Курс Интеллектуальные средства автоматизации. Модуль Конспект лекций и концепт-карты основных тем

Система поддержки принятия решений

СПР – компьютерная автоматизированная система, которая помогает людям принимать решение для полного и объективного анализа предметной деятельности в сложных условиях.

Одним из главных свойств интеллектуальности системы поддержки принятия решения является способность к поиску, конструированию и выводу решения, которое в готовом виде не содержится в системе.

Общая структурная схема интеллектуальной системы поддержки решений приведена на рис. 1.14.

Рис. 1.14. Структурная схема интеллектуальной СПР

Функционирование интеллектуальной СПР

Модель функционирования данной СПР можно представить в виде четырехуровневого графа, изображенного на рис. 1.15.

Первый уровень u1 – описание признаков проблемной ситуации,

Второй уровень u2 – обобщенная модель всех проблемных ситуаций,

на третьем уровне u3 представлена модель формирования гипотез о причинах возникновения проблемных ситуаций.

Четвертый уровень u4 – проверка гипотез и реализация решений, устраняющих проблемные ситуации. Каждой гипотезе уровня u3 соответствует модель уровня u4.

Рис. 1.15. Граф функционирования интеллектуальной СПР

Человеко-машинный интерфейс

– Посредники в обмене информацией между человеком и оборудованием – средства человеко-машинного интерфейса (human-machine interface, HMI), к которым относятся операторские панели.

– Автоматизированное рабочее место оператора представляет собой персональный компьютер. На рис. 1.16. изображена рабочая станция оператора системы SIMATIC PCS7 производства Siemens.

Рис. 1.16. Пример промышленной рабочей станции оператора

Классификация систем с искусственным интеллектом

Разделяют три основные вида систем с искусственным интеллектом по типу построения

– основанные на нечеткой логике

– основанные на экспертных знаниях

– основанные на нейросетях

Нечетная логика

Термин «fuzzy logic» или «нечеткая логика» означает: логическое исчисление, которое является расширением многозначной логики и основана на теории нечетких множеств

История создания систем с нечеткой логикой:

В конце 1960-х профессор Калифорнийского университета Латфи Заде предложил теорию нечеткой логики. Работа Латфи Заде «Fuzzy Sets» (нечетные множества), опубликованная в 1965 году в журнале "Information and Control" заложила основы моделирования интеллектуальной деятельности человека.

Общая структура микроконтроллера, основанного на нечеткой логике, содержит:

– Базу знаний;

– Блок фаззификации (преобразует четкие величины, измеренные на выходе объекта управления, в нечеткие величины, которые описаны лингвистическими переменными в базе знаний);

– Блок решений (использует нечеткие условные правила, заложенные в базу знаний, для преобразования нечетких входных данных в необходимые управляющие влияния, которые также носят нечеткий характер);

– Блок дефаззификации (превращает нечеткие данные с выхода блока решений в величину, которая используется для управления объектом).

Рис.1.17. Структура микроконтроллера с нечеткой логикой

В качестве примера известных микроконтроллеров, использующих нечеткую логику, можно назвать 68HC11, 68HC12 фирмы Motorola (представлен на рисунке), MCS-96 фирмы Intel и другие.

Рис.1.18. Микроконтроллер с нечеткой логикой MCS-96

Преимущества применения ИИ

– возможность оперировать нечеткими входными данными;

– возможность нечеткой формализации критериев оценки и сравнения: оперирование критериями "большинство", "возможно", преимущественно" и т.д.;

– возможность проведения качественных оценок входных данных и выходных результатов;

– возможность проведения быстрого моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности.

Экспертная система

Экспертная система – это набор программ, который выполняет функции эксперта при решении задач из некоторой предметной области. Экспертные системы проводят анализ, дают консультации, ставят диагноз.

Основными отличиями экспертных систем от других программных продуктов являются:

– использование данных и знаний;

– наличие специального механизма вывода решений;

– создание новых знаний на основе имеющихся.

Состав экспертной системы

Экспертная система состоит из следующих компонентов:

– решателя;

– рабочей памяти (РП), называемой также базой данных (БД);

– базы знаний (БЗ);

– компонентов приобретения знаний;

– объяснительного компонента;

– диалогового компонента.

Рис.1.19. Структура экспертной системы

В разработке ЭС участвуют представители следующих специальностей:

– эксперт в проблемной области, задачи которой будет решать ЭС;

– инженер по знаниям – специалист по разработке ЭС;

– программист по разработке инструментальных средств, предназначенных для ускорения разработки ЭС.

Карта памяти Классификация ИСА и СУ

Рис.1.20. Карта памяти Классификация ИСА