Современные методы диагностики тяговых трансформаторов железных дорог и построение экспертной системы для обработки результатов тепловизионной диагностики тяговых трансформаторов ВСЖД (стр. 18 из 25)

Однако действительность не укладывается в рамки классической логики. Приходится изобретать новые логики или модернизировать старые, чтобы включить в них временные, модальные и иные категории. Но для этих логик не существует автоматических систем вывода. Так называемая “человеческая логика”, применяемая при работе с неструктурированными знаниями, - это интеллектуальная модель с нечеткой структурой, и в этом ее отличие от старой логики. Таким образом, логики, адекватно отражающей человеческое мнение, к настоящему времени еще не создано.

К недостаткам логического представления знаний можно отнести и сложность создания подсистемы объяснения - важной части экспертной системы.

4.2.2 Фреймовая модель

В области искусственного интеллекта термин фрейм относится к специальному методу представления общих концепций и ситуаций. Марвин Минский, предложивший идею фреймов, описывает его следующим образом:

“Фрейм - это структура данных, представляющая стереотипную ситуацию, вроде нахождения внутри некоторого рода жилой комнаты, или сбора на вечеринку по поводу дня рождения ребенка. К каждому фрейму присоединяется несколько видов информации. Часть этой информации - о том, как использовать фрейм. Часть о том, чего можно ожидать далее. Часть о том, что следует делать, если эти ожидания не подтвердятся”.

Собственно структура, описывающая некоторую ситуацию, называется фреймом-прототипом. Для отображения же конкретной ситуации используются фреймы-экземпляры, у которых позиции фрейма-прототипа (слоты) заполнены конкретными значениями. С каждым слотом можно связать любое количество процедур. Чаще всего со слотами связываются следующие процедуры:

1) если - добавлено выполняется, когда новая информация помещается в слот;

2) если - удалено выполняется, когда информация удаляется из слота;

3) если - нужно выполняется, когда запрашивается информация из слота, а он пустой.

Системы, основанные на фреймах, хороши в тех предметных областях, где ожидания относительно формы и содержания данных играют важную роль (например, в таких областях, как интерпретация визуальной информации или понимание речи).

Достоинства фреймовых моделей - естественность, наглядность представления, модульность, поддержка возможности использования правил умолчания.

Основным недостатком фреймовых моделей является отсутствие механизмов управления выводом. Отчасти этот недостаток может быть устранен при помощи присоединенных процедур, однако при таком подходе затрудняется управление завершенностью и постоянством целостного образа. В частности, по этой причине существует большая опасность нарушения корректности присоединенных процедур.

4.2.3 Семантические сети

Основой модели семантической сети является формализация знаний в виде ориентированного графа с размеченными вершинами (узлами) и дугами.

Вершины могут соответствовать общим понятиям, константам, типовым переменным, событийным фреймам, фреймам-характеристикам, логическим функциям и предикатам.

Дуги представляют теоретико-множественные, логические и другие отношения. Обычно для представления иерархии используются дуги типа является и имеет часть. Такие дуги устанавливают свойство иерархии наследования в сети: элементы более низкого уровня в сети могут наследовать свойства элементов более высокого уровня. Это экономит память, поскольку информацию о сходных вершинах не нужно повторять в каждой вершине сети. Вместо этого такая информация может размещаться в одной из вершин высокого уровня иерархии.

Семантические сети, используемые для описания естественных языков, используют дуги типа агент, объект, реципиент.

Однако события, представленные в виде транзитивных формул, сложно представить с помощью семантической сети. Кроме того, семантические сети считаются малопригодными для построения формальных моделей реального мира или его частей.

4.2.4 Представление знаний с использованием правил

На языке ЭС термин правило имеет более узкое значение, чем в обычном словоупотреблении. Он относится к наиболее популярному способу представления знаний [19, 20, 21, 22]. Правила выражаются в виде утверждений типа ЕСЛИ-ТО:

ЕСЛИ условие ТО действие

Под условием подразумеваются обстоятельства, при которых должно использоваться правило, а под действием - то, что должно происходить, когда левая часть правила соответствует логическому значению истина.

Действие может быть любым, но обычно речь идет о выводе заключения как части аргументации или доказательства. Пример правила, по которому экспертная система mycin (ЭС медицинской диагностики) выдает заключение:

ЕСЛИ реакция микроорганизма положительная и форма микроорганизма - кокк

ТО с вероятностью 0.7 этот микроорганизм является стрептококком.

Иногда в правиле ЕСЛИ a ТО b a называют антецедентом или посылкой правила, b - консеквентном, следствием или заключением.

Важное место в продукционных моделях (основанных на правилах) занимают стратегии вывода, то есть перехода от одного правила к другому. Различают прямую и обратную стратегии вывода (или цепочки рассуждений).

Прямой вывод (прямая цепочка рассуждений) предполагает использование существующих фактов и правил для дедукции (логического вывода) новых фактов (предположений), а также фактов, которые неявно существовали и раньше, но могут быть сделаны явными посредством применения правил (набор известных фактов обычно называется базой данных).

Этот метод называется прямой цепочкой рассуждений, поскольку поиск новой информации происходит в направлении стрелок, разделяющих левые и правые части правил. В нашем примере (Рисунок 31) было выведено, что существуют ситуации X,Y и Z.

Прямую цепочку используют, например, xcon (ЭС, помогающая фирме Digital Equipment Corporation (dec) подбирать для клиентов конфигурацию компьютеров vax), dendral(знаменитая система химического анализа) и другие системы.

Обратный вывод (обратная цепочка рассуждений) начинаем с заключения, которое представляет для нас интерес и не является явным (истинным фактом). Оно не находится среди хранимых фактов, когда мы запускаем систему. Мы хотим выяснить, обусловлен (подразумевается) ли данный факт другими, известными нам фактами и правилами, существует ли некий образец рассуждений, который может установить истинность этого факта? В этом случае мы должны идти в обратном направлении и попытаться определить достоверность всех посылок в тех правилах, которые могут применяться для установления истинности

На шаге 1 (Рисунок 32) системе говорится, чтобы она установила (если сможет), что ситуация Z существует. Сначала она проверит базу данных в поисках Z и установит отсутствие факта Z. конечного вывода (заключения). Перемещение на несколько уровней назад в древовидной структуре даст нам факты, которые являются истинными (явными).

На шаге 2 система будет искать среди правил то, которое приводит к установлению факта Z, то есть правило, у которого Z стоит справа от стрелки (Z - заключение правила). Она находит правило D&Y=>Z и решает, что должна установить факт Y, чтобы вывести Z (факт Dв базе данных имеется).

На шаге 3 система пытается установить факт Y, сначала проверяя базу данных, а затем найдя правило, в правой части которого стоит Y. Из этого правила (C&X=>Y) система решает, что должна установить существование факта X для получения заключения Y (факт С в базе данных имеется).

Рисунок 31 - Пример прямой цепочки рассуждений

На шаге 4 система пытается установить факт Х, сначала проверяя базу данных, а затем найдя правило, в правой части которого стоит Х. Из этого правила (А&В=>Х) система решает, что должна установить существование фактов А и В для получения заключения Х (факты А и В в базе данных имеются).

На шагах 5-7 система выполняет первое правило, чтобы установить Х, затем выполняет второе правило, чтобы установить Y, и, наконец, выполняет третье правило, чтобы установить основную цель - факт существования Z.

Цепочка выводов, созданная здесь, идентична той, что была создана в

результате прямой цепочки рассуждений. Отличие этих подходов заключается в способе поиска правил и данных.

Наиболее известными ЭС с обратным выводом являются mycin, системы, сделанные на его основе, prospector (ЭС, помогающая определить месторождение полезных ископаемых) и другие.

Возможно и совместное использование прямого и обратного выводов путем их чередования.

Рисунок 32 - Пример обратной цепочки рассуждений

4.3 Концепция экспертной системы для обработки результатов ТВО трансформаторов

Процедуры оценки состояния силовых трансформаторов (СТ) и, в частности, тяговых и районных понизительных (РПТ) достаточно хорошо методически проработаны и описаны в нормативных и руководящих документах, хотя методика оценки состояния изношенных СТ находится на пути становления.

В дистанциях электроснабжения филиалов ОАО «РЖД» имеется современная вычислительная техника, которая может обеспечить соответствующую информационную поддержку персоналу, связанному с процессом функционирования тяговых трансформаторов (ТТ) и РПТ. Для обработки большого объема сложной, неопределенной, неоднозначной, противоречивой и эвристической информации необходимы специальные информационные системы (ИС), оказывающие пользователям поддержку в принятии решений [77]. Достаточно эффективная ИС должна включать реляционную базу данных, продукционную базу знаний (БЗ) и экспертную систему (ЭС).