Диссертация (1152160), страница 53
Текст из файла (страница 53)
Если посылка верна, топравило признается подходящим для данной консультации и оно запускается вдействие. Запуск правила означает принятие заключения данного правила в качестве составной части процесса консультации.Рисунок 7.2. Структура ИЭС контроля и прогнозирования качества пищевойпродукции340Обязательными частями ИЭС контроля и прогнозирования качества пищевой продукции являются модуль накопления знаний, модуль отображения иподдержки принятия решений.Как отмечалось ранее, в пищевой промышленности для решения задачуправления сложными многопараметрическими и сильносвязанными системами, объектами, производственными и технологическими процессами приходится сталкиваться с решением трудноформализуемых задач. Проектируемая интегрированная экспертная система (ИЭС) контроля и прогнозирования качествапищевой продукции использует знания специалистов (экспертов) о некоторойконкретной узко специализированной предметной области (например, кондитерской, молочной, мукомольной, пиво-безалкогольной и т.д.) и в пределахэтой области она способна принимать решения на уровне экспертапрофессионала.Структура связи базы знаний и базы данных в ИЭС контроля и прогнозирования качества пищевой продукции представлена на рисунке 7.3.Рисунок 7.3.
Структура связи БД и БЗ в ИЭС контроля и прогнозированиякачества пищевой продукцииБЗ предназначена для хранения экспертных знаний о предметной области, используемых при решении задач экспертной системой.341БД предназначена для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы свнешней средой, в качестве которой обычно выступает оператор, ведущий диалог с экспертной системой.Машина логического вывода – механизм рассуждений, оперирующийзнаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Для этого в ИЭС используется программнореализованный механизм поиска решения в сети фреймов или семантическойсети.
Машина логического вывода ИЭС реализовывает рассуждения в виде: дедуктивного вывода (прямого, обратного, смешанного); вероятностного вывода;унификации; поиска решения с разбиением на последовательность подзадач;рассуждений с использованием механизма аргументации; ассоциативного поиска с использованием нейронных сетей.Подсистема общения служит для ведения диалога с пользователем, в ходекоторого ИЭС запрашивает у пользователя необходимые факты для исследуемого процесса, а также дающая возможность пользователю в какой-то степениконтролировать и корректировать ход рассуждений экспертной системы.Подсистема объяснений необходима для того, чтобы дать возможностьпользователю контролировать ход рассуждений и, может быть, учиться у ИЭС.Подсистема приобретения знаний служит для корректировки и пополнения БЗ.
В простейшем случае - это интеллектуальный редактор БЗ, в болеесложных экспертных системах – средства для извлечения знаний из БД, неструктурированного текста, графической информации и т.д.На рисунке 7.4 показаны основные этапы разработки динамической ИЭСконтроля и прогнозирования качества пищевой продукции в процессе производства, позволяющие аккумулировать знания обслуживающего персонала иэкспертов о причинах отклонения показателей качества полуфабрикатов и готовой пищевой продукции на всех этапах производства.3421.
Анализ проблемнойобласти2. Определение целиразработки ЭС6. Выбор среды разработкиЭС5. Разработка структуры прототипа и взаимосвязи участников построения ЭС7. Разработка алгоритмовфункционирования интеллектуальных модулей8. Разработка интеллектуальных модулей системыИзменение алгоритма3. Разработка БД иопрделение исходных Д4. Формализации БЗ иопределение методовпредставления знанийдополнениеданных9. Тестирование программыПерепрограммирование10. Программная реализацияЭСРисунок 7.4 Основные этапы разработки динамической ИЭС контроляи прогнозирования качества пищевой продукции.Как видно из рисунка 7.4, основой для построения ИЭС контроля и прогнозирования качества пищевой продукции являются знания эксперта и система представления знаний, встраиваемая в информационные системы обеспечения функционирования и контроля.Для описания своих знаний эксперт выделяет множество всех показателей качества сырья, полуфабрикатов и готовой пищевой продукции (см.
главу1, п.1.2), определяющих структуру базы стандартов, норм и правил на конкретное производство и данных наблюдения, накапливаемых в процессе текущего контроля и обучения нейросети.Для выбранных показателей выделяются диапазоны значений, которыемогут быть как количественными, так и качественными, используются построенные структурно- параметрические модели (СПМ) связей основных процессовс показателями качества исследуемой пищевой продукции (глава 3).Технология разработки ИЭС контроля и прогнозирования качества пищевой продукции включает в себя шесть основных этапов (рисунок 7.5): идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.343Рисунок 7.5 Технология разработки ИЭС контроля и прогнозирования качествапищевой продукцииОсновными компонентами ИЭС контроля и прогнозирования качествапищевой продукции являются: эксперты, инженеры знаний, средства построения ЭС и пользователи.
Их основные роли и взаимосвязи основных участниковпостроения и эксплуатации ИЭС контроля и прогнозирования качества пищевой продукции приведены на рисунке 7.6.Рисунок 7.6 Основные роли и взаимосвязи основных участников ИЭС контролякачества пищевой продукции7.2. Построение нейросетевой ИЭС контроля в потоке и прогнозированияпоказателей качества пищевой продукцииПроведенные нами исследования показали, что для построения ИЭС контроля в потоке и прогнозирования показателей качества пищевой продукциинаиболее перспективно использовать в качестве интеллектуального ядра мо-344дель искусственных нейронных сетей (ИНС) [17 - 23].
При этом методы обучения ИНС не требуют построения явных алгоритмических зависимостей. Согласно данной технологии построение ИЭС происходит на основе накопленнойбазы знаний (БЗ) о рассматриваемой задаче.Формирование БЗ ИЭС осуществлялось при совместной работе пользователей и экспертов в исследуемой предметной области на основе анализа полученных структурно- параметрических, математических и ситуационных моделей, разработанных и описанных в 3-й главе данной работы. При последовательном вводе информации пользователями (входные данные задачи) происходит ее оценка экспертом и коррекция исходной БЗ. Таким образом, происходитнакопление базы знаний о рассматриваемой задаче. Затем, при получении необходимого объема БЗ, происходит построение интеллектуальной модели задачи контроля и прогнозирования качества пищевой продукции.Моделирование осуществлялось с помощью построения и обучения искусственной нейронной сети (ИНС) на основе накопленной БЗ.
По мере поступления новой информации в БЗ полученная интеллектуальная модель задачисовершенствовалась. При накоплении некоторого критического объема БЗ модель способна самостоятельно определять решение задачи. Поэтому, роль эксперта уменьшается по мере формирования интеллектуального ядра системы.
Входе функционирования предлагаемой технологии происходило построениенейросетевой экспертной системы, позволяющей решать конкретную задачу –автоматизация контроля и прогнозирования показателей качества пищевойпродукции на всех этапах производства с возможностью оперативного управления этими процессами.Предлагаемая технология была реализована за счет разработки специализированного программного комплекса (ПрК), в состав которого входят три основных компонента: информационная часть; компонента импортирования данных (интегратор); модуль работы с искусственной нейронной сетью (ИНС).Информационная часть обеспечивает накопление, хранение и предоставления345информации, а также реализует интерфейс конечного пользователя.
Ее работаосуществляется согласно схеме, представленной на рисунке 7.7.Рисунок 7.7 Схема функционирования информационной части ИЭС контроля ипрогнозирования качества пищевой продукцииСпециалиизированный программный комплекс (ПрК) ИЭС контроля ипрогнозирования качества пищевой продукции поддерживает три уровня доступа: пользователя, эксперта, администратора. Каждому уровню соответствуетопределенный набор полномочий и функциональных возможностей.
Уровнюадминистратора соответствуют полномочия управления пользователями. Уровень эксперта наделен возможностями управления объектом. Пользовательскийуровень дает возможность вносить информацию о параметрах объекта и получать результат по внесенным данным.Компонент импортирования данных (интегратор) обеспечивает импортирование накопившихся совокупностей данных из БД в модуль работы снейронной сетью. Компонентом реализуется подготовка обучающей выборкидля сети. Функционирование компонента происходит согласно схеме, представленной на рисунке 7.8.Рисунок 7.8.
Схема функционирования компонента импортирования данных346Модуль работы с ИНС обеспечивает автоматизированное формированиеинтеллектуального ядра ИЭС контроля в потоке и прогнозирования качествапищевой продукции. Это осуществляется путем построения и обучениянейронной сети на основе примеров, хранящихся в БД. Такая сеть способнаклассифицировать вновь поступающую информацию и при необходимости дообучаться. В основу работы данного компонента положен алгоритм самоорганизации и подбора архитектуры ИНС. Результатом работы компонента является интеллектуальная модель объекта, по ходу работы системы принимающаясоответствующие состояния. Модель может находиться в трех состояниях: построения, доучивания и классификации. Модуль работы с ИНС функционируетсогласно схеме, представленной на рисунке 7.9. В процессе построения интеллектуальной модели объекта происходит выявление взаимосвязей и зависимостей между входными параметрами объекта и соответствующими выходнымисостояниями.Рисунок 7.9.
Схема функционирования модуля работы с ИНСПостроенная модель определяет выходное состояние объекта по вновьпоступающим входным данным. На основе определенного выходного состояния происходит классификация поступившей информации.Все вышеописанные компоненты являются взаимосвязанными частямиединого программного комплекса (ПрК) ИЭС контроля и прогнозирования качества пищевой продукции, функционирующего поэтапно согласно схеме,представленной на рисунке 7.10.Каждому этапу соответствует реализация определенных задач.347Рисунок 7.10 Общая схема функционирования программного комплекса ИЭСНа первом этапе происходит формирование и накопление БД объектав виде примеров, описывающих конкретную задачу предметной области.
Наданном этапе предполагается использование этой БД как библиотеки готовыхрешений. Кроме этого предусматривается создание базовых нейроэлементов,разработка архитектуры и описание алгоритмов обучения нейронных сетей.Второй этап – моделирование работы нейросистемы. Поступающиепри работе линии производства пищевой продукции данные из БД импортируются в модуль работы с ИНС. На этом этапе происходит построение интеллектуальной модели объекта с обучением этой модели на основе вновь поступающих данных. Совершенствование модели происходит до определенной степеникомпетентности, определяемой экспертами предметной области.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
