С. Кастнер* , Ю.И. Нечаев**, А.Б. Дегтярев **

Построение критериальной базы нечеткого логического вывода в интеллектуальных системах реального времени (ИС РВ) является важной практической задачей, обеспечивающей надежность оценки ситуации и ее интерпретацию в соответствии с конструкцией порождающих правил [1]. Обычные критериальные оценки в этом случае связаны с использованием пороговых значений исследуемых характеристик, что на практике приводит к жесткой интерпретации результатов измерений и математического моделирования. В действительности за счет влияния многих факторов нормируемые показатели могут значительно отличаться от фактических. В условиях неопределенности и неполноты исходной информации возникает проблема надежности оценки ситуации и эффективности практических рекомендаций [2 - 4].

Одной из важных особенностей функционирования ИС РВ является возможность принятия решений в зависимости от полученных результатов измерений с последующим изменением своего поведения на базе адекватных алгоритмов. Самообучение и контроль своей работоспособности за счет автоматической проверки своей работоспособности и самокалибровки измерительных каналов - стандартные операции, определяемые концепцией разработки ИС РВ [3]. Эти особенности накладывают дополнительные ограничения на структуру адаптивных алгоритмов, обеспечивающих решение важнейших задач анализа и прогноза поведения динамического объекта в различных условиях эксплуатации.

Таким образом, Разработка методологической базы совершенствования критериальных структур в условиях неопределенности и неполноты исходной информации является актуальной задачей создания бортовых ИС РВ.

Задача совершенствования системы нормирования и разработки критериальных соотношений для оценки характеристик динамического объекта при функционировании ИС РВ может быть сформулирована следующим образом. Пусть имеется некоторый информационный оператор, позволяющий осуществлять преобразование информации о динамике взаимодействия объекта с внешней средой. Структура такого оператора должна учитывать два аспекта, определяющие основные требования к содержанию информационных потоков:

• При создании систем нормирования качеств динамического объекта, т.е. систем, работающих с неопределенностью, следует иметь в виду, что незначительная неопределенность в исходных данных в подобных задачах связана с большой неопределенностью в решении и неопределенность эта должна быть корректно учтена, так как решение представляет собой информацию о важнейшем мореходном качестве судна. При этом необходимо знать, какая из составляющих нечетких (“мягких”) вычислений и какая их комбинация наилучшим образом для решения поставленной задачи [6].
• Выбор и формулировка критериев оценки характеристик объекта должны учитывать особенности поведения судна, как динамической системы, под воздействием внешних возмущений. Обычным рабочим режимом в этом случае являются устойчивые состояния равновесия, которым в пространстве параметров соответствуют области устойчивости. Поведение систем на границе областей и в близи них зависит от условий задачи. Малые нарушения безопасных границ приводят к малым изменениям состояния системы, а малые нарушения опасных границ - к существенно новому состоянию системы, не допустимому в практике эксплуатации. Реализация этого теоретического принципа в условиях неопределенности и неполноты исходной информации связана с затруднениями в обосновании и выборе пороговых значений критериальных характеристик. Концепция “мягких” вычислений позволяет избежать этих затруднений и реализовать главный принцип этого подхода - терпимость к неточности и частично истинности для достижения интерпретируемости, гибкости решения.

Созданная на основе такого подхода обобщенная модель позволяет перейти к построению моделей формализованных задач анализа и нормирования характеристик динамического объекта. Исследование предполагает построение и рассмотрение моделей прямых и обратных задач. Решением прямой задачи анализа является переход от известной структуры и особенностей динамики системы к характеристикам и критериям остойчивости. Обратная задача (синтез) представляет собой переход от желаемых характеристик и критериальных соотношений к структуре системы и свойствам ее компонентов.

Динамика взаимодействия объекта с внешней средой может, быть представлена математической моделью

(1)

Решением этой задачи являются предельно допустимые значения выходных параметров, на базе которых формируются критериальные характеристики:

.

(3)

(4)

В качестве модели обработки знаний при анализе и нормировании характеристик динамического объекта можно рассматривать обобщенную информационную модель. Эта модель формализует информационные процессы (наблюдения, вычисления и рассуждения), направленные на решение обоснованной системы нормирования на основе синтеза адекватной математической модели взаимодействия динамического объекта с внешней средой, анализа особенностей его поведения при различном уровне внешних возмущений, выделения критических ситуаций и построения системы критериальных уравнений.

Формализованные объекты с процедурной семантикой образуют функциональный базис интеллектуальной системы, а ситуации - пространство физических состояний исследуемого объекта.

Синтез данного алгоритма предполагает построение информационной модели критериального пространства. Для решения этой задачи необходимо:

• Разработать алгоритм контроля и управления в виде множества правил, адекватно описывающих исследуемую ситуацию;
• оценить меру правильности оценки ситуации, т.е. соответствия результата интерпретации и истинного значения исследуемой характеристики;
• Построить алгоритм, обеспечивающий требуемую точность и надежность решения.

При этом следует иметь в виду, что более серьезной ошибкой является исключение хорошей (по другим критериям) альтернативы, чем включение в множество плохой альтернативы. Другой проблемой является отсутствие внутренней согласованности пороговых значений разных критериев. Под согласованностью понимается такой набор пороговых значений всех отобранных критериев, что недостижение любого из этих значений в равной степени нежелательно для оценки эффективности системы нормирования.

Носителем нечетких множеств (5) будет нечеткое множество

Разработанный на основе (5), (6) формализм позволил сформулировать нечеткие критериальные соотношения для фундаментальной системы и реализовать ее применительно к локальной и глобальной системам, используемым в композиционных правилах логического вывода ИС.

Проведенное исследование позволило сформулировать единую методологическую базу совершенствования системы анализа и нормирования характеристик динамического объекта для формирования критериальных структур. В качестве такой базы используется концепция нечеткой логики, позволяющая формализовать неопределенность исследуемой ситуации и обеспечить толерантность результата по отношению к неточности обрабатываемых информационных массивов. Базовые понятия нечеткой логики - лингвистическая переменная. Ее значениями являются нечеткие множества, определяемые соответствующими функциями принадлежности. Разработанная система критериев используется при формализации БЗ ИС [2 - 4], представляя собой рабочий математический аппарат структурирования знаний в условиях неопределенности и неполноты исходной информации. Таким образом, критериальный базис, сформулированный на основе концепции нечеткой логики, может быть реализован при построении системы критериев на стадии тестирования БЗ с учетом особенности взаимодействия динамического объекта с внешней средой.