Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам: на примере задач контактной механики тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Сливин, Роман Юрьевич

• Сливин, Роман Юрьевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Сливин, Роман Юрьевич

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. ПОДХОДЫ К ПОДДЕРЖКЕ ИНЖЕНЕРНОГО АНАЛИЗА.

1.1. Процесс инженерного анализа и его автоматизация.

1.2. Задачи контактной механики. Метод конечных элементов.

1.3. Рассуждения по прецедентам и их применение для интеллектуальной поддержки инженерного анализа.

1.3.1. Технология рассуждений по прецедентам.

1.3.2. Формы представления прецедентов.

1.3.3. Алгоритмы поиска и адаптации прецедентов.

1.4. Цель и задачи исследования.

ГЛАВА 2. МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ.

2.1. Структура модели.

2.1.1. Общая характеристика модели.

2.1.2. Качественная модель физической системы.

2.1.2.1. Общая характеристика качественной модели.

2.1.2.2. Качественные переменные.

2.1.2.3. Структурные элементы качественной модели.

2.1.3. Описание прецедента инженерного анализа.

2.1.4. Зависимости между параметрами.

2.2. Свойства модели. Представимость в виде графа и онтологии.

2.2.1. Основные свойства модели.

2.2.2. Представление модели с помощью онтологии.

2.2.3. Представление модели в виде графа.

2.3. Задачи рассуждений на модели.

Выводы по главе 2.

ГЛАВА 3. МЕХАНИЗМ РАССУЖДЕНИЙ. АЛГОРИТМЫ.

3.1. Выбор прецедентов.

3.1.1. Общий подход к выбору прецедентов на основе близости графов.

3.1.2. Процедура сопоставления вершин графов.

3.1.3. Оценка локальной близости двух вершин графов.

3.2. Адаптация прецедентов.

3.2.1. Общий алгоритм адаптации.

3.2.2. Алгоритм проверки путей близости.

3.3. Алгоритм проецирования критических точек переменных.

3.4. Основные свойства разработанных алгоритмов.

Выводы по главе 3.

ГЛАВА 4. АПРОБАЦИЯ МОДЕЛЕЙ И АЛГОРИТМОВ.

4.1. Архитектура автоматизированной системы. Аспекты реализации.

4.2. Методика решения инженерной задачи с использованием автоматизированной системы.

4.3. Процесс решения инженерной задачи. Тестовый пример.

4.4. Тестирование эффективности алгоритмов.

Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам: на примере задач контактной механики»

Актуальность темы. Современные средства инженерного анализа технических решений опираются на мощный и постоянно развивающийся математический аппарат, основу которого составляют численные методы решения дифференциальных уравнений. Данный аппарат поддается эффективной автоматизации, модули инженерных расчетов являются неотъемлемыми частями систем CAE и САПР.

Однако обратной стороной мощности современного аппарата инженерных расчетов является его сложность. Процесс инженерного анализа включает ряд неалгоритмических задач (построение модели анализируемого объекта, выбор алгоритма и параметров расчета, интерпретация его результатов в терминах рассматриваемой проблемы), от решения которых решающим образом зависит точность и надежность полученных результатов.

Современные CAE и подсистемы инженерного анализа САПР эффективно реализуют большое количество расчетных методов, но практически we оказывают пользователю поддержки при выполнении неалгоритмических задач. Таким образом, задачи инженерного анализа требуют значительных материальных и трудовых затрат, а также привлечения высококвалифицированных специалистов.

Одним из способов уменьшения затрат на проведение инженерного анализа и снижение требований к квалификации инженера-расчетчика является организация интеллектуальной поддержки решения неалгоритмических задач инженерного анализа со стороны автоматизированной системы.

Реализация такой поддержки подразумевает разработку формального представления инженерных знаний и автоматизацию процесса рассуждений с использованием этих знаний. Проблемам представления знаний и автоматизации рассуждений посвящено большое количество работ в области искусственного интеллекта. Существенный вклад в развитие данного направления внесли Д.А. Поспелов, В.Н. Вагин, B.IvL Курейчик, Г.С. Осипов, А.А. Зенкин, Волкова Г.Д., Петрова И.Ю., П. Уинстон, П. Джексон, Дж. МакКарти.

Важными особенностями процесса рассуждений в ходе инженерного анализа являются использование как качественной, так и количественной информации, а также использование накопленного опыта - знаний о ранее решенных задачах, аналогичных данной. Результаты изучения работ по исследованию характера знаний и процесса рассуждений в ходе инженерного анализа, включая работы Дж. Покожски, С. Фенвеса и др., позволяют выделить рассуждения по прецедентам и качественные рассуждения в качестве наиболее адекватных задачам интеллектуальной поддержки инженерного анализа технологий искусственного интеллекта. Большой вклад в развитие рассуждений по прецедентам внесли Д.Лик, Дж.Колоднер, А. Кинли, В.Н. Вагин и др., качественных рассуждений и качественного моделирования -Дж. де Клир, Б. Куйперс, Дж. Форбус, Б. Бредевег и др. Большая часть работ связана с применением указанных технологий для решения задач планирования и диагностики, в том числе в экономических, социальных, экологических предметных областях.

Существующие модели и алгоритмы не могут быть непосредственно применены для организации интеллектуальной поддержки задач инженерного анализа технических объектов на ранних этапах проектирования, так как последние обладают рядом специфических свойств: описание задачи инженерного анализа (прецедента) имеет сложную структуру, которая может существенно изменяться в зависимости от типа технического объекта и решаемой задачи; элементы поля знаний существенно различаются по степени формализации (ряд зависимостей между параметрами может быть выражен детерминированными алгебраическими соотношениями, другие - нечеткими экспертными правилами), необходимо учитывать качественные и количественные параметры.

Поэтому актуальной задачей является адаптация моделей и алгоритмов рассуждений по прецедентам и качественных рассуждений для реализации интеллектуальной поддержки инженерного анализа технических объектов.

Цель работы состоит в сокращении сроков и повышении качества результатов инженерного анализа на ранних этапах проектирования за счет организации интеллектуальной поддержки процесса решения инженерной задачи (на примере задач контактной механики, решаемых методом конечных элементов).

Для достижения данной цели были поставлены и решены следующие задачи.

1. Исследовать процесс решения задачи контактной механики методом конечных элементов с точки зрения возникающих неалгоритмических (основанных на знаниях) задач и характеристик используемых знаний, а также проанализировать средства и методы интеллектуальной поддержки данных задач.

2. Разработать модель представления знаний о прецедентах инженерного анализа объектов проектирования, включая знания о физических системах, инженерных задачах и методах их решения, а также зависимостях между параметрами задач и процедур решения;

3. Сформулировать для данной модели задачи выбора прецедента по запросу и задачи повышения релевантности выбранного прецедента путем его адаптации; разработать алгоритмы решения данных задач.

4. На основе разработанных моделей и алгоритмов спроектировать и реализовать макет автоматизированной системы интеллектуальной поддержки инженерного анализа для задач контактной механики и проверить ее работоспособность и эффективность.

Методы исследования. Для решения поставленных задач были использованы методы системного анализа, методы искусственного интеллекта, методы анализа бизнес-процессов, а также применялись положения теории объектно-ориентированного проектирования программных систем и теории проектирования реляционных баз данных

Научная новизна результатов, выносимых на защиту, заключается в следующем.

1. Предложена модель представления знаний о прецедентах инженерного анализа объектов пооектиоования. котооая отличается от известных вт

А Ж 'А можностями представления как количественных, так и качественных параметров с учетом их значимости через весовые коэффициенты. Применение элементов объектно-ориентированного подхода при реализации модели позволяет многократно использовать компоненты моделей для описания различных прецедентов.

2. На предложенной модели сформулирована задача поиска прецедента по запросу в виде задачи оценки близости графов и разработан алгоритм для ее решения, который отличается от известных использованием ряда эвристических приемов, обеспечивающих релевантность выбранного прецедента и скорость обработки запроса.

3. Для повышения релевантности найденного прецедента разработан алгоритм адаптации, который отличается от известных использованием знаний в форме как продукционных правил, так и путей близости с логическими операторами.

Практическая ценность полученных результатов.

1. Предложенные модели и алгоритмы реализованы в виде автоматизированной системы интеллектуальной поддержки решения задач контактной механики.

2. Создана тестовая база знаний. Проверена работоспособность автоматизированной системы при решении задач контактной механики; проведена оценка эффективности предлагаемых алгоритмов.

3. Предложенные модели и алгоритмы могут быть использованы в различных системах рассуждений по прецедентам, использующих их структурное представление.

Реализация и внедрение результатов. Макет автоматизированной системы интеллектуальной поддержки решения контактных задач внедрен в «ОАО ТПР «ВтТЗ» и ООО «ВЗБТ». Его использование позволяет сократить сроки проведения и повысить качество результатов инженерного анализа.

Апробация работы. Основные результаты работы докладывались и обсуждались на: международной конференции «Информационные технологии в образовании, технике и медицине», Волгоград, 2004; VIII региональной конференции молодых исследователей Волгоградской области, Волгоград, 2004; международном симпозиуме "Methods of Artificial Ы-рШстрпгр АТ-МЕТН 2005", Gliwice, Польша, 2005; XXXIII международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе, Гурзуф, Украина, 2006, международной конференции «Интеллектуальные системы» AIS-2006, Дивноморское, 2006.

Публикации. По теме диссертации опубликовано 14 печатных работ, в том числе 5 публикаций в изданиях из перечня ведущих научных журналов ВАК, 4 статьи в сборниках научных трудов, 5 тезисов докладов конференций.

Структура и содержание диссертационной работы. Диссертацнеи ная работа состоит из введения, четырех глав, заключения, 2-х приложений и списка литературы. Общий объем диссертации 166 страниц, в том числе 32 рисунка, 20 таблиц, список литературы из 127 наименований.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Сливин, Роман Юрьевич

Выводы по главе 4

1. На основе моделей и алгоритмов, предложенных в главах 2-3, спроектирована автоматизированная система интеллектуальной поддержки инженерного анализа в области контактной механики ISFEA. Концептуально АС ИП состоит из следующих основных модулей: база знаний, подсистема работы со знаниями, подсистема интеллектуальной поддержки. Главной функцией АС является поддержка решения задач контактной механики. Примененная при проектировании АС трехуровневая архитектура и разработанные классы межуровневых интерфейсов предоставляют возможности как быстрого макетирования системы, так и дальнейшего развития макета в полноценное бизнес-приложение.

2. Создана тестовая коллекция прецедентов включающая примеры, представленные в руководствах по CAE системам ABAQUS и MARC (ABAQUS Example Manual, MARC Sample Problems), наборах тестов для алгоритмов решения контактных задач NAFEMS Benchmark, FENET Benchmark, а также примеры, сформированные в ходе консультаций с экспертами.

3. С помощью разработанного макета АС ИП и коллекции прецедентов проведено тестирование предлагаемых моделей и алгоритмов. Результаты тестирования позволяют сделать вывод, что разработанные модели и алгоритмы адекватны поставленным задачам и достаточно эффективны для реализации системы интеллектуальной поддержки инженерного анализа.

4. Разработанный макет автоматизированной системы интеллектуальной поддержки решения контактных задач прошел опытную эксплуатацию в «ОАО ТПР «ВгТЗ» и «ООО «ВЗБТ». На основе полученных оценок экспертов среднее сокращение сроков и затрат на проведение инженерного анализа можно оценить как 35%. Наряду с сокращением сроков и стоимости проведения инженерного анализа за счет уменьшения количества итераций, обусловленных неверным выбором методов и параметров процедуры решения, вклад в экономический эффект от использования AU интеллектуальной поддержки может вносить снижение требований к уровню квалификации инженера.

ЗАКЛЮЧЕНИЕ

Основные научные и прикладные результаты диссертационной работы заключаются в следующем.

1. Разработана модель представления знаний о прецедентах инженерного анализа объектов проектирования, которая отличается от известных возможностями представления как количественных, так и качественных параметров с учетом их значимости через весовые коэффициенты. Применение элементов объектно-ориентированного подхода при реализации модели позволяет многократно использовать компоненты моделей для описания различных прецедентов.

2. На разработанной модели сформулирована задача поиска прецедента по запросу, и разработан алгоритм ее решения, основанный сравнении ориентированных маркированных взвешенных графов; данный алгоритм включает процедуру сопоставления вершин, которая использует ряд эвристик, позволяющих обеспечить достаточную производительность при высокой адекватности сопоставления, и процедуру расчета близости пары вершин, использующую модифицированные оценки CBS и HP, которые позволяют получать адекватные оценки близости в несбалансированной онтологии и предоставляют возможность гибкой настройки алгоритма.

3. На разработанной модели сформулирована задача повышения релевантности найденного прецедента путем адаптации, и разработан алгоритм ее решения, который использует знания о зависимостях между параметрами задачи и процедуры решения в форме как продукционных правил, так и путей близости с логическими операторами, что позволяет применять в ходе адаптации широкий спектр адекватно представленных знаний предметной области, а также рассчитывает количественную оценку эффекта адаптации, что повышает для пользователя «прозрачность» работы интеллектуальной системы. Алгоритм использует ряд эффективных стандартных процедур логического вывода на онтологиях.

4. Разработан алгоритм проецирования критических точек качественных переменных, который решает задачу оценки значения вещественного параметра с учетом контекста - значений остальных параметров; данный алгоритм используется алгоритмами поиска и адаптации прецедентов.

5. На основе разработанных моделей и алгоритмов спроектирована и реализована автоматизированная система интеллектуальной поддержки инженерного анализа в области контактной механики ISFEA. Создана коллекция прецедентов, проведено тестирование моделей и алгоритмов. Результаты тестирования позволяют сделать вывод, что разработанные модели и алгоритмы соответствуют поставленным задачам.

6. Разработанный макет автоматизированной системы интеллектуальной поддержки решения контактных задач прошел опытную эксплуатацию в «ОАО ТПР «ВгТЗ» и «ООО «ВЗБТ», которая показала его работоспособность.

В целом полученные результаты позволяют сократить сроки проведения и повысить качество результатов инженерного анализа. Кроме того, они позволяют предположить, что предложенные модели и алгоритмы могут быть использованы для интеллектуальной поддержки различных классов задач инженерного анализа. Ряд алгоритмов может быть использован в других системах рассуждений по прецедентам, использующих их структурное представление.

Список литературы диссертационного исследования кандидат технических наук Сливин, Роман Юрьевич, 2006 год

1. Алексеев А.В., А.Н.Борисов, Э.Р. Вилюмс, Н.Н. Слядзь, С.А.Фомин. Интеллектуальные системы принятия проектных решений. Рига: Изд-во «Зинатне», 1997.-320 с.

2. Альтшуллер Г.С., Основы изобретательства. Воронеж, 1964 г.

3. Альянах И.Н. Моделирование вычислительных систем. Л.: Машиностроение, 1988, 233 с.

4. Бенерджи П., Баттерфилд. Р. Методы граничных элементов в прикладных науках. Пер. с англ. М.: Мир, 1984. - 494 с.

5. Бреббия К., Стефан У. Применение метода граничных элементов в технике. Пер. с англ. М.: Мир, 1982. - 248 с.

6. Бурковский В.Л., Подвальный С.Л. Основы моделирования на GPSS: Уч. нос., ВГТУ. Воронеж, 1994.

7. Бусленко Н. П. Моделирование сложных систем. М. Наука 1978г. 400с.

8. Вагин В.Н., Клишин В.В., Филипова О.В. Опыт реализации экспертных систем в области машиностроения, предназначенных для решения задач проектирования и планирования // Новости искусственного интеллекта. 1991.-№4.

9. Веников В.А. Теория подобия и критерии подобия в электротехнике. -М. :Просвящение. 1949, -248 с.

10. Галлагер Р. Метод конечных элементов. Основы: Пер. с англ. М.: Мир, 1984

11. Гузенков П.Г. Детали машин М.: Высшая школа, 1986.

12. Гулиа Н.В., Петракова Е.А. Расчет коэффициентов трения в точечном контакте фрикционной бесступенчатой передачи. Инженерный журнал «Справочник». 1003. - №10. - с. 12-15

13. Деклу Ж. Метод конечных элементов. М.: Мир, 1976.

14. Джексон П. Экспертные системы

15. Джонс Дж.К. Методы проектирования. М.: «Мир», 1986.-328 с.

16. Джордж А., Лю Дж. Численное решение больших разреженных систем уравнений, пер. с англ. М.: Мир, 1984

17. Дорофеев В. Л. Методика расчета контактных напряжений в зубчатой передаче с учетом погрешностей профиля зубьев колес // Вестник машиностроения. 2004. - N 4. - С. 7-9

18. Зарубин B.C., Кувыркин Г.Н. О возможностях метода граничных элементов при моделировании континуальных систем. Электронный журнал «Инженерное образование» 2004. - № 12.

19. Зенкевич О, Морган К. Конечные элементы и аппроксимация. М.: Мир, 1986.

20. Иванов Н.М. Детали машин- М.: Высшая школа, 1990.

21. Игнатьев А.В., Поляков А.В. Применение МКЭ в смешанной форме для расчета стержневых конструкций // Вестник ВолгГАСА. Сер.: Строительство и архитектура. 2002. - N2.-C. 130-135

22. Ильин В.П. Методы конечных разностей и конечных объемов для эллиптических уравнений. Новосибирск: Изд-во Ин-та математики, 2000. 345 с.

23. Иосилевич Г.Б. Детали машин М.: Высшая школа, 1993.

24. Кабалдин Ю. Г. Метод исследования динамической устойчивости упругой системы станка / Кабалдин Ю. Г., Серый С. В., Биленко С. В. // Вестник машиностроения. 2004. - N 4. - С. 43-44

25. Казиев В.М., Казиев К.В. Основы математического и инфологического моделирования в примерах и задачах. Информатика и образование. -2004. N1-2

26. Киндлер Е. Языки моделирования. М: Энергоатомиздат.,1987. 400 с.

27. Кирпичев М.В. Теория подобия. М.: Изд-во АН СССР, 1953

28. Коннор Дж., Бреббиа К. Метод конечных элементов в механике жидкости., Пер. с англ. Л.: Судостроение, 197929.