Гринда
Форум        |       Ссылки
 

 

ШКАЛИРОВАНИЕ ВХОДНОЙ ИНФОРМАЦИИ

ШКАЛИРОВАНИЕ ВХОДНОЙ ИНФОРМАЦИИ В КОРАБЕЛЬНЫХ СИСТЕМАХ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ

Е.А.Бубнов, к.т.н., доцент, СПбГЭТУ
Д.А.Скороходов, д.т.н., профессор, ИПТ РАН

Системы информационной поддержки (СИП) - это комплекс программно-аппаратных средств, выполненных с использованием новых информационных технологий и предназначенных для поддержки процесса принятия решений оператором в нормальных и аварийных ситуациях (по [1]).

Одной из важных функций СИП является сбор и предварительная обработка информации о состоянии объекта управления (ОУ). Здесь под сбором понимается ввод текущих значений признаков состояния ОУ по каналам связи, а под предварительной обработкой - вычисление скорости и направления их изменения, определение факта нахождения в наперед заданном диапазоне и т.п. Рассмотренная функция является определяющей для дальнейшего адекватного распознавания текущего состояния объекта управления и формирования советов оператору.

По способу поступления входной информации СИП классифицируются на информационно-независимые, информационно-зависимые [1] и смешанные. Информационно-независимые СИП реализуют тривиальный вариант сбора текущей информации о состоянии ОУ, при котором ввод всех исходных данных осуществляется оператором средствами ПЭВМ СИП. Например, к такого типа системам относится система “БИМС” СПБМТ “Малахит” [2]. В информационно-зависимых СИП поступление входной информации организовано автоматически по каналам связи с объектом управления (системой контроля). Такой вариант реализации СИП показан в [3]. Промежуточным вариантом являются СИП смешанного типа, в которых часть информации, как правило параметрическая, поступает автоматически, а непараметрическая информация вводится вручную оператором.

Различия в способах поступления входной информации определяются классом принадлежности. Основными классами входной информации СИП являются параметрическая (или физическая [4]) и непараметрическая (или психологическая [4]) информация.

К классу параметрической информации относятся текущие значения технологических параметров (ТП) объекта управления и их производные: скорость, направление изменения, факт нахождения в допустимом диапазоне и т.п. Как правило, текущие значения ТП поступают от системы контроля ОУ, а определение их производных реализуется в СИП на этапе предварительной обработки.

Непараметрическая информация - суть субъективная оценка оператором значений, тенденций изменения признаков состояний ОУ, которые не обрабатываются системой контроля либо автоматический контроль которых затруднен, невозможен или нецелесообразен. К таким признакам, например, относят наличие воды, пара в помещениях, интенсивность течи и т.п.

Характерной особенностью большинства корабельных объектов управления является нечеткость или даже противоречивость проявления признаков состояний. Нечеткость проявления признака характеризует его свойство находится в наперед заданном диапазоне в одном и том же состоянии (режиме функционирования) объекта управления. Эта особенность характеризуется численным параметром - степенью интенсивности проявления признака R. Противоречивость проявления признака характеризует свойство отдельных признаков принимать значения, противоположные фактическому состоянию ОУ. Численно эта особенность характеризуется параметром - степенью противоречивости проявления признака R-.

Таким образом видно, что информация о состоянии корабельного объекта управления, поступающая в СИП различается во-первых, по своей физической природе, во-вторых, по способам передачи в СИП, в третьих, является нечеткой. Эти обстоятельства предопределяют необходимость шкалирования входной информации - приведения всех признаков состояний объекта управления к одному обобщенному безразмерному показателю.

В 1965 году Л.Заде [5] ввел понятие нечеткого множества, которое можно описать в виде так называемой функции принадлежности [6]. Эта функция ставит в соответствие числовым значениям в данном случае признака состояния числа из диапазона шкалы L=[RMIN<;RMAX]. Примеры графического представления признаков “температура теплоносителя высокая” и “давление в контуре нормальное” показаны на рис.1 и рис.2 соответственно.

Рис.1. Графическое представление признака "температура теплоносителя высокая"

Рис.2. Графическое представление признака "давление в контуре нормальное"

Видно, что оба признака различной физической природы с помощью функции принадлежности (в данном случае линейной) приводятся к единому обобщенному безразмерному показателю R=[0;1], в результате чего признаки приобретают новое полезное свойство сравнимости между собой. Процесс преобразования значения признака в нечеткий формат называют еще фаззификацией [7].

Основными вопросами шкалирования входной информации являются во-первых, выбор приемлемой шкалы L, во-вторых, выбор функции принадлежности.

При выборе шкалы необходимо учитывать ряд требований, важнейшие из которых:

- шкала, в конечном итоге, должна быть числовой и безразмерной для обеспечения сравнимости признаков различной физической природы.

- шкала должна быть универсальной, т.е. применимой как к параметрической, так и к непараметрической входной информации.

- шкала должна иметь область определений для всех значений всех признаков состояний объекта управления.

В [5] отмечено, что оценкам интенсивности проявления признаков, используемых обычно человеком, присущи следующие основные черты:

- качественность оценок. Использование словесных оценок для измерения свойств, для которых не разработаны количественные шкалы, например: “интенсивно”, “чрезвычайно опасно”.

- приблизительность оценок. Использование их даже тогда, когда свойство может быть измерено по количественной шкале. Например: “быстро”, “очень быстро”.

- использование противоположных, биполярных оценок: “быстро - медленно”, “опасно - безопасно”.

- наличие нейтральной оценки: “средний уровень”, “не истинно - не ложно”.

- использование модификаторов оценок: “очень”, “чрезвычайно”, “почти”.

- симметричность градаций противоположных оценок: “очень быстро - очень медленно”.

- использование 5ё7 градации при оценке свойств.

Отмеченные особенности используемых шкал позволяют выделить обобщенную универсальную структуру для лингвистической оценки степени интенсивности проявления признаков состояний.

(1)

Значения градаций лингвистической шкалы показаны в таблице 1.

Таблица 1.Значения градаций лингвистической шкалы

С обладание свойством (признаком)
Аанти
Ннейтрально
Ппочти
Оочень
Ээкстра (очень-очень).

При исключении модификатора “почти” шкала может быть приведена к виду:

(2)

Каждой градации от ЭАC до ЭС может быть поставлен в соответствие ее номер Rj=[-6...+6] или Rj=[-3...+3] (нижние индексы в шкалах L1 и L2). В общем случае, шкала является лишь порядковой, но номера градаций можно использовать как балльные оценки интенсивности проявления признаков. И, в общем случае, “балльность” шкалы может быть произвольной:

L=[RMIN,RMIN+1,...0,...RMAX-1,RMAX] (3)

В некотором случае целесообразно использование пятибалльной шкалы Rj=[-5...0...+5], которая хорошо интерпретируется операторами в ассоциации, например, со школьными оценками. Значения лингвистических переменных представлены в таблице 2.

Таблица 2. Значения лингвистических переменных

Балльная оценка

Обозначение

Значение лингвистической переменной

-6

ЭАС

очень высокая уверенность в отсутствии признака

-5

ПЭАС

почти очень высокая уверенность в отсутствии признака

-4

ОАС

полное отсутствие признака

-3

ПОАС

почти полное отсутствие признака

-2

АС

отсутствие признака

-1

ПАС

почти отсутствие признака

0

среднее проявление (нет информации)

+1

ПС

чуть больше, чем среднее проявление признака

+2

С

проявление признака

+3

ПОС

почти очень сильное проявление признака

очень сильное проявление признака

+5

ПЭС

почти предельный уровень проявления признака

+6

ЭС

предельный уровень проявления признака

С использованием лингвистической шкалы возможно численное определение степени интенсивности и противоречивости проявления признаков. Интенсивность проявления признаков определяет степень входной неопределенности признаков СВН и степень входной противоречивости признаков СВП.

Степень входной неопределенности:

(4)

где n - количество проведенных тестов; Rj - интенсивность проявления признака; L - максимальная балльность шкалы оценки интенсивности проявления признака.

Согласно выражению (4), степень входной неопределенности может изменяться от 0 до 1, где 1 - соответствует полной неопределенности, 0 - полной определенности признаков (неопределенность отсутствует).

Если в ходе проведения n тестов, интенсивность проявления признаков определена как “ЭАС-6” или “ЭС+6”, то СВH=0; если - “0”, то СВH=1.

Например:

1.Проведено 4 теста. L=6; R1=+6; R2=-6; R3=+6; R4=+6

2.Проведено 5 тестов. L=6; R1=+4; R2=+3; R3=-5; R4=+1; R5=0

Таким образом, степень входной неопределенности признаков - комплексная величина, численно определяющая интенсивность проявления признаков в ходе сеанса распознавания.

Степень входной противоречивости проявления признаков:

(5)

где - интенсивность проявления j-го признака, подтверждающего гипотезу; - интенсивность проявления j- го признака, противоречащего гипотезе.

Согласно формуле (5) СВП может изменяться в диапазоне от 0 до 1. СВП=0 означает, что в ходе тестирования признаки, противоречащие гипотезе, принятой в качестве вывода, отсутствовали. При СВП=1 все признаки противоречат гипотезе. Под формулировкой “противоречить гипотезе” здесь понимается состояние, когда проявление признака противоположно имеемому в базе знаний. Например, при течи 1 контура давление должно падать, а оно повышается.

Пример:

1.Проведено 4 теста. L=6; R1=+4; R2=-3; R3=+6; R4=+2 Признаки R1 и R3 противоречат гипотезе, принятой в качестве вывода.

Таким образом, степень входной противоречивости признаков - комплексная величина, численно определяющая противоречивость проявления признаков в ходе сеанса распознавания гипотезе, принятой в качестве вывода.

Величины СВП и СВП могут быть использованы для оценки правдоподобия принятого решения (вывода).

Другой подход [4], представляет собой формирование шкалы соответствий между отношениями предпочтений в эмпирической и числовой системах в виде стандартных отметок (шкалы предпочтений, таблица 3).

Таблица 3. Эмпирические и числовые соответствия шкалы предпочтений

Эмпирическая система (лингвистические значения)

Числовая система, d

Очень хорошо

1,00 ё0,80

Хорошо

0,80ё0,63

Удовлетворительно

0,63 ё 0,37

Плохо

0,37ё0,20

Очень плохо

0,20ё0,00

Указанные в таблице 3 зоны предпочтений показаны на рис.1 и рис.2 горизонтальными линиями. Такая шкала предпочтений с кусочно-линейной функцией принадлежности используется, например, в экспертной системе диагностики “Вещун” [9] для градации состояний объекта диагностирования

Объединение этих двух подходов позволяет получить универсальный способ шкалирования, учитывающий психологические особенности человека в оценке интенсивности признаков состояний и удовлетворяющий всем указанным выше требованиям. Например, из рис.2 видно, что величина давления выше прямой R=0,8 соответствует возможной оценке оператором как “очень хорошо”, ниже R=0,2 - как “очень плохо”.

Объединение двух шкал производится функцией принадлежности, выбор которой составляет второй этап шкалирования входной информации. Представленные на рис.1 и рис.2 функции принадлежности являются кусочно-линейным и в некоторых, простейших ситуациях позволяют произвести оценку текущего состояния признака (температуры, давления).

Для адекватного выбора функции принадлежности необходимо сформулировать требования, предъявляемые к таким функциям:

- функция должна быть непрерывной, гладкой и монотонной.

- вид функции должен соответствовать реальным решениям операторов по оценке состояния признаков.

- чувствительность функции в областях, близких к 0 и 1 должна быть существенно ниже, чем в средней зоне; здесь под чувствительностью x функции принадлежности понимается отношение приращения по шкале предпочтений к вызвавшему его приращению по лингвистической шкале (шкале текущих значений признака). Кстати видно, что чувствительность функций принадлежности на рис.1 и рис.2 постоянна на соответствующих кусочно-линейных участках.

Указанным требованиям соответствует функция принадлежности Харрингтона [4], которую в общем виде можно записать:

, (6)

где d - значения шкалы предпочтений, R - значения лингвистической шкалы L.

Для лингвистической шкалы L=[-5;5] функция Харрингтона графически показана на рис.3.

Рис.3. Функция Харрингтона

Из рисунка видно, что функция во-первых, непрерывна, гладка и монотонна во всей области определений, во-вторых, ее чувствительность в средней зоне x СР=(0,7-0,36)/(1-0)=0,34, а в крайней: x КР=(0,99-0,98)/(5-4)=0,01, т.е. существенно ниже, что соответствует реальным решениям операторов [4]. Характерными точками кривой являются точки перегиба:

(7)

(8)

Кроме того, в [8] показано, что функция Харрингтона как функция принадлежности обладает такими свойствами как адекватность, статистическая чувствительность и эффективность. Причем эти параметры не ниже чем таковые для любого технологического параметра, им соответствующего. Сравнение лингвистических значений шкалы предпочтений d и лингвистической шкалы R на рис.3 позволяют выявить их адекватность друг другу.

При использовании шкалы предпочтений и лингвистической возникает вопрос перевода текущих значений технологического параметра (признака состояния объекта управления) из фактического значения в значения шкал. Возможным вариантом соответствия может быть следующий.

Как правило, в зависимости от вида диапазона допустимых значений, существуют следующие классы признаков состояний (технологических параметров) корабельных объектов управления:

1.С односторонним ограничением вида:

АНОМ Ј А Ј АНОМ+D+ (ограничение сверху), либо

АНОМ-D- Ј А Ј АНОМ (ограничение снизу)

2.С двухсторонним ограничением вида АНОМ-D- Ј А Ј АНОМ+D+

где АНОМ - номинальное значение признака; D+ - правая граница “полосы точности”; D- - левая граница “полосы точности”

Кроме того, для технологических параметров могут быть определены следующие предельные значения: АСMIN - минимальная уставка срабатывания аварийной сигнализации; ПСMIN - минимальная уставка срабатывания предупредительной сигнализации; ПСMAX - максимальная уставка срабатывания предупредительной сигнализации; АСMAX - максимальная уставка срабатывания аварийной сигнализации.

Таким образом может быть сформирована шкала характерных значений:

- для технологических параметров с односторонним ограничением:

АНОМ<АНОМ+D+< ПСMAX < АСMAX (9)

АСMIN< ПСMIN < АНОМ-D-< АНОМ (10)

- для технологических параметров с двухсторонним ограничением:

АСMIN< ПСMIN < АНОМ-D- < АНОМ <АНОМ+D+< ПСMAX < АСMAX (11)

Обоснование назначения и выбора указанных величин приведено в работах В.Н.Темнова, например в [10, 11].

В общем случае диапазон значений технологического параметра не адекватен самому признаку состояния, но определяет его. С точки зрения значений технологических параметров, признаки классифицируются по свойству тестирования:

1.Признаки статического типа:

а)значение признака в норме;

б)значение признака высокое;

в)значение признака низкое.

2.Признаки динамического типа 1:

а)значение признака не изменяется;

б)значение признака повышается;

в)значение признака понижается.

3.Признаки динамического типа 2:

а)скорость изменения признака постоянна;

б)скорость изменения признака увеличивается;

в)скорость изменения признака уменьшается.

Таким образом, выделены (классифицированы) три типа признаков состояний корабельных объектов управления с тремя подтипами в каждом.

Как будет видно ниже, при одном и том же значении признака, но разном свойстве тестирования значение шкалы предпочтений d может быть разным, что необходимо учитывать при формировании базы знаний СИП и разработке модуля логического вывода.

Для признаков второго подтипа 1б, 2б, 3б используется функция принадлежности Харрингтона вида (рис.4):

(12)

Рис.4. Функция Харрингтона для признаков второго подтипа

Характерные точки соответствия шкал:

АНОМ є d=0; R=RMAX - нижняя граница зоны “очень плохо”

АНОМ+D+ є d=1/e; R=0 - нижняя граница зоны “удовлетворительно”

ПСMAX є d=1-1/e - нижняя граница зоны “хорошо”

АСMAX є d=0,8 - нижняя граница зоны “очень хорошо”

Для признаков третьего подтипа 1в, 2в, 3в используется модифицированная (зеркальная) функция принадлежности Харрингтона вида (рис.5):

(13)

и зеркальная лингвистическая шкала

L=[ RMAX, RMAX-1,...,0,... RMIN+1,RMIN] (14)

Рис.5. Модифицированная функция Харрингтона для признаков третьего подтипа

Характерные точки соответствия шкал:

АНОМ є d=0; R=RMIN - нижняя граница зоны “очень плохо”

АНОМ- D- є d=1/e; R=0 - нижняя граница зоны “удовлетворительно”

ПСMIN є d=1-1/e - нижняя граница зоны “хорошо”

АСMIN є d=0,8 - нижняя граница зоны “очень хорошо”

И, наконец, для признаков первого подтипа 1а, 2а, 3а используется прямая и зеркальная функция принадлежности Харрингтона (рис.6), причем зеркальная функция сдвинута вправо на величину 2RMAX:

(15)

(16)

Для функции Харрингтона такого вида используется прямая и обратная лингвистическая шкала:

L=[RMIN,RMIN+1,...0...RMAX-1,RMAX, RMAX-1,...,0,... RMIN+1,RMIN] (17)

Рис.6. Модифицированная функция Харрингтона для признаков первого подтипа

Характерные точки соответствия шкал:

АСMIN є d=0; R=RMIN - нижняя граница зоны “очень плохо”

ПСMIN є d=0,2 - нижняя граница зоны “плохо”

АНОМ- D- є d=1/e; R=0 - нижняя граница зоны “удовлетворительно”

АНОМ є d=1; R=RMAX – верхняя граница зоны “очень хорошо”

АНОМ+ D+ є d=1/e; R=0 - нижняя граница зоны “удовлетворительно”

ПСMAX є d=0,2 - нижняя граница зоны “плохо”

АСMAX є d=0; R=RMIN - нижняя граница зоны “очень плохо”

Таким образом, решены основные вопросы шкалирования входной информации в системе информационной поддержки, позволяющие учесть входную неопределенность признаков состояний, характерных для корабельных объектов управления. Учет этой особенности осуществляется и при выборе методов представления знаний в СИП, свойства которых, в соответствии с кибернетическом законом адекватности Бира, должны соответствовать свойствам объекта управления. Одним из таких подходов является Байесовская методология [1]. Далее показано практическое применение шкалирования входной информации с использованием функции принадлежности Харрингтона в таких системах.

Основное содержание алгоритма функционирования системы по распознаванию текущего состояния энергетического объекта состоит в последовательной, по определенной стратегии, проверки степени интенсивности проявления признаков Sj возможных состояний Hi. После каждого теста, в соответствии с формулой Байеса, производится уточнение апостериорных вероятностей гипотез возможных состояний. При двух градациях интенсивности проявления признака пересчет производится следующим образом:

если признак подтверждает гипотезу состояния:

(18)

если признак опровергает гипотезу состояния:

(19)

где P(Hi) - апостериорная вероятность гипотезы Hi , определенной после тестирования предыдущего признака.

Таким образом, после тестирования очередного признака система располагает следующей информацией: во-первых, текущим значением признака (технологического параметра), а значит - интенсивностью его проявления R; во-вторых, текущей апостериорной вероятностью гипотез P(Hi) .

С использованием изложенного ранее подхода учет интенсивности проявления признаков для уточнения величин , осуществляется следующим образом.

1.Вычисляются значения апостериорных вероятностей по выражениям (18) и (19). Величины откладываются на шкале предпочтений d (рис.7).

Рис.7. Модификация функции принадлежности Харрингтона для учета степени интенсивности проявления признаков

Далее для упрощения записи обозначено:

2. Производится модификация функции принадлежности Харрингтона вида (в осях x-y , рис.7) :

(20)

где yMAX и yMIN - определяют нижнюю и верхнюю границу построения кривой (сжатие по вертикали);

k - коэффициент, определяющий сжатие (k>1) или растяжение (k<1) кривой по горизонтали;

l - определяет сдвиг кривой вдоль шкалы x : l> 0 - сдвиг вправо; l<0 - сдвиг влево.

Модификация функции принадлежности, таким образом, включает в себя два этапа: во-первых, сжатие исходной функции Харрингтона в диапазон [yMAX;yMIN] ; во вторых, сдвиг сжатой кривой на величину l . Сдвиг кривой производится на величину, при которой точка пересечения сжатой кривой c осью x =0 окажется и на оси у=yЗАД. Величина l определяется по обратной функции Харрингтона, которую можно получить, разрешив выражение (20) относительно x , положив предварительно k=1; l=0 :

(21)

Из выражения (21) l определится как l=f(yЗАД) ( рис.8) .

Рис.8. Обратная функция Харрингтона

2.С использованием модифицированной таким образом функции принадлежности, по величине интенсивности проявления признака R уточняется значение апостериорной вероятности гипотез.

Преимуществами такого подхода является во-первых, относительная простота, во-вторых, более точный учет степени интенсивности проявления признаков состояний ОУ (по сравнению с линейным подходом) при пересчете величин апостериорных вероятностей .

Таким образом, показано, что шкалирование входной информации - ответственный этап обработки информации о состоянии объекта, качество проведения которого определяет дальнейшее эффективное функционирование программного обеспечения корабельной системы информационной поддержки.

Литература.

1. Кобзев В.В., Мироненко Г.М., Шилов В.А. Военно-морские экспертные системы. - СПб: Изд. ВВМИУ им. Дзержинского, - 1993.

2. Трапезников Ю.М. Бортовая система информационной поддержки борьбы за живучесть // Судостроение. 1996. №2-3. С.20.

3. Грунтович H.В., Бубнов Е.А., Бондарев Д.И. Создание автоматизированных систем информационной поддержки оператора на основе систем централизованного контроля судовой энергоустановки. // Судостроение. 1993. № 1. С. 24 - 25.

4. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. - М: Наука, - 1976.

5. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. Пер. с англ. - М: Мир, -1976.

6. Чернышов Ю. Нечеткие компьютеры // Компьютер. Сборник статей. Вып.3. - М: Финансы и статистика, - 1990.

7. Базовые понятия нечеткой логики. - http://www.chat.ru/~fu-zzyfly/fuzzy/teor.htm

8. Карташова Т.М. Вопросы оптимизации при разработке рецептуры и технологии получения новых полимерных материалов. Автореферат канд. дисс. - М: МХТИ им. Д.И.Менделеева, - 1969.

9. Экспертные системы технической диагностики “Вещун” / Г.Ш.Розенберг, А.Н.Неелов, Е.С.Голуб, Е.З.Мадорский, М.Л.Винницкий// Судостроение. 1999. №6. С.27-30

10. Темнов В.Н. Оценка состояния объекта измерения со взаимосвязанными параметрами. - www.grinda.navy.ru/control/stat.htm , - 2000

11. Темнов В.Н. Методика выбора параметров технологического и диагностического контроля и расчета оптимальной погрешности измерения. - Пушкин: ЛВВМИУ, - 1984.

(с) Е.А.Бубнов, Д.И.Скороходов, 2000


 
26 сентября 2017

вторник


Новости
16 марта 2007
cостоялся постоянно действующий научно-технический семинар "Системы обработки информации и управления".

Подробнее...
 






Copyright © 1998-2017 Входит в Центральный Военно-Морской Портал. Использование материалов портала разрешено только при условии указания источника: при публикации в Интернете необходимо размещение прямой гипертекстовой ссылки, не запрещенной к индексированию для хотя бы одной из поисковых систем: Google, Yandex; при публикации вне Интернета - указание адреса сайта. Вопросы и предложения. Создание сайта - компания ProLabs.
Рейтинг@Mail.ru