CC BY
119
ции по комплексным научным проектам КНП-1 и КНП-2, Смоленице, ноябрь 1986. т. II, С.19-22.
14. Телерман В.В. Применение обобщенных вычислительных моделей для реализации вывода/вычислений в базах знаний // Тезисы докладов Всесоюзной конференции “Проблемы развития и освоения интеллектуальных систем”, Секция II: Методы и модели освоения интеллектуальных систем. Новосибирск, 1986. С.80-81.
15. Телерман В.В., Ушаков ДМ. Недоопределенные модели: формализация подхода и пер-
// . “
”, . ,
1996. С.7-30.
16. Кнут Д. Искусство программирования для ЭВМ. М.: Мир, тт. 1-3. 1976.
17. Эгрон Ж. Синтез изображений: базовые алгоритмы. М.: Радио и связь, 1993.
18. Shapiro V. Maintenance of Geometric Representations Through Space Decomposition. International Journal Geometry & Applications Vol. 6, No. 4, 1997. pp. 383-418.
19. . . R- . : , 1982.
20. . ., . . - -
. : , 1988.
21. ., ., . . : , 1989.
22. Бутенков C.A., Семерий O.C. Оптимизационный метод распознавания изображений с
// . -“ -99”. :
Изд-во ТРТУ, 1999, С.190-197.
23. . ., . .
// .
искусственному интеллекту с международным участием КИИ’2000, Переславль-Залесский, 2000. т. 2. С.508-516.
24. Бутенков С.А., Семерий О.С. Аналитические методы решения основных задач компью-
. “ ”, 200, . 7, .
2. .325-326.
25. Alexander A. Karkishchenko, Sergey A. Butenkov, Oleg S. Semery Analytical Parameterized Models in Computer Vision In Proc. 6th International Conference on Control, Robotics and Vision (ICARCV 2000), Singapore, 5-8 December 2000.
УДК 681.3.01
B.H. Кучуганов СЕМАНТИКА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ
В работе предлагаются модели знаний, рассматривающие семантику графической информации как совокупность понятий, информационных моделей и про, , .
. -зированную с помощью классификационных деревьев, таблиц, графиков, функций, закономерностей, правил, планов действий, примеров, т.е. знания - это концентрированная информация.
По степени общности и целевой функции выделим два вида моделей знаний: модель опыта и модель сюжета.
Модель опыта - общечеловеческие (объективные) или частные (субъектив-) , . -ется в виде совокупности классификационных деревьев (графов типа "дерево")
T = G(V, E, A),
где V - множество вершин, отображающих классы понятий; Е - множество ребер, определяющих разбиение множества вершин по их свойствам на классы, подклассы, под - подклассы; А - множество атрибутов (свойств), описывающих понятия.
В базе знаний САПР может существовать несколько классифицирующих деревьев на одном множестве объектов.
Если диапазон {х, у} изменения всех одноименных количественных признаков дерева на основании статистического распределения разбит на множество {С}, ] = 1,...,п кластеров (поддиапазонов), то номер ] кластера, к которому относится значение /'-ого признака, есть качественное значение данного признака. Таким обра-
[1]:
1. Принцип систематизации.
2. Принцип компактности.
3. Принцип перехода количества в качество.
Модель сюжета - это деятельность или результат деятельности некоторого коллектива в некотором отрезке времени и пространства. В частном случае сюжет содержит один объект - процесс или предмет.
Предметы имеют состав (атомы) и схему соединения т.е. описываются гео-.
Процессы имеют состав и алгоритм.
При описании объектов процессы могут выступать атрибутами предметов и .
объектом и стать его атрибутом.
Будем называть образом объекта ту часть условно полной информации об , . Граф образа объекта О порядка и это граф [1, 2]
ви = в(У, Е, А),
где V - множество вершин g , отображающих подобъекты qu-1 ;
Е - семейство ребер е е Е = ^“-1, Яц“-1, gJU-1), glU-1, gJU-1 е V, отображающих отношения между подобъектами;
А = (АН, ЕН) - гиперграф атрибутов ап(&),..., ат(&) е А вершин ребер еИ е ЕН, которые показывают принадлежность атрибутов из множества А некоторой вершине g1 е V.
Модель знаний об объекте - это совокупность цели, функционального, атрибутивного описаний и плана построения объекта [1, 2]:
1
М = У (?и и Ри и Ри(?) и ви(Уи, Еи, Аи)),
и=т
где ?и - цель проектирования нового объекта (подобъекта) уровня конкретизации и; ^ - функциональное описание объекта; Ри(?) - план построения объекта; ви(,V1, Еи, Аи) - ; т - .
Если множество АН атрибутов некоторого уровня разбить на классы "родственных" по физической природе, то граф атрибутивного описания автоматически распадается на параллельные графы (слои), отображающие, например: физические процессы; геометрическую, кинематическую модели.
Концепты, образцы, атрибуты и составы. Узлами дерева знаний являются концепты.
Концепт есть понятие, описывающее однотипные сюжеты. Концепт задается с помощью атрибутов, состава компонентов, геометрической или вычислительной модели и сущности данного понятия.
Модель сюжета задает концепцию построения некоторого предмета или про.
- , .
, -
универсального концепта и имеет с ним много общего. Универсальные концепты чаще всего избыточны для решения прикладных задач, но бывает и наоборот.
Образцы отображают конкретные экземпляры реальных объектов, удовлетворяющих описанию некоторого концепта.
Образцы бывают оригинальные и типовые, как любое изделие состоит из оригинальных и типовых деталей.
Концепт объекта-предмета. Предметами считаются объекты живой и неживой природы, естественные и искусственные. Атомы - их составные части.
Концепт предмета представляется в виде кортежа
<name, entity, <A>, <Comp>, GM>,
где name - имя (строка текста); entity - сущность - последовательность текстовых строк в толковом словаре; А - кортеж имен атрибутов, описанных ранее как кон; Comp - ( -
тизации); GM - геометрическая модель.
Концепт процесса типа "динамическое отношение". К динами ческим отношениям относятся процессы, отображающие: движение (идти, бегать, ползать, прыгать и т.п.); работу (строгать, стрелять, нести, держать, подбирать, ронять и . .); ( , , , , );
( , , ).
В естественных языках (ЕЯ) процессы обозначаются отглагольными существительными, например, "ходьба".
Процесс представляется в виде кортежа
<name, entity, <A>, <Comp>, Method>, name - ( ); entity - -
, ; - ; Comp -
операций; Method - вычислительная модель.
Атрибуты процесса описывают его собственные свойства (быстродействие, . .); , ; субъекты воздействия; результаты.
Концепт процесса типа "собственное свойство". Собственные отношения, систематизированные с помощью классификационных деревьев, образуют раздел знаний о свойствах материалов, предметов, процессов. Они могут быть сгруппированы по физическим (физиологическим, психофизическим, социологическим) , ( , ), -ния и обитания, времени рождения и продолжительности, и т.п. Иерархия этих групп и есть классификационные деревья разновидностей свойств.
Концепт процесса типа "собственное свойство" задает способ вычисления , : -тельности строк арифметических и логических операторов; внешняя функция на
каком-либо алгоритмическом языке; график; таблица; список значений (одномерная таблица).
Собственные свойства описывают методы измерения (вычисления) физических параметров некоторого объекта.
Тип результата может быть: непрерывный (real), например, длина, площадь, вес, время (?), скорость и т.д.; дискретный (integer), например, цена, количество; качественный (перечисляемый) - малый, средний, большой и т.п.; текстовый
(string); ( ).
В качестве атрибутов собственного свойства выступают: тип результата ( ); ( ); .
, -ства объектов имеет вид кортежа
<name, status, UOM, maxvalue, minvalue, expected, value, Method>,
name - ( ); status - ( , -
ное, заданное); UOM - единица измерения (ссылка); maxvalue, minvalue - диапазон изменения; expected - ожидаемое значение или пример (число или элемент ряда); value - ; Method - .
Концепт процесса типа "относительное свойство". Процессы типа "отно-"
параметров других объектов. Существуют следующие разновидности зависимостей:
1. сравнения (например, ВЕСА = ВЕСв * 20%; ВЕСА > ВЕСв на 10; ВЕСА = ВЕСв + ВЕСс);
2. ;
3. ;
4. ( ; -
" " );
5. множественность (количество объектов).
Параметры некоторого объекта могут определяться и как собственные, и как относительные.
Атрибуты. При описании любого концепта его атрибуты ссылаются на концепты процессов типа "собственное свойство" и "относительное свойство", которые задают способ их вычисления.
Если некоторый объект составлен (собран) из нескольких подобъектов, то его концепт содержит группу атрибутов состава.
Состав компонентов - это дерево входимости деталей в изделие.
Деревья составов есть один из важнейших способов упорядочения знаний. Деревья составов могут быть упрощенными - без сущностей, атрибутов и моделей. Состав может быть одинаковым для некоторого поддерева предметов.
Состав можно считать постоянной частью модели предмета. При решении многих задач достаточно знать состав вместо полной модели. В отличие от соста-, .
В описании концепта состав объекта задается только компонентами верхнего уровня иерархии с помощью ссылок на соответствующие концепты деталей или , .
Конкретные образцы продукта содержат ссылки на конкретные образцы деталей и подсборок из множества денотатов того концепта, на который указывает концепт данной сборки.
, , пользователем в привычном для него интерактивном режиме путем компоновки структуры из существующих (типовых) и новых (оригинальных) деталей и подсбо-.
Если появляется новый образец продукта, отличающийся от концепта отсут-- , создается новая вершина - класс, который становится потомком известного класса.
База знаний предметной области включает в себя множество классификаци-, - . деревьев являются таблицы образцов. Всякое дерево задачно-ориентированных концептов имеет своим предком некоторый универсальный концепт.
, ,
, -вые. Иначе обстоит дело с составом, который, как сказано выше, есть разновидность геометрической модели.
Состав бывает одинаковым для всех образцов концепта, но некоторые по-добъекты у того или иного образца могут быть утеряны или же заимствованы из , ,
.
Механизм наследования свойств применяется к концептам как средство экономии хранения описаний тех свойств, для которых тип, диапазон, метод вычисления, значение не меняются на младших уровнях иерархии в дереве классов.
Механизм наследования компонентов состава применяется к конкретным образцам продукта для заимствования тех или иных деталей или подсборок из ранее сконструированных изделий. Они находятся в других деревьях классов и в новой сборке, для них пишутся только отличающиеся параметры.
Другим принципиальным отличием заимствования компонентов является наличие инструмента параметрического конструирования новых деталей из старых, когда в допустимых пределах меняются те или иные технические характеристики ( , ), -.
, .
Геометрические информационные модели. Геометрическ ие модели бывают плоские и трехмерные. Принципы их описания предложены в [3]. Простыми ( ) : ( ); -ское тело (призма); торообразное тело (кольцо). Простые объекты задаются по кинематическому принципу, т.е. вначале описывается порождающий контур, а затем указывается толщина или вращение.
Порождающий контур - это последовательность отрезков прямых и дуг, образующих плоский замкнутый контур и связанных между собой размерными .
Призма представляет собой объект, полученный параллельным переносом замкнутого плоского контура на заданное расстояние вдоль нормали к плоскости .
- , -сительно некоторого элемента этого контура.
Кольцо представляет собой объект, полученный вращением замкнутого плоского контура вокруг оси, проходящей вне этого контура.
Изоморфные (многоконтурные) объекты задаются по кинематическому принципу путем указания параметров движения плоского контура, а также пара-
метров топологических преобразований контура в процессе движения (кручение, сжатие и др.).
Объект “Винт” создается вращением плоского контура вокруг одной из его координатных осей с одновременным поступательным перемещением вдоль этой .
Наклеиваемый объект - это объект, в процессе формирования которого порождающий контур, т.е. первый слой объекта "наклеивается” на поверхность какого-то другого объекта так, что он принимает форму этой поверхности, а каждый последующий слой наклеивается на предыдущий.
Групповой объект - это множество одинаковых объектов, местоположение которых определено некоторым законом (схемой).
Составной объект - конструируется из нескольких объектов различного типа, в том числе, и из составных с помощью теоретико-множественных операций сложения и вычитания, а также размерных и функциональных отношений между .
Геометрическая модель задает последовательность конструирования объекта Ои+1 порядка и + 1 из подобъектов О1и,.,Опи порядка и. В качестве подобъектов используются простые объекты, которые всегда имеют порядок и = 1, типовые конструктивные элементы и изоморфные объекты, которые имеют порядок и =2, а также составные объекты, где и >2.
Составной объект
Ои+1 = (wu, { Си-1}, { Яи} х
где и >2 - порядок объекта;
wu - идентификатор и общие сведения составного объекта;
{ С1} - множество стыкуемых объектов уровня и - 1;
{ Яи} - множество конструктивных отношений между объектами - размеры, способы соединения и т.п.
Стыкуемый объект
си = {W/u, 1ги, ни ), и >1,
где wU, - идентификатор и тип объекта; Н “ - операция стыковки (сложение, вы-
).
:
Я/ = (в1р г^, Г НТ], ¡гр Ф], в2р 12}),
где г/ Нг/ - тип и исполнение размера или способа соединения; ¡Т/, ёг/ - номинальное значение и допуск или класс точности; е1/, е2/ - системные идентификаторы связываемых объектов; г1/, г2/ - способы привязки размера к связываемым объек-.
Простые объекты
О1 = {W1, г1, { С0}, {Я1} X
где w1 - идентификатор и общие сведения объекта; г - тип объекта; {С0} - элементы порождающего контура; {Я1 } - множество размерных отношений между эле.
Элемент контура
СО = {г0, ¡г0, и/0, Sг0 Д
где t0 - тип элемента (прямая, дуга); l,0, u0, s,0 - геометрические параметры элемента.
Типовой конструктивный элемент
О2 = {w2, е1, {R2 } ),
w2 - ; 1 -
простого объекта (прототипа); {R2 } - множество размерных параметров, модифи-.
Изоморфный объект
О2 = (w2, t2, { Е1}, { Z2 }, {R2 } Д
w2 - ;
t2 - ;
{ Е1} - идентификаторы контуров сечений, профилей;
{ Z2 } - ;
{ R2 } - ,
размеры прототипов из { Е1}.
Процессы семантического анализа графической информации. Ключевой проблемой экспертных систем на сегодняшний день остается проблема обучения и .
Методы и средства автоматизации процессов пополнения знаний можно разбить на следующие группы: анализ входного потока информации; синтез семантических моделей; распознавание образов; классификация и систематизация; оптимизация баз знаний; вербализация.
Анализ входного потока информации включает в себя процессы фильтрации избыточной информации, такие как: выделение контуров, изолиний, скелетов, текстур, фракталов и других информативных признаков или агрегатов. В настоящее время методология цифровой обработки изображений хорошо развита и эта часть не вызывает больших проблем.
Процессы синтеза семантических моделей отображают в базе знаний информацию с точностью, необходимой для решения поставленных задач, выявляя и выстраивая в виде планарных или пространственных графов их структуру и взаи-.
концепциях построения реальных объектов или их образцы.
В работе [1] подробно рассмотрены методы построения трехмерных геометрических моделей по чертежам. В современных CAD - системах конструкторские модели создаются непосредственно в ходе работы конструктора, но, к сожалению, эти модели мало приспособлены к решению концептуальных задач.
Процессы распознавания образов, в особенности, по неполной информации имеют важнейшее значение для повышения эффективности интеллектуальных систем с точки зрения заимствования опыта, например, конструкторско-
.
Пусть G1 = G(V1, E1, A1) - граф известного (этадонного) образа;
G2 = G(V2, E2, A2) - граф анализируемого образа;
r = <A’, A"> - гребенка анализируемых признаков, где
A' - множество имен признаков, определяющее степень абстракции,
A" - , -
ков как
da, = au * a"k.
Будем называть общей гомоморфной частью т(0'1) графов 01 и 02 часть 0'2, определенную на множестве У'2 и состоящую из всех ребер т(Е1) = Е2 = ^, g2/), Я2/, g2j е У2 с У2, для которых существуют соответствующие ребра
Е1 = ^1/ , gl/) = т -1(Е2) = (Т -1^2г), Т -1^2/)), gli, gl/ е Уь
в графе 01, при этом однозначное отображение т существует тогда и только тогда, когда вершины g2i, g2j и соответствующие им прообразы g1i, g1j совпадают в п-мерном пространстве Л' анализируемых признаков с точностью, зада нной Л".
Оценка сходства образов, взвешенная по к-тому свойству, есть
п
X ^ (Д )
С =---------^---------------->
пп
I Xьк Д) = Xьк(»2/) I
/=1 /=1
где Ьк(Б) - протяженность цепочки Д, вычисленная с помощью суммируемых по цепочке значений к-ого свойства вершин, что автоматически придает больший вес совпадению тех элементов объектов, которые в соответствии с заданной гребенкой признаков идентификации считаются более существенными.
Классификация и систематизация знаний. Высокая сложность и разнообразие форм объектов, широкий круг взаимосвязанных конструкторско-, , -
,
точек и направлений для синтеза решений, позволяющих получить нужный результат. Иными словами, мы слишком много знаем и, поэтому, затрудняемся решить, .
Проблема автоматизации процессов поиска закономерностей возникает из-за слабой формализованное™ методологии инженерной деятельности и невозможности применения традиционных методов перебора вариантов, в том числе и направ. , выявленных закономерностей синтезировать новые технические решения, именно творческие задачи желательно оставить за человеком, но и для определения тен, , -приятии, в отрасли, в стране, в мире. Попутно, еще раз отметим особую роль распознавания геометрии объектов в процессе унификации и стандартизации конст-.
Основу процессов классификации информационных моделей и планов проектирования составляют методы статистического, корреляционного, кластерного анализа, выявления сходства и различия моделей, а также выстраивания классификационных деревьев, т.е. ранжирования свойств.
Оптимизация баз знаний заключается в синтезе задачно-ориентированных баз на основе планов (схем) решения задач с целью повышения их эффективности.
План проектирования задает некоторую стратегию, которая должна привести к необходимому результату, причем еще до начала реализации этой стратегии можно оценить качество результата. В то же время, по нему можно выделить из общих баз знаний те знания, которые необходимы для решения поставленной задачи [4]. Алгоритм синтеза плана проектирования нового объекта заключается в следующем:
1. ;
2. -
;
3. уточненный поиск аналогов по атрибутивному описанию;
4. автоматический синтез плана проектирования путем сшивания графов планов аналогов и логического синтеза недостающих звеньев на основе знаний о закономерностях, методах и типовых проектных решениях;
5. диалоговая доработка нового плана.
В процессе поиска аналогов описанная выше процедура сравнения выявляет общую гомоморфную часть сравниваемых графов, в результате чего помечаются вершины G2, совпавшие с вершинами из Gj, причем значения меток равны номерам вершин-прообразов из Gj.
Для стыковки фрагментов планов, извлекаемых из объектов-анадогов, в единый план проектирования нового объекта используются операции сшивания гра.
Пусть графы GJP и G2P планов имеют некоторую общую гомоморфную 4acTbT(G'JP), величина которой выражает их сходство.
Обозначим через Н2 общую гомоморфную часть t(G'jp), а ее дополнение в графе G2P - через Н2. Прообраз общей гомоморфной части обозначим через Hj, а
его дополнение в графе GJP - через £ .
Операция сшивания графов планов заключается в следующем:
1. Объединение GJP с частью Н2: GJP и т2(Н'1).
2. Сшивание части Hj с частью т2(Н'2) путем построения части Н = G(E°)
,
3 e2 = (TCgj), т2 (T2(g2))) £ G2P ^ T2(e2) £ Н■
Таким образом, обобщенный граф GP = GJP и т(Н2) иН отображает новый , .
, , полностью покрывает искомое решение, то синтез недостающих подпланов осуществляется с помощью логического вывода на основе знаний о закономерностях, методах и типовых проектных решениях.
- , вопросы (задачи), а также визуализация семантических моделей в виде текстов, реалистичных изображений, анимационных роликов. [5]. В описанных выше семантических моделях этой цели служат: компонент "сущность" концепта; качественные значения атрибутов; вычислительные модели, записываемые в текстовом ; , . Заключение. Таким образом, ключевым моментом семантического анализа графической информации является автоматизация: синтеза семантических моделей в виде атрибутивных графов; систематизации опыта и синтеза задачно-ориентированных баз знаний, а также геометрические модели, приспособленные к решению концептуальных задач.
Описанные семантические модели использованы при разработке системы управления базами знаний учебной системы KG (Knowledge's Guide-book - путе), -. KG -
циальностей "Системы автоматизированного проектирования" и "Автоматизированные системы обработки информации и управления" Ижевского государственного технического университета.
ЛИТЕРАТУРА
1. Кучуганов В.Н. Автоматический анализ машиностроительных чертежей / Иркутск: Изд. Иркут. ун-та, 1985. 112 с.
2. Кучуганов В.Н. Принципы организации баз графических знаний. / Распознавание образов и анализ изображений. Новые информационные технологии, III конф.: Н. Новгород,
1997. Ч. II. С.48-153.
3. Кучуганов В.Н. Лопаткин А.Е. Язык описания трехмерных сцен. Версия 2. - Программирование, 1996, №2. С.64-69.
4. Kuchuganov V.N. On Synthesis of Design Scenarios and Object-Oriented CAD Systems. -EWITD'94: Proc. Intern. Conf. on Information Technology in Design: M., 1994. pp. 64-71. (англ.)
5. Kuchuganov V.N. Verbalization Principles and the Synthesis of Images Three-Dimensional Scenes. - Pattern Recognition and Image Analysis, vol. 6, No 4, 1996. pp. 827-830. (англ.)
УДК 681.3
Г.Б. Захарова, И.А. Кононенко, В.Г. Титов, В.П. Чистов
КОМПЬЮТЕРНЫЙ ТРЕНАЖЕР ДЛЯ УПРАВЛЕНИЯ ДОМЕННОЙ ПЕЧЬЮ НА ОСНОВЕ ЭКСПЕРТНОЙ СИСТЕМЫ
Введение. При управлении сложным технологическим объектом, например, доменной печью, мастер отслеживает состояние совокупности параметров, различные сочетания которых характеризуют множество возникающих ситуаций. При этом опытный оператор руководствуется интуицией, осуществляя наработанные “правильные” стратегии, зафиксированные в технологических инструкциях. Такая инструкция содержит несколько сотен правил. Для обучения операторов этим правилам и соответственно способам поддержания объекта в нормальном режиме функционирования может быть использован компьютерный тренажер как один из наиболее эффективных и экономичных способов обучения и тестирования персонала.
Представленный здесь тренажер состоит из графического интерфейса для визуализации процесса ведения объекта и восприятия управляющих параметров и из , -управлению ходом доменной печи. При функционировании экспертной системы ( ) , , -ра оперативной информации, а при использовании ЭС в режиме тренажера значения параметров вводятся с клавиатуры компьютера. Модель самого процесса в ЭС и тренажере одна и та же.
При создании и исследовании моделей различных технических процессов технологические аспекты процесса могут быть описаны в виде аналитических зависимостей на основе физико-химических законов и фундаментальных констант. Таковы, например, система управления и контроля доменной печи "Раутаруукки" (Финляндия) [2], система технических расчётов параметров доменного процесса "GO-STOP", созданная по лицензии фирмы "Кавасаки Стил Корпорейшн" (Япо-),
"ОРАКУЛ" (Россия) и др.
В то же время, при построении автоматизированных систем управления и контроля основой для выработки стратегии управления служат накопленный опыт и технологические инструкции, которые плохо формализуются и не могут быть
