CC BY
20
Входящий в (24) г -ый диагональный элемент представляет эквивалентную передаточную функцию Жэкв {(р) всей остальной части трехсвязной системы относительно г -го контура регулирования (рис.5,а). Согласно (24) ^ ,(р) будет определяться элементом
11
W _ w _ -N21R2 [N12С1 + H3R 3 ) - R 3N13N32] +
эквЛ 11 С1 + H2 R2 )(1 +H3R3)-R2R3N23N32 + N31R 3 [R2N12 N2 3 -N1 3 С1 + H2 R 2 ) ] ( 1 + H2 R 2 ) • ( 1 + H3 R3 ) - R 2 R 3 N2 3 N32'
(25)
Эквивалентные передаточные функции относительно второго и третьего сепаратных каналов ^экв 2 и ^экв 3 легко получить путем циклической перестановки индексов членов, входящих в (25).
В определении выражений ^экв { роль матричных преобразований велика. Получить указанный результат непосредственно из схемы (рис.5, а) весьма сложно.
Для двухсвязной системы (п = 2) структурная схема примет вид, представленный на рис.5,б, а эквивалентная передаточная функция с помощью (25) будет иметь вид
W
_ N21R 2 N12 эквЛ (п _ 2) 1 + h2r2
(26)
На основании проведенного анализа можно сформулировать следующие рекомендации по оптимизации регуляторов отдельных сепаратных каналов многосвязной системы: сначала первым приближением
оптимальные параметры всех регуляторов определим так, что сепаратные каналы будем рассматривать локальными (при этом механическую постоянную времени механизма примем для всех каналов одинаковыми. На втором этапе приближения уточняются оптимальные параметры регуляторов путем связности рассматриваемого г -го канала со всеми остальными контурами АСР с помощью эквивалентных передаточных функций аналогичных выражению (25).
ВЫВОДЫ
1. Составлена расчетная схема механической системы многодвигательного электропривода с упругими связями для прессовых установок в виде (п + 1) - массовой модели п - число двигателей привода).
2. Построена структурная схема системы управления электропривода с индивидуальными контурами регулирования скорости отдельных электродвигателей.
3. Даны рекомендации для определения оптимальных параметров регуляторов скорости отдельных сепаратных контуров. С помощью матричных структурных схем и соответствующих правил преобразований определены эквивалентные передаточные функции соседних контуров для каждого г -го сепаратного канала.
ПЕРЕЧЕНЬ ССЫЛОК
1. Барышников В.Д., Дочвири Д.Н. и др. Современные автоматизированные тиристорные электроприводы буммашин. - Л.: Знание, 1979.
2. Уонэм М. Линейные многомерные системы управления: Пер. с англ. - М.: Наука, 1980.
3. Боревич З.И. Определители и матрицы. М.: Наука, 1988.
УДК 681.51
МОДАЛЬНОЕ УПРАВЛЕНИЕ С РОБАСТНОЙ СТРУКТУРОЙ МАТРИЦЫ
СОБСТВЕННЫХ ВЕКТОРОВ
Н.В.Ефименко, Н.В.Луценко
Излагается новый подход к решению задачи формирования робастной структуры собственных векторов. В основу алгоритма положено применение метода размещения полюсов с помощью проекций на подпространство допустимых собственных векторов. Предлагаемый алгоритм, в отличие от известных, использует только ортогональные преобразования. Это обеспечивает алгоритму численную устойчивость. В связи с этим алгоритм может быть использован при вычислении матрицы коэффициентов управления для систем с большой размерностью вектора состояния.
Викладаеться новий тдх1д до рШення задач1 формування робастноЧ структури власних вектор1в. В основу алгоритму покладене застосування методу розмщення полюс1в за допомогою проекцш на тдпрост1р припустимих власних
eeumopie. Пропонований алгоритм, на eiÖMrny eid eidoMux, використовуе miлькu opmoгoнальнi перетворення. Це забезпечуе алгоритму чисельну cmiÜKicmb. У зв'язку з цим алгоритм може буmu вuкopucmанuй при обчислент маmpuцi кoeфiцieнmiв керування для систем з великою poзмipнicmю вектора стану.
The new approach to problem solving for formation non sensitive (robust) structure of eigenvectors is considered. Using method for accommodation of poles with the help of projections on permissible eigenvector subspace is the basis of the algorithm. The proposed algorithm, unlike well-known algorithms, uses only orthogonal transformations. It provides the numerical stability of this algorithm. Therefore this algorithm can be used for calculation of the control factors for systems with a large dimension
of state vector.
Хорошо известно, что для минимальной чувствительности собственных значений к ошибкам модели объекта управления весьма желательно, чтобы собственные векторы были примерно ортогональны. При произвольном выборе допустимых собственных векторов модальная матрица, столбцами которой являются собственные векторы, может оказаться плохо обусловленной. В этом случае система будет иметь высокую чувствительность собственных значений к ошибкам модели. Следовательно, для алгоритмов размещения полюсов формирование робастной структуры собственных векторов является принципиальным моментом синтеза. Необходимо выбирать коэффициенты управления таким образом, чтобы модальная матрица имела минимальный показатель обусловленности. При таком подходе к синтезу закона управления формируется не только спектр замкнутой системы, но и робастная структура собственных векторов.
Подобный подход к вычислению матрицы коэффициента закона управления был использован в работах [1-4]. В этих работах авторы для формирования робастной структуры собственных векторов использовали или уравнения Сильвестра [1], или проектирование на подпространство допустимых собственных векторов [2-4]. Оба подхода концептуально эквивалентны в том смысле, что они составляют часть одного и того же алгоритма параметризации для собственных векторов. Отличия применяемых алгоритмов обусловлены различными вариантами выбора критерия, по которому формируется структура собственных векторов замкнутой системы, а также особенностями их практической реализации.
В настоящей статье приводится новая процедура получения модальной матрицы с оптимальной структурой собственных векторов. В отличие от работы [4], в которой с помощью процедуры ортогональной проекции производится итерационное улучшение характеристик собственных векторов, причем сходимость итерационного процесса не гарантируется, в предлагаемом алгоритме используется неитерационный метод получения робастной структуры собственных векторов. При вычислениях применяются только ортогональные преобразования, что обеспечивает алгоритму численную робастность. В связи с этим алгоритм может быть использован при вычислении матрицы коэффициентов закона управления для систем с большой размерностью вектора состояния.
ПОСТАНОВКА ЗАДАЧИ
Рассматривается линейная динамическая система, которая в пространстве состояний описывается уравнением вида:
х = Ах + Ви , х(0) = х0, А е Яп х п , В е Яп х т . (1)
Предполагается, что пара (А, В) полностью управляемая, а ранг матрицы В равен т. Управление ищется в виде
где К е Ят х п - матрица коэффициентов закона управления.
Из уравнений (1) и (2) получаем замкнутую систему вида
х = (A - B ■ K)x ,
(3)
для которой задача синтеза модального управления формируется следующим образом: найти такую матрицу К, для которой выполняются соотношения
(A - B ■ К)Фг = h 'Фг >
(A - B ■ K)T ъ = h -ъ ,
(4a)
(4b)
где ф, и - соответственно правый и левый собственные векторы, отвечающие заданному собственному значению \ , (I = 1, 2, ..., п) .
Поскольку матрица К имеет размер т х п , очевидно, что сформулированная задача имеет не единственное решение. Для п собственных значений п х(т - 1) элементов матрицы К можно выбрать произвольно. В предлагаемой работе для формирования матрицы К использован подход, изложенный в [1], где для решения задачи размещения полюсов применяется параметрический вектор к,, определяемый выражением
кг = К -ф, . () Учитывая это, уравнение (4а) перепишем в виде
(А - \ - 1)ф, = В - Н1, (6)
или в матричной форме
А Ф - Ф Л = В - Н, (7)
где Ф = (ф 1, ..., фп), Н = (к 1, ..., кп), Л = ).
На основе уравнения (7) может быть реализован алгоритм размещения полюсов. Для известных матриц А и В и заранее выбранной матрицы Л задается произвольная матрица Н и из уравнения (7) находится матрица Ф . Затем, если матрица Ф достаточно точно удовлетворяет заданным условиям, из линейной системы
К ■ Ф = H
можно найти матрицу К в виде
К = H ■ Ф-
(8)
(9)
Поэтому, если величины простые и отличаются от собственных значений разомкнутой системы, то, задавая столбцы матрицы Н, можно непосредственно формировать структуру модальной матрицы. Разрешив уравнение (6) относительно ф,, получим
u = -Кх ,
(2)
Фг = (A - ■ I)-1 B ■ кг
(10)
1
Произвольный выбор вектора к, в уравнении (10) может привести к получению плохо обусловленной модальной матрицы. В этом случае полученные собственные значения замкнутой системы будут очень чувствительны к погрешностям задания модели системы [5, с.331]. Из уравнения (10) видно, что допустимые собственные векторы могут быть определены через векторы унитарного базиса, которые порождают
пространство вектор-столбцов матрицы (А - ХГ1 )-1 В .
Представив эту матрицу в виде ^УБ-разложения, получим
(А - V')-1 В = иг-,
§1 <§2 <.<§т .
Ф, = и, - 2г ,
г, = Х- г[-к{, г = 1, 2, ..., п .
Рк = (ф1,...,ф^), ^ е Сп
х к
Матрица Бк + 1 является положительной определенной матрицей ранга
к, У к < т, т, У к > т.
(17)
(11)
где X, - диагональная матрица сингулярных значений размером т х п , и, и - унитарные матрицы левых и правых сингулярных векторов размером п х т и т х т соответственно.
Здесь и в дальнейшем будем полагать, что 8УБ-разложение реализовано таким образом, что сингулярные числа упорядочены по возрастанию, т.е.
Так как матрица Бк + 1 эрмитова, то из теоремы Рэлея-Ритца [5, с.307] следует, что функционал (16) достигает минимума на собственном векторе матрицы Б^ + 1, соответствующем ее минимальному собственному значению. Положим, что собственные значения Ц,,
(I = 1, 2,., т) матрицы Б^ + 1 упорядочены по возрастанию, т.е.
Цшш = Ц <^2 <-<Цт - 1 <Цт = Цтах . (18)
Тогда
■}к + 1 Цт1п Ц1
(19)
(12)
При к < т из (17) следует, что матрица Бк + 1 вырождена и имеет (т - к) нулевых собственных значений
С учетом соотношения (11) уравнения (10) можно записать в следующем виде:
Ц, = 0 , I = 1, 2, ..., т - к.
(20)
(13) (13а)
Введем в рассмотрение матрицы ^, Бк +1 и функционал ■к + 1 в виде
Следовательно, первые т собственных векторов оптимальной модальной матрицы ортогональны, т.е.
рк-ик + Г 2к + 1 = ^ к = 1 т - 1. (21)
Введем обозначение
(14)
?к-ик + 1 = Ек + ^ Ек + 1 е Ск х
(22)
Бк + 1 = иТ+ 1 -Рк-РТк-ик + ^ Бк + 1 е Ст х т , (15) ■к + 1 = 4+ 1 -Бк + 1 -2к + 1, к = 1 ^ п - 1. (16)
Фукционал ■к +1 представляет собой сумму квадратов косинусов, образованных вектором фк +1 с уже построенными векторами фк. Очевидно, что модальная матрица Ф = (ф 1, ...,фп) , составленная из единичных
собственных векторов замкнутой системы, будет иметь минимальное число обусловленности, если на каждом шаге ■к +1 достигает своего минимального значения. На основании вышеизложенного сформулируем задачу синтеза модального управления следующим образом: для заданного набора желаемых собственных значений X, найти такие единичные векторы , при которых функционал ■^ + 1 на каждом шаге достигает своего минимума.
Из (21) имеем, что при к < т + 1 принадлежит ядру М(Ек + 1) матрицы Ек + 1 . Представим матрицу Ек + 1 в виде ^УБ-разложения
Ек + 1 = Wk + 1 -Хк + 1- уТ+ 1 ,
(23)
где Хк + 1 - диагональная матрица сингулярных значений размером к х т , а Wk + 1, уТ+ 1 - унитарные матрицы
левых и правых сингулярных векторов размером к х к и т х т соответственно.
Wk + 1 = (^1, ^к) , ук + 1 = (V!,..., Ут) .
При к < т последние (т - к) столбцов матрицы У к + 1 образуют базис ядра М(Ек + 1) . Обозначим этот базис
через Ук + 1 е Ст х(т - к) , тогда
МЕТОД РЕШЕНИЯ
Ук + 1 = (V
к + 1'
., vm), к = 1, 2, ..., т - 1 .
(24)
г =
Очевидно, что при к < т для 2^ +1 можно записать следующее выражение:
2к + 1 = ^к + 1 • хк + 1, (25)
где хк + 1 еСт - к - произвольный вектор с единичной нормой.
Представим матрицу + 1 в виде
Бк + 1 Ек +1 • Ек + 1 .
г = 1
(к = т,..., N- 1).
рицы будет наилучшим образом ориентирован относительно уже построенных векторов ф^..., фк, если ||Ек + ЦЕ ~
минимальна. Рассмотрим значение этой нормы при к = т . Имеем
||Ек + Ц Е = г\и\ит + 1 иТт + 1 и121 +
(26)
+ I х^иТит + 1иТ + ^^.
3 = 2
(30)
Из соотношений (23) и (26) вытекает, что столбцы матрицы к + 1 являются собственными векторами матрицы + 1, а
^ = (О,-)2 , (27)
где О, - сингулярные числа матрицы Ек + 1.
Следовательно, 2^ + 1 можно определить с помощью ^ КБ-разложения матрицы Ек + 1
. П + 1 • хк + 1, к = 1 2'.' т - 1; ,„0,
2к + 1 = - . (28) , у^ к = т, т + 1, ..., п - 1;
В алгоритме (28) не определена процедура получения векторов 21, Х3 , (3 = 2, ..., т) и не указана последовательность, в которой необходимо брать желаемые собственные значения Х,, (г = 1, 2, ..., п) , чтобы получить минимальное число обусловленности модальной матрицы. Естественно предположить, что существуют оптимальные вектора
20 , х0 и последовательность Х0 при которой модальная
г 3 I
матрица имеет минимальное число обусловленности. Для
нахождения г0 , х0 и последовательности Х0 рассмотрим г 3 г
функционал ^ +1. Согласно (21), при к<т ^ +1 достигает
своего глобального минимума, равного нулю, не зависимо
от того, каким образом выбраны , х^ и в какой
последовательности взяты собственные значения Хг .
Неоптимальность выбора 21 , х^ и последовательности
Х, проявится лишь на т + 1 и в последующих шагах.
Для определения оптимальных векторов 2,, х0 и
г 3
последовательности Х0 , рассмотрим функционал Jk + 1 при к = т, ..., п - 1 . Из свойств норм имеем
Jk + 1 ^ ||Ек + ЦЕ = <Г(°к + 1) = I ^г ,
Каждое слагаемое в (30) является квадратичной формой. Квадратичная форма достигает минимума на собственном векторе, отвечающем минимальному собственному числу матрицы, порождающей квадратичную форму.
Следовательно, ||Ек + ЦЕ будет минимальна, если 21
равен первому правому сингулярному вектору матрицы
ит + 1 , а х^ - первому правому сингулярному вектору
матрицы ит + 1 ¥3 . Для нахождения векторов 20 и х, необходимо определить оптимальную последовательность желаемых собственных чисел Х0 , (г = 1, 2,., т + 1) Сделать это можно с помощью следующего алгоритма. Шаг 1. Для г = 1, 2,., N найти матрицы
Qij = иТ • и, вычислить их минимальные сингулярные числа О1 (Qij) , выбрать такую пару индексов г и 3, для которых О1 (Qij) - наименьшее, и исключить пару базисов, соответствующих этим индексам, из рассматриваемого набора иг .
Шаг 2. Положить I = 1, и = и , ит + 1 = и{, где г и 3 - индексы, найденные на шаге 1.
Шаг 3. Вычислить матрицу Qт + 1 = ит + 1 • и1 , определить ее первый правый сингулярный вектор Г1 и найти первый собственный вектор модальной матрицы ф1 = и1 • Г1 .
Шаг 4. Положить к = 1 и сформировать матрицу ^ в соответствии с выражением (14).
Шаг 5. Для оставшегося набора базисов и^,
(3 = 1, 2, ..., N - 1 - к) вычислить матрицы Е^ = Рк • и^ ,
найти базис ¥3 ядра N(Е^), построить матрицы
определить их минимальные
(29)
Норма ||Ек + ЦЕ является верхней границей для Jk + 1. Очевидно, что собственный вектор фк + 1 модальной мат-
Р3 = иТт + 1 • и3 Гу3 , сингулярные числа О^Рр и выбрать индекс 3, для
которого О1 (Р^) наименьшее.
Шаг 6. Положить ик +1 = и^, вычислить матрицу
Ек +1 = Р^ик +1, найти ее ядро и сформировать матрицу Рк + 1 в виде
Рк + 1 = ит + 1ик + 1Ук + 1 .
т
Найти ее первый правый сингулярный вектор и определить собственный вектор ф^ + ^ = + 1 • л 1 .
Шаг 7. Исключить из набора базисов и, базис ик + \ . Шаг 8. Для к = 2, ..., т - 1 повторить шаги 3-7. Шаг 9. Вычислить матрицу Ет + 1 = РТ • ит + 1; найти ее минимальное сингулярное число а^ Ет + 1) и первый правый сингулярный вектор V!. Положить
а1 = а1(Ет + 1) ' Р1т + 1 = (Рт' V1) .
Шаг 10. Для пары индексов г,,, найденных на шаге 1, положить I = 2, и = и , ит +1= и, и повторить шаги 3-9.
Шаг 11. Выбрать то значение индекса I, для которого аI минимально, и положить Рт + 1 = Р!т + 1 .
Выше описанный процесс позволяет определить оптимальные вектора , х0 и оптимальную последовательность желаемых собственных чисел , (г = 1,2,., т +1),
при которых Jт + 1 достигает своего глобального минимума. Построенные таким образом собственные векторы ф1, ..., фт + 1 будут наилучшим образом ориентированы
относительно друг друга. Недостающие (п - т - 1) собственные векторы можно найти следующим образом. Шаг 1. Из оставшихся базисов и , (] = 1, 2,.., п - к)
построить набор матриц Е, = Р^и,, (к = т +1,.,п-1),
7 к ]
вычислить их минимальные сингулярные числа а^ Е,) и соот-ветствующие им правые сингулярные векторы ^. Выбрать индекс ,, для которого сингулярное число а1( Е,) наименьшее, положить
ик +1 = и, Фк +1 = ик +1 • г1, Рк +1 = (Рк, Фк +1).
Шаг 2. Исключить из набора базисов и, базис ик + 1 .
Шаг 3. Для к = т + 2, ..., п - 1 повторить шаги 1 и 2. Построенная таким образом модальная матрица будет иметь наилучшую структуру собственных векторов. После того, как определена матрица собственных векторов, матрица коэффициентов усиления определяется в соответствии с выражением (9).
ПРИМЕР ЧИСЛЕННОГО МОДЕЛИРОВАНИЯ
Эффективность предложенного алгоритма оценивалась на модели девятого порядка с тремя исполнительными устройствами. Численные значения матриц А и В были следующие:
0 1 0 0 0 0 0 0 0
0 10, 4 0,4 5 -3,4 0 -17 0, 5 0
200 -500 200 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0
0 -50, 8 1,5 0 -23, 5 15,8 0 80, 6 -2, 3
0 0 0 -200 -500 -200 0 0 0
0 0 0 0 0 0 0 1 0
0 102, 7 3 3 60, 6 31 , 38 0 -175,5 0
_ 0 0 0 0 0 0 - 1, 25 -950 -2187
0 0 200 0 0 0 0 0 0
В Т = 0 0 0 0 0 200 0 0 0
0 0 0 0 0 0 0 0 1250
Собственные значения разомкнутой системы и желаемые собственные значения замкнутой системы приведены в таблице 1.
Таблица 1
Номер Собственные значения разомкнутой системы Собственные значения замкнутой системы
1 -2187 -220
2 -199 -100
3 -203 + 89.01г -100
4 -203 - 89.01г -180
5 9.578 + 4.213г -120
6 9.578 - 4.213г -30
7 -1.798 10-3 + 0.477г -300
8 -1.798 10-3 - 0.477г -245
9 -0.2762 -25
Исследовалось два алгоритма получения матрицы коэффициентов усиления К: предложенный (метод 1) и алгоритм из работы [4] (метод 2), в котором для синтеза модального управления так же используются только ортогональные методы вычислений, но не формируется робастная структура собственных векторов.
В таблице 2 приведены показатели обусловленности модальной матрицы собственных векторов замкнутой системы и эвклидова норма матриц коэффициентов усиления.
Таблица 2
Номер метода Число обусловленн ости модальной матрицы Эвклидова норма матрицы К
Метод 1 2, 16 • 104 7, 2 • 103
Метод 2 1, 62 • 106 7, 8 • 103
Как следует из табл.2, при использовании алгоритма 1 число обусловленности модальной матрицы значительно
А
меньше, чем у модальной матрицы, полученной с помощью алгоритма 2. Норма матрицы К при этом изменилась незначительно. Приведенные результаты позволяют сделать вывод, что предложенный алгоритм является более эффективным по сравнению с алгоритмами, в которых не предпринимаются специальные меры для формирования робастной структуры собственных векторов.
ПЕРЕЧЕНЬ ССЫЛОК
1. Cavin, R.K., III and Bhattacharyya, S.P. Robust and Well-Conditioned Eigenstructure Via Sylveste's Equation // Journal of Optimal Control Applications and Method. 1983, Vol. 4, pp.205-212.
2. Porter, B. and D'Azzo, J.J. Algorithm for Closid-Loop Eigenstructure Assignments by State Feedback in Multuvariable Linear Systems // International Journal of Control. 1978, Vol. 27, № 6, 1978, pp.943-947.
3. Moore, B.C. On the Flexibility Offered by State Feedback in Multuvariable Systems Beyond Closed-Loop Eigenvalue Assignments // IEEE Transactions on Automatic Control. 1978, Vol. AC-21, pp.689-692.
4. Kantsty, J., Nichols, N.K. and Van Dooren, P. Robust Pole Assignment in Linear State Feedback // International Journal of Control. 1985, Vol. 41, № 5, pp.1129-1155.
5. CTpeHr Г. Линейная алгебра и ее применение. - М.: Мир, 1960. - 454с.
УДК 681.3.069:681.3.015
РЕАЛИЗАЦИЯ НЕЙРОСЕТЕВЫХ БАЗ ЗНАНИЙ ПРЕЦЕДЕНТОВ В АКТИВНЫХ ЭКСПЕРТНЫХ СИСТЕМАХ ДЛЯ КОМПЛЕКСНОГО МОНИТОРИНГА ПАРАМЕТРОВ АВИАЦИОННЫХ ДВИГАТЕЛЕЙ
С.В.Жернаков
В статье рассматривается реализация баз знаний прецедентов активных экспертных систем на основе ансамблевых моделей нейросетей. Решается задача распознавания прецедентов ансамблевой моделью нейросетей в процессе комплексных отказов, с учетом частичной или полной неопределенности параметров системы "временной автомат приемистости и авиационный газотурбинный двигатель".
The the paper the implementation of knowledge bases of precedents of the active expert systems on the basis of the hybrid of neuron networks is considered. The task of identification of the precedents is solved by hybrid neuron networks in the conditions of full or partial uncertainty of parameters of the system "a temporary acceleration control unit and air gas-turbine engine".
Безопасность функционирования сложных технических объектов (СТО), например, авиационных газотурбинных двигателей (ГТД) требует непрерывного мониторинга их параметров. Создание ГТД V-VI поколения требует непрерывного совершенствования диагностируемой и контролируемой аппаратуры, связанное с увеличением числа контролируемых параметров, усложнением конструкции, ростом числа датчиков и исполнительных механизмов. В этих условиях наиболее актуальной проблемой является разработка и внедрение интеллектуальных технологий - активных экспертных систем (ЭС) [1-3], способных качественно и эффективно решать поставленные задачи (на уровне специалиста - эксперта). Это особенно важно сейчас, так как своевременное обнаружение и локализация отказов позволит исключить многочисленные аварийные и катастрофические ситуации участившиеся в последнее время.
Роль человеческого фактора с ростом числа контролируемых и диагностируемых параметров падает [4], так как сопряжена с многочисленными ошибками контроля и
принятия решений (особенно в условиях НЕ - факторов: неопределенности ситуации; многочисленные помехи; неточности измерений, неполнота контроля и т.д.)
Спектр задач диагностики и контроля параметров авиационного ГТД существенно расширился с внедрением активных ЭС на борт летательного аппарата (ЛА). В частности, возможно проведение на борту ЛА не только регистрации и предотвращения аварийных ситуаций, но и настройки, отладки, углубленного диагноза состояния двигательных установок и ЛА. Данные возможности потребовали разработки и адаптации в среде баз знаний (БЗ) активных ЭС, наряду с хорошо зарекомендовавшими себя методами, методиками и алгоритмами новых методологий и принципов построения ЭС комплексного мониторинга, которые должны стать составной частью общей информационно-управляющей системы.
Как известно [5], диагноз ГТД можно проводить с разной степенью подробности. В активной ЭС (рис. 1) может быть организован трехуровневый диагноз состояния и неисправностей ГТД [5]: аварийный диагноз или диагноз малой глубины; диагноз средней глубины; диагноз большой глубины. Аварийный диагноз осуществляется по таблицам неисправностей (граф причинно-следственных связей, допусковый контроль) [68]. Если же аварийный диагноз не дает убедительного ответа, то принятие решения активной ЭС осуществляется на основе гетерогенной БЗ, в которой наряду с традиционными знаниями (семантические сети, фреймы, продукции, логические модели), широко применяются БЗ прецедентов, реализованные на моделях нейросетей (МНС). Основными требованиями предъявляемыми к таким ЭС являются: работа в реальном масштабе времени и гетерогенные (разнородные) БЗ (ГБЗ). Обеспечение
