Экспертная система поддержки принятия решения при контроле динамического состояния шлифовальных станков тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Гаврилова Анна Владимировна

• Гаврилова Анна Владимировна
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Гаврилова Анна Владимировна

ВВЕДЕНИЕ

1 .АНАЛИЗ ПРИМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ КОНТРОЛЯ И ДИАГНОСТИРОВАНИЯ

1.1. Классификация интеллектуальных систем

1.1.1.Задачи, решаемые интеллектуальными системами

1.1.2.Классификация интеллектуальных систем по назначению

1.2.Экспертные системы как направление искусственного интеллекта

1.2.1.Понятие экспертных систем. Этапы разработки, режимы функционирования экспертных систем

1.2.2. Классификация существующих экспертных систем

1.2.3 .Средства разработки различных экспертных систем

1.2.4. Оболочки экспертных систем

1.3. Примеры экспертных систем

1.4. Применение экспертных систем в машиностроении

1.5.Разработка экспертной системы поддержки принятия решения при контроле динамических характеристик станков в процессе эксплуатации. Постановка задач исследования

1.5.1. Методы и средства контроля динамического состояния металлорежущих станков

1.5.2. Постановка задач исследования

2. МЕТОДИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ КОНТРОЛЕ ДИНАМИЧЕСКОГО СОСТОЯНИЯ ШЛИФОВАЛЬНЫХ СТАНКОВ

2.1. Информационно-функциональная модель динамических характеристик шлифовального станка

2.1.1. Информативные параметры динамического состояния шлифовальных станков

2.1.2. Построение информационно-функциональной модели шлифовальных станков

2.1.3. Обоснование применения запаса устойчивости для выбора режима обработки

2.2. Сопоставление аналитической модели автокорреляционной функции виброакустических колебаний в динамической системе станка с идентифицированной для вычисления запаса устойчивости

2.3. Разработка структуры экспертной системы поддержки принятия решения при контроле динамического состояния шлифовальных станков

2.4.Вывод ы

3. ПОСТРОЕНИЕ БАЗЫ ЗНАНИИ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ КОНТРОЛЕ ДИНАМИЧЕСКОГО СОСТОЯНИЯ ШЛИФОВАЛЬНЫХ СТАНКОВ

3. 1 .Разработка базы знаний экспертной системы поддержки принятия решения при контроле динамического состояния шлифовальных станков

3.1.1.Формализация базы знаний экспертной системы

3.1.2.Разработка декларативной компоненты базы знаний

3.1.3 .Разработка процедурной компоненты базы знаний экспертной системы контроля динамического состояния шлифовальных станков

3.2.Выводы

4 .ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ КОНТРОЛЕ ДИНАМИЧЕСКОГО СОСТОЯНИЯ ШЛИФОВАЛЬНЫХ СТАНКОВ

4.1.Пример поиска причины отклонения от нормы параметров качества колец в условиях реального производства с использованием экспертной системы

4.2. Программная реализация экспертной системы

4.3. Использование связи запаса устойчивости динамической системы с эффективностью процесса шлифования при разработке продукционных правил в экспертной системе

4.4.Повышение коэффициента готовности оборудования за счёт сокращения времени восстановления

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

АКФ - автокорреляционная функция

АСУТП - автоматизированная система управления технологическим процессом

ВА колебания - виброакустические колебания

БД - база данных

БЗ - база знаний

ДС - динамическая система

ИИ - искусственный интеллект

ИИС - интеллектуальные информационные системы

СМТП - система мониторинга технологического процесса

СУБД - система управления базой данных

ЭС - экспертная система

ВВЕДЕНИЕ

В настоящее время создано большое количество экспертных систем. Благодаря их применению решается широкий круг задачи, однако эти задачи находятся в узкоспециализированной предметной области. Эти области обычно качественно исследованы, поэтому и располагают наиболее точными стратегиями принятия решений. Большой проблемой предметной области является предоставление экспертным системам более "глубоких знаний", обычно это происходит из-за сложности формализации эвристических знаний специалистов (экспертов).

Актуальность темы. Шпиндельные узлы МРС составляют важную часть

оборудования, что требует уделять особое внимание качеству их изготовления,

так же как и качеству изготовления подшипников, что может повлиять на

конкурентоспособность продукции на международном и внутреннем рынках.

Качество поверхностного слоя и точность размеров в основном формируются в

ходе шлифовальной обработки колец подшипников, что отражается на затратах

их изготовления и эксплуатационной надёжности. В зоне резания присутствуют

интенсивные силовые, тепловые и колебательные процессы, происходящие во

время шлифования, что приводит к существенным отклонениям значений

геометрических параметров точности колец подшипников в условиях

обработки, таких как шероховатость, волнистость, отклонение от круглости и

к появлению микротрещин и прижогов, а так же ухудшению физико-

механических свойств поверхностного слоя, и как следствие, быстрее

вырабатывается ресурс подшипников и увеличивается уровень их вибрации и

шума. В основе управления процессом шлифования лежит исследование

факторов, влияющих на динамические процессы, которые оцениваются в

основных узлах функционирования по виброакустическим (ВА) колебаниям,

вследствие чего улучшается качество подшипников. Следует отметить, что на

большинстве предприятий машиностроительного комплекса сохраняется

значительный парк морально устаревшего и физически изношенного

оборудования. В этом случае перед персоналом, занимающимся его

5

эксплуатацией, обслуживанием и ремонтом, стоит задача поддержания заданной точности и надёжности оборудования. В условиях, когда в силу ряда причин количество высококвалифицированного персонала ограничено, обеспечение качества функционирования оборудования достигается использованием систем мониторинга технологического процесса (СМТП) и соответствующих экспертных систем, в которых накоплены знания о работе оборудования и рекомендации по устранению функциональных и параметрических отказов.

При анализе информации возникает задача поддержки обслуживающего персонала. Ее решение опирается на информацию о динамических характеристиках оборудования, перебор вариантов и анализ, на логические рассуждения, что приводит к привлечению профессионалов в данной сфере. Разработка экспертной системы необходима для осуществления контроля динамического состояния станков в процессе шлифования в системе мониторинга технологического процесса.

Разработкой и созданием ЭС занимались зарубежные и российские учёные: П. Джексон, К. Таунсенд, С. Осуга, Дж. Элти, А. Брукинг, П. Джонс, Ф. Кокс, Д. Уотерман, Д. Ленат, К. Нейлор, А.П. Частиков, В.В. Зубов, В.А. Макушкин, А.Г. Оглоблин, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапт, В.А. Чулюков, Д. А. Поспелов, В.Л. Стефанюк, Г.С. Осипов, В.К. Финн и многие другие.

Разработанные ЭС применяются в различных отраслях и сферах деятельности. В машиностроении эти системы ориентированные на поддержку принятия решений при возникновении отказа механики, при исследовании ситуаций отказов, при управлении объектами и оперативно-диспетчерском контроле, при проектировании производства. В научной работе Бубнова Д.В. исследована задача, которая заключалась в исследовании способов и алгоритмов принятия решений в автоматизированных системах машиностроения. В научной работе Юркевича В.В. показана ЭС Архимед 2008,

используемая на токарных станках типа ТВ-7, в которых была установка автоматизированной системы контроля прецизионной обработки заготовок. Если посмотреть работу Воронина Ю.Ф., то можно увидеть разработку графовой модели, в которой заключены разновидности дефектов и причины их возникновения и определены причинно-следственные связи. Одной из немногих работ по разработке ЭС для автоматизированных станков является диссертация Козловой Т.Д., выполненная в СГТУ. В ней приводятся результаты исследований по разработке ЭС поддержки процесса диагностирования автоматизированных станков. Данная ЭС направлена на выявление отказов в подсистемах станка и формированию рекомендация по их устранению.

Для обеспечения надёжности эксплуатации современного технического оборудования необходимо в определённые сроки проводить диагностику и необходимый ремонт. При соблюдении своевременного принятии мер профилактики при диагностике технического состояния МРС время, затраченное на ремонт и подналадку, может быть уменьшено на 20-25%. Динамическое состояние станка является наиболее важным фактором, определяемое характером колебательных процессов, которые влияют на качество шлифования. При резании являются важными, частотный состав и уровень виброакустических колебаний как и без резания, а иногда для функционирования станка - и единственными критериями, т.к. служат показателями его динамических характеристик, непосредственно влияющих на формирование неоднородности физико-механических свойств поверхностей качения, а так же на отклонения от круглости и волнистости колец.

Задача повышения качества продукции за счёт своевременного выявления неисправностей и их устранения трудно формализуема. Для поддержки принятия решения при контроле динамического состояния шлифовальных станков, возникает целесообразность разработки ЭС. В известных работах такие ЭС не рассматривались. Для создания баз знаний (БЗ) и баз данных (БД) в рассматриваемой области ЭС требуется использование результатов

функционирования технологического оборудования. Эффективность функционирования шлифовальных станков заключается в обеспечении заданного качества обработки при наибольшей производительности.

Применение ЭС позволяет аккумулировать знания технического персонала и экспертов о причинах снижения качества обработки колец, являющихся следствием функциональных и параметрических отказов, и мер по их устранению, что сокращает время поиска неисправностей и восстановления работоспособности оборудования, и соответственно повышает коэффициент готовности и обеспечивает качество колец. Изложенное обуславливает актуальность данной работы.

Целью диссертационного исследования является повышение эффективности функционирования шлифовальных станков и обеспечение заданного качества обработки колец подшипников на основе создания ЭС для поддержки принятия решения при контроле динамического состояния станков в процессе эксплуатации.

В соответствии с целью поставленного исследования и анализом применения ЭС в машиностроении был решен ряд таких задач как разработка методики построения ЭС для поддержки принятия решения при контроле динамического состояния шлифовальных станков, создание базы данных, используя знания о геометрических параметрах точности колец подшипников (отклонение откруглости, шероховатость, волнистость), а также качестве поверхностного слоя и виброакустических характеристиках станков, изменение которых влияет на отклонение от эталонных значений, приводящее к снижению качества колец или даже возникновению брака, построением базы знаний ЭС, программной и алгоритмической реализацией.

Методы и средства исследований

При выполнении исследования были использованы методики построения баз данных, методические и математические основы построения ЭС. Вычисления в процессе исследований, с применением математического

аппарата прикладных программ, таких как Mathcad, производились численная и графическая обработка результатов математических вычислений. Была использована информация о параметрах качества и вибрационных характеристиках станков для построения базы знаний ЭС, технические характеристики шлифовальных станков модели SIW-5 и SWaAGL-50. Для контроля динамического состояния оборудования используются виброизмерительный прибор ВШВ- 003-М3, для контроля колец - кругломер Talyrond-73 и прибор вихретокового контроля ПВК-К2М.

Объектно-ориентированный язык СИ++ был использован для разработки основных компонентов ЭС и MSAccess 2010 - система управления базами данных. Программа реализуется на компьютере типа Notebook, что позволяет непосредственно в производственных условиях использовать экспертную систему наладчиками оборудования.

Научная новизна работы:

1. Разработано методическое обеспечение для построения экспертной системы поддержки принятия решения при контроле динамических характеристик шлифовальных станков, базирующееся на выявленных причинно-следственных связях технического состояния основных функционирующих узлов и их виброакустических характеристик с параметрами качества обрабатываемых колец подшипников, что позволяет в условиях эксплуатации оперативно формировать рекомендации обслуживающему персоналу по снижению уровня виброакустических колебаний основных узлов путём восстановления их параметрической надёжности.

2. Предложена информационно-функциональная модель шлифовального станка, необходимая для построения экспертной системы, включающая установленные экспериментально контролируемые виброакустические характеристики основных функциональных узлов и их допустимые значения для каждого станка без резания, а также запас устойчивости динамической

системы как основной характеристики для выбора целесообразного режима шлифования, причём для этого обосновано соответствие аналитической модели автокорреляционной функции виброакустических колебаний и идентифицированной автокорреляционной функции по экспериментальным данным, на основе которой вычисляется запас устойчивости динамической системы.

3. Построена база знаний экспертной системы поддержки принятия решения, включающая декларативную компоненту, содержащую знания о динамических характеристиках станков, параметрах качества, информацию о неисправностях и способах устранения, и процедурную компоненту в виде продукционной модели, содержащей правила, отражающие взаимосвязь значений параметров качества обработки колец, превышающих допустимые значения со значениями параметров виброакустических колебаний основных функциональных узлов станка, что обеспечивает формирование рекомендаций по устранению неисправностей для снижения виброактивности узлов станка.

4. Выполнена алгоритмизация работы экспертной системы и программная реализация ее компонентов, основанные на знаниях экспертов, обеспечивающие возможность быстрого информирования о динамическом состоянии станка, параметрах качества деталей, полученных на их основе рекомендаций по устранению неисправности, что способствует повышению значения коэффициента готовности станка и обеспечению заданного качества обработки колец подшипников.

Практическая ценность и реализация

Использование ЭС поддержки принятия решений при контроле шлифовальных станков по динамическим характеристикам обеспечивает накопление знаний технического персонала и экспертов и в условиях производства оперативное выявление на их основе причины снижения параметрической надёжности станков и варианты их устранения в виде рекомендаций по снижению уровня затрат, производя своевременные

ремонтно-профилактические работы. Предложение по внедрению переданы на ОАО «ЕПК-Саратов» и ЗАО «Станкошлиф», о чём свидетельствует акт передачи результатов исследования. На кафедре «Автоматизация, управление, мехатроника» СГТУ имени Гагарина Ю.А. результаты работы используются в учебном процессе.

Введение диссертации (часть автореферата) на тему «Экспертная система поддержки принятия решения при контроле динамического состояния шлифовальных станков»

Апробация работы

Основные положения диссертационной работы докладывались на восьми конференциях различного уровня: международных: «Прогрессивные технологии в современном машиностроении» (Пенза, 2013), «Материалы и технологии XXI века» (Пенза, 2014), «Математические методы в технике и технологиях» (Саратов, 2011, 2012), «Инжиниринг техно 2014» (Саратов, 2014), «Качество продукции: контроль, управление, повышение, планирование» (Курск, 2014); всероссийских: «Современные тенденции в технологиях металлообработки и конструкциях металлообрабатывающих машин и комплектующих изделий» (Уфа, 2014), на заседаниях кафедры «Автоматизация, управление, мехатроника» в 2012-2015 гг.

Публикации

По результатам диссертационной работы опубликовано 20 печатных работ, из них 4 в журналах, рекомендованных ВАК РФ, получено 1 свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем работы

Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы, состоящего из 125 наименований, 4 приложений. Диссертация изложена на 147 страницах, содержит 29 таблиц, 57 рисунков.

Положения, выносимые на защиту:

1. Методическое обеспечение для построения ЭС поддержки принятия решения при контроле динамических характеристик шлифовальных станков.

2. Информационно-функциональная модель шлифовального станка с обоснованием выбора основных контролируемых параметров ВА колебаний

узлов станка.

3. Разработанная база знаний ЭС поддержки принятия решения при контроле динамических характеристик шлифовальных станков, включающая процедурную и декларативную компоненты.

4. Программная и алгоритмическая реализация ЭС поддержки принятия решения при контроле динамических характеристик шлифовальных станков.

1. АНАЛИЗ ПРИМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ КОНТРОЛЯ И ДИАГНОСТИРОВАНИЯ

1.1. Классификация интеллектуальных систем

Создание и внедрение автоматизированных систем вызвало потребность в непрерывной модернизации, а так же повышение качества технологического процесса и удешевление готового продукта.

Чтобы достичь лучшего результата необходимо применение интеллектуальных систем (ИС) с целью снижения влияния человеческого фактора. Использование такой системы, исключая некоторые ошибки, на сегодняшний день решает ряд задач в автоматизированных системах. На автоматизацию умственного труда человека и нацелены ИС, что подтверждает востребованность данных систем на рынке автоматизации, при том, что требования растут со спросом на них. Интеллектуальных информационных систем (ИИС) существует большое количество, хотя общепринятого определения ИИС нет. К ИИС относятся [18, 21, 22, 81, 86, 87, 93]:

1. Экспертные системы (ЭС) - это программное обеспечение, которое позволяет сокращать штат работников в определённых областях, и помогает находить наиболее логичные решения поставленных проблем (задач);

2. Расчётно-логические системы, которые дают возможность конечным пользователям, не являющимся программистами и специалистами в области прикладной математики, решать в режиме диалога с ЭВМ свои задачи с использованием сложных методов и соответствующих прикладных программ;

3. Интеллектуальные информационные системы (ИИС) - представляют собой группу программ, являющиеся развитыми информационными системами, основанными на знаниях, включают в себя лингвистические, логические и математические средства, которые осуществляют помощь человеку в работе;

4. Гибридные (комбинированные) интеллектуальные системы - это

системы интеллектуальной деятельности человека, использующие два и более

13

способа имитации интеллекта;

5. Рефлекторные интеллектуальные системы - генерируют ответные сигналы на различные комбинации входных сигналов с помощью специально разработанных для этой цели алгоритмов.

1.1.1 .Задачи, решаемые интеллектуальными системами

Интеллектуальные информационные системы можно рассматривать с точки зрения решаемой задачи. В этом случае можно выделить системы управления и системы компьютерной лингвистики, справочные системы, системы распознавания, игровые системы и системы создания ИИС. Составленная классификация ИИС на основе анализа научно-технической литературы [7, 19, 26, 64, 85, 86, 102] и интернет-ресурсов[115, 116, 117, 118, 119, 120, 122, 123, 124, 125] представлена в таблице 1.1.

Таблица 1.1

Система Подсистема Описание

Управление и справочные системы Системы поддержки принятия решений Автоматизированная система, которая использует правила принятия заключений и соответствующие модели, а так же компьютерный процесс моделирования, является диалоговой системой

Экспертные системы Изучение области искусственного интеллекта по разработке вычислительных систем, умеющих принимать решение, схожие с решениями специалистов в определённой предметной области.

Вопросно-ответные системы Тип информационных систем, отличный от других. Является гибридом систем поиска, интеллектуальных и справочных систем. Данные системы должны быть способны принимать вопросы на естественном языке, т.е. это системы с естественно-языковым интерфейсом. Предоставление документов основывается на сети интернет или локальном хранилище.

Автоматизированн ые системы управления Комплекс аппаратных и программных средств, а также персонала, предназначенный для управления

различными процессами в рамках технологического процесса, производства, предприятия. Существуют автоматизированные системы управления предприятием (АСУП) и автоматизированные системы управления технологическими процессами (АСУТП).

Обучающие системы (тестеры, имитаторы) Это совокупность программно-технические комплексов, использующих методическую, учебную и организационную поддержку процесса обучения, которое проводится на основе информационных технологий.

Компьютерная лингвистика Системы машинного перевода Включают в себя двуязычные словари, снабженные необходимой грамматической информацией (морфологической, синтаксической и семантической) для обеспечения передачи эквивалентных, вариантных и трансформационных переводных соответствий, а также алгоритмические средства грамматического анализа, реализующие какую-либо из принятых для автоматической переработки текста формальных грамматик.

Системы распознавания речи Элемент процесса обработки речи, назначение которого - обеспечить удобный диалог между пользователем и машиной, например, декодирование речевого акустического сигнала при произношении речевых сообщений свободным стилем, произвольным диктором, без учёта проблемной ориентации и ограничений на объём словаря.

Системы синтеза речи Классификация систем синтеза речи производится по способу генерации (распознаванию) речевого сигнала. Есть два основных направления: конкатенативный и параметрический синтез. Основной набор правил в системах параметрического синтеза, делится на два подхода. Первый подход основан на разработке речепроизводящей модели системы человека, который именуется артикулярным синтезом. Второй подход считается более разработанным и популярным в наше время, называется форматным синтезом.

Системы реферирования текстов Формируют краткое изложение исходного материала и работают с широким диапазоном источников информации, в том числе мультимедиа.

Естественноязыковые интерфейсы Разновидность пользовательского интерфейса, который принимает запросы на естественном языке, а также использует для вывода информации.

Распознавание образов Системы распознавания текста (печатного, рукописного) Назначение системы состоит в исследовании данных и присвоении фрагменту определенного символа. Сохранить форматирование исходных документов необходимо после завершения процесса распознавания, присваивая в нужном месте абзац, и сохранять таблицы. Современное программное обеспечение распознавания поддерживает все текстовые, графические, и форматы электронных таблиц, некоторые опознают форматы такие как HTML и PDF.

Системы идентификации (по голосу, сетчатке) Автоматическая идентификация человека и подтверждение личности человека, основанные на физиологических или поведенческих характеристиках.

Системы поиска Компьютерная система, предназначенная для поиска информации.

Игры и творчество Компьютерные игры Особый вид развлечений, который работает при помощи электронного устройства, оборудованного микроконтроллером. Многие из них ввиду наличия движущегося изображения, демонстрируемого на экране телевизора или компьютерного монитора, принято называть видеоиграми.

Системы генерации Программы для генерации музыки, текстов, изображений.

Системы разработки интеллектуаль ных систем Языки искусственного интеллекта Программная среда, языки программирования для написания интеллектуальных программ, например, ЭС

Аппаратно- программные платформы Уровень, образованный микроархитектурой, микропрограммой, управляемым ядром микропроцессора и архитектурой набора команд на аппаратной базе конкретных микросхем процессора, чипсета, других физических компонентов, которые в совокупности составляют аппаратную

модель вычислительной системы.

Среды разработки интеллектуальных систем Программы, с помощью которых разрабатываются интеллектуальные системы.

Если классифицировать ИИС по критерию «используемые методы», то можно выделить гибридные, мягкие и жесткие [19,81] (рис .1.1).

Рис. 1.1. Классификация методов интеллектуальных информационных систем

Мягкие вычисления - это компьютерная методология, построенная на нечеткой логике, вероятностных вычислениях, генетических вычислениях. Жесткие вычисления - это (не мягкие) классические вычисления ЭВМ. Комбинированные вычисления - это системы, применяющие более чем одну технологию ЭВМ.

1.1.2.Классификация интеллектуальных систем по назначению

Классификации возможны на специализированные системы и на системы общего назначения [81] (рис.1.2).

ИС общего назначения - это системы, в основе которых заложены

17

метапроцедуры поиска, генерирующие и исполняющие процедуры заключения определенных задач, а так же исполняющие данные процедуры.

Специализированные ИС решают фиксированный набор задач, при проектировании системы.

Искусственный интеллект (ИИ) - динамично развивающаяся дисциплина, в которой новые практические сферы осваиваются каждый день, но многообразием интеллектуальных методов и интеллектуальных задач также объясняет отсутствие четкой классификации [3,15,110].

Рис.1.2. Классификация интеллектуальных систем по назначению

Производится разработка ИИС или систем, которые основаны на главном

направлений ИИ - на готовых знаниях. С целью построения таких систем

представлены исследования, выявление и применение знаний

высококвалифицированных специалистов с целью решения сложных задач,

появляющихся в практике. При проектировании систем, опирающихся на

знаниях (СОЗ), используются данные, накопленные специалистами в виде

определенных правил решения тех или иных задач. Данное направление

18

преследует задачу имитации человеческого искусства проверки слабо структурированных проблем [63]. В представленной сфере изучения выполняется разработка моделей представления, исследуются проблемы создания баз знаний (БЗ), которые образуют ядро СОЗ, а так же структурирования и извлечения знаний. Экспертные системы (ЭС) являются частным случаем СОЗ [35]. Таким образом, на основе анализа научно-технической литературы были рассмотрены и классифицированы интеллектуальные искусственные системы по направлениям, методам и решаемым задачам.

1.2.Экспертные системы как направление искусственного интеллекта

1.2.1.Понятие экспертных систем. Этапы разработки, режимы функционирования экспертных систем

Научная дисциплина искусственного интеллекта строится из многих крупных течений. Экспертные системы одно из них [45].

Экспертные системы (ЭС) - это создание вычислительных систем в направлении ИИ, которые принимают решение, похожее на решение специалистов в данной сфере [7].

Экспертная система - это программное обеспечение, в котором содержатся знаний некоторой предметной сферы в пределах принятия экспертного решения, что поможет заменить эксперта-человека.

ЭС как правило разрабатываются для исследования задач в некоторых узкоспециализированных сферах, где основную ценность представляют знания специалистов [83, 96, 103, 105].

Экспертное знание - это практические навыки решения проблемы в сочетании с её теоретическим пониманием. Эффективность данных навыков доказывается результатами практической деятельности экспертов в данной области. Фундаментом ЭС является база знаний, которая проектируется на базе

экспертных знаний специалистов. Грамотно выбранный специалист, а так же его знания в данной сфере позволяет сделать ЭС уникальной и ценной. Основная ценность ЭС как законченного продукта на 90% зависит от качества готовой базы знаний [13, 14, 20, 37].

Существует общая структура разработки ЭС, состоящая из шести основных этапов, в соответствии с рис. 1.3: идентификация, концептуализация, формализация, выполнение, тестирование, опытная эксплуатация [19, 83, 88, 96, 104].

Участие в ходе построения ЭС принимают следующие специалисты:

1. Эксперт в той предметной сфере, вопросы которой будет решать

ЭС.

2. Инженер по знаниям - специалист по проектированию ЭС.

3. Программист, осуществляет общую модификацию и согласование инструментальных средств.

Отсутствие того или иного специалиста может затруднить процессы построения ЭС.

Этап идентификации

На данном этапе принимаются решения по следующим задачам:

1) назначаются участники процесса, и расставляются их роли;

2) исследуется заданная проблема проекта;

3) определяются затраты и задачи.

При разработке ЭС типичными ресурсами являются:

- источники знаний;

- промежуток времени, требуемый для разработки;

- средства вычисления;

- финансовый фактор.

Формулирование цели создания ЭС в явном виде является задачей идентификации. При этом принципиально различать задачи, на которых основывается система от целей, которые она должна решать. Примерами

некоторых задач является: формализация неформальных познаний специалиста, совершенствование решений, принимаемых специалистом (экспертом), и автоматизация рутинных моментов работы специалиста (эксперта, пользователя).

Рис. 1.3. Этапы разработки ЭС Этап концептуализации

На этом этапе специалисты (инженер и эксперт) по знаниям вносят ключевые понятия, характеристики для описания решения проблемы. Особенности проблемы, определяющиеся на данном этапе:

- доступные данные;

- отображаемые данные;

- иерархия общей проблемы;

- стратегии и гипотезы, используемые на данном этапе;

- объектные области и их взаимосвязи;

- процесс решения и накладываемые на него типы ограничений;

- состав знаний, применяемых для получения и обоснования заключения. Этап формализации

Все основные понятия и отношения, используемые на этапе концептуализации, показаны на определенном формальном языке

представленным инженером (специалистом) по знаниям. Для решения рассматриваемой проблемы, инженер должен определить соответствие инструментальных средств, либо применить оригинальные разработки. Описание процесса решения рассматриваемой проблемы, которая предложена на формальном языке, является выходом этапа формализации, то есть исследуются способы и состав представления знаний системы.

Этап выполнения

Создаются прототипы (ЭС-1, ЭС-2), с целью решения данных задач. После этого по результатам исследования и эмпирической работы создается конечный продукт на этапе выполнения, в дальнейшем используемый в промышленности.

Проектирование прототипа состоит в разработке программного продукта и наполнение его базы знаний. Обычно ошибка проектировщиков ЭС-1 заключается в том, что сам процесс приобретения знаний откладывается до конечного завершения программирования.

После разработки 1-го прототипа требуется расширение области задач, решаемых программой, чтобы исследовать информацию для дальнейшего использования в очередной версии - ЭС-2. Чтобы получить данную информацию, требуется развитие ЭС-1 путем добавления в неё функций для сбора замечаний пользователей, а так же средства хранения задач.

Этап тестирования

На этом этапе осуществляется оценка всей системы в целом и способ представления знаний. Цель специалиста (инженера) по знаниям состоит в подборе образцов, которые обеспечивают разностороннее тестирование ЭС. В основном применяют следующие источники отказов работы системы: ввод/вывод, основы вывода, стратегии, прототипы.

Этап опытной эксплуатации

На этом этапе идет проверка годности ЭС, для итогового пользователя. На данный этап следует переходить тогда, когда система по мнению

специалиста (эксперта), будет правильно решать требуемые задачи, чтобы ошибки в решении не вызывали у пользователей системы отрицательное представление. В результате проделанной работы могут потребоваться модификации не только программного обеспечения и данных, но и изменение объектов ввода/вывода из-за неприемлемости пользователями.

Исправление и тестирование любого компьютерного программного обеспечения считается трудоемким процессом, но проверять ЭС ещё тяжелее. Это считается особенно серьёзной задачей, поскольку ЭС используются в критичных сферах, таких как регулирование движения воздушного и железнодорожного транспорта, системами оружия, ядерной промышленности. ЭС имеют один большой недостаток - это неспособность к самообучению. С целью того, чтобы поддержать ЭС в актуальном состоянии требуется систематическое вмешательство в базу знаний специалистов (инженеров) по знаниям.

Численность ЭС в настоящее время приближается к десяткам тысяч. В различных сферах жизни разработкой и внедрением занимаются сотни фирм в развитых зарубежных странах. В странах СНГ также имеется опыт разработки и построения ЭС. Разработки самообучаемых ЭС в современном мире набирают большие обороты. Поиском передовых методов сбора, предоставления, хранения, обработки и приумножения информации занимается такое направление ИИ как инженерия знаний. Пятое поколение ЭВМ, возникшее в 90-х годах, базируется полностью на ЭС [20, 81].

Основное отличие ЭС от простого программного обеспечения, способного использовать экспертное решение, состоит в разделение декларативных знаний с процедурной компонентой, которая ими манипулирует. Иными словами, заданием большинства ЭС является осуществление общей проверки в широкой области методом «очерчивания» различия между познаниями, которые используются механизмами, управляющими этими знаниями.

Свой старт ЭС получили от исследователей ИИ в 1970 году, а в 1980 году

получили финансовое подкрепление. В наше время структура интеллектуальных ЭС содержит:

- основную базу знаний;

- проектировщик;

- пользовательский интерфейс;

- память рабочей области;

- редактор базы знаний (интеллектуальный);

На рис 1.4 приведена схема взаимодействия основных блоков ЭС.

Рис. 1.4. Схема взаимодействий отдельных блоков экспертных систем [109]

В структуре рассматривается последовательность взаимодействия отдельных блоков ЭС друг с другом, а так же их функции. Поэтому следует учесть некоторый круг задач, решаемых с помощью ЭС [69, 87, 107, 109]:

1. Интерпретация - это заключение описаний ситуаций из наблюдаемых данных, получаемых от датчиков.

2. Прогнозирование - заключение возможных следствий из заданных

24

ситуаций.

3. Диагностирование - выявление причин нарушений в эксплуатации технической системы или организма человека, основываясь на наблюдениях.

4. Мониторинг - сравнение итогов наблюдения с ожидаемыми.

5. Проектирование - создание конфигурации объектов, которая удовлетворяет установленным лимитам.

6. Планирование - проектирование плана действий с целью достижения установленной цели.

7. Сводное планирование - определение последовательности действий.

8. Контроль - предупреждение о нештатных ситуациях, и каких либо «опасностях».

9. Отладка - формирование и выдача рекомендаций по ликвидации неправильного функционирования системы.

10. Ремонт - осуществление плана устранения определенного выявленного дефекта.

11. Обучение - диагностика и исправление поведения обучаемого.

12. Управление - адаптивное регулирование поведением некоторой системы как целого.

Любая из данных задач содержит собственную специфику в решении, однако их всех связывает фундамент, на котором они осуществляют собственное решение. И данная основа есть база знаний, являющаяся одной из основных элементов ЭС.

Представление (representation) - это вероятное представление объекта, которое является множеством синтаксических и семантических соглашений. Предмет - состояние в определенной проблемной сфере, а именно, объекты, их свойства, существующие взаимосвязи меду объектами. Описание (description) -позволяет применять соглашения из представления с целью отображения конкретных объектов.

Синтаксис представления специфицирует комплект правил,

регламентирующих соединения символов с целью формирования выражений на языке представления. Синтаксис осуществляется в виде «предикат - аргумент», который имеет конфигурацию (форму)

<фраза>: :=<предикат>(<аргумент 1>... <аргумент N>).

Семантика представления специфицирует, как должно интерпретировать представление, выстроенное в согласовании с синтаксическими правилами, в таком случае из его формы можно извлечь то или иное значение [22, 91].

1.2.2. Классификация существующих экспертных систем

Имеется множество ЭС, которые можно разделить на несколько групп (рис. 1.5) согласно разным аспектам (критериям) [82, 83, 87, 103, 104, 105].

На многофункциональность в решении задач вопросов претендуют системы общего назначения, а так же специализированные, которые решают конкретную проблему, либо направленные на определенную предметную область (такую как INTERNIST-I, ДИАГЕН, MACSYMA, МОДИС).

По критерию взаимодействия с внешней средой можно выделить такие системы, как статические, у которых имеется исключительно интерфейс пользователя, но нет взаимодействия с внешним миром, даже через датчики, и динамические, при помощи которых встроены интерфейсы, получающие данные с устройств и внешних датчиков. Квазидинамические ЭС получают при помощи заданного интервала времени (больше нескольких секунд) данные об изменении условий во внешней среде.

Существуют различные экспертные системы, разрабатывающиеся с целью использования разных ЭВМ согласно аппаратно-программной платформе. Разрабатываются и эксплуатируются ЭС на разных машинах таких как: символьные (Picon), персональные (PROSPECTOR), мини- (СПЭИС) и суперкомпьютеры (ЭКСПЕРТИЗА).

Рис 1.5. Классификация существующих экспертных систем

ЭС по степени интеграции бывают автономными программными комплексами (ДАМП), работающие самостоятельно или как часть общей системы в цепочке проектов, обрабатывающих информацию управления предприятием.

В связи с объемом базы знаний выделяют ЭС простые - использующие до тысячи простых правил (GUIDON, Плотина), средние - от тысячи до десяти тысяч структурированных правил (XCON, GOSSEYN, ДИАГЕН) и сложные - десятки тысяч структурированных правил.

Существует степень завершённости ЭС, таким образом, ЭС различаются по стадии существования. Исследовательский образец относится к начальной стадии разработки. Он проектируется от 3-х до 6-ти месяцев, база знаний минимальная (SYSTEM-D). Следующая стадия - это демонстрационный образец. Он проектируется от 6-ти до 12-ти месяцев (THYROIDMODEL). Промышленный образец относится к третьей стадии и разрабатывается от 1-го, до 1,5 лет. Содержит полную базу знаний (PUFF). Конечная стадия - это коммерческий образец. Он проектируется 1,5-3 года, содержит полную базу знаний (KNEECAP).

1.2.3.Средства разработки различных экспертных систем

Имеющиеся средства исследования ЭС делятся на три группы (рис. 1.6). Классические языки программирования (такие как C++, Java, Delphi) дают возможность создать ЭС "с нуля" для определенной предметной области либо задачи, гарантируют высокие показатели качеств, а так же требуемую работоспособность системы, но требуются значительные временные и финансовые затраты. Таким образом, формируют ЭС любой стадии существования, это характерно для торговых систем, реализация которых окупит затраты [72, 81, 103].

Языки программирования ИИ (такие как LISP, PROLOG, Рефал), изобретены с целью представления знаний. Манипулирование экспертными

знаниями облегчается построением ЭС с их помощью, но ограничивает метод понятия языка. При использовании языков ИИ формируются экспериментальные и демонстрационные образцы.

Рис.1.6. Классификация инструментальных средств разработки ЭС

Специальный программный инструментарий (следующий класс построения ЭС) - ориентирован только на разработку ИИС и разделяется на две группы: среды разработки ИС и оболочки.

Программными комплексами являются среды разработки, которые позволяют строить различные системы из готовых блоков. На их основе создаются как демонстрационные, так и промышленные образцы.

Оболочка ЭС - проектируемое инструментальное средство, используемое с целью создания ЭС. В структуру оболочки ЭС входят средства разработки базы знаний с разными конфигурациями представления знаний и выбора режима работы решателя задач. В данной предметной области специалист по знаниям исследует нужное представление знаний и решение задач, после чего создает необходимую ЭС.

Список литературы диссертационного исследования кандидат наук Гаврилова Анна Владимировна, 2016 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Автоматизация информационного обеспечения управления

производственным процессом / А.А. Коробко, В.В. Горбунов, В.В. Вялов и др. // Саратовский подшипник. - 2006. - №3. - С.12-17.

2. Аршанский М.М., Щербаков В.П. Вибродиагностика и управление точностью обработки на металлорежущих станках. - М.: Машиностроение, 1988. - 124 с.

3. Балдин К.В., Уткин В.Б. Информатика: учебник для вузов. - М.: Проект, 2003. - 304 с.

4. Бармин Б.П. Вибрация и режимы резания. - М.: Машиностроение, 1972. - 72 с.

5. Берни Ф., Пандит С., Ву С. Стохастический подход к математическому описанию динамики системы металлорежущего станка в условиях реальной работы // Конструирование и технология машиностроения. 1976. №2. - С. 246-251.

6. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. Изд. 4-е, перераб. и доп. — СПб.: Профессия, 2003. — 752 с.

7. Братко И. Алгоритмы искусственного интеллекта на языке PROLOG, 3-е издание. - М.: Вильямс, 2004.- 640 с.

8. Бржозовский Б.М., Гаврилов В.В., Мартынов В.В. Повышение надёжности и эффективности использования оборудования газовой отрасли средствами виброконтроля и диагностики: Аналитические материалы. -Саратов: Из-во СГТУ, 2001. - 48 с.

9. Бржозовский Б.М., Игнатьев С.А. Автоматизированная обработка результатов измерений вибраций шлифовальных автоматов // Автоматизация и управление в машино- и приборостроении: Сб. науч. тр. - Саратов: Из-во СГТУ, 2000. - С. 12-13.

10. Бубнов Д.В. Экспертные системы как средство интеллектуальной поддержки технологических решений // Вестник МГТУ Станкин. - 2011. -№4. - С.83-86

11. Валетов В.А., Третьяков С.Д. Оптимизация микрогеометрии поверхностей деталей. Учебно-методическое пособие. - СПб.: СПбГУ ИМТО, 2005. - 28 с.

12. Волосов С.С., Гейлер З.Ш. Управление качеством продукции средствами активного контроля. - М.: Изд-во стандартов, 1989. - 264 с.

13. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2001. - 384с.

14. Гаврилова Т.А., Чернивская К.Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992. - 200с.

15. Гаскаров Д. В. Интеллектуальные информационные системы: учебник для вузов. - М.: Высшая школа, 2003. - 431 с.

16. Генкин М.Д., Соколова А.Г. Виброакустическая диагностика машин и механизмов. - М.: Машиностроение, 1987. - 288 с.

17. Голицина О.Л., Максимова Н.В. Базы данных: учебное пособие. - М.: ФОРУМ: ИНФРА-М, 2009. - 400с.

18. Гуревич А. М., Нейштадт И. С. Надежность логических систем управления. - М.: Энергия, 1970. - 104 с.

19. Девятков В.В. Системы искусственного интеллекта. - М.: МГТУ имени Н.Э. Баумана, 2001. - 352 с.

20. Джексон П. Введение в экспертные системы. 3-е издание. - М.: "Вильямс", 2001. - 624 с.

21. Джозеф Джарратано, Гари Райли. Экспертные системы: принципы разработки и программирование. Пер. с англ. — М.: Вильямс, 2006. — 1152 с.

22. Джордж Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. - М.: Вильямс, 2003. - 864 с.

23. Динамический мониторинг технологического оборудования / Б.М. Бржозовский, В.В. Мартынов, И.Н. Янкин, М.Б. Бровкова. - Саратов: Из-во СГТУ, 2008. - 312 с.

24. Доброскок В.Л. Пути снижения уровня вибраций при шлифовании. //

Процессы абразивной обработки, абразивные инструменты и материалы: Сб. тр. межд. конф. - Волжский: ВИСТ, 1998. - С. 123-126.

25. Добрынин С.А., Фельдман М.С., Фирсов Г.И. Методы автоматизированного исследования вибрации машин: справочник. - М.: Машиностроение, 1987. - 224 с.

26. Зимин Л.И., Савета Н.Н., Филиппов Б.В. Средства подготовки данных в АСУП. - Из-во: Статистика, 1976. - 192 с.

27. Зубов В.В., Макушкин В. А. Экспертная система диагностирования цифровых устройств ДИЭКС на персональной ЭВМ. Экспертные системы на персональных компьютерах. - М.: МДНТП, 1990. - с. 115-120.

28. Зубов В.В., Макушкин В.А., Оглоблин А.Г. Экспертная система диагностирования цифровых устройств и БИС. Средства связи. - №3. - 1988. - с. 32-36.

29. Игнатьев А.А., Каракозова В.А., Игнатьев С.А. Стохастические методы идентификации в динамике станков: монография. - Саратов: Из-во СГТУ, 2012. - 128 с.

30. Игнатьев А.А., Каракозова В.А., Зорин А.И. Моделирование и идентификация динамической системы шлифовального станка, определяющей качество поверхности качения колец подшипников на финишных операциях // Известия высших учебных заведений Поволжский регион. Технические науки. - 2014. - №2(30). - С. 62 - 76.

31. Игнатьев А.А., Коновалов В.В., Игнатьев С.А. Идентификация в динамике станков с использованием стохастических методов. - Саратов: Изд-во СГТУ, 2014. - 92 с.

32. Игнатьев А.А., Самойлова Е.М., Игнатьев С.А. Интеллектуальные технологии в машиностроении: учеб.пособие. Ч.1. - Саратов: СГТУ, 2012. -100 с.

33. Игнатьев С.А., Горбунов В.В., Игнатьев А.А. Мониторинг технологического процесса как элемент системы управления качеством продукции. - Саратов: Изд-во СГТУ, 2009. - 160с.

34. Игнатьев А.А., Козлова Т.Д., Самойлова Е.М. Экспертная система поддержки процесса диагностирования автоматических станочных модулей.

- Саратов: СГТУ, 2015. - 104 с.

35. Интеллектуальные информационные системы и технологии: учебное пособие / Ю.Ю. Громов, О.Г. Иванова, В.В. Алексеев и др. - Тамбов: Изд-во ФГБОУ ВПО «ТГТУ», 2013. - 244 с.

36. Интеллектуальные системы управления организационно-техническими системами / Под ред. А.А. Большакова. - М: Горячая линия-Телеком, 2006. - 160 с.

37. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы: Справочник/ Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990. - 304с.

38. Каракозова А.В. (Гаврилова А.В.) Анализ взаимосвязей в технологической системе при разработке экспертной системы // Качество продукции: контроль, управление, повышение, планирование: Сб. научн. тр.

- Курск, 2014. - С. 230-233

39. Каракозова А.В. (Гаврилова А.В.) Предпосылки создания экспертной системы поддержки процесса диагностирования шлифовальных станков // Инжиниринг техно 2014: Сб. трудов II международ. конф. - Саратов: СГТУ, 2014. - С. 230-235

40. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Автоматизированная система контроля процесса шлифования колец подшипников // Сб. трудов XXV Международной научной конференции ММТТ-25 «Участники школы молодых ученых и программы УМНИК». - Саратов: СГТУ, 2012. - С. 337-340

41. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Анализ информативности виброакустических параметров при контроле динамического состояния станков // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2015. - №1. - С. 108-120

42. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Аналитическая оценка автокорреляционной функции виброакустических колебаний в динамической системе станкаЧ.1. // Вестник Саратовского государственного

технического университета. - 2015. - №1 (78). - С. 85-88.

43. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Информационная основа для построения экспертной системы по оценке динамического состояния шлифовальных станков // Материалы и технологии XXI века: Сб. статей 12 Международ. конф. - Пенза: ПДЗ, 2014. - С. 129-133

44. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Информационно-функциональная модель динамических характеристик шлифовального станка для экспертной системы ы структуре системы мониторинга // Сб. научных трудов Автоматизация и управление в машино- и приборостроении. -Саратов: СГТУ, 2014. - С. 61-63

45. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Использование экспертных систем для контроля динамического состояния шлифовальных станков // Наука.21 век (транспорт и машиностроение). - Саратов, 2013. -№(1)3. С. 35-41

46. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Использование экспертных систем для контроля динамического состояния шлифовальных станков системы для управления качеством изготовления подшипников // Прогрессивные технологии в современном машиностроении: Сб. статей 8 Международ. конф. - Пенза: ПДЗ, 2013. - С. 17-20

47. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Построение базы данных и базы знаний в экспертной системе // Сб. трудов XXVI Международной научной конференции ММТТ-26 «Участники школы молодых ученых и программы УМНИК» Часть 1. - Саратов: СГТУ, 2013. - С. 178-180

48. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Предпосылки создания экспертной системы для контроля динамического состояния шлифовальных станков // Вестник Саратовского государственного технического университета. - 2011. - №3 (58). - С. 170-176.

49. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Применение экспертных систем в машиностроении // Сб. научных трудов Автоматизация

и управление в машино- и приборостроении. - Саратов: СГТУ, 2012. - С. 7579

50. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Теоретическая оценка автокорреляционной функции виброакустичеих колебаний в динамической системе станка // Сб. научных трудов Автоматизация и управление в машино- и приборостроении. - Саратов: СГТУ, 2015. - С. 41-44

51. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Управление качеством технологического процесса изготовления подшипников с использованием экспертной системы Вестник Саратовского государственного технического университета. - 2013. - №2 (71). - С. 186191.

52. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Формирование продукционных правил базы знаний экспертной системы при контроле динамического состояния шлифовальных станков // Сб. научных трудов Автоматизация и управление в машино- и приборостроении. - Саратов: СГТУ, 2015. - С. 57-50

53. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Экспертная система для автоматизированного контроля процесса шлифования // Информационные технологии, системы автоматизированного проектирования и автоматизация: Сб. научн. трудов. - Саратов: СГТУ, 2012. - С. 60-62

54. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А. Экспертные системы в структуре системы управления качеством продукции // Прогрессивные технологии в современном машиностроении: Сб. статей 9 Международ. конф. - Пенза: ПДЗ, 2013. - С. 23-25

55. Каракозова А.В. (Гаврилова А.В.), Игнатьев А.А., Каракозова В.А. Использование интеллектуальных технологий при мониторинге динамического состояния шлифовальных станков // Современные тенденции в технологиях металлообработки и конструкциях металлообрабатывающих машин и комплектующих изделий: Межвуз. научн. сб. - Уфа: УГАТУ, 2014. -

С. 131-135

56. Карпеева Е.В. Совершенствование средств активного многопараметрового контроля для системы мониторинга шлифовальной обработки деталей подшипников: Автореф... дис. канд. техн. наук. -Саратов: СГТУ, 2004. - 16 с.

57. Кедров С.С. Колебания металлорежущих станков. - М.: Машиностроение, 1978. - 200 с.

58. Козлов Д.В., Игнатьев А.А., Коновалов В.В. Определение периодической правки шлифовального круга по виброакустическим колебаниям // Вестник Саратовского государственного технического университета. - 2014. - №1(74). - С. 71 - 74.

59. Колев К.С., Горчаков Д.М. Точность обработки и режимы резания. -М.: Машиностроение, 1976. - 146 с.

60. Контроль динамических характеристик высокоточных станков в системе интеллектуального мониторинга технологического процесса / А.А. Игнатьев, Е.М. Самойлова, В.А. Добряков, С.А. Игнатьев

61. Кудинов В.А. Динамика станков. - М: Машиностроение, 1967. - 360 с.

62. Кулаков Ю.М., Хрульков, В.А., Дунин-Барковский И.В. Предотвращение дефектов при шлифовании. - М.: Машиностроение, 1975. -144 с.

63. Ларичев О.И. Системы, основанные на экспертных знаниях: история, современное состояние и некоторые перспективы // Седьмая национальная конференция по искусственному интеллекту с международным участием: сб. науч. тр. - М.: Изд-во физико-математической литературы, 2000.

64. Люгер Д. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е изд. Пер. с англ. - М.: Издательский дом «Вильямс», 2003 - 864 с.

65. Макушкин В. А., Щербицкий К. А. Экспертная система для контроля и диагностирования цифроаналоговых устройств. Новые информационные технологии в планировании, управлении и в производстве. - М.: МДНТП,

1991.- С. 121-125.

66. Методическое и программное обеспечение автоматизированного эксперимента в динамике машин / М.Б. Левин, А.Б. Одуло, Д.Е. Розенберг и др. - М.: Наука, 1989. - 294 с.

67. Михеев Ю.Е., Сосонкин В.Л. Системы автоматического управления станками. - М.: Машиностроение, 1978. - 264 с.

68. Михелькевич В.Н. Автоматическое управление шлифованием. - М.: Машиностроение, 1975. - 304 с.

69. Модели и методы искусственного интеллекта / О.Н. Долинина, А.В. Ермаков, Б.Л. Файфель, А.Ю. Шварц. - Саратов: Сарат. гос. техн. ун-т, 2015. - 284 с.

70. Мониторинг станков и процессов шлифования в подшипниковом производстве / А.А. Игнатьев, М.В. Виноградов, В.В. Горбунов и др. -Саратов: СГТУ, 2004. - 124 с.

71. Невельсон М.С. Автоматическое управление точностью обработки на металлорежущих станках. - М.: Машиностроение, 1982. - 184 с.

72. Нейлор К. как построить свою экспертную систему. - М.: Энергоатомиздат, 1991. - 286 с.

73. Нестерова И. В. Автоматизированная оценка динамического состояния шлифовальных станков для оперативной корректировки технологического процесса в САПР ТП подшипников в многономенклатурном производстве: Автореф... дис. кан. техн. наук. - Саратов: СГТУ, 2005. - 16 с.

74. Никулин Е.А. Основы теории автоматического управления: учебное пособие. - СПб: БХВ-Петербург, 2004. - 640 с.

75. Новикова В.А., Андреева Е.Ю., Туйкина Д.К. Искусственный интеллект и экспертные системы. - Каз. гос. ун-т., каф.прикл. математики. URL - http://expro.ksu.ru/materials/ii i es/book.html, свободный.

76. Олейникова Е.В. Ремонтное обслуживание оборудования на основе аутсортинга. - Саратов: СГТУ, 2005. - 64 с.

77. Орликов М.Л. Динамика станков. - Киев: Выщашк., 1989. - 272 с.

78. Осуга С., Саэки Ю. Приобретение знаний. - М.: Мир, 1990. - 304 с.

79. Петрухин А.В., Агеев В.К., Воронин Ю.Ф. Принятие технологических решений в литейном производстве с использованием интегрированной экспертной системы //Известия Волгоградского государственного технического университета. - 2004. - № 5. - С. 64-65

80. Попов В.И., Локтев В.И. Динамика станков. Киев: Техника, 1975. - 136

с.

81. Попов Э.В. Искусственный интеллект. Справочник в 3 томах. - М.: Радио и связь, 1990. - 1130 с.

82. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 1987. - 288 с.

83. Построение экспертных систем / Под ред. Ф. Хейес-Рот. - М.: Мир, 1987. - 441 с.

84. Пуш А.В. Моделирование станков и станочных систем // Конструкторско-технологическая информатика 2000: Тр. 4-го Межд. конгр. - М.: Станкин, 2000. - С.114-119.

85. Рассел С., Норвиг П. Искусственный интеллект: современный подход. 2-е изд. Пер. с англ. - М.: Издательский дом «Вильямс», 2006 - 1408 с.

86. Рутковский Л. Методы и технологии искусственного интеллекта. -М: Горячая линия-Телеком, 2010. - 520 с.

87. Ручкин В.Н., Фулин В.А. Универсальный искусственный интеллект и экспертные системы. - СПб.: БВХ-Петербург, 2009. - 240 с.

88. Рыбина Г.В. Основы построения интеллектуальных систем: учеб.пособие. - М.: ИНФРА-М, 2010. - 432с.

89. Рыжов Э.В., Аверченков В.И. Оптимизация технологических процессов механической обработки. - Киев: Наукова думка, 1989. - 192 с.

90. Самойлова Е.М., Игнатьев С.А. Интеллектуальный мониторинг качества механической обработки деталей // Контроль. Диагностика. - 2013. -№ 4. - С. 68-72

91. Системы искусственного интеллекта. Практический курс : учебное пособие / Под ред. И. Ф. Астаховой. - М.: БИНОМ. Лаборатория знаний, 2008. - 292с.

92. Скляревич В.А. Операторные методы в статистической динамике автоматических систем. - М.: Наука, 1965. - 475 с.

93. Смагин А.А., Липатова С.В., Мельниченко А.С. Интеллектуальные информационные системы: учебное пособие.- Ульяновск :УлГУ, 2010. - 136 с.

94. Статические и динамические экспертные системы / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. - М.: Финансы и статистика, 1996. - 318 с.

95. Сутормин В.И. Проблемы балансировки и диагностирования шлифовальных станков // СТИН. - 1994. - №1. - С. 12-18.

96. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика, 1990. - 320 с.

97. Тверской М.М. Автоматическое управление режимами обработки деталей на станках. - М.: Машиностроение, 1982. - 208 с.

98. Тимошин М.И., Золотых С.Ф. Исследование эффективности современных методов и средств диагностики технического состояния узлов металлорежущих станков // Известия ТулГУ. Технические науки. - 2011. -№3. - С. 17-20

99. Точность и надёжность автоматизированных прецизионных металлорежущих станков. Ч.2. / Б.М. Бржозовский, В.А. Добряков, А.А. Игнатьев, В.А. Мартынов. - Саратов: СГТУ, 1994. - 156 с.

100. Точность и надежность станков с ЧПУ / А.С. Проников, В.С. Сатародубов, М.С. Уколов, Б.М. Дмитриев. - М.: Машиностроение. 1982. -256 с.

101. Тромпет Г.М., Красильников А.Я. Виброконтактный преобразователь для измерительного модуля многоцелевого станка // СТИН.

- 2007. - №2. - С.18-20.

102. Файн В.С. Распознавание образов и машинное понимание естественного языка. - М.: Наука, 1987. - 176 с.

103. Частиков А.П., Белов Д.Л., Гаврилова Т.А. Разработка экспертных систем. Среда CLIPS. - Спб: БХВ-Петербург, 2003. - 606 с.

104. Экспертные системы. Принципы работы и примеры / Под ред. Р. Форсайт. - М.: Радио и связь, 1987. - 224 с.

105. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. -М.: Финансы и статистика, 1987. - 191 с.

106. Юркевич В. В. Экспертная система для токарной обработки // Вестник машиностроения. - 2010. - № 6. - С. 73-75.

107. Явленский К.Н., Явленский А.К. Вибродиагностика и прогнозирование качества механических систем. - М.: Машиностроение, 1983. - 239 с.

108. Якобс Г.Ю., Якобс Э., Кохан Д. Оптимизация резания. - М. Машиностроение, 1981. - 278 с.

109. Яковлев М.А. Экспертные системы с применением диалогового интерфейса на естественном языке // Электронное научное издание «Ученые заметки ТОГУ», 2013. - Том 4, № 3. - С. 31 - 39

110. Ясницкий, Л. Н. Введение в искусственный интеллект. - М.: Изд. центр «Академия», 2005. - 176 с.

111. Ястребова Н.А, Кондаков А.И., Спектор Б.А. Техническая диагностика и ремонт компрессоров. Ч.2. - М.: ЦНИИТ Эхимнефтемаш, 1991. - 60 с.

112. Karakozova A.V. (Gavrilova A.V.). Use of expert systems to improve the efficiency of grinding // Наукаижизнь. Материалы конф. с международ. участием. - Саратов: - Саратов: Из-во СГТУ, 2013. - С. 34-37

113. Klingauf W. Methods to achieve precision grinding // DIMA (Die Machine). - 2006. - Vol. 60, N 6. - P. 28 - 30.

114. Lin Z.H., Hodson D.C. In-process measurement and assessment of

dynamic characteristics of machine tool structures // Int. J.Mach. Tool Manufact. -1988. - Vol. 28, N 2. - P. 93 - 101.

115. Норенков И.П. Автоматизированные системы управления [Электронный ресурс] // Автоматизированная обучающая система БиГОР -режим доступа: http://bigor.bmstu.ru/?cnt/?doc=Default/010 erp.cou. (Дата обращения 07.12.2013)

116. Проходов А. Системы автоматического распознавания речи [Электронный ресурс] // КомпьютерПресс 7'2003 - режим доступа: http://compress.ru/article.aspx?id=11331 (Дата обращения 07.12.2013)

117. Вопросно-ответные системы [Электронный ресурс] // Академик 2000-2014 - режим доступа: http : //dic. academic.ru/dic.nsf/ruwiki/851988 (Дата обращения 01.02.2014)

118. Дехкан-Нири Фатеме. Компьютерные игры - две стороны одной медали [Электронный ресурс] // ИноСМИ 2014 - режим доступа -http ://inosmi .ru/world/20140310/218400378 .html (Дата обращения 22.03.2014)

119. Митичкин С. Компьютерное моделирование бюджетного процесса и динамики жилого фонда города [Электронный ресурс] // Государственный университет управления 2001-2002 - режим доступа: http://mista.ru/gorodA1 3.htm (Дата обращения 22.03.2014)

120. Лисин С. Системы оптического распознавания текста [Электронный ресурс] // Компьютер-Информ - режим доступа http ://old.ci .ru/inform 16_02/p_22text.htm (Дата обращения 23.03.2014)

121. Воронин Ю.Ф. Обработка информации для диагностики дефектов снижения брака изделий в металлургии (на примере литейного производства) [Электронный ресурс] // Автореф. дисс. док. техн. наук - режим доступа: http://oldvak.ed.gov.ru/common/img/uploaded/files/vak/announcements/techn/20-05-2008/VoroninYF.pdf (Дата обращения 26.05.2014)

122. Естественно-языковые интерфейсы к структурированным источникам данных [Электронный ресурс] // Искусственный интеллект от

Prof'a - режим доступа: http://prof9.narod.ru/doc/102/doc102 2.html (Дата обращения 23.03.2014)

123. Машинный перевод [Электронный ресурс] // Универсальная научно-популярная онлайн-энциклопедия Энциклопедия Кругосвет - режим доступа: http://www.krugosvet.ru/enc/gumanitarnye nauki/lingvistika/MASHINNI PERE VOD.html (Дата обращения 23.03.2014)

124. Хан У., Мани И. Системы автоматического реферирования [Электронный ресурс] // Открытые системы, №12. - 2000 - режим доступа: http://www.osp.ru/os/2000/12/178370/ (Дата обращения 23.03.2014)

125. Автоматизированные обучающие системы [Электронный ресурс] // ЭНИМЦ «Моделирующие системы» - режим доступа: http://www.ssl.obninsk.ru/web/002/index.nsf/index/aos (Дата обращения 23.03.2014)

Листинг программной реализации экспертной системы поддержки принятия решения при контроле динамического состояния

шлифовального станка

//---------------------------------------------------------------------------

#include <vcl.h> #include <vector> #pragma hdrstop

#include "Unit7.h"

#include "include.h"

//---------------------------------------------------------------------------

#pragma package(smart_init) #pragma resource "*.dfm" TAnalis *Analis;

std::vector<int> IDstanka, IDdetali, IDPstanka, IDPdetali; std::vector<String> Pstanka, Pdetali, Tstanka, Tdetali; std::vector<bool> Dstanka, Ddetali;

bool FirstShow;

//---------------------------------------------------------------------------

_fastcall TAnalis::TAnalis(TComponent* Owner)

: TForm(Owner)

{ }

//---------------------------------------------------------------------------

void_fastcall TAnalis::N5Click(TObject *Sender)

{

Analis->Close();

G_Form->Show(); }

//---------------------------------------------------------------------------

void_fastcall TAnalis::FormCloseQuery(TObject *Sender, bool &CanClose)

{

Analis->Hide();

G_Form->Show(); }

//---------------------------------------------------------------------------

void_fastcall TAnalis::FormShow(TObject *Sender)

{

FirstShow = true; ADOQuery1->SQL->Clear();

ADOQuery1->SQL->Add("select * from Parametry order by ID_parametra");

ADOQuery 1 ->Open();

ADOQuery1->Refresh();

ADOQuery1->First();

IDPdetali.clear();

Pdetali.clear();

Tdetali.clear(); IDPstanka.clear(); Pstanka.clear(); Tstanka.clear();

while (! ADOQuery 1 ->Eof) {

if (ADOQuery1->FieldByName("P_stanka")->AsString == "")

{

IDPdetali.push_back(ADOQuery1->FieldByName("ID_parametra")->AsInteger); Pdetali.pmh_back(ADOQuery1->FieldByName("P_detali")->AsString); Tdetali.push_back(ADOQuery1->FieldByName("Parametr")->AsString); } else {

IDPstanka.push_back(ADOQuery1->FieldByName("ID_parametra")->AsInteger); Pstanka.push_back(ADOQuery1->FieldByName("P_stanka")->AsString);

Tstanka.push_back(ADOQuery1->FieldByName("Parametr")->AsString);

}

ADOQuery1->Next();

}

ADOQuery 1 ->Close();

ADODataSet1->Open();

ADODataSet1->Refresh();

ADODataSet1->First();

ComboBox 1 ->Items->Clear();

IDstanka.clear();

while (! ADODataSet1->Eof)

{

IDstanka.push_back(ADODataSet1->FieldByName("ID_modeli")->AsInteger);

ComboBox 1 ->Items->Add(" [M+ADODataSet1->FieldByName(MNomer_stankaM)->AsString+M]

"+ADODataSet1->FieldByName("Naimenovanie")->AsString);

ADODataSet 1 ->Next(); }

ADODataSet5->Open();

ADODataSet5->Refresh();

ADODataSet5->First();

IDdetali.clear();

ComboBox2->Items->Clear();

while (! ADODataSet5->Eof)

{

IDdetali.push_back(ADODataSet5->FieldByName("ID_modeli")->AsInteger); ComboBox2->Items->Add(" ["+ADODataSet5->FieldByName("tip")->AsString+"]

"+ADODataSet5->FieldByName("Oboznachenie")->AsString);

ADODataSet5->Next();

}

StringGrid1 ->Cells[ 1 ] [0] = "Эталон"; StringGrid1->Cells[2][o] = "Допуск"; StringGrid1->Cells[3][0] = "Факт"; StringGrid1 ->Cells[4] [0] = "Статус"; StringGrid2->Cells[ 1 ] [0] = "Эталон"; StringGrid2->Cells[2][o] = "Допуск"; StringGrid2->Cells[3][0] = "Факт"; StringGrid2->Cells[4][0] = "Статус"; ComboBox1->ItemIndex = 0;

ComboBox 1 Change(Sender); ComboBox2->ItemIndex = 0;

ComboBox2Change(Sender);

}

//---------------------------------------------------------------------------

void_fastcall TAnalis::ComboBox1Change(TObject *Sender)

{

ADODataSet2->Close();

ADODataSet2->CommandText = "select * from Tek_znach_stanki where

ID_modeli="+IntToStr(IDstanka[ComboBox1->ItemIndex])+" order by Data_exsp DESC";

ADODataSet2->Open();

ADODataSet2->Refresh();

ADODataSet2->First();

ADODataSet4->Close();

ADODataSet4->CommandText = "select * from Stanki where

ID_modeli="+IntToStr(IDstanka[ComboBox1->ItemIndex]);

ADODataSet4->Open();

ADODataSet4->Refresh();

ADODataSet3->Close();

ADODataSet3->CommandText = "select * from Etalon where Kategoriya-"+ADODataSet4-

>FieldByName("Kategoriya")->AsString+.....;

ADODataSet3->Open(); ADODataSet3->Refresh(); ADODataSet3->First(); Dstanka.clear();

for (int i=0; i<IDPstanka. size(); i++) {

StringGrid1->Cells[0][(i + 1)] = Tstanka[i];

StringGrid1 ->Cells[ 1 ] [(i + 1)] = ADODataSet3->FieldByName(Pstanka[i])->AsString; StringGrid1->Cells[2][(i + 1)] = ADODataSet3->FieldByName("D_"+Pstanka[i])->AsString; StringGrid1->Cells[3][(i + 1)] = ADODataSet2->FieldByName(Pstanka[i])->AsString; if ((ADODataSet3->FieldByName(Pstanka[i])->AsFloat+ADODataSet3-

>FieldByName("D_"+Pstanka[i])->AsFloat)>ADODataSet2->FieldByName(Pstanka[i])-

>AsFloat) {

StringGrid1->Cells[4][(i + 1)] = "Норма"; Dstanka.push_back(false); } else {

StringGrid1->Cells[4][(i + 1)] = "Дефект";

D stanka.push_b ack(true);

};

}

ADODataSet2->Close();

ADODataSet2->CommandText = "select * from Tek_znach_stanki where

ID_modeli="+IntToStr(IDstanka[ComboBox1->ItemIndex])+" order by Data_exsp";

ADODataSet2->Open();

ADODataSet2->Refresh();

ADODataSet2->First();

float x1, x2, e1, e2;

int n = 0;

String dz = "";

Chart1->Series[0]->Clear();

Chart2->Series[o]->Clear();

el = ADODataSet3->FieldByName("OUV_SHU_krug")->AsFloat+ADODataSet3->FieldByName("D_OUV_SHU_krug")->AsFloat;

e2 = ADODataSet3->FieldByName("OUV_SHU_det")->AsFloat+ADODataSet3-

>FieldByName("D_OUV_SHU_det")->AsFloat;

while (! ADODataSet2->Eof)

{

if (n < 10)

{

xl = ADODataSet2->FieldByName("OUV_SHU_krug")->AsFloat; x2 = ADODataSet2->FieldByName("OUV_SHU_det")->AsFloat; dz = ADODataSet2->FieldByName("Data_exsp")->AsString; if (x1 > e1) {

Chart1->Series[0]->Add(x 1 ,dz,clRed); } else {

Chart1->Series[0]->Add(x1,dz);} if (x2 > e2) {

Chart2->Series[0]->Add(x2,dz,clRed); } else {

Chart2->Series[0]->Add(x2,dz);}

}

n++;

ADODataSet2->Next();

}

if (FirstShow) {FirstShow = false;} else {Rekomend();}

}

//---------------------------------------------------------------------------

void_fastcall TAnalis::ComboBox2Change(TObject *Sender)

{

ADODataSet2->Close();

ADODataSet2->CommandText = "select * from Tek_znach_koltsa where

ID_modeli="+IntToStr(IDdetali[ComboBox2->ItemIndex])+" order by Data_zam DESC";

ADODataSet2->Open();

ADODataSet2->Refresh();

ADODataSet2->First();

ADODataSet4->Close();

ADODataSet4->CommandText = "select * from Koltsa where

ID_modeli="+IntToStr(IDdetali[ComboBox2->ItemIndex]);

ADODataSet4->Open();

ADODataSet4->Refresh();

ADODataSet3->Close();

ADODataSet3->CommandText = "select * from Etalon_kolets where

ID_modeli="+ADODataSet4->FieldByName("ID_modeli")->AsString;

ADODataSet3->Open();

ADODataSet3->Refresh();

ADODataSet3->First();

Ddetali.clear();

for (int i=0; i<IDPdetali.size(); i++) {

StringGrid2->Cells[0][(i + 1)] = Tdetali[i];

StringGrid2->Cells[ 1 ] [(i + 1)] = ADODataSet3->FieldByName(Pdetali[i])->AsString; StringGrid2->Cells[2][(i + 1)] = ADODataSet3->FieldByName("D_"+Pdetali[i])->AsString; StringGrid2->Cells[3][(i + 1)] = ADODataSet2->FieldByName(pdetali[i])->AsString; if ((ADODataSet3->FieldByName(Pdetali[i])->AsFloat+ADODataSet3-

>FieldByName("D_"+Pdetali[i])->AsFloat)>ADODataSet2->FieldByName(Pdetali[i])-

>AsFloat) {

StringGrid2->Cells[4][(i + 1)] = "Норма"; Ddetali.push_back(false); } else {

StringGrid2->Cells[4][(i + 1)] = "Дефект";

Ddetali.push_back(true);

};

}

Rekomend();

}

//---------------------------------------------------------------------------

void_fastcall TAnalis::Rekomend()

{

Analis->Li stB ox 1 ->Item s->Clear(); String ds = "";

for (int i=0; i<IDPstanka. size(); i++) {

if (Dstanka[i])

{

ADOQuery1->SQL->Clear();

ADOQuery1->SQL->Add("select * from Rekomend where

D_stanka="+IntTo Str(IDP stanka[i ]));

ADOQuery 1 ->Open();

ADOQuery1->Refresh();

ADOQuery1->First();

Analis->ListBox1->Items->Add(IntToStr(Analis->ListBox1->Items->Count + 1)+".

"+ADOQuery1->FieldByName("Rekomend")->AsString);

ds += " or (D_stanka="+IntTo Str(IDP stanka[i ])+")";

ADOQuery 1 ->Close(); }

}

ds = ds.SubString(4,(ds.Length() - 3)); bool b = false;

for (int i=0; i<IDPdetali.size(); i++) {

if (Ddetali[i]) {

if (ds.Length() < 10) {b = true;} else { ADOQuery1->SQL->Clear();

ADOQuery1->SQL->Add("select * from Rekomend where

(D_detali="+IntToStr(IDPdetali[i])+") and ("+ds+")");

ADOQuery 1 ->Open();

ADOQuery1->Refresh();

b = (ADOQuery1->RecordCount == 0);

ADOQuery 1 ->Close();

}

if (b) {

ADOQuery1->SQL->Clear();

ADOQuery1->SQL->Add("select * from Rekomend where

(D_detali="+IntToStr(IDPdetali[i])+") and (D_stanka=0)");

ADOQuery 1 ->Open();

ADOQuery 1 ->Refresh();

ADOQuery1->First();

Analis->ListBox1->Items->Add(IntToStr(Analis->ListBox 1 ->Items->Count + 1)+".

"+ADOQuery1->FieldByName("Rekomend")->AsString);

ADOQuery 1 ->Close();

/

УТВЕРЖДАЮ Генеральный директор ЗЛО" С-ганкой лиф™

il

Е, Б Ллйсс-Васи л ье н

АКТ ПЕРЕДАЧИ

РЕЗУЛЬТАТОВ И С С Л ЕДО R Л H И И

Мы, нижеподписавшиеся, с одной стороны главный конструктор ЗАО «Станко шлиф» Ерхов Н.В., с другой Стороны сотрудники кафедры "Автоматизация, управление, мехатроника" СГТУ имени Гагарина Ю.А, Игнатьев А.Л., Самойлова ЕМ. н Ганрилоьа A.B. составили настоящий акт û том, что в соответствии с достигнутой договоренностью сотрудниками СГТУ в 2Û!5 поду апробировала и передана для внедрения на предприя тие экспертная система контроля динамических характеристик автоматических и полуавтоматических шлифовальных станков, разработанная на основе методики интеллектуального анализа оценки параметров процесса шлифования, и обеспечивающая оптимизацию пронесся обработки поверхностей высокоточных деталей и повышение эксплуатационной надёжности станков.

Применение предлагаемой методики оценки параметров процесса шлифования, реализованной в экспертной системе контроля динамических характеристик высокоточного оборудования позволит повысить уровень автоматизации и качество принимаемых управленческих решений.

От ЗАО "Станкошлиф' главный конструктор

и

"УТВЕРЖДАЮ" диктор цо учебной работе

V. Ч а ^ „ '

ТУ ич^ии \ а:а;)мл;1 К ).Л.

м

ЧЧ* Г-^В. Лобачева

2015 г.

АКТ В11ЕДРП11ИЯ

Результаты диссертационной работы аспирантки Гавриловен Анны Владимировны на тему «Экспертная система поддержки принятия решения при контроле динамического состояния шлифовальных станков» внедрены в учебный процесс на кафедре «Автоматизация, управление, мехатроника» Саратовского государственного технического университета имени Гагарина Ю.А. и использованы в учебном процессе по кгуре&м «Автоматизированный контроль и диагностика» и «Теория экспертных систем» для бакалавров, «ГТехническйя диагностика» и «.Экспертные системы» для магистрантов направления «Автоматизация технологических процессов и производств».

Заведующий кафедрой «Автоматизация, управление, мехатроника»,

] [аучный руководитель д.т.н., профессор

Аспирант

А,А. Игнатьев

А.Е. Храмов

/