи; образ помогает найти решение и решение выдается в виде образа. Этапы когнитивного моделирования: оценить ситуацию и провести анализ взаимовлияния факторов; выявить тренды развития ситуаций; определить механизмы взаимодействия объектов; определить последствия нештатных ситуаций.
Предложена когнитивная инфологическая модель (табл. 2), на основе которой формируется даталогическая и физическая модели.
Таблица 2
Состав инфологической модели_______________________
Этапы диагностики Подготовительный -сбор данных Основной - анализ информации Заключительный -синтез знаний
Информационные ресурсы Данные Информация Знания
Характеристики системы Несоответствия Износы и старости Состояния и свойства качества
Индикаторы Параметры (количественные и качественные) Показатели (частные и комплексные) Обобщенные показатели
Предлагаемая триада моделей Даталогический ги-перпараллепипед Информационный гиперэллипсоид Конус знаний
Данная модель описывает следующие отношения: агрегативные (целое-часть); классификационные (род-вид); ассоциативные (отношения объектов и процессов). В теории информации информационный объект - это абстрактное множество предметов, в котором они имеют одни и те же значения характеристик, общие для всех экземпляров объекта, и которые абстрагируются в атрибут. К атрибутам будем относить несоответствия, износы и состояния. Информационные объекты включают строительные объекты, процессы, субъекты (юридические и физические лица) и их комбинации. Триада инфо-логических моделей соответствует триаде «данные - информация - знания», которая отражает изменение информационных ресурсов при проведении обследования.
Назначение гиперпараллепипеда: оперативный анализ данных (OLAP), восполнение данных, распознавание образов по фрагментам, предобработка
данных, использование для оптимизации затрат в соответствии с классом точности оценок, реализация ассоциативных связей, подобия и аналогии. Грани могут быть многослойными и состоят из ячеек с данными и представляют собой образы сооружения.
Информационный аналитический гиперэллипсоид связывает целевые функции, критериальные свертки, поля допусков, кривые износа и старости. Указанные величины привязываются к каждому элементу подсистемы, количество которых зависит от принятой глубины декомпозиции подсистемы.
Конус знаний показывает иерархию и объемы данных, информации и знаний по конкретным объектам рассматриваемой предметной области в информационном пространстве, а его проекция на поле знаний визуализирует уровни недоопределенности, нечеткости, неполноты, а также ассоциативные связи, аналогию и подобие.
Между изображениями элементов трех комплексных образов имеются связи, по которым проходят информационные потоки. Гиперэллипсоид предназначен для интеллектуального анализа информации. Назначение: классификация, оптимизация, прогнозирование.
Логическая схема выполнения диагностических процедур отображается как «спираль познания» на поверхности конуса знаний, начинающуюся внизу у основания (этап сбора данных) наверх к вершине конуса, где достигается некоторый объем знаний в соответствии с постановкой задачи. Каждый цикл спирали имеет свою целевую функцию. Чем больше длина кривой, тем больше объем информационных ресурсов, но и больше затраты СВР на их получение. Предложенные ранее 3 класса диагностических процедур по точности будут изображаться спиралями с различным расстоянием между ними. Можно перескакивать между спиралями, используя аналогии, ассоциации, эвристики.
Предложенная инфологическая модель является иерархической и позволяет оценивать состояние строительных объектов в едином информационном пространстве, а входящая в нее даталогическая модель служит основой физической реализации на ЭВМ.
Нами предложен когнитивный образ хранилища данных (реализация выполнена в пакете DEDUCTOR LITE, Basegroup Lab) в виде гиперпаралле-пипеда для представления многомерных данных. Хранилище данных содержит: а) события - экземпляр процессов; б) состояние объекта в данный момент времени (снимок); в) процесс - совокупность событий за определенный отрезок времени. Вдоль каждой оси данные организованы в виде иерархии, представляющей различные уровни их детализации. Отдельным слоем является фреймовый слой метаданных, откуда вызываются процедуры предобработки, обработки и вычислений, поиска нужных данных, вычисления весомости данных, информацию для получения выборки, для ее обработки и использования.
Задачу диагностирования можно рассматривать как задачу получения требуемой вероятности правильной классификации объекта на выходе классификатора из ненадежных элементов - частных решений по классификационным параметрам на входе. Ведомость дефектов преобразуется в матрицу параметров несоответствий D(t) при условии, что в каждом столбце матрицы может находится не более одного единичного элемента, т.е. параметр соответствует одному классу в фиксированный момент принятия частного решения.
На основе входных данных измерений и наблюдений в момент времени t вычисляются параметры и формируется матрица D(t), строки которой пре-
образуются в когнитивные образы, по результатам анализа которых решается задача распознавания. Последовательность процесса дана ниже.
1. Система сбора данных
2. Формирование диагностической матрицы
3. Построение когнитивных образов
4. Решение задач диагностирования и прогнозирования.
Имеется система «сооружение - геосреда - внешняя среда», которая находится с некоторой вероятностью в одном из состояний, определяемом уровнем развития износов.
Цель - минимизация неопределенностей на этапе синтеза знаний, куда входят:
- нечеткость целей и критериев;
- неполнота знаний о предметной области (недостаточная изученность явлений, процессов, отсутствие правил и т.п.);
- неточность оценок эффективности решений;
- неточность прогнозирования временных рядов;
- неточность оценок последствий принятия решений.
Задачи: 1) идентификация; 2) интерпретация; 3) классификация несоответствий, износов и состояний системы.
Идентификация необходима для однозначного определения объекта, его распознавания, группировки. Интерпретации на основе продукционных правил дают оценки степени доверия к тем или иным результатам расчетов. При классификации несоответствий берется дефект с максимальным значением, но так как его параметры могут быть выражены в различных мерах, иметь различную природу и т.п.
Для описания когнитивной карты в функциональной структуре поля знаний разрабатываются: 1) шкалы признаков; 2) методы извлечения предпочтений эксперта для настройки силы влияния признаков ситуации; 3) методы решения прямой и обратной задачи.
В большинстве норм используется упрощенный классификационный метод, основанный на таблице «объекты - признаки - классы» и сведенный к однокритериальной задаче. Используется формализация процедур комплексных экспертных оценок сложных систем на основе статистического анализа примеров оценок в таблице «объект-признак» в рамках регрессионной модели предсказания целевой функции по значениям предикторов. Недостаток -неточность и слабая интерпретируемость, т.к. основывается на концепции усреднения по выборке.
Для сооружений имеем разнотипные несоответствия, поэтому удобно интерпретировать каждый элемент выборки, как отдельный линейный классификатор. Тогда диагностический класс представляется не одним прототипом, а набором классификаторов и дает кусочно-линейную поверхность, разделяющую в пространстве признаков распознаваемые классы. Метод вычисления оценок состоит в вычислении оценок сходства.
В линейной диагностической модели, которая используется в нормах, диагностический показатель представлен взвешенной суммой показателей износа. Но данные модели не отражают особенности структуры данных, которые несут ценную диагностическую информацию. Составные критерии создают геометрическую неоднородность классов в пространстве признаков.
Когнитивное моделирование позволяет:
- оценить ситуацию и провести анализ взаимовлияния выявленных факторов, определяющих сценарии развития ситуации;
- выявить тенденции развития ситуаций;
- определить механизмы взаимодействия объектов;
- определить возможные варианты развития ситуации с учетом последствий принятия решений и сравнить их.
Атрибутом когнитивного моделирования являются графические модели, ориентированных на активизацию интуитивных механизмов мышления. Когнитивная компьютерная графика позволяет оперировать с визуальными моделями объекта, характерными для логического мышления, так и с образами, с которыми оперирует мышление.
Важная роль визуализации и анимации вплоть до создания виртуальных миров очевидна, т.к. позволяет задействовать левополушарные функции в условиях неопределенности. Примером является роль визуальных наблюдений при натурных обследованиях, когда в соответствии с основами гельд-штат психологии эксперт получает целостное восприятие о состоянии объекта. При камеральной обработке применение компьютерной графики активизирует когнитивные возможности эксперта. Компьютерная графика несет две функции:
1) иллюстративную - фиксация фактов и процессов (видеофото, зарисовки и т.п.);
2) когнитивную - представление и моделирование ситуации и ее элементов экспертом.
Реализация иллюстративных функций очень широка - это трехмерные модели, разрезы, цветовыделения, изолинии, изменение точки зрения наблюдателя, вида проецирования, использование текстур, освещенности и т.п. Эти средства имеют пакеты САПР, твердотельного моделирования, инженерного анализа, геоинформационные системы, которые за рубежом объединяют аббревиатурой САБ/САМ/СЛЕ/ОК.
На современном этапе актуальной задачей является развитие когнитивной диагностики, что связано с необходимостью тиражирования и передачи знаний опытных экспертов, количество которых значительно уменьшилось. Молодые специалисты вследствие инертности высшей школы, отсутствия производственного опыта теряют «чувство процесса», не понимают, например, особенностей функционирования конкретных типов зданий. Переподготовка специалистов производится на производстве, что отвлекает значительные ресурсы.
Фрагментарность знаний приводит к неоднозначному пониманию одних и тех же ситуаций экспертами. Формализованное представление знаний предметной области производится на основе выбранного языка представления знаний, которые включают логические методы (исчисления предикатов I порядка и др.), продукционные модели, семантические сети, семантические триады (объект-атрибут-значение), фреймы, гибридные и др.
В области приобретения знаний разработано значительное число подходов, стратегий и методов работы с экспертами, созданы десятки тысяч программных продуктов. Извлечение знаний как методология носит за рубежом название KDD (Knowledge Discovery in Databases) и включает автоматизированный поиск пяти типов закономерностей: ассоциаций, последовательностей, классификаций, кластеризаций и прогнозирования.
Нами разработаны нейросетевые модели представления строительных знаний применительно к транспортным сооружениям. Например, ИНС используется для пополнения БЗ продукционного типа, а правила используются для формирования начальной структуры ИНС.
Рассмотрим характерные примеры. Например, коррозия может быть химической, электрохимической и т.д., а последствия (сплошная, очаговая и т.п.) выражаться в виде линейных параметров (остаточная толщина), массовых (или площадей) и объемных параметров. При классификации состояния наличие хотя бы одного дефекта определенного класса изменяет класс состояния. Например, критический дефект переводит сооружение в неработоспособное состояние. Неопределенность связана с определением критичности дефекта, которая определяется видом элемента, местоположение, скоростью развития дефекта, сочетанием с прочими зафиксированными некритическими дефектами. Так как процедура в нормах не формализована, то решение принимает эксперт и возможны ошибки, связанные с экспертными процедурами.
Одной из важнейших процедур анализа является структурный анализ и поверочные расчеты. Неопределенности здесь связаны как с исходными данными, так и используемыми расчетными моделями (допущения, гипотезы), вычислительными процессами, интерпретацией результатов.
В настоящее время, в связи с разработкой алгоритмов решения краевых задач теории упругости, пластичности и ползучести и численных методов (пакеты метода конечных элементов типа NASTRAN, ANSYS, PLAXIS) перспективы решения задач определения напряжённо-деформированного состояния в неоднородных и геометрически сложных областях существенно расширились. Однако всё ещё большие трудности вызывает практическое применение тех или иных моделей и методов к расчёту реальных сооружений. Расчетчик должен знать особенности алгоритмов, их области применимости, решить вопросы моделирования соединений и связей, задать самые неблагоприятные сочетания нагрузок, учесть несовершенства конструкций и множество других факторов.
Решение вышеприведенных проблем возможно на пути объединения достижений информационных технологий и когнитологических наук с реализацией в виде систем поддержки принятия решений, экспертных систем, ситуационных центров. Разработанная система когнитивных моделей в виде конуса систем, гиперкуба данных и эллипсоида показателй использована при реализации системы поддержки приянтия решений экспертом при обследовании воднотранспортных сооружений и гражданских зданий.
Список использованных источников
1. Гусаков А.А. Реструктуризация строительных знаний на основе функционально-системного подхода // Промышленное и гражданское строительство. 2003. № 1. С. 33-36.
2. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии. - М.: Наука, 1988.
Козачок В.И., Мацкевич А.Г.
АЛГОРИТМ АВТОМАТИЧЕСКОГО ДЕКОДИРОВАНИЯ УПАКОВАННЫХ ИСПОЛНЯЕМЫХ ФАЙЛОВ В ИСХОДНЫЕ ТЕКСТЫ ЯЗЫКА АССЕМБЛЕРА
Академия ФСО России, г.Орел
Введение
В современных условиях информатизации общества использование антивирусных средств стало неотъемлемой составляющей при построении систем защиты персональных компьютеров и сетей в целом. При этом особую актуальность приобрели вопросы разработки новых интеллектуальных средств обнаружения вредоносного кода.
В настоящее время наиболее широкое применение находят следующие механизмы обнаружения вирусов и программных закладок [1, с. 156-162]:
- сигнатурный поиск, т. е. поиск по последовательности байт вредоносного кода, однозначно характеризующего его;
- эвристический поиск, обеспечивающий обнаружение вирусов и программных закладок по некоторым косвенным признакам, характеризующим программный код как вредоносный.
- "проактивные" механизмы обнаружения программных закладок, характеризующиеся контролем выполнения потенциально опасных функции библиотек ядра операционной системы и крайне не высокой вероятностью обнаружения вредоносного кода.
Общими для этих механизмов являются следующими недостатки:
- ограниченные возможности обнаружения новых вирусов;
- ограниченные возможности обнаружения упакованных и полиморфных вирусов 5, 6 уровней.
Поэтому авторы считают актуальной задачу разработки системы интеллектуального обнаружения вирусов, учитывающей синтаксис и семантику исследуемой программы. Неотъемлемой частью данной системы является
