 |
||
|
||
Концепция мягких вычислений в бортовых интеллектуальных системах реального времени
Ю.И. Нечаев, Ю.Л. Сиек, Д.А. Васюнин
Государственный морской технический университет, Санкт-Петербург, Россия
Abstract — The problem of insuring of safety motion conditions (speed and course angle) is considered. It is based on taking into account seakeeping performance, ship strength and concept of soft computing. Problem formalization in uncertain conditions and incompleteness of initial data is based on fuzzy logic. Multicriteria optimization is performed with the help of genetic algorithms (GA) and theory of artificial neural networks (ANN). Numerical example is shown in the report. So it is possible to judge about efficiency of proposed algorithm in real-time intelligence systems (IS).
Введение
Динамика судна на волнении - одна из сложных проблем, связанных с исследованием взаимодействия судна в внешней средой в штормовых условиях. Неопределенность исходной информации и неполнота данных о физических картинах взаимодействия приводят к необходимости всестороннего изучения особенностей поведения судна на волнении как существенно нелинейной динамической системы при различном характере внешних возмущений. Одна из важных задач, возникающих при решении проблемы управления и принятия решений в сложной гидрометеорологической обстановке, связана с выбором безопасных условий штормования, исходя из обеспечения мореходных качеств и прочности судна. Решение этой задачи многокритериальной оптимизации с использованием стохастических алгоритмов приводит к громоздким вычислениям, трудно реализуемым в РВ. Поэтому при формализации знаний в ИС обеспечения безопасности мореплавания приходится уменьшать число используемых критериальных уравнений, ограничиваясь учетом требований к остойчивости, качке и прочности судна на волнении [1]. При этом возникают ситуации, когда необходимо принимать во внимание все возможные комбинации определяющих параметров, подлежащих оптимизации. Эффективное решение этой сложной задачи в РВ может быть достигнуто на базе концепции мягких вычислений, позволяющей формализовать информационные процессы в задаче многокритериальной оптимизации с использованием ГА, ИНС и методов нечеткой логики [2].
1. Постановка задачи
Повышение степени интеллектуальности технических систем в современных условиях достигается за счет использования математического обеспечения подходов и методов бурно развивающегося в рамках теории искусственного интеллекта нового научного направления, получившего название мягкие вычисления (soft computing)
. Фундаментальной основой этого направления являются теоретические принципы формализации знаний, используемых при организации проектирования и функционирования систем, с учетом их неточности и неопределенности, а также их алгоритмическая обработка при принятии решений или выборе операций поддержки целенаправленных действий [2]. Принципиальными компонентами мягких вычислений являются нечеткая логика, теория ИНС и ГА. Настоящее исследование связано с использованием концепции мягких вычислений при решении одной из наиболее сложных проблем, возникающих при функционировании ИС РВ, - выдаче практических рекомендаций по управлению судном в штормовых условиях. Практическая реализация этой задачи связана с разработкой эффективного алгоритма анализа информации, поступающей от измерительной системы и процедурной компоненты БЗ, обеспечивающей математическое моделирование поведения судна в исследуемой ситуации. При описании информационных и процедурных элементов мягких вычислительных процессов положения нечеткой логики позволяют формализовать неточность и неопределенность, а нейронные сети и ГА - организовать обучение в процессе выполнения вычислений и их высокопроизводительную реализацию.2. Функционирование ИС в нечеткой среде
Рассмотрим судно как динамическую систему (рис. 1), поведение которой в нечеткой среде описывается вектором состояния
На.
систему воздействуют внешние возмущения
(волнение, ветер), характеризуемые вектором 
.
Выходные координаты системы 
представляют собой
регулируемые величины, зависящие от управляющих
воздействий 
под которыми в рассматриваемой
задаче понимаются курсовой угол волны j
и скорость судна v.
Функционирование ИС, осуществляющей оперативный контроль ситуации и выдачу практических рекомендаций
R1,? ,RN по управлению судном в штормовых условиях U1,? ,UQ , обеспечивается на основе компьютерной программы обработки информации в РВ. Исходная информация поступает от датчиков измерительной системы. Наблюдения фиксируются в дискретные моменты времени 1,2,...,t и характеризуют траектории измерений, образующих информационный вектор
,
где q , ? , y - параметры колебательного движения судна на волнении;
T- время измерений.Анализ имеющейся информации позволяет установить фактическое состояние судна и параметры ветроволновых возмущений. Принятие решений по управлению судном в штормовых условиях ведется на основе формализованной системы знаний(БЗ),включающей декларативную и процедурную компоненты. При этом процедурная компонента содержит значительное число операций, использующих численные алгоритмические методы.
3.Алгоритмы преобразования информации
Алгоритмы преобразования информации при реализации механизма логического вывода в рассматриваемой задаче могут быть представлены на основе продукционной модели [2], [3]:
<ЕСЛИ X, ТО Y,ИНАЧЕ Z> ;(X ® Y (Z)). |
(1) |
При интерпретации ядра продукции (1) в антецеденте импликации используют различные встроенные процедуры. В частности, в ИС обеспечения мореходных качеств судов применена процедура решения задачи математического программирования следующего вида
|
(2) |
при векторе ограничений
|
(3) |
где
n-мерный вектор фазовых координат;
-m-мерный
вектор варьируемых параметров.
В условиях многокритериальной оптимизации аналитические методы решения оптимизационных задач связаны с большими вычислительными сложностями. Поэтому при практической реализации задач (2), (3) приходится прибегать к использованию различных упрощающих предположений, что снижает надежность рекомендаций, выдаваемых ИС. Указанные особенности задачи можно учесть за счет использования концепции мягких вычислений. В этом случае элементы нечеткой логики позволяют обеспечить толерантность результата по отношению к неточности и неопределенности обрабатываемых информационных массивов, возможности ГА - находить субоптимальные решения, а ИНС - проверять ограниченное число найденных решений с целью определения оптимального из них.
Рассмотрим пути реализации концепции мягких вычислений в исследуемой задаче.
Нечеткая логика
. Формализация нечеткого логического вывода в соответствии с конструкцией (1) осуществлялась путем использования нечетких условных высказываний. Результат выполнения условного нечеткого оператора характеризуется выражением [3]:
|
(4) |
где
X, Y, Z - нечеткие множества, определенные на универсальных множествах U, V, W (XI U, YI V, ZI W); m x - функция принадлежности, характеризующая степень истинности условия X.Однозначность определения группы операторов продолжения устанавливалась после вычисления m
x по заданному порогу степени истинности g 0I [0, 1]:
|
где
- результат выполнения оператора.
Если нечетким множеством, определяющим вход и выход системы, поставлены в соответствие контекстно зависимые метки на естественном языке, то использовались лингвистические модели.
Генетические алгоритмы.
Генетические алгоритмы - нетрадиционные оптимизационные структуры, в основу которых заложены некоторые особенности биологической эволюции на уровне механизма кодирования и наследования. Применение этого необычного математического аппарата открывает возможности использования новых подходов для решения сложных задач классификации с использованием параллельных архитектур. Наиболее часто ГА находят применение в задачах оптимизации и представляют собой класс методов, обладающих наилучшими нелокальными свойствами.
Формальное описание ГА дает зависимость
|
(5) |
где
- исходная популяция; 
- решение
задачи, представленное в виде хромосомы; l - целое число (размер популяции); I - целое число (длина каждой
хромосомы популяции); S -
оператор отбора; R -
отображение, определяющее рекомбинацию
(кроссинговер, мутация); F -
функция оптимальности; t -
критерии остановки.
При использовании ГА в задачах оптимизации простой рандомизированный перебор при поиске минимума по методу Монте-Карло можно заменить на хранение популяции лучших с точки зрения функционала объектов и добавления новых объектов посредством мутации одного старого объекта, либо посредством кроссинговера - обмена подобными частями у двух случайных старых объектов. Мутация - это почти полный аналог случайного шага в методе Монте-Карло, а кроссинговер и популяция привлечены из биологии, где естественный отбор оптимизирует генотип подобным образом [4]. Поток информации при реализации ГА в задаче выбора оптимальных условий штормования представлен на рис.2.
Искусственные нейронные сети. В задачах синтеза ИС ГА позволяют находить на множестве. возможных решений субоптимальные решения, которые передаются в качестве входной информации в ИНС, где отбираются наиболее подходящие решения. Построение структуры ИНС ведется в такой последовательности. На первом этапе путем кодирования структуры в виде хромосомы формируется исходная популяция сетей, удовлетворяющая некоторым заданным свойствам. Далее производится обучение каждой сети. Из популяции выбираются две "родительские хромосомы", кодирующие те сети, которые удовлетворяют заданному правилу отбора. Над выделенными хромосомами производится ряд генетических операций (кроссинговер, мутация и инверсия), что приводит к изменению топологии соответствующих сетей, после чего они возвращаются в популяцию.
Реализация логического вывода с использованием концепции мягких вычислений
представлена на рис.3.
Заключение
Проведенное исследование свидетельствует о больших возможностях использования концепции мягких вычислений при решении сложных задач управления и принятия решений в условиях неопределенности и неполноты исходной информации. Как показывают выполненные расчеты, реализация разработанного алгоритма многокритериальной оптимизации в механизме логического вывода позволяет обеспечить функционирование ИС в РВ с выдачей надежных рекомендаций по управлению судном в штормовых условиях. Еще больший эффект следует ожидать в случае применения современных вычислительных средств на базе процессоров нечеткой логики и нейрокомпьютеров.
Литература
| Site of Information
Technologies Designed by inftech@webservis.ru. |
|
,
,
,