CC BY
31
УДК 004.8:631.2
Л.В. БОРИСОВА, Н.М. СЕРБУЛОВА, А.В. АВИЛОВ НЕКОТОРЫЕ АСПЕКТЫ РЕШЕНИЯ ЗАДАЧИ ПО ВЫБОРУ ЗНАЧЕНИЙ РЕГУЛИРУЕМЫХ ПАРАМЕТРОВ КОМБАЙНА НА ОСНОВЕ НЕЧЕТКИХ ЗНАНИЙ
Рассматривается решение задачи выбора значений регулируемых параметров рабочих органов зерноуборочного комбайна на основе нечетких экспертных знаний. Ключевые слова: зерноуборочный комбайн, предварительная настройка, нечеткие знания, лингвистическая переменная, экспертная система.
Введение. При использовании сложной уборочной техники одной из важных задач является технологическая настройка машины в полевых условиях. Эта задача относится к классу неформализованных задач принятия решений, а ее решение возлагается на оператора и зависит от его опыта и квалификации. Трудности с выбором значений регулируемых параметров комбайна связаны с неопределенностью информации о факторах внешней среды, в которой функционирует зерноуборочный комбайн, а также со сложностью взаимосвязей между факторами уборки и регулируемыми параметрами. Одним из основных резервов повышения эффективности использования комбайнов является снижение временных затрат на настройку и технологические простои. Поэтому особого внимания заслуживают вопросы разработки систем информационной поддержки интеллектуальной деятельности оператора, помогающие ему при проведении уборочных работ. Одним из перспективных направлений совершенствования методов технологической настройки машин является разработка информационных систем поддержки принятия решений (экспертных систем) [1]. Формализация предметной области. Методика моделирования процесса принятия решений при технологической настройке комбайна основана на использовании аппарата нечетких множеств и содержит этапы: фаззи-фикации, композиции и дефаззификации [2, 3].
На этапе фаззификации необходимо представить условия решения задачи в лингвистической форме.
На этапе композиции все нечеткие множества, назначенные для каждого терма каждой входной переменной, объединяются и формируется единственное нечеткое множество - значение для каждой выводимой лингвистической переменной. В результате использования набора правил -нечеткой базы знаний - вычисляется значение истинности для предпосылки каждого правила на основании конкретных нечетких операций, соответствующих конъюнкции или дизъюнкции термов в левой части правил.
Суть этапа дефаззификации заключается в выработке на основе нечеткого логического вывода конкретных рекомендаций по установлению конкретных значений регулируемых параметров машины.
Рассмотрим задачу, когда в зависимости от возможных значений входной ситуации (А]) экспертом делается вывод о выходной ситуации (В]) (о значениях регулируемых параметров). Обозначим через {X} множество значений входных параметров, т.е. совокупность значений факторов внешней среды, существенно влияющих на величину выходного параметра V
(регулируемого параметра). Для решения поставленной задачи необходимо решить вопросы моделирования экспертной информации об отношениях рассматриваемых признаков, а также процедурах принятия решений.
В соответствии с логико-лингвистическим подходом [1, 2, 4] нами разработаны модели входных и выходных признаков X, V в виде семантических пространств и соответствующих им функций принадлежности:
{X, Т(Х) и, G, М}, |МХ1, Х2, ..., х,) е (0; 1), (1)
{Зу, Ту, V, Gv, Му} |«^1, V2, ..., V],) е(0; 1).
В результате анализа рассматривается обобщенная модель предметной области «предварительная настройка жатвенной части» в виде композиции нечетких отношений изучаемых семантических пространств.
R = X ® V. (2)
R - нечеткое отношение между факторами внешней среды и
регулируемыми параметрами R{Xi, Т(Х) и, G, М}х<Зу, Ту, V, Gv,
Му>"(х^)еХхУ.
Отношение R можно рассматривать как нечеткое множество на пря-произведении ХхУ полного пространства предпосылок Х и полного пространства заключений V.
В результате фаззификации исследуемых признаков построены функции принадлежности регулируемых параметров и внешних факторов. При этом для описания крайнего левого терма используется выражение
(3), для среднего терма - (4), для крайнего правого терма - (5):
1, если х £ а
Ь - х ,
если х < Ь (3)
где
мом
т 1( х, а, Ь) =
Ь - а 0,
если х > Ь
т 1(х, а, Ь, с) =
0, х - а
а
х
Ь - с’ 0,
если
если
если
если
х £ а а < х £ с
с < х < Ь х > Ь
т 1( х, а, Ь) =
0, х - а
Ь - а 1,
если
если
если
х £ а х < Ь х > Ь
(4)
(5)
Схему решения задачи предварительной настройки рассмотрим на примере выбора значения скорость комбайна. Известно, что на данный параметр существенное влияние оказывают такие факторы внешней среды: урожайность, влажность хлебной массы, соломистость, засоренность [5]. В качестве примера на рис.1 представлена функция принадлежности для выходного параметра - скорость комбайна.
Кортеж лингвистической переменной ««Скорость комбайна для пшеницы - 40» (т.е. для значения урожайности примерно 40 ц/га)» имеет вид:
<СКОРОСТЬ КОМБАЙНА ДЛЯ ПШЕНИЦЫ - 40, км/ч {Очень низкая, Низкая, Ниже номинальной, Номинальная, Выше номинальной, Высокая, Очень высокая}, [2,5 - 5,5], >
СК ={ОНСК, НСК, ННСК, НомСК, ВНСК, ВСК, ОВСК, км/ч} (см.рис.1).
2,5 3 3,5 4 4,5 5 5,5
[-♦-Очень низ. Низкая -А- Ниже ном, -х- Номинал. -Ж- Выше ном. Высокая Очень выс. |
Рис.1. Функция принадлежности термов ЛП «Скорость комбайна для урожайности пшеницы - 40»
Моделирование вывода решения. При заданной системе логических высказываний для значений входных параметров значениями выходного
параметра V является такое множество V(1), для каждого элемента которого v е F0(1) схема вывода L (1)
А - истинно; (6)
В - истинно
имеет наибольшую степень истинности нечеткого правила modus
ponens, определяемую выражением
Величина (1) является степенью истинности правила modus ponens для нечеткой системы экспертных высказываний. Данное понятие отражает степень соответствия значения v' выходного параметра V значению w' обобщенного входного параметра W при задании экспертной ин-
формации нечеткой системой. Обозначим через А и В] высказывания <3w есть а^> и <&, есть ач>. Тогда система нечетких высказываний запишется в виде:
~(1)
L = н
п
п
п
о
м ~(1)
п LECm А
п ~(1)
п LEСЛИ А
ТО1, B ТО2, B
~(1) ~ 1МСШ А ТОт, B
1 >, 2>
(8)
>.
Нечеткие высказывания соответствуют общей форме
ww
иВ
V V
где а ^ ,а у2,а Уз - соответствующие значения термов выходной лингвистической переменной.
Решение задач с использованием методов нечеткой логики предполагает определение точных значений выходных переменных. На этапе де-фаззификации нами использовался метод «центра тяжести» [4, 6]:
Уу = (1 У У в' (Уу ^Уу) /|| т в' (УуУу ^Уу). (9)
В основе механизма вывода решений интеллектуальной информационной системы лежит модель предметной области «предварительная настройка», представляющая собой композицию нечетких отношений семантических пространств факторов внешней среды и регулируемых параметров жатвенной части.
Развернутая форма нечеткого логического вывода для системы знаний вида (8) может быть представлена так:
Vs --},(t ,W]hT vM).
(10)
В результате анализа предметной области создана база знаний, на которой основан логический вывод решения. Фрагмент базы знаний представлен ниже:
1. if (Урожайность is Менее_40) and (Соломистость is Низкая) and (Засоренность is Низкая) and (Влажность хлебостоя is Сухой) then (Скорость is Очень Высокая) 2. if (Урожайность is Менее_40) and (Соломистость is Низкая) and (Засоренность is Низкая) and (Влажность хлебостоя is Нормальный) then (Скорость is Высокая) 3. if (Урожайность is Менее_40) and (Соломистость is Низкая) and (Засоренность is Низкая) and (Влажность хлебостоя is Влажный) then (Скорость is Выше номинальной)
т
4. if (Урожайность is Менее_40) and (Соломистость is Высокая) and (Засоренность is Низкая) and (Влажность хлебостоя is Сухой) then (Скорость is Высокая) 5. if (Урожайность is Менее_40) and (Соломистость is Высокая) and (Засоренность is Низкая) and (Влажность хлебостоя is Нормальный) then (Скорость is Выше номинальной)
36. if (Урожайность is Более_40) and (Соломистость is Высокая) and (Засоренность is Высокая) and (Влажность хлебостоя is Влажный) then (Скорость is Очень низкая)
Результаты моделирования. Для иллюстрации системы нечеткого логического вывода нами использовалась среда MatLab, в частности пакет прикладных программ Fuzzy Logic Toolbox. На рис.2 показаны поверхности «входы-выход» зависимостей, соответствующие синтезированной нечеткой системе продукционных правил. Из рисунка видно, что система нечетких экспертных высказываний адекватно описывает отношения регулируемый параметр - входные факторы.
Урожайность
Влажность
а)
Урожайность
Засоренность
б)
4.5 £ 4
О О О-
о
г35
40
ои Урожайность
Соломистость
в)
Рис.2. Поверхности отклика: а - взаимосвязь скорость-влажность-урожайность; б - взаимосвязь скорость-засоренность-урожайность; в - взаимосвязь скорость-соломистость-урожайность Заключение. На основе рассмотренной модели созданы база знаний и механизм вывода решений экспертной системы, которые применяется в производственных условиях. Практической реализаций разработанных алгоритмов является создание программных средств для автоматизированного решения задачи, на которые получены свидетельства о государственной регистрации (№ 2006613274, № 2007610651, №2009614549). Использование экспертной системы при проведении технологической настройки в полевых условиях позволило за счет сокращения затрат времени на технологические простои увеличить коэффициент использования эксплуатационного времени на 6 - 8 % по сравнению с базовым.
Библиографический список
1. Димитров В.П. Теоретические и прикладные аспекты разработки экспертных систем для технического обслуживания машин / В.П. Димитров, Л.В. Борисова. - Ростов н/Д: Издательский центр ДГТУ, 2007. - 202 с.
2. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов; под ред. Д.А. Поспелова. - М.: Наука, 1986. - 312 с.
3. Борисова Л.В. Методика моделирования предметной области «технологическая настройка» в нечеткой постановке/ Л.В. Борисова // Доклады РАСХН. - 2005. - №6. - С. 62-65.
4. Прикладные нечеткие системы / К. Асаи, Д. Ватада, С. Сугэно; пер. с япон. - М.: Мир, 1993. - 368 с.
5. Пугачев А.Н. Советы комбайнеру / А.Н. Пугачев. - М.: Колос, 1984. - 224 с.
6. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. - М.: Наука, 2006. - 333 с.
Материал поступил в редакцию 26. 08.09.
L.V. BORISOVA, N.M . SERBULOVA, A.V. AVILOV
SOME ASPECTS OF COMBINE HARVESTER'S TECHNOLOGICAL ADJUSTMENT TASK'S SOLVING IS CARRYING OUT ON THE BASIS OF FUZZY LOGIC CONCLUSION
One of the combine harvester's working organs technological adjustment task solving on the base of fuzzy logic is considered.
БОРИСОВА Людмила Викторовна, заведующая кафедрой «Экономика и менеджмент машиностроения» Ростовской государственной академии сельхозмашиностроения, доктор технических наук (2008), профессор. Окончила РГАСХМ (1991).
Сфера научных интересов: системы информационного обеспечения жизненного цикла продукции (экспертные системы), менеджмент качества. Имеет 177 научных публикаций (в том числе 10 учебных пособий и монографий).
СЕРБУЛОВА Наталья Михайловна, инженер, окончила РГАСХМ (2007). Сфера научных интересов: системы информационного обеспечения жизненного цикла продукции, менеджмент качества.
Имеет 10 научных публикаций.
АВИЛОВ Алексей Васильевич (р. 1982), ст. преподаватель кафедры «Приборостроение», кандидат технических наук (2008). Окончил ДГТУ (2004).
Сфера научных интересов: оптимизация технологических процессов, компьютерное моделирование.
Имеет 17 публикаций.
borisova lv09 @mail.ru
