Обработка слабоструктурированной информации в системе поддержки поиска дефектов Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 682, 321

Данилюк С.Г., Попов А.И., Маслов С.В.

МОУ «ИИФ», Московская обл., г. Серпухов

ОБРАБОТКА СЛАБОСТРУКТУРИРОВАННОЙ ИНФОРМАЦИИ В СИСТЕМЕ ПОДДЕРЖКИ ПОИСКА ДЕФЕКТОВ

Аннотация. В статье обоснована процедура обработки слабоструктурированной диагностической информации при идентификации технических состояний с учетом их априорных вероятностей.

Ключевые слова: Техническое диагностирование, вероятностно-лингвистический синдром, лингвистическая переменная, степень нечеткого равенства, возможность, априорная вероятность, диагностический признак.

Для разработки алгоритма обработки нечеткой диагностической информации для системы поддержки поиска неисправностей (СППН) сложного технического объекта диагностирования (СТОД), необходимо иметь модель процесса поиска неисправностей. Особенностью отмеченного процесса является то, что после исчерпания возможностей по локализации дефекта на основе штатного диагностического обеспечения, как правило, применяется метод случайного поиска. Формально говоря, штатное диагностическое обеспечение позволяет ограничить множество подозреваемых неисправностей, которые являются для него неразличимыми. Последующий поиск представляет собой стохастически определенный последовательный выбор неисправностей и проведение контрольных операций по проверки восстановления работоспособного состояния СТОД. При положительном результате проверки считается, что дефект локализован и устранен. В противном случае процесс поиска продолжается.

Рассматривая знания и опыт высококвалифицированных специалистов как источник диагностической информации и средство для повышения эффективности поиска неисправностей, необходимо отметить, что наряду с параметрами, легко поддающимися измерению, в технических системах при работе возникают различные явления, сопутствующие возникновению и проявлению неисправностей. Это могут быть признаки слабо связанные с определенными участками диагностируемой системы [0] органолептического характера. Зачастую они не подкреплены показаниями контрольно-измерительных средств, но на практике они играют большую роль, позволяя опытным специалистам оптимизировать процесс поиска неисправностей. Как отмечается в [0] многие задачи поиска неисправностей не имеют строго теоретического обоснования. Практики накапливают знания с опытом, наблюдая и сопоставляя признаки, используемые ими модели в основном базируются на логических рассуждениях и в незначительной степени на использовании численных процедур [0].

Построение моделей принятия решений для задач, имеющих нечеткое описание, оказалось возможным благодаря введению понятий нечеткого множества и лингвистической переменной [0, 0, 0].

Переход к изучению организационно-технических задач, процессов принятия решений человеком, к построению интеллектуальных, семиотических систем управления [0] привел к необходимости расширить множество формальных методов, используемых в теории принятия решений, такими методами, которые позволили бы обрабатывать информацию, существующую в виде понятий и отношений естественного языка.

Основой для выработки принятия решения СППН является алгоритм формирования множества вероятностно-лингвистических синдромов, оценки степени их близости соответствующим классам нечеткой эквивалентности, идентификации нечеткой диагностической ситуации. Рассмотрим сущность этапов разработанного алгоритма.

1. Формирование вероятностно-лингвистических синдромов , т = \,М , характеризующих текущее техническое состояние e* объекта диагностирования с использованием субъективных оценок возможности (правдоподобности) событий «проявления j -го значения i-го диагностического параметра в текущем техническом состоянии при реализации т-й проверки»:

P ( yi = Tij / e *, Ят ) = рЦ* , i = 1,1 , j = 1, Jj , m = 1,M , (1)

Множество вероятностно-лингвистических синдромов vm , m = \,M , каждый из которых, имеет структуру вида (3.22)

v* =v(e*, яф = { ((аТУп), ... ,

-,({Рп/Ч),-,( PmJjTu^/y,) } , m = Ш (2)

характеризует текущее техническое состояние диагностируемого объекта на всех проверках минимизированного множества Пм = {^|m = 1,M} .

Главными свойствами множества Пм являются безизбыточность и способность идентифицировать любую из неисправностей СТОД, которая была различима исходным множеством проверок

П={л| q=1Q}

т < q. Система (2) является текущей моделью сформированной в терминах вероят-

ностно-лингвистических синдромов.

2. Нормирование субъективных вероятностных оценок pm , i = 1,1 , j = 1, J , m = 1,M в соответствии

с

выражением

m* pij

р = Jj

E pm

i = 1,1 , j = 1, J , m = 1, M . (3)

3. Формирование множеств «практически значимых» диагностических признаков. Определение «практически значимых» диагностических признаков осуществляется в соответствии с условием р™* >рт = 0,1; i = 1,1 , j = 1, Jj , m = 1,M . (4)

Диагностический признак Т™ является «практически значимым» при идентификации текущего технического состояния e * на проверке пт со степенью правдоподобия р™ , если его нормированная

т* —

оценка превышает заданный уровень значимости рпз .

Тогда в результате реализации данного этапа будут сформированы т • I множеств «практически значимых» диагностических признаков, соответствующих возможным комбинациям проверок ;гш ,

т = 1,М и диагностических параметров y±, i = 1,1 :

/_ гг ч rpm* jrpm* грт* грт* )

(Ят ’ yi ) - Ti =(4 У ,-,Tj„m,) '

т = 1,М , i = 1,1 , n = 1,NР . (5)

4. Формирование множества «практически значимых» комплексов диагностических признаков при реализации в текущем состоянии e* диагностируемого объекта проверки ;гш :

К = Кт ( & У, ) = У* X Tf X ... X Тр х ... X Тр = XТр ,

т = 1, М (6)

и определение для каждого комплекса признаков Kms е Кт , s = 1,|Km| степени правдоподобия текущему техническому состоянию e* объекта:

= P(Kms ) = min рт*, т = 1ТМ , s = 1,\к'\ (7)

V } Tj еКт s j 1 1

Таким образом, для каждой проверки ят , т = 1,М будут получены |Кт| «практически значимых»

для идентификации на основании текущей диагностической информации от оператора комплексов диагностических признаков. Можно предположить, что один из них действительно является внешней

характеристикой физических изменений диагностируемого объекта, определяющих его неисправное состояние.

Оценки Pms , т = 1,М , s = 1,|Km| характеризуют степень правдоподобия (соответствия, похожести)

внешнего образа неисправного состояния объекта диагностирования. Этот образ формируется оператором на основе органолептического контроля и преобразуется в форму внутреннего представления, которая принята для хранения и обработки в базе знаний СППН.

5. Вычисление апостериорных вероятностей Р{Ртл1 P-ms) КНЭ УтЛ , Л = 1,Ат , т = \,М для каждого практически значимого комплекса диагностических признаков Kmj. , т = 1,М , s = 1,|Km| :

уЧх/МЯ-Л„ '

^р(утд)р{кРртд)р{кр)

т = 1,М , 1 = 1,Лт , s = 1,|К*| , (8)

где P{Vmx) ~ априорная вероятность КНН УтЛ

Р{Р) = Z РР)' т = \М , Х = \Лп. (9)

ppL/Кя)

условная вероятность «практически значимого» комплекса диагностических при-

знаков, которая при независимости диагностических признаков определяется как произведение нормированных вероятностных оценок

Рриря) = п pf ' т = \,м , Х = 1,К

(10)

P (Кт s) - степень правдоподобия сформированного комплекса признаков на основе текущей диа-

гностической информации, предоставленной оператором, текущему техническому состоянию e* объекта [определяется по формуле (7)] - P(Ктs ) , т = 1,М , s = 1,|Km| .

6. После определения всех апостериорных вероятностей P{Pm\jPms) г Л = 1 ,Ат , т = 1,М сформировать векторы из номеров Л классов нечеткой эквивалентности VmX , т = \,М вида:

Л = |рД2,...Дм||Т , (11)

При этом для каждой идентификационной последовательности вида (11) следует определить степень правдоподобия как минимальное значение на множестве использованных проверок ;гш , т = 1,М : м

Р{Р ) = minp(6xM6) f 7 = pnvnM)

(12)

/ с тЯ

Тт е К

При таком определении лингвистического синдрома

степени нечеткого равенства отношение vm и классов нечеткой эквивалентности

текущего вероятностно-Кя> х1 = 1,Лт, Фактор-

множества является отношением нечеткой толерантности с учетом статистической представи-

тельности технических ссотояний. При этом каждому текущему вероятностно-лингвистическому синдрому vm в т-м фактор-множестве ЧЯт нечетко равны Кт классов нечеткой эквивалентности УтЛ , то, упорядочив их согласно правилу

Л=ППУ} , p{vmxfl<s)^P{vmAKs)

(Пл/^Ллг.(/<ф - (13)

где k = 1,- подпоследовательность индексов последовательности индексов Х = 1,Лот , получаем M упорядоченных -разрядных последовательностей классов нечеткой эквивалентности:

| Л'к =^1^кт т = \,М . (14)

Выражение (14) означает, что проверка ;гш выделяет из множества возможных неисправностей в подозреваемые те, которые соответствуют классам нечеткой эквивалентности VmX,Xj(=Xl,XK . Причем, чем меньше к, тем больше степень уверенности в том, что в СТОД присутствует подозреваемая неисправность. Согласно этому построено выражение

их=1 V P{VmXk /Km)jVm4 , ( 15 )

M

где х - обозначает операцию декартового произведения M множеств.

Преобразование выражения (15) на основе законов нечеткой логики позволяет получить следующее выражение:

M Кт X

т { ~ / *4/'*'

=

1k=1

M (M-1)

А Hw<9/n /,/= 1; 4 f ф t; f ,t ф m

Г м / * \ ' М-1

\ р р Lf = 1, f L 5у уф Ту л л р{кА чт=1, тФ f

М-2 1 Г м /

л р(кл /К, У'А У... 4s У а, <} ~к~

тф f ,t

Lm = 1

p(k^ /<,), ^[п(р(к,а уд))У(щ,v2A,...,vMXi)} v

)} - (VC

.))■

(16)

Слагаемые дизъюнкции (16) задают иерархию M-мерных вектор-столбцов, определяющих подозреваемые неисправности. Так как не каждый вектор-столбец дизъюнкции (16) определяет неисправность

eеE (соответствует одному из столбцов матрицы Л ), то для определения неисправности, степень уверенности в наличии которой наибольшая, предлагается следующее решающее правило:

e е E

Pi - max Рк | л (Л; = Aj) .

(17)

тЛ

Согласно правилу (17) «наиболее подозреваемой» считается неисправность, соответствующая столбцу Л/ матрицы Л , которому окажется идентичным вектор-столбец Ак с наибольшей степенью уверенностью. Если первая, определенная таким способом неисправность, не подтвердится, то, исключив ее и вновь применив правило (17) к множеству оставшихся вектор-столбцов, можно определить следующую подозреваемую неисправность.

ЛИТЕРАТУРА

1. Автоматический поиск неисправностей / Мозгалевский А.В., Гаскаров Д.В., Глазунов Л.П., Ерастов В.Д. Л.: Машиностроение, 1967. - 265 с.

2. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.: Мир, 1976. - 168 с.

3. Кофман А. Введение в теорию нечетких множеств. - М.: Радио и связь, 1982. - 432 с.

4. Ксенз С.П. Диагностика и ремонтопригодность радиоэлектронных средств. - М.: Радио и

связь, 1989. - 248 с.

5. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред.

Д.А.Поспелова. - М.: Наука, 1986. - 312 с.

6. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, А.В.Алексеев, Г.В.Меркурьева и др. - М.: Радио и связь, 1989. - 304 с.

7. Поспелов Д.А. Ситуационное управление: Теория и практика. - М.: Наука, 1986. - 284 с.