Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)

Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)
К основным современным интеллектуальным инструментам, применяемым как совместно, так и по отдельности, позволяющим решить выделенные задачи исследования (распознавания, оптимизации, регулирования), следует отнести:

• 
  1) экспертные системы (ЭС). Представление знаний осуществляется в явном виде с помощью продукционных правил, семантических сетей и фреймообразных структур. Формирование начальных знаний реализуется с помощью эксперта в интерактивном режиме. Организация логического вывода обеспечивается путем явного сопоставления начальной посылки с категориями многоуровневой классификации, заданной иерархией продукционных правил или других представлений. Возможность пополнения знаний обеспечивается путем изменения продукционных правил, семантических сетей и других представлений. Объяснение принимаемых решений может быть обеспечено за счет анализа активизированной цепи логического вывода;
  
• 
  2) искусственные нейронные сети (ИНС). Представление знаний осуществляется в неявном виде в архитектуре сети, параметрах нейронов и связей. Формирование начальных знаний реализуется на примере обучающей выборки с помощью алгоритмических процедур настройки в автоматическом режиме. Организация логического вывода обеспечивается логикой работы сети. Возможность пополнения знаний обеспечивается путем изменения топологии, структуры и параметров сети. Объяснение принимаемых решений отсутствует, но может быть обеспечено за счет введения дополнительной объясняющей нейросети;
  
• 
  3) ассоциативную память. Представление знаний осуществляется в неявном виде в форме гиперповерхности в многомерном пространстве признаков и архитектуре ассоциативной памяти. Формирование начальных знаний реализуется путем автоматического создания ассоциативных связей по заданному алгоритму. Организация логического вывода обеспечивается проецированием рабочей точки гиперповерхности на оси выбранной системы координат. Возможность пополнения знаний обеспечивается путем изменения пространства параметров и формы соответствующей гиперповерхности. Объяснение принимаемых решений отсутствует, но может быть обеспечено за счет введения дополнительной координаты с объяснениями;
  
• 
  4) нечеткую логику. Представление знаний осуществляется в полускрытом виде с помощью продукционных правил и функций принадлежности, отражающих взаимосвязь входных и выходных лингвистических переменных и их физическую значимость. Формирование начальных знаний реализуется с помощью эксперта в интерактивном режиме или в автоматическом режиме на основе анализа статистических данных о функционировании системы. Организация логического вывода обеспечивается выполнением продукционных правил и выбранным методом обработки функций принадлежности. Возможность пополнения знаний обеспечивается за счет изменения системы правил, формы и относительного размещения функций принадлежности на базовых осях. Объяснение принимаемых решений отсутствует, но может быть обеспечено за счет анализа срабатывающих правил.
  

распознавания дефектов поверхности
Использование интеллектуальных информационных технологий способно вывести дефектоскопию рельсов на новый уровень эффективности и надежности. Наличие интеллектуальной системы распознавания дефектов в потоке производства проката позволяет оперативно реагировать на их появление и тем самым повысить выход годного, что является целью любого предприятия.
Для эффективного решения вопроса автоматизации процесса снижения брака, авторы статьи [24] использовали экспертную систему продукционного типа, интегрирующую два подхода: визуально-логический способ определения дефекта по морфологическим признакам его поверхности (цвету, блеску, шероховатости), форме, расположению, структуре; интеллектуальноматематический способ обработки технологических параметров процесса изготовления с целью определения причин возникновения дефектов и способов их ликвидации. Суть работы экспертной системы состоит в том, что оператору-контролеру предлагается группа цветных фотографий типовых дефектов поверхности с описанием характерных признаков для определения схожести с рассматриваемым дефектом. После выбора изображения наиболее похожего дефекта, оператору предлагается следующая группа фотографий этого дефекта, но с некоторыми его особенностями (например, если оператор выбрал тип дефекта «раковина», то на следующем этапе экспертная система предложит на выбор фотографии гладкой и шероховатой раковины и т.д.). Получив правильную классификацию дефекта (раковина гладкая, светлая, рассредоточенная), оператор выполняет отбор предложенных типовых причин возникновения дефектов, на основе данных об основных технологических переменных. Сочетание нескольких причин либо подтверждает, либо опровергает установленный ранее тип дефекта, что возможно за счет знаний, извлеченных из опыта контролеров, технологов (экспертов). Существенным недостатком рассмотренной системы является отсутствие автоматического распознавания поверхностных дефектов проката.
В работе [25] описана экспертная система оценки качества и диагностирования причин возникновения поверхностных дефектов отливок на основе имитационного моделирования уплотнения формы. Ее разработка обусловлена многообразием причин и видов дефектов, сложностью их диагностирования и прогнозирования и требованиями от оператора-технолога высокой квалификации и умения по памяти или с помощью литературных данных моделировать подобные ситуации. Предложенная экспертная система, работающая в диалоговом режиме, выполняет следующие основные функции: организацию, накопление и ведение собственной базы знаний; оценивание качества отливок по результатам имитационного моделирования; распознавание и диагностику причин возникновения дефектов; формирование рекомендаций по корректированию технологического процесса. При работе ЭС совместно с системой имитационного моделирования уплотнения формы, ЭС целесообразно использовать для оценки вероятности появления дефектов отливок как информации об оптимальности анализируемого режима формообразования. Недостатком рассмотренной ЭС является отсутствие автоматического распознавания поверхностных дефектов, а также то, что при распознавании не используются изображения дефектов, а только лишь их качественные признаки.
Задачу классификации дефектов, согласно технической инструкции, решает человек (специалист) и решает ее эмпирически, действуя на основании своего опыта и интуиции, поэтому если создавать интеллектуальное устройство распознавания, то оно должно отражать его знания. Поскольку искусственные нейронные сети содержат в себе опыт и знания специалистов, обладают свойством надежности и хорошо делают то, чему их научили, автор статьи [26] использовал их для распознавания внутренних дефектов. Последнее осуществлялось путем подачи на вход ИНС сигналов от ультразвукового дефектоскопа. Однако задача распознавания поверхностных дефектов в работе [26] не рассмотрена.
Рассмотрим системы (промышленные комплексы) неразрушающего контроля качества поверхности проката, позволяющие своевременно распознать дефекты. Они основаны на составлении компьютерного каталога эталонов дефектов, поэтому классификация может быть лишь настолько эффективной, насколько хорош сам каталог. К основным видам таких систем следует отнести [27]:

• 
  1) систему со стационарно смонтированными видеокамерами (компания Thyssen Krupp Stahl AG), позволяющую осуществлять автоматическую классификацию дефектов поверхности. Изображения поверхности, полученные отдельными видеокамерами, объединяются в общую картину по всей ширине полосы. После окончания прокатки полосы эта система выдает так называемую «карту полосы», на которой схематично представлены все найденные и классифицированные дефекты. Контролеру для лучшего визуального обзора предлагается это изображение в виде сигнальных ламп разного цвета, что позволяет дать оперативную оценку качества всей полосы, например, если «лампы зеленого цвета», то «дефекты не обнаружены», если «лампы желтого цвета», то «на поверхности возможны дефекты», если «лампы красного цвета», то «дефекты обнаружены». Дефекты поверхности, распространяющиеся на несколько изображений, объединяются и распознаются как один дефект. Оператор-контролер может создавать особые классы нетиповых дефектов, путем объединения их изображений, выдаваемых системой. Затем по изображениям дефектов одного класса автоматически рассчитывается комплекс их информативных признаков;
  
• 
  2) систему визуального контроля поверхности проката (компания KNORR TECHNIK), позволяющую автоматически обнаруживать и идентифицировать дефекты, даже при наличии окалины на поверхности проката (рельсов), посредством специальной спектральной подсветки с разных сторон и компьютерной обработки изображения этой поверхности (камеры слежения расположены с четырех сторон). Специально разработанный алгоритм устанавливает и различает такие дефекты, как чешуйки, трещины, выбоины, выпуклости, а также клеймение и гравировку;
  
• 
  3) систему контроля качества поверхности стальной полосы, основанную на оптоэлектронном методе выявления и классификации поверхностных дефектов (компания МАЛЛЕНОМ). Основные функции системы: визуальный контроль состояния поверхности движущейся стальной полосы; определение присутствия дефектов определенных типов в поле слежения в каждый момент времени; оповещение контролера в случае выявления «подозрительного» участка; автоматическое обнаружение и классификация дефектов; ведение базы дефектов по каждому рулону, с указанием номера рулона, типа, размеров и положения каждого дефекта; печать необходимых сопроводительных документов и статистических отчетов. Режимы работы системы: автоматизированный визуальный контроль, основанный на записи видеосигнала в цифровой форме на магнитный носитель, предназначен для обеспечения оператору-контролеру более эффективного доступа к контролируемой поверхности. Оператор имеет возможность вручную указать местонахождение и тип обнаруженного дефекта; полуавтоматический контроль означает, что система обнаруживает дефекты без участия человека. В случае выявления «подозрительного» участка система предоставляет оператору изображение области предполагаемого дефекта. Оператор просматривает выделенные системой кадры и подтверждает либо отменяет решение о наличии дефекта, а также вручную указывает тип дефекта; автоматический контроль предполагает, что система обнаруживает и классифицирует дефекты самостоятельно, сохраняя информацию о типе, размере и расположении дефектов, а также изображения самих дефектов;
  
• 
  4) систему инспекции качества полосы проката (компания «ДАТА-ЦЕНТР»). Система позволяет автоматизировать технологический процесс контроля качества полосы проката, раскроя рулонов и определения их сортности. Основные модули системы: модуль специального освещения обеспечивает освещение и видеоконтроль по всей ширине полосы с обеих сторон; сканирующий модуль представляет собой комплекс видеокамер, имеющий кабельную связь с модулем распознавания. Здесь осуществляется первичная обработка изображения. Модуль размещается над полосой проката; модуль распознавания дефектов предназначен для анализа изображения, обнаружения дефектов, создания протокола контроля качества рулона; сервер баз данных обеспечивает сохранение паспортов рулонов, архивов изображений дефектов; АРМ контролера обеспечивает просмотр протокола и видеоизображений дефектов. Здесь же автоматически формируются рекомендации по раскрою рулона и определению его сортности, которые могут быть подтверждены либо скорректированы оператором. Основные функции системы: автоматическое определение дефектов металла, не зависящее от квалификации персонала и других субъективных факторов при заданной скорости производства проката; классификация дефектов с использованием самообучения системы, хранение данных по продукции и дефектам в течение длительного времени; создание электронной версии сопроводительной документации на каждый рулон металла с указанием типов обнаруженных дефектов, их размеров и расположения.