CC BY
6
doi: 10.36724/2409-5419-2022-14-6-53-57
ИСПОЛЬЗОВАНИЕ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ ПОВЫШЕНИЯ НАДЕЖНОСТИ СИСТЕМ РАДИОСВЯЗИ
НАЙДЕНОВА Юлия Игоревна1
САФАРЬЯН
Ольга Александровна2 АЛФЕРОВА
Ирина Александровна3
РЕШЕТНИКОВА Ирина Витальевна4
Сведения об авторах:
1 студент группы МБИС11, Донской Государственный Технический университет, Ростов-на-Дону, Россия, alicefoxmur@mail.ru
2 к.т.н, доцент, доцент кафедры "Кибербезопасность информационных систем", Донской Государственный Технический университет, Рос-тов-на-Дону, Россия, safari_2006@mail.ru
3 старший преподава-тель кафедры "Кибербезопасность информационных сис-тем", Донской Государственный Технический университет, Ростов-на-Дону, Россия, a.alferova.donstu@yandex.ru
4 к.т.н, доцент кафедры "Инфокоммуникационных технологий и систем связи", Северо-Кавказский филиал ордена Трудового Красного Знаме-ни ФГБОУ ВО "Московский технический университет связи и информатики", г. Ростов-на-Дону, Россия irina reshetnikova@mail.ru
АННОТАЦИЯ
Введение. Функционирование телекоммуникационных систем и сетей определяет практически все стороны развития науки и техники, процессы и явления, протекающие в обществе. В свою очередь, качество функционирования телекоммуникационных систем и сетей обеспечивается развитием технологий передачи и обработки информации. Целью работы является разработка экспертной системы на основе модели системы контроля технического состояния генераторов сигналов в инфоте-лекоммуникационных системах. Методы и результаты исследования: В статье разработана динамическая экспертная система (ЭС) на основе модели системы контроля технического состояния генераторов сигналов в телекоммуникационных системах. В предлагаемой системе принятие решений основывается на постоянном анализе параметров частотно-временных параметров сигналов, формируемых генераторами в инфотелекоммуникационных системах. В ходе работы было проведён анализ экспертных систем, была выбрана динамическая экспертная система из класификации по связям с реальным временем, предложена структура экспертной системы, рассмотрен каждый из её элементов, разработана экспертная система, которая позволяет прогнозировать изменение параметров генераторов передающих каналов в телекоммуникационных системах, а также проведено тестирование полученной экспертной системы на основе двух предположений, которое позволяет сделать выводы о корректности разработки. Для этого приводится результат обработки входных данных на основе двух предположений - закона нормального распределения и равномерного закона распределения. На основании этого можно сделать вывод о работоспособности предложенного разработанного варианта построения ЭС и реализующего ее программного продукта. Экспертная система даёт возможность анализа поступающих данных в текущем времени, а также формирования вывода.
КЛЮЧЕВЫЕ СЛОВА: телекоммуникационная сеть, экспертная система, система искусственного интеллекта, классификация экспертных систем, генераторы, сигналы.
Для цитирования: Найденова Ю.И., Сафарьян О.А., Алферова И.А., Решетникова И.В. Использование экспертных систем для повышения надежности систем радиосвязи // Наукоемкие технологии в космических исследованиях Земли. 2022. Т. 14. № 6. С. 53-57. doi: 10.36724/2409-5419-2022-14-6-53-57
Введение
Функционирование телекоммуникационных систем и сетей определяет практически все стороны развития науки и техники, процессы и явления, протекающие в обществе. В свою очередь, качество функционирования телекоммуникационных систем и сетей обеспечивается развитием технологий передачи и обработки информации.
Высокая эффективность функционирования современных телекоммуникационных сетей, характеризуемая значительным объёмом обрабатываемого трафика и высокой скоростью передачи данных, достигается путем соответствия всех параметров системы требуемым значениям и, прежде всего, соответствия частотно-временных параметров сигналов номинальным значениям, определяемыми протоколами обмена. Условием обеспечения указанного требования является наличие системы, которая позволила бы гибко реагировать на изменения параметров систем связи и восстанавливать ее характеристики.
Непрерывный мониторинг, диагностирование, а также прогнозирование изменения параметров позволяют не только определить текущее техническое состояние телекоммуникационной сети, но и сформировать прогноз её изменения [1]. При неточном определении значений одного из параметров возможны результаты, при которых происходит смещение оценок всех частотно-временных параметров сигнала.
С учетом сложности решаемых в указанной постановке задач одним из возможных подходов для проведения мониторинга, диагностирования и прогнозирования технического состояния телекоммуникационных систем может являться использование методов искусственного интеллекта (ИИ), в частности экспертных систем (ЭС) [2].
Целью статьи является разработка экспертной системы на основе модели системы контроля технического состояния генераторов передающих каналов в телекоммуникационных системах.
Методы и результаты исследования
Экспертные системы возникли как результат [3]:
- с одной стороны, большого объема практического использования методов искусственного интеллекта при решении задач определения состояния сложных систем в условиях априорной неопределенности части данных о состоянии системы и ее параметрах;
- с другой стороны, большого числа теоретических результатов, полученных в рамках множества научных дисциплин, которые изучают методы решения задач интеллектуального характера с использованием электронной вычислительной машины.
Первый вопрос, решаемый при представлении знаний -это вопрос о том, что будет в себе хранить база знаний. Второй вопрос касается вида хранения фактов в базе знаний, так как существуют различные виды хранения фактов в базе знаний, это либо суждения, либо формулы, которые при обработке, будут выдавать параметры и рассматриваться вхождение параметра в некоторый диапазон.
Экспертная система представляет собой набор программ, выполняющий функции эксперта при решении задач из
некоторой предметной области [4]. Существуют различные классификации экспертных систем, одной из которых является классификация по связи с реальным временем.
Принято считать три её разновидности:
- статичес ая;
- квазидинамическая;
-динамичес ая.
Так как динамическая экспертная система работает в сопряжении с датчиками в режиме реального времени с непрерывной интерпретацией получаемых данных, именно она и была выбрана для построения экспертной системы мониторинга, диагностики и прогнозирования.
Структура динамической экспертной системы состоит из:
- пользовательской подсистемы, которая формирует данные для определения текущих значений;
- рабочей памяти, которая хранит исходные и промежуточные данные в текущий момент задачи;
- базы знаний, содержащей хранение фактов, которые были описаны экспертом, описывающих рассматриваемую предметную область.
Помимо фактов, база знаний может в себя включать:
- процедурную часть, позволяющую реализовывать множество функций и процедур, реализующие расчетные алгоритмы;
- подсистемы принятия решений, анализирующей полученные значения в соответствии с фактами, расположенными в базе знаний.
Для формирования текущего состояния и прогноза изменения характеристик необходимо определить закон изменения их значений, который из-за большого числа воздействующих факторов следует рассматривать как реализацию случайного процесса во времени.
Принятие решений системой искусственного интеллекта (СИИ) основывается на постоянном анализе оценок параметров сигналов генераторов, получаемых с использованием многомерной функции правдоподобия, связывающей между собой значения измеряемых фаз сигналов и текущие характеристики частоты генераторов, такие как средняя частота и относительная нестабильность формируемых сигналов, а также их изменение с течением времени [5].
Для формирования функции правдоподобия используется ЭС, в которой реализованы следующие операции:
- измерение текущих значений фаз сигналов генераторов;
- моделирование на основе предполагаемых законов распределения значений фаз сигналов генераторов;
- вычисление функционалов в виде суммы по числу измерений квадратов разностей между измеренными значениями фаз сигнала и смоделированными на основе соответствующего закона распределения;
- выбор в качестве действительного закона распределения текущих значений частоты генераторов закона, которому соответствует наименьшее значение минимума функционала;
- выбор в качестве оценки отклонения длительности временного интервала измерений значения, соответствующего аргументу минимума выбранного функционала.
Алгоритм, реализующий предлагаемую последовательность операций, приведен на рисунке 1.
После ввода входных значений производится обработка параметров в решателе, где для каждого из предполагаемых законов распределения, нормального или равномерного, производится моделирование текущего значения частоты сигнала генератора, моделирование длительности текущего интервала измерений, моделирование измеряемой фазы сигнала генератора, необходимых для дальнейшей работы ЭС [8].
На основе полученных результатов для различных законов распределения вычисляются значения функционалов. Каждый функционал определяется как сумма по числу измерений квадратов разностей между измеренными значениями фаз сигнала и смоделированными на основе соответствующего закона распределения. В качестве оценки длительности временного интервала измерений, текущего значения частоты генераторов выбираются соответствующие параметры того закона распределения, для которого минимум функционала будет меньше. Математическое представление функционала имеет вид
X
L{St) = ^
(ф _ф(0) _ю(0) .St)2
\ п п п I
2<JI ■ 11
I
Рис. 1. Алгоритм обработки результатов мониторинга параметров телекоммуникационной системы
После составления архитектуры проекта и рассмотрения всех возможных блоков экспертной системы проводится разработка ее структурной схемы. Результат разработки показан на рисунке 2.
щ
2ст02 • t02
(1)
Рис. 2. Структурная схема экспертной системы
Для реализации данной системы, необходимо более точно проработать алгоритм работы каждого блока экспертной системы [6].
При оценке частотно-временных параметров сигналов входными значениями для работы ЭС являются следующие величины [7]:
- число генераторов, формирующих сигналы для передачи информации в телекоммуникационной системе;
- номинальные значения частоты каждого генераторов;
- номинальная относительная нестабильность частоты генераторов;
- оличество измерительных интервалов;
- номинальная длительность интервала.
где Фя и ф- измеренное и номинальное значение фазы
п -го сигнала соответственно; ©(0) - номинальная частота
п-го сигнала; - предполагаемое отклонение длительности временного интервала измерений от номинального значения
V
На основе данных, которые поступают из подсистемы приобретения знаний, в подсистеме принятия решений организуется:
- мониторинг технического состояния каждого генератора в телекоммуникационных системах,
- диагностика, в результате которой определяются значения параметров в телекоммуникационных системах
- прогнозирование по результатам последовательных измерений на каждом интервале, позволяет дать вероятностное изменение параметров генераторов.
В статье проведен анализ функционирования ЭС при оценивании текущего значения частоты генераторов, отклонения которой, после оценки, подчинены нормальному закону.
Исследования проводились при следующих исходных данных:
- ч ело генераторов - 1000;
- номинальные значения частоты генераторов 2-л-Ю9 рад/с;
- номинальная относительная нестабильность частоты генераторов 107;
- оличество измерительных интервалов 100;
- номинальная длительность интервала 10 3.
На основании выбранных для оценки законов распределения - нормального и равномерного, параметры которых (математическое ожидание и дисперсия), которые определялись по результатам измеренных значений частоты генераторов,
я=0
получили результат обработки, представленный на рис. 3. Сплошной линией показано значение функционала для нормального закона распределения отклонений текущих значений частоты генераторов от средних значений, штриховой
линией - для равномерного закона распределения. ЦЩ ' ' - т
20
10
0
0 12 3 ДМ О10, с
Рис. 3. Результат обработки на основе двух предположений
Выполненный анализ показал, что при выборе в качестве предполагаемого закона распределения, совпадающего с исследуемым законом распределения, минимум получаемого функционала будет меньше, и получаемое при этом значение отклонения оценки длительности временного интервала измерений от действительного значения также будет меньше, чем для любого другого закона распределения [9].
В частности, при моделировании было получено, что минимальное значение функционала, соответствующего нормальному закону распределения, составляет -1.3-Ю10, при равномерном законе распределения -1.4-Ю10. При этом отклонение оценки длительности временного интервала измерений в точке минимума функционала, соответствующего нормальному закону распределения, равно -5-Ю10отклонение оценки длительности временного интервала измерений в точке минимума функционала, соответствующего равномерному закону распределения, равно -4,9-Ю-10.
Заключение
По результатам моделирования можно сделать вывод, что при исследовании текущих значений частоты генераторов и длительности временного интервала измерений может использоваться ЭС, в которой реализованы следующие операции:
- измерение текущих значений фаз сигналов, формируемых в телекоммуникационной системе;
- моделирование на основе предполагаемых законов распределения значений частот тестовых сигналов генераторов;
- вычисление функционалов в виде суммы по числу измерений квадратов разностей ме^ду измеренными значениями фаз сигнала и смоделированными на основе соответствующего закона распределения частот тестовых сигналов;
- выбор в качестве действительного закона распределения текущих значений частоты генераторов закона, которому соответствует наименьшее значение минимума формируемого функционала;
- выбор в качестве оценки отклонения длительности временного интервала измерений значения, соответствующего аргументу минимума выбранного функционала.
На основании этого можно сделать вывод о работоспособности предложенного разработанного варианта построения ЭС и реализующего ее программного продукта. Экспертная система даёт возможность анализа поступающих данных в текущем времени, а также формирования вывода.
Литература
1. Сафарян O.A., Найденова Ю.И. Практическое применение динамической экспертной системы (ЭС) на основе модели системы контроля технического состояния генераторов передающих каналов в источниках телекоммуникаций II Инфокоммуникационные технологии: актуальные вопросы цифровой экономики. Сборник научных трудов II международной научно-практической конференции. Екатеринбург, 2022. С. 69-71.
2. Габриелям Д.Д., Кульбикаян Б.Х., Костенко П.И., Сафарян O.A. Искусственный интеллект в системе мониторинга, диагностики и прогнозирования технического состояния радиотехнических систем II Вестник Ростовского государственного университета путей сообщения. 2021. № 4. С. 91-99.
3. Козлов А.Н. Интеллектуальные информационные системы: учеб. Издательство ФГБОУ ВПО Пермская государственная сельскохозяйственная академия, 2013. 278 с.
4. Боровская Е.В., Давыдов H.A. Основы искусственного интеллекта: учеб. М.: Лаборатория знаний, 2020. 130 с.
5. Экспертные системы. Принципы работы и примеры / под ред. Р. Форсайт. М.: Радио и связь, 2009. 224 с.
6. Веденов A.A. Моделирование элементов мышления. М.: Наука, 2009. 160 с.
7. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 2015. 228 с.
8. Сафарян O.A., Костенко П.И., ПилипенкоИ.А. Использование нечеткой логики в системе управления радиомаяками навигаци-онно-посадочного комплекса II Радиолокация, навигация, связь. Материалы XXVII Международной научно-технической конференции, посвященной 60-летию со дня рождения Ю.А. Гагарин и Г.С. Титова. В 4-х томах. Воронеж, 2021. С. 46-52.
9. Балдин КВ., Башлыков В.Н., Рукосуев A.B. Теория вероятностей и математическая статистика: Учебник. М.: Дашков и К, 2016. 472 с.
10. Лорье Ж.-Л. Системы искусственного интеллекта. М.: Мир, 2009. 568 с.
USING EXPERT SYSTEMS TO IMPROVE THE RELIABILITY OF RADIO COMMUNICATION SYSTEMS
JULIA I. NAYDENOVA
Rostov-on-Don, Russia
OLGA A. SAFARYAN
Rostov-on-Don, Russia
IRINA A. ALFEROVA
Rostov-on-Don, Russia
IRINA V. RESHETNIKOVA
Rostov-on-Don, Russia
KEYWORDS: telecommunication network, expert system, artificial intelligence system, classification of expert systems, generators, signals.
ABSTRACT
Introduction. The article develops a dynamic expert system (ES) based on a model of a system for monitoring the technical condition of signal generators in telecommunication systems. In the proposed system, decision-making is based on a constant analysis of the parameters of the time-frequency parameters of signals generated by generators in infotelecommunication systems. The purpose of the work is to develop an expert system based on a model of a system for monitoring the technical condition of signal generators in infotelecommunication systems. Research results: In the course of the work, an analysis of expert systems was carried out, a dynamic expert system was selected from the real-time communication classification, the structure of the
REFERENCES
1. O.A. Safaryan, Yu.I. Naydenova (2022). Practical application of a dynamic expert system (ES) based on a model of a system for monitoring the technical condition of transmitting channel generators in telecommunication sources. Infocommunication technologies: topical issues of the digital economy. Collection of scientific papers of the II international scientific-practical conference. Edited by V.P. Shuvalov. Comp. M.P. Karacharova. Yekaterinburg, pp. 69-71.
2. D.D. Gabrielyan, B.Kh. Kulbikayan, P.I. Kostenko, O.A. Safaryan (2021), Artificial intelligence in the system of monitoring, diagnostics and forecasting of the technical condition of radio engineering systems. Bulletin of the Rostov State University ways of communication. No. 4, pp. 91-99.
3. A.N. Kozlov (2013). Intelligent information systems. Perm: Publishing House of FGBOU VPO Perm State Agricultural Academy. 278 p.
4. E.V. Borovskaya, N.A. Davydov (2020). Fundamentals of Artificial Intelligence. Moscow: Knowledge Laboratory. 130 p.
expert system was proposed, each of its elements was considered, an expert system was developed that allows predicting changes in the parameters of transmission channel generators in telecommunication systems, and the resulting expert system was tested based on two assumptions, which allows us to draw conclusions about the correctness of the development. For this purpose, the result of processing the input data is given based on two assumptions - the law of normal distribution and the uniform distribution law. On the basis of this, it can be concluded that the proposed developed version of the ES construction and the software product implementing it is working. The expert system makes it possible to analyze incoming data in the current time, as well as generate an output.
5. Expert systems. Principles of operation and examples / ed. R. Forsyth. Moscow: Radio and communication, 2009. 224 p.
6. A.A. Vedenov (2009). Modeling of the elements of thinking. Moscow: Nauka. 160 p.
7. Yu.Ya. Lyubarsky (2015). Intelligent information systems. Moscow: Nauka. 228 p.
8. O.A. Safaryan, P.I. Kostenko, I.A. Pilipenko (2021). The use of fuzzy logic in the control system of radio beacons of the navigation and landing complex, in the collection: Radio location, navigation, communication. Proceedings of the XXVII International Scientific and Technical Conference dedicated to the 60th anniversary of Yu.A. Gagarin and G.S. Titova. In 4 volumes. Voronezh, pp. 46-52.
9. K.V. Baldin, V.N. Bashlykov, A.V. Rukosuev (2016). Theory and Mathematical Statistics: Textbook. Moscow: Dashkov i K. 472 p.
10. J.-L. Laurier (2009). Artificial intelligence systems. Moscow: Mir. 568 p.
INFORMATION ABOUT AUTHORS:
Julia I. Naydenova, Don State Technical University, Rostov-on-Don, Russia Olga A. Safaryan, Don State Technical University, Rostov-on-Don, Russia Irina A. Alferova, Don State Technical University, Rostov-on-Don, Russia
Irina V. Reshetnikova, North Caucasus branch of Moscow Technical University of Communications and Informatics, Rostov-on-Don, Russia
For citation: Naydenova Ju.I., Safaryan O.A., Alferova I.A., Reshetnikova I.V. Using expert systems to improve the reliability of radio communication systems. H&ES Reserch. 2022. Vol. 14. No 6. P. 53-57. doi: 10.36724/2409-5419-2022-14-6-53-57 (In Rus)
