Разработка структуры и алгоритмов взаимодействия программных блоков интеллектуальной системы для оценки сложных объектов

Так как город Одесса расположен в четвёртом поясе светового климата, то для него значения коэффициентов выбираются равными м = 0.9; с=0.95. Следовательно:

е4н = 1.5*0.9*0.95 = 1.28%

По классическому методу Данилюка определяем естественную фактическую освещенность в помещении по формуле:

So*t0*t1*100 (III)

Sn*ro*Kзд

где So/Sn - отношение площади световых проёмов к площади пола помещения;

to - общий коэффициент светопропускания;

t1 - коэффициент, учитывающий влияние отраженного света при боковом освещении;

ro - световая характеристика окна;

Кзд - затемнение окон противостоящими зданиями.

Для нашего примера имеем:

So = 6 m²;

Sn = 40 m²;

to = 0.3136;

t1 = 1.35;

ro = 4;

Кзд = 1.

Следовательно, получим:

en = 6*0.3136*1.35*100 / 40*4*1 = 1.58%

Расчёт показывает, что фактическая освещенность выше требуемой, что свидетельствует о том, что помещение достаточно освещено.

6.3.4 Расчёт искусственного освещения помещения

В тёмное и переходное время суток в помещении необходимо организовать искусственное освещение.

Необходимо рассчитать мощность осветительной установки и определить схему расположения светильников для искусственного освещения, используемого помещения.

Наиболее благоприятным с гигиенической точки зрения являются люминесцентные лампы дневного света. В качестве источников света выберем светильники с люминесцентными лампами ЛБ80-4, которые создают световой поток на 2470 Лм.

Вычисления будут производится по методу коэффициента использования светового потока, предназначенного для расчёта освещенности общего равномерного освещения горизонтальных поверхностей. Для освещения помещений компьютерных классов (к коим можно отнести используемое помещение) обычно используют люминесцентные лампы, у которых высокая светоотдача, продолжительный срок службы, малая яркость светящейся поверхности, близкий к естественному свету спектральный состав излучения, что обеспечивает хорошую цветопередачу цветных графических дисплеев, что особо важно при работе с CAD и CAM приложениями, а также другими графическими пакетами (Corel Draw, Adobe Photoshop и др.). Для исключения появления зон затемнения в середине помещения, а также для более равномерной освещенности рабочих мест светильники располагаем перпендикулярно линии зрения оператора ЭВМ.

Согласно отраслевым нормам освещенности уровень рабочей поверхности над полом для компьютерных классов составляет 0.8м. и установлена норма освещённости Е = 400 Лк.

h = H - 0.8 = 3.4 - 0.8 = 2.6 (м), (IV)

где h - расчётная высота подвеса светильников над рабочей поверхностью.

Экономичность осветительной установки зависит от отношения:

Л=L/h (V)

где L - расстояние между рядами светильников, м.

Для светильников УСП 35 лучшее отношение Л = 1.4.

L = Л * h = 1.4 * 2.6 = 3.64 (м) (VI)

Два ряда светильников будут расположены вдоль длинной стены помещения. Расстояние между рядами светильников и стенами:

L = (A - L) / 2 = (5 - 3.64) / 2 = 0.68 (м) (VII)

Определим индекс помещения:

I = A*B / (A+B) * h = 8 * 5 / (8 + 5) * 2.6 = 1.18 (VIII)

С учётом выше написанного при рассчитанном индексе помещения, из справочных данных находим коэффициент использования излучаемого светильниками светового потока = 0.59. Расчёт необходимого числа светильников выполняем по формуле:

N = ( E * k * S * z ) / ( n * ф * ) (IX)

где: Е - норма освещённости компьютерного класса, Е = 400 лк;

k - коэффициент запаса, учитывающий запыление светильников и износ источников света в процессе эксплуатации, к = 1.5.

S - площадь помещения, S = 8 * 5 = 40 м²;

z - коэффициент неравномерности освещения, z = 1.1;

n - число рядов светильников, n = 2;

- коэффициент использования светового потока, = 0.59;

ф - световой поток, излучаемый светильником.

Для лампы ЛБ40 номинальный световой поток, излучаемый светильником, равен 3120лм, учитывая, что в светильнике две люминесцентных лампы, имеем:

Ф = 2ф = 2 * 3120 = 6240лк.

Подставляя численные значения в (IX), имеем:

N = 400 * 1.5 * 40 * 1.1 / ( 2 * 6420 * 0.59 ) = 3.5 (шт) 4 (шт).

Длина одного светильника УСП35 составляет д = 1.27 м.

При поперечном расположении расстояние между светильниками составит:

Расстояние между светильниками = А / n1 = 8/5=1.6 (м)

Где n1 количество промежутков между светильниками и короткими стенами.

Заключаем, что в компьютерном классе устанавливаются два ряда светильников УСП 35 по четыре в ряду вдоль длинных стен помещения, на расстоянии 3.64 м. ряд от ряда и на 0.68 м. от длинных стен помещения. Расстояние между светильниками в ряду и между светильниками и короткими стенами помещения 1.6 м.

6.4 Выводы по изучению вопроса о безопасности жизнедеятельности

Полностью безопасных и безвредных производств не существует. Однако задача охраны труда - свести к минимуму вероятность несчастного случая или заболевания работающего с одновременным обеспечением комфортных условий при максимальной производительности труда.

Так основная часть данной дипломной работы выполнялась на компьютере и реализация описываемого метода, в основном, также будет производиться на компьютере, очень важно обеспечить оператору достаточную освещенность рабочего места для предотвращения усталости глаз и ухудшения зрения. Выше была рассчитана схема расположения светильников для создания максимально комфортных условий оператору, с целью повышения его работоспособности и предупреждения появления и развития зрительных и других нарушений.

ЗАКЛЮЧЕНИЕ

В ходе разработки интеллектуальной системы на базе технологии «клиент-сервер» достигнуты основные цели, поставленные перед началом проектирования.

Была разработана архитектура, структура данных, алгоритмы взаимодействия, программных модулей, образующих ИС на базе применения последних разработок в области технологий «клиент-сервер». В ходе выполнения дипломной работы были выполнены следующие задачи:

- исследована структура и функции ИС в целом и ее отдельных программных блоков - АРМ-ов администратора системы, эксперта, лица принимающего решения (руководителя), рядового оператор хранения компонентов модели;

- разработаны структуры данных и основные функции перечисленных автоматизированных рабочих мест.

- разработан порядок взаимодействия всех компонентов в целом.

- выполнена программная реализация модуля администратор.

Перспективы развития сетевой интеллектуальной системы определяются факторами, изложенными во введении к настоящей дипломной работе. Следует добавить, что основные пути развития представляются автору разработки наиболее целесообразными в следующих областях:

- использование новых технологий управления базами данных, широко развивающихся в последние несколько лет;

- учет знаний группы экспертов позволит существенно повысить достоверность получаемых результатов;

- использование технологии связывания и внедрения объектов (OLE) позволит эффективно обмениваться данными с другими приложениями.

Тем не менее работе присущ ряд недостатков. Прежде всего это высокая сложность управления проектами и распределенными данными. Этот недостаток стал очевидным лишь к концу разработки системы и исправление его привело бы к недопустимым затратам времени.

Несмотря на недостатки можно сказать, что основная цель работы достигнута.

ЛИТЕРАТУРА

Aбу-Мустафа Я.С., Псалтис Д. Оптические нейронно-сетевые компьютеры//В мире науки. 1987. N 5. С. 42-50.

Вольфенгаген В.Э., Воскресенская О.В., Горбанев Ю.Г. Система представления знаний с использованием семантических сетей//Вопросы кибернетики: Интеллектуальные банки данных. -М.: АН СССР, 1979. - С. 49-69.

Вудс У.А. Основные проблемы представления знаний//ТИИЭР. - 1986. - Т.74, N 10. -С. 32-47.

Гаврилова Т.А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ//Изв. АН СССР. Техн. кибернетика. - 1984. - N 5. - С. 165-173.

Ивашко В.Г., Финн В.К. Экспертные системы и некоторые проблемы их интеллектуализации//Семиотика и информатика. -1986. - Вып.27. - С.25-61.

Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ//Искусственный интеллект: Справочник. - Т.1. - М.: Радио и связь, 1990. - С. 369-388.

Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС//Всесоюзная конференция по искусственному интеллекту: Тез. докл. - Переславль-Залесский, 1988. -Т.2.- С.490-494.

Кук М.Н., Макдональд Дж. Формальная методология приобретения и представления экспертных знаний. - ТИИЭР. - Т.74, N 10. - 1986. -С.145-155.

Минский М. Фреймы для представления знаний. - М.:Мир, 1979. -151 с.

Минский М., Пейперт С. Персептроны. М.:Мир, 1971. С. 261.

Нечеткие множества в моделях управления и искусственного интеллекта/А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун и др.- М.: Наука, 1986. -312 с.

Осипов Г.С. Метод формирования и структурирования модели знаний для одного типа предметных областей//Изв. АН СССР. Техн. кибернетика. - 1988. -N 2. -С.3-12.

Осуга С. Обработка знаний: Пер. с япон. - М.: Мир, 1989. -292 с.

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

Построение экспертных систем/Под ред. Ф. Хейес-Рота, Д. Уотермана, Д. Лената. -М.: Мир, 1987. -С. 434.

Представление и использование знаний/Под ред. Х. Уэно, М. Исидзука. -М.: Мир, 1989. -220 с.

Приобретение знаний: Пер. с япон./Под ред. С. Осуги, Ю. Саэки. -М.: Мир, 1990. -304 с.

Скрэгг Г. Семантические сети как модели памяти//Новое в зарубежной лингвистике. -М.: Радуга, 1983. -Вып. XII. -С.228-271.

Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах//В мире науки. 1988. N 2. С. 44-53.

Уотермен Д. Руководство по экспертным системам: Пер. с англ. -М.: Мир, 1989. -388 с.

Хоггер К. Введение в логическое программирование. - М. Мир, 1988. -348с.

Экспертные системы. Принципы работы и примеры: Пер. с англ./Под ред. Р. Форсайта. -М.: Радио и связь, 1987. -224 С.

Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры: Пер. с англ. -М.: Финансы и статистика, 1986. -191 с.

Aarts E.H.L., Korst J.H.M. Boltzmann machines and their applications//Lect. Notes Comput. Sci. 1987. V. 258. P. 34-50.

Aarts E.H.L., Korst J.H.M. Boltzmann machines for travelling salesman problem//European J. Oper. Res. 1989. V. 39. P. 79-95.

Abu-Mostafa Y.S., Jaques J.N.St. Information capacity of the Hopfield model//IEEE Trans. Inform. Theory. 1985. V. 31. P. 461.

Ackley D.H., Hinton G.E., Sejnowski T.J. A learning algorithm for Bolzmann machines//Cognit. Sci. 1985. V. 9. N 1. P. 147-169.

Amari S. Field theory of self-organizing neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. P. 741.

Athale R., Stirk C.W. Compact architectures for adaptive neuraal nets//Ibid. 1989. V. 28. N 4. 34. Boahen K.A., Pouliquen P.O., Andreou A.G., Jenkins R.E. A Heteroassociative memory using current-mode MOS analog VLSI circuits//IEEE Trans. Circuits Syst. 1989. V. 36. N 5. P. 747-755.

Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine//Comput. Vision Graphics Image Process. 1986. V. 37. P. 54-115.

Cohen M.A., Grossberg S. Absolute stability of global pattern formation and parallel memory storage by competitive neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. N 5. P. 815-826.

Fox G.C., Koller J.G. Code generation by a generalized neural networks: general principles and elementary examples//J. Parallel Distributed Comput. 1989. V. 6. N 2. P. 388-410.

Hammond P. Logic programming for expert systems//M. Sc. Thesis, Dept. of Computing. Imperial College, Univ> of London, England. 1980.

Hammond P. APES: a user manual. //Doc Report 82/9. 1983.

Hebb D.O. The organization of behaviour. N.Y.: Wiley, 1949.

Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities//Proc. Natl. Acad. Sci. 1984. V. 9 P. 147-169.

Hopfield J.J., Feinstein D.I., Palmer F.G. Unlearning has a stabilizing effect in collective memories//Nature. 1983. V. 304. P. 141-152.

Hopfield J.J., Tank D.W. Neural computation of decision in optimization problems//Biol. Cybernet. 1985. V. 52. P. 141-152.

McCulloch W.S., Pitts W.H. A logical calculus of the ideas immanent in nervous activity//Bull. Math. Biophys. 1943. V. 5. P. 115-133.

Newell A., Simon H. Computer simulation of human thinking//Science. 1961. P. 2011-2017. 49. Newell A., Simon H. Human problem solving//Englewood Cliffs, N.Y. 1972.

Newell A., Shaw J.C., Simon H. Chess playing programs and the problem of complexity IBM//J. Res. Develop. 1958. P. 320-335.

Ohta J., Tai S., Oita M. et. al. Optical implementation of an assoсiative neural network model with aa stohastic process//Ibid. 1989. V. 28. N 12. P. 2426-2428.

Rosenblatt F. The peseptron: a probabilistic model for information storage and organization in the brain//Psychol. Rev. 1958. V. 65. P. 386.

Rosenblatt F. Principles of neurodynamics. Spartan., Washington, D.C., 1962.

Simon H. Models of man//N.Y. 1957.

Simon H. The science of the artifitial//Cambridge. 1969.

Simon H. The theory of problem solving//Information processing 1971, Amsterdam, P.267-277.

Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях: Пер. с англ. - Киев : Диалектика, 1993. - 240 с.

Шевченко В. Нейронные сети.//Компьютерное обозрение, №46, 1996, С.19.

Размещено на Allbest.ru