О механизме вывода решений экспертной системы для настройки зернокомбайнов

Проблема принятия решений при управлении техническими системами в постоянно меняющихся условиях внешней среды, разработка алгоритмов и программных средств систем управления является сложной и актуальной. В полной мере данная проблема характерна для процесса управления сложными человеко-машинными системами сельскохозяйственного назначения, так как в этом случае происходит взаимодействие техники и живых систем (почва, растение, животное). Значимость решения указанной проблемы для таких систем подтверждается их огромным влиянием на продовольственную безопасность страны.

В основном решение проблемы управления технологическим процессом комбайновой уборки возлагается на оператора и зависит от его квалификации. Трудности с решением задачи управления человеко-машинной системой связаны с не- определенностью информации о факторах внешней среды, параметрах машины и показателях качества работы уборочной техники.

Проведенные исследования показывают, что внутрисменные потери рабочего времени на уборке зерновых достигают 25– 30%. При этом значительный вклад вносят технологические простои, связанные с предварительной настройкой и корректировкой технологических регулировок рабочих органов комбайна из-за меняющихся условий внешней среды [1–4].

Рассматриваемая проблемная ситуация характеризуется тем, что знания исследуемой предметной области представлены в виде эвристик, что затрудняет их обработку традиционными способами, отсутствуют аналитические модели технологического процесса, позволяющие принять эффективное решение, и квалифицированные специалисты для управления маши- ной. Информационная перегрузка в системе оператор–комбайн–внешняя среда приводит к неоптимальности решений, принимаемых в полевых условиях, и потере значительной доли ресурсов и возможностей. Имеющиеся на мобильных машинах системы автоматического регулирования имеют «островной» характер и не решают задачи управления технологическим процессом.

Одним из подходов к решению проблемы повышения эффективности использования зерноуборочных машин является применение интеллектуальных информационных систем поддержки принятия решений [5–7].

Обеспечение оптимального уровня настройки зернокомбайна является не тривиальной задачей. В этом случае нечеткое управление оказывается особенно эффективным, так как процесс настройки комбайна является сложным для анализа с помощью общепринятых методов ввиду того, что информация, поступающая по каналам связи, интерпретируется качественно, неточно и неопределенно. Наличие математических средств отражения нечеткости поступающей информации позволяет построить модель, адекватную реальности.

Использование нечетких понятий позволяет учесть неопределенность задачи принятия решений, достигнуть полного описания всех факторов, имеющих отношение к данной задаче и не поддающихся количественному описанию. В основе предлагаемого метода управления процессом настройки зернокомбайна лежит использование нечетких моделей взаимосвязей признаков предметной области, описываемых системой лингвистических высказываний.

Все параметры модели описываются лингвистическими переменными (ЛП), значения которых задаются с помощью средств естественного языка и используются для выражения качественных оценок. Для идентификации различных состояний рассматриваемой системы определялись множества факторов внешней среды (множество входных ситуаций) X ∈ { a 1 , а 2 , …, а n }, регулируемых параметров рабочих органов (множество выходных ситуаций) V ^РП ∈ { v 1 , v 2 ,…, v k }, а также описание лингвистических переменных (ЛП), характеризующих множества входных и выходных ситуаций.

При этом каждому значению ЛП ставится в соответствие нечеткое подмножество со своей функцией принадлежности:

И ,6 F ( X), и B,E Fү ), (1)

где F ( X i ), F ( Y j ) – множества нечетких подмножеств, определенных на базовых шкалах X i и Y j .

В качестве примера на рисунке 1 представлены функции принадлежности для фактора «Полеглость хлебостоя» для пшеницы.

Полеглость, %Прямостоящий    Низкая    Высокая

Рис. 1. Функции принадлежности термов ЛП «Полеглость хлебостоя»

Аналитическая запись в данном примере имеет вид: «Полеглость хлебостоя, %» «ПХ» -   Ц их :    Х^   [0;   1]

ПХ = U цПХ (х) / х, кортеж лингвистиче-xe Х ской переменной < полеглость хлебостоя, % {Очень малая (прямостоящий); Низкая, Высокая}, [0-100] >.

Лингвистическая модель рассматриваемого    процесса    предварительной настройки представлена в виде:

ЕСЛИ X 1 есть А _п И .. И X m есть А i _т , ТО Y 1 есть В 11 И . И Y n есть В i n ,       (2)

ЕСЛИ X 1 есть А р 1 И .. И X m есть А pm , ТО Y 1 есть В р 1 И . И Y n есть В pn .

Например, сложившаяся ситуация характеризуется    лингвистически-нечетким экспертным высказыванием вида (2) и соответствующей ей выходной ситуацией со значением выноса мотовила по горизонтали:

ЕСЛИ хлебостой пшеницы по высоте «низкорослый»

И полеглость хлебостоя «отсутствует (прямостоящий)»

И хлебостой по спутанности «нормальный»

И хлебостой по густоте «средний»,

ТО вынос мотовила по горизонтали «средний».

Одним из возможных четких высказываний с конкретными данными является:

ЕСЛИ хлебостой пшеницы по высоте

40 см

И полеглость хлебостоя 0%

И хлебостой по спутанности 20% И хлебостой по густоте 600 ст./м2, ТО вынос мотовила по горизонтали 40 см.

Формальная запись эмпирических высказываний, отражающих конкретные ситуации, имеет вид (фрагмент):

E ₂.₂ :<в H есть a_H 1 и в L есть a_L 1 и в S есть a S 1 и в G есть a_{G 2} >.

Рассмотренным лингвистическим переменным соответствуют терм-множества: высота хлебостоя T _Н , полеглость хлебостоя T L , спутанность хлебостоя T S , густота хлебостоя T G , вынос мотовила по горизонтали T VF и соответствующие им функции принадлежности.

Значения функций принадлежности ц W (w) для обобщенной лингвистической переменной в W для w = (H, L, S, G) = (40, 0, 10, 600) определяются как (фрагмент):

Ц W 1 ( w ) = й W 3? vp W 38 VP W 39 vp W 40 vp W 41 Vp W 42 = й H 3 &й L 1 &й S 1 &й G 1 V й H 3 &й L 1 &й S 1 &й G 2

V й H 3 &й L 1 &й S 1 &й G 3 V й H 3 &p L 1 &й S2 &й G 1 V й H 3 &й L 1 &й S2 &й G 2 V й H 3 &й L 1 &й S 2 &й G 3.

Совокупность правил (2) задает отображение множества значений входных лингвистических переменных в аналогичное множество выходных: U ^m^ Vⁿ , где U m = x U .,    V" = x V. .            (3)

i e I   ‘                j e J j

Соотношению (3) в свою очередь можно поставить в соответствие нечеткое отображение:

S: F ( X ) ^ F ( Y),        (4)

где S ^ ^ц Ak ^{x ц} Bk , ^ц Ak ^{x ц} Bki , k e K                       i e I

Ц Bk = ^x Ц Bkj . j e J

Обобщение известного в классической логике правила modus ponens позволяет получить композиционное правило нечеткого вывода:

ц в- = Ц A ^ S ,           (5)

где ц A — исходная посылка, получаемая при оценке наблюдаемых данных по входным функциям принадлежности; ц B ■ - нечеткий результат логического вывода на основе знаний, получаемый с помощью отображения (4); • - операция композиции.

В основе механизма вывода решений интеллектуальной информационной системы лежит модель предметной области «предварительная настройка»,  представ ляющая собой композицию нечетких отношений семантических пространств факторов внешней среды и регулируемых параметров машины.

Для выбора значений выходного параметра V определялась степень истинности ^ m^ , ( vfi ) для различных значений лингвистической переменной

VF' e {VF 1 , VF₂, VF 3 } (фрагмент):

^Ц тр ⁽ vf . ) — ¹ & ^[1 - ^Ц W 1 ⁽ w ) + ^Ц VF ⁽ vf )] & [1 - ^Ц W_г ⁽ w ) + ^Ц VF 2 ⁽ vf )] &

&[1 - Ц W ( w ) + Ц VF ( vf . )]} — 1 & [1 - 0 + 0,75] & [1 - 1 + 0,25] & [1 - 0 + 0] —

—1&1,75&0,25&1 — 0,25 .

В результате вычислений получаем, что

Ц$( vf : ) > M^( vf : ) >  Ц^( Vf . ) (1>0,25=0,25).

Таким образом, истинным высказы-

Для графической иллюстрации при- ванием является соответствие значения VF' = 40 см терму «вынос мотовила по горизонтали средний» (в рассматриваемом примере).

В результате формализации знаний получены модели семантических групп признаков внешней среды и параметров комбайна.

Решение задач с использованием методов нечеткой логики предполагает определение точных значений выходных переменных. На этапе дефаззификации, нами использовался метод «центра тяжести» [7]:

меняемого подхода использовался пакет прикладных программ Fuzzy Logic Toolbox, входящий в состав среды MatLab.

В качестве примера рассматривались четыре входных фактора (урожайность пшеницы, соломистость, засоренность и влажность хлебостоя) и один выходной параметр (скорость движения комбайна).

На рисунке 2 представлена последовательность использования правил базы знаний при нечетком логическом выводе. В результате применения процедуры де-фаззификации получено конкретное чис- ленное значение регулируемого параметра (на рис. 2 правый столбец внизу).

y j — ( f YY j ^ B' (Y j )>dYi ) / ( J ^b' ( YY j )>dYi )

численное значение регулируемого параметра

Рис. 2. Графическая интерпретация вывода решения в среде MatLab

На рисунке 3 приведены поверхности ствующие синтезированной нечеткой си-«входы-выход» зависимостей,  соответ-   стеме продукционных правил.

а

б

в

Рис. 3. Поверхности отклика:

а – взаимосвязь скорость–влажность–урожайность; б – взаимосвязь скорость– засоренность–урожайность; в – взаимосвязь скорость–соломистость–урожайность

Из рисунка 3 видно, что система нечетких экспертных высказываний адекватно описывает отношения регулируемый параметр – входные факторы.

Моделирование предметной области позволило разработать базу знаний, содержащую 986 зависимостей в виде нечетких продукционных правил, составляющих модель предметной области «Предварительная настройка».

В результате теоретических исследований предметной области и для достижения поставленной цели нами разработана подсистема ИИС «Настройка» (аппаратнопрограммного комплекса «Электронный эксперт»).

В ходе программной реализации алгоритма принятия решений по настройке комбайна были проанализированы особенности задачи и требования, предъявляемые к информационным системам. Разработана архитектура системы по настройке, которая является подсистемой программного комплекса по техническому обслуживанию зернокомбайнов. Предусмотрены два режима работы системы: пользовательский режим и режим эксперта.

В ИИС используются три типа диалогов: диалог типа меню; диалог типа вопрос–ответ; диалог на основе экранных форм. Сценарий диалога с пользователем представлен в виде древовидного графа диалоговых процедур, в котором корневой элемент графа является точкой инициализации диалога, а терминальные элементы точками выхода [8]. Помощь пользователю вызывается указанием курсора на строку в меню. При этом предоставляется текстовая информация о работе системы и о возможных действиях пользователя.

В системе реализованы характерные особенности, присущие интеллектуальным информационным системам. Отличительной особенностью является подсистема загрузки знаний, которая позволяет модифицировать взаимосвязи между факторами среды и параметрами жатвенной части. Предусматриваются различные варианты использования ИИС (Notebook, КПК, GPRS).

Практической реализацией разработанных алгоритмов является создание программных средств для автоматизированного решения задачи, на которые получены свидетельства о государственной регистрации программ для ЭВМ и баз данных в Роспатенте № 2009620520, № 2009614549, № 2009613113. Использование экспертной системы в практических условиях при проведении технологической настройки с использованием интеллектуальной информационной системы позволило уменьшить затрачиваемое время в 2–5 раз по сравнению с традиционными методами.