Принципы построения экспертных систем и технология принятия статистических решений.

Экспертные системы (expert systems). Имеют дело с задачами искусственного интеллекта на верхнем уровне, работая с символической информацией для получения выводов об окружающей среде и формирования соответствующих управленческих решений с учетом сложившейся или прогнозируемой ситуации. Они накапливают эвристические знания и, манипулируя ими, пытаются имитировать поведение эксперта .

Экспертный регулятор– это объединение традиционного регулятора (контроллера) и экспертной системы, образующей верхний, супервизорный уровень управления и включающей следующие подсистемы.

Подсистема идентификации и прогноза обеспечивает нахождение математической модели объекта по соотношению между его выходными и входными переменными в процессе функционирования.

База данных содержит непрерывно обновляемые предыдущие, текущие, прогнозные данные о характеристиках объекта и внешней среды, а также информацию о граничных значениях соответствующих параметров.

База знаний содержит информацию о специфике работы объекта, целях, стратегии и алгоритмах управления, результаты идентификации и прогноза характеристик объекта.

Подсистема логического вывода осуществляет выбор рациональной для данной ситуации структуры и параметров регулятора, а также алгоритмов идентификации и прогноза.

Подсистема интерфейса организует интерактивный режим по наполнению базы знаний с участием эксперта (режим обучения) и обеспечивает общение с пользователем-оператором.

Выполнение функций построения динамической модели объекта и его среды, а также поддержания контакта с внешним миром (датчиками, СУБД, регулятором) позволяет относить рассматриваемую экспертную систему к классу динамических (активных), или экспертных систем реального времени.

Нечеткие регуляторы (fuzzy controllers) – типовая структура ИСУ. Пусть объект управления является одномерным, т.е. имеет один вход и один выход. Ошибка управления , разность задающего воздействия и управляемого выхода объекта подается на один из входов блока фуззификации. На другой его вход подается сигнал производной , вычисленный дифференцирующим устройством (ДУ).

В результате получаем функции принадлежности , и , .

Здесь и – значения (термы), принимаемые соответственно лингвистическими переменными «Ошибка управления» и «Производная ошибки».

В базе знаний хранятся правила, левые части которых содержат условия относительно указанных значений и лингвистических переменных, а правые части – высказывания относительно значений лингвистической переменной «Приращение управляющего воздействия» для -го момента времени . В базе знаний относительно указанных лингвистических переменных хранятся правила типа: «если…и…, то…», реализация которых гарантирует выполнение определенных заданных требований к системе в части статики и динамики.

В основе работы механизма логического вывода используются методы «Максимума-минимума» или «максимума произведения», применение которых позволяет получить функцию принадлежности лингвистической переменной «Приращение управляющего воздействия» с учетом конкретных значений сигналов и – входов нечеткого регулятора.

Основные понятия. Цель и задачи имитационного моделирования.

Особым видом моделей являются имитационные модели. Имитаионное моделирование проводится в тех случаях, когда исследователь имеет дело с такими математическими моделями, которые не позволяют заранее вычислить или предсказать результат. В этом случае для предсказания поведения реальной сложной системы необходим эксперимент, имитация на модели при заданных исходных параметрах. имитация представляет собой численный метода проведения на ЭВМ экспериментов с математическими моделями , описывающими поведение сложной системы в течении заданного или формируемого периода времени. Поведение компонентов сложной системы и их взаимодействие в имитационной модели чаще всего описывается набором алгоритмов, реализуемых на некотором языке моделирования. Термин «имитационная модель» используют в том случае, когда речь идет о проведении численных расчетов и в частности о получении статистической выборки на математической модели, например, для оценки вероятностных характеристик некоторых выходных параметров. Моделирование на

Ответственный этап создания имитационной модели представляет собой составление формального описания объекта моделирования сложной системы. Цель этапа – получение исследователем формального представления алгоритмов поведения компонентов. При составлении формального описания модели исследователь использует тот или иной язык формализации. В зависимости от сложности объекта моделирования и внешней среды могут использоваться три вида формализации: аппроксимация явлений функциональными зависимостями, алгоритмическое описание происходящих в системе процессов, комбинированное представление в виде формул и алгоритмических записей.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы Вов времени. При это имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени. В результате по исходным данным получают сведения о состояниях процесса в определенные моменты времени, дающие возможность определить характеристики системы.