Модель и методы интеллектуализации разработки АСУ для сложных производственно-технических систем тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Ершов, Александр Александрович

  • Ершов, Александр Александрович
  • кандидат технических науккандидат технических наук
  • 2013, Санкт-Петербург
  • Специальность ВАК РФ05.13.01
  • Количество страниц 148
Ершов, Александр Александрович. Модель и методы интеллектуализации разработки АСУ для сложных производственно-технических систем: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Санкт-Петербург. 2013. 148 с.

Оглавление диссертации кандидат технических наук Ершов, Александр Александрович

ОГЛАВЛЕНИЕ

Введение

1 Характеристика процесса разработки автоматизированных систем управления сложных производственно-технических систем, обоснование его интеллектуализации

1.1 Характеристика сложных производственно-технических систем на примере трубопроводного транспорта

1.2 Автоматизированное управление сложными производственно-техническими системами

1.3 Основные виды промышленных сетей и сигналов контроля и

управления

1.4 Анализ процесса разработки автоматизированных систем управления для сложных производственно-технических систем

1.5 Автоматизация процесса разработки АСУ для СПТС

1.6 Принципы интеллектуализации разработки автоматизированных систем

управления для сложных производственно-технических систем

Выводы по разделу 1

2 Принципы создания базы знаний интеллектуальной системы для разработки автоматизированных систем управления сложных производственно-технических систем

2.1 Этапы процесса разработки базы знаний для ИСР АСУ СПТС

2.1.1 Подготовительный этап разработки базы знаний

2.1.2 Основной этап разработки базы знаний

2.2 Выявление знаний, необходимых для разработки БЗ ИСР АСУ СПТС

2.2.1 Работа с одушевленными источниками знаний

2.2.2 Работа с неодушевленными источниками знаний

2.3 Извлечение и концептуализация знаний, необходимых для создания

БЗ ИСР АСУ СПТС

2.3.1 Метод точных опорных концептов получения знаний

2.4 Формализация знаний в процессе разработки БЗ ИСР АСУ СПТС

2.4.1 Фреймовая модель представления знаний

2.4.2 Продукционная модель представления знаний

2.4.3 Метод представления знаний «интеллектуальное зеркало»

Выводы по разделу 2

3 База знаний интеллектуальной системы для разработки автоматизированных систем управления сложных

производственно-технических систем

3.1 Структура базы знаний в составе модели интеллектуальной системы для разработки АСУ СПТС

3.1.1 Описание структурного элемента БЗ «объекты в формате БД инструментальной САПР»

3.1.2 Описание структурного элемента БЗ «описание объектов БД инструментальной САПР»

3.1.3 Описание структурного элемента БЗ «модуль формирования документации»

3.2 Реализация БЗ

3.3 Верификация и оценка эффективности ИСР АСУ СПТС

3.4 Оценка эффективности, трудозатрат и целесообразности создания

различных прототипов ИСР АСУ СПТС

Выводы по разделу 3

Заключение

Список сокращений и условных обозначений

Список литературы

Приложение А (рекомендуемое) Акты внедрения

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модель и методы интеллектуализации разработки АСУ для сложных производственно-технических систем»

ВВЕДЕНИЕ

Актуальность темы исследования. Современные сложные производственно-технические системы (СПТС) характерны большим количеством разнородных функционально связанных элементов, высокой сложностью и динамичностью протекающих процессов. Примерами таких систем являются объекты энергетики, машиностроения, транспорта, горной промышленности и др.

На разработку автоматизированных систем управления (АСУ) для СПТС затрачиваются огромные интеллектуальные и временные ресурсы. И существует необходимость оптимизации существующих методов и средств разработки АСУ с целыо повышения эффективности данного процесса, что позволит снизить интеллектуальные, временные и, соответственно, финансовые затраты на разработку автоматизированных систем управления для СПТС.

Одна из возможностей оптимизации существующих методов и средств разработки АСУ заключается в создании интеллектуальной системы (ИС) для разработки, функционирующей на основе базы знаний (БЗ). Эта система позволит автоматически, на основе заданных параметров АСУ, создавать принципиальные схемы к проекту. И в этом случае разработчик, использующий данную систему, будет работать при более высоком уровне автоматизации процесса разработки, чем уровень автоматизации существующих систем.

Таким образом, состояние научных исследований в рассматриваемой предметной области позволяет сделать вывод о том, что существует актуальная научная проблема интеллектуализации разработки автоматизированных систем управления для сложных производственно-технических систем.

Степень разработанности темы исследования. Общие принципы интеллектуализации, формирующие теоретическую основу для исследований в области интеллектуализации разработки и/или проектирования различных сложных технических объектов, а также конкретные практические исследования в данной области освещены в трудах таких ученых, как Гаврилова Т.А., Искандеров Ю.М., Минский М., Попов Э.В., Поспелов Г.С. [1, 34-42, 45, 78, 82] и др.

Цель диссертационной работы - повышение эффективности процесса разработки АСУ для сложных производственно-технических систем за счет разработки методов и средств интеллектуализации данного процесса.

Объект исследования - методы и средства интеллектуализации разработки АСУ для сложных производственно-технических систем.

Предмет исследования — принципы создания и методы разработки базы знаний интеллектуальной системы для разработки (ИСР) АСУ сложных производственно-технических систем.

Научная задача, решаемая в диссертационной работе, заключается в разработке модели интеллектуальной системы и структуры ее базы знаний, в разработке методов получения и представления знаний, а также в разработке метода оценки эффективности интеллектуальной системы для разработки АСУ СПТС.

Методами исследования являются методы таких научных дисциплин, как системология, информатика, теория множеств, теория искусственного интеллекта, инженерия знаний, инженерная психология, математическое программирование, компьютерные и информационные технологии.

Диссертация является результатом личной работы автора в процессе научно-исследовательской деятельности.

Положениями, выносимыми на защиту, являются:

1. Модель интеллектуальной системы для разработки АСУ сложных производственно-технических систем.

2. Метод точных опорных концептов получения знаний.

3. Метод представления знаний «интеллектуальное зеркало».

4. Структура базы знаний в составе модели интеллектуальной системы для разработки АСУ СПТС.

5. Метод оценки эффективности ИСР АСУ СПТС.

Научная новизна работы. Новизна настоящего диссертационного исследования состоит в следующем:

1. Разработана модель ИСР АСУ СПТС и структура ее базы знаний, позволяющие комплексно применить средства инженерии знаний и средства систем автоматизированного проектирования (САПР) для автоматической генерации принципиальных схем по набору параметров формализованного задания.

2. Разработан метод точных опорных концептов получения знаний, позволяющий выявить два вида понятий элементов эталонной совокупности для распараллеливания основных макропроцедур получения знаний и учитывающий специфику предметной области разработки АСУ СПТС.

3. Разработан метод представления знаний «интеллектуальное зеркало», обеспечивающий параметризацию и формализацию полученных знаний с задаваемой точностью без потерь графических изображений схемотехнических решений и усложнения процедуры обработки информации за счет создания фреймового описания этих решений.

4. Разработан метод оценки эффективности ИСР АСУ СПТС, который на основе критериев качества работы и полезности позволяет задать и определить значения системной и пользовательской релевантностей ИСР АСУ СПТС с учетом особенностей ее функционирования.

Теоретическая и практическая значимость исследования. При создании и внедрении интеллектуальной системы для разработки АСУ сложных производственно-технических систем с применением полученных научных результатов, время разработки принципиальных схем АСУ СПТС, по сравнению с применением обычного инструментария разработки АСУ, достигает сокращения до 3,6 раза. Кроме того, применение данной ИС позволяет проводить предварительную оценку возможных технических решений проекта, наглядно оценить объемы работ, сделать предварительный расчет стоимости АСУ СПТС и в сжатые сроки выдать коммерческое предложение потенциальному заказчику.

Полученные научные результаты применимы для создания ИС для других предметных областей, связанных с разработкой и/или проектированием сложных технических объектов и комплексов.

Внедрение результатов диссертационного исследования. Результаты исследования применены в работах по повышению эффективности разработки АСУ для горно-обогатительной отрасли, выполняемые в Департаменте АСУ Совместного предприятия в форме закрытого акционерного общества «Изготовление, внедрение, сервис» (СП ЗАО «ИВС»), входящего в НПО «РИВС». А также были использованы при проведении научно-исследовательских работ в ООО «Инновационные технологии». Внедрение результатов диссертации подтверждено соответствующими актами.

Достоверность исследований обеспечивается: корректным определением научной проблемы, цели, объекта, предмета и научной задачи исследования; корректностью применяемых методов исследования и обоснованным использованием результатов из различных предметных областей; успешным применением результатов диссертационной работы в практической деятельности СП ЗАО «ИВС» и ООО «Инновационные технологии».

Апробация исследования. Основные положения и результаты диссертационной работы докладывались и обсуждались на различных научных семинарах, а также на следующих всероссийских научно-практических и международных конференциях/форумах: 11-й Международной научно-технической и научно-методической конференции «Актуальные проблемы инфотелекоммуникаций в науке и образовании», Санкт-Петербург, 2013; Всероссийских научно-практических конференциях «Транспорт России: проблемы и перспективы», Москва, 2007, 2008, Санкт-Петербург, 2010; 10-й Международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (САБ/САМ/РОМ -2010)», Москва, 2010; Международном форуме «Безопасность транспортных комплексов», Санкт-Петербург, 2010; ХІ-й Санкт-Петербургской международной конференции «Региональная информатика-2008» («РИ-2008»), Санкт-Петербург, 2008.

Публикации по теме диссертации. Основные положения и результаты диссертации опубликованы в 10 печатных и электронных работах, в том числе 3 статьи в журналах, рекомендованных ВАК Министерства образования и науки РФ.

Структура и объем работы. Диссертационная работа состоит из введения, трех разделов, заключения, списка литературы из 121 наименования и одного приложения с актами внедрения результатов диссертационной работы. Общий объем работы составляет 145 страниц и включает в себя 18 рисунков и 5 таблиц.

1 ХАРАКТЕРИСТИКА ПРОЦЕССА РАЗРАБОТКИ

АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ СЛОЖНЫХ ПРОИЗВОДСТВЕННО-ТЕХНИЧЕСКИХ СИСТЕМ, ОБОСНОВАНИЕ ЕГО

ИНТЕЛЛЕКТУАЛИЗАЦИИ

1.1 Характеристика сложных производственно-технических систем на примере трубопроводного транспорта

Характерным примером СПТС является трубопроводный транспорт (ТТ), входящий в состав и являющийся важнейшим элементом топливно-энергетического комплекса России. В течение нескольких последних лет, в том числе и из-за значительной экспортной ориентации, ТТ занимает одну из главнейших позиций в экономике РФ. Причем, строительство трубопроводов обычно дешевле, чем инфраструктуры других видов транспорта (например, автомобильного или железнодорожного), имеющих такую же провозную способность, а прокладка трубопроводов осуществляется более коротким путем [2]. Кроме того, можно отметить, что по себестоимости перевозок ТТ - это один самых дешевых видов транспорта наряду с водным транспортом. При этом он имеет высокую надежность в эксплуатации, практически не зависящую от погодных условий [2, 22].

Главными же недостатками трубопроводного транспорта являются зачастую более низкая скорость доставки грузов относительно других видов транспорта, зависящая от многих факторов и в том числе от вязкости продукта, а также сильная ограниченность трубопроводного транспорта в части видов транспортируемых продуктов и существенная сложность корректировки направления перевозок [2, 3].

Традиционно под трубопроводным транспортом понимают трубопроводные системы для транспорта нефти или газа (хотя фактически можно выделять и другие виды трубопроводных систем: водопровод, пневмопочта и т.п.) и в этом контексте выделяют следующие виды трубопроводного транспорта [2]:

• нефтепроводы - используются для перекачки нефти и нефтепродуктов, а, если хотят подчеркнуть, что трубопровод используется именно для перекачки нефтепродуктов, то такой трубопровод называют нефтепро-дуктопроводом (или даже точнее: бензинопроводом, керосинопроводом и т.д.);

• газопроводы - используются для транспортировки газа, иногда выделяют понятие газопродуктопроводов.

Кроме того, трубопроводы разделяют на магистральные (предназначены для перекачки на большие расстояния, сотни и тысячи километров), внутренние (прокладываются между объектами на промыслах, заводах, базах), местные (имеют протяженность больше внутренних - до нескольких десятков километров, и прокладываются между промыслами или заводами и головными станциями магистральных трубопроводов) [2].

Приведем статистические характеристики трубопроводного транспорта в России на основе данных из [4, 5]. Общая протяженность магистральных трубопроводов РФ составляет более 214 тыс. км. Из них более 150 тыс. км газопроводных магистралей, более 45 тыс. км нефтепроводных, более 19 тыс. км нефтепро-дуктопроводных. Транспорт продукции посредством трубопроводного транспорта составляет около 30% от общего объема грузооборота страны. При этом из добываемых и производимых в России газа, нефти и нефтепродуктопроводов по магистральным трубопроводам перемещается 100% газа, более 90% нефти и более 50% нефтепродуктопроводов. И общая доля транспорта газа в общем объеме грузооборота трубопроводного транспорта составляет около 55%, нефти - около 40%, нефтепродуктов - около 5% [4, 5].

Магистральные трубопроводы включают в себя (рисунок 1, рисунок 2) [2]: линейные сооружения (сами трубы, система противокоррозийной защиты, различные линии связи и т.п.); перекачивающие, компрессорные и тепловые стации; газораспределительные станции и конечные пункты нефтепроводов, где принимают транспортируемый продукт и распределяют его между различными потребителями. Кроме того, в состав магистральных трубопроводов могут входить

подводящие трубопроводы, предназначенные для подачи транспортируемого продукта от промыслов к головным сооружениям магистрального трубопровода [2].

Основной элемент магистрального трубопровода - это сваренные в непрерывную нитку трубы диаметром 300-1420 мм, при этом толщина стенок труб определяется внутренним давлением, которое может достигать 10 МПа. Магистральные трубопроводы, при отсутствии особых геологических или температурных условий, обычно углубляют в грунт на глубину 0,8 м до верхней образующей трубы. Для потребностей в газе и нефтепродуктах близлежащих от трассы населенных пунктов могут прокладываться отводы из труб меньшего диаметра, по которым часть транспортируемого продукта подается в эти населенные пункты. В соответствии с рельефом трассы, через каждые 10-30 км устанавливается трубопроводная арматура для перекрытия отдельных участков трассы при аварии или ремонте [2].

Линии связи (телефонные, радиорелейные, а на новых участках - оптоволоконные), имеющие, в основном, диспетчерское назначение, а также используемые для передачи сигналов телеизмерения и телеуправления, прокладывают вдоль трассы. Кроме того, также вдоль трассы устанавливаются станции катодной и дренажной защиты, защищающие трубопровод от коррозии, а также усадьбы линейных обходчиков, расположенные друг от друга на расстоянии 10-20 км и контролирующие исправность своего участка трубопровода и всего оборудования, расположенного вдоль него [2].

6 7

Рисунок 1 - Схема магистрального нефтепровода 1 - промысел, 2 - нефтесборный пункт, 3 - подводящие трубопроводы, 4 - головные сооружения (резервуары, насосная станция и др.), 5 - узел пуска скребка, 6 - линейный колодец, 7 - переход под шоссе или железной дорогой, 8 -промежуточная насосная станция, 9 - переход через водную преграду, 10 - переход через овраги, 11 - конечный распределительный пункт.

Рисунок 2 - Схема магистрального газопровода 1 - промысел, 2 - газосборный пункт, 3 - головная компрессорная станция с очистными сооружениями, 4 - отвод к местной газораспределительной станции, 5 - переход под шоссе или железной дорогой, 6 - промежуточная компрессорная станция, 7 - переход через водную преграду, 8 - переход через овраги, 9 - подземное газохранилище, 10 - станция катодной защиты, 11 - конечная газораспределительная станция.

Расположение перекачивающих станций на нефтепроводах выполняется с интервалом 50-150 км. Головная насосная станция устанавливается вблизи от нефтяного промысла (или группы промыслов) и находится в начальной точке нефтепровода. Ее отличает от промежуточных станций наличие резервуарного парка объемом около двух- - трехсуточной пропускной способности данного участка нефтепровода. Кроме того, на многих насосных станциях имеется комплекс вспомогательных систем и сооружений (трансформаторная подстанция, котельная, системы охлаждения, водоснабжения и т.п.). Конечный пункт нефтепровода - это или сырьевой парк нефтеперерабатывающего завода, или перевалочная нефтебаза, часто морская, откуда нефть грузится в танкеры и перевозится к нефтеперерабатывающим заводам, обычно заграницу. Конечный пункт нефтепродукто-провода - это резервуарный парк перевалочной или распределительной нефтебазы, само же устройство нефтепродуктопровода аналогично устройству нефтепровода [2].

На нефтепроводах, транспортирующих высокозастывающие и высоковязкие нефти и нефтепродукты, устанавливаются тепловые станции, которые могут быть совмещены с насосными станциями [2].

Сооружение газопровода, в широком смысле, аналогично нефтепроводу за некоторыми исключениями. Компрессорные станции располагаются на газопроводах с интервалом 100-200 км. Газопровод, также как и нефтепровод, может быть оборудован резервуарным парком - наземными или подземными газохранилищами. В начале газопровода находится головная компрессорная станция, хотя, при высоком пластовом давлении газа в первое время эксплуатации месторождения газопровод может работать и без ее установки. На компрессорных станциях и контрольно-распределительных пунктах газ очищается от механических примесей, конденсата и влаги, а на головной компрессорной станции также возможна очистка газа от сероводорода и углекислого газа, а также его одоризация. На компрессорных станциях, как и на насосных, имеется комплекс вспомогательных систем и сооружений [2, 3].

Таким образом, современные сложные производственно-технические системы характерны большим количеством разнородных функционально связанных элементов и высокой сложностью и динамичностью протекающих процессов. При этом нормальное функционирование СПТС имеет огромное значение для целого ряда отраслей народного хозяйства (энергетика, машиностроение, транспорт и

др.).

1.2 Автоматизированное управление сложными производственно-

техническими системами

Сложные производственно-технические системы имеют тенденцию к постоянному развитию и усложнению технических средств, и в настоящее время большое внимание уделяется совершенствованию уровня их автоматизации. Особое внимание уделяется проблемам автоматизации управления, и актуальность этой проблемы постоянно возрастает.

Сложным производственно-техническим системам характерны разнообразные жесткие внутренние (технологические, экономические, информационные) и внешние связи. Например, у трубопроводного транспорта важнейшее значение, обусловленное широким использованием нефтепродуктов и газа почти всеми отраслями, имеют внешние связи с топливно-энергетическим комплексом и нефтеперерабатывающими отраслями, системами снабжения нефтепродуктами и газом. Наличие же технологических связей ТТ выражается непрерывностью процессов добычи, подготовкой нефти и газа к дальнему транспорту, транспортировкой и переработкой нефти и газа, распределением газа среди потребителей [2].

В первую очередь, в качестве примера, рассмотрим глобальную систему управления трубопроводным транспортом, а уже затем - наиболее универсальный пример, раскрывающий основные принципы построения АСУ для СПТС.

Технологическая связь между различными трубопроводными системами имеет существенный минус: возможности маневра потоками ограничены. Из-за небольших скоростей транспортировки сред по трубопроводам существует высо-

кая вероятность нарушения режимов для отдельных потребителей. И для соблюдения режимов работы трубопровода необходимо, если это возможно, создание резервов в непосредственной близости от потребителя [2]. И чем ниже степень резервирования, тем выше «требования к надежности оборудования, так как у протяженных трубопроводных систем с высокими единичными параметрами (диаметры, мощность перекачивающих агрегатов и т. д.) возрастают отрицательные последствия отказов оборудования и аварийных ситуаций» [2].

Таким образом, необходимость бесперебойного снабжения разнообразных потребителей нефтью, нефтепродуктами и газом, а также необходимость надежной и безаварийной работы оборудования систем трубопроводного транспорта приводит к постоянному усложнению системы нефтегазоснабжения и требует наличия глобальной автоматизированной системы управления трубопроводным транспортом, которая должна иметь иерархическую структуру. Такой системой является автоматизированная система диспетчерского управления (АСДУ) трубопроводным транспортом, ее структура представлена на рисунке 3 [2].

Верхний уровень АСДУ занимает центральное диспетчерское управление (ЦДУ), решающее следующие задачи: оперативное прогнозирование потребления; прогнозирование режимов работы трубопроводного транспорта; планирование режимов работы трубопроводного транспорта; диспетчерский контроль и анализ выполнения запланированных режимов работы трубопроводного транспорта; выявление проблемных ситуаций и их оперативная ликвидация; обеспечение экономичной работы всей системы в целом; обработка и выдача информации обо всех основных технико-экономических показателях [2].

На следующем уровне АСДУ находится группа объединенных диспетчерских управлений (ОДУ), которые объединяют в себе несколько, как правило, объединенных по географическому принципу, локальных диспетчерских управлений (ЛДУ). На уровне ОДУ решается совокупность региональных задач, необходимых для совместного функционирования определенных участков трубопроводного транспорта [2].

Рисунок 3 - Структура АСДУ

ЛДУ, в свою очередь, объединяет несколько автоматизированных систем управления трубопроводного транспорта, обеспечивая синхронную работу отдельных объектов автоматизации (ОА), расположенных на одном участке трубопровода. В качестве ОА может выступать практически любой технически сложный объект трубопровода (компрессорные и перекачивающие станции, различные системы очистки газа или нефти, системы мониторинга технологических процессов на трубопроводе и т. п.).

Таким образом, современный трубопроводный транспорт имеет значительное количество разнообразных подсистем и информационных связей между ними.

И постоянное увеличение количества отдельных подсистем, и усложнение взаимосвязей между ними, а также наличие жестких технологических связей с внешними системами (потребителями) привели к необходимости создания и внедрения АСДУ. И АСДУ обеспечивает нормальное функционирование и информационное взаимодействие всех подсистем трубопроводного транспорта, формируя из множества разнородных элементов единую сложнейшую топливно-энергетическую систему.

Рассмотрим наиболее полный универсальный пример (рисунок 4), раскрывающий основные принципы построения АСУ для СПТС с применением промышленных сетей (или «полевой шины», от англ. fieldbus). В качестве OA могут выступать компрессорные и перекачивающие станции, горно-обогатительные, машиностроительные цеха или полностью производства в качестве единого OA, объекты транспортной инфраструктуры и др. Естественно, что в реальных примерах некоторых уровней может и не быть или может происходить некоторое упрощение структуры - в зависимости от требований к автоматизированному управлению и финансовых возможностей компаний возможно построение различных по структуре АСУ для СПТС.

Промышленная сеть - это сеть передачи данных, функционирующая практически так же, как и обычные локальные сети, но связывающая не бытовую компьютерную технику, а различные датчики, исполнительные устройства, промышленные контроллеры, промышленные компьютеры и другие устройства промышленной автоматизации [6, 7].

На верхнем уровне находится автоматизированное рабочее место (АРМ) диспетчера, таких АРМ может быть несколько. В качестве АРМ обычно применяются промышленные компьютеры с установленными программными пакетами, предназначенными для обеспечения сбора, обработки, визуализации и архивирования информации об объекте автоматизации - так называемыми SCADA-системами (от англ. Supervisory Control And Data Acquisition - диспетчерское управление и сбор данных). У некоторых объектов автоматизации ТТ в качестве

верхнего уровня может выступать ЛДУ, но у большинства объектов СПТС есть диспетчерское управление в составе собственной АСУ.

Сбор и

визуализация данных, диспетчерское управление

Управление

технологическими

процессами

(комплексно),

сбор и передача

данных

Управление подсистемами, сбор и передача данных

Передача данных, прием управляющих воздействий

АРМ диспетчера

Промышленные компьютеры

Промышленная сеть (обычно на основе _Industrial Ethernet)_

Шкафы автоматики с «ведущими» ПЛК

Промышленная сеть

Модули ввода-вывода

Панели управления подсистем

Локальные системы управления и визуализации, системы ввода-вывода

Цепи сигналов контроля и управления (+ HART-протокол)/ _Промышленная сеть__

Исполнительные устройства

Рисунок 4 - Структура АСУ для СПТС

Связь со следующим уровнем, на котором находятся шкафы автоматики с «ведущими» программируемыми логическими контроллерами (ПЛК), и реализованы основные алгоритмы управления объектом автоматизации, обычно осуществляется с использованием промышленной сети на основе стандартизованного варианта Ethernet для применения в промышленности (Industrial Ethernet).

«Ведущие» ПЛК могут быть связаны с локальными системами управления («ведомые» ПЛК или модули удаленного ввода-вывода) и панелями управления и визуализации для локальных систем управления с помощью какого-либо вида промышленной сети. Существует множество видов промышленных сетей, основные из них будут описаны ниже.

Сами локальные системы управления связаны уже непосредственно с датчиками и исполнительными механизмами кабельными соединениями (отдельными цепями) с передаваемыми по ним сигналами контроля и управления (в этом случае возможно применение HART-протокола), а в некоторых случаях также применяются промышленные сети. Основные виды сигналов контроля и управления также будут описаны ниже.

1.3 Основные виды промышленных сетей и сигналов контроля и

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Ершов, Александр Александрович

Выводы по разделу 3

1) Определена и подробно описана структура базы знаний в составе модели интеллектуальной системы для разработки АСУ сложных производственно-технических систем.

2) Изложены принципы реализации базы знаний интеллектуальной системы для разработки АСУ сложных производственно-технических систем.

3) Разработан метод оценки эффективности интеллектуальной системы для разработки АСУ сложных производственно-технических систем, который на основе критериев качества работы и полезности позволяет задать и определить значения системной и пользовательской релевантностей системы с учетом особенностей ее функционирования. Кроме того в данном методе предложено выражение для прогнозирования времени, которое будет затрачивать разработчик на создание принципиальных схем с применением ИСР. Проведены оценки всех этих параметров, и показано, что время разработки принципиальных схем АСУ для сложных производственно-технических систем, по сравнению с применением обычного инструментария разработки АСУ, может достигать сокращения в 3,6 раза (для исследовательского прототипа в 1,32 раза, для действующего - в 1,92, для промышленного - в 3,57).

4) Оценена эффективность различных прототипов ИСР, а также трудозатраты и целесообразность их создания, на основе чего сделан вывод, что экономические выгоды от создания и внедрения ИСР «для себя» может получить в разумные сроки (не более 5 лет) только компания, разрабатывающая не менее 11-14 проектов АСУ СПТС в год. При этом возможность коммерческого распространения разработанной интеллектуальной системы не учитывалась.

ЗАКЛЮЧЕНИЕ

В диссертации представлены научно обоснованные методологические решения, обеспечивающие интеллектуализацию разработки АСУ для сложных производственно-технических систем, что имеет важное значение для решения практической задачи повышения эффективности процесса разработки АСУ СПТС и развития производственно-технического комплекса страны в целом, а также способствует развитию научного направления ИИ (в частности, инженерии знаний) и практического направления создания АСУ.

В результате изучения исследуемой предметной области дана характеристика сложным производственно-техническим системам на примере трубопроводного транспорта, проведен анализ процесса разработки и выявлены основные принципы построения автоматизированных систем управления для сложных производственно-технических систем. Кроме того, оценена поэтапно трудоемкость разработки технического обеспечения АСУ СПТС, которая показала, что самым трудоемким этапом является разработка принципиальных схем, а, значит, что именно увеличение эффективности разработки принципиальных схем является наиболее актуальной задачей.

Кроме того, рассмотрены различные САПР, как средства автоматизации процесса разработки АСУ СПТС, и выявлена возможность перехода на новый уровень автоматизации процесса разработки АСУ СПТС, которая пока не была реализована в существующих системах.

В качестве одного из путей повышения эффективности процесса разработки АСУ СПТС рассмотрена интеллектуализация данного процесса за счет создания и внедрения интеллектуальной системы, функционирующей на основе базы знаний, в процессе чего представлена модель интеллектуальной системы для разработки АСУ сложных производственно-технических систем, включившая в себя описание структуры и процесса функционирования системы, определен основной набор знаний, который должен быть включен в базу, показаны общие требования к базам знаний, а также сформулированы базовые принципы представления знаний в контексте предметной области разработки АСУ для сложных производственно-технических систем. И поставлена задача разработки методов получения и представления знаний, разработки структур базы знаний и интеллектуальной системы с описанием процесса ее функционирования, а также разработки метода оценки эффективности интеллектуальной системы для разработки АСУ СПТС.

В ходе анализа релевантных методов и средств инженерии знаний показана точная последовательность процесса разработки базы знаний интеллектуальной системы для разработки АСУ сложных производственно-технических систем, описаны процедуры выявления, получения, концептуализации, представления знаний, а также реализации и оценки эффективности БЗ и ИС с учетом особенностей предметной области разработки АСУ СПТС.

Таким образом, основными результатами работы являются:

1. Модель интеллектуальной системы для разработки АСУ сложных производственно-технических систем, являющаяся основой для создания рассматриваемой и аналогичных ИС.

2. Метод точных опорных концептов получения знаний, применение которого обеспечивает получение ключевых знаний с учетом специфики разработки АСУ.

3. Метод представления знаний «интеллектуальное зеркало», методически дополняющий метод точных опорных концептов получения знаний и обеспечивающий параметризацию и формализацию полученных знаний с задаваемой точностью и с учетом особенностей разработки АСУ СПТС.

4. Структура базы знаний в составе модели ИСР АСУ СПТС, наглядно демонстрирующая результаты применения разработанных методов получения и представления знаний, а также уточняющая описание процесса функционирования ИС.

5. Метод оценки эффективности ИСР АСУ СПТС, который позволяет задать и определить значения системной и пользовательской релевантностей рассматриваемой ИС с учетом особенностей ее функционирования.

В работе проведена оценка эффективности интеллектуальной системы для разработки АСУ сложных производственно-технических систем, показавшая, что время разработки принципиальных схем АСУ для сложных производственно-технических систем, по сравнению с применением обычного инструментария разработки АСУ, может достигать сокращения в 3,6 раза (для исследовательского прототипа в 1,32 раза, для действующего - в 1,92, для промышленного - в 3,57).

Кроме того, в работе оценена эффективность различных прототипов ИСР, а также трудозатраты и целесообразность их создания, на основе чего сделан вывод, что экономические выгоды от создания и внедрения ИСР «для себя» может получить в разумные сроки (не более 5 лет) только компания, разрабатывающая не менее 11-14 проектов АСУ СПТС в год. При этом возможность коммерческого распространения разработанной интеллектуальной системы не учитывалась.

При этом, учесть все конкурентные преимущества, которые получает инжиниринговая компания, использующая ИСР АСУ СПТС, практически невозможно, так как интеллектуальная система для разработки АСУ СПТС - это не только увеличение скорости разработки, но это и предварительная оценка возможных технических решений проекта и необходимости уникальных решений, это и возможность наглядно оценить объемы проектирования, сделать предварительный расчет стоимости АСУ СПТС и в сжатые сроки выдать коммерческое предложение потенциальному заказчику.

Причем для некоторых научно-исследовательских институтов работа по созданию интеллектуальной системы может быть интересна и без учета экономической целесообразности: интеллектуализация - это направление, привлекающее внимание большой части научного сообщества и имеющее огромное значение для дальнейшего технического прогресса.

Кроме того, полученные научные результаты могут применяться для создания ИС для других предметных областей, связанных с разработкой и/или проектированием сложных технических объектов и комплексов.

Таким образом, решена научная задача, заключавшаяся в разработке модели интеллектуальной системы и структуры ее базы знаний, в разработке методов получения и представления знаний, а также в разработке метода оценки эффективности интеллектуальной системы для разработки АСУ СПТС. И достигнута цель диссертационной работы, заключавшаяся в повышении эффективности процесса разработки АСУ для сложных производственно-технических систем за счет разработки методов и средств интеллектуализации данного процесса.

Возможными направлениями дальнейших исследований, вытекающими из диссертационной работы, являются:

1) Разработка подробных алгоритмов обработки знаний машиной вывода интеллектуальной системы для разработки АСУ СПТС.

2) Разработка подробных алгоритмов работы адаптивного элемента интеллектуальной системы для разработки АСУ СПТС.

3) Программная реализация исследовательского прототипа интеллектуальной системы для разработки АСУ СПТС, возможное уточнение разработанных методов, алгоритмов и структур, и последующая программная реализация и внедрение действующего прототипа ИСР АСУ СПТС.

4) Разработка общей технологии создания интеллектуальных систем для разработки/проектирования сложных технических объектов и комплексов.

5) Выявление общих принципов параметризации хорошо структурированных знаний для формулирования метода представления знаний «интеллектуальное зеркало» в общем виде, подходящим для различных предметных областей.

6) Разработка общей методологии оценки эффективности интеллектуальных систем, функционирующих на основе баз знаний (для различных предметных областей) на основе сравнения экспериментально получаемых результатов в ходе эксплуатации внедряемой интеллектуальной системы и результатов до внедрения системы.

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

АРМ - автоматизированное рабочее место; АС - автоматизированная система;

АСДУ - автоматизированная система диспетчерского управления; АСУ - автоматизированная система управления; БД - база данных; БЗ - база знаний;

ГИС - гибридная интеллектуальная система;

ГП - готовый проект;

ИИ - искусственный интеллект;

ИС - интеллектуальная система;

ИСР - интеллектуальная система (для) разработки;

ИУ - исполнительное устройство;

КИП — контрольно-измерительные приборы;

ЛДУ - локальное диспетчерское управление;

ОА - объект автоматизации;

ОДУ - объединенное диспетчерское управление;

ПЛК - программируемый логический контроллер;

РД - рабочая документация;

САПР - система автоматизированного проектирования;

СПДС - система проектной документации для строительства;

СПТС - сложная производственно-техническая система;

СУБД - система управления базами данных;

ТЗ — техническое задание;

ТП — технический проект;

ТТ - трубопроводный транспорт;

ЦДУ - центральное диспетчерское управление;

ША - шкаф автоматики;

ЭВМ - электронно-вычислительная машина;

ЭС — экспертная система.

Список литературы диссертационного исследования кандидат технических наук Ершов, Александр Александрович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Искандеров, Ю.М. Создание баз знаний интеллектуальных систем / Ю.М. Искандеров. — МО РФ, 2003. — 233 с.

2. Трубопроводный транспорт нефти и газа : Учеб. для вузов / P.A. Алиев, В.Д. Белоусов, А.Г. Немудров и др. — 2-е изд., перераб. и доп. — М. : Недра, 1988. —368 с. :ил.

3. Ахатов, Ш.Н. Транспорт и хранение нефти и газа : Учебное пособие / Ш.Н. Ахатов, Е.А. Армейский —Уфа. : УНИ, 1976. — 108 с.

4. Состояние отдельных видов транспорта: трубопроводный транспорт [электронный ресурс] // Официальный сайт министерства транспорта РФ. — Режим доступа: http://www.mintrans.ru/pressa/TransStrat_Sostoyanie_7.htm (дата обращения 21.08.2008).

5. Алиев, Ш.И. Экономические проблемы развития систем транспортировки нефтегазовых продуктов в России [электронный ресурс] / Ш.И Алиев // Проблемы современной экономики. — 2009. — №1 (29). — Режим доступа: http://www.m-economy.ru/art.php?nArtId=2449 (дата обращения: 19.02.2012).

6. Любашин, А.Н. Промышленные сети [электронный ресурс] / А.Н. Люба-шин // Мир компьютерной автоматизации. — 1999. — № 1; — Режим доступа: http://www.mka.ru/?p=41313 (дата обращения: 20.02.2012).

7. Эйзенбарт, В. Промышленные шины для систем автоматизации [электронный ресурс] / В. Эйзенбарт // Мир компьютерной автоматизации. — 1998. — № 3. — Режим доступа: http://www.mka.ru/?p=40169 (дата обращения: 21.02.2012).

8. Маккей, С. Передача данных в системах контроля и управления / Дж. Парк, С. Маккей, Э. Райт. — М. : «Группа ИДТ», 2007. — 480 с.

9. Минтчелл Г.А. Ethernet в системах управления производственными процессами [электронный ресурс] // Мир компьютерной автоматизации. — 2000. — № 4 (Электронный журнал); — Режим доступа: http://www.mka.ru/?p=40033 (дата обращения: 22.02.2012).

10. Любашин, А.Н. Ethernet на пути из офиса к промышленному предприятию [электронный ресурс] / А.Н. Любашин // Мир компьютерной автоматизации. — 2001. — №2. — Режим доступа: http://www.mka.ru/?p=40139 (дата обращения: 22.02.2012).

11. Гришин, A.B. Промышленные информационные системы и сети : Практическое руководство / A.B. Гришин, Ю.П. Страшун. — М. : «Радио и связь», 2010.— 176 с.

12. Цельтвангер, X. Взгляд изнутри на основы CAN [электронный ресурс] / X. Цельтвангер // Мир компьютерной автоматизации. — 1996. — №3. — Режим доступа: http://www.mka.ru/?p=40568 (дата обращения: 24.02.2012).

13. Половинкин, В.М. HART-протокол / В.М. Половинкин // Современные технологии автоматизации. — 2002. — №1. — С. 6-14.

14. Головицына, М.В. Основы САПР [электронный ресурс] / М.В. Головицы-на // Курс Интернет университета информационных технологий. — Режим доступа: http://www.intuit.ru/department/hardware/resp/ (дата обращения 10.02.2013).

15. Мокрозуб, В.Г. Разработка интеллектуальных информационных систем автоматизированного проектирования технологического оборудования: учебное пособие / В.Г. Мокрозуб. — Тамбов : Изд-во Тамб. гос. техн. ун-та, 2008. — 80 с.

16. Описание EPLAN Electric Р8 [электронный ресурс] // Официальный сайт компании EPLAN Software & Service (представительство в России). — Режим доступа: http://www.eplan-russia.ru/index.php?id=14600 (дата обращения 09.07.2011).

17. Филиппов, Д.В. Новая концепция проектирования от компании EPLAN / Д.В. Филиппов // Автоматизация в промышленности. — 2008. — №2 — С.3-7.

18. Иванова, Н.Ю. Проектирование печатных плат в САПР P-CAD-2002 : Методическое пособие / Н.Ю. Иванова, Е.Б. Романова. — СПб. : СПбГУ ИТМО, 2007. — 118 с.

19. Описание AutoCAD [электронный ресурс] // Официальный сайт компании Autodesk (представительство в России). — Режим доступа:

http://www.autodesk.ru/adskyservlet/pc/index?siteID=871736&id= 14626749 (дата обращения 11.07.2011).

20. Петров, И.В. Программируемые контроллеры. Стандартные языки и приемы прикладного проектирования / И.В. Петров; под ред. проф. В.П. Дьяконова. — М. : СОЛОН-Пресс, 2004. — 256 с.

21. Денисенко, В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием / В.В. Денисенко. — М. : Горячая Линия-Телеком, 2009. — 608 с.

22. Кривошеин, Б.Л. Магистральный трубопроводный транспорт (физико-технический и технико-экономический анализ) / Б.Л. Кривошеин, П.И. Тугунов. — М. : Недра, 1985, —236 с.

23. Ершов, A.A. Анализ проблемы создания базы знаний как ядра интеллектуальной системы для организации процессов мультимодальных перевозок / A.A. Ершов // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы». — М. : МИИТ, 2007. — С. 29-30.

24. Ершов, A.A. Интеллектуализация проектирования систем автоматизированного управления трубопроводного транспорта / А. А. Ершов, Ю. М. Искандеров // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы - 2008». — М. : МИИТ, 2008. — С. 51-53.

25. Ершов, A.A. Интеллектуальная система проектирования средств автоматизированного управления трубопроводного транспорта / А. А. Ершов, Ю. М. Искандеров // Материалы XI-й Санкт-Петербургской международной конференции «Региональная информатика-2008 (РИ-2008)». — СПб. : СПОИСУ, 2008. — С. 185.

26. Ершов, A.A. Интеллектуальная система проектирования автоматизированных систем управления трубопроводным транспортом / A.A. Ершов // Транспорт Российской Федерации. — 2011. — №4 (35). — С. 76-78.

27. Ершов, A.A. Оптимизация процессов разработки автоматизированных систем управления технологическими процессами / A.A. Ершов, A.A. Любиченко // Горный журнал. — 2012. — №11. — С. 80-83.

28. Ершов, A.A. Способ и оценка эффективности интеллектуализации разработки АСУ для сложных производственно-технических систем [электронный ресурс] / A.A. Ершов // Современные проблемы науки и образования. — 2013. — №1. — Режим доступа: http://www.science-education.ru/107-8430 (дата обращения: 01.03.2013).

29. Уотермен, Д. Руководство по экспертным системам / Д. Уотермен. — М. : Мир, 1989, —388 с.

30. Приобретение знаний / Под ред. Осуги С., Саэки Ю. — М. : Мир, 1990. — 304 с.

31. Осуга С. Обработка знаний / С. Осуга. — М. : Мир, 1989. — 293 с.

32. Лорьер, Ж. -J1. Системы искусственного интеллекта / Ж. -JL, Лорьер. — М. : Мир, 1991. 568 с.

33. Информационные технологии и интеллектуальные методы / Под ред. Юсупова P.M. — СПб. : СПбИИА РАН, 1996. — 150 с.

34. Извлечение и структурирование знаний для экспертных систем / Т.А. Гаврилова Т.А., K.P. Червинская. — М. : Радио и связь, 1992. — 200 с.

35. Попов, Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ / Э.В. Попов. — М. : Наука, 1987. — 283 с.

36. Искандеров, Ю.М. Методологические аспекты инженерии знаний в предметных областях с экстремальными ситуациями / Ю.М. Искандеров // Тезисы докладов IV Международной конференции "Региональная информатика-95", Ч. I. — СПб. : СПОИСУ, 1995. — С. 66.

37. Искандеров, Ю.М. Использование семантических графов для построения информационной модели предметной области / Ю.М. Искандеров // Тезисы докладов V Международной конференции "Региональная информатика-96", Ч. I. — СПб. : СПОИСУ, 1996. — С. 51.

38. Искандеров, Ю.М. Методы верификации систем, основанных на знаниях / Ю.М. Искандеров // Тезисы докладов VI Международной конференции "Региональная информатика-98", Ч. I. — СПб. : СПОИСУ, 1998. — С. 69.

39. Искандеров, IO.M. Защита предметно-ориентированных баз знаний от преднамеренных угроз / Ю.М. Искандеров // Тезисы докладов Межрегиональной конференции "Информационная безопасность регионов России (ИБРР-99)", Ч. I. — СПб. : СПОИСУ, 1999. — С. 61.

40. Искандеров, Ю.М. Методологические аспекты интеллектуализации информационных систем / Ю.М. Искандеров // Тезисы докладов VII Международной конференции "Региональная информатика-2000", Ч. I. — СПб. : СПОИСУ, 2000. —С. 53.

41. Искандеров, Ю.М. Обеспечение безопасности баз знаний интеллектуальных систем / Ю.М. Искандеров // Труды III Санкт-Петербургской межрегиональной конференции «Информационная безопасность регионов России -2003». — СПб. : СПОИСУ, 2003. — 425 с.

42. Искандеров, Ю.М. Методологические аспекты создания баз знаний интегрированных динамических экспертных систем (ИДЭС) / Ю.М. Искандеров, А.Г. Кезлинг // Тезисы докладов VI Международной конференции "Региональная информатика-98", Ч. I. — СПб. : СПОИСУ, 1998. — С. 68.

43. Диалоговые системы. Современное состояние и перспективы развития / Под общей редакцией Довгялло A.M. — Киев : Наукова думка, 1987. — 248 с.

44. Дударь, З.В. Семантическая нейронная сеть как формальный язык описания и обработки смысла текстов на естественном языке / З.В. Дударь, Д.Е. Шук-лин // Радиоэлектроника и информатика. — Харьков : ХТУРЭ, 2000. — №3. — С. 72-76.

45. Поспелов, Г.С. Искусственный интеллект - основа новой информационной технологии / Г. С. Поспелов. — М. : Наука, 1988. — 280 с.

46. Белый, О.В. Архитектура и методология транспортных систем. Монография / О.В. Белый, О.Г. Кокаев, С.А. Попов. — СПб. : «Элмор», 2002. — 256 с.

47. Ершов, A.A. Метод «интеллектуальное зеркало» для использования данных базовой САПР при создании базы знаний интеллектуальной системы проектирования АСУТП / A.A. Ершов // Тезисы 10-й международной конференции «Системы проектирования, технологической подготовки производства и управле-

ния этапами жизненного цикла промышленного продукта (CAD/CAM/PDM -2010)». — М. : Институт проблем управления РАН, 2010. — С. 27.

48. Ершов, A.A. Метод точных опорных концептов получения знаний / A.A. Ершов // Труды Всероссийской научно-практической конференции «Транспорт России: проблемы и перспективы - 2010». — СПб. : ИПТ РАН, 2010. — С. 236238.

49. Ершов, A.A. Метод получения знаний для интеллектуализации разработки АСУ сложных производственно-технических систем [электронный ресурс] /

A.A. Ершов // Актуальные проблемы инфотелекоммуникаций в науке и образовании. И-я Международная научно-техническая и научно-методическая конференция: сб. научных статей. — СПб.: Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича, 2013. — С. 590-594. — Режим доступа: http://www.sut.ru/doci/nauka/sbornic_confsut_2013_no_copy.pdf (дата обращения: 29.03.2013).

50. Барцев, С.И. Адаптивные сети обработки информации / С.И. Барцев, В.А. Охонин. — Красноярск : Ин-т физики СО АН СССР, 1986. Препринт N 59Б. — 20 с.

51. Борисов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Борисов, В.В. Круглов. — 1-е. — М. : Горячая линия - Телеком, 2001. — 382 с.

52. Ефимов, Д.В. Нейросетевые системы управления / Д. В. Ефимов,

B. А. Терехов, И. Ю. Тюкин. — 1-е. — Высшая школа, 2002. — 184 с.

53. Ясницкий, JI.H. Введение в искусственный интеллект / JT.H. Ясницкий. — 1-е. — Издательский центр "Академия", 2005. — 176 с.

54. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило,

C.Н. Петрашев, С.А. Сергеев. — заказное. — X.: ОСНОВА, 1997. — 112 с.

55. Вапник, В.Н. Теория распознавания образов / В.Н. Вапник, А.Я. Черво-ненкис. — М. : Наука, 1979. — 416 с.

56. Пилиньский, М. Нейронные сети, генетические алгоритмы и нечеткие системы = Sieci neuronowe, algorytmy genetyczne i systemy rozmyte / M. Пилинь-

ский, Д. Рутковская, Л. Рутковский; пер. с польск. И.Д. Рудинского. — 2-е изд. — М. : Горячая линия-Телеком, 2008. — 452 с.

57. Стирнс, С. Адаптивная обработка сигналов / С. Стирнс, Б. Уидроу. — М. : Радио и связь, 1989. — 440 с.

58. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика = Neural Computing. Theory and Practice / Ф. Уоссермен. — M. : Мир, 1992. — 240 с.

59. Хайкин, С. Нейронные сети: полный курс = Neural Networks: A Comprehensive Foundation / С. Хайкин. — 2-е. — М. : «Вильяме», 2006. — 1104 с.

60. Калан, Р. Основные концепции нейронных сетей / Р. Калан. — М. : «Вильяме», 2003. — 288 с.

61. Граничин, О.Н. Информационные технологии в управлении [электронный ресурс] / О.Н. Граничин, В.И. Кияев // Курс Интернет университета информационных технологий. — Режим доступа: http://www.intuit.ru/department/itmngt/itmangt/ (дата обращения 20.02.2013).

62. Колесников, А.В. Гибридные интеллектуальные системы: Теория и технология разработки / А.В. Колесников. — СПБ : Изд-во СПбГТУ, 2001. — 711с.: ил.

63. Гаврилов, А.В. Гибридные интеллектуальные системы / А.В. Гаврилов. — Новосибирск : Изд-во НГТУ, 2003. — 168 с. : ил.

64. Мигас, С.С. Интеллектуальные информационные системы : Методическое издание СПбГИЭУ, конспект лекций / С.С. Мигас. — СПб. : СПбГИЭУ, 2009. —160 с.

65. Кириков, И.А. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем / И.А. Кириков, А.В. Колесников. — М. : ИЛИ РАН, 2007. — 387 с. : ил.

66. Представление знаний в человеко-машинных и робототехнических системах: Том А. Фундаментальные исследования в области представления знаний.

— М. : ВЦ АН СССР, ВИНИТИ, 1984. — 261 с.

67. Представление и использование знаний / Под ред. М. Исидзука, X. Уэно.

— М.: Мир, 1989. — 220 с.

68. Асафьева, НЛО. Метод представления знаний в диалоговых системах с естественным языком: диссертация кандидата физико-математических наук / НЛО. Асафьева. — М. : МГУ, 1983. — 149 с.

69. Афонин, В.А. Интеллектуальные робототехнические системы [электронный ресурс] / В.А. Афонин, В.Л. Макушкин // Курс Интернет университета информационных технологий. — Режим доступа: http://www.intuit.ru/department/hurnan/isrob/ (дата обращения 07.02.2010).

70. Клещев, A.C. Системы представления проблемно-ориентированных знаний / A.C. Клещев, М.Ю. Черняховская // Известия АН СССР. Техническая кибернетика. — 1982. — №5. — С. 43-63.

71. Лбов, Г.С. Методы обработки разнотипных экспериментальных данных / Г.С. Лбов. — Новосибирск : Наука, 1981. — 157 с.

72. Кокорева, Л.В. Диалоговые системы и представление знаний : Справочное пособие / Л.В. Кокорева, О.Л. Перевозчикова, Е.Л. Ющенко. — Киев : Наукова думка, 1993. — 446 с.

73. Хант, Э. Искусственный интеллект = Artificial intelligence / Э. Хант; под ред. В. Л. Стефанюка. — М. : Мир, 1978. — 558 с.

74. Джарратано, Д. «Экспертные системы: принципы разработки и программирование» / Д. Джарратано, Г. Райли. — М. : Издательский дом «Вильяме», 2006. — 1152 с. : ил.

75. Джексон, П. Введение в экспертные системы = Introduction to Expert Systems / П. Джексон. — 3-е изд. — M. : «Вильяме», 2001. — 624 с.

76. Таунсенд, К. Проектирование и программная реализация экспертных систем на персональных ЭВМ / К. Таунсенд, Д. Фохт; пер. с англ. В.А. Кондратенко, C.B. Трубицына. — М. : Финансы и статистика, 1990. — 320 с.

77. Кузнецов, И.П. Семантические представления / И.П. Кузнецов. — М. : Наука, 1986. —242 с.

78. Минский, М. Фреймы для представления знаний / М. Минский. — М. : Энергия, 1979. — 151 с.

79. Девятков, В.В. Системы искусственного интеллекта / В.В. Девятков; гл. ред. И. Б. Фёдоров. — М. : Изд-во МГТУ им. Н. Э. Баумана, 2001. — 352 с.

80. Люггер, Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем = Artificial Intelligence: Structures and Strategies for Complex Problem Solving / Дж. Ф. Люггер; под ред. Н. Н. Куссуль. — 4-е изд.. — М. : Вильяме, 2005. —864 с.

81. Смолин, Д.В. Введение в искусственный интеллект: конспект лекций / Д.В. Смолин. — М. : ФИЗМАТЛИТ, 2004. — 208 с.

82. Гаврилова, Т.А. Базы знаний интеллектуальных систем : Учебник для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. — СПб. : Питер, 2000. — 384 с.

83. Тыугу, Э.Х. Концептуальное программирование / Э.Х. Тыугу. — М. : Наука, 1984. —256 с.

84. Загорулько, Ю.А. Технология конструирования развитых систем обработки знаний на основе семантических сетей и систем продукций / Ю.А. Загорулько. — Препринт / РАН, Сиб. отд-ние, ИСИ; N 27. — Новосибирск, 1994. — 61 с.

85. Культин, Н.Б. Delphi 6. Программирование на Object Pascal / Н.Б. Куль-тин. — СПб. : БХВ-Петербург, 2001. — 528 с.

86. Страуструп, Б. Язык программирования С++ = The С++ Programming Language / Б. Страуструп. — 3-е изд. — СПб.; М. : Невский диалект — Бином, 1999, —991 с.

87. Шилдт, Г. Искусство программирования на Java = The Art of Java / Г. Шилдт, Д. Холмс. — М. : Диалектика, 2005. — 336 с.

88. Братко, И. Алгоритмы искусственного интеллекта на языке PROLOG = Prolog Programming For Artificial Intelligence / И. Братко. — М. : «Вильяме», 2004. — 640 с.

89. Сеппянен, Й. Мир Лиспа. В 2-х т. Т. 1 : Введение в язык Лисп и функциональное программирование / Й. Сеппянен, Э. Хювёнен. — М. : Мир, 1990. — 447 с.

90. Кирютенко, Ю.А. Объектно-ориентированное программирование. Язык Smalltalk / Ю.А. Кирютенко, В.А. Савельев. — М. : Вузовская книга, 2007. — 328 с.

91. Грэхем, И. Объектно-ориентированные методы. Принципы и практика = Object-Oriented Methods: Principles & Practice / И. Грэхем. — 3-е изд. — М. : «Вильяме», 2004. — 880 с.

92. Стефенс, Д. Р. С++. Сборник рецептов / Д.Р. Стефенс. — М. : Кудиц-Пресс, 2007. — 624 с.

93. Монахов, В. Язык программирования Java и среда NetBeans / В. Монахов.

— 2-е изд. — СПб. : БХВ-Петербург, 2009. — 720 с.

94. Эккель, Б. Философия Java = Thinking in Java / Б. Эккель. — 3-е изд. — СПб. : Питер, 2003. — 976 с.

95. Себеста, Р.У. Объектно-ориентированное программирование: язык Smalltalk / Р.У. Себеста // Основные концепции языков программирования = Concepts of Programming Languages. — 5-е изд. — М. : «Вильяме», 2001. — 672 с.

96. Волков, A.M. Классификация способов извлечения опыта экспертов / A.M. Волков, B.C. Ломнев // Известия АН СССР. Техническая кибернетика. — 1989. — №5, — С. 34-44.

97. Литвак, Б.Г. Экспертная информация: Методы получения и анализа / Б.Г. Литвак. — М. : Радио и связь, 1982. — 184 с.

98. Нильсон, Н. Принципы искусственного интеллекта / Н. Нильсон. — М. : Радио и связь, 1985. — 376 с.

99. Уинстон, П. Искусственный интеллект / П. Уинстон. — М. : Мир, 1980.

— 519с.

100. Кох, Р. Принцип 80/20 / Р. Кох. — Мн. : ООО «Попурри», 2004. — 352 с. : ил.

101. Толковый словарь по искусственному интеллекту / А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. — М. : Радио и связь, 1992. — 256 с.

102. Канев, Д.С. Исследование моделей предметных областей в АОС САПР / Д.С. Канев // Информатика, моделирование, автоматизация проектирова-

ния: сборник научных трудов / под ред. Н.Н. Войта. — Ульяновск : УлГТУ, 2010.

— С. 255-264.

103. Павлов, С.Н. Интеллектуальные информационные системы : Методические указания по выполнению лабораторных работ и курсового проектирования / С.Н. Павлов. — Томск : Томский межвузовский центр дистанционного образования, 2005. — 141 с.

104. Medsker, L.R. Hybrid Intelligent Systems / L.R. Medsker. — Kluwer Academie Publ., 1995.

105. Sowa, J.F. Knowledge Representation: Logical, Philosophical, and Computational Foundations / J.F. Sowa. — New York : Brooks/Cole Publishing Co., 2000. — 594 p.

106. Lakhmi, C.J. Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications / C.J. Lakhmi, N.M. Martin. — Singapore : CRC Press LLC, 1998.

107. Castillo, Mellin P. Hybrid Intelligent Systems / Mellin P. Castillo. — Heidelberg (Germany) : Springer, 2006.

108. Sun, R. Hybrid Neural Systems / R. Sun, S. Wermter. — Heidelberg (Germany) : Springer, 2000.

109. Negnevitsky, M. Artificial Intelligence. A guide to intelligent systems / M. Negnevitsky. — Harlow (England) : Addison-Wesley, 2005. — 407 p.

110. Helbig, H. Knowledge Representation and the Semantics of Natural Language / H. Helbig. — Berlin, Heidelberg, New York : Springer, 2006.

111. Магкмап, A.B. Knowledge Representation / A.B. Магкмап. — London : Lawrence Erlbaum Associates, 1998.

112. Jones, M. Tim. Artificial Intelligence A Systems Approach / M. Tim Jones.

— Hingham, Massachusetts, New Delhi : INFINITY SCIENCE PRESS LLC, 2008. — 498 p.

113. Hilal, D.K. A suggested descriptive framework for the comparison of knowledge-bases systems Methodologies / D.K. Hilal, H. Soltan. // «Expert Systems». — May, 1991. — Vol.8, № 2. — p. 107-114.

114. ГОСТ 34.003-90. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения. — Взамен ГОСТ 24.003-84, ГОСТ 22487-77; введ. 01.01.92. — М. : Изд-во стандартов, 1989. — 16 с.

115. ГОСТ 34.602-89. Информационная технология. Комплекс стандартов на автоматизированные системы. Техническое задание на создание автоматизированной системы. — Взамен ГОСТ 24.201-85; введ. 01.01.90 — М. : Изд-во стандартов, 1989. — 12 с.

116. ГОСТ 34.601-90. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Стадии создания. — Взамен ГОСТ 24.601-86, ГОСТ 24.602-86; введ. 01.01.92 — М. : Изд-во стандартов, 1989. — 6 с.

117. ГОСТ 34.201-89. Информационная технология. Комплекс стандартов на автоматизированные системы. Виды, комплектность и обозначение документов при создании автоматизированных систем. — Взамен ГОСТ 24.101-80, ГОСТ 24.102-80, РД 50-617-86; введ. 01.01.90 — М. : Изд-во стандартов, 1989. — 11 с.

118. ГОСТ 21.408-93. СПДС. Правила выполнения рабочей документации автоматизации технологических процессов; введ. 01.12.94 — М. : Изд-во стандартов, 1993. —28 с.

119. Пособие к ГОСТ 21.408-93, РМ4-59-95. Системы автоматизации. Состав, оформление и комплектование рабочей документации. — Взамен РМ4-59-91; введ. 01.01.95 —М. : Изд-во стандартов, 1995. — 45 с.

120. ГОСТ 23501.101-87. Системы автоматизированного проектирования. Основные положения. — Взамен ГОСТ 23501.0-79, ГОСТ 23501.4-79, ГОСТ 23501.9-80, ГОСТ 23501.13-81, ГОСТ 23501.16-81, ГОСТ 23501.17-82.; введ. 01.07.88 — М. : Изд-во стандартов, 1987. — 7 с.

121. Нормы времени на выполнение конструкторских работ по системам автоматизации технологических процессов. — М. : «Проектмонтажавтоматика» (Государственный ордена Трудового Красного Знамени проектный и конструкторский институт), 1992 — 15 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.