ISSN 2071-8594

Российская академия наук

Главный редактор

Г.С. Осипов

В.Б. Мелехин, В.М. Хачумов "Динамическая модель представления знаний в интеллектуальных системах контроля сложных технологических процессов"

Аннотация.

Разработана оригинальная модель представления динамических знаний в интеллектуальных системах контроля сложных технологических процессов и прогнозирования аномальных ситуаций в виде нечетко помеченной растущей семантической сети. Предложенная модель позволяет адекватным образом описывать сложные многопараметрические динамические технологические процессы и на этой основе осуществлять контроль над их течением в процессе реализации на основе сравнения фактической и эталонной динамической модели поведения объекта управления во времени. Разработаны правила сравнения между собой различных нечетких растущих семантических сетей, которые позволяют реализовать автоматический контроль сложных технологических процессов в нестабильной окружающей среде.

Ключевые слова:

интеллектуальная система контроля, динамический технологический процесс, аномальная ситуация, нечеткая растущая семантическая сеть.

Стр. 31-43.

Полная версия статьи в формате pdf.

REFERENCES

1. Agronik, A.Yu., A.A. Talalaev, V.P. Fralenko, V.M. Khachumov and O.G. Shishkin. 2016. Analiz sistem proektirovaniya tekhnologicheskih cepochek i processov [Analysis of systems for technological chains and processes designing]. Ontologiya proektirovaniya [Ontology of Designing] 3:255–269.
2. Latyshev, A.V., V.A. Romakin, V.M. Khachumov and M.V. Khachumov. 2016. Metody i modeli avtomaticheskogo sinteza tekhnologicheskih processov, osnovannogo na znaniyah [Methods and models of automatic knowledge-based synthesis of technological processes]. Programmnye sistemy: teoriya i prilozheniya [Program systems: theory and applications] 3(30):25–43.
3. Khachumov, M.V. 2016. Metod analiza i sravneniya ierarhicheskih tekhnologicheskih processov v zadachah personificirovannogo lecheniya pacientov [The method of analysis and comparison of hierarchical processes in the task of personalized treatment of patients]. Sovremennye naukoemkie tekhnologii [Modern high technologies] 9:457–462.
4. Rassel, S., P. Norvig. 2005. Iskusstvennyj intellekt: sovremennyj podhod (AIMA) [Artificial intelligence: modern approach (AIMA)]. Moscow: Williams. 1424 p.
5. Maksimov, V.I., E.K. Kornoushenko. 1999. Analiticheskie osnovy primeneniya kognitivnogo podhoda k resheniyu slabostrukturirovannyh zadach [The analytical basis of the cognitive approach for the solution of semi-structured problems]. Trudy IPU RAN. Tom 2 [Works ICS RAS. Vol. 2]. Moscow: ICS RAS. 95–109.
6. Emeliyanova, Yu.G. 2016. Razrabotka metodov kognitivnogo otobrazheniya sostoyanij dinamicheskih sistem real'nogo vremeni [Development of cognitive representation methods for real time dynamic systems]. Iskusstvennyj intellekt i prinyatie reshenij [Artificial intelligence and decision-making] 3:21–30.
7. Abramova, N.A., A.A. Fedotov. 2009. O razvitii analiticheskogo podhoda k opredeleniyu vneshnego povedeniya modelej na osnove dinamicheskih kognitivnyh kart [On the development of the analytical approach to determination of external behavior of models based on dynamic cognitive maps]. Trudy IX Mezhdunarodnoj konferencii “Kognitivnyj analiz i upravlenie razvitiem situacij” [Proceedings of IX International conference “Cognitive analysis and situations control”]. Mоscow: ICS RAS. 23–40.
8. Bershteyn, L.S., V.B. Melekhin. 2000. Nechetkie dinamicheskie semanticheskie seti dlya predstavleniya znanij intellektual'nyh sistem [Fuzzy dynamic semantic networks for representation of knowledge in intelligent systems]. Avtomatika i telemekhanika [Automation and remote control] 3:107–110.
9. Zykov, A.A. 1974. Gipergrafy [The Hypergraphs]. Uspekhi matematicheskoj nauki [Achievements of mathematical science] 6(180):89–154.
10. Zade, L. 1976. Logiko-lingvisticheskaya peremennaya i ee primenenie dlya prinyatiya priblizhennyh reshenij [Logicallinguistic variable and its application for acceptance of approximate solutions]. Moscow: World. 168 p.
11. Bershteyn, L.S., V.B. Melekhin. 1988. Struktura procedurnogo predstavleniya znanij integral'nogo robota. 1. Rasplyvchatye semanticheskie seti [The structure of a procedural knowledge representation of the integral robot. 1. Fuzzy semantic network]. Izvestiya AN SSSR. Tekhnicheskaya kibernetika [News of Academy of Sciences of the USSR. Technical Cybernetics] 6:119–124.
12. Melihov, A.N., L.S. Bershteyn and S.Ya. Korovin. 1990. Situacionnye sovetuyushchie sistemy s nechetkoj logikoj [Situational advising systems with fuzzy logic]. Moscow: Science. 272 p.
13. Bershteyn, L.S, V.B. Melekhin. 1997. Opredelenie analogii mezhdu situaciyami problemnoj sredy dlya perenosa nakoplennogo opyta povedeniya [The definition of analogy between situations of the problem environment for transfer of the accumulated experience of behavior]. Izvestiya RAN. Teoriya i sistemy upravleniya [News of the Russian Academy of Sciences. Theory and control systems.] 5:84–87.