CC BY
27
4. А.с. 388790 СССР, МКИ В03Ь 11/00. Устройство для автоматического контроля загрузки и стабилизации разжижения пульпы в мельнице / Ф.Н. Дегтярев, А.А. Мерзляков, В.А. Кондратец, В.И. Новохатько, Н.И. Кучма, Т.И. Гуленко (СССР).-№11420849/29-33; заявл. 30.03.70; опубл. 05.07.73, Бюл. №29.
5. Пат. 7741 Укра'ша, МКВ 7В03В 11/00. Споаб автоматичного контролю розрщження пульпи в млинах, що подрiбнюють тски мехаычних класифiкаторiв / Кондратець В.О., Мацуй А.М.; заявник та патентовласник Юровогр. нац. техн. ун-т.-№20041007979; заявл. 01.10.2004; опубл. 15.07.2005, Бюл. №7.
УДК 004.02
СИСТЕМНЫЙ АНАЛИЗ ЭКСПЕРИМЕНТОВ С МОДЕЛЬЮ С ПРИМЕНЕНИЕМ ГЕОМЕТРИЧЕСКОГО МЕТОДА РАСПОЗНАВАНИЯ ОБРАЗОВ И ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ
© И.А. Кочеткова1, В.Г. Рубанов2
Белгородский государственный технологический университет им. В.Г. Шухова, 308012, Россия, г. Белгород, ул. Костюкова, 46.
Приведены результаты экспериментальных исследований эффективности разработанной модели на основе геометрического метода распознавания образов и теории нечетких множеств. Исследования проводились на базе городской больницы №2 г. Белгорода. Приведен системный анализ проведенных экспериментов. Описана последовательность действий для каждого блока модели. По результатам проведенных экспериментов подтвердилась высокая эффективность предложенных методов. Ил. 3. Табл. 4. Библиогр. 3 назв.
Ключевые слова: принятие решений; визуализация; системный анализ; эффективность; нечеткие множества; распознавание.
SYSTEM ANALYSIS OF MODEL EXPERIMENTS USING GEOMETRIC PATTERN RECOGNITION METHOD AND
FUZZY SETS THEORY
I.A. Kochetkova, V.G. Rubanov
V.G. Shukhov Belgorod State Technological University, 46 Kostyukov St., Belgorod, 308012, Russia.
The article presents the experimental study results of the efficiency of the model developed on the basis of a geometric pattern recognition method and the theory of fuzzy sets. The experimental research was conducted on the basis of Belgorod city hospital no. 2. The article gives a systematic analysis of the conducted experiments, describes the sequence of actions for each model block under experimenting. The results of the conducted experiments prove the high efficiency of the proposed methods. 3 figures. 3 sources.
Key words: decision-making; visualization; system analysis; efficiency; fuzzy sets; identification.
Концепция математического моделирования состояния сердца в задачах принятия медицинских решений по результатам неинвазивного контроля его состояния базируется на том, что компьютерная диагностика призвана помочь врачу-кардиологу в анализе кардиографической информации. В данном случае речь идёт о возможности визуализации состояния сердца. Очевидно, что решение задачи визуализации состояния сердца позволит исключить грубые ошибки в лечебной практике, повысит эффективность обработки кардиологической информации, а также сделает удобным восприятие диагноза и наглядное представление текущего состояния сердечно-сосудистой системы. Кроме того, может быть проведен расчёт коэффициента полезного действия и прогноз жизне-
обеспечения.
Важным концептуальным положением применения математического моделирования и визуализации состояния сердца является то, что открывается возможность проводить неинвазивную кардиодиагностику на качественно новом уровне, а именно, - осуществить «сближение» решений обратной и прямой задач электрокардиографии.
Одним из возможных подходов к решению задачи автоматизации процедуры распознавания состояния является предварительно построенный многомерный виртуальный образ состояния (А^)) и многомерные классы диагнозов В. Класс диагнозов составляют наборы признаков пациентов, имеющих одно для всех выделенное именем состояние. Возможным решени-
1Кочеткова Инесса Андреевна, старший преподаватель кафедры информационных технологий, тел.: 89205701945, e-mail: IneSuan@gmail.com
Kochetkova Inessa, Senior Lecturer of the Department of Information Technologies, tel.: 89205701945, e-mail: IneSuan@gmail.com
2Рубанов Василий Григорьевич, доктор технических наук, профессор, директор Института информационных технологий и управляющих систем, тел.: (4722) 540229, e-mail: rubanov@intbel.ru
Rubanov Vasily, Doctor of technical sciences, Professor, Director of the Institute of Information Technologies and Control Systems, tel.: (4722) 540229, e-mail: rubanov@intbel.ru
ем упомянутой выше задачи является использование геометрического метода формирования, визуализации и интерактивного распознавания многомерных образов сложных систем, который был положен в основу разработки информационной системы распознавания многомерных образов состояния и его диагностики. Компьютерную диагностику предлагается осуществлять на основе формируемого многомерного признакового пространства, позволяющего хранить и отображать результаты обработки различного рода данных. Именно наличие многомерного образа состояния сложной системы и применение системного анализа данных позволит предложить геометрический метод распознавания образов. Одной из основных процедур данного метода является процедура формирования двумерного образа состояния (А)) и двумерных образов классов состояний В2/, представляющих собой проекции Аы(1) и В, на плоскость {X',У}, совпадающую с плоскостью отображающего многоцветного экрана видеомонитора.
Для оценки эффективности разработанной модели на основе геометрического метода распознавания
образов и теории нечетких множеств были проведены клинические эксперименты на базе городской больницы №2 города Белгорода, а также системный анализ [1] проведенных экспериментов.
В констатирующем эксперименте, проведенном как в лабораторных, так и в естественных условиях медицинской практики, было проведено более 200 экспериментов. Результаты проверки эффективности модели на основе проведенных экспериментов представлены в табл. 1, результаты расчета частоты генерации различных типов электронного диагноза представлены в табл. 2.
Проведение эксперимента с моделью на основе геометрического метода распознавания образов базировалось на выполнении следующей последовательности действий:
- в базе данных были заполнены данные по трем заболеваниям (ИБС, гипертоническая болезнь, остеохондроз позвоночника), данные для заполнения были предоставлены сотрудниками поликлиники (неполный список предоставленных данных приведен в табл. 3 и 4);
Таблица 1
Проверка эффективности модели_
Контрольная выборка (электронный диагноз)
1 (Забол. А) 2 (Забол. Б) 3 (Забол. В) 4 (Нет забол.) Е
Проверяемая выборка (реальный диагноз) 1. (Забол. А) Ои=47 012=3 013=2 014=3 $11=55
2. (Забол. Б) 021=4 022=43 023=4 024=2 Б21=53
3. (Забол. В) Оз1=1 0з2=5 033=43 034=3 Э31=52
4. (Нет забол.) 041 = 1 042=3 043=1 044=35 Б41=40
Е Бю=53 Б12=54 в13=50 Б14=43 Б=200
Расчет частоты генерации различных типов электронного диагноза
Обозначение частоты генерации Тип генерации Расчетная формула по данным табл. 1 Численное значение частоты генерации
Е Электронный диагноз (правильный) р (211 + <?22 + <?33 + <?44 0,85
Р Электронный диагноз (неправильный) F = 1-Е 0,15
Ъ По заболеванию А ложный электронный диагноз Г <?21 + <?31 + <?41 р1= 5 0,11
Р2 По заболеванию Б ложный электронный диагноз р (¿12 + Qз2 + <?42 р2= 5 0,2
Рз По заболеванию В ложный электронный диагноз р <?13 + <?32 + <?43 3 = 5 0.14
Ложноотрицательный электронный диагноз (пропуск цели) р (¿14 + <?24 + <?43 4= 5 14 0,18
Ложноположительный электронный диагноз (ложная тревога) р <?41 + <?42 + <?43 5= 5 0,12
Таблица 2
- для оценки адекватности модели на основе геометрического метода распознавания образов работа осуществлялась по симптомам, которые присутствовали в заболеваниях ИБС, остеохондроз позвоночника и гипертоническая болезнь;
- в ходе проведения эксперимента из заданного набора симптомов произвольным образом выбирались значения симптомов;
- на экране видеомонитора по результатам выполнения разработанных алгоритмов анализа данных отображались области заболеваний (спроектированные на двумерную плоскость экрана) и точка, описывающая состояние пациента по заданному набору симптомов (рис. 1,а);
- также на экране видеомонитора отображается история заболевания; текущее состояние пациента отображается красной точкой, а все предыдущие состояния пациента - черной точкой и все точки соединяются прямыми (рис. 1,а);
- если точка, характеризующая текущее состояние пациента, находится на пересечении двух областей заболеваний (рис. 1,а), возникает коллизия пересечения, которую можно устранить переносом начала координат в произвольную точку на экране видеомонитора (рис. 1,б);
- если перенос начала координат не устранил коллизию пересечения, то предлагается использование метода сечения парой параллельных гиперплоскостей, для этого предварительно выбирают пару соседних точек, через которые будут проходить гиперплоскости (рис. 2,а); результат сечения областей парой параллельных гиперплоскостей представлен на рис. 2,б;
- по результатам проведенных экспериментов (200 экспериментов) степень эффективности модели составила 85% - в 15% случаев верный диагноз не был выявлен, в 85% случаев был установлен верный диагноз;
б
а
Рис. 2. Выбор двух рядом стоящих точек для сечения (а) и результат сечения (б)
- при пересечении областей заболеваний в многомерном признаковом пространстве анализ данных осуществляется на основе теории нечетких множеств (рис. 3). Результаты оценки принадлежности данного набора симптомов (т.е. точки, описывающей
состояние пациента по заданному набору симптомов) каждому из заболеваний предоставляются в процентном соотношении, таким образом, заболевание с наибольшим процентом (100%) предполагается истинным.
Рис. 3. Анализ состояния пациента на основе теории нечетких множеств
Таблица
Данные по описанию симптомов и их параметров, полученные при работе с экспертами
3
№ п/п Название симптома Параметр симптома
1 Возраст 1) Не определен
2) 0-17 лет
3) 18-44 лет
4) 45-64 лет
5) 65-74 лет
6) 75-84 лет
7) >85 лет
3 Ожирение 1) Не определен
2) Выраженный дефицит массы тела, при индексе массы тела (ИМТ) < 16 кг/м2
3) Нормальные и пограничные значения массы тела, при 16 < ИМТ < 30 кг/м2
4) Ожирение, при ИМТ > 30 кг/м2
4 Потребление алкоголя 1) Не определена
2) Не употребляет алкоголь
3) Умеренное потребление (до 30 г в день в пересчете на чистый этанол)
4) Частое потребление алкоголя (> 30 г в день в пересчете на чистый этанол)
5 Артериальная гипертония 1) Не определен
2) Оптимальное АД (артериальное давление) - САД (систолическое артериальное давление) < 120 и ДАД (диастолическое артериальное давление) < 80 мм рт.ст.
3) Нормальное АД - САД 120-129 и ДАД 80-84 мм рт.ст.
4) Высоконормальное АД - САД 130-139 и ДАД 85-89 мм рт. ст.
5) Первая степень АГ - САД 140-159 и ДАД 90-99
6) Вторая степень АГ - САД 160-179 и ДАД 100-109
7) Третья степень АГ - САД > 180 и ДАД > 110
8) Изолированная систолическая гипертония - САД > 140 и ДАД < 90
6 Наличие болей 1) Не определен
2) Болезненных ощущений не возникает
3) Есть боли
43 Положение электрической оси сердца 1) Не определен
2) Нормальное положение (от 0° до +90°)
3) Отклонение вправо (от +91° до +180°)
4) Резкое отклонение вправо (от +181° до +269°)
5) Отклонение влево (от +270° до +329°)
6) Допустимое отклонение от нормального положения (от +330° до +359°)
Таблица 4
Данные по формированию заболеваний на основе симптомов и их параметров, _полученные при работе с экспертами_
Симптом Класс 1 (ИБС) Класс 2 (гипертоническая болезнь) Класс 3 (остеохондроз позвоночника)
Возраст 4) 45-64 лет 5) 65-74 лет 6) 75-84 лет 7) >85 лет 4) 45-64 лет 5) 65-74 лет 3) 18-44 лет 4) 45-64 лет 5) 65-74 лет 6) 75-84 лет
Ожирение 3) Нормальные и пограничные значения массы тела 4) Ожирение 3) Нормальные и пограничные значения массы тела 4) Ожирение -
Потребление алкоголя 2) Не употребляет алкоголь 3) Умеренное потребление 4) Частое потребление 2) Не употребляет алкоголь 3) Умеренное потребление 4) Частое потребление -
Артериальная гипертония 3) Нормальное АД - САД 4) Высоконормальное АД 5) Первая степень АГ 6) Вторая степень АГ 7) Третья степень АГ 8) Изолированная систолическая гипертония
Наличие болей 3) Есть боли 3) Есть боли 2) Болезненных ощущений не возникает 3) Есть боли
Положение электрической оси сердца 1) Не определена 2) Нормальное положение 5) Отклонение влево. Допустимое отклонение от нормального положения 5) Отклонение влево 2) Нормальное положение
Для уменьшения степени неоднозначности распознавания Л2 (!) предлагается применение теории нечётких множеств, которая позволяет количественно оценивать значение степени принадлежности текущего значения двумерного образа состояния объекта соответствующему образу Ь21 в области их фактического пересечения друг с другом. Проведение эксперимента с моделью на основе теории нечетких множеств [2, 3] базировалось на выполнении следующей последовательности действий:
- в базе данных были заполнены данные по трем заболеваниям (ИБС, гипертоническая болезнь, остеохондроз позвоночника), в том числе заполнялись статистические данные о частоте встречи каждого симптома для каждого из заболеваний;
- для оценки адекватности модели на основе теории нечетких множеств работа осуществлялась по симптомам, которые присутствовали в заболеваниях ИБС и гипертоническая болезнь;
- в эксперименте участвовали только те наборы симптомов, которые соответствовали какому-либо из заболеваний (т.е. была исключена возможность появления набора симптомов, характерных для состояния «здоров»);
- по каждому симптому были построены функции принадлежности данного симптома каждому из заболеваний, представляющие собой распределение результатов наблюдений экспертов (врачей);
- в ходе проведения эксперимента из заданного набора симптомов произвольным образом выбирались значения симптомов;
- на экране видеомонитора по результатам выполнения алгоритмов анализа данных отображались области заболеваний (спроектированные на двумерную плоскость экрана) и результаты оценки принадлежности данного набора симптомов (т.е. точки, описывающей состояние пациента по заданному набору симптомов) каждому из заболеваний;
Эксперимент 1
Входные данные:
Результат:
Симптом
Снижен вольтаж зубцов -Значение
Гиперкалиемия - Значение
Положение электрической оси сердца - Значение_
Нормальный синусовый ритм - Значение_
Потеря сознания - Значение
Одышка - Одышка
Потоотделение - Значение
Боль - Локализация
Боль - Длительность боли
Боль - Условия начала возникновения
Давление - Нижнее
1
Да, в стандартных отведениях_
5,17
281
Отсутствует
0
Присутствует
Присутствует
0
80
Давление - Верхнее
124
ИБС
36
Потребление алкоголя -Значение
9,71
Гипертоническая болезнь
100
Ожирение - Значение
33,44
Остеохондроз позвоночника
0
Сахарный диабет -Значение
II тип
Диагноз
Гипертоническая болезнь
Возраст - Значение
53
Диагноз определен верно.
0
0
Эксперимент 2
Входные данные:
Результат:
Симптом
Снижен вольтаж зубцов -Значение
Гиперкалиемия - Значение
Положение электрической оси сердца - Значение
Нормальный синусовый ритм - Значение_
Потеря сознания -Значение
Одышка - Одышка
Потоотделение - Значение
Боль - Локализация
Боль - Длительность боли
Боль - Условия начала возникновения
Давление - Нижнее
2
Да, в стандартных отведениях_
3,53
287
Отсутствует
Присутствует
Присутствует
0
Рука
15
75
Сковмтга Паш
4 I Щ ж V :: б
£5влвмввер«мм на Е Пр.р«5па.-» »«огого-з 31.» 7 Оякрошд-Зхаиснт 536} И Слыи*а Олувд Пр«угст®у-
I——II С"*"*—II о*-»1"» 1 й ь»сгтлч»««и»ютн Ем |«1 ш .
й Пегом нявэличмчяк.. 25?
Давление - Верхнее
118
ИБС
Потребление алкоголя Значение
31,39
Гипертоническая болезнь
Ожирение - Значение
38,63
Остеохондроз позвоночника
Сахарный Значение
диабет
II тип
Диагноз
ИБС
Возраст - Значение
43
Произошла ошибка, электронный диагноз не совпадает с _действительным диагнозом._
0
0
0
0
- результаты оценки принадлежности данного Таким образом, по результатам экспериментов набора симптомов (т.е. точки, описывающей состоя- была показана эффективность разработанной модели ние пациента по заданному набору симптомов) каж- на основе геометрического метода распознавания дому из заболеваний приводятся в процентном соот- образов и теории нечетких множеств. Применение ношении, таким образом, заболевание с наибольшим предлагаемого способа в медицинской практике поз-процентом (100%) предполагается истинным; волит оперативно контролировать и анализировать
- по результатам проведенных экспериментов закономерности течения болезней, следовательно, (200 экспериментов) адекватность модели составила повысить точность диагностики болезней, а в некото-90%, в 10% случаев верный диагноз не был выявлен, рых случаях решать прогностические задачи.
в 90% случаев верный диагноз был выявлен.
Статья поступила 15.01.2014 г.
Библиографический список
1. Рубанов В.Г. Системный подход к проектированию ектов на основе интерактивного анализа топологии классов управляемых мобильных логистических средств, обладаю- состояний и теории нечетких множеств // Вестник Белгород-щих свойством живучести // Научные ведомости Белгород- ского государственного технологического университета им. ского государственного университета. Серия: История. По- В.Г. Шухова. 2013. №5. С.193-197.
литология. Экономика. Информатика. 2011. Т.1. №17-1. 3. Рубанов В.Г., Филатов А.Г. Интеллектуальные системы
С.176. автоматического управления. Нечеткое управление в техни-
2. Кочеткова И.А., Ковтун Д.Р. Диагностика сложных объ- ческих системах. Белгород: Изд-во БГТУ, 2005. 171 с.
УДК 629.3.025.2
ПРОЕКТИРОВАНИЕ РОБАСТНОЙ КОМБИНИРОВАННОЙ СИСТЕМЫ СТАБИЛИЗАЦИИ И УПРАВЛЕНИЯ ОРИЕНТАЦИЕЙ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ УСТРОЙСТВ НА ПОДВИЖНОМ ОСНОВАНИИ
© О.А. Сущенко1
Национальный авиационный университет, 03680, Украина, г. Киев, пр. Космонавта Комарова, 1.
Поставлена и решена новая задача проектирования робастных комбинированных систем, обеспечивающих стабилизацию и управление ориентацией измерительных осей устройств, функционирующих на подвижных объектах в сложных условиях реальной эксплуатации. Получено выражение для обобщенного функционала качества проектируемой системы, который учитывает точность и робастность системы, а также затраты на управление в условиях значительных внутренних параметрических и интенсивных внешних координатных возмущений и помех измерений. Представлены алгоритм проектирования робастных комбинированных систем исследуемого типа на основании робастного структурного синтеза и результаты моделирования синтезированной системы, обеспечивающей стабилизацию и управление ориентацией информационно-измерительных устройств, эксплуатируемых на наземных подвижных объектах. Ил. 2. Библиогр. 8 назв.
Ключевые слова: робастные системы; системы стабилизации; информационно-измерительные устройства; комбинированное управление; робастный структурный синтез
DESIGNING ROBUST COMBINED SYSTEM FOR STABILIZATION AND ORIENTATION CONTROL OF INFORMATION-MEASURING DEVICES ON A MOVABLE PLATFORM O.A. Sushchenko
National Aviation University,
1 Cosmonaut Komarov pr., Kiev, 03680.
The article introduces and solves a new problem of designing robust combined systems providing stabilization and orientation control of measuring axes of devices operating on mobile objects under difficult conditions of their actual operation. The author obtains the expression for the generalized quality functional of the designed system taking into account the system accuracy and robustness as well as control costs under conditions of considerable internal parametric and intensive external coordinate disturbances as well as measurement errors. The design algorithm of the robust combined systems of the type under analysis is presented on the basis of the robust structural synthesis. Simulation results of the synthesized system providing stabilization and orientation control of the information-measuring devices being operated at ground mobile objects are given.
2 figures. 8 sources.
1Сущенко Ольга Андреевна, кандидат технических наук, доцент, профессор кафедры систем управления летательных аппаратов, тел.: 380951408542, e-mail: sushoa@ukr.net
Sushchenko Olga, Candidate of technical sciences, Associate Professor of the Department of Aircraft Control Systems, tel.: 380951408542, e-mail: sushoa@ukr.net
