CC BY
18обеспечивает адаптивный и детерминированный переход системы из одного состояния в другое, используя модели внешней среды, процессы деятельности системы и модели взаимосвязи. Модель деятельности -это, по сути, сценарий, содержащий такие элементы, как основные этапы процесса деятельности, функции и взаимодействие агентов, ситуации, события, описание событий й временные рамки. Координация и взаимодействие агентов осуществляются реализацией таких событий, как; получение информации о состоянии внешней среды и о собственном состоянии, а также об участии в формирование решений по разрешению ситуации.
Рассмотренные в статье подходы к созданию интеллектуальной системы поддержки принятия решений по управлению финансовыми потоками и экспериментальной моделирование на первоначальном варианте ее прототипа позволяют сделать вывод о возможности ее создания и полной практической реализации. В настоящее время осуществляется программная реализация указанных подходов при совершенствовании прототипа ИСППР в рамках технологии многоагентных интеллектуальных систем.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Ваги» В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальной системы поддержки принятия решений реального времени / Известия Академии наук. Теория и системы управления. 2001, №6. С. 114-226.
2. Потапов Л.В., Миргалеее А.Т., Ющенко С.П. Алгоритм функционирования многоагентной системы формирования описания угроз локальной безопасности субъектов РФ: Матер, междукарод, конф. и Российской научной школы. Секция №8. М.: Радио и связь, 2003.
3. Чекинов Г.П., Чекинов С.Г. Ситуационное управление: состояние и перспективы. Приложение к журналу "Информационные
технологии*. 2004. №2. '
4. Андреев В.В., Батищев С.В., Виттих В,А. и др. Методы и средства создания открытых мультиагентных систем для поддержки процессов принятия решений / Известия АН. Теория и системы управления. 2003. №1. С. 126-137.
5. Кузнецов М. МОА - новая концепция интеграции приложений. Открытые системы. 2003. №9. С. 48-31.
6. Игнатович Н. Брокер интеграции приложений /Открытые системы. 2003. №9. С. 8-14.
. Статья поступила в редакцию 19 февраля 2007 г,
УДК 004.382 И.Л. Минаков
СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОГО МЕТАПОИСКА В СЕТИ ИНТЕРНЕТ ДЛЯ ОПЕРАТИВНОГО НАХОЖДЕНИЯ И МОНИТОРИНГА РЕЛЕВАНТНОЙ ИНФОРМАЦИИ В ОБЛАСТИ МАЛЫХ КОСМИЧЕСКИХ АППАРАТОВ
Рассматривается проблема мониторинга информации в сети Интернет в актуальной области малых космических аппаратов, предлагается инструментальная метапоисковая система, предназначенная для решения данной задачи, описывается подход, архитектура, онтология, пример использования, анализ результатов и перспективы развития.
Введение. Милые космические аппараты - эволюционное развитее космических технологий
Анализ тенденций развития космических технологий показывает, что одним из наиболее перспективных путей их совершенствования является применение малых космических аппаратов (МКА) и систем на их основе. Побудительным мотивом для перехода от создания и использования крупных универсальных спутников к МКА стал прорыв в электронике, двигателестроении, в области создания новых конструкционных материалов и других областях. МКА имеют следующие преимущества [1]:
— низкая стоимость, обусловленная в значительной мере их серийной пригодностью, позволяющая созда-
вать при умеренных затратах (по оценкам специалистов, затраты за килограмм полезной нагрузки на изготовление малых космических аппаратов в 5-10 раз меньше) системы с высокой насыщенностью орбитальных группировок, что особенно важно для систем военного назначения и коммерческих связных систем; ......
— малый срок создания (12-14 месяцев), что устраняет опасность морального старения и обеспечивает оперативное изменение характеристик космических систем при возникновении новых требований путем постепенной замены КА в составе орбитальной группировки;
— уменьшение рисков, связанных с запускам и работой в космосе МКА, за счет снижения финансового
бремени потерь в случае отказа или утраты такого спутника; .... ...
— возможность оперативного массированного наращивания систем при изменениях военно-политической
обстановке, чрезвычайных ситуациях и в других случаях. .,. , ;.
Экономическая эффективность и возможность быстрого тиражирования позволяет использовать МКА в качестве “полигонов Отработки” ключевых элементов космической техники, а также для проведения исследований и экспериментов в космосе, отработки новых космических технологий. В перспективе же планируется создание орбитальных систем из взаимодействующие КА мини-,, микро-, пико- и даже наноклассов, которые могут превзойти возможности современных КА с большими платформами.
Уже сейчас MICA используются в таких областях, как Интернет-технологии, телекоммуникации, навигация, метеорология, дистанционное зондирование Земли и акватории океанов, научные исследования.
Федеральной космической программой России на период 2006-2015 гг. предусмотрено создание целой серии малых космических аппаратов (МКА) массой в сотни и десятки килограммов, способных выполнять задачи, которые еще 10 лет назад были по силам лишь многотонным спутникам.
Сегодня разработка малых космических аппаратов на базе унифицированных платформ является важнейшим направлением работ почти всех российских конструкторских организаций в области космической техники.
В сипу перспективности МКА для космической промышленности России в рамках анализа существующих и планируемых решений, имеющихся на мировом рынке и предлагаемых странами-партерами и конкурентами, становится необходимым постоянный мониторинг имеющейся и появляющейся информации, и особенно, в связи с все возрастающей популярностью Интернета, анализ электронных документов -новостных лент, специализированных порталов, блогов.
' ' . ■ ■ ■■
Проблема Интернет-поиска релевантных информационных ресурсов
в выбранной предметной области
Поиск информационных ресурсов в сета Интернет де-факто стал одним из основных источников получения новых информационных данных в сегодняшнем научно-техническом сообществе.
Но, к сожалению, все имеющиеся на текущий момент технологии поиска, включая поиск по ключевым словам, поиск с использованием операндов булевой алгебры, поиск с расстоянием (при котором пользователь указывает, на каком расстоянии между собой должны располагаться ключевые слова в документе), построение нового запроса на базе предыдущего, поиск в определенных полях html-документа и морфологический поиск, все равно не обеспечивают основного - не дают возможность проанализировать семантику документа, выявить его реальный смысл (который зачастую противоречит указанным в нем ключевым словам, так как они были указаны с целью занятая более высокого положения в поисковых системах).
Помимо этого имеющиеся поисковые системы весьма плохо определяют актуальность предлагаемой информации, зачастую предлагая устаревшие статьи и новости, информация в которых хоть и была когда-то популярной, но более не соответствует действительности.
Для решения указанных проблем требуется разработать систему, которая позволяла бы в удобной форме специфицировать интересующую предметную область (в данном случае - космические технологии и МКА), наполнить ее предметно-ориентированными знаниями и получить возможность анализировать возвращаемые поисковыми системами тексты с точки зрения семантики, отделяя релевантные тексты от ошибочных, анализируя степень релевантности текста запросу. При этом интересующие сайты, блоги, новостные порталы и отдельные страницы можно было бы поставить на постоянный мониторинг с тем, чтобы в заданные промежутки времени они вновь проверялись на наличие интересующей информации, а устаревшая информация отсеивалась.
Предлагаемый подход и архитектура системы
Дня решения поставленной задачи предлагается подход, основанный на мул ьтиагентной технологии [2] и заключающийся в возможности представления смысла документа в виде семантического дескриптора на основе онтологии, который затем можно обрабатывать и анализировать в зависимости от запросов пользователя [3].
Общая архитектура системы приведена на рис. 1.
Таким образом, можно получить исходный список интересующих пользователя документов, учитывая ключевые слова запросов, с помощью Обычной поисковой системы (например, Google, Yahoo или Yandex), затем преобразовать сайты / блоги / новости в форму семантических дескрипторов и далее типовые запросы пользователя представить в виде семантических дескрипторов, сравнивая их с дескрипторами документов, на основе предлагаемой технологии кластеризации [4] и понимания текста на естественном языке [5].
Основным отличием данной задачи от проблемы, описанной и решенной в [6], является то, что в силу особенностей сайтов в Интернете и алгоритмов поисковых систем лексикон возвращаемых документов и их предметные области могут быть самыми различными, а не узкоспециализированными, как в [6]. Позто-
му требуются более разнообразная и разноплановая онтология, больший словарный запас в морфологии, большая устойчивость к ошибкам при построении дескрипторов и при анализе запросов.
Ряд сайтов, заинтересовавших пользователя, может быть поставлен на постоянный мониторинг, где страницы будут импортироваться в систему с указанной периодичностью и анализироваться согласно набору запросов, интересующих пользователя; критерием анализа и нотификации является порог качества результатов.
| Уром нь литологии
1
і 1 * 1 Исторические Прецеденты Онтология тфедмет ной области Онтология польговіталя * “г* - »
9
Уромнь бээы Д9ННЫХ
База данных приложения
Ьаза дзншх отслеживаемых ссылок
Рис. 1. Общая архитектура системы
Дополнительной функциональностью является возможность нахождения в имеющейся базе статей и ссылок тех документов, которые схожи с просматриваемым, Это осуществляется аналогично путем сравнения семантических дескрипторов, но ориентировано на решение другой задачи - либо отслеживание истории изменения \ развитая какой-либо идеи или проекта, либо нахождение решений, альтернативных данному.
Также существует модуль мониторинга появления релевантной информации, который для выбранного сайта с заданной периодичностью сравнивает новое содержание с хранящимся в базе и в случае изменений вновь прогоняет набор запросов, интересующих пользователя; если выявляется новая релевантная информация, то пользователь получает нотификацию.
Модуль мониторинга трендов изменения информации позволяет отслеживать, как часто тот или иной онтологический концепт встречался в анализируемых документах с течением времени, с тем чтобы оперативно распознавать намечающиеся тенденции в разработках космических технологий и проектов.
Построение онтологии малых космических аппаратов на основе набора запросов, покрывающих предметную область
Общий алгоритм построения онтологии для интересующей нас предметной области (малые космические аппараты) заключался в следующем. Были проанализированы наиболее популярны^ запросы по ключевым словам к поисковым системам в этой области (для изучения популярных ключевых слов и запросов можно рекомендовать^ следующую ссылку: http://mventorv.overture.eom/d/searchinventorv/suggestion/ , а также поисковые системы Ciusty и Nigma). ; , . ,
В частности, на текущий момент основные интересы, связанные с МКА, заключаются в следующих запросах: small satellites + systems, applications, launches, organizations, news, technology, research, development, conference, information, future, companies, missions.
Далее по каждому из запросов был проведен анализ сайтов, отвечающих данным запросам. По алгоритмам, описанным в [7], были выявлены основные термины, включая концепты онтологии, отношения между ними и значения атрибутов (фрагмент автоматически построенной таким образом онтологии можно видеть на рис. 2). • :
Далее онтология была вручную отсортирована и дополнена. В итоге текущая версия онтологии малых космических аппаратов составляет более 2000 концептов. В первую очередь, выделены классы МКА - мини, микро, нано, пико, фемто. Для каждого из классов найден набор имен существующих спутников (в частности, для класса мини это наши спутники класса COSMOS (2337-39, 2390-1 (2002), 2384-6 (2001) и пр.) и GONETS (12-14 (2001), D1-1-3 (1996) и пр.), американские SORCE (2003), RHESSI, серия GLOBALSTAR М, японский MDS-1 и т.д.).
Выделены параметры малых спутников, в том числе масса, полезная нагрузка, габариты, форма, бортовая и полезная емкость, тип орбиты, источники питания, каналы связи, типы двигателей \ горючего, датчики, стабилизация, тип оборудования, тип миссии и пр.
Для каждого из параметров выделены возможные значения, например, для propulsion возможные значения: chemical rocket, bipropellant, air-breathing engine, monopropeltant, resistojet, electric propulsion, ion thruster, solar sail, aeixibra^iiig, nuclear reactor и пр. (более 30 значений)
Также выделены типы ракет-носителей и их названия (например, для heavy lift launch'vehicles'- Алапе 5, Protone Dl, Titan Ш-TV, Zenith Sealauncher и пр.), наземных баз, организаций.
Также в онтологию добавлен ряд потовых названий (имена стран, названия фирм, организаций » университетов, конференции, имена ученых и пр.).
Всего в системе насчитывается около 2000 концептов, из них ~15 отношений, -300 объектов. У каждого объекта имеется в среднем порядка 6 свойств и атрибутов (имеется в виду класс атрибута; ясно, что конкретных значений в классе, например, названий стран или имен спутников, значительно больше). Для каждого элемента в среднем существует 4 синонима (например, наземная станция управления полетами США Vandenberg air force base в различных источниках также упоминается как Vandenberg AFB, VAFB, VBAFB, Vandenberg, Vandenberg base, Vandenberg air force. При этом просто Vandenberg без контекста возвращает ссылки на музыкальную рок-группу с аналогичным названием).
Е^СГМгсаНМ
«Load context
~шм
Щваив conteietj
- ifOBjecTcJasses t Small satellites ! - 4 Mini satellite (100-500kg)
: ■■■ 4 Nano satellite (1-10kg)
I -4 Picosatellite(01-1 kg)
: 4 F*mto satellite (*j(IOg)
f - £ Satellite parameters ; : 4 M«b$
i ; 4 Omians.cn
4 Shape i 4 Payload
4 Pon*ig : 4 Volume
4 Mission : ! 4 Mission lifetime j
' 4 Mechanic si struclure f 3 Power systems -4 Solar panels
: ■ -4 a «mm
; 4 Power regulation and distribution
-A Telemetry and Telecommand y ^ ComrnunlcaBons r- 4 Tfiinsmtlter ; : 4 Receiver(Radio)
- 4 Antenne '■■■ 4 omit - Control and DBterrntnaSgn 4 Propu!slon 4 Stabilisation 4 «Bad* control - Actuators ; i : 4 Attitude control-Sensors
[ = :. 4 Instruments
I - 4 Cwntjy
f ^Launcher ; : -i....................... ■ ■ ■
1Edi тлрМоаг: .
4 HWil*. ■ Micro satellite (10-1p0kg0
Я
ш m
Ejshowirihartted Rll~-
VanguaBU {1959)
AttfS»t«4Variues
..s.
\MB
Sputnik
OSCAR-1 (1W)
TllflteM (1982)
yaw
2(B)
.UP
10)
Syncom-1
1 il)
EiityBltd (FI)
Pioneer 6
Apctto-P«F1
UoSAT-1 (1961) OARPAroltrosats
PoSAT-1
Enpl0ror-I()959)
ГЧ!)
1(1)
,1(1)
3(0
1(0)
0(0)
1(1)
fleMlon LHi> (Mtmouse to nnfeale)
ІІЙІЙМВ..'
Bulwct
OMect
|SatelHtB peramalgrs
praPs
jCatmify
[Замша pewnWsra
[Haw
jHave
jHare
Launch
juuntn
ryrtWon
pewlop
jbavelot
jOrjaniaaitHts jffm^ іШ»и
ISmH
iuunctwr Toman
j organisation» Smsn "
Р и с. 2. Фрагмент онтологии предметной области, построенной автоматически на основе анализа ряда сайтов,
возвращенных по типовым запросам
С учетом всех значений атрибутов и синонимов общее количество слов в тезаурусе составляет порядка 15 ТЫСЯЧ. ; :
По экспертной оценке, данная онтология уже сейчас покрывает большинство требуемых терминов в области МКА и может быть хорошей основой для дальнейшего расширения знаний о предметной области.
Пример работы системы
Разберем по шагам процесс работы системы. Первым этапом является создание онтологии предметной области (космическая технология и МКА), разобранной в предыдущем параграфе.
Предположим, что теперь необходимо выяснить доступную в Интернете информацию по следующей интересующей нас теме: «Мини-спутники, разработанные для коммерческого использования научными заведениями Европы и имеющие форму диска».
Для данного запроса, который может задаваться как в виде текста на естественном языке, так и в виде семантического дескриптора (рис. 3), формируется набор запросов - комбинаций ключевых слов, которые поступают на вход поисковых машин.
»]иіііУиі і
Ьаас* Тагід. С**та- Ашяім RadoSmjms F rS.-.n і. І
1W Німі Юий и і тири р вЛ и НііпМіі тт
liu ~ МігЧма It і Mv pain *>w •
иЕ)Г,п^і**
ISkлгиtarn - її* -
Lpiactodmfte.,, і >,»■, л. ik w,?- і
Sy M мЛ «ГИ* H*. lUHMktf Mnj фмі иММі MM і can^ti лр*„ ™ iMft ма Hi
Ofl t4T3»*f
P и c. 3. Конструирование запроса и импорт файлов в систему
Например, для данного запроса может быть сформирована комбинация вида «+(("small satellites " AND mini) OR mini-satellites) +universities Europa +(disk OR disk-shaped)»
Далее из ряда поисковых систем, включая Google (www.google.com), Yahoo (www.yahoo.com), AOL (www.aol.com/netfind), Excite(www.excite.com), Yandex (www.yandex.ru), Rambler (www.rambler.ru) по результатам запроса может быть импортирован ряд сайтов, возвращенных данными системами.
Для каждого импортированного документа на основе онтологии предметной области создается семантический дескриптор, отражающий смысл данного сайта (подробнее об алгоритме преобразования текста в семантический дескриптор см. [3,5]). Пример преобразования Интернет-страницы сайта в семантический дескриптор можно найти на рис. 4.
Далее происходит сравнение семантических дескрипторов запроса и документов на основе онтологии предметной области. По степени соответствия выставляется рейтинг, который и показывает степень близости смыслов запроса и документа. Для определения релевантности Может использоваться заданный порог рейтинга, выше которого документ считается релевантным, ниже - нет. В более сложном случае, когда у пользователя есть ряд критериев, по которым он считает документ подходящим или, наоборот, неподходящим, используется ряд запросов, соответствующих каждому из критериев, и решение принимается по интегральному показателю, являющемуся линейной функцией от значений рейтингов всех критериев.
Р и с. 5. Анализ результатов на основе семантики документов и онтологии предметной области
Для каждого из выбранных документов провести анализ, который покажет, по какой причине было принято решение об их семантической близости запросу. При просмотре семантического дескриптора другим цветом выделена часть, которая была признана наиболее близкой к дескриптору запроса (напомним, что сравнение производится не точное, а нечеткое, на основе онтологии). Далее в теле документа можно видеть, какой именно текст послужил основой для этой части семантического дескриптора, и видно, что реальный текст на естественном языке и несет тот смысл, поиск которого осуществлялся в запросе. Например, на рис. 5 приведена ситуация, когда по приведенному выше запросу мы нашли сайт, в котором, согласно семантическому дескриптору, говорится о создании мини-спутника дисковой формы, разработанной учебным заведением, но это Бостонский университет - т.е. он не находится в Европе, и миссия спутника - space physics (Earth upper atmospheric studies), т.е. научные исследования. Поэтому документ получил не высший рейтинг и находится в середине списка релевантности. Также в семантическом дескрипторе документа и в самом тексте обведены кругами места, которые соответствуют семантическому дескриптору поискового запроса, чтобы удостовериться, что и в документе действительно говорится об интересующей нас информации.
Оценка эффективности системы
Общая методика проверки качества отбора релевантных документов \ сайтов заключалась в следующем. В качестве эксперимента был сформирован ряд типовых многокритериальных запросов к поисковым системам в рамках интересующей предметной области. Примерами таких запросов были: а - «тип используемого источника питания в МКА от 2005-2007 гг.», б - «последние мнни-МКА, выпущенные Китаем», в - «Все нано-спутники, заказанные НАСА», г - «Микро-МКА, предназначенные для океанографии и имеющие параболическую орбиту» ид- «Мини-спутники, разработанные для коммерческого использования научными организациями Европы и имеющие форму диска».
Далее по каждому из запросов в поисковых системах строилось несколько различных запросов - ключевых слов к поисковым системам. По итогам запросов получались 100 лучших документов, которые импортировались в метапоисковую систему. Эти документы анализировались с помощью разработанной программы, которая предлагала свой вариант порядка данных документов по степени соответствия запросу и в соответствии с заданным порогом допустимости разделяла документы на релевантные и нерелевантные. Одновременно эти документы анализировались человеком-экспертом, незнакомым с результатами программы, и он предлагал свой вариант упорядочивания и разделения (в случае, когда нельзя четко утверждать, относится ли данный документ к требуемому запросу, выставлялось значение «нейтральный»),
В процессе каждого из запросов сравнивался предложенный порядок всех 100 документов для поисковой системы и разработанной системы относительно варианта человека-эксперта. Также сравнивалось качество отбора релевантных и нерелевантных статей (для поисковых систем отбиралось первое число ре-
зуль-]гатов, равное чисду документов, признанных релевантными экспертом). Результаты анализа приведены В табл. I И 2. ;; ,
Если посмотреть результаты анализа, то, во-первых, видно, что по мере возрастания сложности запросы выстроились как в, б, г, а, д, что ожидаемо - чем больше критериев в запросе, тем хуже результаты, возвращаемые поисковыми машинами (например, в самом сложном запросе д необходимо было учесть одновременно шесть критериев поиска). Обращают на себя внимание две тенденции: чем сложнее запрос, тем хуже результаты у обеих систем, но при атом тем больше разрыв в качестве между традиционными поисковыми системами и разработанной метапоисковой системой, основанной на онтологии предметной области, причем на большей выборке он даже еще более представителен, чём на первой десятке. Это тоже полностью подтверждает нашу гипотезу - в более сложных поисковых конструкциях учет семантики выходит на первый план. Метапоисковая система показала также хорошее качество выявления релевантных результатов -в случае быстрого поиска (т.е. просмотра первых значений) предлагалось порядка 73% от наилучшего результата (который достижим только при просмотре полного набора документов), при этом при понижении порога включалось уже 88% релевантных документов (разумеется, за счет нарастания шума). Данные результаты показывают, что система позволяет существенно сократить скорость анализа набора документов выбранной предметной области и обеспечить качественный результат поиска и анализа.
Таблица!
Качество упорядочивания результатов для тестовых запросов
Запросы Результаты поисковой системы (100 документов), % Результаты метапоисковой системы (100 документов), % Результаты поисковой системы (первые 10 документов), % Результаты метапоисковой системы (первые 10 документов), %
а 26 68 46 82
б 34 72 61 91
в 39 77 67 94
г 30 71 63 86
д 21 62 32 79
Таблица 2
Качество выявления релевантных результатов для тестовых запросов
Запросы Анализ человека-эксперта -эталон Результаты поисковой системы (порог 75%) Результаты метапоисковой системы (порог 75%) Результаты поисковой системы (порог 90%) Результаты метапоисковой системы (порог 90%)
а 17(100%) 10 (59%) 14 (82%) 7(41%) 11 (65%)
б 51 (100%) 37 (73%) 45 (88%) 33 (65%) 39 (76%)
в 73 (100%) 60 (82%) 69(95%) 51 (70%) 58 (79%)
г 38(100%) 29 (76%) 35 (92%) 23 (61%) 30 (79%)
' д 12 (100%) 5 (42%) 10(83%) 3 (25%) 8 (67%)
Общее заключение на основе ряда экспериментов состоит в том, что во всех исследованных примерах разработанная система позволяла существенно улучшить результаты с точки зрения семантики сайтов \ документов, интересующих пользователя, четко разделяла релевантные и нерелевантные сайты и даже корректно упорядочивала релевантные сайты по степени соответствия пользовательскому запросу.
Данная система однозначно рекомендуется для подобных исследований экспертов, так как позволяет для предметной области, описанной онтологией, многократно повысить релевантность результатов при поиске интересующей информации, существенно экономя временные ресурсы.
Основные результаты и перспективы развития
Разработанная метапоисковая система, примененная для задачи мониторинга информации в области малых космических аппаратов, применима в любой предметной области, которая оперирует профессиональными знаниями, характеризующимися четкостью, логикой, ограниченным терминологическим запасом. : -
. 34
Каждому пользователю предоставляется возможность специфицировать интересующую его предметную область, формализуя имеющееся у него знание о предмете исследования, и анализировать документы с точки зрения этого знания, тем самым существенно повышая качество результатов, возвращаемых системами поиска в Интернет.
В рамках анализа качества результатов показано, что система способна разделять релевантные и нерелевантные сайты и корректно упорядочивать релевантные сайты по степени семантического соответствия пользовательскому запросу.
Разработанная система метапоиска позволяет решить актуальную задачу анализа и мониторинга информации в области малых космических аппаратов, являющуюся актуальным направлением работ российских конструкторских организаций.
Предлагаемая система, в которой сочетаются самые последние разработки в области систем понимания текста на естественном языке и извлечения знаний, является уникальным примером процесса интеграции знаний, ориентированным на конкретного пользователя, предоставляя механизмы дня формализации и структурирования предметных областей, интеллектуального поиска, анализа и классификации сайтов и документов. В сочетании с предлагаемыми методами анализа и формирования знания, описанными в соответствующих главах, система способна решать основные проблемы, стоящие в текущий момент перед Интернет-сообществом, и может служить основой для общеинтеграционной платформы систематизации, обобщения и анализа научно-технических и производственных знаний в самых разных предметных областях.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Головачев И.Н., Дубовой А.Н.. Прямухин С.Б. От малых космических аппаратов к нанотехнологиям // "Двойные технологии". т. 2005.
2. Андреев В., Виттих В., Батищев С., Ивкушкин К., Минаков И„ Ржевский Г., СафроновА., Скобелев П. Методы и средства создания открытых мультиагент ных систем для поддержки процессов принятия решений // Изв. РАН. Теория и системы управления. 2003. №1. С. 126-137.
3. Андреев В.В., Ивкушкин К.В., Карягин Д.В., Минаков И.А.. Ржевский Г.А,. Скобелев П.О.. Томин М.С. Разработка мультиагентной системы понимания текста ІІ Проблемы управления и моделирования в сложных системах: Тр. III Межцунар. конф. Самара, 4-9 сентября 2001. Самара; СНЦ РАН, 2001. С. 489-495.
4. Минаков И.А. Кластеризация неструктурированной информации, представленной в виде текстов на естественном языке // Вестник Самар. гос. техн. ун-та. Сер. Технические науки. Самара: СамГТУ, 2006. Вып. 40. С. 15-22.
5. Вольман С.И. Минаков И.А., Томин М.С. Мультиагентная система интеллектуального анализа содержимого Интернет-страниц// Проблемы управления и моделирования в сложных системах: Тр. VII Между нар. конф., Самара, 27 июня ~ I июля 2005. Самара: СНЦ РАН, 2003. С.403-408.
6. Андреев В.. Гельфанд М., Ивкушкин К., Казаков А., Новичков П., Томин М., Вольман С., Минаков М., Скобелев П. Разработка мультиагентиой системы интеллектуального поиска информации в области современных биотехнологий // Проблемы управления и моделирования в сложных системах: Тр. IV Междунар. конф. Самара, 17-24 июня 2002. Самара: СНЦ РАН, 2002. С. 338345.
7. Минаков И.А. Разработка автоматизированной системы построения онтологии предметной области на основе анализа текстов на естественном языке // Вестник Самар, гос. техн. ун-та. Сер. Технические науки. Самара: СамГТУ. 2004. Вып. 20. С. 44-48.
Статья поступила в редакцию 10 ноября 2006 г.
УДК 681.5:621.315
RH. Митрошин, А.Ю. Лойко, Д.О. Сазонов, Е.В. Филиппова
СИСТЕМА АВТОМАТИЧЕСКОГО РЕГУЛИРОВАНИЯ ТЕМПЕРАТУРНОГО РАСПРЕДЕЛЕНИЯ РАСПЛАВА ПОЛИМЕРА В ЗОНЕ ДОЗИРОВАНИЯ ОДНОЧЕРВЯЧНОГО ЭКСТРУДЕРА*
Решена задача структурного моделирования температурного поля расплава полимера в шнеке экструдера как функции пространственно-временного распределения температуры цилиндра экструдера Это позволило получить структурную схему процесса как объекта управления с распределенными параметрами и синтезировать систему автоматического регулирования температурным распределением расплава полимера в зоне дозирования одночервячного экструдера.
Контроль температуры цилиндра и формующего инструмента (кабельной головки) экструдера необходим для обеспечения постоянства вязкости полимера, а в случае наложения химически вспененной изоля-
* Работа поддержана грантом РФФИ (проект 06-08-00041 -а)
