О возможности применения основных положений нечеткой логики и нечетких отношений для решения задач технической диагностики

Размещено на http://www.allbest.ru/

О возможности применения основных положений нечеткой логики и нечетких отношений для решения задач технической диагностики

Гасанов А.И.

Азербайджанский государственный университет нефти и промышленности (г. Баку, Азербайджан)

Аннотация

Современные диагностические методы основаны на математических моделях, которые не отображают всех возможных признаков развивающихся дефектов. Поэтому актуальной становится задача использования эвристического подхода, основанного на методах искусственного интеллекта, а именно, на искусственных нейронных сетях, теории нечетких множеств, нечеткой логике и нечётких отношений.

Ключевые слова: неисправности электрических машин, современные методы диагностики.

Abstract

Hasanov A.I.

Azerbaijan State University of Oil and Industry (Baku, Azerbaijan)

THE POSSIBILITY OF APPLYING BASIC PROVISIONS FUZZY LOGIC AND FUZZY RELATIONSHIPS TO SOLVE PROBLEMS OF TECHNICAL DIAGNOSTICS

Modern diagnostic methods are based on mathematical models that do not display all possible signs of developing defects. Therefore, the task of using a heuristic approach based on artificial intelligence methods, namely, artificial neural networks, fuzzy set theory, fuzzy logic and fuzzy relationships, becomes urgent.

Keywords: malfunctions of electrical machines, modern diagnostic methods.

Первой публикацией по теории нечетких множеств принято считать работу Лютфи Заде, опубликованную в 1965 г [1]. Наиболее значимыми в этой области следует считать публикации Л. Заде (L. Zadeh) [2] Д. Дюбуа (D. Dubois) и А. Прада (Н. Prade) [3] по теории нечеткой меры, М.Сугено (М. Sugeno) по нечеткому выводу, Р. Ягера (R. R.Yager) [4] по нечеткой логике.

Однако, несмотря на большое количество теоретических работ, прикладное значение нечетких моделей долгое время ставилось под сомнение. Даже сегодня некоторые ученые все еще скептически относятся к возможностям нечеткого моделирования. В этой статье попытаемся дать определение нечеткой логики и основной теории нечетких множеств применительно к задачам диагностики. Но сначала дадим определение понятию «нечёткие системы».

В то время, когда искусственный интеллект только сам перерабатывает поступающую информацию, область его применения весьма ограничена. Поэтому, в целях расширения области применения используют взаимодействие искусственного интеллекта и человека. Такое партнёрство позволяет решать сложные проблемы и выдавать точные выводы.

Подобные проблемы решаются в настоящее время благодаря опыту и интуиции выдающихся специалистов. Однако в технических областях существует риск совершить серьезную ошибку, если тщательно не изучить предпосылки и гипотезы. Например, непредсказуемые аварии в системах обеспечения безопасности, неразумные выводы в информационных системах, разбалансированные системы автоматизации и многое другое возникает из -за того, что все предпосылки проектирования слишком расходятся с реальным положением дел.

С точки зрения обработки нечеткостей даже в теории вероятностей, которую часто противопоставляют теории нечетких систем, нельзя получить точные результаты, пока экспериментатор не исследует в полной мере исходные данные, не оценит общую структуру проблемы, не исключит сомнительные данные или не примет других субъективных решений. Не говоря уже о том, что установить гипотезы и предпосылки нельзя иначе, как полагаясь на субъективное мнение. Понятие нечеткие множества - это в сущности математический метод, созданный для того, чтобы представлять смысловые нечеткости слов человека. Это уникальный метод с точки зрения предоставления возможностей математически обрабатывать субъективные данные. Все это существенно повысит практическую ценность искусственного интеллекта. нечеткая логика техническая диагностика

Теперь попробуем дать определение теории нечётких множеств.

Отличительной особенностью теории нечетких множеств является ее способность правильно обрабатывать неопределенность во время логических рассуждений. Вообще говоря, неопределенность может возникнуть из трех разных источников: неоднозначность, неопределенность или неведение.

С конца 1990-х годов нечеткая логика достигла четвертой фазы эволюции: в области она рассматривается как современная технология, особенно важная в вопросах автоматизации и контроля. Среди исследователей и ученых нечеткая логика нашла свое место, и каждый год издавались многочисленные журналы и организовывались конференции. Никакая современная учебная программа по автоматизации не проходит, по крайней мере, без курса по нечеткой логике. Вообще говоря, опубликованные исследовательские работы по нечеткой логике могут быть сгруппированы в две категории [5]: в узком смысле нечеткая логика - это область исследований, посвященная формальному развитию различных логических систем многозначной логики в унифицированном виде. В этом смысле она также называется математической или формальной нечеткой логикой. С другой стороны, нечеткая логика в широком смысле охватывает обширную область, как теоретическую, так и практическую. Его основная цель - использовать теорию нечетких множеств для разработки концепций и методов представления и обработки знаний. Очевидно, что для технических целей нечеткая логика рассматривается в широком смысле. Само понятие «множество» состоит из объектов (называемых элементами), но само по себе является объектом в своем собственном праве. Итак, мы показали, что теория нечетких множеств позволяет решать сложные технические задачи, например, задачи технической диагностики. Так, нечеткие отношения позволяют установить некоторые приближенные соотношения между причинами и следствиями на основе экспертных оценок. Экспертные оценки текущего технического состояния электрооборудования, выполненные на основе нечетких отношений причинно- следственных связей признаков и дефектов, позволяют повысить достоверность выявления причин возникновения дефектов. Обобщение экспертных оценок позволяет повысить достоверность диагноза о техническом состоянии объектов электросетевого комплекса. Современные диагностические системы, необходимые для анализа признаков неисправностей электросетевого оборудования должны опираться на текущую или экспертную информацию о месторасположении и причинах неисправностей при проведении мониторинга текущего технического состояния и контроля пределов отклонения тех или иных технических характеристик. В последнее время разработаны новые различные эффективные подходы, основанные на методах искусственного интеллекта, а именно: экспертных системах, нечеткой логики, распознавания образов с помощью искусственных нейронных сетях и нечетких отношениях. Областью применения диагностических систем являются контроль за работой электроустановок электросетевого комплекса, мониторинг трендов, контроль инструментария в комплексно-автоматизированном производстве и контроль качества электроэнергии. Выбор наиболее подходящей стратегии диагностического обследования определяется теми или иными признаками процесса, которые необходимо контролировать, и знаниями о предыстории процесса. Наиболее эффективным решением для диагностики отказов и оценки текущего технического состояния можно считать методы искусственного интеллекта. Если детерминистические знания недостаточны или математическое моделирование требует значительных затрат, либо не имеет достаточной точности, то целесообразно использовать методы, основанные на моделировании знаний оператора. Это можно сделать при помощи стратегий логического вывода, например, экспертных систем, нечетких систем логического вывода или искусственных нейронных сетей.

Это позволяет сделать умозаключение о техническом состоянии объекта на основании нечетких, неточных и неполных знаниях.

В настоящее время системы диагностики и мониторинга технического состояния высоковольтного электрооборудования представляют собой экспертные автоматизированные системы в режиме «советчика». Они имеют два направления для решения следующих задач: определение технического

состояния электрооборудования оборудования для выявления дефектов и неисправностей; выбор оптимальных управляющих воздействий на электрооборудования электросетевого комплекса для повышения надежности функционирования и продления эксплуатационного ресурса объекта ПбП.

Современные диагностические системы, необходимые для анализа признаков неисправностей электросетевого оборудования должны опираться на текущую или экспертную информацию о месторасположении и причинах неисправностей при проведении мониторинга текущего технического состояния и контроля пределов отклонения тех или иных технических характеристик. В последнее время разработаны новые различные эффективные подходы, основанные на методах искусственного интеллекта, а именно: экспертных системах, нечеткой логики, распознавания образов с помощью искусственных нейронных сетях и нечетких отношениях. Областью применения диагностических систем являются контроль за работой электроустановок электросетевого комплекса, мониторинг трендов, контроль инструментария в комплексно-автоматизированном производстве и контроль качества электроэнергии. Эти методы заключаются в сборе всей доступной информации об исследуемом процессе путем наблюдения за его ходом. Обычно эту работу выполняет опытный оператор, который выдает качественное описание процесса в нормальных и аварийных условиях его работы. Знания оператора могут быть формализованы средствами языка представлений. Таким путем знания о нормальном и аварийном функционировании процесса и информация о его прошлом могут быть использованы для обнаружения неисправностей. Знания о процессе, существующие в виде наблюдений и словесных описаний в разговорном употреблении, в результате применения методов нечеткой логики могут использоваться при классификации процессов. С этой целью лингвистические переменные взвешиваются с весовыми коэффициентами для значений, лежащих между "ИСТИНА" и "ЛОЖЬ" соответственно. Это достигается путем введения понятия "функция принадлежности", с которым связано несколько определений. Функции принадлежности должны наилучшим образом описывать состояние диагностируемой системы.

Заключение. Показано, что теория нечетких множеств и нечеткая логика представляют собой перспективное научное направление в технической диагностике, позволяющее формализовать знания экспертов в виде вербальных оценок и лингвистической переменной для создания формализованной нечеткой математической модели причинно-следственных отношений.

СПИСОК ЛИТЕРАТУРЫ:

1. Zadeh, L. A. Fuzzy sets / L. A. Zadeh // Information and Control. - 1965. - Vol. 8.3. - P. 338-353.

2. Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. А. Заде. - Москва: Мир, 1976. - 165 с.

3. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний в информатике : пер. с фр. / Д. Дюбуа, А. Прад. - Москва : Радио и связь, 1990. - 288 с.

4. Yager, R. R. On ordered weighted averaging aggregation operators in multicriteria decisionmaking / R. R. Yager // IEEE Transactions on Systems, Man, and Cybernetics. - 1988. - Vol. 18.1. - Р. 183-190.

5. Fuzzy Logic: A Spectrum of Theoretical & Practical Issues / eds. P. P. Wang, E. E. Kerre, D. Ruan. - Berlin, Heidelberg: Springer, 2007. - 459 р. - (Studies in Fuzziness and Soft Computing, Vol. 215.)

6. Осотов, В. Н. Некоторые аспекты оптимизации системы диагностики силового электрооборудования на примере Свердловэнерго: автореф. дис. ... канд. техн. наук: 05.14.02 / Осотов Вадим Никифировоч. - Екатеринбург, 2000.-31 с.

Размещено на Allbest.ru