pronikov_a_s_2000_t_3 (830968), страница 103
Текст из файла (страница 103)
При этом от пользователя требуется знание терминологии входного языка для генерации ИМ, а также знание общих принципов построения ПОДСИМ. Приложение методов искусственного интеллекта к задачам моделирования ироизводственных ироиессов Дальнейшим направлением развития «неалгоритмических» параллельных систем с недетерминированным поведением, в которых отдельные компоненты взаимодействуют друг с другом время от времени и независимо, можно считать методы, разрабатываемые в искусственном интеллекте.
Данное направление исследований позволяет выработать определенные подходы к решению задачи формализации рассматриваемых систем и процессов. Указанные методы обеспечивают возможность выделения и формализации знания о системе и использования их в процессах моделирования, управления, проектирования. Системы, основанные на знаниях, определяются как системы программного обеспечения, основными структурными элементами которых являются база знаний и механизм логического вывода. Знания обычно представляются в виде фактов, характерных для окружающего мира (т.е. классов объектов и взаимосвязей между ними), процедур и правил манипулирования фактами, а также в виде информации о том, когда и как следует применять правила и процедуры. ° В системах, основанных на концепциях ИИ, знания представляются в конкретной форме, а имеющаяся база знаний (БЗ) позволяет их легко определять, модифицировать и пополнять.
Решение задач осуществляется с помощью логического вывода на основе знаний, хранящихся в БЗ независимо от механизма управления файлами БЗ. Типичные модели представления знаний: логическая модель; модель„ основанная на использовании правил (продукционная модель); модель, основанная на использовании фреймов; модель семантической сети и др. Например, продукционная система состоит из трех, уже определенных элементов: классов и отношений, правил, управляющей структуры. Классы и отношения трактуются как «база данных» (БД), которая по существу содержит декларативные знания.
Процедуры представляют собой набор правил типа «ЕСЛИ (условие) ТО (действие)», а управляющая структура определяет, какое правило должно быть проверено следующим. Часто управляющую структуру называют интерпретатором правил. «Условие» вЂ” это проверка состояния БД, а «действие» некоторым образом изменяет содержание БД. Вывод выполняется в виде циклов, в каждом из которых выполняемая часть выбранного правила обновляет базу данных. В результате содержимое БД преобразуется от первоначального к целевому.
Иначе говоря, для системы продукций характерен простой цикл выбора и выполнения (или оценки) правил, однако из-за необходимости периодического сопоставления с образцом в базе правил с увеличением числа последних существенно замедляется скорость вывода. Следовательно, такие системы не пригодны для решения задач с большим числом правил в БЗ. 537 К пакетам программ, предназначенных для моделирования КИП, предъявляются следующие требования: имитационная модель должна легко создаваться и изменяться; модель должна быть «дружественной» по отношению к пользователю; модель должна иметь модульную структуру; должна допускать использование различных показателей для оценки эффективности моделируемой АПС. Дпя того чтобы удовлетворить всем перечисленным требованиям, предлагается использование экспертных систем (ЭС) в сочетании с пакетами программ ИМ.
Совместное использование ЭС и системы моделирования возможно в следующих сочетаниях: 1) включение в состав друг друга; 2) параллельное использование обеих систем для решения одной и той же задачи; 3) использование элементов системы имитационного моделирования в ЭС и наоборот; 4) интеллектуальный интерфейс пользователя с системой имитационного моделирования. Для организации взаимосвязанных систем имитационного моделирования и ЭС разработаны специальные системы ИИ, языки Т-РКО1.00, ТСРКО1.0б, методики Я.ПЧ и пакеты программ. Имеются разработки гибридных систем моделирования: 1САКŠ— для проектирования ПС; ХМАЯ вЂ” для использования при моделировании ПС; ГМЯ/СМ1. — для разработки технологии, моделирования проектов АПС, управления АПС; РМЯ Япп1а1ог — для построения имитационной модели АПС и ее проверки.
Примером использования ЭС при ИМ может служить упомянутая выше система МАТВЕЯ. Сочетание ЭС с ИМ С1М позволяет получить качественно новую ступень в создании инструментальных средств проектирования С1М и ее системы оперативного управления. Если имитационные модели имеют описательный характер, то модели, используемые в ЭС, имеют преобразовательный характер, отражающий деятельность специалиста при проектировании. Поэтому задачи, решаемые на имитационных моделях традиционно с помощью специалиста, могут решаться в ЭС без его участия.
Системы, полученные как сочетание ЭС и ИМ, получили название гибридных. В таких системах обычная ЭС первого поколения играет роль интеллектуального интерфейса, позволяющая пользователю выходить на модели и методы традиционного математического характера. При этом, как и в системах первого поколения, пользователь может ничего не знать о тех средствах, которые привлекает система для решения интересующей его задачи.
Гибридная ЭС реализует функции не только интеллектуального интерфейса, но и интеллектуального вычислителя. Технология проведения машинных экспериментов Имитационное моделирование АПС является по существу экспериментальным методом, использующим определенную технологию проведения имитационного исследования на ЭВМ. Алгоритм решения задачи с 538 использованием ИМ основан на целенаправленном проведении имитационного исследования с ИМ.
При наличии у исследователя необходимых инструментальных средств процесс моделирования АПС в общем случае включает три крупных этапа: 1 — формализация задачи, выбор методов и средств моделирования; 11 — генерация модели исследуемой АПС и планирование имитационных экспериментов; Ш вЂ” реализация имитационных прогонов и обработка результатов моделирования. В зависимости от постановки проектной задачи имитационные эксперименты проводят на одной и той же модели или на группе моделей АПС. Последнее имеет место, например, при анализе влияния различных структур АПС или различного числа базовых элементов. В любом случае для проведения серии экспериментов необходима генерация ИМ, отвечающая конкретной задаче исследования.
Средства моделирования выбирают на основании формулировок задач, формализованного представления модели объекта и технических характеристик ЭВМ и программного обеспечения, имеющихся в распоряжении исследователя. Поэтому формализацию АПС и выбор средств моделирования проводят параллельно.
Процесс плохо формализуем и должен быть выполнен высококвалифицированным специалистом. Выбор средств моделирования определяет способ формирования технологической базы данных, т.е. создания в системе моделирования массивов информации об элементах АПС, обрабатываемых деталях, технологических процессах, а также способ описания алгоритмов диспетчирования моделируемых процессов. Генерация модели является одним из наиболее сложных вопросов моделирования, и ее должны выполнять высококвалифицированные специалисты. При этом выбирается требуемая детализация модели.
От решения этого вопроса зависит достижение компромисса между обеспечением требуемой точности моделирования и затрат времени на проведение экспериментов. Например, функционирование АПС, состоящей из нескольких гибких производственных ячеек и роботизированных комплексов, можно моделировать на нескольких уровнях детализации, приняв в качестве наименьшей структурной единицы: ' 1) гибкий технологический модуль; 2) отдельные гибкие производственные ячейки и роботизированные комплексы; 3) отдельные станки и промышленные роботы; 4) отдельные механизмы станков и роботов.
Повышение уровня автоматизации создания модели возможно с привлечением аппарата нечетких множеств, экспертных оценок. Проведение имитационных экспериментов функционирования АПС связано с вариацией большого числа сочетаний управляемых параметров. Каждый машинный эксперимент проводится при их определенном сочетании. Поэтому для решения проектных или исследовательских задач в области АПС методами имитационного моделирования требуется проведение такого числа экспериментов, которое при имеющихся ограниченных вы- 539 числительных и временных ресурсах не может быть выполнено. Целью планирования является разработка таких планов проведения экспериментов, которые позволяют значительно сократить общее время проведения машинных экспериментов при обеспечении необходимой точности.
В задачи планирования входят определение: начальных значений варьируемых параметров; последовательности проведения экспериментов; методики проведения эксперимента; объемов выборки и отсечки; формы представления результатов. Планирование проведения имитационного исследования моделируемого объекта осуществляется так же, как если бы мы имели возможность ставить эксперимент на реально действующем объекте. Можно выделить два вида проведения имитационных экспериментов: 1) «жесткий» имитационный эксперимент, для которого совокупность входных переменных, ИМ, управляемые переменные и алгоритмы управления зафиксированы в течение всего имитационного исследования; 2) «адаптируемый» имитационный эксперимент. С помощью «жесткого» эксперимента решается большое число практических задач, не требующих применения специальных методов и методик имитационного эксперимента.
«Адаптируемый» эксперимент применяется обычно для задач большой размерности и задач, требующих высокой точности. Однако его применение связано с разработкой специальных методик варьирования переменными атрибутами в ходе эксперимента и с высокой квалификацией исследователя. В случае ограничения временного ресурса исследования, планы имитационных экспериментов должны предусматривать возможность отсеивания незначимых факторов, сужения области варьирования исходных данных в ходе проведения имитационного эксперимента. Объем выборки (количество наблюдений) влияет на статистическую надежность оцениваемой совокупности показателей исследуемой АПС.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
