CC BY
44
МЕХАНИЗАЦИЯ И ЭЛЕКТРИФИКАЦИЯ ЖИВОТНОВОДСТВА, РАСТЕНИЕВОДСТВА
УДК 631.634.2:004
О МЕХАНИЗМЕ ВЫВОДА РЕШЕНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ ДЛЯ НАСТРОЙКИ ЗЕРНОКОМБАЙНОВ
© 2011 г. Л.В. Борисова, Н.М. Сербулова
Рассматриваются некоторые аспекты построения механизма вывода решений экспертной системы для предварительной настройки комбайна. Предлагаемая модель предметной области служит основой базы знаний экспертной системы по технологическому обслуживанию комбайнов.
Ключевые слова: зерноуборочный комбайн, настройка, нечеткие экспертные знания, интеллектуальная информационная система.
Some aspects regarding the mechanism construction of decision conclusions of an expert system for preliminary combine adjustments are considered. The proposed domain model serves as a knowledge base of expert system on technological service of combines.
Key words: combine harvester, adjustment, fuzzy expert knowledge, intelligent information system.
Проблема принятия решений при управлении техническими системами в постоянно меняющихся условиях внешней среды, разработка алгоритмов и программных средств систем управления является сложной и актуальной. В полной мере данная проблема характерна для процесса управления сложными человеко-машинными системами сельскохозяйственного назначения, так как в этом случае происходит взаимодействие техники и живых систем (почва, растение, животное). Значимость решения указанной проблемы для таких систем подтверждается их огромным влиянием на продовольственную безопасность страны.
В основном решение проблемы управления технологическим процессом комбайновой уборки возлагается на оператора и зависит от его квалификации. Трудности с решением задачи управления человеко-машинной системой связаны с не-
определенностью информации о факторах внешней среды, параметрах машины и показателях качества работы уборочной техники.
Проведенные исследования показывают, что внутрисменные потери рабочего времени на уборке зерновых достигают 2530%. При этом значительный вклад вносят технологические простои, связанные с предварительной настройкой и корректировкой технологических регулировок рабочих органов комбайна из-за меняющихся условий внешней среды [1-4].
Рассматриваемая проблемная ситуация характеризуется тем, что знания исследуемой предметной области представлены в виде эвристик, что затрудняет их обработку традиционными способами, отсутствуют аналитические модели технологического процесса, позволяющие принять эффективное решение, и квалифицированные специалисты для управления маши-
ной. Информационная перегрузка в системе оператор-комбайн-внешняя среда приводит к неоптимальности решений, принимаемых в полевых условиях, и потере значительной доли ресурсов и возможностей. Имеющиеся на мобильных машинах системы автоматического регулирования имеют «островной» характер и не решают задачи управления технологическим процессом.
Одним из подходов к решению проблемы повышения эффективности использования зерноуборочных машин является применение интеллектуальных информационных систем поддержки принятия решений [5-7].
Обеспечение оптимального уровня настройки зернокомбайна является не тривиальной задачей. В этом случае нечеткое управление оказывается особенно эффективным, так как процесс настройки комбайна является сложным для анализа с помощью общепринятых методов ввиду того, что информация, поступающая по каналам связи, интерпретируется качественно, неточно и неопределенно. Наличие математических средств отражения нечеткости поступающей информации позволяет построить модель, адекватную реальности.
Использование нечетких понятий позволяет учесть неопределенность задачи принятия решений, достигнуть полного описания всех факторов, имеющих отношение к данной задаче и не поддающихся количественному описанию. В основе
предлагаемого метода управления процессом настройки зернокомбайна лежит использование нечетких моделей взаимосвязей признаков предметной области, описываемых системой лингвистических высказываний.
Все параметры модели описываются лингвистическими переменными (ЛП), значения которых задаются с помощью средств естественного языка и используются для выражения качественных оценок. Для идентификации различных состояний рассматриваемой системы определялись множества факторов внешней среды (множество входных ситуаций) Хе{а^ а2, ..., ап}, регулируемых параметров рабочих органов (множество выходных ситуаций) V РПе{У1, у2,..., V]}, а также описание лингвистических переменных (ЛП), характеризующих множества входных и выходных ситуаций.
При этом каждому значению ЛП ставится в соответствие нечеткое подмножество со своей функцией принадлежности:
^ е ¥ (X), ^ е ¥ (Г,), С1)
где Г (X), Г (У) - множества нечетких подмножеств, определенных на базовых шкалах X] и Уу.
В качестве примера на рисунке 1 представлены функции принадлежности для фактора «Полеглость хлебостоя» для пшеницы.
С
е
1,0
0,5
0,0
1-1-щ-1-г
0 5 10 15 20 25 30 35 40
Полеглость, % —Прямостоящий -■— Низкая Высокая
Рис. 1. Функции принадлежности термов ЛП «Полеглость хлебостоя»
Аналитическая запись в данном примере имеет вид: «Полеглость хлебостоя, %» «ПХ» - (i,IX: Х-^ [0; 1] ПХ= U ^пх (*)/*' к°Ртеж лингвистиче-
xgX
ской переменной < полеглость хлебостоя, % {Очень малая (прямостоящий); Низкая, Высокая}, [0-100] >.
Лингвистическая модель рассматриваемого процесса предварительной настройки представлена в виде:
ЕСЛИXi есть Ац И ... ИXm есть Aim, ТО Y1 есть В11 И . И Yn есть В1п, (2)
ЕСЛИ X1 есть Ap1 И ... И Xm есть Apm, ТО Y1 есть Вр1 И . И Yn есть Врп.
Например, сложившаяся ситуация характеризуется лингвистически-нечетким экспертным высказыванием вида (2) и соответствующей ей выходной ситуацией со значением выноса мотовила по горизонтали:
ЕСЛИ хлебостой пшеницы по высоте «низкорослый»
И полеглость хлебостоя «отсутствует (прямостоящий)»
И хлебостой по спутанности «нормальный»
И хлебостой по густоте «средний»,
(w)
v ЦЯ3 &V-L1 &^G3 v ЦЯ3 &V-L1 &ЦЖ &^G1
ТО вынос мотовила по горизонтали «средний».
Одним из возможных четких высказываний с конкретными данными является: ЕСЛИ хлебостой пшеницы по высоте 40 см
И полеглость хлебостоя 0% И хлебостой по спутанности 20% И хлебостой по густоте 600 ст./м , ТО вынос мотовила по горизонтали 40 см.
Формальная запись эмпирических высказываний, отражающих конкретные ситуации, имеет вид (фрагмент): £2.2 :<РН есть аН1 и вь есть ац и Р^ есть а^ и Ра есть аС2>.
Рассмотренным лингвистическим переменным соответствуют терм-множества: высота хлебостоя ТН, полеглость хлебостоя Ть, спутанность хлебостоя густота хлебостоя Та, вынос мотовила по горизонтали Т^ и соответствующие им функции принадлежности.
Значения функций принадлежности для обобщенной лингвистической
переменной Р^ для ^ = (Н, Ь, О) = (40, 0, 10, 600) определяются как (фрагмент):
= ЦН3 &ЦЬ1 &ЦО1 V ЦН3 &ЦЬ1 &ЦО2
V ЦН3 &ЦЬ1 &ЦЖ &ЦО2 V ЦН3 &ЦЬ1 &ЦЖ &ЦО3.
Совокупность правил (2) задает отображение множества значений входных лингвистических переменных в аналогичное множество выходных: U m^V п, где Um = х U, Vn = х V . (3)
iGl jeJ j
Соотношению (3) в свою очередь можно поставить в соответствие нечеткое отображение:
S: F (X) ^ F (Y), (4)
где S u ^Ак х ^вк, ^Ак = х ^Bki,
keK ieI
^ Bk = х ^ Bkj . jeJ
Обобщение известного в классической логике правила modus ponens позволяет получить композиционное правило нечеткого вывода:
B = А'* S, (5)
где ца— исходная посылка, получаемая при оценке наблюдаемых данных по входным функциям принадлежности; цв ' - нечеткий результат логического вывода на основе знаний, получаемый с помощью отображения (4); • - операция композиции.
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 машины.
Для выбора значений выходного параметра V определялась степень истинности д® iy.fi) для различных значений лингвистической переменной №' УР2, УГ3] (фрагмент):
V-щ, (Ш = 1 & [1 - Mw (w) + Mvf (v/i)] & [1 - Mw (w) + MvF (v/1)] & &[1 - (w) + Mm (v/i)]} = 1 & [1 - 0 + 0,75] & [1 - 1 + 0,25] & [1 - 0 + 0] =
= 1&1,75&0,25&1 = 0,25. В результате вычислений получаем, что
М2Ш > mS0/2) > M1pШ (1>0,25=0,25).
Таким образом, истинным высказыванием является соответствие значения VF' = 40 см терму «вынос мотовила по горизонтали средний» (в рассматриваемом примере).
В результате формализации знаний получены модели семантических групп признаков внешней среды и параметров комбайна.
Решение задач с использованием методов нечеткой логики предполагает определение точных значений выходных переменных. На этапе дефаззификации, нами использовался метод «центра тяжести» [7]:
У = ([ у]У]цв(у])с!у])/([ У])с!у]) (6)
Для графической иллюстрации применяемого подхода использовался пакет прикладных программ Fuzzy Logic Toolbox, входящий в состав среды MatLab.
В качестве примера рассматривались четыре входных фактора (урожайность пшеницы, соломистость, засоренность и влажность хлебостоя) и один выходной параметр (скорость движения комбайна).
На рисунке 2 представлена последовательность использования правил базы знаний при нечетком логическом выводе. В результате применения процедуры де-фаззификации получено конкретное численное значение регулируемого параметра (на рис. 2 правый столбец внизу).
Урожаймостъ * 40
Соломистость ш 50
3>сор«ниость ■ 20
Вдяяыостъ ■ 14
Скорость = 3 27
3
4
5
6 7 в
9
10 11 12 13 ы
15
16
17
18
19
20 21 22
23
24
25
26 27 26
29
30
31
32
33 3«
35
36
1 ■-----
( ----
1 —_
4—^
—
----
—
___
___
_----
Udt-
IZSI
__
18
'-
65
численное значение регулируемого параметра
Рис. 2. Графическая интерпретация вывода решения в среде MatLab
На рисунке 3 приведены поверхности ствующие синтезированной нечеткой си-«входы-выход» зависимостей, соответ- стеме продукционных правил.
7
б
60 в
Рис. 3. Поверхности отклика: а - взаимосвязь скорость-влажность-урожайность; б - взаимосвязь скорость-засоренность-урожайность; в - взаимосвязь скорость-соломистость-урожайность
а
Из рисунка 3 видно, что система нечетких экспертных высказываний адекватно описывает отношения регулируемый параметр - входные факторы.
Моделирование предметной области позволило разработать базу знаний, содержащую 986 зависимостей в виде нечетких продукционных правил, составляющих модель предметной области «Предварительная настройка».
В результате теоретических исследований предметной области и для достижения поставленной цели нами разработана подсистема ИИС «Настройка» (аппаратно-программного комплекса «Электронный эксперт»).
В ходе программной реализации алгоритма принятия решений по настройке комбайна были проанализированы особенности задачи и требования, предъявляемые
к информационным системам. Разработана архитектура системы по настройке, которая является подсистемой программного комплекса по техническому обслуживанию зернокомбайнов. Предусмотрены два режима работы системы: пользовательский режим и режим эксперта.
В ИИС используются три типа диалогов: диалог типа меню; диалог типа вопрос-ответ; диалог на основе экранных форм. Сценарий диалога с пользователем представлен в виде древовидного графа диалоговых процедур, в котором корневой элемент графа является точкой инициализации диалога, а терминальные элементы точками выхода [8]. Помощь пользователю вызывается указанием курсора на строку в меню. При этом предоставляется текстовая информация о работе системы и о возможных действиях пользователя.
В системе реализованы характерные особенности, присущие интеллектуальным информационным системам. Отличительной особенностью является подсистема загрузки знаний, которая позволяет модифицировать взаимосвязи между факторами среды и параметрами жатвенной части. Предусматриваются различные варианты использования ИИС (Notebook, КПК, GPRS).
Практической реализацией разработанных алгоритмов является создание программных средств для автоматизированного решения задачи, на которые получены свидетельства о государственной регистрации программ для ЭВМ и баз данных в Роспатенте № 2009620520, № 2009614549, № 2009613113. Использование экспертной системы в практических условиях при проведении технологической настройки с использованием интеллектуальной информационной системы позволило уменьшить затрачиваемое время в 2-5 раз по сравнению с традиционными методами.
Литература
1. Пугачев, А.Н. Советы комбайнеру / А.Н. Пугачев. - Москва: Колос, 1984. -224 с.
2. Уборка урожая комбайнами «Дон»
/ Э.И. Липкович и др. - Москва: Росагро-промиздат, 1989. - 220 с.
3. Жалнин, Э.В. Технологии уборки зерновых комбайновыми агрегатами / Э.В. Жалнин, А.Н. Савченко. - Москва: Россельхозиздат, 1985. - 207 с.
4. Рыбалко, А.Г. Особенности уборки высокоурожайных зерновых культур (настройка и регулировка машин) / А.Г. Рыбалко. - Москва: Агропромиздат, 1988.
- 120 с.
5. Димитров, В.П. Совершенствование информационной службы по использованию комбайнов / В.П. Димитров, Л.В. Борисова // Техника в сельском хозяйстве. -2008. - № 4. - С. 25-28.
6. Борисова, Л.В. Методика моделирования предметной области «технологическая настройка» в нечеткой постановке / Л.В. Борисова // Доклады РАСХН. - 2005.
- № 6. - С. 62-65.
7. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. - Москва: Наука, 2006. - 333 с.
8. Коутс, Р. Интерфейс «человек-компьютер»: пер. с англ. / Р. Коутс, И. Влейминк. - Москва: Мир, 1990. - 502 с.
Сведения об авторах Борисова Людмила Викторовна - д-р техн. наук, профессор, зав. кафедрой ЭММ Донского государственного технического университета (г. Ростов-на-Дону). Тел. 8(863) 258-92-10. E-mail: [email protected].
Сербулова Наталья Михайловна - канд. техн. наук, ассистент Донского государственного технического университета (г. Ростов-на-Дону). Тел. 8(863) 258-92-10. E-mail: [email protected].
Information about the authors Borisova Ludmila Viktorovna - Doctor of Technical Sciences, professor, head of the department «Economy and Management in Engineering», Don State Technical University (Rostov-on-Don). Phone: 8(863) 258-92-10. E-mail: [email protected].
Serbulova Natalia Mikhailovna - Candidate of Technical Sciences, instructor, Don State Technical University (Rostov-on-Don). Phone: 8(863) 258-92-10. E-mail: [email protected].
