Научная статья на тему 'Интеллектуальные системы управления процессом формообразования с применением генетического алгоритма'

Интеллектуальные системы управления процессом формообразования с применением генетического алгоритма Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

CC BY
619
126
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ / ФОРМООБРАЗОВАНИЕ / ГЕНЕТИЧЕСКИЙ АЛГОРИТМ / ARTIFICIAL INTELLIGENCE / SHAPE / GENETIC ALGORITHM

Аннотация научной статьи по электротехнике, электронной технике, информационным технологиям, автор научной работы — Самойлова Е. М., Игнатьев А. А.

Рассматриваются возможности применения генетического алгоритма при проектировании интеллектуальных систем управления.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по электротехнике, электронной технике, информационным технологиям , автор научной работы — Самойлова Е. М., Игнатьев А. А.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Intelligent control system of the processes of formation using genetic algorithms

The possibilities of genetic algorithm in designing intelligent control system.s.

Текст научной работы на тему «Интеллектуальные системы управления процессом формообразования с применением генетического алгоритма»

УДК 681.5

Е.М. Самойлова, А.А. Игнатьев

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ ФОРМООБРАЗОВАНИЯ С ПРИМЕНЕНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА

Рассматриваются возможности применения генетического алгоритма при проектировании интеллектуальных систем управления.

Искусственный интеллект, формообразование, генетический алгоритм

E.M. Samoilova, A.A. Ignatyev

INTELLIGENT CONTROL SYSTEM OF THE PROCESSES OF FORMATION USING GENETIC ALGORITHMS

The possibilities of genetic algorithm in designing intelligent control system.s.

Artificial Intelligence, shape, genetic algorithm

Неуклонное увеличение требований к информационным системам в современном производстве, в особенности при решении задач управления сложными многопараметрическими и сильносвязанными системами, объектами, производственными и технологическими процессами, где постоянно приходится сталкиваться с решением неформализуемых либо трудноформа-лизуемых задач, вызывает все возрастающий интерес к искусственному интеллекту [3].

Основными направлениями разработки систем искусственного интеллекта принято считать: машинный интеллект, заключающийся в строгом задании результата функционирования за счет использования законов формальной логики, теории множеств, графов, семантических сетей и других достижений науки в области дискретных вычислений, и искусственный разум, направленный на моделирование внутренней структуры системы за счет математической интерпретации деятельности нервной системы во главе с мозгом человека, и реализуются в виде нейроподобных сетей на базе нейроподобного элемента - аналога нейрона и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов. При этом нейроподобные сети обладают уникальным свойством - работать даже при условии неполной информации об окружающей среде, то есть, как и человек, они на вопросы могут отвечать не только «да» и «нет», но и «не знаю точно, но скорее да».

Нейросети в последнее время являются одним из самых перспективных направлений в области искусственного интеллекта и постепенно входят в бытность людей в широком спектре деятельности как искусственный аналог биологической сети, по своим параметрам максимально приближающийся к оригиналу. Принято разбивать нейроподобные сети на несколько групп: сети обратного распространения ошибки, сети Хопфилда и др., которые используются для распознавания образов, анализа и синтеза речи, перевода с одного языка на другой и прогнозирования; системы управления в реальном времени несложных объектов, появление некоторых внутренних стимулов, возможностью к самообучению и функционированию в реальном времени; нейроподобные системы, нацеленные на создание виртуальных личностей - информационных копий человека [1].

При проектировании различных классов интеллектуальных систем одно из центральных мест занимают задачи оптимизации, что отражает естественное стремление к выбору наилучшей стратегии поведения в условиях неопределенности, к построению наиболее простого варианта

модели системы управления при соблюдении требований к качеству функционирования или нахождению оптимальных настроек параметров мониторинга многокомпонентной системы.

Применение традиционных алгоритмов многопараметрического поиска для решения подобных задач осложняется многими факторами, например:

- резкий рост вычислительных затрат и времени поиска при увеличении варьируемых параметров;

- необходимость вычисления на каждом шаге поиска производной целевой функции;

- низкая эффективность поиска при наличии «овражных» ситуаций и в окрестностях локальных экстремумов;

- низкая помехоустойчивость алгоритмов.

Подобные недостатки при поиске оптимальных решений успешно преодолеваются генетическими алгоритмами, основанными на генетических процессах биологических организмов: биологические популяции развиваются в течение нескольких поколений, подчиняясь законам естественного отбора и по принципу «выживает наиболее приспособленный» (survival of the fittest), открытому Чарльзом Дарвином. Подражая этому процессу, генетические алгоритмы способны «развивать» решения реальных задач, если те соответствующим образом закодированы, для того чтобы генерировать на каждом шаге алгоритма все более лучшие приближения к оптимальному решению.

Основные принципы ГА были сформулированы в докторских диссертациях Р.Холстиена и Де Енга, где на ряде примеров были впервые продемонстрированы возможности ГА для решения многопараметрической оптимизации [1].

В монографии Дж. Холланда «Адаптация в природных и искусственных системах» было дано теоретическое обоснование метода и сформулированы базовые принципы. В отличие от эволюции, происходящей в природе, ГА только моделируют те процессы в популяциях, которые являются существенными для развития. ГА работают с совокупностью «особей» - популяцией, каждая из которых представляет возможное решение данной проблемы. Каждая особь оценивается мерой ее «приспособленности» согласно тому, насколько «хорошо» соответствующее ей решение задачи. Наиболее приспособленные особи получают возможность «воспроизводить» потомство с помощью «перекрестного скрещивания» с другими особями популяции. Это приводит к появлению новых особей, которые сочетают в себе некоторые характеристики, наследуемые ими от родителей. Наименее приспособленные особи с меньшей вероятностью смогут воспроизвести потомков, так что те свойства, которыми они обладали, будут постепенно исчезать из популяции в процессе эволюции. Так и воспроизводится вся новая популяция допустимых решений, выбирая лучших представителей предыдущего поколения, скрещивая их и получая множество новых особей. Это новое поколение содержит более высокое соотношение характеристик, которыми обладают хорошие члены предыдущего поколения. Таким образом, из поколения в поколение хорошие характеристики распростра-няются по всей популяции. Скрещивание наиболее приспособленных особей приводит к тому, что исследуются наиболее перспективные участки пространства поиска. В конечном итоге популяция будет сходиться к оптимальному решению задачи (рис. 1). Имеется много способов реализации идеи биологической эволюции в рамках ГА [2].

Рис. 1. Схема генетического алгоритма

В настоящее время под термином «генетические алгоритмы» скрывается не одна модель, а достаточно широкий класс алгоритмов, подчас мало похожих друг на друга, но объединенных основным преимуществом - возможностью применения на сложных задачах, где не существует никаких специальных методов. Даже там, где хорошо работают существующие методики, можно достигнуть улучшения сочетанием их с ГА. Цель в оптимизации с помощью ГА состоит в том, чтобы найти лучшее возможное решение или решение задачи по одному или нескольким критериям.

Например, целью задачи поиска является нахождение оптимальных параметров режимов обработки (резания) станочного оборудования.

Чаще всего этими параметрами являются: V - скорость, Б - глубина резания и 1 -подача. Параметры технологического режима варьируются в диапазоне: частота вращения -в диапазоне 400 ... 1600 мин-1, подача - в диапазоне 0.02 ... 0.1 мм/об, глубина резания - в диапазоне 0.1 ... 0.5 мм. Диапазоны допустимых значений параметров представляют собой пространство поиска. Пространство параметров поиска будет дискретным и представлять множество потенциальных решений.

В рамках данной задачи пространство поиска принимает вид: частота вращения - в диапазоне 400 ... 1600 мин-1 с шагом 10 мин-1, подача - в диапазоне 0.02 ... 0.1 мм/об с шагом 0.01 мм/об, глубина резания - в диапазоне 0.1 ... 0.5 мм с шагом 0.1мм.

Целевой функцией является:

Б (V, Б, О = шт Б(Яа, А) (1)

где Ra - шероховатость, Wz - волнистость, А - отклонение от круглости.

Далее, применяя ГА, возможно построение интеллектуальной системы управления технологическим оборудованием машиностроительного производства (рис. 2) как самообучающейся, самонастраивающейся системы с гибкими процедурами принятия решений об управлении, как системы, основанной на знаниях и формирующей новые знания в процессе управления и функционирования.

В задачи интеллектуальной системы управления входят: экспертная оценка ситуации управления; синтез управляющих воздействий; анализ среды функционирования и т.д. Класс интеллектуальных систем управления соответствует следующим пяти принципам:

- наличие взаимодействия управляющей системы с реальным внешним миром с использованием информационных каналов связи; интеллектуальные системы управления получают из него знания и влияют на него. Выполнение этого принципа позволяет организовать канал связи для извлечения знаний и организации целесообразного поведения;

- принципиальная открытость системы с целью повышения интеллектуальности и совершенствования собственного поведения (открытость системы обеспечивается наличием самонастройки, самоорганизации и самообучения). Система знаний интеллектуальной системы управления состоит из двух частей: поступающие знания и проверенные знания. Этот принцип позволяет организовать пополнение и приобретение знаний;

- наличие механизмов прогноза изменений среды функционирования и собственного поведения системы в динамически меняющемся внешнем мире. В соответствии с этим принципом интеллектуальная система управления не полностью интеллектуальна, если она не обладает возможностью прогноза изменений внешнего мира и собственного поведения;

Ста::зч1шй|_I Кик | ЛЩ1

и:а.|у. и. J |^..ч-:11 шиги ;

ЛЦ11

[л^МЧМ нпкщ -и

1 + 1

-1 п

И^трамш и.||:с:,;|:.и:н ■ л "[ЪТЫЛТрчУП \нч;ч 1Г-.Ч

Экгпгргпш ---

В 1 V

и к 1 ^

Рис. 2. Схема интеллектуальной системы управления станочным модулем

- наличие у системы структуры построения, соответствующей принципу IPDI (Increase of Precisión with Decrease of Intelligence): точность управления тем выше, чем меньше интеллектуальность системы. Это путь построения сложных интеллектуальных систем управления в случае, когда неточность знаний о модели объекта управления или о его поведении может быть скомпенсирована за счет повышения интеллектуальности создаваемой системы;

- сохранение функционирования при разрыве связей или потере управляющих воздействий от вышестоящих уровней иерархии.

Интеллектуальная система управления базируется на информационной системе анализа функционирования технологического оборудования по параметрам качества формообразования с применением искусственных нейронных сетей, являющихся базой знаний системы и оптимизации управляющих воздействий (параметров режимов резания (v, S и t)) с использованием генетического алгоритма (ГА).

Система состоит из следующих функциональных блоков (рис. 2): информационной системы анализа функционирования технологического оборудования по параметрам качества формообразования с применением искусственных нейронных сетей. Она реализована в виде программы определения параметров качества; системы оптимизации управляющих воздействий на основе генетического алгоритма (на рисунке она представлена программой оптимизации) и экспертной системы.

Генетические алгоритмы не гарантируют и того, что глобальное решение будет найдено, но они хороши для поиска «достаточно хорошего» решения задачи «достаточно быстро».

Хотя модель эволюционного развития, применяемая в ГА, сильно упрощена по сравнению со своим природным аналогом, тем не менее ГА является достаточно мощным средством и может с успехом применяться для широкого класса прикладных задач не только класса традиционной оптимизации, но и управления сложными динамическими объектами в условиях неопределенности.

ЛИТЕРАТУРА

¡.Интеллектуальные системы управления. Теория и практика: учеб. пособие. М.: Радиотехника, 2009. 392 с.

2. CETIM, 1985. La Surveillance Automatique des Outils de Couple. CETIM, Senlis, Paris.

3.Игнатьев А. А. Совершенствование управления качеством продукции на основе системы мониторинга с элементами искусственного интеллекта / А. А. Игнатьев, Е.М. Самойлова // Вестник СГТУ. 2009. № 3 (41). С. 207-209.

4. Самойлова Е.М. Интеграция искусственного интеллекта в автоматизированные системы управления и проектирование технологических процессов / Е.М. Самойлова, А.А. Игнатьев // Вестник СГТУ. 2010. № 2 (44). С. 117-119.

Самойлова Елена Михайловна - 8ашоИоуа Elena Mihajlovna -

кандидат технических наук, доцент кафедры Candidate of Technical Sciences, the senior «Автоматизация и управление lecturer of chair «Automation and management

технологическими процессами» of technological processes» Saratov State

Саратовского государственного Technical University

технического университета

Игнатьев Александр Анатольевич - Ignatyev Alexander Anatolevich -

доктор технических наук, профессор, Doctor of technical sciences, professor,

заведующий кафедрой «Автоматизация Head of Department «Automation

и управление технологическими and management of technological processes»

процессами» Саратовского государственного Saratov State Technical University технического университета

Статья поступила в редакцию 29.04.2011, принята к опубликованию 24.06.2011

i Надоели баннеры? Вы всегда можете отключить рекламу.