- •Предисловие
- •Список использованных сокращений
- •Часть 1.
- •Глава 1. Математические основы формализации и методов описания
- •Часть 2.
- •Глава 2. Методы представления знаний с использованием
- •Часть 3.
- •Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- •Часть 4.
- •Глава 4. Источники информации и причины возникновения ее неопределенности
- •4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- •Часть 5.
- •Список использованных сокращений и обозначений
- •Введение:
- •Часть 1.
- •Глава 1. Математические основы формализации и методов описания
- •Формализация объекта и парадигмы
- •1.3. Множества и перечень базовых операций над множествами
- •Перечень базовых операций над множествами
- •Области определения функций
- •Обратная функция
- •Теорема
- •Мера и нечеткая мера
- •Задача построения нечетких мер
- •Нечеткие множества: определение и формы записи в операциях и
- •1.7.Функции доверия и правило Демпстера а.Р.,[23]
- •1.8. Нормировка функций в теории нечётких множеств
- •1.9. Нечёткие отношения: прямая и обратная задачи
- •Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- •2.1.Нечеткие вычислительные технологии
- •2.2.Семантика объекта: определение и типизация
- •2.3.Создание Базы знаний: постановка, семантика, прагматика
- •2.4. Сопоставление объектов: постановка, семантика, прагматика
- •2.5.Распознавание объектов: постановка, семантика, прагматика
- •2.6. Управление процессом представления знаний
- •Нечёткие множества: субъективность и неточность
- •2.8.Нечеткая алгебра
- •2.9.Нечеткие иерархические отношения
- •2.10.Естественность операций max и min
- •2.11.Нечеткая статистика
- •2.12. Совместимость и нечеткое ожидание
- •Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- •3.2. Обработка нечетких данных как неопределенных чисел
- •Методология представления агрегата в виде комплексного механизма
- •3.2.2. Описание исходной информации на языке размытых множеств
- •Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- •3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- •Анализ информации для диагностики и оценивания состояния механизмов
- •3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- •Влияние погрешностей исходных данных на погрешности диагноза
- •Глава 4. Источники информации и причины возникновения ее неопределенности
- •4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- •Тогда множество диагностических признаков g также будет нечетким
- •4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- •4.3.1.Формализация решения задачи оценивания состояния
- •4.3.2. Особенности решения задач контроля и функционирования агрегата
- •Глава 5. Введение в генетическое программирование
- •5.1. Введение в генетические и эволюционные алгоритмы
- •5.2. Сравнительный анализ эволюционных алгоритмов
- •5.3. Генетическое программирование
- •5.4. Перспективные направления развития гп
- •Глава 6. Введение в нейронные сети
- •6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- •6.2. Имитация нервных клеток
- •6.3. Математическая модель нейрона
- •6.4. Обучение нейронных сетей
- •6.5. Метод обратного распространения ошибки
- •6.6. Алгоритм настройки нейронной сети
- •Глава 7. Другие методы нечетких технологий для построения
- •7.1. Введение в теорию возможностей и смысла
- •7.1.1. Неопределенность и неточность
- •7.1.2. Традиционные модели неточности и неопределенности
- •7.1.3. Меры неопределенности
- •7.1.4. Меры возможности и необходимости
- •7.1.5. Возможность и вероятность
- •7.2. Языки и технологии логического программирования prolog, lisp
- •Глава 8. Послесловие
- •8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- •8.2.Экспертные системы нового уровня
- •8.3. Роботика
- •8.4. Преобразование речи искусственного языка
- •8.5. Интеллект муравьёв и его использование
- •8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- •8.7. Боты
- •Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- •Заключение
- •Заключение
- •Литература
КРОХИН Г.Д.
ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНЫХ
СИСТЕМ
2015
АННОТАЦИЯ
В учебном пособии представлены теоретические и практические интеллектуальные технологии, для использования в задачах управления технологическими и информационными процессами экономических промышленно-хозяйственных производств, включая теплоэнергетику-производителя тепла и электроэнергии для народного хозяйства, строительства зданий и сооружений для населения городов России.
При этом особое внимание уделяется теоретическим и практическим технологиям повышения уровня эффективности, экономичности, экологической безопасности и надежности работы оборудования, бесперебойного энергоснабжения, безопасного жизнеобеспечения, снижения вероятности и предупреждения возникновения аварийных ситуаций и другим вопросам, в частности, диагностике, мониторингу учета состояния оборудования и информационным вопросам обеспечения промышленности и урбанистики городов-гигантов.
Автор ориентируется на аппаратно, программно и экспериментально полученные и апробированные алгоритмы обработки четкой и нечеткой информации.
В учебном пособии рассмотрены и предложены научно-технические решения, алгоритмы и математические модели для моделирования и исследования сложных плохо формализуемых технологических процессов гибридных систем с применением нечеткой логики и нечетких множеств, которые ранее не применялись в промышленном производстве, энергетике и народном хозяйстве.
Предисловие
В настоящее время все большее значение приобретают разработки в области информатики – аппаратно, программно и процессорно - реализованные интеллектуальные алгоритмы обработки информации для применения их к различным технологиям интеллектуального управления. Это оказалось связанным с прогрессом применения мониторинга в экономических и в технических системах. Но эти методы получились малоэффективными. Особенно широкое применение в технической диагностике получил аппарат нечетких систем: нечеткая логика, нечеткие множества, нейронные сети, генетические алгоритмы, ассоциативная память, экспертные системы и ряд других интеллектуальных и гибридных информационных технологий, которые не применялись ранее в промышленности, строительстве, народном хозяйстве и в энергетике России.
Уже сегодня задачи, решаемые такими интеллектуальными технологиями информационных систем, в большинстве случаев, можно свести к ряду основных, т.е. государственной важности, среди которых выделяются следующие:
безаварийное, бесперебойное и эффективное энерго-использование, экологически чистое при производстве товаров народного потребления и жизнеобеспечения населения страны;
увеличение сроков службы и повышение уровня надежности работы основного и вспомогательного оборудования промышленного и энергетического производства;
повышение уровня безопасности работы в промышленных установках за счет возможности контроля состояния действующих агрегатов с помощью интуитивно – понятийного интерфейса АРМ-ов оперативно – эксплуатационного персонала, а также отдельных АРМ-ов систем и подсистем, входящих в АСУТП и АСУ технологического производства, народного и жилищно-коммунального хозяйства, использования блокировок коммутационных аппаратов и т.д.;
повышение уровня экономической эффективности и безопасности эксплуатации (и технического обслуживания) основного и вспомогательного оборудования энергетических агрегатов промышленного производства по его состоянию;
повышение качества управленческих и организационных решений в части управления жизненным циклом промышленных предприятий и жилищно-коммунального хозяйства, строительстве зданий и сооружений для поышения качества инфраструктуры городских пространств.
В данном учебном пособии представлена возможность расширить применение аппарата и методов нечетких и гибридных систем и, соответственно, углубить методологию технической диагностики в приложении к техногиям сложных технических систем, особенно в условиях ее неопределенности.
Материал в учебном пособии представлен таким образом, чтобы он соответствовал всем стадиям создания технологий интеллектуальных информационных систем и систем искусственного интеллекта.
Материалы учебного пособия частично использовались в течение нескольких последних лет при обучении студентов старших курсов НГУЭУ, магистрантов, аспирантов и слушателей курсов повышения квалификации специалистов-энергетиков при чтении автором следующих учебных курсов: «Системный анализ в энергетике», «Системы искусственного интеллекта», «Информационные интеллектуальные системы в энергетике», «Живучесть ТЭС», «АСУ ТЭС», «Нечеткие технологии», «Интеллектуальные системы и технологии», «Гибридные технологии в информационных системах» и «Специальные главы математики» на факультетах энергетики и АВТФ НГТУ, ПЭИ п.к. (г. Новосибирск), информационно-техническом факультете НГУЭУ (г. Новосибирск), академии архитектуры АРХИ (г. Новосибирск) и АСУ ТЭС ИТУ МЭИ (г. Москва).
Аннотация
Предисловие