CC BY
20
МЕТОДОЛОГИЯ АВТОМАТИЗИРОВАННОГО РЕШЕНИЯ ЗАДАЧ НЕЙРОУПРАВЛЕНИЯ В СИСТЕМЕ ГАММА-3
Степанов
Михаил Федорович,
д.т.н., профессор Саратовского государственного технического университета имени Ю.А. Гагарина, г. Саратов, Россия, mfstepanov@mail.ru
Степанов
Андрей Михайлович,
к.т.н., с.н.с. Института проблем точной механики и управления Российской академии наук, г. Саратов, Россия, ripkilobyte@gmail.com
Михайлова Любовь Сергеевна,
к.т.н., доцент Электростальского политехнического института Московского государственного машиностроительного университета (МАМИ), г. Электросталь, Россия lsmixx@rambler.ru
Салихова
Альмира Равилевна,
студентка Саратовского государственного технического университета имени Ю.А. Гагарина г. Саратов, Россия
£
О л л С
Ключевые слова:
автоматизация решения задач; системы автоматического управления, пакет программ; нейроуправление; интерактивные проектные операции.
Работа посвящена автоматизации решения задач проектирования и исследования систем автоматического управления. Цель статьи: повышение эффективности решения наиболее распространенных классов задач. В проектировании систем автоматического управления выделяются два класса задач: типовые (стандартные) и нетиповые. Для типовых задач имеются готовые процедуры. Нетиповые задачи возникают в более сложных случаяхи, как правило, могут быть сведены к совокупности более простых (типовых) подзадач. Такое редуцирование задач в непроцедурной постановке могут выполнять некоторые системы автоматизации, относимые к категории интеллектуальных. В развитых системах автоматизации количество типовых задач становится столь велико, что инженеру уже трудно подобрать подходящую процедуру. Использование интеллектуальных средств позволяет сделать этот выбор автоматически. Типовые процедуры для эффективной работы требуют настройки различных параметров, которую среды автоматизации не могут осуществить. Как следствие, возникает актуальная задача: повышение эффективности решения типовых задач в интеллектуальных системах автоматизации. Предлагаемый в работе подход базируется на использовании неформализованных знаний инженеров-проектировщиков. Реализация подхода основана на создании интерактивных проектных процедур. Это позволяет специалисту оперативно осуществить настройку ключевых параметров процедур, что повышает их эффективность. Система ГАММА-3 обладает возможностями решать задачи, как в процедурной, так и в непроцедурной (декларативной) постановке. Предлагаемый подход иллюстрируется примером создания пакета программ в составе системы ГАММА-3 для автоматизации решения задач нейроуправления. Предложены три варианта представления процедур решения задач, используя средства пакета: совокупность команд языка ГАММА (программа на языке ГАММА), исполняемых в пакетном режиме; программа на языке ГАММА, использующая интерактивные операции; укрупненная интерактивная операция, реализующая процедуру решения задачи в целом. Показана целесообразность интерактивных реализаций проектных операций для процедур с недостаточно высоким уровнем формализации, что приводит к необходимости постоянного участия специалиста-проектировщика. Приведен пример решения задачи построения нейроэмулятора объекта управления.
www.h-es.ru
h&es research
47
Постановка задачи
В процессе развития теории автоматического управления, как и любой проблемной области, для всё более широких классов задач разрабатываются процедуры их решения. М. Минский [1] к интеллектуальным отнес новые задачи, для которых неизвестны план (программа, порядок, процедура) их решения, т.е. непроцедурно (декларативно) поставленные. Процесс их решения требует формализации знаний проблемной области и методов планирования действий, что относится к области исследований, называемой «искусственный интеллект», или, как её стали в последнее время называть «вычислительный интеллект». Решение новых задач не всегда может привести к успеху. Это обусловлено рядом факторов. Так поставленная задача может выходить за рамки класса задач, охватываемого моделью проблемной области, внесенной в базу знаний системы автоматизации решения задач. С другой стороны, используемый формализм планирования действий может не обеспечивать решение задач с подобной структурой. Например, может не предусматриваться учет требований к результату решения задачи. Либо в качестве искомого результата не допускается более одного объекта. В таких случаях поставленная задача не будет решена, даже процедура решения задачи в принципе существует. Для типовых задач (с известным для системы автоматизации планом решения задачи) дело обстоит иначе [7]. Процедур решения задачи известна, апробирована, сферы её применения определены. Как следствие, решение задачи гарантируется при определенных условиях, которые заранее известны. Также к типовым уже относятся и задачи нейроуправления. Однако до сих пор нейроуправление не получило должного распространения, несмотря на наличие многочисленных нейропакетов, призванных автоматизировать построение искусственной нейронной сети. Секрет кроется в подходе к построению средств поддержки разработки систем с использованием ИНС. Как следствие, актуальна
Задача. Разработка принципов и методологии построения средств автоматизированного решения задач нейроуправления.
Принципы построения средств разработки
и исследования САУ
Обобщим известные в области автоматизации (поддержки разработки и исследования) систем автоматического управления (САУ) принципы построения средств проектирования и исследования САУ [2], [3]:
1. Открытость к расширениям;
2. Классификация пользователей'. (Пользователи-разработчики САУ, Разработчики пакетов расширения, Исследователи-эксперты);
3. Интерактивный режим работы для каждой категории пользователей с возможностью организации коллективной работы;
4. Гибкость архитектуры и критериев эффективности разрабатываемых систем управления;
5. Средства моделирования и исследования САУ в целом и их компонентов по отдельности, как традиционных, так и интеллектуальных с учетом вариации параметров объекта управления, внешней среды, цели управления и т.д.;
6. Интерактивный режим работы слабоформализован-ных операций построения и исследования компонентов САУ;
7. Виртуализация средств проектирования.
Обобщенная системная структура средств информационной поддержки решения задач проектирования и исследования систем управления
S= {F,A,G,R,T,D,O)
(1)
где F = f}, п = dim(F) - набор функциональных компонентов, А= {a.}, dim(A) = nA -набор алгоритмов их функционирования;
G = {( f, fj, rj (f, fj )}\f e F, fj e F, гц (f, fj ) =
К e R I
10
гке я, к = \,пя = &т(Л), I = схема (граф) взаи-
мосвязей компонентов системы;
Т= = 8оигсе(?) е Д = КевиИ© е Д
Б=Оетапё(/) е { ир ®ц}р,цеР,® = {ах-1} - множество задач, где I,, - исходные данные, - искомые результаты, го - требования к искомым результатам решения задачи 1;; Б = Щ) - множество видов информационных структур данных, используемых в решаемых задачах; Р ={Р11Р1= Р1 Б , Д), Д с Д Д с Б - множество отношений, используемых в постановках решаемых задач; О = {оД, - множество действий (операций), используемых при решении задач.
Однако конкретная реализация рассмотренных принципов в различных средствах автоматизации осуществляется по-разному.
Рассмотрим это на примере решения задач управления с использованием методов теории искусственных нейронных сетей (ИНС).
Сферы применения ИНС, как вычислительных моделей непрерывно расширяется. Известны и продолжают развиваться методики решения задач в нейросетевом формализме, например [4]. Однако, несмотря на их разнообразие, решение конкретных задач часто вызывает затруднения. Это обусловлено не только трудностями определения значений многочисленных параметров, но и проблемой выбора типа и структуры искусственной нейронной сети (ИНС). Направление исследований, связанное с применением методов искусственных нейронных сетей в задачах управления получило название «нейроуправление» [5]. Оно унаследовало все проблемы разработки ИНС и при решении конкретной задачи управления. Следование известным методикам решения задач в нейросетевом базисе при исходном выборе структуры сети и алгоритма определения её параметров (обучения) может не обеспечить достижение желаемых результатов. В результате процесс решения задачи становится итерационным, а достижение результата зависит ещё и от квалификации проектировщика, его способности подобрать как структуру ИНС, так и наиболее адекватный в конкретном случае алгоритм её обучения.
Системы автоматизации решения задач призваны, не только освободить пользователя от выполнения рутинных действий, но и помочь в трудных случаях выбора вариантов
продолжения решения задачи.
В области нейроуправления разработан целый ряд структур ИНС, реализующих известные принципы управления. В частности, например, [5]:
• последовательная схема нейронного управления;
• параллельная схема нейронного управления;
• нелинейный алгоритм наблюдения для ИНС;
• нелинейный контроллер для ИНС;
• и т.д.
Тем не менее, проектировщик системы управления должен сам определить конкретные параметры структуры ИНС, к которым относятся:
• тип ИНС,
• количество слоев ИНС,
• количество искусственных нейронов в каждом слое,
• вид акгивационной функции искусственных нейронов в каждом слое;
• начальные значения весовых коэффициентов синапти-ческих связей искусственных нейронов в каждом слое
• и т.д.
Далее, также проектировщик должен определить алгоритм и параметры алгоритма обучения (процедуры подбора параметров весовых коэффициентов синаптических связей искусственных нейронов) ИНС.
Настройки «по умолчанию» не всегда оказываются приемлемыми, т.е. могут не обеспечивать достижение желаемого результата нейронного управления - обеспечение желаемых инженерных показателей точности и качестве управления заданным объектом.
Методология решения задач нейроуправления
Процесс построения искусственной нейронной сети, осуществляющей решение заданной конкретной задачи нейроуправления обычно осуществляется в виде итерационной процедуры, предусматривающей часто многократное повторение следующих этапов:
• геометрической постановки задачи (выбор архитектуры сети),
• нейросетевой постановки задачи (определение исходных данных и обучение сети),
• тестирования до достижения желаемого значения заданного функционала качества.
Как следствие, решение задач нейронного управления скорее является искусством, а не привычной инженерной практикой. В целях поддержки принятия решений и создания комфортной среды для проектировщика систем управления в системах автоматизации решения задач создаются пакеты программ, предоставляющие возможности в пакетном или в интерактивном режиме автоматизирования построение ИНС. Однако, как правило, интерактивная версия соответствующих операций, фактически, представляет собой интерактивные формы задания исходных данных и визуализации результатов. При этом решение задачи осуществляется с использованием функций, реализующих операции пакетного варианта реализации. Как следствие, если допускается визуализация промежуточных результатов, проектировщик имеет возможность лишь прервать процесс, а затем, задав, новые исходные данные заново начать решение задачи. Итерационный процесс может занять достаточно длительное время.
Итерационные процессы решения задач пока проще задать процедурно, чем порождать с помощью машины вывода. Поэтому, в дополнение к возможностям решения декларативно поставленных задач, в системе ГАММА-3 [6] для типовых задач (задач с известным планом решения) используются записи процедур их решения на языке ГАММА. Его синтаксис близок к входному языку пакета МАТЛАБ.
В системе ГАММА-3 в дополнение к описанным способам автоматизации решения задач нейронного управления предоставляются возможности оперативной корректировки параметров в ходе решения задачи, сохраняя историю процесса, что может сократить общее время решения задачи.
Укрупнённая структурная схема распределённой системы автоматического решения задач ГАММА-3 приведена на рис. 1.
В развитие известной [4] методики решения задач в ней-росетевом логическом базисе предлагается:
• в рамках этапа геометрической постановки задачи в
Рис. 1. Укрупнённая структурная схема распределённой системы автоматического решения задач ГАММА-3
Рис. 2. Программа на языке ГАММА для построения ИНС
Рис. 3. Задание структурных параметров создаваемой ИНС
целях сокращения шагов итерационного подбора конфигурации ИНС учитывать априорную информацию о характере свободной и желаемой динамики объекта управления, что может помочь при определении используемой глубины истории (задержанных данных) поведения объекта и управляющих воздействий, а, следовательно, количества нейронов во входном слое ИНС.
• в рамках этапа нейросетевой постановки задачи иметь возможность оперативно (в том числе и в ходе обучения ИНС) корректировать не только исходные данные для обучения (входные и целевые наборы), но и параметры алгоритмов обучения и архитектуру создаваемой ИНС.
В связи с этим в системе ГАММА-3, в дополнение к соответствующим командам на языке ГАММА (реализуют отдельные этапы построения нейроконтроллера) разработаны также их интерактивные аналоги, позволяющие более гибко настраивать параметры создаваемой искусственной нейронной сети, а также проводить её исследование.
В системе ГАММА-3 реализованы в виде пакета команд языка ГАММА следующие этапы методики решения задач нейроуправления:
1. Разработка ИНС (например, нейроэмулятора сложного объекта).
2. Разработка ИНС для идентификации параметров объекта управления.
3. Разработка структуры ИНС, например, нейроконтроллера.
4. Настройка параметров ИНС (обучение).
5. Тестирование ИНС.
Основной состав рассматриваемого пакета:
1. Создание ИНС (операция NNWnew);
2. Визуализация параметров ИНС (операция NNWview);
3. Загрузка и предварительная подготовка исходных данных для обучения ИНС (операция NNWdatPrep);
4. Обучение ИНС классическим методом обратного распространения ошибки (операция NNWГearnl), известными и модифицированными методами для ускорения сходимости и повышения точности (с учетом истории процесса, реализации эффекта «отжига» и т.п.);
5. Тестирование обученной ИНС (операция]ММШе81)ит.д.
Порядок использования операций пакета задается программой на языке ГАММА, например, как представлено на рис. 2. Выполнение отдельных операций иллюстрируют рис. 3-5.
В состав пакета входят также ещё ряд специализированных операций, в частности, к ним относится и операция
Рис. 4. Обучение ИНС: Изменение ошибки обучения
Рис. 5. Тестирование ИНС: подтверждается высокая степень совпадения целевого сигнала и выхода ИНС для тестового примера
Рис. 6. Загрузка данных и обучение нейронной сети
Рис. 7. Тестирование построенной нейронной сети
МЫетиМог, обеспечивающая построение нейроэмулято-ра сложного объекта по экспериментальным данным (рис. 6-7). В интерактивных операциях исходные данные (экспериментальные данные) более удобно размещать в файлах. Применительно к операции МЫетиМог каждый такой файл включает данные одного эксперимента (наборы входных воздействий на объект управления и выходные сигналы, предоставляемые измерительной подсистемой системы автоматического управления).
Обобщены и сформулированы принципы построения средств проектирования и исследования САУ, включающие как общеизвестные принципы построения информационных систем, так и учитывающие особенности проектируемых систем, содержащих интеллектуальные компоненты. Показаны варианты использования указанных принципов в системе ГАММА-3. Изложена усовершенствованная методика решения задач нейронного управления в системе ГАММА-3. Приведен пример решения задачи нейроуправления - построения нейроэмулятора объекта управления.
Работа выполнена при финансовой поддержке РФФИ (проект 15-07-99684-а).
Литература
1. Минский М. Фреймы для представления знаний: пер. с англ. М.: Энергия, 1979, 152 с.
2. Системы автоматизированного проекгированияю. В 9 кн. / Под ред. И.П.Норенкова. М.: Высшая школа, 1986.
3. Степанов A.M. Принципы построения, архитектура средств проектирования, моделирования и исследования интеллектуальных систем управления / А.М.Степанов, М.Ф.Степанов // Восьмая Всероссийская мультиконферен-ция по проблемам управления: Материалы 8-й Всероссийской мультиконференции. В 3 т. Ростов-н/Д.: Изд-во Южного федерального университета, 2015. Т.1. С. 109-112.
4. Галушкин А.И. Теория нейронных сетей. Кн. 1 / Под ред. А.И.Галушкина. М.: ИПРЖР, 2000. 272 е.: ил.
5. Омату С., Халид М., Юсоф Р. Нейрокомпьютеры и их применение. В кн. 2. Кн. 2: Нейроуправление и его приложения: пер. с англ. Н.В.Батина/Подред. А.И.Галушкина, В.А.Птичкина. Кн. 2. М.: ИПРЖР, 2000. 272 е.: ил.
6. Александров А.Г., Михайлова Л.С., Степанов М.Ф. Система ГАММА-3 и ее применение // Автоматика и телемеханика, 2011,№ 10. С. 19-27.
Для цитирования:
Степанов М.Ф., Степанов А.М., Михайлова Л.С., Салихова А.Р. Методология автоматизированного решения задач нейроуправления в системе ГАММА-3 // Наукоемкие технологии в космических исследованиях Земли. 2016. Т. 8. № 6. С. 47-52.
51
www.h-es.ru
h&es research
METHODOLOGY OF THE AUTOMATED TASKS DECISION OF NEUROCONTROL WITHIN THE SYSTEM "GAMMA-3"
Mikhail F. Stepanov,
Saratov, Russia, mfstepanov@mail.ru
Andrew M. Stepanov,
Saratov, Russia, ripkilobyte@gmail.com
Lubov S. Mikhailova,
Electrostal, Russia, lsmixx@rambler.ru
Almira R. Salichova,
Saratov, Russia
Abstrart
Work is devoted to automation of the decision of tasks of designing and research of automatic control systems. The purpose of article: increase of efficiency of the decision of the most widespread classes of tasks of control system design. In area of designing of control system, the two classes of tasks are allocated (classified): typical (standard) and not typical. Known procedures are developed for typical tasks. Not typical tasks arise in more difficult cases and, as a rule, can be shown to set of more simple (typical) subtasks. Such approach to decision of tasks in not procedural statement can carry out some systems of automation, those which can be named "intellectual". In the developed systems of automation, the quantity of typical tasks becomes so great, that it is already difficult for engineer to choose adequate procedure for current task. Use of intellectual means allows making this choice automatically. Typical procedures for effective task's decision can demand tuning of various parameters, which systems of automation cannot automatically carry out yet. As consequence, arises an actual problem: increase of efficiency of the decision of typical tasks in intellectual systems of automation. The approach offered in work is based on use of not formalized knowledge of engineers-designers. Realization of the approach is based on creation of interactive designing procedures. It allows the expert-designer to carry out tuning of key parameters of procedures that increases their efficiency. System "GAMMA-3" possesses opportunities to solve a task, both in procedural, and in not procedural (declarative) statement. The offered approach is illustrated by an example of creation of the software package in structure of system "GAMMA-3" for automation of the decision of tasks neurocontrol. Three variants of representation of procedures of the decision of tasks are offered, using means of a package: set of commands of language GAMMA (the program in language GAMMA), executed in a batch mode; the program in language the
GAMMA using interactive operations; the integrated interactive operation create (realizing) procedure of the decision of a task as a whole. The expediency of interactive realizations of design operations for procedures with insufficiently high level of formalization that leads to necessity of constant participation of the expert-designer is shown. The example of the decision of a task of construction plant's neuroemula-tor is present.
Keywords: automation of the tasks decision; control systems; the software package; neurocontrol; interactive design operations.
References
1. Minskiy M. Frames dlya predstavleniya znanii [Frames for knowledge representation]. Moscow, Energiya, 1979. 152 p. (In Russian).
2. Norenkova I.P. (Ed.). System automatizirovannogo proektirovaniya: v 9 kn. [Computer Aided Design. In 9 vol.]. Moscow: Vysshaya shkola, 1986. (In Russian).
3. Stepanov A.M. Prinzipy postroeniya, architektura sredstv proektirovaniya, modelirovaniya i issledovaniya intellectu-alnych system upravleniya / A.M.Stepanov, M.F.Stepanov [Principles of design, architec-ture, design tools, modeling and research of intelligent control systems ]. VIII Vserossi-iskaya multiconferenciya po problemam upravleniya: Materialy VIII Vserossiiskoi multiconferencii: v 9 t. [Eighth All-Russia Multiconference management problems: Proceedings of the 8th All-Russian multiconference: in 9 vol.]. Rostov-on-Don: Yuzhnyy federalnyy universitet Publ., 2015. Vol. 1. Pp. 109-112. (In Russian).
4. Galushkin A.I. (Ed.). Teoriya neironnych setey. Kn. 1 [The theory of neural networks]. Moscow, IPRZR, 2000. 416 p. (In Russian).
5. Omatu S., Khalid M.B., Yusof R. Neuro-control and its applications. Springer, 1996. 255 p.
6. Aleksandrov A.G., Mikhailova L.S., Stepanov M.F. GAMMA-3 System and Its Application. Automation and Remote Control. 2011. Vol. 72. No. 10. Pp. 2023-2030. (In Russian).
Information about author:
Stepanov M.F., Ph.D., professor, Yuri Gagarin state technical university of Saratov;
Stepanov A.M., Ph.D., The senior scientific employee, Institute of problems of exact mechanics and control of the Russian Academy of Science;
Mikhailova L.S., Ph.D., senior lecturer, Electrosteel polytechnical institute of the Moscow state machine-building university (MSMU);
Salichova A.R., student Yuri Gagarin state technical university of Saratov.
For citation:
Stepanov M.F., Stepanov A.M., Mikhailova L.S., Salichova A.R. Methodology of the automated tasks decision of neurocontrol within the system "GAMMA-3". H&ES Research. 2016. Vol. 8. No. 6. Pp. 47-52.
