Реферат за темою випускної роботи
Зміст
- Вступ
- 1. Актуальність теми
- 2. Мета і задачі дослідження
- 3. Огляд досліджень та розробок
- 4. Розробка математичної моделі
- 5. Методи і моделі вирішення задачі
- Висновки
- Перелік посилань
Вступ
Локомотив – самохідний рейковий екіпаж, призначений для тяги несамохідних вагонів. Локомотивна бригада – група робітників на залізничному транспорті, на яку покладається обов'язок обслуговування локомотива, безпечне ведення поїзда, виконання графіка руху, економічне використання паливно-енергетичних ресурсів.
1. Актуальність теми
Проблема автоматизації робочого місця локомотивної бригади є актуальною, оскільки її рішення дозволить підвищити безпеку ведення поїзного складу, мінімізувати витрати на паливно-енергетичні ресурси, мінімізувати відхилення від графіка руху.
2. Мета і задачі дослідження
Метою магістерської роботи є створення набору методів управління локомотивом з використанням правил нечіткої логіки, що дозволить автоматизувати прийняття ряду рішень з управління локомотивом.
Пристрій підтримки прийняття рішень буде оцінювати поїзну ситуацію і видавати рекомендації щодо дій з управління локомотивом. Остаточне рішення прийматиме локомотивна бригада.
Для досягнення поставленої мети необхідно виконати наступні завдання:
- Аналіз предметної області, існуючих методів і моделей прийняття рішень;
- Отримання за допомогою методу експертних оцінок алгоритму дій машиніста в різних ситуаціях;
- Розробка нечіткої бази знань;
- Розробка алгоритму нечіткого логічного висновку;
- Перевірка точності моделі і визначення її ефективності.
Об'єктом дослідження є процес управління локомотивом.
Предметом дослідження є використання правил нечіткої логіки при управлінні локомотивом.
3. Огляд досліджень та розробок
Загалом, питання автоматизації управління локомотивом розглянуті в роботі Никифорова Б. Д., Головіна В. І., Кутиева Ю. Г. [7], а також у роботі Ларіонова П.С., Білого О.К. [10]. Регламент управління локомотивом розглянуто в джерелі [8].
Системи підтримки прийняття рішень з управління транспортом розглянуті в наступних роботах.
Шерстюк В. Г., Бень А. П. – Гібридна інтелектуальна СППР з управління судном [12]. У роботі запропонована структура і принцип роботи інтелектуальної системи підтримки прийняття рішень з управління судном, в основі якої лежать сценарнопрецедентні моделі прийняття рішень. ІСППР являє собою гібридну інтелектуальну систему, яка має підсистеми міркувань на основі прецедентів, на основі правил і на основі моделей.
Котов О. – Автоматизована багатофункціональна система управління локомотивом [11]. У роботі розглядається багатофункціональна автоматизована система управління і забезпечення безпеки тягового рухомого складу, розроблена фахівцями Науково-дослідного інституту тепловозів і колійних машин.
Системи підтримки прийняття рішень, в основі яких лежить нечіткий логічний апарат, розглянуті в наступних роботах.
Полковникова Н. А., Курейчик В. М. – Розробка моделі експертної системи на основі нечіткої логіки [13]. У роботі розглянуто модель експертної системи для ідентифікації несправностей динамічного об'єкта в умовах експлуатації.
Кригер Л. С. – Інтелектуальна система підтримки прийняття рішень при управлінні рухом громадського транспорту [14]. У роботі запропонована інтелектуальна система підтримки прийняття рішень при управлінні рухом громадського транспорту, побудована на основі методу нечіткого ситуаційного моделювання.
4. Розробка математичної моделі
Розглядається задача підтримки прийняття рішень для локомотивної бригади
де 
– отриманий сигнал від деякої i-тої ситуації;
– безліч додаткових сигналів, вимірюваних при i-тій ситуації і необхідних для прийняття рішення;
f – функція, що приймає рішення;
– безліч вихідних сигналів (рішення пропоноване системою).
Однією з типових ситуацій є отримання червоного сигналу світлофора (). Подіями і т.д. будуть поточна швидкість поїзда, стан гальмівної магістралі поїзда, відстань до світлофора, стан рейок, характеристика складу поїзда і т.д. – рішення про переведення керуючих важелів в деяке інше, більш оптимальне, для даної ситуації положення.
Схематично система представлена на малюнку 1.
Малюнок 1 – Схематичне представлення системи
(анімація: 3 кадри, 11 кілобайт)
5. Методи і моделі вирішення задачі
Для реалізації процесу інтелектуального управління рухомим складом основну роль грає база знань. Представлення знань – це формалізація і структурування знань, за допомогою яких відображаються основні характерні ознаки [4]: внутрішня интерпретованість, структурованість, зв'язність, семантична метрика, активність.
Для формалізації і представлення знань в пам'яті інформаційних систем існує ряд моделей, які можна структурувати наступним чином:
- логічні моделі;
- продукційні моделі;
- мережеві моделі;
- фреймові моделі;
- математичні моделі;
- моделі з нечіткими правилами логічного висновку.
В основі логічних моделей представлення знань лежить поняття формальної системи у вигляді четвірки:
де T – безліч базових символів теорії M (наприклад, літери алфавіту);
P – безліч синтаксичних правил, за допомогою яких з базових символів будуються формули;
A – безліч побудованих формул, що складаються з аксіом;
F – правила виведення, що визначають безліч відносин між правильно побудованими формулами.
Продукційна модель – модель, що дозволяє представити знання у вигляді пропозицій, званих продукціям, типу Якщо (умова), то (дія)
. Під умовою (антецедентом) розуміється деяке речення-зразок, за яким здійснюється пошук у базі знань, а під дією (консеквентом) – операції, що виконуються при успішному результаті пошуку (вони можуть бути проміжними, виступаючими далі в якості умов і термінальними або цільовими, завершуючими роботу системи). Найчастіше висновок у такій базі знань буває прямий (від даних до пошуку мети) або зворотній (від цілі для її підтвердження – до даних).
Семантична мережа – це орієнтований граф, вершини якого відображають деякі поняття, а дуги – відносини між ними. Таким чином, семантична мережа відображає семантику предметної області у вигляді понять і відносин [6].
Фреймова модель являє собою систематизовану психологічну модель пам'яті людини та її свідомості. Фрейм є структурою даних для представлення стереотипної ситуації. З кожним фреймом асоційована інформація різних видів. Одна її частина вказує, яким чином слід використовувати даний фрейм, інша – що імовірно може спричинити за собою його виконання, третя – що слід зробити, якщо ці очікування не підтвердяться. Фрейм можна уявляти собі у вигляді мережі, що складається з вузлів і зв'язків між ними [4].
Підхід з використанням нечіткого логічного висновку передбачає використання знань експертів про об'єкт управління, що подаються у вигляді правил, виражених на природній мові. При описі об'єкта використовуються лінгвістичні змінні, що визначають стан об'єкта.
Лінгвістична змінна визначається кортежем
де 
– найменування лінгвістичної змінної, що відображає певний об'єкт чи параметр досліджуваної предметної області; Т – безліч її значень або термів, що представляють собою найменування нечітких змінних, областю визначення кожної з яких є множина U; G – синтаксична процедура, що описує процес утворення з множини Т нових, осмислених для даної задачі прийняття рішень значень лінгвістичної змінної; М – семантична процедура, що дозволяє приписати кожному новому значенню, створеному процедурою G, деяку семантику шляхом формування відповідної нечіткої множини, тобто відобразити нове значення в нечітку змінну [5].
Подальші процедури формалізації спрямовані на отримання нечітких множин, що визначають параметри об'єкта управління. Подальший розрахунок управління проводиться за допомогою застосування операцій над нечіткими множинами (І
, АБО
, НЕ
), а також операцій взяття мінімуму, максимуму. Останнім етапом є зворотне перетворення управління, отриманого у вигляді нечіткої множини, в реальне значення виходу. Базовими алгоритмами нечіткого логічного висновку є алгоритми Мамдані і Сугено.
Висновки
Магістерська робота присвячена актуальній задачі автоматизації робочого місця локомотивної бригади.
У рамках досліджень виконано аналіз методів автоматизації управління локомотивом, огляд існуючих систем підтримки прийняття рішень з управління транспортом, огляд існуючих моделей подання даних, і обрана модель на основі нечітких продукційних правил. Тому що ця модель робить можливим реалізацію в системі інтелектуальних функцій, заснованих на аналізі неповної інформації про предметну область, крім того, завдяки безперервності функції приналежності з'являються переваги у швидкості обробки даних.
Надалі передбачається розробка системи підтримки прийняття рішень з управління локомотивом, яка забезпечить безпеку ведення тягового рухомого складу, мінімізує витрати паливно-енергетичних ресурсів на ділянці шляху, мінімізує відхилення від графіка руху.
При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: грудень 2014 року. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.
Перелік посилань
- Дробинский В.А. П.М. Егунов Как устроен и работает тепловоз – М.: Транспорт, 1980. – 370 с.
- Автоматическая локомотивная сигнализация частотного типа усиленной помехоустойчивости АЛС-ЕН/В. М. Лесяков, Д. В. Шалягин і ін. – М.: Транспорт, 1990. – 176 с.
- Фреймовая модель представления знаний // Дьяконов В. П., Борисов А. В. Основы искусственного интеллекта. Смоленск, 2007.
- Олкконен Е. А. Модели представления знаний в языковых интеллектуальных обучающих системах // Прикладная математика и информатика : труды Петрозаводского государственного университета. 1997. № 6. С. 168–182.
- Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьев и др. – М.: Радио и связь, 1989. – 394 с.
- Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник. СПб.: Питер, 2001.
- Никифоров Б. Д., Головін В. И., Кутыев Ю. Г. Автоматизація керування рухом поїздів. – М.: Транспорт, 1985. – 324 с.
- Керування поїздом: рекомендації машиністові локомотива й диспетчерові по забезпеченню безпеки руху. – Ростову-на-Дону: РИИЖТ, 1998. – 184 с.
- Лисенков В.М. Безпека технічних засобів у системах керування рухом поїздів. – М.: Транспорт, 1992. – 192 с.
- Ларионов П.С., Білий О.К. Автоматизована система для ведення рухомого состава//Локомотив. 1997. №7.
- Котов О. Автоматизированная многофункциональная система управления локомотивом, СТА, 1998.
- Шерстюк В.Г., Бень А. П. Гибридная интеллектуальная СППР для управления судном, Искусственный интеллект, Херсонский государственный морской институт, 2008.
- Полковникова Н. А., Курейчик В. М. Разработка модели экспертной системы на основе нечеткой логики, Известия ЮФУ Технические науки, 2014.
- Кригер Л. С. Интеллектуальная система поддержки принятия решений при управлении движением общественного транспорта, Вестник Астраханского государственного технического университета, 2012.
- Заде Л. А. Понятие лингвистической переменной и его применение к принятию приемлимых решений: Пер. с англ. – М.: Мир, 1976.
- Леоненков А. В. Нечеткое моделирование в среде Matlab и fuzzyTech – СПб.: БХВ-Петербург, 2005 – 736 с.
- Fuzzy Logic: Четкие решения нечеткой логики [Электронный ресурс]. – Режим доступа: Посилання.
- Нечеткая логика в системах управления [Электронный ресурс]. – Режим доступа: Посилання.
- Решение задач с применением нечеткой логики [Электронный ресурс]. – Режим доступа: Посилання.
- Энциклопедия ЖД [Электронный ресурс]. – Режим доступа: Посилання.