Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Содержание

ПРИНЯТЫЕ СОКРАЩЕНИЯ
1. АНАЛИЗ ПРОБЛЕМЫ УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ
- 1. 1. Актуальность проблемы поддержки принятия решений при управлении сложными объектами в критических ситуациях на основе знаний
- 1. 2. Анализ содержания проблемы управления сложными объектами в критических ситуациях
- 1. 3. Анализ возможностей известных подходов к решению проблем управления в критических ситуациях
- 1. 4. Анализ проблем интеллектуального управления сложными объектами в критических ситуациях
- 1. 5. Цели и задачи исследования
Выводы по главе 1
2. РАЗРАБОТКА МЕТОДОЛОГИЧЕСКИХ ОСНОВ ОБЪЕКТНО-КОГНИТИВНОГО АНАЛИЗА И МОДЕЛИРОВАНИЯ ПРОЦЕССА УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ
- 2. 1. Концепция поддержки принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний
- 2. 2. Методология объектно-когнитивного анализа и моделирования процессов управления сложными объектами в критических ситуациях
- 2. 3. Моделирование информационной системы поддержки принятия решений в критических ситуациях с использованием стандартов моделирования информационных систем
- 2. 4. Модели представления метазнаний о процессах управления сложными объектами в критических ситуациях с использованием языка Unified Modeling Language
- 2. 5. Модели структуры информационной системы поддержки принятия решений
- 2. 6. Модели динамики процесса управления в критических ситуациях
Выводы по главе 2
3. СИСТЕМНЫЙ ПОДХОД К ФОРМИРОВАНИЮ ЕДИНОГО ИНФОРМАЦИОННОГО ПРОСТРАНСТВА ПРОЦЕССОВ УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ В КРИТИЧЕСКИХ СИТУАЦИЯХ
- 3. 1. Разработка информационного пространства представления знаний о критических ситуациях на основе онтологии
- 3. 2. Разработка тезауруса предметной области управления в критических ситуациях
- 3. 3. Определение классов прецедентов критических ситуаций на основе интеллектуального анализа данных
Выводы по главе 3
4. СИНТЕЗ АЛГОРИТМОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ БАЗЫ ЗНАНИЙ
- 4. 1. Формализация представления концептуальных знаний о критических ситуациях
- 4. 2. Алгоритм поддержки принятия решений на основе правил
- 4. 3. Тестирование базы правил
- 4. 4. Алгоритм вывода решений, основанных на прецедентах критических ситуаций
- 4. 5. Взаимодействие различных форм представления знаний в базе знаний
Выводы по главе 4
5. РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ В КРИТИЧЕСКИХ СИТУАЦИЯХ
- 5. 1. Реализация прототипа ИСППР для транспортных динамических объектов
- 5. 2. Реализация ИСППР для сложных динамических объектов сетевой структуры на J^T^W-сервере
- 5. 3. Разработка средств имитационного моделирования информационной системы поддержки принятия решений в среде MATLAB
Выводы по главе 5
6. СИСТЕМНЫЕ ИССЛЕДОВАНИЯ ЭФФЕКТИВНОСТИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ МЕТОДОМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
- 6. 1. Определение точности распознавания класса критических ситуаций
- 6. 2. Оценка влияния поддержки принятия решений на эффективность управления в критических ситуациях путем проведения эксперимента на тренажере
- 6. 3. Оценка эффективности поддержки коллективных решений с использованием сетей Петри
Выводы по главе 6

Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний (реферат, курсовая, диплом, контрольная)

Актуальность проблемы.

Одной из основных задач совершенствования системы управления сложными динамическими объектами является обеспечение безопасности их функционирования и восстановление их работоспособности в критических ситуациях. В науке и практике управления сложными объектами в критических ситуациях накоплен достаточно большой опыт. Вместе с тем в силу различных причин (изношенность оборудования, ошибки персонала, обусловленные объективной сложностью управления динамическими объектами, влияние внешней среды) постоянно возникают критические ситуации, часть которых заканчивается авариями и катастрофами, приносящими огромный моральный и материальный ущерб обществу. В настоящей работе излагается подход к поддержке принятия решений в критических ситуациях, основанный на управлении знаниями.

Проблема, решаемая в диссертационном исследовании, состоит в необходимости активного и целенаправленного приобретения, накопления, анализа, обработки и представления разнородных знаний о процессах управления сложными динамическими объектами в критических ситуациях. Выдвигается гипотеза, что решение поставленной проблемы состоит в разработке системы интеллектуальной информационной поддержки принятия решений в критических ситуациях, основанной на инженерии знаний. При этом предполагается, что система может использовать и традиционные методы и алгоритмы управления, которые также аккумулируют знания человека.

Известны исследования многих отечественных и зарубежных ученых, посвященные проблемам управления сложными системами в критических ситуациях. Теоретические аспекты проблем управления, в том числе динамическими системами, рассматривались в работах академиков Б. Н. Петрова, А. А. Красовского, JI.C. Понтрягина, а также их зарубежных коллег Р. Беллмана, Д. М. Джордана, Дж. Форрестера. Работы Б. Ф. Ломова., В. Ф. Венды, Ю. П. Доброленского и других исследователей посвящены инженерно-психологическим и эргономическим аспектам работы оператора сложных динамических объектов, в том числе и в критических ситуациях. В области теории и практики разработки систем управления, основанных на методах искусственного интеллекта, накоплен значительный опыт, в том числе в исследованиях отечественных ученых Г. С. Поспелова, Д. А. Поспелова, И. М. Макарова, P.M. Юсупова, В. И. Вагина, Э. В. Попова, С. Н. Васильева, Е. А. Федосова, Б. Е. Федунова, В. А. Виттиха, Н. Г. Загоруйко, А. И. Галушкина, Т. А. Гавриловой, Г. Н. Зверева, а также зарубежных ученых Н. Винера, А. Ньюэлла, Г. Саймона, Р. К. Линдсея, Дж. Хопфилда, Л. А. Заде, Е. Х. Мамдани, М. Сугэно, Р. Хейеса-Рота, Дж.Л. Колоднера, Д. Б. Лика. Работы В. Н. Пушкина, Л. Т. Кузина,.

A.С. Нариньяни посвящены системному анализу и ситуационному управлению динамическими системамиГ. Буч, Д. Рамбо, А. Джекобсон разработали принципы и технологию стандартизации объектно-ориентированного анализа и проектирования информационно-управляющих систем. Исследования Ю. М. Гусева, Б. Г. Ильясова,.

B.И. Васильева, Ю. С. Кабальнова, Г. Г. Куликова, В. Г. Крымского, В. Н. Ефанова и других посвящены управлению динамическими системами в условиях неопределенности. В трудах И. Ю. Юсупова, В. В. Миронова, Н. И. Юсуповой представлены принципы, методы и средства автоматизированного управления сложными техническими системами в критических ситуациях, в том числе в условиях помехисследования В. Е. Гвоздева, С. В. Павлова посвящены проблемам информационного обеспечения систем анализа и управления территориально распределенными геотехническими объектами. Вопросы автоматизации процесса управления в критических ситуациях и поддержки принятия решений исследуются достаточно интенсивно, и учеными получены существенные научные результаты для широкого класса сложных динамических систем и для различных типовых критических ситуаций. В практике проектирования информационных систем научные подходы реализуются в следующих основных технологиях анализа предметной области: технология структурного анализа и проектирования, интеллектуальный анализ данных и технология объектно-ориентированного анализа и моделирования. Для определения требований к обеспечению безопасности функционирования электронных систем международной комиссией по электротехнике разработана серия международных стандартов функциональной безопасности автоматизации производства IEC 61 508.

В то же время остаются мало исследованными вопросы информационной поддержки принятия управленческих решений в критических ситуациях сложных динамических объектов, основанных на формализации накопленных знаний и опыта управления, хранящихся в базах знаний. В связи с этим разработка методологических и теоретических основ, моделей и методов представления и обработки знаний, предназначенных для поддержки принятия решений при управлении в критических ситуациях, должна способствовать решению актуальной проблемы повышения безопасности функционирования сложных динамических объектов. В настоящее время необходимо определить концептуальный и теоретически обоснованный подход к системному анализу процесса управления сложными динамическими объектами в критических ситуациях и синтезу информационных систем поддержки принятия решений, включающих базы знаний. Во многих критических ситуациях реально существуют ресурсы управления, использование которых при условии принятия своевременных и правильных управляющих решений позволило бы ликвидировать критическую ситуацию, не допуская ее перерастания в аварийную ситуацию, и перевести управляемую систему в режим нормального функционирования. Поэтому весьма актуальна проблема поддержки принятия решений в критических ситуациях с использованием интеллектуальной информационной системы поддержки принятия решений, основанной на принципах инженерии знаний в рассматриваемой предметной области. Под инженерией знаний здесь понимается совокупность методов и средств приобретения, накопления, обработки, представления и синтеза знаний. В данной работе предложен подход к применению инженерии знаний, основанный на моделировании знаний экспертов и их методов решения проблем в предметной области.

Предметом исследования являются процессы принятия решений в критических ситуациях, происходящие в условиях неопределенности информации об управлении сложными динамическими объектами.

Цель и задачи исследований.

Целью исследований является разработка научно-обоснованных принципов и методических рекомендаций по поддержке принятия решений на основе системного анализа и моделирования знаний о процессах управления в критических ситуациях, а также разработка информационных и программных средств, обеспечивающих эффективное приобретение, обработку и представление знаний.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Разработать методологию построения информационной системы поддержки принятия решений на основе приобретения, обработки и представления знаний о процессе управления сложными динамическими объектами в критических ситуациях.

2. Разработать принципы и технологию объектно-когнитивного анализа и моделирования и на их основе исследовать структуру классов и динамику информационных процессов в системе поддержки принятия решений.

3. Разработать структуру информационной системы поддержки принятия решений с использованием технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами и сформулировать требования к динамике ее функционирования в критических ситуациях.

4. Разработать модель семантического анализа и конструирования тезауруса предметной области и использовать ее при формировании семантических отношений терминов описаний критических ситуаций.

5. Разработать структуру базы знаний, а также методы и алгоритмы приобретения, обработки и представления знаний в информационной системе поддержки принятия решений в критических ситуациях.

6. Реализовать полученные теоретические результаты в виде методик, комплекса моделей, алгоритмических и программных средств для практической проверки и анализа эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний с использованием сформулированных критериев оценки эффективности.

Для решения перечисленных задач разработана методология и информационно-аналитический комплекс интеллектуальной поддержки принятия решений при управлении в критических ситуациях.

Методы исследования.

В качестве методологической основы работы использовались методы системного анализа, объектно-ориентированного анализа и моделирования информационных систем, теории баз знаний, методы интеллектуального анализа данных, теории искусственных нейронных сетей и теории рассуждений в условиях неопределенности.

Результаты, выносимые на защиту.

На защиту выносятся следующие научные положения и практические результаты.

1. Методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на основе приобретения, обработки и представления знаний, интегрированных из разнородных источников в предметной области.

2. Принципы и технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений.

3. Комплекс моделей структуры и динамики функционирования информационной системы поддержки принятия решений, разработанный на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях.

4. Модель семантического анализа и конструирования предметно-ориентированного тезауруса с целью формирования семантических отношений терминов описаний критических ситуаций.

5. Иерархическая структура базы знаний информационной системы поддержки принятия решений в критических ситуациях, методы и алгоритмы приобретения, обработки и представления знаний в условиях неопределенности.

6. Методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

Научная новизна результатов.

• Новизна предлагаемой методологии приобретения, обработки и представления знаний об управлении сложными динамическими объектами в критических ситуациях заключается в интеграции методов и результатов семантического анализа процесса управления в критических ситуациях, объектно-ориентированного анализа и моделирования информационных систем и лингвистического анализа текстов, относящихся к процессам управления в критических ситуациях. Методология позволяет сформулировать основы объектно-когнитивного анализа и моделирования структуры классов и динамики функционирования информационной системы поддержки принятия решений.

• Новизна сформулированных принципов и технологии объектно-когнитивного анализа заключается в том, что они позволяют анализировать семантику отношений между классами объектов концептуальной модели знаний о процессах управления в критических ситуациях, а также разрабатывать динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления в критических ситуациях. Полученный комплекс моделей является основой для разработки базы знаний информационной системы поддержки принятия решений.

• Новизна иерархической структуры базы знаний информационной системы поддержки принятия решений состоит в разработке единого информационного пространства, организованного проблемно-ориентированным тезаурусом, позволяющего реализовать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

• Новизна разработанной модели семантического анализа и конструирования предметно-ориентированного тезауруса состоит в формировании семантических отношений терминов предметной области и нейросетевой классификации прецедентов критических ситуаций, что позволило повысить полноту и точность поиска решений, содержащихся в базе знаний.

Практическая значимость и внедрение результатов.

Научные результаты работы явились основой создания информационной системы поддержки принятия решений, включающей интеллектуальную компоненту приобретения, накопления, обработки, предоставления, обновления и распространения знаний. Предложены адекватные разработанной методологии модели, алгоритмы и программы.

Разработанный метод реализации базы знаний и алгоритм иерархического поиска прецедентов с использованием тезауруса предметной области обеспечивают возможность формирования рекомендаций по принятию решений в критической ситуации, что позволяет повысить качество и сократить время принятия решений.

В НИИ авиационного оборудования внедрены следующие результаты:

• методология построения экспертных систем ручного управления летательными аппаратами в критических ситуациях, позволяющих проводить анализ и классификацию критических ситуаций, связанных с отказами систем отображения информации, ошибками пилотирования, потерей и искажением информации;

• методика автоматизированного формирования информационного обеспечения для поддержки принятия решений пилотом в критических ситуациях;

• программы, реализующие алгоритмы формирования рекомендаций электронного инструктора пилоту в критических ситуациях для летательных аппаратов различных типов.

Данные результаты внедрены в форме методики проектирования и эксплуатации алгоритмического и программного обеспечения информационной системы поддержки принятия решений, в том числе для создания тренажерных комплексов и обучающих систем. Полученные теоретические результаты послужили основой технических решений, защищенных авторскими свидетельствами на изобретение (А.с. №№ 602 976, 611 506, 638 998, 643 919), а также реализованы в виде программных продуктов, зарегистрированных в Рос АЛО и РОСПАТЕНТ.

В Министерстве по делам гражданской обороны и чрезвычайным ситуациям внедрены следующие результаты: комплекс моделей процессов управления сложными динамическими объектами в критических ситуацияхметодология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях на инженерии знаний. Данные результаты внедрены в форме методики, алгоритмического и программного обеспечения, позволяющих автоматизировать процесс проектирования информационных систем поддержки принятия решений сложными объектами в критических ситуацияхрасширить функциональные возможности управления сложными динамическими системами в критических ситуациях, не допуская их перерастания в чрезвычайные ситуации за счет организации информационной поддержки принятия решенийповысить профессиональный уровень управляющего персонала в области автоматизированного управления сложными объектами путем моделирования критических ситуаций, приобретения, накопления, обработки, представления знаний об управлении в критических ситуациях и анализа последствий принимаемых решений.

В учебный процесс Уфимского государственного авиационного технического университета внедрены математическое, алгоритмическое и программное обеспечение моделирующего прототипа информационной системы поддержки принятия решений, которые применяются при чтении лекций, выполнении курсовых и дипломных проектов по дисциплинам «Системы искусственного интеллекта» и «Технология объектно-ориентированного моделирования» для студентов, обучающихся по направлению 220 228 — «Информатика и вычислительная техника», специалистов, обучающихся по специальности «Математические методы в экономике», а также для магистров по направлению 552 823 — «Информационные управляющие системы».

Реализация работы.

Результаты диссертационной работы нашли применение при выполнении научно-исследовательских работ:

Исследования в данном направлении начаты автором в Уфимском авиационном университете в 1972—1990 гг. в рамках НИР по заказу НИИ авиационного оборудования (г. Жуковский) для летательных аппаратов, в том числе авиационно-космического летательного аппарата многоразового использования класса «Буран» (Гос. per. №№ 75 010 093, 77 036 885, 78 022 798 и др.).

В 1994;1999 годах работа по автоматизированному проектированию информационно-управляющих систем продолжена в ходе сотрудничества с ОАО УМПО.

В 1999—2001 гг. работа продолжена в ходе сотрудничества с институтом программных структур и организации данных университета г. Карлсруэ, по направлению — «Информационные системы реального времени, параллельные банки данных и базы данных, интеллектуальные банки данных и базы данных».

Прикладные разработки, связанные с проведением интеллектуального анализа данных и разработкой концепции проектирования информационно-справочной системы, выполнялись в 2001—2002 гг. по теме: «Развитие и совершенствование распределенной системы сбора данных об источниках и факторах негативного воздействия на окружающую среду и о состоянии окружающей среды» с Государственным комитетом по охране окружающей среды РБ.

Работа поддержана в рамках Федеральных целевых программ «Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997—2001 гг.» и «Интеграция науки и высшего образования России на 2002;2006 гг.», а также частично поддержана грантом РФФИ 03−07−90 242 «Интернет-комплекс поддержки выполнения проектов фундаментальных исследований сложных систем с применением интеллектуальных технологий на базе экспертных систем» (2003;2005 гг.).

Апробация и публикации.

Основные положения и результаты работы регулярно докладывались, обсуждались и получили положительную оценку более чем на 48 научных и научно-практических конференциях семинарах различного уровня, проводившихся в нашей стране и за рубежом по проблемам системного анализа, управления, информационной технологии и безопасности сложных систем, в их числе:

• Международная научно-практическая конференция «Системный анализ в проектировании и управлении», Санкт-Петербург, 2001;2003 гг.

• Международная конференция ! Информатика и информационные технологии" (Уфа, Россия, 2000, 2001, 2003, Патрас, Греция, 2002).

• Международная конференция «Проблемы управления и моделирования в сложных системах» г. Самара, 2000;2003 гг.

• Международная конференция Modeling, computing, design under indeterminacy conditions — Уфа, 2000. Proceedings of the International Conference.

• Семинар в институте программных структур и организации данных университета г. Карлсруэ, 2000 г.

• 9-й симпозиум IFAC/IFORS/IMACS/IFIP «Большие системы: Теория и применения», Бухарест, Румыния, 2001.

Результаты диссертационной работы непосредственно отражены в более чем 100 публикациях, в том числе в 2 монографиях, 30 статьях, 50 тезисах докладов и трудах конференций, 2 учебных пособиях, 4 авторских свидетельствах на изобретения, 5 свидетельствах об официальной регистрации программ для ЭВМ, а также 7 депонированных научно-технических отчетах.

Благодарности.

Проблема информационной поддержки принятия решений в критических ситуациях на основе инженерии знаний находится в русле исследований в области интеллектуального направления, инициированных в УГАТУ (тогда в Уфимском авиационном институте им. С. Орджоникидзе) в 1972 г. группой ученых под руководством д-ра техн. наук, профессора Ислама Юсуповича Юсупова. Профессор И. Ю. Юсупов, являясь руководителем кандидатской диссертации, сформулировал направление и оказал огромное влияние на дальнейшие исследования автора в области систем, основанных на знаниях и опыте экспертов.

Автор выражает благодарность научному консультанту, заслуженному деятелю науки и техники РФ и РБ, доктору технических наук, проф. Ильясову Б. Г. за многочисленные содержательные консультации по методологическим и концептуальным аспектам системного анализа процессов функционирования сложных динамических объектов в критических ситуациях. Автор выражает благодарность заслуженному деятелю науки РБ, доктору технических наук, профессору Юсуповой Н. И. и заслуженному деятелю науки РБ, доктору технических наук, профессору Миронову В. В. за ценные советы в процессе обсуждения научных проблем, связанных с управлением сложными динамическими объектами в условиях неопределенности, которые происходили в течение многих лет совместной работы.

Структура работы.

Работа включает введение, 6 глав основного материала, заключение, библиографический список и приложения. Работа изложена на 311 страницах машинописного текста, кроме того, содержит 130 рисунков и 25 таблиц, размещенных на 130 страницах. Библиографический список содержит 195 наименований.

В первой главе завершается начатый во введении анализ содержания проблем управления сложными динамическими объектами в критических ситуациях, приводится определение критических ситуаций.

В соответствии с анализом особенностей рассматриваемых типов сложных динамических объектов сформулирована цель исследования, состоящая в разработке концепции построения информационной системы поддержки принятия решений на основе знаний о процессе управления сложными динамическими объектами в критических ситуациях, моделировании процессов получения и использования этих знаний, а также поиске средств, обеспечивающих эффективное управление знаниями.

Выбор направления исследований, сделанный на основе проведенного обзора, позволил конкретизировать задачи, связанные с разработкой концепции построения информационной системы поддержки принятия решений на основе обработки знаний о процессе управления сложными динамическими системами в критических ситуациях. Предложена структура и сформулированы принципы функционирования информационной системы поддержки принятия решений (ИСППР).

Сформулированные цель и основные задачи определяют приоритет разработки концептуальных и теоретических основ поддержки принятия решений при управлении сложными динамическими объектами в критических ситуациях, а также последовательность решения вопросов разработки различных методов и средств управления знаниями.

Во второй главе рассматриваются вопросы методологии построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний.

Основой методологии разработки информационной системы поддержки принятия решений является объектно-когнитивный анализ предметной области, интегрирующий методы и результаты объектно-ориентированного анализа, онтологического анализа и семантической сети представления знаний. В диссертационной работе предложено при разработке систем, основанных на знаниях, использовать специальные методы и средства объектно-ориентированного моделирования предметной области, разработанные для проектирования информационных систем, чтобы воссоздать концептуальную модель экспертов в формализованной модели представления знаний. Разработаны принципы представления знаний с использованием языка объектно-ориентированного моделирования Unified Modeling Language (UML).

На основе объектно-когнитивного анализа предметной области разработан комплекс объектно-ориентированных моделей структуры и динамики функционирования информационной системы поддержки принятия решений.

Разработанные модели структур классов когнитивных элементов содержит метазнания (знания о знаниях, определяющие, что означают хранящиеся в базе знаний правила и прецеденты, для каких классов ситуаций они предназначены, как взаимосвязаны и как их использовать) и конкретные предметные знания (знания об управлении в конкретных критических ситуациях). Для описания динамики процесса управления в критических ситуациях разработаны модели поведения классов и объектов ИСШ IF, а именно: динамические модели взаимодействия объектов, модели изменения состояний объектов и сценарии управления в критических ситуациях.

Комплекс моделей является основой разработки базы знаний информационной системы поддержки принятия решений. Предложены методы и средства преобразования моделей в различные объектно-ориентированные нотации программирования.

В третьей главе рассматривается новый онтологический подход к формированию информационного пространства процессов управления сложными системами в критических ситуациях.

Достоинством предложенного подхода является разработка единого информационного пространства описания КС, включающего как качественные, так и количественные характеристики КС, выраженные в различного типа шкалах, и использование различных размытых мер сходства для сопоставления описаний КС. Для формирования информационного пространства управления в критических ситуациях предлагается модель семантического анализа, особенностью которой является интеграция в предметно-ориентированном тезаурусе понятий, используемых в текстах предметной области, моделях процессов управления и структурированных данных описаний критических ситуаций.

В работе проведен кластер-анализ терминов описаний типовых критических ситуаций в созданном пространстве признаков по их ситуативной близости и по частоте появления тех или иных конкретных терминов.

По результатам классификации критических ситуаций были сделаны выводы о применимости каждого из рассматриваемых методов для решения задачи классификации КС на основе полученных из описаний КС признаков — дескрипторов. Установлено, что методы статистической классификации не дают приемлемого качества классификации в силу специфики решаемой задачи классификации и используемых исходных данных. Однако средства статистической обработки вполне удовлетворительно могут быть использованы для решения вспомогательных задач, например, выявления избыточности в исходных данных и уменьшения размерности пространства признаков классификации.

Применение методов обучения нейронных сетей для решения задачи классификации КС на основе их описаний дают достаточно хорошие результаты обучения на достоверных экспертных данных, позволяя достаточно точно отслеживать логику человека — эксперта. Следует учесть, что задачу приходится решать в рамках определенных ограничений, связанных в первую очередь с необходимостью иметь большой предопределенный набор качественных обучающих примеров.

В четвертой главе рассматриваются вопросы формирования моделей представления знаний об управлении сложным объектом в критических ситуациях и синтеза алгоритмов поддержки принятия решений с использованием баз знаний.

Функционирование информационной системы поддержки принятия решений, осуществляющей оперативный контроль развития критических ситуаций и выдачу рекомендаций по принятию решений, обеспечивается на основе ситуационной базы знаний. Ситуационная база знаний интегрирует описания ситуаций в форме прецедентов, модели динамических процессов и сценарии развития ситуаций, а также правила принятия решений в критических ситуациях.

Предложена иерархической базы знаний, в которой класс правил может быть классом верхнего уровня или подклассом, ассоциированным с отдельным объектом предметной области. Декомпозиция базы правил производится в соответствии с иерархией объектов, установленной в результате объектного моделирования.

Методы и алгоритмы приобретения, обработки и представления знаний реализованы на основе иерархического поиска управляющих решений на множестве правил управления и прецедентов принятия решений в критических ситуациях в условиях неопределенности.

В пятой главе содержатся общие сведения о построении схемы информационной системы поддержки принятия решений в критических ситуациях, приведена структура гипертекстовой базы знаний, структура гипертекстового документа — прецедента, а также результаты проектирования интерфейса пользователя и описание сценариев поиска прецедентов. На основе предложенного подхода создана методика разработки алгоритмов формирования рекомендаций по принятию решений на основе инженерии знаний с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений.

В шестой главе проведен анализ результатов оценки эффективности предложенных решений по автоматизации процессов управления сложными системами в критических ситуациях. Приводятся результаты имитационного моделирования процессов управления в критических ситуациях с использованием системы поддержки принятия решений.

Исследования по определению требований к точности результатов обнаружения и распознавания класса критических ситуаций, проведенные с использованием разработанных критериев эффективности, показали целесообразность введения правил вторичной обработки сигналов, получаемых в ходе мониторинга объекта управления для обеспечения необходимой достоверности распознавания. Для оценки истинности логических аппроксимаций знаний, содержащихся в конечном множестве прецедентов критических ситуаций,' накопленных на текущий момент в базе знаний, при формировании правил управления, в данной работе использованы формализмы частотной логики.

Для проведения оценки эффективности поддержки коллективных решений в критических ситуациях (для объектов со сложной, территориально распределенной структурой) была выбрана модель иерархических цветных сетей Петри (CPN). Разработанные модели процессов коллективного принятия решений в критических ситуациях для различных сценариев работы управляющих показали эффективность способов ликвидации критических ситуаций на основе рекомендаций, предоставляемых ИСППР.

В заключении сформулированы основные результаты диссертационного исследования.

В приложениях приведены: комплекс объектно-ориентированных моделей информационной системы поддержки принятия решений, фрагмент предметно-ориентированного тезауруса, коды программного обеспечения алгоритмов формирования рекомендаций на основе правил и прецедентов, а также документы, подтверждающие внедрение результатов диссертации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ.

Главным итогом выполненных автором исследований является решение научно-технической проблемы разработки концептуально-теоретических основ, информационного и алгоритмического обеспечения поддержки принятия решений по управлению сложными динамическими объектами в условиях неопределенности с использованием инженерии знаний. Решение данной проблемы имеет важное научное и практическое значение ввиду необходимости обеспечения безопасности функционирования сложных динамических объектов.

В ходе исследования сделаны следующие выводы и получены следующие результаты:

1. Разработана методология построения информационной системы поддержки принятия решений в процессе управления сложными объектами в критических ситуациях в виде системы принципов, общенаучных подходов, дополненных конфигурацией информационной системы поддержки принятия решений, определяющей структуризацию знаний и процедуры обработки различных форм представления знаний. Методология основана на управлении знаниями, интегрированными из разнородных источников в предметной области, с использованием принципов и методов искусственного интеллекта и позволяет, в отличие от известных концепций, осуществлять на более качественном уровне поддержку принятия решений.

2. Сформулированы принципы и разработана технология объектно-когнитивного анализа и моделирования структуры классов и динамики информационных процессов в системе поддержки принятия решений с использованием стандартов и инструментальных средств анализа и моделирования информационных систем. Использование технологии объектно-когнитивного анализа и моделирования позволяет автоматизировать процессы создания информационных систем поддержки принятия решений и сократить сроки их разработки.

3. Разработан комплекс моделей структуры и динамики поведения информационной системы поддержки принятия решений, включающий концептуальную модель структуры классов и объектов знаний, а также динамические модели взаимодействия объектов, изменения состояний объектов и сценарии управления, на основе принципов и технологии объектно-когнитивного анализа процессов управления сложными динамическими объектами в критических ситуациях, что явилось основой для разработки базы знаний ИСППР.

4. Разработана модель семантического анализа и конструирования тезауруса предметной области с целью формирования семантических отношений терминов описаний критических ситуаций. Показаны способы использования предметно-ориентированного тезауруса в процессах разработки баз знаний и алгоритмов формирования рекомендаций по принятию решений, что позволяет обеспечить необходимое соотношение полноты и точности поиска решений.

5. Предложена иерархическая структура базы знаний информационной системы поддержки принятия решений в едином информационном пространстве знаний, организованном предметно-ориентированным тезаурусом, позволяющим реализовывать процессы приобретения, обработки и представления знаний и синтеза новых знаний на основе принципов объектно-когнитивного анализа, направленных на обеспечение целостности и непротиворечивости знаний.

6. Предложена методика разработки алгоритмов формирования рекомендаций по принятию решений с использованием тезауруса предметной области, а также программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к организации поддержки принятия решений на основе инженерии знаний. Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

Выводы по главе 6.

Проведены исследования эффективности поддержки принятия решений методом имитационного моделирования с использованием средств нечеткого моделирования и обучения нейронных сетей, а также имитационного моделирования процессов коллективного принятия решений в критических ситуациях на сетях Петри, результаты которых подтверждают эффективность применения разработанной информационной системы поддержки принятия решений.

Исследования по определению требований к точности результатов обнаружения и распознавания класса критических ситуаций показали целесообразность вторичной обработки сигналов, получаемых в ходе мониторинга объекта управления для обеспечения необходимой достоверности распознавания. Установлено, что введение вторичной обработки сигналов путем проведения анализа сигналов на установленном временном интервале позволяет уменьшить вероятность ложной сигнализации о критической ситуации на 2−3 порядка. В результате экспериментальных исследований на тренажере летательного аппарата сделан вывод о том, что при необходимости существенно уменьшить время распознавания КС без отрицательного эффекта в случае ложной сигнализации следует выдавать управляющему подсказывающую информацию по принятию решения, ориентирующую на распознавание критической ситуации определенного класса, без директивных команд на реализацию управляющих воздействий на объект управления.

Заключение

В ходе исследования сделаны следующие выводы и получены следующие результаты:

Научные результаты работы явились основой создания систем информационной поддержки принятия решений, включающих интеллектуальную компоненту накопления, использования, предоставления, обновления и распространения знаний. Предложены адекватные разработанной методологии модели, алгоритмы и программные средства.

Разработанные метод реализации базы прецедентов и алгоритм адаптивного поиска прецедентов с использованием тезауруса предметной области обеспечивают возможность формирования рекомендаций по принятию решений в критической ситуации, что позволяет повысить качество и сократить время принятия решений в критических ситуациях. Результаты проведенных исследований свидетельствуют, что предложенные модели, методы и алгоритмы позволяют создавать эффективные методики научных исследований и решения прикладных задач, а использование разработанных моделей, алгоритмов и программных средств повышает производительность труда разработчиков и сокращает сроки создания информационных систем поддержки принятия решений, основанных на инженерии знаний.

Показать весь текст

Список литературы

Большой энциклопедический словарь. В 2-х т. / Гл. ред. А. М. Прохоров. — Сов. Энциклопедия, 1991. Т. 2 — 1991 — 768 е., ил.
Клир Дж. Системология. Автоматизация решения системных задач. М.: Радио и связь, 1990. — 343 с.
Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика М.: Машиностроение, 1990. 448 с.
Козлов В.Н. Системный анализ и принятие решений: Учебное пособие. СПб.: Изд-во СПбГТУ, 2000. — 190 с.
Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука. — Гл. ред. физ.-мат. лит., 1986. — 288 с.
Труды общества независимых расследователей авиационных происшествий. Доклады 10 научно-практической конференции общества независимых расследователей, вып14. Москва, 2002.
Нигматуллин Р.Г., Юсупов P.M., Черняховская JI.P. Распознавание критических ситуаций сложных технических систем. Депонир. Рукопись в журнале «Приборы и системы управления», М., 1977, № 1.
Юсупов И.Ю. Автоматизированные системы принятия решений. -М.: Наука, 1983. 88 с.
Доброленский Ю.П., Пономаренко В. А. Образ полета. «Авиация и космонавтика», 1986, № 4.
Авиакатастрофы. По материалам отечественной периодической печати с 1981 по 1994 годы./ Сост. А. Б. Симонов. Миасс: Геотур, 1998. -376 с. ил.цв. 30, ил. 201.
Federal Plan for Aviation Accident Involving Aircraft Operated by or Chartered by Federal Agencies. NTSB, 1999.
Экспертные системы — электронные консультанты летчика (современное состояние, проблемы, перспективы). Бочкарев A.M., Почуев С. И. «Зарубежная радиоэлектроника», № 9, 1989.
Петров Б.Н. Избранные труды. T.l. М.: Наука, 1983. 432 с.
Юсупов P.M., Заболотский В. П. Научно-методологические основы информатизации. СПб.: Наука, 2000. — 455 с. 69 ил.
Ломов Б.Ф. Человек и техника. М., «Советское радио», 1966.
Миронов В.В., Юсупова Н. И. Иерархические модели ситуаций и их реализация (статья на англ. языке). Труды Российско-китайского семинара. -Уфа: Изд. УГАТУ, 1999. С. 125−129.
Миронов В.В., Юсупова Н. И. Исследование иерархической ситуационной модели с трехзначными предикатами в АСУ техническими объектами. Принятие решений в условиях неопределенности. /Межвуз. науч. сб. Уфа: УГАТУ, 2000. — С.7−15.
Беллман Р., Дрейфус С. Прикладные задачи динамического программирования: Пер. с англ. М.: Наука, 1965. — 458 с.
Бесекерский В.А., Попов Е. П. Теория систем автоматического регулирования. М.: Наука, 1972. — 768 с.
Понтрягин JI.C., Болтянский В. Г., Гамкрелидзе Р. В., Мищенко Е. Ф. Математическая теория оптимального управления. М.: Физматгиз, 1961.
Клыков Ю.И. Ситуационное управление большими системами. М.: Энергия, 1974.- 135 с.
Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский СПб: Питер, 2000. — 384 е.: ил.
Джексон, Питер. Введение в экспертные системы.: Пер. с англ.: Уч. Пос. М.: Издательский дом «Вильяме», 2001. — 624 е.: ил.
Поспелов Г. С., Поспелов Д. А. Искусственный интеллект и прикладные системы. М.: Знание, 1985. 43 с.
Zadeh I. Fuzzy Logic, Neural Networks and Soft Computing // Communication on theACMA99A. Vol. 37,№ 3.-P. 77−84.
Заде JI. Понятие лингвистической переменной и его применение к понятию приближенных решений // Математика. Новое в зарубежной науке / Под ред. А. Н. Колмогорова, С. П. Новикова. -М.: Мир, 1976.
Cherny L. Some Integration Problems of Organizational Decision Support Systems. Proceedings of IFAC-MIM 2000 Symposium of Manufacturing, Modeling, Management and Control. Rio, Patras, Greece, 12−14 July 2000. P. 120−122.
Автоматизированное проектирование информационно управляющих систем. Проектирование экспертных систем на основесистемного моделирования/ Г. Г. Куликов, А. Н. Набатов, А. В. Речкалов, Л. Р. Черняховская и др. Уфимск. Гос. авиац. Техн. ун-т. Уфа, 1999. -223 с.
Винер Н. Кибернетика. М.: Мир, 1969.
Автоматизированное проектирование информационно управляющих систем. Проектирование экспертных систем на основе системного моделирования/ Г. Г. Куликов, А. Н. Набатов, А. В. Речкалов, Л. Р. Черняховская и др. Уфимск. Гос. авиац. Техн. ун-т. Уфа, 1999. -223 с.
Буч Г. Объектно-ориентированный анализ и проектирование: с примерами приложений на С++. «Издательство Бином». «Невский диалект», 1998.-560 с.
Буч Г., Рамбо Д., Джекобсон А. Язык UML. Руководство пользователя: Пер. с англ. М.: ДМК, 2000. 432 е.: ил.
Йордон Э&bdquo- Аргила К. Структурные модели в объектно-ориентированном анализе и проектировании. Изд. «Лори», 1999. — 264 е.: ил.
Каляное Г. Номенклатура CASE-средств и виды проектной деятельности. // Системы Управления Базами Данных 1997. — № 2.
Кватрани Т. Rational Rose 2000 и UML. Визуальное моделирование: Пер. с англ. М.: ДМК Пресс, 2001. — 176 е.: ил.
Коналлен Дж. Разработка Web — приложений с использованием UML /Пер. с англ. М.:Издательский дом «Вильяме»., 2001. — 288 е.: ил.
Маклаков С. В. BPWin, ERWin. СА^{-средства} разработки информационных систем. Москва, ДИАЛОГ МИФИ, 1999.
Марко Д., Мак Гоен К. Методология структурного анализа и проектирования. М.: Метатехнология, 1992. — 239 с.
Методология IDEF0. Функциональное моделирование. М.: Метатехнология, 1993. 117 с.
Методология IDEFXX. Информационное моделирование. М.: Метатехнология, 1993. 120 с.
Методология динамического моделирования IDEF0/CPN / Материалы 6 семинара «Информационные технологии в проектировании систем и управлении бизнесом. М.: Метатехнология, 1994. 13 с.
Мюллер Р. Дж. Базы данных и UML. Проектирование. М.: Издательство «Лори», 2002.
Общая алгебра. Т.2/ В. Артамонов, В. Н. Салий, Л. А. Скорняков и др. /Под общ. ред. Л. А. Скорнякова. М.: Наука. Гл. ред. Физ.-мат. Лит., 1991. -480 с.
Рамбо Дж., Якобсон А., Буч Г. UML: специальный справочник. -СПб.: Питер, 2002. 656 е.: ил.
Трофимов С.А. Case- технологии: практическая работа в Rational Rose М.: ЗАО «Издательство БИНОМ», 2001 г. — 272 е.: ил.
Guarino N. Giaretta P. 1995. Ontologies and Knowledge Bases. Towards a Terminological Clarification // In: Towards Very Large Knowkedge Bases. -N.J.I. Mars (ed.J, IOS Press, Amsterdam.
Филиппович Ю.Н., Прохоров А. В. Семантика информационных технологий: Опыты словарно-тезаурусного описания. С предисловием А. И. Новикова. М.: МГУП, 2002. — 368 с.
Quillian M.R. Semantic memory. In Semantic Information Processing (Minsky M., eds), p. 227−270. Cambridge, MA: MIT Press.
Вагин i?.H. Дедукция и обобщение в системах принятия решений. -М.: Наука, Гл. ред. физ.-мат. лит.- 1988, 384 с.
Ларичев О.И., Мечитов A.M., Мошкович Е. М., Фуремс Е. М. Выявление экспертных знаний (процедуры и реализации). М.: Наука, 1989. -128 с.
Черняховская Л.Р., Куликов Г. Г., Речкалов А. В. Никулина Н.Н. Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия. «Авиационная промышленность», N 3, 1998.
Черняховская Л.Р., Куликов Г. Г., Речкалов А. В. Старцева Е.Б. Организация поддержки принятия решений на основе комплекса IDEF-моделей. Управление в сложных системах: Межвуз. научн. сб. Уфа, УГАТУ, 1998.
Фаттахов, Черняховская Л. Р., Низамутдинов. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфимск. Гос. Авиац. Техн. Ун-т. Уфа, 2001. — 120 с.
Кульба B.C., Ковалевский С. С., Косяченко С. А., Сиротюк В. О. Теоретические основы проектирования оптимальных структурраспределенных баз данных. Серия «Информатизация России на пороге XXI века». М.:СИНТЕГ, 1999. — 660 с.
Хаммер М. Чампи Дж. Реинжениринг бизнес-процессов на основе имитационного моделирования деятельности организаций.
Watson H. J et al, «Building Executive Information Systems and other Decision Support Applications «, Wiley, 1997.- P. 10.
Пиотровский Р.Г. Текст, машина, человек. JT.: Наука, 1975. 327 с.
Организация работы с документами /В.А.Кудряев и др.-М.:ИНФРА-М, 1999.-575 с.
Смирнов С.В. Онтологический анализ предметных областей моделирования// Известия Самарского научного центра РАН. 2001. Т.З. -№ 1.-С. 62−70.
Сэлтон Г. Автоматическая обработка, хранение и поиск информации. Нью-Йорк, 1968, Пер. с англ., под ред. А. И. Китова. М.,"Сов. Радио», 1973, 560 с.
Манделъброт Б. Теория информации и психолингвистика: теория частот слов // Математические методы в социальных науках: Сб. статей под ред. П. Лазарсфельда и Н.Генри. М.: Прогресс, 1973.
C.J. van Rijsbergen. Information Retrieval, Second Edition, Butterworths, Glasgou, 1979.
Тондл Л. Проблема информационной синонимии. Kybernetika -v.l 1 (1975), 1. Academia, Praha.
Дюк В., Самойленко A. Data mining', учебный курс. СПб: Питер, 2001.-368 е.: ил.
StatSoft, Inc. (2001). Электронный учебник по статистике. Москва, StatSoft. WEB: http://www.statsoft. ru/home/textbook/default.htm
Кандрашина Е.Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах / Под ред. Д. А. Поспелова.- М.: Наука, 328 с.
Загоруйко Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск. Изд-во института математики, 1999. 270 с.
Пфанцагль И. Теория измерений: Пер. с англ. М.: Мир, 1976. — 248 с.
Классификация и кластер. Под ред. Дж. Вэн Райзин. Пер. с англ. -М.: Мир, 1980. 389 е.: ил.
Черняховская Л.Р., Никулина Н. О., Старцева Е. Б., Шерман М. Д. Разработка экспертной управляющей системы для управления корпоративной сетью АСУП /Управление в сложных системах: Межвуз. науч. сбор. Уфа: УГАТУ, 1995. с. 135−141.
Статические и динамические экспертные системы: Учеб. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. М.: Финансы и статистика, 1996. — 320 с.
Логический подход к искусственному интеллекту. От модальной логики к логике баз данных: Пер. с франц. / Тейз А., Грибомон П., Юлен Г. и др. М.: Мир, 1998. — 494 е., ил.
Приобретение знаний-. Пер. с япон./Под ред. С. Осуги, Ю. Саэки. — М.: Мир, 1990.-304 с., ил.
Тельное Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. М.: СИНТЕГ, 1999.
Экспертные системы, принципы работы и примеры: Пер. с англ./ А. Брукинг, П. Джонс, Ф. Кокс и др.- Под ред. Р.Форсайта. М.: Радио и связь, 1987.- 224 с.:ил.
Котов В.Е. Сети Петри. М.: Наука, 1984.
Малпас Дж. Реляционный язык Пролог и его применение. // Пер. с англ.: Под ред. В. Н. Соболева. М.: Наука. Гл. ред. физ. — мат. лит., 1990. -464 с.
Мелихов А.Н., Бернштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.
Методы робастного, нейро-нечеткого и адаптивного управления'. Учебник / Под ред. Н.Д.Егупова- издание 2-ое, стереотипное. М.: Изд-во МГТУ им. Н. Э Баумана, 2002.- 744 е., ил.
Нечеткие множества в модели управления и искусственного интеллекта. Под ред. Д. А. Поспелова. Наука, 1996.
Прикладные нечеткие системы. Пер. с япон./ К. Асаи, Д. Ватада, С. Иван и др.- под редакцией Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993.368 е., ил.
Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.
Интеллектуальные системы автоматического управления / Под ред. И. М. Макарова, В. М. Лохина. М.: ФИЗМАТЛИТ, 2001. — 576 с.
Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
Гулътяев А. Визуальное моделирование в среде MATLAB.-. Учебный курс СПб.: Питер, 2000.- 432 е.: ил.
Леоненков А.В. Нечеткое моделирование в среде MATLAB и FuzzyTECH.-СПб.:БХВ Петербург, 2003.- 735 е.: ил.
Wang L.X. Analysis and design of Hierarchical Fuzzy Systems. IEEE Transactions on Fuzzy Systems, 1999. 7(5), P.617−624.
Темников Ф.Е. Высокоорганизованные системы //В кн.: Большие системы: Теория, методология, моделирование. -М.: Наука, 1971. с.85−94.
Amodt, А. & Plaza, Е. (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. AI Communications, 7(i). PP 39−59.
Acorn, T. and Walden, S. SMART: Support Management Automated Reasoning Technology for Compaq Customer Service. In: Innovative Applications of Artificial Intelligence 4, AAAI, Menlo Park, California, 1992.
Hennesey D. and Hinkle D. Applying Cased-Based Reasoning to Autoclave Loading. In: IEEE EXPERT, October 1992, IEEE Computer Society, Los Alamitos, California.
K.-D.Althoff and S. Wess, Case-Based Knowledge Acquisition, Learning and Problem Solving for Diagnostic Real World Tasks, Proceedings European Knowledge Acquisition Workshop, EKA W91, 1991.
Caamu Т., Керне К. Аналитическое планирование. Организация систем: Пер. с англ. М.: Радио и связь, 1991. — 224 с.
Евланов JI.F., Кутузов В. А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.
Kandel A., Bay at W. Fuzzy sets, fuzzy algebra and fuzzy statistics // Proc. IEEE. 1078. Vol. 66, № 12. P. 1619- 1639.
Robinson J. A. A machine-oriented logic based on the resolution principle. Journal of the Association for Computer Machinery, 12,/?. 23- 41, 1965.
K. Jensen. «Introduction to the Theoretical Aspects of Coloured Petri Nets», A Decade of Concurrency Lecture Notes in Computer Science», Springer Verlag, 1994, vol. 803. PP. 230 272.
Люгер Дж.Ф. Искусственный интеллект: стратегии методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2003. — 864 е.: ил.
Черняховская JI.P. Результаты исследования эффективности взаимодействия летчика с электронным инструктором в процессе вывода самолета из аварийных ситуаций. Отчет/УАИ Деп. N Б 549 952: — Уфа, 1976. ДСП: — Уфа, 1976.
Benjamins V.R., Fensel D., et. al. A Knowledge Based System for Asquiring the Conceptual Structure of a Diagnostic Expert System // Journal of Automated Reasoning. -No. l.P.49 74.
Горбань A.H. Обучение нейронных сетей. M.: Параграф, 1990. -160 с.
Галушкин А.И. Теория нейронных сетей. Кн. 1 М.: ИПРЖР, 2000.-416с.
Нариньяни А.С. Недоопределенность в системах представления и обработки знаний // Техническая кибернетика. — 1986. № 5. — С. 3−28.
Зверев Г. Н. Основания теоретической информатики. Разд. 1 9. — Уфа, УГАТУ, 1995−99.
Зверев Г. Н. Частотная логика альтернатива классической логике в новых информационных технологиях. = Информационные технологии, № 2, 1998, с. 2−10.
Трахтенгерц. Поддержка принятия решений.
Математический энциклопедический словарь. М.: Изд-во Сов. энциклопедия, 1988.
Зверев Г. Н. Основания теоретической информатики. 2. Теоретическая семиотика и лингвистика: Учеб. пособие / Г. Н. Зверев- Уфимск. гос. авиац. ун-т. Уфа, 1995, 61 с.
Зверев Г. Н. Оценка точности логических приближений и границ применимости классической и неклассических логик в системах моделирования и принятия решений. Уфа, УГАТУ, 1999.
Васильев В.И., Жернаков С. В. Экспертные системы: Управление эксплуатацией сложных технических объектов: Учебное пособие/ В.И.васильев, С. В. Жернаков, Уфимск. Гос.авиац. техн. ун-т. Уфа: УГАТУ, 2003.- 106 с.
Юсупов И.Ю., Нигматуллин Р. Г., Черняховская JI.P. Распознавание критических ситуаций сложных технических систем. // Приборы и системы управления, 1977- № 1.
Черняховская J1.P., Юсупов И. Ю., Дубинин Н. М., Миронов В. В., Нигматуллин Р. Г., Юсупова Н. И. Устройство для предупреждения аварийных ситуаций. А.С. N 638 998 (СССР). ВИД978, N 47.
Черняховская JI.P., Юсупов И. Ю. Нигматуллин Р.Г. Устройство для распознавания аварийных ситуаций. А.С. N 643 919 (СССР). ВИД 979, N 3.
Черняховская J1.P., Юсупов И. Ю., Миронов В. В., Юсупова Н. И. Устройство для сигнализации предельных режимов работы. А.С. N 602 976 (СССР). ВИД 979, N7.
Черняховская J1.P., Юсупов И. Ю., Миронов В. В., Юсупова Н. И. Устройство для сигнализации приближения к сваливанию самолетов. А.С. N 611 506 (СССР). ВИД 979, N 4.
Черняховская JI.P. Исследование возможных путей построения автоматического распознающего устройства в интересах управления выводом самолета из критических ситуаций: Автореф. дис. канд. техн. наук: 05.13.14/УАИ. Уфа, 1977.- 16 с.
Черняховская J1.P., Зонабенд Ф. М. Методика автоматизированного формирования информационного сопровождения оператора в критических ситуациях. «Вопросы регулирования и управления в сложных системах». Межвуз. науч. сбор. Уфа, УАИ, 1990, с. 67−74.
Черняховская J1.P., Бурделев В. А. Автоматизация проектирования систем телеобработки данных с использованием экспертных систем. Учебное пособие. Изд. УАИ, Уфа, 1991. 67 с.
Черняховская J1.P., Никулина Н. О., Старцева Е. Б., Шерман М. Д. Разработка экспертной управляющей системы для управлениякорпоративной сетью АСУ П. «Управление в сложных системах». Межвуз. науч. сбор. Уфа, УГАТУ, 1995, с. 135−141.
Куликов Г. Г., Черняховская J1.P., Никулина Н. О., Речкалов А. В. Проектирование баз знаний для обучения и оценки качества образования. «Проблемы создания национальной академической системы БД и БЗ». Тезисы докладов Всеросс. совещания. Уфа, 1995.
Свид-во об офиц. per. программы для ЭВМ № 960 211. Информационное обеспечение для анализа документооборота / JI.P. Черняховская, А. Н. Набатов, Е. Б. Старцева и др. -М.: РосАПО, 1996.
Свид-во об офиц. per. программы для ЭВМ № 970 263. Система запросов для анализа документооборота. / Л. Р. Черняховская, Н. О. Никулина, Е. Б. Старцева. -М.: РосАПО, 1997.
Свид-во об офиц. per. программы для ЭВМ № 970 264. Система поддержки принятия решений / Л. Р. Черняховская, Н. О. Никулина, Е. Б. Старцева.-М.: РосАПО, 1997.
Герасимова И.Б., Куликов Г. Г., Никулина Н. О. Речкалов А.В., Черняховская Л. Р. Принятие решений по организационному управлению в коллективах. Деп. рукопись, Уфа, УГАТУ, № 988-В98, 1998. 32 с.
Куликов Г. Г., Никулина Н. О., Речкалов А. В., Черняховская J1.P Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия. // Авиационная промышленность. 1998. № 3, С. 65−73.
Черняховская JI.P., Старцева Е. Б. Речкалов А.В. Методология проектирования системы поддержки принятия решений на основе формализованного представления предметной области . Деп. в ВИНИТИ, № 2050-В97, 20.06.97. 7 с.
Куликов Г. Г. Речкалов А.В., Черняховская JI.P., Старцева Е. Б. Организация поддержки принятия решений на основе комплекса IDEF-моделей . Управление в сложных системах: Межвуз. научн. сб. Уфа, УГАТУ, 1998.-С. 55−59.
Rechkalov A.V., Chernyakhovskaya L.R., Kulikov G.G., Nabatov A.N. A modelling method for production management information systems (for a machine-building plant) // Simulation'98 Venue, University of York, UK, 1998.
Rechkalov A.V., Chernyakhovskaya L.R., Kulikov G.G., Nabatov A.N. Reengineering production management information systems on base of modern intelligent technologies // International Scientific Issue, Ufa: USATU, 1998.
L.R.Cherniakhovskaya. Decision Making Support in Emergencies on the Basis of Expert Systems // International Scientific Technical Workshop Problems of Technology Transfer. Workshop Proc. Ufa: USATU, 1999. P.260−264.
Черняховская JI.P., Старцева Е. Б., Набатов A.H., Низамутдинов M.M. Организация поддержки принятия решений в проблемных ситуациях на основе управления знаниями // Управление в сложных системах: Межвуз. научн. сб.-Уфа, УГАТУ, 1998. -С. 59−67.
L.R.Cherniakhovskaya, B.G.Ilyasov, I.B.Gerasimova, M.M.Nizamutdinov. System and Information Models of Knowledge Formation. Proc. of the 2nd Int. Workshop on Computer Science and International Technologies, Ufa: USATU, 2000, v. 1.P. 160−164.
Куликов Г. Г., Черняховская Л. Р., Речкалов А. В., Никулина Н. О. Методология системного проектирования как основа для автоматизации документооборота машиностроительного предприятия.// Авиационная промышленность. 2000. -№ 2. — с.53 -60.
Свид-во об офиц. per. программы для ЭВМ № 2 001 610 469. Автоматизированная информационно-поисковая система на основе проблемно-ориентированного тезауруса / Л. Р. Черняховская, М. М. Низамутдинов, М. С. Угрюмов, Р. А. Шкундина. -М.: Роспатент, 2001.
Свид-во об офиц. per. программы для ЭВМ № 2 001 610 470. Система поддержки принятия решений на основе прецедентов. / Л. Р. Черняховская, Н. О. Никулина, Н. И. Федорова, Т. А. Халиков. -М.: Роспатент, 2001.
Черняховская Л.Р. Объектный подход к разработке гипертекстовой базы прецедентов критических ситуаций // Проблемы управления и моделирования в сложных системах: Тр. III междунар. конф. Самара, 2001.-с. 420 — 426.
Черняховская JI.P., Низамутдинов M.M. Анализ процессов управления, а критических ситуациях на основе классификации с использованием нейронных сетей. // Нейрокомпьютеры: разработка и применение. № 4−5, 2001. с.73−76.
Ilyasov B.G., Chernyakhovskaya L.R., Nizamutdinov M.M. Recognition of emergencies using artificial neural networks. //Proc. of the 8th Int. Conf. On Neural Information Processing ICONIP'2001, Shanghai, China, 2001. V. l, pp. 188−192.
Юсупова Н.И., Герасимова И. Б., Черняховская JI.P., Шорохова C.B. Интеллектуальный подход к разработке системы психолого-педагогической поддержки обучаемого. Препринт монографии. -Уфа: УГАТУ, 2001. С. 56.
Фаттахов Р.В., Черняховская JI.P., Низамутдинов М. М. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфа: УГАТУ, 2001. С. 119.
Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний / Р. А. Бадамшин, Б. Г. Ильясов, Л. Р. Черняховская. М.: Машиностроение, 2003 — 240 с.
Юсупова Н.И. Критические ситуации и принятие решений при управлении в условиях помех. Уфа: Гилем, 1997. — 112 с.
Ильясов Б.Г., Юсупова Н. И., Миронов В. В. Модели критических ситуаций при управлении техническими объектами: препринт монографии / УНЦ РАН. Уфа, 1996. 48 с.
Rutkovsky V.Yu., Zemlyakov S.D., Glumov V.M., Sukhanov V.M., Dodds S.J. Adjustable boundedness algorithms for control systems. Proceedings of the International Conference «Control». 4−7 September 2000. Cambridge, UK.
Петров Б.Н., Рутковский В. Ю., Крутова И. Н., Земляков С. Д. Принципы построения и проектирования самонастраивающихся систем. М.: Машиностроение. 1972.
Земляков С.Д., Рутковский В. Ю., Силаев А. В. Реконфигурация систем управления летательными аппаратами при отказах // Автоматика и телемеханика. 1996. № 1 .С.3−20.
Ильясов Б.Г., Миронов В. В., Юсупова Н. И. Иерархические модели процессов управления: Описание, интерпретация и лингвистическое обеспечение / Монография. Уфа: УГАТУ, 1994.
Васильев В.В., Ильясов Б. Г. Интеллектуальные системы управления с использованием нечеткой логики. Уфа: УГАТУ, 1995.
Ильясов Б.Г., Миронов В. В., Юсупова Н. И. Модели предупреждения критических режимов управляемых объектов в условиях неопределенности: Препринт / УНЦ РАН. Уфа, 1994.
Федунов Б. Е, Бортовые оперативно советующие экспертные системы для типовых ситуаций функционирования антропоцентрических объектов. / Проблемы управления и моделирования в сложных системах: Тр. IV междунар. конф. — Самара, 2002, с. 106 — 110.
Тулупьев A.JI. Поддержание непротиворечивости фрагментов знаний с оценками доверия и правдоподобия. Информационные технологии и интеллектуальные методы. Выпуск № 3. СПИИРАН, Санкт-Петербург, 1999. С. 72−97.52.54

Заполнить форму текущей работой