Экспертная система диагностики металлоконструкций

1 Введение. 8
2 Постановка и анализ задачи. 10
3 Обзор языков представлений знаний. 12
4 Выбор среды реализации. 15
5 Описание реализации программы.. 16
5.1 Механические испытания. 16
5.2 Математическое обеспечение систем автоматизации эксперимента. 18
5.2.1 Регрессионный анализ. 18
5.2.2 Дисперсионный анализ. 20
5.3 Формирование модели предметной области. 22
5.3.1 Этапы формирования модели. 22
5.3.2 Формирование параметров и их значений. 23
5.3.3 Формирование сети связей параметров. 24
5.3.4 Правила и формулы.. 27
6 Описание программы для пользователя. 31
6.1 Интерфейс “Главная форма”. 31
7 Тестирование. 32
8 Технико-экономическое обоснование работы.. 33
8.1 Обоснование целесообразности выполнения работы.. 33
8.2 Оценка уровня качества разрабатываемого продукта. 33
8.3 Организация и планирование работы.. 34
8.4 Расчет затрат на выполнение работы.. 37
8.5 Расчет текущих эксплуатационных затрат. 39
8.6 Расчет годового экономического эффекта выполненной работы.. 42
8.7 Вывод. 44
9 Вопросы охраны труда и безопасности жизнедеятельности. 45
9.1 Введение. 45
9.2 Анализ опасных и вредных производственных факторов. 45
9.3 Требования безопасности оборудования и организации рабочего места оператора46
9.3.1 Общие положения. 46
9.3.2 Требования к организации и оборудованию рабочих мест с ВДТ и ПЭВМ.. 48
9.4 Разработка защитных мероприятий. 49
9.4.1 Защита от прямой и отраженной блесткости. 49
9.4.2 Методы защиты от электромагнитных излучений. 50
9.4.3 Мероприятия по предотвращению нарушений зрительной функции. 50
9.4.4 Мероприятия по защите от шума. 51
9.4.5 Меры защиты от поражения электрическим током. 52
9.4.6 Меры защиты от статического электричества. 53
9.5 Инструкция по охране труда. 54
Заключение. 56
Список использованных источников. 58

1 Введение
На начальном этапе разработки систем управления, проектирования и конструирования новых технических систем, необходимы исследования в области искусственного интеллекта. Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес. Перечислим направления, по которым ведутся исследования в области искусственного интеллекта [1]:
1. Представление знаний и разработка систем, основанных на знаниях (разработка моделей представления знаний, создание баз знаний, образующих ядро экспертных систем, извлечение и структурирование знаний).
2. Разработка специальных языков для решения интеллектуальных задач, программного инструментария искусственного интеллекта и создание пакетов прикладных программ, ориентированных на разработку интеллектуальных систем.
3. Разработка естественно-языковых интерфейсов и машинный перевод.
4. Создание интеллектуальных роботов, способных автономно совершать операции по достижению целей, поставленных человеком.
5. Моделирование на ЭВМ отдельных творческих процессов (интеллектуальные игровые задачи: шахматы, шашки и др.), автоматическое доказательство теорем, анализ и синтез музыкальных произведений и др.
6. Модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных.
7. Распознавание образов, при котором используются специальные математические процедуры и функции, разделяющие объекты на классы.
Первое направление является основным направлением в области разработки систем искусственного интеллекта. Это направление позволяет программисту разрабатывать экспертные системы (ЭС), обеспечивающие высокое качество решений задач на реальных примерах при минимизации требуемого времени и памяти.
Современное состояние разработок в области ЭС можно охарактеризовать как стадию все возрастающего интереса среди специалистов в разных областях - финансистов, преподавателей, инженеров, медиков, психологов и др. Разработка ЭС направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны [2]. В этих областях важен опыт экспертов.
Главное отличие интеллектуальных и экспертных систем от других программных средств - это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены также в понятной форме. При этом этап анализа знаний и проектирования БЗ вызывает наибольшие трудности при разработке ЭС.
Перед проектированием БЗ необходимо определить проблемную область и задачи, и обозначить предварительный подход к решению проблемы. Анализ работоспособности элементов металлоконструкций из стали можно отнести к проблемной области, в которой необходимо получение, структурирование и формализация знаний.
На этапе получения и структурирования знаний специалистов для последующей разработки базы знаний центральным понятием является так называемое поле знаний.
Поле знаний - условное описание понятий и взаимосвязей между ними предметной области, выявленных из системы знаний эксперта, в виде графа, диаграммы, таблицы или текста.
Особенности предметной области могут оказать существенное влияние на форму и содержание компонентов структуры поля знаний. Поэтому необходимо более подробно рассмотреть физические процессы в деталях металлоконструкций.
2 Постановка и анализ задачи
В процессе эксплуатации металлоконструкции подвергаются воздействию как статических, так и динамических нагрузок. При этом структура металлов претерпевает различного рода изменения, что определяет изменение их механических свойств и надежность конструкций. Важнейшим условием правильной эксплуатации металлоконструкций является своевременное проведение планово-предупредительной диагностики. Определение напряжений и анализ состояния материала непосредственно в процессе эксплуатации является одной из самых актуальных задач.
Появление в материале зон с повышенным уровнем внутренних напряжений при нагружении приводит к изменению скорости ультразвука. Контроль и анализ изменения скорости распространения ультразвука позволяет идентифицировать различного рода структурные изменения в металлоконструкциях.
Для рассматриваемой предметной области актуальна разработка экспертной системы (ЭС). Она необходима материаловеду при решении задач в этой области, например, для ответа на вопрос “возможна ли дальнейшая эксплуатация исследуемой конструкции”.
Перед разработкой ЭС, предназначенной для пользователя, необходимо разработать модель предметной области. Она включает два основных этапа:
· разработка базы знаний на языке представления знаний;
· реализация базы знаний с помощью программирования или с использованием инструментальных средств разработки ЭС.
Основными требованиями к базе знаний являются:
- корректность (полнота и непротиворечивость);
- минимальное количество правил;
- широта охвата предметной области;
- простота изменения и дополнения;
- максимальная наглядность при структурировании знаний.
Проектирование БЗ состоит из нескольких этапов, каждый из которых представляет собой важную задачу. В случае обнаружения ошибок или недочетов, на каждом из этапов возможен возврат на ранние этапы с целью устранения выявленных ошибок. Поэтому процесс создания БЗ является итерационным.
3 Обзор языков представлений знаний
Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области [1].Для хранения знаний используются базы знаний , которые составляют основу любой интеллектуальной системы.
На сегодняшний день знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, понятных неспециалистам.
Существуют десятки языков (моделей) представления знаний для различных предметных областей [1, 2, 5].
Большинство из них могут быть сведены к следующим классам:
· продукционные модели;
· семантические сети;
· фреймы.
Продукционная модель- модель, основанная на правилах, которая позволяет представить знания в виде предложений типа “ЕСЛИ (условие), ТО (действие)”.
То есть, когда текущая ситуация (факты) в задаче удовлетворяет или согласуется с частью правила ЕСЛИ, то выполняется действие, определяемое частью ТО.
Под “условием” (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под “действием” (консеквентом) - действия, выполняемые при успешном исходе поиска.
Правила обеспечивают естественный способ описания процессов, управляемых сложной и быстро изменяющейся внешней средой.
Продукционная модель привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, простотой механизма логического вывода.
Имеется большое число программных средств, реализующих продукционный подход - язык OPS 5; “оболочки” или “пустые” ЭС- EXSYS Professional, ЭКСПЕРТ; инструментальные системы ПИЭС и др.
Семантическая сеть- это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.
Характерной особенностью семантических сетей является обязательное наличие следующих типов отношений:
- класс - элемент;
- свойство- значение;
- пример элемента класса.
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.
Для реализации семантических сетей существуют специальные сетевые языки, например NET, язык реализации систем SIMER+MIR и др.
Фрейм - это минимальное смысловое описание в словесной структурно-классифицированной форме иерархических знаний о каком-либо понятии (объект, субъект, операция, явление, состояние, событие).
Термин фрейм (от английского frame, что означает “каркас” или “рамка”) был предложен Марвином Минским в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен.
Традиционно структура фрейма может быть представлена как список свойств (слотов):
(ИМЯ ФРЕЙМА:
(имя первого слота: значение первого слота),
(имя второго слота: значение второго слота),
(имя N-ого слота: значение N-ого слота)).
Ту же запись можно представить в виде таблицы 3.1, дополнив ее двумя столбцами.
Таблица 4.1- Структура фрейма
Имя фрейма
Имя слота Значение слота Способ получения слота
Присоединен-
ная процедура
В таблице дополнительные столбцы предназначены для описания способа получения слотом его значения и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов. В качестве значения слота может выступать имя другого фрейма. Так образуются сети фреймов.
Достоинство фрейма заключается в том, что элементы, присутствующие в описании объекта или события, группируются в самостоятельную структурную единицу, и поэтому могут извлекаться и обрабатываться как единое целое.
Специальные языки представления знаний в сетях фреймов: FRL (Frame Representation Language), KRL (Knowledge Representation Language) и другие программные средства.
На разных этапах формирования модели предметной области возможно использование тех или иных языков представления знаний. Например, при описании понятий предметной области лучше использовать фреймы, так как его структура представлена в виде таблицы, что обуславливает наглядность. А также, описание понятия происходит по его свойствам, что облегчает понимание.

4 Выбор среды реализации
Для разработки качественного продукта, конкурентно способного на рынке программных продуктов, необходимо применять современные среды разработки. На данный момент существуют следующие универсальные средства разработки программных продуктов: VisualStudioversion 6, Borland C++ Builder 5, Delphi 6. Имеются также математические пакеты моделирования (MahLAb, MathCad, Mathematica), в последних версиях которых добавлены возможности разработки интерфейса. Однако интерфейсные возможности данных средств сильно уступает возможностям разработки интерфейса универсальным программным средам. А интерфейсная часть является очень важной для разработки качественного компьютерного учебника.
Выбор сводится в выборе языка реализации между языками высоко уровня С++ и Pascal. Достоинство Pascal является более быстрая работа компилятора, однако он менее гибкий, предоставляет меньше средств при разработке программ. Поэтому был выбран язык С++, этот язык предоставляет возможность программирования с применением объектно-ориентированного подхода. У языка С++ более развита объектно-ориентированная поддержка чем у Pascal. Для языка С++ наиболее распространены среды разработки Visual С++ и Borland C++ Builder, выбор между ними дело вкуса программиста. К плюсам Visual С++ можно отнести мощную справочную систему Microsoft DeveloperNetwork (MSDN), а к плюсам Borland C++ Builder – меньшие требования к ресурсам компьютера при разработке программ.
В качестве реализации программ в ходе преддипломной практики выбрана система Borland C++ Builder 5, которая предоставляет удобный интерфейс для разработки программ, поддержку объектно-ориентированных программ, удобная и достаточна обширная справочная система.
5 Описание реализации программы
5.1 Механические испытания
При исследовании образцов различных материалов в лабораторных условиях необходимо регистрировать различные параметры. Кроме того, полученные в результате экспериментов данные нужно сохранять на бумажном носителе, а так же переносить информацию в ПК.
Установка ANDA предназначена для измерения частот автоциркуляции ультразвуковых колебаний в изделиях и образцах из различных материалов, скорость распространения ультразвуковых рэлеевских волн.
В состав установки входит нагружающая машина INSTRON, циркулятор с ультразвуковыми датчиками, ПК, компьютерный осциллограф. Для повышения помехоустойчивости АЦП смонтирован непосредственно на нагружающей машине INSTRON. Для выдачи результатов на бумажном носителе предусмотрено подключение принтера.
Рис. 2.1 - Структурная схема установки
Образцы зажимали в оригинальные захваты. Подвижной является нижняя траверса, способная перемещаться с точно выверенной скоростью, меняющейся в пределах 0,005 – 1000 мм/мин. Верхний захват соединен с тензометрическим датчиком, максимальная измеряемая нагрузка которого 100 кН. Сигнал, подаваемый на двигатель управления пером самописца, имеет диапазон напряжений 0-10В, для обеспечения высокой точности измерения малых нагрузок используется переключатель диапазонов, обеспечивающий изменение коэффициента усиления сигнала датчика в зависимости от максимальной предполагаемой нагрузки. В качестве дополнительного модуля, позволяющего записывать измеренную силу непосредственно на компьютер, был разработан аналого-цифровой преобразователь (АЦП) последовательного приближения на основе микросхемы цифро-аналогового преобразования (ЦАП). Управление АЦП и подсчет напряжения на выходе усилителя осуществляется компьютером.
5.2 Математическое обеспечение систем автоматизации эксперимента
Одним из важных и неформализованных этапов экспериментальных исследований является выбор математического аппарата для преобразования и интерпретации априорной информации об изучаемом объекте и обработке полученных опытных данных.
Для обработки результатов эксперимента чаще всего применяют классические методы регрессионного и дисперсионного анализов [3].
5.2.1 Регрессионный анализ
Основой задачей регрессионного анализа является построение по экспериментальным данным математической модели изучаемого объекта или процесса, которая в данном случае носит название функции регрессии, уравнения регрессии, или просто регрессии. Итак, цель регрессионного анализа – получение формульной зависимости, связывающей значение выходной переменной y (выхода, отклика) объекта с факторами x 1, x 2,… xk при наличии аддитивной помехи случайного характера:
Для вычисления коэффициентов уравнения регрессии используют, как
правило, метод наименьших квадратов (МНК), в соответствии с котором оценки находят из условия минимизации суммы квадратов отклонений измеренных значений отклика от значений, предсказанных уравнением регрессии:
(1)
Минимум S (30) ищут обычным способом приравнивания к нулю частных производных S по , , в результате чего получается система, называемая системой нормальных уравнений:
(2)
Решение системы (2) в матричной форме:
(3)
где X – матрица независимых переменных Y – вектор-столбец наблюдений B – вектор-столбец эмпирических коэффициентов регрессии
Решение системы (31) в поэлементной форме:
(4)
где - элементы матрицы (ковариационной матрицы),
В случае ортогонального планирования матрица диагональна, т.е. при и формула (4) принимает вид
(5)
а для нормированных планов, когда :
(6)
5.2.2 Дисперсионный анализ
Техника дисперсионного анализа заключается в разбиении общей дисперсии наблюдаемой случайной величины на составляющие, порожденные независимыми источниками влияния на исследуемую случайную величину, и последующем сравнении этих составляющих.
Если имеются m блоков наблюдений над случайной величиной y по n наблюдений в каждом блоке, то вначале вычисляются суммы квадратов:
- общая
- межблоковая (7)
- внутри блоков
где
Для вычисления оценок соответствующих дисперсий вычисленные суммы квадратов делятся на числа степеней свободы
(8)
(соответственно общая оценка дисперсии, оценка дисперсии между блоками, оценка дисперсии внутри блоков или остаточная дисперсия).
Далее две составляющие исравниваются между собой с помощью критерия Фишера по стандартной процедуре: вычисляется F - отношение и сопоставляется с , выбранным из таблицы по заданному уровню значимости . При влияние фактора A признается несущественным. Другие вычислительные формулы для сумм квадратов:
(9)
где , , .
5.3 Формирование модели предметной области
5.3.1 Этапы формирования модели
Рассмотрим этапы формирования модели:
1. Идентификация проблемы;
2. Получение (извлечение) знаний;
3. Структурирование (концептуализация) знаний;
4. Формализация.
На этапе идентификации проблемы уточняется задача, планируется ход разработки модели, определяются:
- необходимые ресурсы (время, тип ЭВМ);
- источники знаний (книги, методики и др.);
- классы решаемых задач.
На стадии получения (извлечения) знаний происходит получение наиболее полного из возможных представлений о предметной области и способах принятия решения в ней. Извлечение знаний может происходить с использованием различных методов.
При структурировании или концептуализации знаний выявляется структура полученных знаний о предметной области, то есть определяются:
- терминология;
- список основных понятий и их атрибутов;
- отношения между понятиями.
На этом этапе происходит разработка описания знаний о предметной области в виде графа, таблицы, диаграммы, которая отражает основные концепции и взаимосвязи между понятиями предметной области.
Этап формализации заключается в разработке базы знаний на языке представления знаний.
Традиционно на этом этапе используются:
- логические методы;
- продукционные модели;
- семантические сети;
- фреймы.
В свою очередь этапы структурирования и формализации для конкретной предметной области можно разделить на несколько подэтапов:
1. Формирование параметров и их значений;
2. Формирование сети связей параметров;
3. Пополнение базы знаний.
Подробное описание этих подэтапов при формировании модели анализа работоспособности элементов металлоконструкций рассмотрено далее.

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать полную версию